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

3.1. Comparación entre los Sistemas de Modulación Angular vs Modulación Lineal 532 6. CATV) en UHF o B.5.5. La Transformada de Fourier Rápida (FFT) APENDICE B MISCELÁNEOS B.2. Intercambio “Ancho de Banda-Relación S/N” en Sistemas de Banda Ancha 532 6. Teoremas de la Transformada de Fourier C.6. Cálculo Numérico de los Coeficientes de Fourier A. Pares de Transformadas de Hilbert C. Código ASCII o Alfabeto Internacional N 5 de la UIT-T B.4 Comparación entre los Sistemas de Banda Ancha 534 6.2.7.5.1. Criterios de Comparación 531 6.5. Pares de Transformadas de Fourier C. Bandas de Televisión (NTSC.4. CATV) y FM en VHF B.5. Comparación entre los Sistemas de Modulación Angular 530 6.2.3.5.6.3. RESUMEN PROBLEMAS DE APLICACIÓN APENDICE A CALCULO NUMERICO DE LAS SERIES Y TRANSFORMADAS DE FOURIER A. COMPARACION ENTRE LOS SISTEMAS DE MODULACION DE SEÑALES CONTINUAS 531 6.1.2.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 6.4. Otros Teoremas de Interés 571 569 . La Transformada de Fourier Discreta (DFT) A.3. Código Baudot APENDICE C TRANSFORMADAS C. 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.1. El Espectro Electromagnético 567 567 568 569 570 570 570 570 571 568 B.5. Características Generales de los Sistemas de Modulación de Ondas Continuas 536 6.5.4. Bandas de Televisión (NTSC.

Integrales Indefinidas D. Identidades Trigonométricas D.2.xii APENDICE D FORMULAS MATEMÁTICAS D. Integrales Definidas D.4.3.1. La Función Error BIBLIOGRAFÍA 574 573 573 572 572 572 575 .

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

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

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

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

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

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

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

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

Aunque el valor exacto en un instante dado no se conoce. Sin embargo. Al intervalo de un período se le denomina también un “ciclo” de la señal. todas las señales procesadas en un sistema de comunicación son de naturaleza aleatoria.1). Esto es verdad desde un punto de vista muy amplio y. Desde un punto de vista práctico estos argumentos no producen ninguna dificultad. aunque la palabra “ciclo” se utiliza principalmente en señales sinusoidales.2. En el Capítulo III se presentan algunos fundamentos de las variables y procesos aleatorios. MODELOS DE LAS SEÑALES 1. prueba y operación de sistemas. Como veremos en Capítulo IV. conocidas como “señales determinísticas” y “señales aleatorias”.2.5 I. Igualmente. donde T es el período de repetición de la señal. una señal sinusoidal de la forma x(t) = Acos(2πfct) para todo t. hay que considerar siempre una u otra representación.2. puede decirse que solamente las señales aleatorias proporcionan verdaderamente información. 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. por lo menos en lo que se refiere al destinatario. es una señal determinística. diseño. 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.1) T es una constante positiva y es el valor más pequeño que satisface la expresión (1. En términos más formales. Señales Periódicas y no Periódicas Una señal periódica es aquella que se repite en una forma predecible cada T segundos. Las señales determinísticas tienen propiedades bien conocidas además de que son más fáciles de generar y utilizar. . puesto que las señales determinísticas pueden ser totalmente conocidas de antemano. Son también señales determinísticas aquellas que no poseen una ecuación que las describa pero que están representadas mediante gráficos. podemos argumentar que una señal aparentemente periódica deje de serlo después de un tiempo lo suficientemente grande.1). pero en los intervalos usuales de trabajo y para efectos de análisis. desde el punto de vista del análisis. Por ejemplo.2. una señal aleatoria es aquella en la cual existe un mayor o menor grado de incertidumbre en cuanto a un valor instantáneo futuro. Las señales determinísticas se pueden representar mediante expresiones matemáticas explícitas del tiempo. una señal no periódica es aquella para la cual no existe un T finito que satisfaga la expresión (1.1. Una señal no periódica o aperiódica se puede considerar como el límite de una señal periódica cuanto el período T tiende a infinito. El punto a resaltar es que el valor exacto de una señal determinística se puede predecir o calcular por adelantado. es decir. por supuesto. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. Señales Determinísticas y Aleatorias En los sistemas de comunicación se encuentran dos clases amplias de señales. En su definición más sencilla. x(t ) = x(t + T) para todo t (1. no solamente es deseable sino también necesario utilizar señales determinísticas para analizar el sistema y predecir su comportamiento. 1.

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

a ♣ x(t) A Determinar si la señal x(t) de la Fig. (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. hay muchas señales que tienen una potencia límite dada cuando T → ∞. El área bajo la señal es infinita. 1. A x(t) 0 t Fig.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. por lo tanto no es una señal de energía.3 es de energía.2. Fig.2 ∫ ∞ −∞ A exp(−2a| t|)dt = 2A 2 2 ∫ ∞ 0 A2 exp(−2at )dt = a joules Se verifica que E = ♣ Ejemplo 1. no todas las señales de potencia son periódicas.5) para su definición. Evidentemente. 1. pero como la curva se extiende hasta el infinito.3.5) a la señal de la Fig. x(t) no es periódica. aplicando (1. de potencia o ninguna de las dos. donde A y a son constantes y a > 0. 1. aunque tales señales sean no periódicas o tengan un comportamiento de carácter aleatorio. Vamos a verificar esto aplicando la expresión (1. Las señales de potencia finita tienen una energía infinita. 1. es de potencia o de energía. por lo tanto x(t ) = A exp(− a| t | ) es una señal de energía. 0 Fig.1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 0< ∫ ∞ −∞ x 2 (t )dt < ∞ lim (1. no es obvio si es o nó de energía. ♣ Ejemplo 1.3 t T →∞ lim 1 T ∫ T/ 2 A 2 dt = A2 2 W 0 . En efecto. Se trata de determinar si la señal x(t ) = A exp(− a| t|) . Por inspección. En este tipo de señales hay que utilizar la ecuación (1.4). todas las señales periódicas son necesariamente señales de potencia. La señal no es periódica pero puede ser de potencia. Sin embargo. En efecto. 1.2 A2 < ∞ .8) lo cual implica que la energía de una señal de potencia es infinita (E = ∞).7 I.

por lo tanto. el período T de x(t) es T=1/fc. De (1. fc y φ son constantes reales.8 I.4 (b) Función Triángulo t En consecuencia. Nótese que la información de fase (valor de φ) no interviene para nada en el cálculo de la potencia. 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. 1. donde A. resultado ya obtenido en los cursos de Circuitos Eléctricos. Energía de una Señal Triangular ⎧ | t| ⎪A (1 − ) para | t| ≤ τ τ Sea la señal triangular mostrada en la Fig. La energía de x(t) será: E = 2 τ ∫A τ 0 2 t 2 (1 − ) 2 dt = A 2 τ joules τ 3 ♣ . 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. Fig.9) donde A / 2 es el “valor eficaz” de la señal sinusoidal.4(a).3. sea o nó sinusoidal. 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. Potencia de una Señal Sinusoidal Se verifica entonces que < x 2 (t ) >= Sea la señal sinusoidal x(t ) = A cos(2πf c t + φ ) . x( t ) = AΛ ( ) . Esto es válido para cualquiera señal. x(t) es una señal de potencia. 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 A2.6). Por inspección. La potencia promedio de una señal sinusoidal será entonces 2 A2 ⎡ A ⎤ < x (t ) >= =⎢ ⎥ 2 ⎣ 2⎦ 2 (1. 1. 1.4(b).4. ♣ ♣ Ejemplo 1. ♣ ♣ Ejemplo 1.

1. Además.2. Aunque este tipo de señales no son sino idealizaciones matemáticas y no ocurren naturalmente en un sistema físico. representada por ⎧ 1 ⎪1 para |t| ≤ 2 Re ct (t ) = Π(t ) = ⎨ ⎪ 0 para |t|> 1 ⎩ 2 Por consiguiente.5(a). sirven como aproximación de señales que verdaderamente ocurren en los sistemas cuando se efectúan operaciones de tipo conmutativo. En primer lugar. Fig.5(b). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. rectangular x(t) será < x 2 (t ) >= 2 T t x(t ) = AΠ( ) en T . el escalón unitario. Las señales singulares más comunes en el análisis de señales y sistemas son la rampa. T ♣ Hay una clase de señales elementales cuyos miembros tienen formas matemáticas muy simples pero que son discontinuas o tienen derivadas discontinuas. . Por último. Esta forma de señal también es de uso muy frecuente. muchas señales complicadas pueden representarse como combinaciones de estas señales elementales. 1. x(t) A oooo oooo t -1/2 0 1/2 (b) Función Rectángulo Π(t ) 1 t −τ / 2 0 τ / 2 -T T (a) Señal Periódica Rectangular Fig. su forma matemática más simple permite efectuar cuantitativamente el análisis de un sistema con mucha más facilidad que si se emplearan señales más complicadas. habiéndose definido la “función rectángulo”. Potencia Promedio de una Señal Periódica Rectangular Sea la señal periódica rectangular mostrada en la Fig. En segundo lugar. la señal signo y el impulso unitario Delta Dirac. de modo que puede determinarse experimentalmente si un sistema se comporta en la forma predicha por un análisis matemático previo.5. no por eso menos importante. Señales Singulares τ se la denomina “ciclo o relación de trabajo”. 1.5. estas señales pueden simularse en el laboratorio con mucha facilidad y aproximación. Debido a que estas señales no tienen derivadas finitas de ningún orden. generalmente se las denomina “señales o funciones singulares”. 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 = 1.4. ellas sirven para varios propósitos de gran utilidad en el análisis de señales y sistemas.9 I.

Una forma matemática para cambiar la pendiente es mediante un cambio de escala en el eje t. su valor debe ser la unidad siempre que su argumento sea la unidad. El Escalón Unitario.6 y se define en la forma siguiente: ⎧t r (t ) = ⎨ ⎩0 para para 0≤t t<0 (1. br(t) y r(bt) representan rampas cuyas pendientes son iguales a b. 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. 1. El Escalón Unitario u(t) 1 t 0 El escalón unitario. 1. por lo tanto.t o ) = u ( t − to a ) Puede observarse que la rampa es la integral del escalón unitario. se muestra en la Fig.13) dt De las definiciones de rampa y escalón unitario. 1.10) Fig. En efecto. es decir.7. en cuyo punto no existe una derivada.10 I. d u(t ) = r (t ) (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La Rampa Unitaria r(t) 1 0 1 t La rampa unitaria. Si se desea que la pendiente sea distinta de la unidad. 1. La Rampa Unitaria. Para un cambio de escala en el eje t. se puede decir que r (t ) = t u(t) . 1. u ( at ) = u ( t ).8. r (t ) = u ( t ' ) dt ' −∞ ∫ t (1. 1. es decir. u(t).9 se muestran diferentes representaciones del escalón unitario.12) Esta expresión es válida para todo t. bastará multiplicar por una constante. Formas diferentes de la Rampa. En la Fig. br(t) es una rampa de pendiente b.11) Fig. como la pendiente de r(t) es la unidad. 1. r(t). excepto t = 0.8 y se define en la forma ⎧1 para 0 ≤ t u(t ) = ⎨ ⎩ 0 para t < 0 (1.6. . se muestra en la Fig. En la Fig. por lo tanto.7 se representa diferentes formas de la rampa. pero u(at .

pero sgn(at .t o ) = sgn(t − La función signo es una función impar de t. 1.15) En la Fig. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Au (t − t o ) A 0 u(− t + t o ) 1 t 0 −t o 0 t -A − Au(t + t o ) t to to Fig.u(-t) (1. es aquella que cambia de signo cuando su argumento pasa por cero. 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) .11 se muestran algunas representaciones de la función signo. La Función Signo La función signo. escalón y signo. to ). se representa en la Fig.14) 1 0 sgn(t) t -1 Fig. Formas del Escalón Unitario. El lector puede verificar que las señales x(t) y z(t) de la Fig. − A sgn(t + t o ) = A sgn(− t − t o ) −t o 0 t sgn( t − t o ) 1 0 to -1 t Fig. Función Signo Para un cambio de escala en el eje t.10.12 se pueden representar en la forma x ( t ) = Π( t 1 ) = u(t + τ ) − u(t − τ ) = u(t + τ )u(− t + τ ) = [sgn(t + τ ) − sgn(t − τ )] 2τ 2 z (t ) = − r (t + 1) + 2r (t ) − r (t − 2) − u (t − 3) . .11. Usando combinaciones de las funciones rampa. Formas de la Función Signo. 1.1. 1.10 y la vamos a definir en la forma siguiente: ⎧1 para 0 ≤ t sgn(t ) = ⎨ ⎩ -1 para t < 0 (1.9. sgn(t). es posible representar otros tipos de señal.11 I. sgn(at ) = sgn(t ). 1.

17) La propiedad de muestreo del impulso unitario. se verifica que 1 δ( t ) t 0 ∫ ∞ −∞ x(t )δ(t − t o )dt = x (t o ) Fig. si x(t) es continua en t = to.12. y se define mediante un proceso o regla de asignación en vez de una ecuación.13. El Impulso Unitario Delta Dirac (1. se puede demostrar la conocida “Propiedad de Muestreo o Cernido” del impulso unitario Delta Dirac. Otras propiedades del impulso unitario son: (a) δ(t ) = 0 para t≠0 t ≠t o (b) δ(t − t o ) = 0 para (c) ∫ t2 t1 δ(t − t o )dt = 1 para t 1 < t o < t 2 Esta última expresión establece que el “área” de un impulso unitario es la unidad. Se pueden interpretar diciendo que δ(t . expresión (1. 1. Quiere decir también que los coeficientes constantes que afecten el impulso unitario representan el “área” del mismo.17). Mediante un cambio de variables en la definición (1. Pertenece a una clase especial de funciones conocida como “funciones generalizadas” o “distribuciones”.16). El Impulso Unitario Delta Dirac El Impulso Unitario Delta Dirac. no es una función en el sentido matemático usual. 1. Aún así es conveniente establecer algunas relaciones sin integrales como simplificaciones que pueden hacerse antes de la integración. Por definición.16) donde x(t) es una función cualquiera continua en t = 0.13. ya que . El impulso unitario Delta Dirac se representa en la forma mostrada en la Fig. el impulso unitario δ(t) no tiene ningún significado matemático o físico a menos que aparezca bajo el signo de integración.to) tiene área unitaria concentrada en el punto discreto to y área cero en cualquiera otra parte.12 I. Señales Compuestas. representado en la forma δ(t). es de mucha aplicación en el análisis de señales y sistemas y la estaremos utilizando continuamente. El impulso unitario Delta Dirac se define entonces mediante la integral ∫ ∞ −∞ x(t)δ (t)dt = x(t)|t =0 = x( 0) (1. 1. En efecto. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t) 1 z(t) t -1 0 1 2 -1 3 1 t −τ 0 τ Fig. Estas propiedades se han utilizado también para definir el impulso unitario.

la derivada de la función signo es d dt sgn(t ) = 2δ(t ) .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 − (1.20b) no son definiciones de δ(t) sino una consecuencia de la regla de asignación (1.16). estas expresiones establecen también que la derivada en una discontinuidad es un impulso unitario de área igual al valor absoluto de la discontinuidad. A continuación damos. x( t )δ ( t ) = x( 0)δ ( t ). Se puede relacionar δ( t ) con el escalón unitario u(t). define la “propiedad de simetría par” del impulso unitario: δ( t ) = δ( − t ) 3.20a) y (1. sin demostrarlas.16). Por ejemplo. En efecto. de (1.13 I. 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. el signo dependerá de si la discontinuidad es montante o bajante. d dt sgn( − t − t o ) = −2δ( t + t o ) Esta propiedad es particularmente útil en la diferenciación de señales discretas. 4. 1. Pero. por otro lado. Aunque el impulso unitario no existe físicamente. ∫ δ(t ' )dt ' = u(t ) t −∞ (1. Las expresiones (1.21a) (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ellas son consistentes con lo que sucede después de la integración.19) y diferenciando ambos miembros de (2.21b) (1. algunas de esas relaciones. 1. El caso especial cuando a = −1. y de la Fig.20a) (1. Por ejemplo: t Π( ) = δ( t ) τ τ→0 τ lim ε → 0 πt 1 (1.18) δ( at ) = to 1 | a| δ( t ) para a ≠ 0 ) a | a| En relación con la variable independiente t. δ(at) es un impulso unitario de área 1/|a|.21c) lim ε sen( πt ε ) = δ( t ) 1 t lim exp[ −π ( ) 2 ] = δ(t ) ε ε→0 ε .20b) y en general.11. x( t )δ ( t − t o ) = x( t o )δ ( t − t o ) 2.

16). ∫ ∞ -∞ 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.2. se puede tratar δ(t) como una función ordinaria siempre que todas las conclusiones sean basadas en la regla de asignación (1. comúnmente denominada “doblete”. 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 ). en efecto. para dos señales x(t) e y(t). entonces la condición de ortogonalidad es ∫ t2 t1 ∗ x1 ( t ) x ∗ ( t )dt = ∫ x1 ( t ) x 2 ( t )dt = 0 2 t1 t2 (1. Esta derivada. La ortogonalidad se puede extender a todo el eje t. Esto lo veremos detalladamente más adelante. él es de gran aplicación en el análisis de sistemas lineales. porque permite relacionar la entrada con la salida. aunque en un sentido estricto la derivada no existe. se puede utilizar para determinar la salida del sistema para cualquiera otra señal de entrada. Si el doblete se designa como δ‘(t). 1. Esto proviene del hecho de que la respuesta de un sistema lineal. Señales Ortogonales Se dice que dos señales x1(t) y x2(t) son ortogonales en un intervalo (t1. se puede definir axiomáticamente especificando un conjunto de condiciones las cuales debe satisfacer. En consecuencia.23) Un grupo de funciones ortogonales que son de gran importancia en el análisis de señales son las funciones sinusoidales de la forma cos(2πnf o t ) y sen (2πmf o t ) en el intervalo .5. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES B→∞ − B lim ∫ B exp(± j2πtf ) df = ∫ ∞ −∞ exp(± j2πtf ) df = δ( t ) (1. además del empleo del impulso unitario en la representación de señales. Como se verá más adelante. la respuesta de un sistema a un impulso unitario se puede considerar como otro modelo matemático del sistema. si ellas verifican la integral (llamada “producto interno”) ∫ t2 t1 x1 (t)x 2 (t)dt = 0 para x1 ( t ) ≠ x 2 ( t ) (1.21d) 5. ∞ ∫ −∞ 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. cuando la entrada es un impulso unitario.22a) Si las señales x1(t) y x2(t) son complejas. t2).14 I.22b) donde el asterisco indica “conjugado de”.

como se muestra en la Fig.14.24) 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. denominado el “espectro” de la señal. puede decirse que ella está formada por un conjunto de componentes en el dominio de la frecuencia. En el dominio de la frecuencia el fasor está definido para un valor particular de la frecuencia. se puede asociar tanto la amplitud A como la fase φ con este valor particular de f en la forma mostrada en la Fig. aunque una señal existe físicamente en el dominio del tiempo. 2 ⎥ . Representación Espectral Para introducir la noción de dominio de la frecuencia o espectro. que se denomina “espectro de líneas”. 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. 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. 1. fase y frecuencia dadas. m ≠ n y T= 1 . Por consiguiente. 1. 1. Esto quiere decir que una señal temporal se puede considerar como constituida por un número de componentes de frecuencia. En consecuencia. con ⎣ ⎦ m y n eneros distintos de cero.14(a).3. ωo = 2πf o es la velocidad angular en radianes por segundo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ⎡ T T⎤ ⎢− 2 . El fasor de longitud A gira en el sentido contrario a las agujas del reloj a una velocidad de fo revoluciones por segundo.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. consideremos la señal sinusoidal x ( t ) = A cos(2πf o t + φ ) . Este espectro consta de dos gráficos: uno de Amplitud vs .15 I. por ejemplo. 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. Fasor y Espectro de Líneas Unilateral. Asimismo.14(b). para f = f o . generalmente señales sinusoidales. El ángulo φ es la fase o desfase con respecto al eje real o con respecto a t = 0 en el eje t. 1. fo Estas señales las encontraremos más adelante al estudiar las Series de Fourier. con una amplitud. Los tres parámetros necesarios para especificar un fasor son entonces la amplitud A. la fase φ y la frecuencia rotacional o cíclica fo.

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

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

18 I.6 A la entrada del filtro de la Fig. 1.1) se dió la definición de señal periódica que repetiremos aquí con un ligero cambio en la notación. así designado en honor del físico francés Jean Baptiste 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.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 ) . Señales Periódicas Las señales periódicas son de gran aplicación en el análisis de sistemas de comunicación y sería deseable poder representarlas en términos de señales periódicas elementales. ¿cómo podría calcularse la potencia de salida del mismo filtro cuando se le aplica una señal periódica rectangular. 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. Cuando se aplican señales sinusoidales puras a un filtro cualquiera. Pero. 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.5 es una señal de este tipo. 1. como se muestra en la Fig.16(c). en cualquier intervalo de duración T. en especial la potencia de salida. la señal periódica rectangular del Ejemplo 1. en el caso donde f 2 <| B| < f 3 . aunque periódicas. Sin embargo. para todo t real y para un T positivo.26) . tales como el seno o el coseno. Por ejemplo. Las componentes fuera de banda son rechazadas.26) se sigue que para un entero k cualquiera (1. De (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Por ejemplo. La señal x T (t ) puede considerarse como la repetición periódica de una señal x(t). 1. 1. Este es el objetivo del Análisis de Fourier.1. 1. La correspondiente potencia será < y 2 ( t ) >= k 2 A 2 + k 2 o 2 A1 2 + k2 A2 2 2 ♣ Estos conceptos se generalizarán más adelante.17.16(b). algunas veces llamada “señal generatriz o generadora” de x T ( t ). en muchos casos se tiene señales que.4. son mucho más complicadas que las simples señales sinusoidales. SERIES Y ESPECTROS DE FOURIER Hemos visto cómo las señales sinusoidales puras se pueden representar en el dominio de la frecuencia. Entonces. como se muestra en la Fig.4. una señal periódica está definida mediante la expresión x T ( t) = x T ( t + T) donde T es el período de la señal. Definición En la expresión (1. se puede calcular fácilmente su salida. 1.

f 1 = 1 / 6π . De aquí. y T (t ) = ax T (t ) + bg T (t ) será también periódica de período T. entonces T = n / f2 . ♣ .7 Verificar si las señales siguientes son periódicas.17 . en cuyo caso determinar el período. por lo tanto la señal y(t) no es periódica. Generación de una señal periódica En particular. entonces debe ser posible encontrar dos números enteros m y n tales que ω1 T = 2 πf1 T = 2πm⎫ ω1 f1 m ⎬ = = m y n enteros ω 2 T = 2πf 2 T = 2πn⎭ ω 2 f 2 n La fracción m/n o ω1 / ω 2 debe ser una fracción racional irreducible para que x T (t ) sea periódica.27) Aún más. la señal y(t) es periódica de período T = (b) y ( t ) = cos(10t ) + cos[(10 + π ) t ]. con a y b dos constantes reales.19 I. 3 4 ω1 4 = ⇒ ω2 3 m = 4. si x T (t ) y g T (t ) tienen el mismo período T. f 2 = 1 / 8π La fracción es racional. x T (t ) ooo -T 0 T ooo t 0 x(t) t (a) Señal Periódica (b) Señal Generatriz Fig. ♣ Ejemplo 1. entonces. t t (a) y(t ) = cos( ) + cos( ) . ω1 ω2 = 10 10 + π ⇒ fracción irracional La fracción es irracional. El valor más pequeño de m o n determina el período T. si m > n. 1. si la señal x T (t ) = cos(ω1 t ) + cos(ω 2 t ) es periódica de período T. n = 3 3 f2 = 24 π. Por ejemplo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x T ( t ) = x T ( t + kT) = n =−∞ ∑ x( t − nT) ∞ (1.

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 % =

Fig. 1 + jπn ⎣ 2 ⎦ 1 + jπn El desarrollo de x(t) en el intervalo (-1. La representación se efectúa entonces en términos de la llamada Transformada de Fourier que se considera a continuación. ∞) en términos de un continuo de señales exponenciales.31 I. de donde 2(1 + jπn ) ( −1) n ⎡ e − e −1 ⎤ ( −1) n senh(1) ⎢ ⎥= Xn = . es decir.22. Para desarrollar una representación de x(t). pero exp( ± jπn ) = (−1) n . 1. Introducción Si se desea extender la clase de funciones transformables a fin de incluir señales aperiódicas representadas para todo t. hay que utilizar otro tipo de descomposición para x(t). como se muestra en la Fig.12 Considérese el desarrollo de la señal x ( t ) = exp(− t ) en el intervalo (-1. T →∞ lim x T ( t ) = x ( t ) (1.1.5. entonces fo = ½ y Xn = ∫ 2 1 t 1 exp( − t ) exp( − j2 πn )dt = −1 2 2 1 ∫ 1 −1 exp[− (1 + jπn ) t ]dt Integrando. 1. LA TRANSFORMADA DE FOURIER 1. 1) mediante la serie exponencial de Fourier. 1) será entonces x(t ) = n =−∞ ∑ ∞ ( −1) n senh(1) 1 + jπn exp( jπnt ) ♣ 1. x(t) es la señal generatriz de x T ( t ) .22(a). x(t) x T (t ) ooo t ooo t -T 0 T 0 (a) Señal Generatriz Fig. Como el período es T = 2. (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. Xn = e exp( jπn ) − e −1 exp( ± jπn ) .62) . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. A medida que T aumenta. vamos a postular que x(t) define un ciclo de una señal periódica x T ( t ) . el intervalo de representación se hace más grande y cuando T es infinito la señal periódica se habrá convertido en aperiódica.5. 1. es decir. Un tipo de descomposición bastante útil es aquella en la cual se representa x(t) mediante un continuo de sinusoides complejas de la forma exp( j2πft ) .22(b). en el intervalo (-∞.

66) Cuando T → ∞.41).67) (1. en x( t ) = y X( f ) = ∫ X(f ) exp( j2πtf )df ∞ −∞ ∞ (1. Hay otro procedimiento para obtener el par de transformadas (1.66) se convierten.64) . siendo x(t) su correspondiente transformada inversa. las expresiones (1. f n = nf o → f .32 I.67) y (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. 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 → ∞ . X( f n ) → X( f ).17). Por lo tanto.68) ∫ −∞ x ( t ) exp( − j2πft ) dt La cantidad X(f) se conoce como la “Transformada de Fourier de x(t)”. Estas operaciones se representan generalmente en la forma X( f ) = { x (t )} o X(f) = TF{x ( t )} y x(t ) = −1 { X(f )} o x ( t ) = TF −1 {X(f )} (1. y x T (t ) → x ( t ) . se utilizarán letras minúsculas para las señales en el dominio del tiempo.68) en el cual se utilizan las propiedades del impulso unitario Delta Dirac.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. Por esta razón. de (1. se sigue que: ∆f → df . en el límite. expresión (1.67) y (1. En general. el límite de la sumatoria cuando la variable se hace continua es una integral.64) quedan en la forma lim x T ( t ) = lim T →∞ T →∞ n =−∞ ∑ X( f ∞ n ) exp( j2πf n t ) ∆f = x(t ) (1.65) y (1.69) y simbólicamente mediante la correspondencia x ( t ) ⇔ X( f ) Las expresiones (1.65) y X( f n ) = ∫ T/ 2 − T/ 2 x T (t ) exp( − j2 πf n t ) dt (1. respectivamente. En efecto. nf o = f n entonces (1. de (1. y las correspondientes letras mayúsculas para sus transformadas.63) y (1. ∫ ∞ −∞ exp(− j2πtf ) df = δ( t ) y de la propiedad de muestreo del impulso unitario.21d). x(t ) = ∫ ∞ −∞ x (τ )δ(τ − t ) dτ = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ exp[ − j2 π (τ − t )f ]df ⎥dτ ⎦ −∞ ∞ .68) reciben también el nombre de “Par de Trasformadas de Fourier”.

cuya magnitud viene dada por X( f ) df . salvo para algunas formas sencillas de x(t) y X(f). 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 Espectro Continuo La expresión (1. en la cual se considera a las Integrales de Fourier como el límite de la Serie de Fourier cuando el período tiende a infinito. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Intercambiando el orden de integración. y con el cambio de variables τ = t. en amplitud y fase. De todas maneras. Sin embargo. queda x ( t ) exp(− j2πft ) dt (1. enfoque que creemos es más significativo. de todas las componentes de frecuencia que existen para −∞ < t < ∞ . La cantidad X(f) hace el mismo papel que X n en la representación en Serie de Fourier. el creciente uso de métodos digitales como ayudas computacionales y para aplicaciones en el procesamiento digital de señales. 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. y X(f)df es el “coeficiente” asociado con la función básica elemental exp(j2πft). la suma de las cuales debe ser cero excepto en el intervalo de existencia de x(t). aunque nosotros utilizaremos siempre MATHCAD. Puede también utilizarse programas matemáticos como MATHCAD. MAPLE y otros. El espectro continuo X(f) de x(t) se puede interpretar como la distribución. 1.67) se puede interpretar como una descomposición de x(t) en términos del continuo de funciones elementales { exp( j2πft )} .68). Las integrales (1. de difícil resolución en forma analítica. son. 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). en general.5. la demostración rigurosa de estas expresiones está fuera de los objetivos de este texto. En general.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.33 I.2. La cantidad X(f) es entonces el “Espectro Continuo de x(t)”. MATLAB.70) donde |X(f)| es el “Espectro Continuo de Amplitudes de x(t)” y φ(f) el “Espectro Continuo de Fase de x(t)”. ha llevado a la definición de una versión discreta de la Transformada de Fourier.68) (1.67) y (1. .

1. ♣ Nótese que no todas las señales se pueden desarrollar en un continuo de exponenciales { exp( j2πft )} . es decir.72) implica también que ∫ ∞ −∞ | x(t )|2 dt < ∞ (1. entonces esta transformada y su inversa son unívocas. En particular.34 I. inversamente. excepto que no es necesario que x(t) sea periódica. hay un cierto número de señales de gran importancia. 1. En efecto. la expresión (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 ) . ∫ ∞ −∞ | x (t )| dt < ∞ (1. τ reemplazando x(t) en (1. τ/2 0 ∫ (1. si una señal x(t) tiene una transformada de Fourier. cuya energía no es finita (no es de cuadrado integrable) pero que posee una transformada de Fourier.68). como la función escalón por ejemplo. hay sólo y solamente una transformada de Fourier de esa función. en consecuencia. dada una función del tiempo. habrá sólo y solamente una función del tiempo correspondiente. Sin embargo. 2 πf t f AΠ( ) ⇔ Aτsinc (τf ) = Aτsinc( ) 1/ τ τ ∞ ∫ t x ( t ) = AΠ ( ). 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.13.23(a). las señales de energía poseen una transformada de Fourier. Sin embargo. 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). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1.71) En la Fig. es decir.72) Estas condiciones incluyen también todas las señales de energía. . Transformada de un Impulso Rectangular Sea el impulso rectangular mostrado en la Fig. dada una transformada de Fourier. la condición suficiente para que x(t) posea una transformada de Fourier es que x(t) sea de módulo integrable.23(b) se muestra la forma de este espectro.72) Puesto que x(t) es una señal acotada.

68). en volts por ejemplo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. por lo cual el espectro de señales aperiódicas a veces se denomina “espectro de densidad de amplitudes”.35 I.75a) El espectro de amplitudes de una señal real x(t) es simétrico (par en f). Si x(t) es impar.75b) Similarmente. La Transformada de Fourier tiene las siguientes propiedades: 1.77) X(f) será enteramente real y la fase será 0 ó ±π. una forma alterna y equivalente de representación de una señal x(t). Si x(t) es real. correspondiente a una . de donde x ( − t ) ⇔ X( − f ) (1. entonces X(f ) = 2 x(t ) cos(2 πft )dt 0 ∞ ∫ ∞ (1. entonces {x(− t )} = X(− f ) . son de gran utilidad en ingeniería porque a menudo una descripción es más fácil de utilizar en una aplicación particular. la transformada de su conjugado será entonces {x (t)} = X (−f ) * * (1. Desarrollando X(f) en la forma X( f ) = ∫ ∞ −∞ x (t ) cos(2 πft )dt − j x (t ) sen(2πft )dt −∞ ∫ ∞ Si x(t) es par. se tiene X(0) = x (t )dt −∞ ∫ ∞ (1.76) 2.79) La cantidad X(0) representa el área neta bajo la señal x(t).78) π En este caso X(f) será enteramente imaginario y la fase será ± .5. es decir. entonces X( f ) = − j2 x( t ) sen(2 πft )dt 0 ∫ (1.68). o una descripción puede ser más intuitiva en un problema dado. Propiedades de la Transformada de Fourier de Señales Reales La Transformada de Fourier es. puesto que las ordenadas representan la amplitud relativa de una determinada componente de frecuencia. mientras que el espectro de fase es antisimétrico (impar en f).74a) (1. si se sustituye t por -t en (1. La amplitud. 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 ) (1.67). Las dos descripciones. por ejemplo volts/Hz.3. una en el tiempo y la otra en la frecuencia. como ya hemos señalado. Haciendo f = 0 en la expresión (1. 2 3. que | X( f )| =| X( − f )| =| X∗ (f)| y φ ( f ) = − φ( − f ) (1. Nótese también que si x(t) es compleja.74b) o también esto implica que X(f) tiene simetría hermítica. si se sustituye f por -f en (1.

14. ⎧ | t| ⎪A(1 − ) para | t| ≤ τ t Del Ejemplo 1.24(a). pero Aδ( t ± t o ) ⇔ A exp(± j2πt o f ) Aδ(t ) ⇔ A ∫ ∞ -∞ exp(-jωt)δ(t ± t o )dt = {δ(t ± t o )} (1.82) y para to = 0. expresión (1. ∫ de donde ∞ −∞ exp(− jωt )δ(t ± t o )dt = exp(± jωt o ). se obtiene finalmente X( f ) = Aτ sen 2 (πτf ) (πτf ) 2 = Aτsinc 2 ( τf ) . 1. . ♣ Ejemplo 1. x( t ) = AΛ ( ) = ⎨ τ τ ⎪0 para | t| > τ ⎩ X( f ) = 2 A ∫ (1 − τt ) cos(2πft )dt = 2A∫ cos(2πft )dt − 2τA ∫ t cos(2πft )dt τ τ τ 0 0 τ 0 ⎡ sen(2πft ) 2 A cos(2πft ) t sen(2πft ) ⎤ − [ + ]⎥ X( f ) = ⎢ 2 A 2πf 2 πf τ (2 πf ) 2 ⎦0 ⎣ Reemplazando límites y rearreglando. 1.4. de donde (1.80) ♣ t f AΛ( ) ⇔ Aτsinc 2 (τf ) = Aτsinc 2 ( ) 1/ τ τ El espectro X(f) se muestra en la Fig.17). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES cierta frecuencia es infinitesimal y sólo es finita el área de la curva de X(f) comprendida dentro un intervalo de frecuencias dado. Transformada de una Señal Triangular Sea la señal triangular de la Fig. Transformada del Impulso Unitario Delta Dirac Considérese la función exp(− jωt ) a la cual se le aplica la propiedad de muestreo del impulso unitario.25(b) y (c). Estas propiedades del impulso unitario son de especial importancia en el análisis de sistemas lineales. como veremos en el Capítulo II.81) (1.36 I.24(b). ♣ Ejemplo 1. 1. como se muestra en la Fig. El impulso unitario tiene un espectro de amplitud constante para todo f y una variación de fase lineal en f.15.

1. 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.26.83) |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.37 I. 1. de donde Efectuando la integración. 1.25.26(a). De la Fig. Fig. cuya transformada se calculó en el Ejemplo anterior. Transformadas del Impulso Unitario Delta Dirac. 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 . En efecto. a + j2πf A A exp(−at )u ( t ) ⇔ a + j2πf A 2πf | X(f )| = y φ (f) = -arctg( ) También.27. Transformada de un Impulso Exponencial Decreciente Sea el impulso exponencial decreciente de la Fig. 1. 1.27. Transformadas de la Señal x(t) = Aexp(-at)u(t) ♣ ♣ Ejemplo 1. (1. considérese la función [ exp(− at )u (t ) − exp(at )u (− t )] . a a 2 + 4π 2 f 2 que se muestran en la Fig. 1. Transformada de la Función Signo Esta función no cumple con la condición de integrabilidad absoluta pero su transformada de Fourier se puede determinar mediante límites.16. ♣ Ejemplo 1. x( t ) = A exp( − at ) u( t ) ⇔ X( f ) = ♣ ∫ A exp(−at) u( t) exp(− j2πft)dt −∞ ∞ A X( f ) = .26(b) y (c).17.

Transformadas del Escalón Unitario. 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). Au ( t ) ⇔ δ( f ) + 2 j2 πf ♣ {u(t )} = 1⎡ 1 ⎤ ⎢ δ( f ) + ⎥.85) u(t) 1 |U(f)| 1/2 t 0 0 f Fig. 2 A A Entonces. E= ⎡ ∞ ⎤ X ( f )⎢ x * (t ) exp( j2 πft )dt ⎥df = ⎣ −∞ ⎦ −∞ ∞ ∫ ∫ ∞ −∞ X (f )X * ( f )df = ∫ | X(f )| ∞ −∞ 2 df . La energía de una señal x(t) es. por lo tanto. E= ∫ ∫ ∞ −∞ | x ( t )|2 dt = ∫ ⎡ ∞ ⎤ x * (t )⎢ X ( f ) exp( j2πtf )df ⎥dt ⎣ −∞ ⎦ −∞ ∞ ∫ Intercambiando el orden de integración.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.18. es la caracterización más apropiada para señales que poseen una transformada de Fourier. el espectro de energía.15).38 I. 1. 1. La misma clase de resultado es de esperar en el caso de señales no periódicas representadas por sus transformadas de Fourier.6. Transformada del Escalón Unitario 1 De (1.17. 1. Por consiguiente.4).28 se muestra el par de transformadas del escalón unitario. mientras que su potencia es cero. Para señales de energía.28. u ( t ) = [ 1 + sgn(t )] .27 ♣ Ejemplo 1. y del Ejemplo 1. . de (1. ♣ 1. DENSIDAD ESPECTRAL DE ENERGIA. En la Fig. a →0 ⎡ 1 jπf − j4 πf a →0⎣ a + − ⎤ ⎥ a − j2 πf ⎦ 1 = 1 jπf (1. 2⎣ jπf ⎦ (1.16 y de (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Del Ejemplo 1.76). {sgn(t )} = lim⎢ {sgn(t )} = lim de donde. más bien que el espectro de potencia. la energía en el intervalo (−∞ < t < ∞) es finita.

86) Este resultado se conoce con el nombre de “Teorema de Raleigh”. Las dimensiones de |X(f)|2 son joules/Hz. |X(f)|2. es decir. de (1. la Transformación de Fourier es una transformación lineal isométrica. 0 La energía contenida en el intervalo de frecuencias | f | ≤ . entonces G x ( f ) es par en f y positiva para todo f [G x ( f ) > 0].29.86). En el sentido físico. En efecto. Puesto que la energía es una magnitud positiva.87) E = ∫ G x (f )df = −∞ ∞ ∞ La energía total de x(t) será entonces. 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. 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 df (1. ♣ Ejemplo 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E= ∫ ∞ −∞ | x (t )|2 dt = ∫ | X(f )| ∞ −∞ 2 df (1. |X(f)|2df es la energía contenida en un ancho de banda infinitesimal df. ∞). Ex = 2 ∫ τ/2 A 2 dt = A 2 τ joules 1 τ es. el Teorema de Raleigh dice que en el espacio L2 de las funciones de módulo cuadrado integrable sobre (-∞. Estrictamente hablando. también es conocido con el nombre de “Teorema de Plancherel”. Sea G x ( f ) la densidad espectral de energía de x(t) G x (f ) =| X( f )|2 (1.19. El lóbulo principal se muestra sombreado.88). La energía es un invariante y es la misma así se tenga una representación temporal o una representación espectral de la señal. Del Ejemplo 1.39 I. 1. el Teorema de Raleigh traduce el hecho de que la energía de una señal no depende del modo de representación de la señal.13. que es el que nos interesa directamente.88) G x (f ) es la distribución de la energía de x(t) en el dominio de la frecuencia. La cantidad |X(f)|2 se denomina “Espectro de Energía” o “Densidad Espectral de Energía” de la señal x(t). y de acuerdo con (1. este espectro se muestra en la Fig. t AΠ( ) ⇔ X(f ) = Aτsinc(τf ) τ La energía total del impulso rectangular se puede calcular con más facilidad en el dominio del tiempo. es decir. que conserva la norma.

pero a menudo es necesario pasar de un dominio a otro dominio y la resolución de las integrales (1. el lector debe estar atento entonces a la forma como se define el ancho de banda de una señal o de un sistema.26(b) se muestra la forma de onda de la salida. a la salida del filtro se tendrá el 77. si se aplican algunas propiedades y teoremas que simplifican enormemente las operaciones matemáticas.67) y (1. Teorema de la Superposición o Linealidad Sea x 1 (t ) ⇔ X 1 (f ) y x 2 (t ) ⇔ X 2 (f ) entonces. 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. ♣ 1. pueden responderse muy fácilmente mediante la aplicación de las propiedades de la Transformada de Fourier ya vistas. casi por inspección. En la Fig. se tendrá el 93%.67) y (1.903E x La energía contenida en el lóbulo principal de la transformada de un impulso rectangular constituye el 90% de su energía total. Estas y muchas otras preguntas. En general.5% de la energía a la entrada. como veremos más adelante. o cuál es el espectro resultante de una señal que ha sido multiplicada por una señal sinusoidal. se verifica que ax 1 (t ) + bx 2 ( t ) ⇔ aX 1 ( f ) + bX 2 ( f ) (1. la salida es parecida a la entrada. El lector puede verificar en la misma forma que si B = 1/2τ. Estos distintos valores de B corresponden a diferentes definiciones del ancho de banda de una señal. Por ejemplo. 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.40 I.903A 2 τ E x = A 2 τ. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E B = 2A 2 τ 2 ∫ 1/ τ sinc 2 ( τf )df = 2 A 2 τ 2 πτf = x. que demandarían laboriosas operaciones si se hicieran a través de las expresiones (1. y de los teoremas que se estudiarán en esta sección. criterio que se utiliza en la transmisión de datos en donde se necesita detectar una “presencia” y no una “forma”. la definición del ancho de banda de una señal es una cuestión de convención. para cualesquiera constantes a y b. 1.68) puede hacerse más fácil.89) . pero como E B = 0.1. y si B = 3/2τ.7.903 x2 2 De donde. entonces E B = 0.7. uno puede preguntarse qué sucede en el dominio de la frecuencia cuando una señal pasa por un integrador. y cada definición puede ser más apropiada para una determinada aplicación. pues permite encontrar algunas relaciones y visualizar algunos aspectos físicos de las señales y sistemas que no son percibidos a simple vista. 2.68). a la salida del filtro se tendrá el 90% de la energía a su entrada. Esto equivale a decir que si se aplica el impulso rectangular a un filtro pasabajo de ganancia unitaria y ancho de banda B = 1/τ. En la práctica es de gran utilidad estudiar el efecto en un dominio causado por una operación en el otro.

13 y 1.90) { x(t − t o )} = ∫−∞ x(t − t o ) exp(− j2πft )dt ∞ ∞ Con el cambio de variables t’ = t . en la Fig. Demostración: Por definición.30(a). pero sí lo hace experimentar un desfase de (-2πtof) radianes. Solución: x(t) se puede expresar en la forma De los Ejemplos 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 ). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La demostración de este teorema es directa pues la integración es una operación lineal.to.2.14. La señal x(t − t o ) es una versión de x(t) retardada en to segundos. 1. ♣ Ejemplo 1.20 Calcular y dibujar la transformada de Fourier de la señal de la Fig. un desplazamiento en el dominio del tiempo corresponde a un desfase en el dominio de la frecuencia.30(b). Teorema de la Traslación o Desplazamiento en el Tiempo Si x(t ) ⇔ X(f ).41 I. . Este teorema es muy útil pues permite la descomposición de una señal cualquiera en una combinación lineal de señales cuyas transformadas se conocen o son fáciles de calcular. y determinar la transformada total como la suma de las transformadas de las señales individuales. 1. En general. 1. {x(t + t o )} = X(f ) exp( j2πt o f ) y de la misma forma.7. para Aτ = 1. Este teorema establece entonces que el espectro de la señal retardada en un tiempo to es igual al producto del espectro de la señal original por exp(-j2πtof). entonces x(t ± t o ) ⇔ X(f ) exp(± j2πt o f ) (1. t t x( t ) = AΠ( ) − 2AΛ ( ) τ τ/2 τf X( f ) = Aτsinc( τf ) − Aτsinc2 ( ) 2 Este espectro se muestra. Este retardo no afecta al espectro de amplitudes original.

porque es ya un clásico). pero seguimos manteniendo este ejemplo.3. X( ) representa la función X(f) con una escala de a frecuencia f expandida o dilatada en un factor |a| [Nótese que si |a| < 1.7. entonces para una constante real a.92a) (1. Con el cambio de variables t’ = at ∞ ∫ a 1 −∞ x (t ' ) exp(− j2 π f a t ' ) dt ' = f X( ) a a 1 Si a < 0. de donde a a Este teorema. la invariancia de la energía debe mantenerse siempre.7. El factor de escala 1/|a| asegura que la energía no varía al comprimir o expandir las señales. entonces x(at) es una f expansión de x(t).91) {x(at )} = ∫ {x(at )} = ∞ −∞ x (at ) exp( − j2πft ) dt . La transformada de x(at) es x ( at ) ⇔ f X( ) | a| a 1 (1. Teorema del Cambio de Escala Sea x ( t ) ⇔ X(f ) . 1. En forma similar. algunas veces denominado “Propiedad Escalar de la Transformada de Fourier”. entonces x(-t) = ∫ ∞ -∞ X(f' )exp(-j2 πtf' )df' . entonces x(at) es la señal x(t) con una escala de tiempo t f comprimida en un factor |a|.4. La voz se escucha muy aguda (expansión en frecuencia) pues la pieza se está tocando en menos tiempo (compresión en el tiempo). Demostración: Como x ( t ) = entonces X( t ) ⇔ x ( − f ) X( t ) ⇔ x ( f ) (1.92b) ∫ ∞ −∞ X( f ) exp( j2πtf )df . Una compresión en el dominio del tiempo a corresponde entonces a una expansión en el dominio de la frecuencia. entonces Si x(f) es par. y viceversa. Si |a| >1. y viceversa. Otro ejemplo se tiene en los grabadores de cinta magnética. y X( )es una compresión de X(f)]. se puede demostrar en forma similar que x ( at ) ⇔ f X( ) | a| a 1 {x(at )} = −1 f X( ) . 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. Teorema de la Dualidad o Simetría Sea x ( t ) ⇔ X(f ) . cuantifica la relación “duración-ancho de banda” entre una función del tiempo y su correspondiente transformada.42 I. 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). Demostración: Supóngase que a > 0. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. en los cuales para obtener respuestas a frecuencias elevadas (expansión en frecuencia) se utiliza altas velocidades de cinta (tiempos más cortos o compresión en el tiempo).

23(b). se puede reemplazar f’ por t. obtenido en el Problema de Aplicación 1. 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. entonces la expresión (1. X( t ) = 2 (2 π )π (2π ) 2 + 4 π 2 t 2 ⇔ x (− f ) = π exp(−2 π|− f |) = π exp(−2 π| f |) Como x(-f) es una función par.15. 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. .81). es A exp(± j2πf c t ) ⇔ Aδ ( f ∓ f c ) Asimismo. Del teorema de dualidad o simetría. {A cos(2πf c t )} = 2 [ δ(f + f c ) + δ(f − f c )] A En consecuencia. x(− f ) = ∫ ∞ −∞ X( f ' ) exp(− j2πff ' ) df ' A fin de obtener una forma reconocible. finalmente queda x(t ) = 1 1+ t 2 ⇔ X(f ) = π exp(−2 π| f |) ♣ ♣ Ejemplo 1. el dual de la expresión (1. Entonces. 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. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si se reemplaza t por f en la segunda integral. En efecto. ♣ Ejemplo 1.43 I.22. es decir.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.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 . es decir. x(− f ) = ∫ ∞ −∞ X( t ) exp(− j2πft )dt . o sea que X(t) ⇔ x(-f) Si x(f) es una función par. si x ( f ) = x ( − f ) .

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. A 2 [ δ(f + f c ) + δ(f − f c )] A 2 (1. el factor exp( j2πf c t ) no es real y por lo tanto no puede ocurrir en un sistema de comunicación.44 I. Se tiene entonces que {x(t )A cos(2πf c t )} = y de (1. consideremos la multiplicación de una señal x(t) por una señal sinusoidal de la forma A cos( 2πf c t ) . para una constante real fc x ( t ) exp( ± j2πf c t ) ⇔ X( f ∓ f c ) (1. En efecto.94) Demostración: {x( t ) exp( ± j2πf c t )} = ∫ x( t ) exp( ± j2πf c t ) exp( − j2πft )dt −∞ ∞ = Por lo tanto. debe cumplirse que f c ≥ f m . En este contexto. se conoce con el nombre de “Teorema de la Modulación”. sin embargo. por razones de tipo práctico que veremos más adelante. ♣ 1.5 Teorema de la Traslación o Desplazamiento en Frecuencia Si x ( t ) ⇔ X(f ) entonces. es decir. No obstante. pues generalmente f c >> f m . un desfase en el dominio del tiempo corresponde a un desplazamiento en el dominio de la frecuencia.93a) (1.7. de capital importancia en los sistemas de comunicación.94). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A cos( 2 πf c t ) ⇔ y de la misma forma. este teorema proporciona la base matemática para deducir el principio de la modulación de señales. moduladora o modulatriz”. el teorema de la modulación es válido para cualquiera señal x(t) y cualquier valor de fc . la frecuencia fc la “frecuencia de portadora” y el producto x ( t )A cos( 2πf c t ) la “señal modulada”.96) . ⎧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. 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. Sin embargo.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 .95) Este resultado. ∫ 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. la señal x(t) se denomina “señal modulante. Estrictamente hablando.

Fig. La energía de la señal modulada será entonces Ec = A2 2 Ex ♣ donde E x es la energía de la señal modulante x(t). Fig. el cual está concentrado alrededor de las frecuencias ±f c .45 I. 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. El ancho de banda de esta señal es B = f m . la expresión anterior se puede escribir en la forma Ec = A2 4 ∫−∞ [ | X(f + f c )|2 +| X(f − f c )|2 ] df = A4 ∫−∞ | X(f + f c )|2 df + A4 ∫−∞ | X(f − f c)|2 df ∞ 2 ∞ 2 ∞ pero cada una de las integrales de la derecha es igual a la energía E x de x(t). 1. En este caso x(t) es una “señal pasabajo”. Señales cuyo espectro tiene la forma de X c ( f ) . es una señal cuyo espectro X(f) está concentrado alrededor del origen y cuya frecuencia máxima es f m . ♣ Ejemplo 1.31.23.31(b). 1. y se desea determinar la energía de la señal modulada x c ( t ) = x ( t ) A cos( 2 πf c t ) ⇔ X c (f ) = De (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES El teorema de la modulación se ilustra en la Fig.31(b). 1.86). Esta clase de señales se tratará extensamente más adelante. se denominan “señales pasabanda” y su ancho de banda es B = 2 f m . de frecuencia máxima f m . En la práctica generalmente se cumple que f c >> f m o f c >> B .31 Teorema de la Modulación. es decir. 1. Energía de una Señal Modulada Sea x(t) una señal de energía. . 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 .

el espectro sería discreto con componentes de frecuencia en ±f c . En efecto. 1.32(c). conocido con el nombre de Impulso de Radiofrecuencia (RF). Z(f ) = f + fc f − fc ⎤ Aτ ⎡ ) + sinc( )⎥ ⎢ sinc( 2 ⎣ 1/ τ 1/ τ ⎦ Este espectro se muestra en la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. De la Fig. Transformadas de Impulsos Sinusoidales (a) Transformada de un Impulso de Radiofrecuencia Considérese el impulso sinusoidal de duración τ. Obsérvese que si la sinusoide fuera de duración infinita ( τ → ∞).24.32(c).46 I. Fig. τ pero t AΠ ( ) ⇔ Aτ sin c( τf ) τ y por el teorema de la modulación. de (1. 1.32(a). 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. de gran utilización en sistemas de radar y en sistemas de transmisión de impulsos mediante portadora modulada. τ →∞ lim Z(f ) = lim En consecuencia.32(a). Fig.21b). 1. se puede describir en la forma t z ( t ) = AΠ ( ) cos(2πf c t ).22. (b) Antitransformada de un Espectro Cosenoidal Consideremos el espectro cosenoidal mostrado en la Fig. 1. El impulso de RF.32(b) (frecuencias positivas solamente). 1. 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 .

obtenemos h(t) = 4 cos(2πBt) que se muestra en la Fig.97b) si X(0) = 0 X(0) ≠ 0 (1. Si x(t ) ⇔ X(f ).32(d) π(1 − 16B2 t 2 ) Estas transformadas se utilizan para definir filtros de mucha aplicación en la práctica (Ver Ejemplo 2. En esta aplicación particular.98a) (1. Teorema de la Diferenciación e Integración en el Tiempo La Transformada de Fourier se puede emplear para resolver ecuaciones diferenciales lineales. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Resolviendo esta integral.6.97a) (1.47 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. las transformadas de las señales que son diferenciadas o integradas son importantes.7. 1.20) ♣ 1. entonces (1. En este caso se tiene que .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 .

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

7. 1.101) ⇔ − j2π ∫ f −∞ X( f ' ) df ' Demostración: X( f ) = ∫ ∞ −∞ x (t ) exp( − j2 πft ) dt . En la Fig. De la Fig.33(a). mediante el teorema de diferenciación en el dominio del tiempo. 1.14. 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.49 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1.14. ♣ 1. 1.33(c). resultado idéntico al del Ejemplo 1. d df X( f ) = ∫ ∞ −∞ x ( t )(− j2 πt ) exp(− j2 πft ) dt .99) t n x(t) ⇔ x (t ) t (-j2 π ) n df n X(f ) para t ≠ 0 (1.100) (1.7. 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 ). entonces t x(t) ⇔ 1 d (-j2 π ) df 1 X( f ) dn (1. Teorema de la Diferenciación e Integración en Frecuencia Si x ( t ) ⇔ X(f ).25 Verificar la transformada de Fourier de la señal triangular del Ejemplo 1.33(b) y (c) se muestran las dos primeras derivadas de la señal triangular de la Fig.33.

También. obteniéndose x(t ) j2πt x(t ) t ⇔ − X(− f ' ) df ' −∞ ∫ −f y mediante un cambio de variables en la integral. se obtiene t x(t) ⇔ n 1 d [n] (-j2π ) n df [ n ] X( f ) En cuanto a la integración en frecuencia. d df X( f ) = ( − j2π ) { t x(t)} . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Por lo tanto. 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 ) . ⇔ ( − j2π ) ∫ f −∞ X( f ' ) df ' para t ≠ 0.4) = 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. ♣ Ejemplo 1.50 I.26. de donde t x(t) ⇔ 1 d (-j2 π ) df X( f ) Por diferenciación sucesiva dentro del signo integral. se puede aplicar el teorema de dualidad a la expresión (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 . ⎦ 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 . de donde o x ( t ) = ABsinc 2 [ B( t − t o )] exp[ − j2πf c ( t − t o )] . ⎧ −4 π 2 f 2 exp[ − j4 π (f − 4 )] de donde Y ( f ) = ⎨ en el resto ⎩0 (b) Dada X( f ) = AΛ ( x(t ) = [ 1⎧ para 3≤ f ≤ 5 f + fc B ) exp( − j2πt o f ). determinar x(t).98a).

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 coeficiente de Fourier. (1. Para las señales periódicas dicha información se obtuvo a partir del desarrollo en Serie de Fourier. determinar y(t) . n =−∞ n =−∞ ∑X n exp( j2πnf o t ) ⇔ X T ( f ) = ∑X δ(f − nf n ∞ o) La Transformada de Fourier de una señal periódica es un tren infinito de impulsos unitarios Delta Dirac. de donde ♣ y ( t ) = δ( t − t o ) − a exp[ − a ( t − t o )]u ( t − t o ) 1. Es evidente que si se desea obtener la transformada de una señal periódica a partir de la definición.72)).102) pero del teorema de traslación en frecuencia.68). No obstante. Sin embargo.8. Aún más. 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. ⎩ 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 . 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. Es evidente que el espectro de una señal periódica seguirá siendo discreto aún cuando se calcule a partir de la Transformada de Fourier.42). el resultado sería infinito pues las señales periódicas no son de módulo integrable (no cumplen con la condición (1. TRANSFORMADA DE FOURIER DE SEÑALES PERIODICAS La Transformada de Fourier surgió de la necesidad de conocer el espectro de una señal no periódica. . para unificar el análisis. se definió en (1.51 I. x T (t ) = {exp( j2πnf o t )} = δ(f − nf o ) . expresión (1. donde X n . 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 ). espaciados en fo y cada uno de área X n . una señal que contenga una parte periódica y una parte aperiódica. es conveniente extender el uso de la Transformada de Fourier a señales periódicas. poseerá un espectro continuo en el que existirán componentes discretas superpuestas sobre él.

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. 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. 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 . En resumen. para una señal periódica xT(t). donde .104) Esta expresión es una forma de la llamada “Fórmula de la Suma de Poisson”. La expresión (1. La “envolvente” de la serie infinita de impulsos es igual a fo|X(f)|.34 La señal y(t) se puede expresar en la forma y( t ) = x( t ) + x T ( t ) . donde X(f) es la transformada de Fourier de la señal generatriz. hay que verificar siempre que x(t) esté acotada en T.52 I.34. 1. pues esta transformada puede ser obtenida con más facilidad pues se dispone de extensas tablas de transformadas de Fourier. sea x(t) la función generatriz de una señal periódica 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).27 Calcular y dibujar el espectro de la señal de la Fig. En efecto.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. Entonces X n se puede escribir en la siguiente forma Xn = o también ∫ T 1 ∞ −∞ x ( t ) exp(− j2 πnf o t )dt = 1 1 T X(nf o ) (1.105) Es evidente que la transformada de Fourier de una señal periódica es una serie infinita de impulsos de Dirac separados en fo y ponderados por el factor foX(nfo). y(t) 2A A -2T -T τ A t T 2T −τ / 2 0 τ / 2 Fig. La expresión (1. 1. ♣ Ejemplo 1.

36(a). o o) Y( f ) = Aτsinc( τf ) + Aτf o n =−∞ ∑ sinc( nf τ)δ( f − nf El espectro Y(f) se muestra en la Fig.105). Transformada de un Tren de Impulsos Delta Dirac El tren de impulsos unitarios. y de ∞ (1. ♣ ♣ Ejemplo 1.103): Xn = fo = 1 T pues X(nf o ) = 1 para todo n La transformada de Fourier del tren de impulsos de Dirac será. 1. de (1. 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. De (1. . 1.35. Fig. es una serie de gran aplicación en el análisis de señales y sistemas.53 I.36 (b) Transformada del Tren de Impulsos Unitarios.28.105). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x ( t ) = AΠ ( ) ⇔ X(f ) = Aτsinc (τf ) y x T ( t ) = τ t n =−∞ ∑ AΠ( ∞ t − nT ) ⇔ XT (f ) τ Y (f ) = X (f ) + X T (f ).

54 I. ∞ ⎡ ⎤ ⎢1 + 2 δ T (t ) = f o exp( j2 πnf o t ) = f o cos(2πnf o t )⎥ ⎢ ⎥ ⎣ ⎦ n =−∞ n =1 ∑ ∞ ∑ (1. Sin embargo. T/2). se puede definir partiendo de la premisa de que su integral debe ser la potencia promedio de x(t). sea x(t) una señal de potencia y sea x T (t ) una parte de x(t) comprendida dentro de un intervalo (-T/2. El problema ahora es conseguir una expresión explícita que relacione x(t) con S x (f ). mediante un enfoque determinístico. representada por S x (f ). como se muestra en la Fig. es decir. La señal x T (t ) .36(b). . Esta transformada X T ( f ) se utilizará para relacionar x(t) con S x ( f ). Introducción De manera análoga al concepto de espectro de densidad de energía. determinística o aleatoria. ∞ Entonces.5).37(b) (No confundir esta x T ( t ) con una señal periódica de período T).105). tiene como transformada de Fourier otro tren de impulsos de Dirac de período fo y área fo . δ T (t ) = ∑ δ (t − nT) ⇔ ∆ (f ) = f ∑ δ (f − nf ) = f δ o o o n =−∞ o fo (f ) (1. Puesto que la potencia es una magnitud positiva. Definición El espectro de densidad de potencia de una señal x(t). la cual se muestra en la Fig. se puede definir un espectro de densidad de potencia para señales cuya energía no está definida. se denomina “señal truncada de x(t)”. de (1. 1. es decir. 1.9. es decir. que no poseen una transformada de Fourier y que fueron definidas mediante la expresión (1. Fig.1.106a) También. pero como x(t) no posee una transformada de Fourier X(f).37(b). S x ( f ) = S x (− f ) y Sx (f ) ≥ 0 para todo f. y si en el intervalo (− T / 2. se puede utilizar el concepto conocido como el “criterio de la señal truncada”. no puede utilizarse una transformada para determinar S x (f ) . DENSIDAD ESPECTRAL DE POTENCIA 1. 1. ♣ 1.107) La densidad espectral de potencia S x (f ) representa simplemente la distribución de la potencia en el dominio de la frecuencia y sus dimensiones son W/Hz. A la función δ T (t ) se la conoce también con el nombre de “función peine de Dirac”. entonces x T (t ) ⇔ X T (f ) . Muchas señales determinísticas y todas las señales aleatorias pertenecen a esta clase. T / 2) cumple con las condiciones de existencia de la Transformada de Fourier. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ∆ o (f ) = f o n =−∞ ∞ ∑ δ (f − nf n =−∞ ∞ o) = f o δ fo (f ) .9. < x 2 (t ) >= ∫ ∞ −∞ S x (f )df (1. S x (f ) será una función par y positiva de f para todo f.106b) Un tren de impulsos de Dirac de período T y área unitaria. En efecto.

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

1. es decir. volveremos sobre este tema. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Obsérvese que en la formulación de la expresión (1.108) tiende a un valor límite. la integral de la expresión (1. Teorema de la Modulación para Señales de Potencia Consideremos ahora una señal modulada determinar. donde x T (t ) ⇔ X T ( f ) . Más adelante. y sea la Fig.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 ) . 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 ) . Sea entonces.38 se puede observar que los productos cruzados se anulan pues sus términos ocupan bandas de frecuencia diferentes. la potencia promedio es cero. Sin embargo.3).109) si X T (f ) es independiente de T. de frecuencia máxima f m . 1. de (1. x c (t ) ⇒ S xc (f ) Sea también x T (t ) la señal truncada de x(t). de acuerdo con (1.110a) S xc ( f ) = lim S xc (f ) = lim A2 [ X T ( f + f c ) + X T ( f − f c )][ X T ( − f + f c ) + X T ( − f − f c )] 4T A2 [ X T ( f + f c )X T (− f + f c ) + X T ( f + f c )X T (− f − f c ) + T →∞ 4 T + X T (f − f c )X T (− f + f c ) + X T (f − f c )X T (− f − f c )] Supongamos que x T (t ) es pasabajo. es decir. para señales que poseen una transformada de Fourier. la densidad espectral S x (f ) se hace cero. en consecuencia. al estudiar las funciones de correlación. 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. el cual. En la Fig.9. 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 . cuando T → ∞. Esto ocurre debido a que. que no poseen transformadas de Fourier y para las cuales el concepto de espectro de potencia sí es aplicable. el concepto de espectro de potencia no tiene significado cuando x(t) posee una transformada de Fourier específica.109).56 I.2. donde f c ≥ f m . En resumen. sobre todo de tipo aleatorio. S xc (f ) = lim | X cT (f )|2 A2 = lim | X T (f + f c ) + X T (f − f c )|2 T T →∞ T →∞ 4 T T→∞ (1. en la práctica nos encontramos con una gran cantidad de señales. Si x(t) es una señal de potencia. es simplemente la energía de la señal. siendo x(t) una señal real pasabajo. 1. entonces x c (t ) será también una señal de potencia.

Sin embargo.39. el producto cruzado será siempre cero debido a las propiedades de incoherencia de las señales aleatorias. o una señal aleatoria pasabanda de ancho de banda 2f m y centrada en ± f c . Si x(t) es una señal de potencia pasabanda.112) Este teorema. por ejemplo). pues los productos cruzados se anulan. 1. que se estudiará en la Sección 1.110b) La densidad espectral de potencia de la señal modulada será. mediante aplicación de las propiedades de las funciones de correlación. (1.38 Por lo tanto. determinística o aleatoria. de (1. en el desarrollo de (1. 1.11.110a) aparecerá un producto cruzado de la forma 2X T (f + f c )X T (f − f c ) que será distinto de cero. . y de frecuencia máxima f m . ilustrado en la Fig.111) es válida para cualquiera señal x(t) pasabajo de potencia.111) se podrá aplicar entonces a este tipo de señales.111) no será entonces válida para señales pasabanda. 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.57 I. si x(t) es una señal pasabanda aleatoria (ruido. con f c ≥ f m .109). y la expresión (1. la expresión (1. Sxc (f ) = lim A 2 ⎡ | X T (f + f c ) |2 | X T (f − f c ) |2 ⎤ + ⎢ ⎥ T →∞ 4 T T ⎣ ⎦ (1.3. 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). A2 S xc (f ) = [ S x (f + fc ) + S x (f − fc )] 4 (1.111) La expresión (1. se puede demostrar con más facilidad utilizando el Teorema de Wiener-Kintchine. 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. Las propiedades de incoherencia de las señales aleatorias las veremos en el Capítulo III.

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

por el ruido que siempre está presente. una señal cuyo espectro se extiende hasta el infinito (existe para todo f). 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. es decir. ella debe ser tomada en cuenta. Este límite está determinado.114b) El ancho de banda y la duración definidos así tienen poco valor práctico pues B y τ no aparecen en forma explícita y es necesario resolver las integrales. en general. a la vez. Una manera conveniente de relacionar B y τ en forma explícita. El problema de la duración de una señal es finalmente una cuestión de convención. si el valor de una señal decrece más allá de cierto límite. mientras que en otros casos. 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 (1.10. limitada en banda y limitada en el tiempo. desde un punto de vista práctico. se puede decir que la señal es despreciable. 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. aún si la señal está inmersa en ruido. x ( t ) = 0 para t < t 1 y t > t2 En este caso se dice que x(t) es una señal “limitada en el tiempo”.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.59 I. 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. Una señal no puede ser. una señal de duración infinita (existe para todo t) tiene un espectro contenido dentro de una banda de frecuencias B. En forma similar. 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). .114a) Esta definición la utilizamos en el Ejemplo 1. tiene la propiedad de que. para dos constantes t 1 < t 2 . La imposibilidad de que una señal sea limitada simultáneamente en frecuencia y en el tiempo. Algunas veces se puede considerar que la señal es despreciable aún antes de alcanzar el umbral del ruido. es decir. 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. τ τ De la misma manera. y lo mismo se puede decir de su ancho de banda. {x(t )} = 0 para B < |f| En este caso se dice que x(t) es una señal de “banda limitada B”. Sin embargo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.

116) se obtiene el par de desigualdades de donde y en general. ♣ Ejemplo 1. 1.117) es la relación “duración-ancho de banda” para señales pasabajo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES τ x(0) = ∫ ∞ -∞ |x(t)|dt ≥ x(t)dt = X(0) -∞ ∫ ∞ (1.116) Estas definiciones se ilustran en la Fig. 2 BX(0) = ∫ ∞ −∞ | X( f )| df ≥ X(f )df = x ( 0) −∞ ∫ ∞ (1. 1. En el caso de señales pasabanda.40 De (1.115) y (1. Esto lo justificaremos más adelante al estudiar el concepto de señal analítica.118) = x (0) 2 X( 0) Bτ ≥ 1 1 o B≥ 2 2τ La expresión (1. . |x(t)| x(0) |X(f)| X(0) t f -B 0 (b) −τ / 2 0 τ / 2 (a) B Fig. respectivamente. para el ancho de banda B.41(a). Ancho de Banda de un Impulso en Coseno Elevado Sea el impulso en coseno elevado mostrado en la Fig.117) (1.115) Igualmente.40 (a) y (b). 1.30.60 I. 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 . 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.

Las funciones de correlación. Por ejemplo. una descripción completa de ellas se puede obtener mediante un análisis correlativo. son muy útiles en el análisis de señales reales tanto determinísticas como aleatorias. pero aplicado a un sistema (Filtros de Nyquist). 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. o para medir una banda particular de frecuencias de una señal. y del teorema de la modulación. Introducción En muchas aplicaciones en ingeniería no es suficiente decir que dos señales son similares. 1.11. X( f ) = Aτ sinc( τf ) 2 1− τ 2 f 2 De (1. Esta forma de análisis es muy importante en dos grandes áreas de aplicación: (1) en la “Autocorrelación”. en general uno desea saber cuán similares son esas señales. 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( ) ⇔ ) . 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. y (2) en la “Intercorrelación”. 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. surgidas de la teoría moderna de la información. ♣ 1. En el Capítulo V se tratará este mismo ejercicio. 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. . y esto se puede lograr mediante las llamadas “Funciones de Correlación”. la cual se puede utilizar para detectar una señal repetitiva inmersa en ruido. como veremos en el Capítulo V. FUNCIONES DE CORRELACION 1.41(b).117).11.1. si un proceso físico produce diferentes señales del tiempo.61 I.

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

si x(t) es compleja. 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. en cuyo caso. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Definición En términos más formales. la función de autocorrelación está comprimida en el dominio de τ si x(t) tiene componentes de alta frecuencia.63 I. . y extendida en el dominio de τ si x(t) contiene solamente componentes de baja frecuencia.43. 1. característica ésta propia de las señales aleatorias como.43(a) representa la función de autocorrelación típica de una señal. En la Fig. por ejemplo. esta correlación no tiene sentido físico. el ruido blanco que estudiaremos en el Capítulo II. R x ( τ) = 1 T ∫ T/ 2 −T/ 2 x( t ) x( t + τ) dt (1.122) Esta integral se conoce con el nombre de “Integral de Correlación de x(t)”. para x(t) real. esta transformada estará relacionada en alguna medida con el contenido espectral de x(t). Un examen más atento del proceso de correlación nos muestra que la función de autocorrelación R x ( τ ) es una medida de la rapidez de variación de una señal x(t). R x ( τ ) =< x ( t )x ∗ (t + τ ) >=< x ∗ ( t )x (t + τ ) > (1. 1. R x (τ ) = ∫ ∞ −∞ x (t ) x ( t + τ ) dt = x ( t − τ ) x ( t )dt −∞ ∫ ∞ (1. la variable τ juega el papel de un parámetro de exploración o búsqueda. Esto nos induce a pensar que si la función de autocorrelación posee una transformada de Fourier.120) En general.121) En estas definiciones. La función de autocorrelación se puede definir también para señales de energía.119) Si x(t) es periódica de período T. 1. R x (τ ) τ (c) 0 (a) 0 (b) τ 0 La Fig. R x (τ ) R x (τ ) τ Fig.43 se muestra la función de autocorrelación de tres señales de potencia diferentes. En efecto. En (c) se muestra la función de autocorrelación de una señal constante en el tiempo. La forma mostrada en (b) representa una señal que no tiene ninguna relación entre dos puntos infinitamente cercanos.

64 I. En efecto. 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. ± 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). entonces R x ( τ ) poseerá una componente continua de valor igual al cuadrado del valor promedio de x(t). donde b o =< x (t ) > es la componente continua de x(t). Si x(t) es periódica de período T. entonces R x ( τ ) será también periódica con el mismo período.125) 4. La función de autocorrelación es una función par de τ. 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 ) > . La función de autocorrelación es máxima en el origen. para τ = 0. se sigue que R x (τ ) = R x (− τ ) (1. se calculan algunas funciones de autocorrelación que se utilizan en la caracterización de algunas de las señales digitales que veremos en el Capítulo V. sino en la densidad espectral de potencia S x ( f ) de x(t). 0 ≤ [ x ( t ) ± x(t + τ )] = x 2 (t ) ± 2x(t)x(t + τ ) + x 2 ( t + τ ) . En el Capítulo III. entonces se puede escribir x(t) en la forma x ( t ) = b o + x o ( t ) . de donde R x ( τ ) = R x ( τ + T) = R x (τ + nT) (1. si x(t) es periódica de período T. si < x (t ) >≠ 0. R x ( 0) = lim T →∞ ∫ T 1 T/ 2 − T/ 2 x 2 ( t ) dt =< x 2 ( t ) > (1.126) 5. 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. En efecto. 2. Si el valor promedio (componente continua) de x(t) es distinto de cero. dividiendo por T y tomando el límite T→ ∞. La función de autocorrelación de x(t) será . La potencia promedio de x(t) es igual a R x (0) . y < x o ( t ) >= 0.123) El valor de la función de autocorrelación en el origen es igual a la potencia promedio de la señal x(t). T/2). En efecto. En efecto.124) 3. 2 de donde ± 2x(t)x(t + τ ) ≤ x 2 ( t ) + x 2 (t + τ ) Integrando ambos miembros en un intervalo (-T/2. de donde R x ( 0) ≥ R x (τ ) (1. Esto se sigue a partir de la desigualdad [válida para x(t) real].

de (1. < x o (t ) >=< x o ( t + τ ) >= 0. Problema de Aplicación 2. Todas estas propiedades se aplican tanto a señales determinísticas como aleatorias. 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. entonces cuando | τ | → ∞. y de la expresión (1.65 I. Por lo tanto.130) donde R z ( τ ) es la función de autocorrelación de z( t ) = x( t ) + jx( t ).128) Esto es así porque cuando | τ | → ∞ .129) son válidas siempre que x(t) no contenga componentes periódicas.27) que R x (τ ) = R x (τ ) y R z ( τ ) = 2[ R x ( τ ) + jR x ( τ )] se puede demostrar (Ver (1. |τ |→∞ lim R xo ( τ ) = 0 . R x (τ ) exhibirá un comportamiento periódico. entonces R z ( τ ) / 2 es la señal analítica de R x ( τ ) .128). la transformada de Fourier de R z ( τ ) (que demostraremos más adelante que es su densidad espectral de potencia) deberá tener un espectro idénticamente nulo para f < 0.127) Esta expresión nos permite investigar el comportamiento de R x (τ ) cuando |τ|→ ∞. si < x ( t ) >= 0. es decir. de donde < x(t) >= b o ≠ 0 (1. y R x ( τ ) es la transformada de Hilbert de R x ( τ ) . Si x(t) contiene componentes periódicas. |τ |→∞ lim R x ( τ ) = lim [ b 2 + R xo ( τ )] = b 2 + lim R xo ( τ ) o o |τ |→∞ |τ |→∞ pero. entonces o o 2 R x (τ ) = b o + R xo (τ ) cuando < x ( t ) >= b o (1. R xo ( τ ) =< x o ( t ) x o (t + τ ) > . aún cuando | τ | → ∞. de acuerdo con la Propiedad 4.128) y (1.129) |τ |→∞ lim R x ( τ ) = b 2 o cuando Las expresiones (1. entonces. 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 . para altos valores de τ. . 6. Si < x ( t ) >= b o ≠ 0.127). En efecto. Si R x ( τ ) =< x ( t )x (t + τ ) > y R x (τ ) =< x ( t ) x ( t + τ ) > . Obsérvese que si z(t) es la señal analítica de x(t).

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

entonces.67 I. 1 {S x ( f )} = Tlim T ∫ →∞ 1 ∞ −∞ X T ( f ) X ∗ ( f ) exp( j2πτf )df T Como x(t) es real.nT) = A2 2 n=-∞ ∑Λ⎡⎢⎣ τT-/nT ⎤⎥⎦ 2 ♣ la cual tendrá la forma mostrada en la Fig. es decir. además de ser una medida de la semejanza entre una señal x(t) y una réplica de ella desplazada en un tiempo τ . igual a Rx (0). 1.3. Intercambiando el orden de las operaciones. 1.44(b).131) se ha elegido una nueva variable τ pues la variable t está ya implícita en la definición de X T ( f ) .131) En la expresión (1. x ( t ) ⇒ S x (f ) = lim | X T ( f )|2 T T →∞ donde X T (f ) es el espectro de la señal truncada de x(t). En efecto. 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. X T (f ) = Rearreglando. 1 ∫ T/ 2 −T/ 2 x T ( t ' ) exp(− j2 πft ' )dt ' ⎧ y X ∗ ( f ) = X T (− f ) = T ∞ ∫ T/ 2 −T/ 2 x T ( t ) exp( j2 πft )dt ⎫ {S x (f )} = Tlim T ∫− T/ 2 x T (t )⎨∫− T/ 2 x T (t ' )⎡ ∫−∞ exp[ j2π (t − t '+ τ )f ]df ⎤dt '⎬dt ⎢ ⎥ ⎣ ⎦ ⎭ ⎩ →∞ 1 T/ 2 T/ 2 . la función de autocorrelación. 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 . Consideremos entonces la densidad espectral de potencia de una señal de potencia. 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. 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.11. Por transformada de Fourier inversa 1 {S x (f )} = ∫−∞ lim ∞ | X T ( f )|2 T T →∞ exp( j2πτf ) df (1. es igual al área de su densidad espectral de potencia.

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. R x ( 0) = ∫ ∞ −∞ x 2 ( t ) dt = E x energía de x(t) (1.21d). de gran importancia en el análisis espectral de señales. donde . R x (τ ) = ∫ ∞ −∞ S x ( f ) exp( j2 πτf )df ⇔ S x ( f ) = ∫ ∞ −∞ R x (τ ) exp(− j2 πfτ ) dτ (1. Teorema de la Modulación para Señales de Potencia En la Sección 1. Si las señales son de energía. igual a δ( t − t '+ τ ) . de (1. se verifica que x( t ) ⇔ X( f ). 1.68 I.132a) Este resultado.9. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La integral dentro de los corchetes es. Esta equivalencia tiempo ⇔ frecuencia es aplicable tanto a señales determinísticas como aleatorias. 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.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. es decir. entonces 1 T/ 2 1 {S ( f )} = lim x ( t )x (t + τ )dt =< x (t ) x ( t + τ ) >= R x ( τ ) . T/2). Este teorema lo podemos demostrar también utilizando el Teorema de Wiener-Kintchine. y por transformación de Fourier de R x ( τ ) se obtiene S x ( f ) . la densidad espectral de potencia de x(t). 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. Este teorema establece que la función de autocorrelación y la densidad espectral de potencia forman un par de transformadas de Fourier. de banda limitada B. se conoce con el nombre de “Teorema de Wiener-Kintchine” o “Relaciones de Wiener-Kintchine”. y de la propiedad de muestreo del impulso unitario se obtiene finalmente 1 {S x ( f )} = Tlim ∫ →∞ T/ 2 − T/ 2 x T ( t )x T ( t + τ )dt Como x T ( t ) = x ( t ) en el intervalo (-T/2. aplicando las técnicas del cálculo numérico de la transformada de Fourier que se dan en el APENDICE A. primero se determina la función de autocorrelación R x ( τ ) de x(t). de donde x T→∞ T − T / 2 ∫ S x (f ) ⇔ R x (τ ) (1. es decir.11.4. Sea x(t) una señal pasabajo de potencia. 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.132b) La deducción rigurosa del Teorema de Wiener-Kintchine está fuera de los límites que nos hemos impuesto. En efecto.2 se demostró el Teorema de la Modulación para Señales de Potencia. y sea la señal modulada x c ( t ) = x ( t ) A cos(ω c t ) con f c ≥ B .

permite la comparación entre dos señales diferentes pero coherentes.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 ) . como vimos en la Sección 1. es decir. 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. Mediante el Teorema de Wiener-Kintchine. Intercorrelación La intercorrelación. < x ( t ) x ( t + τ ) cos[ω c ( 2 t + τ )] >= 0 .135) Puede observarse que si entre las señales x(t) e y(t) existe algún grado de semejanza. de donde R xc (τ) = A2 R x (τ) cos(2πf c τ) 2 (1.5.2.11. expresión (1. 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 ) > (1.5.112). es decir. entonces la función de intercorrelación existirá en un cierto rango de τ . 1. y que es el Teorema de la Modulación para Señales de Potencia.69 I. si R xy ( τ ) = lim T →∞ ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt = 0 para todo τ (1. La función de intercorrelación contiene información respecto a las frecuencias comunes a ambas señales y a la diferencia de fase entre ellas. la integral correspondiente es cero. En general.136b) . 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. proporcionando así una medida cuantitativa del grado de similitud o coherencia entre ellas.136a) entonces x(t) e y(t) son ortogonales y no habrá ninguna correlación entre ellas. se dice entonces que las señales son ortogonales.134b) resultado ya obtenido anteriormente. la transformada de Fourier de R xc ( τ ) es S xc ( f ) = A2 4 [ S x (f + f c ) + S x (f − f c )] (1. Cuando las señales son tan disímiles que aún para τ = 0 la intercorrelación es cero.

Propiedades de la Función de Intercorrelación A continuación damos.141) (b) [R x ( 0) + R y ( 0) ] ≥| R xy ( τ )| 3. entonces R xy ( τ ) = 0 si x(t) y y(t) son ortogonales (1.139) R x ( 0) ⋅ R y ( 0) ≥| R xy ( τ )| 1 2 (1. es decir. entonces (1. 4. se cumple que su función de intercorrelación es igual al producto de sus valores promedio. y sus funciones generatrices son x g ( t ) ⇔ X g ( f ) e y g (t ) ⇔ Yg ( f ) . es decir. Si x(t) e y(t) son periódicas de período T=1/fo . Si dos señales x(t) e y(t) no están correlacionadas y sus valores promedio son distintos de cero.144) . como puede apreciarse en la expresión (1. algunas propiedades de la función de intercorrelación.70 I. entonces la ortogonalidad implica no correlación. la misma información acerca de las señales que la que suministra la función de intercorrelación. es decir. se define como la transformada de Fourier de su función de intercorrelación. si x(t) e y(t) son ortogonales.138) La densidad interespectral de potencia suministra. la “densidad interespectral de potencia” o “densidad espectral mutua” o “densidad espectral cruzada” de dos señales.142) R xy ( τ ) =< x ( t )y (t + τ ) >=< x ( t ) > ⋅ < y ( t ) > pero si < x ( t ) > ó < y(t) > o ambos son cero. S xy ( f ) ⇔ R xy ( τ ) (1. pero no correlación no necesariamente implica ortogonalidad. Si < x (t ) >≠ 0 y < y(t) > ≠ 0. en general. entonces R xy ( τ ) = 0. se verifica que R xy (τ ) ⇔ S xy ( f ) = 2 fo n=-∞ ∑X ∞ g ( nf o ) Yg ( nf o )δ ( f − nf o ) (1. En cuanto al dominio de la frecuencia. sin demostrarlas. La función de intercorrelación no es conmutativa.137) Se puede demostrar que la función de intercorrelación resultante es también periódica de períodoT. 1.143) Nótese que si x(t) o y(t) no poseen una componente continua. (a) (1.136b).140) (1. la función de intercorrelación será R xy ( τ ) = ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt (1. Asimismo. La ortogonalidad es una condición mucho más estricta que la no correlación. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si x(t) e y(t) son periódicas de período T. en el dominio de la frecuencia. ortogonalidad implica no correlación. R xy ( τ ) = R yx (− τ ) 2. Sin embargo.

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

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

1).1). 1.4.46 (c) 0 T/2 -1 T/2 T +1 T/2 t >= 43. (l) u(t) ⋅ u(1. (e) r(t) ⋅ u(t .73 I. (d) x ( t ) = Aτ τ + jt . según el caso.1). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES PROBLEMAS DE APLICACION 1. de potencia o ninguna de las dos. ⎣ T ⎦ 2T E = 3A 2 T joules Demuestre que las potencias promedio de las siguientes señales son las correspondientes dadas. Clasifique cada una de las señales siguientes como señales de energía. 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( ).2r(t . 1.2 π ) (g) exp(-at)u(t . .8647A 2 T joules E= A2T 3 joules t −T/ 2 T ⎡ πt ⎤ t x ( t ) = A⎢1 + cos( ) ⎥Π( ). (f ) r(t) .u(t . (a) x ( t ) = 2 cos( 6πt − π / 2 ).2) + 2u(t). τ t (i) x(t) = 1. (d) u(2t . t 2T ). E = 0.) u ( t ) τ t (f) x(t) = Aexp( ) cos(ωc t ) τ << τ t t (e) x(t) = Aexp(.45 (b) x T (t ) T = 2 ms t xT(t)=10exp(-10 < x 2 (t ) T 3 |t|) 0 Fig.2 W x T (t ) T = 1 ms < x 2 ( t ) >= 1 W T Fig.)Π ( ).1). Grafique las siguientes señales: (a ) r(t + 2).2. (a) 0 x T (t ) A t A = 10.33 W T Fig.t). (h) exp(-at)δ(t .1) ⋅ δ(2t). ( j) 3δ(t . t (c) x(t) = Atexp(. Calcule la energía o la potencia. (m) r(t)cos(ω o t ). (a) x ( t ) = A exp( − (b) (c) 1.3 A T r ( t ) Π( | t| T ) Π( ). 1.1). (n) δ(2t .2). (b) x(t) = A| cos(ω c t )|.u(t).1). (i) u(t) . (k) δ(t . (b) r(-t . Grafique las siguientes señales de energía y verifique que sus energías son las dadas.47 1.1. (c) r(t) . T T = 10 -3 seg < x 2 ( t ) >= 33.

2)]dt = 3 ⎧1 para t o ≥ t 1 t .7. 2 ∫ ∫ 1 1 δ (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). δ (t . 1.2)cos[ π(t .u(t . (v) Λ (4 .086 π2 2 -∞ ∞ ∫ ∫ -∞ ∞ ∫ -∞ (t 3 + 4)δ (1 − t )dt = 5 ∫ -∞ ∫ ∫ t (t 2 + 2)δ ( − 1) dt = 12 2 -∞ ∞ ∞ ∞ -∞ ∞ -∞ [δ(t) + u(t) . (a ) x(t) = cos(6πt) + cos(6 2 πt ). t π -∞ ∞ -∞ ∞ (t 3 + t 2 + t + 1)δ(t − 3) dt = 40. (z) exp(-t) Π( ) + exp(t ) Π( ) 2 2 2 2 (p) δ(1.8.5.2) Π( 2 t+2 t−2 t+2 t−2 (y ) exp(t) Π( ) + exp(− t ) Π( ).6. 2 t t (q) Π( ) + Λ ( ). 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 )] .3)]dt = -1. (x) 10(t .πt)cos( )dt = − . 8 4 t (r) Π( ) − Λ ( t ). (t ) sgn(t)sen(ω o t ). Verifique si las señales siguientes son periódicas.9. 1. (c) x(t) = cos(60πt) + cos(50πt). δ(t . Dibujar los fasores y los espectros uni y bilaterales de las señales (a ) x(t) = 5cos(6πt (b) x(t) = 2sen(10πt π 6 ) 1. ∞ (f) x(t) = cos(5πt) + sen(6πt). (u) 2 Π(2t + 1).74 I. ∫ (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. Demuestre que el período de la señal periódica x( t ) = 10 cos2 ( t ) es igual a (k ) ∫ ∫ π.2t).t o )u ( t − t 1 ) = ⎨ (l ) u(τ . π 4 ). Verifique las siguientes integrales (a ) (c) ( e) ( g) ( i) ∞ ∞ t (o ) δ( + 2 ). (t 3 + 3)δ (3t − 9) dt = 10. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES t t (s) 2 Π( ) ⋅ Λ ( ) 2 2 t-2 2 ). en cuyo caso determine el período. t ⋅ u(2 .1) dτ = r ( t − 1) -∞ -∞ ⎩ 0 para t o < t 1 1.t) ⋅ u(t)dt = 2.2t). 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 ) 1.11. Desarrolle también x T ( t ) en serie de Fourier con A = 8.50 (c) Diente de Sierra X o = A / 2. Exprese x(t) en la forma polar x ( t ) = E ( t ) cos[ω c t + ψ( t )] y dibuje su diagrama fasorial. 1. φn = 0 A Coseno t -T -T/2 -T/4 0 T/4 T/2 T ⎧ -A(-1) n/ 2 ⎪ para n par X n = ⎨ ( n 2 − 1) π ⎪ ⎩ 0 para n impar φn = 0 Fig. 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 ) 1.12.10. (a ) x(t) = 6sen(50πt)cos(10πt) + 10cos(60πt)cos(20πt).75 I.49 (b) Rectificación en Media Onda A t -2T -T 0 T 2T Xn = j A 2πn para todo n y n ≠ 0 Fig. A Xn = t A n sinc 2 ( ) 4 4 -T -T/2 -T/4 0 T/4 T/2 T Fig. Demuestre que si x ( t ) = x ( t + T ) . φn = π / 2 . 1.48 (a) Xo = A 4 . 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.

24%. 1. La señal (d) del Problema 1.5 3 Xn = X1 = 1 cos(α)sen (2α) − nsen (α ) cos(nα ) π n (n + 1)(n − 1) para todo n. φ n = arctg(2 nπ) 3 x T (t) t αT / π 0 T /2 2 T ( f ) C o r r ie n t e e n u n A m p lif ic a d o r C la s e C . Si A = 100 V y f o = 60 Hz .73 W 1. excepto n=± 1 y n=0 sen(2α ) ⎤ 1 ⎡ 1 ⎥. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Exponenciales A A/e 0 (d) t T Xn = 0. .14. Si A = 10 V y T = 1 ms. 1. suponga que α = π / 4 .6321A 1 + j2πn para todo n -T Fig.76 I. 1.96 o ) +2 . X o = π [ sen(α ) − α ⋅ cos(α )] .13. 1 .45 o ) (c) La potencia de salida del filtro es de 169.642 + 3. F ig .233 W (b) La salida del filtro es y ( t ) = 12 .12 se aplica a un filtro pasabajo de ganancia 2 y ancho de banda B = 2500 Hz.975 cos( 2 πx10 3 t − 80. demuestre que el Factor de Rizado a la salida del filtro es del 48.006 cos(4 πx10 3 t − 85.12 se aplica a un filtro pasabajo de ganancia unitaria y ancho de banda B = 400 Hz. La salida rectificada de media onda del Problema 1. compruebe que (a) La potencia de entrada al filtro es de 43. φ n = 0 ⎢α − 2π ⎣ 2 ⎦ Para desarrollar xT(t) en Serie de Fourier.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.52 (e) 0 Xo = A .

determine las correspondientes potencias de salida del filtro. 1. 1.55 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 . Este problema hay trabajarlo en forma gráfica. 1. (b) Si estas tres señales se aplican separadamente a un filtro pasabanda de ganancia unitaria.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. nótese que p(t) tiene la forma de una señal rectificada de onda completa.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. Demuestre: (a) Que el Coeficiente de Fourier Xn es Fig.5 2 4 (b) Que si la señal se aplica a una resistencia de 1000 Ohm. Sea la señal periódica de la Fig. Aplique el concepto de Transformada de Fourier de Señales Periódicas. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.5sin c 2 ( ).67 mW. 1. . (a) Dibuje el espectro de potencia | X n |2 vs nf o de las tres señales del Problema 1.77 I. T 1 T/2 -T/2 ∑ |V 2|⋅|I n n=1 n| cos(θ n − φ n ) 1.15. 1. X o = 2.54 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( ) − 2.17. Suponga que el circuito eléctrico de la Fig. 1.18.3 (Tome seis componentes a cada lado del origen).16. φn = 0. 1. de ancho de banda B = 1400 Hz y centrado en f c = 1500 Hz . El voltaje aplicado al circuito eléctrico de la Fig. la potencia disipada en la resistencia es de 266.54.

1. Si T = 0. Sean las dos señales periódicas de la Fig. X = 0.57.. (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 .915 W.78 I. Y1 =j 2A . 1. es < x 2 (t) >= 25. demuestre que la potencia de salida del filtro es de 25. 1. 1. 3 Fig. con fo = 60 Hz. 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. Io = 0. Sea la señal periódica de la Fig. El rectificador alimenta una carga de 50 Ohm.21.56.. se aplica a un rectificador de media onda.66cos(240πt) − 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 = . La señal v(t) = 110 2 cos(2πf o t) . para A = 10.926 W (c) La señal x(t) se pasa por un filtro pasabajo. φ = π o n nπ 2 n −1 2 A x(t) T/4 T/4 T/2 t -A A y(t) Seno Fig. 1.132cos(480πt) + 0..57 -A t ⎧ (−1) ⎪ ⎪ Yn = ⎨− j2A π(n 2 − 1) para n impar ≠ ±1 ⎪ para n par ⎪0 ⎩ Yo = 0.99 Amp.56 (b) Demuestre que la potencia promedio de x(t).1 seg y A = 10. φn = 0 (b) Demuestre que el desarrollo de i(t) en Serie de Fourier es i(t) = 0.20... 1..031cos(960πt) + .. (a) Demuestre que sus correspondientes Coeficientes de Fourier son X n = j2A sen 2 ( nπ ) 4 . 3π θn = π 2 . de ganancia unitaria y ancho de banda de 45 Hz...99 + 0.057 cos(720πt) − 0.19.

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..23.22.58 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... El voltaje periódico de la Fig.79 I.⎥ ⎢ ⎦ π⎣ 2 3 10 5 26 1..t o ) exp( ∓ j2 πf c t ) ⇔ X(f ± f c ) exp[− j2 πt o ( f ± f c )] (b ) x(t) = A ⋅ exp(-a| t| ) ⇔ X(f) = 2aA a + 4π 2 f 2 2 (c) x(t) = A[ 1.58(a) se aplica al circuito RL serie mostrado en (b). (a ) x(t .. Demuestre que: (a ) v(t) 1 i(t) t R=1 Ohm L=1 H −π 0 _1 π (a) 2π Fig. 1.... 1. Verifique los siguientes pares de Transformadas de Fourier..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 .69 o ) -.56 o ) + cos(5t − 78.

y(t) .59. Verifique que el primer cero de X(f) ocurre a f = 1 kHz.25.27.54 + 0. 1. (b) Demuestre que X(f) = 1.3% de la energía total de la señal.46Tsinc(2Tf . (c) Demuestre que la energía contenida dentro del primer cero de |X(f)| es el 90.46Tsinc(2Tf + 1) + 0. (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. 1. Demuestre que 1 Y( f ) = (1 + j2πf ) 2 C=1F x(t) R = 1 Ohm Fig. 1.61.08Tsinc(2Tf) + 0.61.24. La misma entrada del Problema 1. 1.1) (c) Grafique X(f) para T = 1 ms. está definida en la forma ⎧ πt ⎪ 0. Sea la secuencia de impulsos de la Fig.59. La señal x(t) = exp(-t). 1.26.60. Demuestre que la transformada de Fourier de la salida es j2 πf Y( f ) = (1 + j2 πf ) 2 1.26 se aplica al circuito RL de la Fig. utilizada en procesamiento de señales. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.46 cos( ) T x(t ) = ⎨ ⎪ 0 en el resto ⎩ para | t| ≤ T (a) Grafique x(t) para T = 1 seg. 1. 160. 1. (b) Grafique |X(f)| y verifique que el primer cero de |X(f)| está a una frecuencia de 1000 Hz.u(t) se aplica al circuito RC de la Fig.80 I. Ventana de Ponderación de Hamming La “Ventana de Hamming”. y(t) L=1H x(t) R = 1 Ohm Fig.

A t 0 -A 2 x(t) A (a) Coseno t − π/ 2 0 π/ 2 Fig. Sea x ( t ) = 10 exp( −| t |) .15056 Hz ]. (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 . .62. 0 (d) T/4 T/2 0 1 Fig.28. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. x(t) (b) Fig.63. 1.64. Demuestre que las transformadas de Fourier X(f) de las señales x(t) siguientes son las dadas. -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.66.81 I.to) x(t) (e) Acos(20t) t π2f ) 2 20 ⎡1 + 2 cos( π f )⎤ X (f ) = 100 − π 2 f 2 ⎢ 5 ⎥ ⎣ ⎦ 10A cos( Sugerencia: Exprese x(t) en la forma x(t) = x1(t) + x1(t + to) + x1(t – to) -5to -3to -to 0 to 3to 5to Fig. 1. [ Respuesta: B = 0. 1. 1. 1. Calcule el ancho de banda B dentro del cual está contenido el 80 % de la energía de la señal. 165.29.

1.69.67. La señal x(t) = t exp(-Kt) u(t) se pasa por un filtro pasabajo de ganancia unitaria y ancho de banda B.82 I.31. [ Respuesta: B = 0. Sea x(t) = sinc2(10t). dada x(t) determine X(f). 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. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. (b) |X(f) A φ(f ) −f o 0 −π / 2 π/2 fo f −f o Fig. 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 1.30. 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. es decir.32. x(t ) = sen[2 π ( t − 2 )] sen 2 [ π ( t − 2)] − π (t − 2) π 2 (t − 2 ) 2 . 1. Calcule el ancho de banda B del filtro a fin de que la energía de salida del filtro sea el 80% de la energía a la entrada. En las figuras siguientes verifique la correspondencia x ( t ) ⇔ X(f) .15056K Hz ] 1. 1.68. Expresar B en función de K.

1. donde x 1 ( t ) y x 2 (t ) son señales aleatorias. El filtro pasabajo tiene ganancia unitaria y un ancho de banda de 50 Hz.01 dB S2 . 1.34. El filtro es pasabajo de ganancia de potencia 2. 1. f + fc En la salida calcule la relación S1 / S2 .83 I. mientras que S2 es la potencia a la salida debida a x2 (t). x 1 (t ) Filtro Pasabajo y(t) x 1 (t ) = exp(−0. x 2 ( t ) 2 cos( 2 πf c t ) f − fc ⎤ x 2 ( t ) ⇒ S x 2 (f ) = 10 ⎢ Λ ( ) + Λ( )⎥ ⎣ B B ⎦ B = 5 kHz. 1. Mediante la transformada de Fourier de la señal generatriz. S1 = 20 = 13. S2 = 2 W . Sea el sistema de la Fig. 1. (a) A 2A T ⎧ 2A ⎪ Xn = ⎨ n2π 2 t ⎪0 ⎩ Fig. 1. 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. donde S1 es la potencia a la salida debida a x1 (t).72. 1. fc = 100 kHz.35. 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. Demuestre que S1 = 40 W.73.70.70.01t ) ⋅ u (t ) x 2 (t ) Fig.01t ) ⋅ cos(2 πx10 6 t ) ⋅ u(t ) x 2 (t ) = 10 cos(2πx10 6 t ) Demuestre que y(t ) ≈ 5 exp(−0. Sea el sistema de la Fig. 1.73. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.71.33. demuestre que los coeficientes de Fourier X n de la siguientes señales periódicas son los correspondientes dados.

1. (b) 0 fc A/2 f ⎡ sen(2πBt ) sen 2 ( πBt ) ⎤ ⎥ x (t ) = 2 B⎢ + ( πBt ) 2 ⎦ ⎣ πBt X c (f ) coseno 1 1 ⎫ ⎧ x ( t ) = B⎨sinc[2 B( t + )] + sinc[ 2B( t − )]⎬ 4B 4B ⎭ ⎩ 2B −f c Fig. donde x(t) e y(t) son ortogonales para todo t. y z(t) una señal cuya densidad espectral de f potencia es S z ( f ) = S xc ( f )Π ( ) W / Hz. 2 x10 3 Demuestre que la potencia promedio de z(t) es < z 2 ( t ) >= 8 µW (b) Sean x 1 ( t ) y x 2 ( t ) dos señales aleatorias cuyas densidades espectrales de potencia se muestran en la Fig. Considere la función z(t ) = x(t ) + y (t ) . determinar x(t) (b) Dada x(t).75.76. ⎡ f + 10 4 f − 10 4 ⎤ ⎢Λ( ) + Λ( )⎥ W / Hz 1.1.38. 1.37. determinar Xc(f) cuya forma gráfica se da. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.36.84 I. (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 ) .1. Verificar las siguientes relaciones: (a) Dada X c (f ) en forma gráfica. S x1 (f ) 10−3 exp(− |f | 106 ) Sx2 (f ) 10−11 f 2 -20 -10 (a) 10 20 kHz f -20 -10 (b) f 10 20 kHz Fig. X c (f ) 2A A 2B (a) −f c Fig. teniéndose entonces superposición de funciones de correlación así como superposición de energía y de potencia.76. 0 fc f 1. Demuestre que R z (τ ) = R x (τ ) + R y (τ ) y < z 2 (t ) >=< x 2 (t ) > + < y 2 (t ) > En este caso se dice que las señales son incoherentes. . es decir. En las figuras siguientes se muestra el espectro de señales moduladas de la forma x c ( t ) = x ( t ) A cos( 2πf c t ) ⇔ X c (f ) . < x(t ) ⋅ y (t ) >= 0 .74.

y que y(t) es una señal digital ASK . se aplica ruido blanco cuya densidad espectral es η/ 2. Demuestre que a la salida del filtro R y (τ ) = 20sinc(10 4 τ ) + 10sinc 2 (5x10 3 τ ) 1. y(t) L R Fig.77. y mediante la Propiedad 1 de la Función de Autocorrelación. Calcule la función de autocorrelación.41.67 W 2 (c) Determine las correspondientes funciones de autocorrelación de los espectros de la parte (b). Determine la densidad espectral de potencia de la señal compleja x (t ) = A exp( j2πf o t ) utilizando el Teorema de Wiener-Kintchine. 1.78. A la entrada de un filtro pasabajo. (a) Dibuje la forma de la densidad espectral de potencia a la entrada y salida del filtro.39.7 W y < x 2 ( t ) >= 46. 1. 1.44.77. se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 10sinc 2 (10 4 τ ) . y(t) = x(t) cos(2πf c t) ⇒ Sy (f ) Sy (f ) = S x (f ) .43. donde Tb = . entonces. 1.42. 1.85 I. S y (f ) = 4S x (f ) sen 2 (πTf ) 1 τ A2 [1 + Λ( )] . se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 20sinc 2 (5x10 3 τ ) cos(2πx10 5 τ ) . Demuestre que si x(t ) ⇒ y (t ) = x (t ) − x ( t − T) 1.78.40. 1. de ganancia 2 y ancho de banda de 5 kHZ. 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. 2 cos(2πf c t ) y < y 2 (t ) >= 30 W x(t) Filtro Pasabajo Fig. (b) Demuestre que la potencia a la salida del filtro es de 20 W. A la entrada del detector coherente. 1. la densidad espectral de potencia y la potencia a la salida del filtro. Fig. Demuestre que: (a) Si x(t) tiene una función de autocorrelación R x (τ) = entonces donde. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Demuestre que sus respectivas potencias promedio son 2 < x1 ( t ) >= 19. verifique que las potencias respectivas son iguales a las obtenidas en la parte (b). A la entrada del filtro RL de la Fig. 1.

86 I. donde 1 + (2πbf ) 2 Sx(f) es la densidad espectral de potencia de x(t). R x ( τ) = exp(− |τ| |τ| ⎤ ⎡ ⎢a exp(− a ) − b exp(− b ) ⎥ . Se tiene una señal x(t) cuya función de autocorrelación es |τ| ) . entonces.45. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES (b) Si x(t) tiene una función de autocorrelación R x ( τ ) = A 2 Λ ( y( t ) = x( t ) cos(2 πf c t ) ⇒ S y (f ) = A2 4f b τ ) . ⎣ ⎦ 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) = .46. Se tiene a Sx (f ) también una señal y(t) cuya densidad espectral de potencia es Sy (f ) = . 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 . es el período de la señal periódica rectangular. y la correspondiente potencia. Tb ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢sinc ( fb fb ⎦ ⎣ 1. En el Ejemplo 1.32 se determinó la función de autocorrelación de una señal periódica rectangular.

por ejemplo) también es un sistema sobre el cual la mayoría de las veces no podemos ejercer ningún control. un sistema de comunicaciones.) que podemos construir y ejercer algún control sobre él. mientras que la cantidad y(t) representa la correspondiente “salida” o “respuesta”. hay que tener en cuenta la diferencia entre lo que es “señal” y lo que es “sistema”. 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. 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. CARACTERIZACION DE SISTEMAS 2. en general. 2. 2.1.2. Este bloque representa cualquiera operación o procesamiento de una señal en una aplicación. 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. Concepto de Sistema Consideremos el diagrama de bloques de la Fig. un sistema actúa como un operador o transformador sobre una señal y como resultado produce una salida. En este capítulo presentamos entonces un breve estudio de los sistemas lineales y su caracterización espectro-temporal.2.} Fig.1. Sistema x(t) y(t) = S{x(t)} S{. moduladores. Sin preocuparnos por saber qué es lo que hay dentro del bloque. como su nombre lo indica. pero un “canal” (de microondas. etc. un sistema puede ser caracterizado en los dominios Tiempo ⇔ Frecuencia en la misma forma como lo hicimos con las señales en el Capítulo I. Pero los sistemas son completamente diferentes. Por consiguiente. La cantidad x(t) representa la “entrada” o “excitación” del sistema.1. 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.1. la operación que el sistema efectúa sobre la entrada x(t) se puede representar mediante la transformación funcional . por ejemplo. Sin embargo.. 2. Un sistema es un dispositivo físico (filtros. Este operador establece entonces una regla de correspondencia entre y(t) y x(t). Diagrama de Bloques de un Sistema. Las señales. como veremos en el presente capítulo.CAPITULO II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. “sistema”. son magnitudes eléctricas (corrientes y voltajes) y sobre la mayor parte de ellas podemos ejercer algún control. que denominaremos.

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

el escalón unitario y las señales sinusoidales. τ) es. Aproximación de la Excitación x(t) . Esta situación se representa en la Fig. En este caso la salida se denomina “respuesta impulsional”.3. (2. La caracterización más utilizada en el análisis de sistemas es aquella cuando la entrada es un impulso unitario Delta Dirac aplicado en un instante t = τ cualquiera. y la salida del sistema será la respuesta a todas y cada una de las infinitas frecuencias presentes en la entrada. 2. τ ) = {⋅ ⋅} la respuesta impulsional es.4) La expresión (2.4) será 0 x (τ 1 )δ ( t − τ 1 ) x (τ 2 )δ( t − τ 2 ) x(t) t ⎧ ∞ ⎫ y ( t ) = ⎨ x (τ )δ( t − τ )dτ ⎬ ⎩ −∞ ⎭ ∫ τ2 τ1 Fig. Las señales de prueba más comunes son el impulso unitario.3) {δ( t − τ )} La respuesta impulsional h(t. x(t) δ(t − τ ) t x(t) S{δ (t − τ )} (b) Sistema Fig.2.89 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. La respuesta del sistema a una señal de prueba es una descripción característica o un modelo matemático del mismo. τ ) 0 τ (a) Excitación 0 τ (c) Respuesta Impulsional t La respuesta del sistema para cualquiera señal arbitraria x(t) se puede expresar en función de la respuesta impulsional. Caracterización de Sistemas Lineales en el Dominio del Tiempo Respuesta Impulsional Para conocer o caracterizar un sistema lineal se puede aplicar a su entrada un cierto tipo de señales de prueba y observar su salida.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). como se muestra en la Fig. Por lo tanto. en general.2. En efecto. 2. 2. La respuesta del sistema lineal a una entrada arbitraria x(t) dada por (2. de (2. 3. La excitación mediante un impulso unitario equivale a aplicar a la entrada del sistema un número infinito de frecuencias de la misma amplitud.2 y(t) y(t) h (t . en un sistema lineal caracterizado por la transformación h (t . 2. τ). “respuesta al impulso” o “respuesta impulsiva” del sistema” y se representa por h(t. x (t) = ∫ ∞ −∞ x (τ)δ( t − τ)dτ (2. consideremos la propiedad de muestreo del impulso unitario. una función de t y τ.3.

La respuesta de un SLIT es entonces el producto de convolución de la excitación con la respuesta impulsional del sistema. ∞ {δ(t − τ )} = h (t .4) ni la (2. τ) = h(t − τ) para todo τ en un SLIT (2.4). Asimismo. es decir. y como consecuencia. 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 (2.5) y (2.7) Estas integrales son las conocidas “Integrales de Convolución”.6). El hecho de que (2. como es el caso de los filtros reales en los cuales una entrada discreta produce una salida continua. τ ) .4) y (2.6) respuesta impulsional dependerá únicamente de la diferencia (t . la cual es válida para cualquier sistema lineal.5) son válidas en los puntos donde x(t) es discontinua. En este caso la expresión (2. a menudo sucede que y(t) es continuo a pesar de que x(t) no lo sea. Esto se puede enunciar en la forma siguiente. −∞ de donde (2. para cualesquiera señal x(t) y desplazamiento τ . ni la expresión (2.5) no sean válidas en los puntos de discontinuidad. las dos expresiones se aplican a ambos lados de cualquiera discontinuidad.τ). la integral de superposición (2. Estrictamente hablando. y no de la diferencia (t -τ). En particular. Un sistema lineal variante en el tiempo será aquel cuya respuesta impulsional dependerá de τ y de t. Un sistema lineal es invariante en el tiempo si para cualquier desplazamiento τ se verifica que {δ( t − τ)} = h(t − τ) . La respuesta impulsional de un SLIT simplemente experimenta desplazamientos en el eje del tiempo que no afectan en nada su perfil. Sin embargo. En (2.8) . τ )dτ Esta es la llamada “Integral de Superposición”. de (2. en un “Sistema Lineal Invariante en el Tiempo (SLIT)” la h(t .5) es válida aún en los puntos de discontinuidad de x(t). el 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). Más adelante volveremos sobre este tema.3). De (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.5) puede considerarse como la superposición de las respuestas de un número infinito de impulsos donde x ( τ ) h ( t . El producto de convolución generalmente se denota en la forma y( t ) = x ( t ) ∗ h(t) = h(t) ∗ x(t) puesto que la convolución es conmutativa.90 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y ( t ) = x (τ ) −∞ ∫ ∫ ∞ {δ(t − τ )}dτ pero. {x( t − τ)} = y( t − τ) . τ 1 ) será diferente del (2. τ ) es la respuesta a un impulso x (τ )δ(t − τ ) . Esto quiere decir que el perfil de h ( t .5) y ( t ) = x (τ ) h ( t . en general no tiene mucha importancia desde el punto de vista práctico. Por consiguiente.

11) La respuesta impulsional de un SLIT es la derivada de la respuesta al escalón unitario del SLIT. la salida y(t) es. La respuesta al escalón unitario se emplea mucho en el análisis de sistemas lineales donde se utiliza la Transformada de Laplace. dt −∞ ∫ h (t ) = d dt y u (t ) (2. 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).τ )dτ -∞ ∞ ∫ ∞ (2. Conocida la respuesta al escalón unitario de un SLIT.8) y (2. 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. en este caso la respuesta y(t) vendrá dada por la expresión (2.2. por una parte por el hecho de que es muy fácil simular en forma experimental esa respuesta y por otra parte.12) .91 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS perfil de h ( t . t ∫ −∞ y u ( t ) = h (t ' ) dt ' −∞ ∫ t (2.5).9) y u ( t ) = h ( t − τ ) dτ . es posible obtener. −∞ ⎣ ⎦ ∞ ∞ d y u (t ) = δ(t − τ )h(τ )dτ . Con el cambio de variables t’ = t .10) La respuesta de un SLIT al escalón unitario es la integral de la respuesta impulsional del SLIT. ♣ Ejemplo 2. Nótese que el producto de convolución (2. a partir de ella. la respuesta y(t) del sistema para cualquiera excitación x(t).9). tomando la derivada de la expresión (2. de (2. El desarrollo anterior permite determinar la respuesta impulsional de un SLIT si se conoce su respuesta al escalón unitario. De (2. y de la propiedad de muestreo del impulso unitario. De donde. y ( t ) ∗ h(t) = x(t) ∗ de donde. d y u (t) = dt ∫ d ⎡d ⎤ ⎢ dt u( t − τ) ⎥ ⋅h( τ)dτ.7) o (2. porque es sobre y u (t ) que se evalúan los resultados de un servosistema desde el punto de vista del régimen transitorio.11).τ.8) se aplica sólo y solamente a sistemas lineales invariantes en el tiempo. pero como dt u( t − τ) = δ ( t − τ ). En efecto. la integral queda 0 ∫ y u ( t ) = − h ( t ' ) dt ' . τ 2 ) . y u ( t ) = u ( t ) ∗ h(t) = u( τ )h(t .

Sea x1(t) la entrada. τ ) y(t) Fig. De (2. pero su resolución es más laboriosa que la dada por (2.4 Establecer las características del sistema de la Fig. La correspondiente salida será (C) Comparando (C) con (D).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. ♣ ♣ Ejemplo 2.10) la respuesta al escalón unitario es y u ( t ) = [1 − exp( − t )]u ( t ) .4.7). vemos que y 2 (t ) = y 1 (t − t o ) . 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.7). La no linealidad es directa. 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.12). Sea x ( t ) = exp( − t ) u ( t ) y supongamos que h ( t ) = exp( − t ) u ( t ) . ♣ Ejemplo 2. lo que significa que el sistema es invariante en el tiempo. 2. y ( t ) = ∫ ∞ −∞ exp( − τ ) u (τ ) ⋅ exp[− ( t − τ )]u ( t − τ ) dτ = t exp(− t )u ( t ) De (2.3 Vamos a verificar si el sistema representado por y(t ) = sen[ x(t )] es variante o invariante en el tiempo.4 . La respuesta y(t) del SLIT se puede determinar entonces mediante las integrales De (2. 2. Veamos un ejemplo muy sencillo. 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. El interruptor I está cerrado 1 únicamente en el intervalo |t |≤ . 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. de (A) y 1 (t − t o ) = sen[ x 1 (t − t o )] (D) y 1 (t ) = sen[ x 1 (t )] (A) (B) x 2 (t ) = x 1 (t − t o ) que representa a x 1 ( t ) desplazada en un tiempo to .

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

por ejemplo. R. para t = 0.18) M y N son constantes reales y positivas.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. Aplicando esta desigualdad a (2. en tales casos el sistema puede no ser causal y aún así puede ser físicamente realizable. Si la entrada es acotada. se supone que la entrada es cero hasta determinado tiempo. pero los sistemas físicos son siempre causales pues al operar en tiempo real no pueden producir ninguna respuesta a menos de ser excitados. se obtiene . se cumple que | z( x )| = ∫ p( x)q( x)dx ≤ ∫ | p( x)||q( x)| dx ≤ ∫ K| p( x)| dx < ∞ para todo x. como. de modo que y(t ) = x (τ )h(t . Vamos a ver cuáles son las condiciones que el sistema debe cumplir a fin de asegurar la estabilidad. hay muchas aplicaciones en las cuales la señal a ser procesada se encuentra almacenada. Wylie. τ )dτ −∞ t ∫ t para cualquier sistema lineal causal para un SLIT causal (2.16) (2. de donde y(t ) = x (τ )h(t . Sin embargo.15) y(t ) = x (τ )h(t − τ )dτ −∞ ∫ Finalmente.14) (2. Si | x (t )| ≤ M < ∞ y |y(t)| ≤ N < ∞ para todo t.τ) = 0 para t < τ (2. Se ha demostrado [C.13) Un sistema no causal no cumple con (2. τ )dτ 0 t ∫ t para cualquier sistema lineal causal (2.7) y con ayuda de las condiciones (2. En sistemas causales el límite superior de integración es t. es decir. se dice que un sistema lineal es estable cuando para una entrada acotada la respuesta también es acotada. x( t ) = 0 para t < 0 . es decir.17) y(t ) = x (τ )h(t − τ )dτ para un SLIT causal 0 ∫ Estabilidad En cuanto a la estabilidad. 1960] que si existe una constante K tal que | q (x )| ≤ K < ∞ y |z(x)|< ∞ . τ ) = 0 o h(t . En este caso. entonces | x (t )| ≤ M < +∞ para todo t Consideremos un SLIT. que h( t . el sistema es estable (2.18).13) y además no puede realizarse físicamente.

20) es también condición suficiente para que h(t) tenga una transformada de Fourier. h(t) debe satisfacer (2.20).22) La integral de la derecha en (2.23) La cantidad H(f) se denomina “Función de Transferencia”. se obtiene (2. es decir. y(t ) = x(t ) ∗ h(t) = x(τ )h(t .4.24) ∞ { y(t )} = H (f )∫ −∞ x (τ ) exp(− j2πfτ )dτ pero la integral es la transformada de Fourier X(f) de x(t). esto es.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. la integral dentro de los corchetes es ∫ ∞ −∞ h(t − τ ) exp(− j2πft )dt = exp(− j2πfτ ) ∫ ∞ −∞ h(t ' ) exp(− j2πft ' )dt ' (2.τ )dτ -∞ ∫ ∞ Tomando la transformada de Fourier. la respuesta impulsional h(t) debe cumplir con la condición de integrabilidad absoluta.2. Entonces definimos H (f ) = { h(t )} = ∫ ∞ −∞ h (t ) exp(− j2πft )dt (2.21) Mediante el cambio de variables t ' = t − τ .22) con la ayuda de (2. donde x(t ) ⇔ X (f ). y es la caracterización de un sistema lineal invariante en el tiempo en el dominio de la frecuencia. La función de transferencia H(f) y la respuesta impulsional h(t) forman entonces un par de transformadas de Fourier. la condición suficiente para que haya estabilidad es que ∫ de donde ∞ −∞ | h (t )| dt < ∞ | y (t )| ≤ N < +∞ para todo t (2. Caracterización de Sistemas Lineales en el Dominio de la Frecuencia Función de Transferencia Consideremos un SLIT al cual se le aplica una excitación x(t).19) se deduce que para que un SLIT sea estable. en un SLIT se verifica que h(t ) ⇔ H (f ) Reemplazando (2.19) De (2.20) La respuesta es acotada y por lo tanto el sistema es estable. condición que vamos a utilizar en la siguiente sección. Si éste es el caso.22) tiene la forma de una integral de Fourier. De (2.21). { y(t )} = ∫ ∞ −∞ y(t ) exp(− j2πft )dt = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ h( t − τ ) exp(− j2πft )dt ⎥dτ ⎦ −∞ ∞ (2. Nótese que (2.23) en (2.7). 2. de donde .

.26) a (2. ⇔ X1 ( f ) X 2 ( f ) X 3 ( f )...5.29) algunas veces se las denomina “teoremas de la convolución”. 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... x(t) ⇔ X(f).. por simetría o dualidad.. ⇔ X1 ( f ) ∗ X 2 ( f ) * X 3 ( f ) ∗ .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.. Las relaciones espectro-temporales correspondientes serán: y(t ) = h(t ) ∗ x(t) ⇔ Y(f) = H(f)X(f) donde (2. ⎥ exp( − j2 πf ) j2 πf 5 + j2 πf j2 πf (5 + j2 πf ) ⎦ ⎣ 5δ( f ) = δ(f ) pues δ(f) = 0 para f ≠ 0 5 + j2 πf ⎡ ⎤ 10 10 Y ( f ) = ⎢ 4δ ( f ) + − ⎥ exp(− j2 πf ) j2 πf j2 πf (5 + j2 πf ) ⎦ ⎣ Mediante desarrollo en fracciones parciales. x1 ( t ) x 2 ( t ) x 3 ( t )... por lo tanto.29) En resumen... j2 πf (5 + j2 πf ) j2 πf 5 + j2 πf pero .26) se puede establecer en la forma siguiente: y x 2 (t ) ⇔ X 2 (f ) .28) (2.. entonces.6 Vamos a repetir el Ejemplo 2..96 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y (f ) = H (f )X (f ) (2. (2.5 pero trabajando en el dominio de la frecuencia.. Si x1 (t ) ⇔ X 1 (f ) y(t) ⇔ Y(f) El dual de las expresiones (2. la multiplicación de señales en el dominio del tiempo es equivalente a la convolución de sus espectros en el dominio de la frecuencia. A las expresiones (2. ♣ Ejemplo 2...27) x1 ( t ) ∗ x 2 ( t ) ∗ x 3 ( t ) ∗ .. la convolución de señales en el dominio del tiempo es equivalente a la multiplicación de sus espectros en el dominio de la frecuencia. 5 Del Ejemplo 2... podemos demostrar que x 1 (t ) x 2 (t ) ⇔ X1 (f ) ∗ X 2 (f ) = En general..26) h(t ) ⇔ H (f )... el tercer término dentro de los corchetes tiene la forma 10 2 2 = − . se verifica que ∫ ∞ −∞ X 1 (ν) X 2 ( f − ν)dν (2.. igualmente.

es decir. La función de transferencia H(f) es el nexo que relaciona. es decir. Nótese que si H(f) se hace cero en un intervalo de frecuencias dado. la entrada y salida de un sistema lineal invariante en el tiempo. Para que un sistema sea físicamente realizable. si I= ∫ ∞ ln| H ( f )| 2 2 −∞ 1 + 4 π f df < ∞ (2.30) entonces (2. Puesto que H(f) es. Esto quiere decir que si la integral existe (es menor que ∞ ). y β(f) es la “Respuesta de Fase”. ♣ Criterio de Paley-Wiener La estabilidad y posibilidad de realización física que tratamos en la sección anterior son nociones independientes. una magnitud compleja. por lo tanto la función de transferencia tendrá simetría hermítica. Propiedades de la Función de Transferencia 1. la función de transferencia H(f) tendrá una característica de fase β( f ) tal que h ( t ) = 0 para t < 0.5. el cual establece que si la integral I existe. debe cumplir. | H ( f )| =| H ( − f )| =| H ∗ ( f )| y β(f) = . además de las condiciones (2. en el dominio de la frecuencia. se dice que él es físicamente realizable.32) |H(f)| se denomina “Respuesta de Amplitud” o más comúnmente “Respuesta de Frecuencia del Sistema”. donde h(t) ⇔ H(f) =|H(f)|exp[jβ(f)] y ∫ ∞ -∞ |H(f)|2 df < ∞ (2. no cumplirá con el Criterio de Paley-Wiener y por lo tanto no es físicamente realizable.20). En efecto.31) Todo sistema físicamente realizable producirá siempre un desfase (o retardo).β(-f) 2. se puede expresar en la forma H ( f ) =| H ( f )|exp[ jβ(f )] (2. En los sistemas de comunicación h(t) siempre es real. 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. pero si un sistema es a la vez estable y realizable. en general.30) es condición necesaria y suficiente para que |H(f)| sea el módulo de la función de transferencia de un sistema físicamente realizable. con el llamado “Criterio de Paley-Wiener”.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 2.13) y (2. demostramos que .

pero solamente los sistemas lineales invariantes en el tiempo poseerán una función de transferencia. Nótese que cualquier sistema. 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 ) . Ey = (2.37). En particular.34) Igualmente. y no poseerá una función de transferencia. entonces la densidad espectral de energía a la salida del sistema será. pero no podrá generarse nuevas frecuencias. un sistema que cambie o genere nuevas frecuencias será: o no lineal o variante en el tiempo o ambos. 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.36) donde Sx(f) viene dada por (1. Recíprocamente. de (1. si la entrada x(t) es una señal de potencia con una densidad espectral de potencia S x ( f ). estas componentes de frecuencia pueden estar atenuadas e incluso desaparecer.38) donde H ( f o ) =| H ( f o )|exp[ jβ(f o )] La expresión (2. la salida será también sinusoidal de la misma frecuencia. Se puede determinar el efecto de la función de transferencia H(f) sobre las densidades espectrales.88). como bien lo expresa (2.25). 4. pero con una amplitud y fase en general diferentes.87) y (1. no puede generar nuevas frecuencias: a la salida sólo estarán presentes las frecuencias que había a la entrada. y ( t ) = AH ( f o ) exp( j2πf o t ) = H (f o ) x ( t ) (2.25) 3. . si la entrada es una señal sinusoidal de frecuencia fo. 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) significa que un SLIT cuya función de transferencia es H(f). G y (f ) =|Y ( f )|2 =| H (f )|2 | X (f )|2 =| H ( f )|2 G x ( f ) y la energía total de salida.37) (2. 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 ) .109).33) ∫ ∞ −∞ G y ( f ) df = ∫ ∞ −∞ | H ( f )|2 G x ( f ) df (2. lineal o no lineal. En efecto.98 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y( f ) = H ( f ) X( f ) (2.35) < y 2 ( t ) >= ∫ −∞ S y ( f ) df = ∫ −∞ | H ( f )|2 S x ( f ) df (2. tendrá siempre una respuesta impulsional. de la expresión (2.

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.24.7. x T (t ) = ∞ ∞ n =−∞ ∑ X n exp( j2πnf o t ) ⇔ X T ( f ) = f o n =−∞ ∑ X(nf o )δ( f − nf o ) El espectro Y(f) de la salida y(t) es Y( f ) = f o H ( f ) n =−∞ ∑X(nf ∑ ∞ o )δ( f − nf o ) = f o n =−∞ ∑H(nf ∞ o ) X ( nf o )δ( f − nf o ) Por transformada de Fourier inversa. Respuesta de un SLIT a Entradas Periódicas La entrada a un SLIT es una señal x T ( t ) periódica de período T. ♣ ♣Ejemplo 2.8.99 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. Por ejemplo. 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. 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 . la excitación x(t) con la respuesta y(t). en el dominio del tiempo.105). 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). 2. De (1. 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.68 del Problema de Aplicación 2. supongamos que un SLIT está representado mediante la ecuación diferencial y ( t ) + 2 RC d dt y (t ) + (RC) 2 d2 dt 2 y (t ) = x(t ) Tomando la correspondiente transformada de Fourier.

de (2. Nf o ) . H(f) = Ho en | f | ≤ Nf o . es decir.τ )dτ ⇔ Y(f) = H(f) X(f) -∞ ∫ ∞ Si se conoce la respuesta impulsional h(t). Nótese que la integral de convolución no exige el conocimiento de H(f) o X(f). 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. y en segundo lugar. porque ayuda en la comprensión de las relaciones entre el dominio del tiempo y el dominio de la frecuencia. Su importancia deriva también del hecho de proveernos de una poderosa herramienta analítica no sólo en el análisis de señales y sistemas de comunicación. la integral de convolución permite determinar la respuesta y(t) de un sistema lineal para cualquiera excitación x(t). Por lo tanto. En primer lugar. la convolución es el nexo entre el dominio del tiempo y el dominio de la frecuencia. LA INTEGRAL DE CONVOLUCION 2.100 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ∞ ∞ y(t ) = f o Como entonces. sino también en conexión con las aplicaciones de la Teoría de Circuitos. por ejemplo.3. en general.1. la Transformada de Laplace y la Transformada Z en otras áreas de la ingeniería eléctrica. ♣ 2. y(t ) = h (t ) ∗ x(t) = x(τ )h(t . Desde el punto de vista de los sistemas lineales invariantes en el tiempo. En . n =−∞ ∑ H ( nf o ) X( nf o ) exp( j2 πnf o t ) = n =−∞ ∑H(nf o )X n exp( j2 πnf o t ) H ( nf o ) =| H ( nf o )|exp[ jβ(nf o )] y X n =| X n |exp( jφ n ) y(t ) = n =−∞ ∑| H(nf ∞ ∞ o )|| X n |exp { j[2πnf o t + β(nf o ) + φ n ]} Del Teorema de Parseval. porque es un buen modelo para entender los procesos físicos que se desarrollan en un sistema lineal. si se conoce h(t) a partir de datos experimentales o si no es posible expresar h(t) como una función explícita de t.3. por ejemplo. complejo. en el intervalo (−Nf o . 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. la integral de convolución ofrece un método para determinar y(t).26). La misma situación ocurre respecto a x(t). Obsérvese también que a la salida aparecen solamente las frecuencias de entrada que están contenidas dentro de la banda de paso de H(f). la potencia de salida del SLIT será < y ( t ) >= 2 n =−∞ ∑| H(nf o )| 2 | X n |2 Si H(f) existe solamente en cierta gama de frecuencias. entonces y(t ) = H o X n exp( j2πnf o t ) y < y 2 (t ) >=| H o |2 2 n =− N n =− N Recuérdese que Ho es.

τ )dτ = x(t) -∞ ∫ ∞ (2.T) = x(t . una operación complicada y muchas veces es preferible operar con las transformadas de Fourier. el lector deberá reconocer cuál de las dos formas de operar lo lleva a la respuesta con menor dificultad: si aplicando la integral de convolución o tomando directamente la transformada inversa de X(f). La extensión de este procedimiento para n funciones de f es directa. ♣ Ejemplo 2.101 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS situaciones como éstas. En los siguientes ejemplos presentamos algunas aplicaciones y métodos para la resolución puramente analítica de la integral de convolución.9. la integral de convolución se puede utilizar para determinar la transformada inversa de una función de f cuando esta función se puede escribir como un producto de funciones de f cuyas transformadas inversas son conocidas.t 2 ) = δ(t − t 1 − t 2 ) (2. Convolución de una Señal con Impulsos Unitarios La convolución de una señal x(t) con un impulso unitario δ(t).t 2 ) = x(t − t 1 − t 2 ) (c) δ(t − t 1 ) ∗ δ(t . 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. comúnmente. es conveniente interpretar la convolución en forma gráfica.nT) ∑ (2.44) ∞ y de (2.T) (b) x(t − t 1 ) ∗ δ(t . la transformada de la señal periódica x T (t ) es ∞ ∞ ⎤ ⎡ X T (f ) = X(f )⎢ f o δ(f − nf o )⎥ = f o X(nf o )δ(f − nf o ) ⎥ ⎢ ⎦ ⎣ n =−∞ n =−∞ ∑ . Como herramienta operacional. La resolución de la integral de convolución es. se desea determinar la transformada de Fourier inversa de X(f).41) (2. esto lo veremos más adelante. En efecto.39) En un problema particular. puede demostrarse que: (a) x(t ) ∗ δ(t .43) (d) Si x T (t ) es una señal periódica de período T. entonces x T (t ) se puede representar en la forma x T (t ) = n =−∞ ∑ ∞ x (t − nT) = x (t ) ∗ n=-∞ ∑δ(t .28).42) (2. resulta en la misma señal x(t).40) En la misma forma. y x(t) su correspondiente señal generatriz. 1 {X(f )} = x(t ) = 1 {X1 (f )} ∗ 1 {X 2 (f )} Por lo tanto. Por ejemplo. 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. x(t ) ∗ δ(t) = x(τ )δ(t .

el espectro del producto es la repetición periódica del espectro de x(t) en las frecuencias nfs con un factor de escala fs. por lo tanto. s s s ∞ De (2. Convolución de una Señal con un Impulso Rectangular En el análisis de señales y sistemas lineales a menudo se presenta el caso de la convolución de una señal con un impulso rectangular. expresión (1.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. que es la transformada de una señal periódica. El límite superior de las integrales dependerá de la forma de y(x).41).105). X s ( f ) = X( f ) ∗ f s ∞ n =−∞ ∑δ(f − nf ) s s ∞ X s (f ) = fs n =−∞ ∑X(f − nf ) (2. Este resultado es de capital importancia en la Teoría del Muestreo.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.46). consideremos el producto de convolución z (x ) = y(x) ∗ BΠ( x ) 2x o (2. ♣ ♣ Ejemplo 2.47) ⎧0 para λ < -x o ⎫ u( λ + x o ) = ⎨ ⎬ ⎩1 para . (e) Sea el producto x(t) ⋅ ∑ δ(t-nTs ) = n=-∞ ∞ n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) = x (t) . y de (2.27). Para generalizar el procedimiento desde un punto vista puramente analítico. como veremos en el Capítulo V.10.102 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resultado que ya habíamos obtenido por otros métodos. (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 . 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 ⎭ (2.46) 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 ) . como veremos en los casos siguientes.

mientras que la segunda lo es para Por consiguiente.103 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La primera integral es válida para x o < x. − x o ≤ x ≤ x o . 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. 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. Si(x).6 se muestra la forma de z(x). la cual está definida mediante la integral . z( x ) = ⎫ AB ⎧ x ) − [1 − exp[−a ( x − x o )]]u ( x − x o )⎬ ⎨[1 − exp[−a ( x + x o )]]Π ( a ⎩ 2x o ⎭ En la Fig. 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' ) −∞ . (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' .

2. (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... Si(0) = 0 2 π/2 1 Si( x) 0 1 x Como la Integral Seno no −π / 2 puede resolverse en forma analítica. 2. 2.. obtenemos finalmente z( x) = AB Si{πa ( x + xo )} − Si{πa ( x − xo )} πa [ ] Una gráfica de esta expresión se muestra en la Fig.26(b) del Ejemplo 2.. Desarrollando x Fig. Si ( x ) = −Si ( − x )..19. 3 ⋅ 3! 5 ⋅ 5! 7 ⋅ 7 ! 9 ⋅ 9 ! y tiene las siguientes propiedades: 1. Entonces y (x ) = Au (x + x 1 ) − Au (x − x 1 ) ⎧ z(x) = AB⎨ ⎩ z( x ) = AB⎧ ⎨ ⎩ ∫ ∫ ∞ − xo ∞ [ u(x + x 1 − λ) − u(x − x 1 − λ)] dλ − ∫x [ u(x + x 1 − λ) − u(x − x 1 − λ)]dλ⎬ ⎭ ∞ o ⎫ −xo u ( x + x 1 − λ ) dλ − ∫ ∞ −xo u ( x − x 1 − λ ) dλ − − ⎧⎡ z(x) = AB⎨⎢ ⎩⎣ ∫ ∞ xo u ( x + x 1 − λ ) dλ + ∫ ⎫ u(x − x 1 − λ)dλ⎬ xo ⎭ ∞ ∫ x + x1 − xo ⎤ ⎡ dλ ⎥u[ x + (x o + x 1 )] − ⎢ ⎦ ⎣ ∫ x − x1 − xo ⎫ ⎤ dλ ⎥u[ x + (x o − x 1 )]⎬ − ⎦ ⎭ . La Integral Seno se puede expresar también como una serie de potencias de la forma x3 x5 x7 x9 Si ( x ) = x − + − + −. Con ayuda de la Integral Seno en el problema que nos ocupa. π 2... 2 normalmente se encuentra tabulada en 20 12 40 4 12 20 la forma Si(x) vs x. 2 x→±∞ 3.7. lim Si ( x ) = ± .. es una función impar de x..104 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si (x ) = ∫ x sen(y ) y dy 0 y que se muestra en la Fig... La Integral Seno Si(x) en serie de potencias.7 para |x| < ∞. ella se puede aproximar tomando un número suficiente de términos. y se presta a ser calculada mediante cálculo numérico.

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 (2.48) Reemplazando x T2 ( t − τ ) por su desarrollo en serie de Fourier.8. ♣ ♣ Ejemplo 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.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. En estos ejemplos. aparentemente sencillos. Convolución de Señales Periódicas Consideremos dos señales periódicas x T1 ( t ) y x T2 ( t ) con el mismo período T.8. Cuando no se requiere valores exactos.x1 -xo + x1 0 xo . que veremos en la próxima sección.11. tomando en cuenta los dominios de validez de estas rampas. ⎤ ⎡ ∞ 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 =−∞ ∑ ∞ ∫ . 2. z(x) = AB{[x + (x o + x 1 )]u[x + (x o + x 1 )] − [x + (x o − x 1 )]u[x + (x o − x 1 )] − −[x − (x o − x 1 )]u[x − (x o − x 1 )] + [x − (x o + x 1 )]u[x − (x o + x 1 )]} Vemos que z(x) está formada por la suma de cuatro rampas. 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. z(x) 2x1AB x -xo . 2. la resolución de la integral de convolución se puede efectuar en forma gráfica.

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

2. Para la función dada x1 ( τ ) . Por otro lado.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. Fig. Usando estas ideas. Con referencia a la Fig. el semiplano de la mano izquierda el futuro. si la respuesta impulsional fuera un impulso muy angosto. mientras que h ( t ) = δ ( t ) caracterizaría un sistema de memoria cero.10. 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”. se supone que x 2 ( t ) es la excitación del sistema.107 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 1962]. 2. éste sería un sistema con memoria perfecta. . y visualizando la multiplicación de x1 ( τ ) por x 2 ( t − τ ) . En efecto. los valores pasados de x 2 (t ) son ponderados menos y menos a medida que pasa el tiempo. se puede ver que x 1 ( τ ) “pesa” o pondera la función x 2 ( t ) de acuerdo con valores presentes y pasados. y el semiplano de la mano derecha el pasado. el sistema tendría poca memoria. h ( t ) = u ( t ) caracterizaría un sistema de memoria perfecta. “presente” y “futuro”. Convolución Gráfica. Por ejemplo. 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. En el gráfico de x 2 ( t − τ ) . el sistema “recuerda” menos y menos acerca de los valores pasados de la entrada.9.10. Dicho de otra manera. Fig. 2. la respuesta de un sistema al impulso unitario se ha denominado también “función de ponderación del sistema” porque multiplica la función de entrada en la integral de convolución. 2.9(d) y (e). 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). el eje vertical representa el presente.

Concepto de pasado. 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.10. 2. pues.31).25) y (2. presente y futuro de la excitación x 2 (t ) A la respuesta impulsional h(t) se la ha designado entonces como la función memoria del sistema. vamos a considerar esa respuesta en el caso de ciertos sistemas lineales ideales. 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. h(t) ⇔ H(f). determinándose la respuesta total por superposición de las respuestas individuales de cada impulso.53) . (d) Como herramienta analítica. 2. Transmisión sin Distorsión Sabiendo que la respuesta impulsional suministra información fundamental acerca del comportamiento general de un sistema. y(t) ⇔ Y(f) De (2. pero no sus respectivas transformadas de Fourier. hasta donde hay que remontarse en el tiempo para encontrar el momento desde donde una excitación sobrevenida en el pasado influye todavía en el momento considerado (o presente). La función memoria indica. la integral de convolución proporciona los recursos para una resolución alterna de las Integrales de Fourier. (c) La integral de convolución introduce el concepto de “función de ponderación” o “memoria del sistema”. vamos considerar primero el problema de la transmisión sin distorsión. (b) La integral de convolución introduce la posibilidad de aproximar la señal de entrada como una secuencia de impulsos. DISTORSION EN SISTEMAS 2. gráfica o analíticamente.4. Sea un sistema lineal invariante en el tiempo en el cual x ( t ) ⇔ X(f ).1. Y (f ) =| H (f )|exp[ jβ ( f )] ⋅ X ( f ) (2. Con el fin de introducir estas idealizaciones.108 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS x 2 (t − τ ) Valor de la función cuando ha transcurrido t 1unidades de tiempo 0 futuro (sucederá) La función se desplaza en este sentido a medida que t aumenta τ pasado (ha sucedido) t = t1 presente Fig.4.

± 1.11(b). Esto significa que todas las componentes de frecuencia de una señal llegan a la salida al mismo tiempo. . que cortan al eje β(f ) en múltiplos enteros de π.109 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también y( t ) = | H ( f )| X( f ) exp[ jβ( f )]exp( − j2 πtf ) df −∞ ∫ ∞ (2. 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. de tal manera que la condición de transmisión sin distorsión no cambia.56) Comparando (2. Aún más. si la atenuación es constante para todas las frecuencias. ésta no es una condición necesaria. siendo t o el tiempo de propagación o retardo de las componentes a través del sistema. (2. en alguna gama de frecuencias la característica de fase sea lineal. como se puede apreciar en la Fig. Por transformada de Fourier. Nótese que si n no es entero. y al eje de frecuencia en las frecuencias f n = n / 2t o . mientras que si n es impar. Es evidente que si H(f) = 1. las dos formas de onda serían idénticas.58) es β(f ) = −2πt o f ± nπ para todo n entero (2. se tiene que exp(± jnπ ) = 1. pero si su prolongación no corta el eje β(f ) en cero o en múltiplos enteros de π. | H (f )| = h o y β (f) = -2πt o f (2. ± 2.. . En cualquier sistema físico la señal siempre experimenta una cierta atenuación. 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. se producirá distorsión de fase. Por otra parte. La característica de fase en transmisión sin distorsión es entonces una familia de líneas paralelas de pendiente −2πt o .2..53).57) (2.54) Se tiene ahora el problema de determinar las restricciones que existen sobre |H(f)| y β(f) para que la señal de salida y(t) sea idéntica a la señal de entrada x(t). Una expresión más general para la fase en (2. ella no representa ningún problema pues la amplitud original puede restaurarse mediante amplificación. n = 0.56) con (2. para n = 0.55) donde ho es la “atenuación (o ganancia)” y to el “retardo de transmisión” de la señal a través del sistema. exp(± jnπ ) = −1. entonces aparecerá un término constante de distorsión de fase (ver Problema de Aplicación 2.58) Si X(f) es de banda limitada (pasabajo o pasabanda).13). Esta situación es común en la práctica..59) Si n es par. sin embargo. la transmisión no puede ser instantánea y la señal de salida tendrá un cierto retardo en relación con la señal de entrada. es suficiente que estas condiciones se cumplan dentro de su intervalo de existencia. puede suceder que.55) queda en la forma Y( f ) = h o exp( − j2πt o f ) ⋅ X( f ) (2.

τ 1 Receptor h N .12... La señal recibida y(t) es y (t ) = h o x(t − τ o ) + h 1x(t − τ 1 ) + h 2 x(t − τ 2 )+.. 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.τ N Fig.60) .... como se muestra en la Fig.. la transmisión sin distorsión requiere que la magnitud o módulo de la función de transferencia sea constante e independiente de la frecuencia. que es una perturbación muy común en los sistemas de transmisión por radio.11.110 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. Sea entonces el modelo de un canal en transmisión multitrayecto.12. 2. La señal x(t) se genera en el transmisor y llega al receptor sin experimentar distorsión pero por diferentes trayectorias que introducen atenuaciones h i y retardos τ i . y que la característica de fase sea una función lineal de la frecuencia. Características de un Sistema para Transmisión sin Distorsión.. mostrado en la Fig.11. 2. 2.+ h N X (f ) exp(− j2πτ N f ) Y (f ) = X (f ) ∑h n= 0 n N n exp(− j2πτ n f ) = H c (f ) ⋅ X (f ) La función de transferencia y la respuesta impulsional de un canal multitrayecto serán H c (f ) = ∑h n= 0 N exp(− j2πτ n f ) ⇔ h c (t ) = ∑ h δ( t − τ n n= 0 N n) (2. Transmisión Multitrayecto.. En resumen. ♣ Ejemplo 2..+ 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 )+.. 2.τ o h 1 .12.

y eq (t ) = α o y (t ) + α 1y (t − ∆ ) + α 2 y (t − 2∆ )+. de donde ⎢ k =0 ⎥ ⎣ ⎦ ∑ K k =0 H eq ( f ) = ∑ α k exp( − j2 πk∆f ) ⇔ h eq ( t ) = ∑ α δ ( t − k∆ ) k k =0 K (2. Entrada y(t) αo Retardo ∆ α1 Retard ∆ α2 Retardo ∆ αK H eq ( f ) Salida y eq ( t ) Fig... utiliza una línea de retardos ∆ . 2..61) Estas son la función de transferencia y la respuesta impulsional del filtro transversal.... entonces.13. Filtro Transversal o Ecualizador De la Fig.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.. del Ejemplo anterior. cuyas salidas se ponderan con ganancias α i que luego se suman para producir la salida ecualizada y eq ( t ). son cantidades aleatorias.62) H c (f ) .13. es decir.+α K Y (f ) exp(− j2πK∆f ) ⎡ K ⎤ Yeq (f ) = ⎢ α k exp(− j2πk∆f )⎥ ⋅ Y (f ) = H eq (f ) ⋅ Y (f ) . En la práctica los valores de h i y τ i no son conocidos. cuando Ho H eq (f ) = (2.. El Filtro Transversal o Ecualizador Los efectos producidos por la transmisión multitrayecto se pueden contrarrestar mediante la utilización del llamado “Filtro Transversal o Ecualizador”.13. 2. en realidad. 2. 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. el cual actúa sobre la señal recibida y(t) para compensar la distorsión producida por el fenómeno de multitrayecto. como se muestra en la Fig.13. Como Y(f) es el espectro de la señal recibida. ♣ ♣ Ejemplo 2. El filtro transversal. 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 .. 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 )+...

Este es un sistema que no posee distorsión de fase.63) queda en la forma h max = ∫ ∞ −∞ | H (f )| df (2. La realización física de la función de transferencia H eq (f ) se complica por cuanto los parámetros h i y τ i de H c (f ) en general son desconocidos. 2. La dispersión de h(t) alrededor de t = t o dependerá del ancho de banda de H(f). ♣ Sistemas de Fase Lineal Sea un sistema cuyas características de amplitud y fase se muestran en la Fig.64) donde h max representa el área neta bajo |H(f)|. es decir. El filtro ecualizador tiene múltiples aplicaciones en todas las ramas de la ingeniería eléctrica. la red ecualizadora se coloca a la entrada del receptor. La respuesta impulsional h(t) de un sistema de fase lineal tiene entonces la forma general mostrada en la Fig. En efecto. además. Sea H (f ) =| H (f )|exp(− j2πt o f ) donde t o es el retardo de transmisión y h( t ) = ∫ ∞ −∞ | H ( f )|exp( − j2 πt o f ) exp( j2 πtf )df = | H ( f )|exp[ j2 π ( t − t o ) f ]df −∞ ∫ ∞ Puesto que |H(f)| es una función par de f. es decir. Una primera aplicación de estos conceptos la veremos más adelante al tratar los filtros ideales.112 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En la práctica. para t = t o .63).63) Sin necesidad de resolver la integral (2. 2.63) porque cos[2π (t − t o )f ] tiene su valor máximo en t = t o para todo f. Asimismo. 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.14(a).14. es un sistema cuya característica de fase es lineal y en el cual el módulo de su función de transferencia tiene cualquier perfil. que h(t) es causal. 2. Sistema de Fase Lineal. 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 ) . el valor máximo h max de h(t) se alcanza cuando t = t o . con valor máximo h max en t = t o y distinta de cero para t < 0. . entonces h (t ) = ∫ ∞ −∞ | H (f )|cos[ 2π (t − t o )f ]df (2. la expresión (2. si el retardo t o es lo suficientemente grande. podemos suponer que h( t ) ≈ 0 para t < 0 .14(b): simétrica respecto a t = t o . Cualquier otro valor de t lo que hace es disminuir el valor del integrando en (2.

Distorsión de Fase La “Distorsión de Fase”.4. Distorsión no Lineal Los dos primeros tipos son formas de distorsión lineal. se consideran dos tipos de distorsión de retardo: la “distorsión de retardo de fase” y la “distorsión de retardo de envolvente o de grupo”. minimizar mediante un diseño apropiado del sistema.65) donde β( f ) / f es simplemente la pendiente. pues siempre se producirá un cierto grado de distorsión que es necesario cuantificar y. la distorsión se ha clasificado en tres tipos: 1.2. a través del sistema. cada uno de los cuales define un tiempo de retardo dado. de la característica de fase a una frecuencia dada [t p (f) es el tiempo de propagación. A este efecto. En la segunda forma de distorsión de retardo. si hay que operar en una pequeña gama de frecuencias alrededor de . Sea t g ( f ) este retardo. En este caso. entonces t g (f ) = − 1 d 2π df β ( f ) seg (2. 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. en un canal telefónico la atenuación en los bordes de la banda se debe a los filtros presentes en el sistema. a las características pasaalto de los transformadores y a los capacitores en serie presentes. se manifiesta como una deformación de la envolvente de las señales. Distorsión de Amplitud La “Distorsión de Amplitud”. de la componente de frecuencia f]. algunas veces llamada también “Distorsión de Frecuencia”. el tiempo de retardo correspondiente se define como la derivada de la característica de fase. las componentes de frecuencia son atenuadas (o amplificadas) en forma diferente en las diferentes gamas de frecuencia. Por ejemplo. se produce cuando |H(f)| no es constante dentro de la banda de paso del sistema. si es posible.66) En muchos casos la característica de fase de un sistema se puede aproximar como una curva lineal por tramos. Por ejemplo. más conocida como “Distorsión de Retardo”. El rizado dentro de la banda de paso es causado principalmente por desequilibrios de impedancia y las reflexiones consiguientes. Por definición. Para caracterizar esta situación. Tipos de Distorsión En la práctica la transmisión sin distorsión se puede alcanzar solamente en forma aproximada.113 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Distorsión de Amplitud 2. es decir. respecto al origen. el retardo de fase es t p (f ) = − 1 β(f ) 2π f seg (2. efecto que se produce en los circuitos cuando la característica de fase β(f) no es lineal. Distorsión de Fase 3. 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.

β( f ) = β ( f c ) + ( f − f c ) De (2. Entonces. la fase β(f) se puede aproximar con los dos primeros términos de su desarrollo en serie de Taylor. 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. mientras que la fase de la portadora está retardada en una cantidad igual al retardo de fase t p ( f ) . 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 . para frecuencia negativa. con f → − f . como es el caso en sistemas pasabanda de banda angosta. se aplica para frecuencia negativa.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 ) .114 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS una frecuencia central f c . 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. y su negativo.f c )exp -j2 πf c t p (f c ) − j2 π (f − f c ) t g ( f c ) c g c c p (fc ) c p c [ ] [ ] {X( f + f ) exp[ − j2π( f + f ) t ( f )] exp[ j2πf t + X( f − f ) exp[ − j2 π ( f − f )t (f )] exp[ − j2 πf t c c g c ]+ (f )] } Para determinar la transformada inversa de esta expresión podemos utilizar el par de transformadas obtenido en el Problema de Aplicación 1.65) y (2. El retardo de envolvente o retardo de grupo es la forma de retardo más . Esto se debe a que la fase es una función impar de la frecuencia.23(a): x( t − t o ) exp[∓ j2 πf c t ] ⇔ X( f ± f c ) exp[− j2 πt o ( f ± f c )] Aplicando esta expresión a Y(f) y agrupando términos se obtiene finalmente y( t ) = h o x[t − t g ( f c )] cos 2πf c [t − t p ( f c )] [ ] (2. Este resultado es muy importante en la recepción de señales moduladas y es el principio utilizado en los instrumentos de medición de los retardos de grupo y de fase.66). Tanto t g ( f ) como t p ( f ) están evaluados a la frecuencia f c de la portadora. es decir. H ( f ) = H − (f ) + H + ( f ) .

115 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS utilizada en la caracterización de un canal de comunicaciones. ♣ Ejemplo 2. f 2 = 25 Hz.15. y 2 ( t ) = 2 cos[10π ( t − 1 80 )] + 1. . |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. ganancia = 2. ganancias: 2 y 1. 1 π 1 = .15.5 Hay distorsión de amplitud solamente: diferente. (b) . f 2 = 15 Hz. (a) Frecuencias presentes: f1 = 5 Hz.14 Sea un sistema cuyas características de amplitud y fase se muestran en la Fig. (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. sobre todo si la señal está modulada.5 cos[ 30π (t − 1 80 )] + cos[50π ( t − 1 100 )] 2 π 2 ⋅ 25 Hay distorsión de amplitud y de fase: las componentes están amplificadas en forma diferente y sus retardos son también diferentes. t o = Ganancias: 1. 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. f 2 = 6 Hz. (b) Característica de Fase Este sistema es excitado por las tres señales (a) x 1 ( t ) = cos(10πt ) + cos(12 πt ) . t1 = 1 π = 1 100 Frecuencias presentes: f1 = 15 Hz. (c) las componentes están amplificadas en forma 1 80 .5 cos[30π (t − 1 80 )] to = 1 80 En el sistema hubo transmisión sin distorsión. pues representa el verdadero retardo de la señal.5 y 1 y 3 ( t ) = 1. 2. 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. 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).

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

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

2. 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. produce interferencias a todas las frecuencias ocupadas por la señal deseada. dispuestos en la forma mostrada en la Fig. Como ambos términos se superponen en el intervalo (-B. (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. Esto se puede apreciar en la Fig. Con este método. la amplitud de la señal se mantiene dentro del rango de operación lineal de la característica de transferencia. En general. . Obsérvese que el término de distorsión ocupa un ancho de banda el doble del de la señal útil. Sistema de Compansión. considerado como distorsión.17(c).17.16 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 ). 2. ♣ Compansión La característica de transferencia de la Fig. recuperar X(f) a partir de Y(f). en general.118 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. La compansión se efectúa mediante dos dispositivos no lineales: un “compresor’ y un “expansor”.18. 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. 2. B). conocido con el nombre de “compansión (compresiónexpansión)”.16 sugiere un método para disminuir la distorsión no lineal. pero el segundo término.18. Entrada x(t) Compresor Canal no Lineal Expansor Salida y(t) Fig. Dibujar el espectro de la salida. 2. 2. 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. mediante aplicación sucesiva del teorema de la convolución. habrá distorsión y será imposible.

TABLA DE IDENTIDADES DE DIAGRAMAS DE BLOQUES No. H N ( f ) b a b + a 2 H 1 ( f ) + H 2 ( f ) +.. INTERCONEXION DE SISTEMAS Normalmente un sistema de comunicación comprende numerosos subsistemas interconectados en diferentes formas. se puede utilizar. Es necesario. ajustar también la salida del sistema de tal manera que se compense el ajuste. Si se conoce las funciones de transferencia de los diferentes subsistemas. que g exp g comp [ x (t )] = x ( t ). en paralelo y retroalimentada. Las tres formas básicas de interconexión de sistemas son: en cascada o serie. es el complemento de la característica de transferencia del compresor. a menudo es necesario reducir un diagrama de bloques dado a cualquiera de estas tres formas básicas.. entonces y(t) = x(t). 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. y ( t ) = g exp [ln x ( t )] = exp[ln x (t )].. entonces. es decir.+ H N (f ) b 3 a H 1 (f ) H 2 (f ) b a H 1 (f ) 1 + H 1 ( f ) H 2 (f ) b En la reducción de diagramas de bloques hay que tener en cuenta las interacciones o efectos de carga y acoplamiento que ocurren cuando un subsistema se conecta a otro. por ejemplo. compensar la diferencia entre voces fuertes y voces débiles. donde g exp {⋅ ⋅}. Estas tres formas básicas se muestran en la siguiente TABLA DE IDENTIDADES. 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 ). es decir.5. Por ejemplo. un compresor con una característica de transferencia g comp [x (t )] = ln[x ( t )]. puede ser posible y deseable combinarlas para constituir una sola función de transferencia total. la característica de transferencia del expansor. Para una entrada positiva x(t).. Como el compresor ajusta el rango de la señal de entrada. Como los diagramas de bloques se utilizan mucho en el análisis de sistemas. a fin de que el sistema equivalente represente verdaderamente la interconexión de los subsistemas. 2. también ajustará el rango de la señal de salida.119 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS El compresor ajusta el rango de amplitudes de la señal de entrada de manera que caiga dentro del intervalo lineal del canal. .

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. Circuito de Retención (Sample and Hold) Consideremos el “circuito de retención (zero-order hold)” de la Fig. 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. De acuerdo con la dependencia funcional de H(f) respecto a la frecuencia.19. 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. tiene una función de transferencia H 1 (f ) = 1. pasaalto y eliminador de banda. Esta selectividad en frecuencia es lo que comúnmente se denomina “filtración”. 2. ciertas componentes de frecuencia son amplificadas mientras que otras son atenuadas o rechazadas. La teoría . pasabanda. Este sistema es muy sencillo. Fig.19(a).6. Desde este punto de vista.17.120 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. mientras que la rama del integrador tendrá H 3 ( f ) = 1 / ( j2 πf ) . τ características de la función de transferencia del circuito de retención. la respuesta impulsiva o impulsional h(t) será ) que tiene la forma mostrada en (c). el diagrama de bloques tendrá la forma mostrada en (b).6. FILTROS 2. Introducción En su acepción general. 2. En términos de estas funciones. La rama inferior tiene una función de transferencia H 2 (f ) = exp( − j2 πτf ). ♣ 2.1. sobretodo en el muestreo y procesamiento de señales. 19. los filtros básicos pueden ser pasabajo. debemos obtener primero la función de transferencia de los diferentes bloques. Para analizarlo. pero lo vamos a utilizar para hallar su función de transferencia equivalente. Este circuito tiene muchas aplicaciones en comunicaciones. 2. La rama superior.

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

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

h c ( t ) = 2 Bh o sinc[2 B(t − t o )]Π( t − to 2t o ) ⇔ H c (f ) . 2. 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.23(b). En efecto. estos filtros no pueden ser realizados físicamente pues su característica de amplitud |H(f)| viola el Criterio de Paley-Wiener.22(b).23(a). Ninguno de los filtros ideales considerados hasta ahora son causales debido a los bordes abruptos de las funciones de transferencia.71).. 2. 2. ♣ Ejemplo 2. de la Fig.23(a). Además.74) (2. entonces la respuesta de frecuencia se extenderá más allá de la banda de paso y contendrá rizados dentro de la misma banda.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 ) (2.18. Esto podemos apreciarlo en el siguiente ejemplo. De (2. cuyas respuestas impulsionales contienen funciones sinc(. Consideremos la respuesta impulsional de un filtro ideal pasabajo que de alguna forma hemos limitado entre 0 y 2to para hacerla causal.) que se extienden para t < 0. ⎡ f + fo f − fo ⎤ H EB ( f ) = H PT (f ) − H BB (f ) = h o ⎢1 − Π( ) − Π( ) ⎥ exp(− j2 πt o f ) ⎣ B B ⎦ (2. 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 < 0.76) (2. 2.75) Esta respuesta se muestra en la Fig. Este filtro se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabanda.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.

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.24(b) se muestra las características de H c (f ). ♣ . nótese que | H c ( f )| se extiende más allá de la banda de paso. 2. Nótese también que H c (f ) ya no viola el Criterio de Paley-Wiener y por lo tanto es físicamente realizable. ⎧ t ⎫ )⎬ = H 1 ( f ) = ⎨ sinc(2 Bt ) Π( 2t o ⎭ ⎩ H 1 (f ) = 1 2B Π( f 2B ) ∗ 2t o sinc( 2 t o f ) = ∫ B ∞ −∞ sinc[ 2 t o (f − λ )]Π( Resolviendo esta integral siguiendo el procedimiento del Ejemplo 2.124 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS h c ( t ) se muestra en la Fig. 2. La correspondiente función de transferencia se puede obtener en la forma siguiente.10(b).24(a). lo cual resulta en un cierto grado de distorsión de amplitud que con un buen diseño se puede hacer muy pequeño. Obsérvese el rizado presente dentro de la banda de paso. Sea h 1 ( t ) = sinc(2 Bt ) Π( Entonces. 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.

y( t ) = ho 2 + ho π Si{2πB(t − t o ) } En la Fig. Nótese que la pendiente de y ( t ) alrededor de t = t o depende del ancho de banda del filtro. En efecto.25 se grafica esta respuesta.19. 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. d dt y( t )|t = t o ≈ ho tr Por consiguiente.25. de donde B≈ 1 2t r Obsérvese que cuanto mayor es el ancho de banda B. 2. ho tr ≈ ho π 2πB. y tomando el primer término del desarrollo en serie de potencias de la Integral Seno. (a) Respuesta a un Escalón Unitario En el Ejemplo 2. los resultados de este Ejemplo nos permiten entender lo que sucede en la transmisión de impulsos por un canal que en la práctica se denomina “canal de banda de base”. . la salida del canal se parece más y más a la entrada (el tiempo de alzada tr es menor).71).125 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. Respuestas de un Filtro Pasabajo Ideal En este Ejemplo vamos a considerar las respuestas de un filtro pasabajo ideal cuando se le aplica un escalón unitario o un impulso rectangular. 2. la pendiente de y(t) en t = t o será. 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 ) . Como un canal de transmisión se puede considerar como un filtro pasabajo. de (2. si definimos el “tiempo de alzada” t r en la forma mostrada en la figura. Fig.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.

mejor es la fidelidad a la salida. De (2.126 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( ) . Obsérvese también que la salida depende en forma apreciable del ancho de banda B del canal: cuanto mayor es el valor del producto BT.26 se muestra la respuesta y(t) para diferentes valores del producto BT. y ( t ) = 2 Bh o h( t ) = 2 Bh o sinc[ 2 B( t − t o )]. en la práctica su valor es despreciable. Por ejemplo. 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. la dispersión del impulso de salida es tal que puede interferir con impulsos adyacentes. si hacemos t o = En la Fig. Esto es lo que se conoce con el nombre de “interferencia intersímbolo”. es la salida típica de un sistema de fase lineal. y(t ) = ∫ ∞ −∞ x ( τ ) h ( t − τ ) dτ = ∫ τ Π( )2 Bh o sinc[ 2 B( t − t o − τ )]dτ −∞ T ∞ ∫ sen[ 2 πB( t − t o − τ )] dτ − T/ 2 2 πB( t − t o − τ ) T/ 2 Con el cambio de variables x = 2πB( t − t o − τ ). si el ancho de banda del canal es fijo.7). 2.71). Si se quiere disminuir el ancho de banda B a valores menores que 1/2T. El efecto del ancho de banda B es entonces más crítico cuando se transmite secuencias de impulsos. T De (2. . esta integral queda en la forma y(t ) = ho ∫ π T 2 πB ( t − t o + ) 2 T 2 πB ( t − t o − 2 sen( x ) x dx = ho ∫ π T 2 πB ( t − t o + ) 2 0 sen( x ) x − ho ∫ π T 2 πB ( t − t o − ) 2 0 sen( x ) x dx Con ayuda de la Integral Seno. y(t ) = ho ⎡ ⎧ ⎧ T ⎫ T ⎫⎤ ⎢Si ⎨ 2 πB( t − t o + ) ⎬ − Si ⎨ 2 πB( t − t o − )⎬⎥ ⎩ π ⎣ ⎩ 2 ⎭ 2 ⎭⎦ T h ⎡ ⎧ T ⎫ 3T ⎫⎤ ⎧ . como en los sistemas de transmisión digital en banda de base. Obsérvese que la salida es simétrica respecto a t = t o = T / 4 y existe para t < 0: la respuesta es no causal. En efecto.

2. 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. Si el filtro es pasabanda o eliminador de banda. Si B es el ancho de banda del canal y T la duración de los impulsos. pues to es. 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. las cuales separan las “bandas de paso” de las “bandas de atenuación o rechazo”. muy pequeño. 2. el ancho de banda del canal limitará la cantidad de impulsos que se pueden detectar por unidad de tiempo en la salida del canal. La interferencia intersímbolo la trataremos con más detalle en el Capítulo V.27. Como ejemplo de esta convención. como veremos en el Capítulo IV. Filtro Pasabanda Típico. Esta convención se denomina “Ancho de Banda de Potencia Mitad” o “Ancho de Banda de 3 decibeles (3 dB)”. con i = 1. . la velocidad de modulación (impulsos por segundo) en el canal.127 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS habrá un límite inferior sobre la duración permitida de los impulsos a transmitir.3.6. se determinan las frecuencias f1 y f 2 (con f 2 > f1 ) para las cuales se verifica que | H ( f i )| =| H ( f )|max / 2 .27 para un filtro pasabanda típico. 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”. depende entonces del ancho de banda. ♣ 2. El ancho de banda de 3 dB vendrá dado entonces por B 3dB =| f 2 − f1 |. es decir. las relaciones más utilizadas en la transmisión de impulsos son B = 1/T y B = 1/2T. La banda de paso se extiende en este caso desde f = 0 hasta f = B 3dB . en general.78) H(f) |H(f)|max Bandas de Transición Fig. como se muestra en la Fig. La selección de una u otra relación dependerá de la interferencia intersímbolo permitida. En este caso. el ancho de banda de 3 dB de un filtro pasabajo RC es B 3dB = 1 / 2 πRC puesto que | H ( f )|max =| H ( 0)| = 1 y | H ( B3dB )|= 1 / 2 . 2. Nótese que el retardo to influye muy poco en la interferencia intersímbolo.

2. De la Fig.29(a).79) -B B Fig.79) y su respuesta impulsional Supongamos que el retardo de transmisión es despreciable. que es un filtro con características en coseno elevado. (a) Filtro de Nyquist. En este caso. 2.128 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS El ancho de banda de un filtro puede definirse también en la misma forma utilizada para definir el ancho de banda de una señal. Más adelante se definirá otro ancho de banda denominado “Ancho de Banda Equivalente de Ruido”. Filtros Sinusoidales En el procesamiento. expresión (1. transmisión y recepción de señales en banda de base se utilizan algunos filtros cuyas funciones de transferencia tienen envolventes sinusoidales. Primera Forma.20. Vamos a determinar su ancho de banda de 3 dB. B 2 ⋅B 1 . | H( f )| df 1 −∞ B= 2 | H( f )| max |H(f)| | H (f )|max f 0 ∫ ∞ (2. como se muestra en la Fig. |H(f)|max = ⎢1 + cos(2 π 2B ⎣ 2B ⎦ 2B B El ancho de banda de 3 dB se obtiene a partir de ⎤ 1 ⎡ π ⎢1 + cos( B 3dB ) ⎥ = ⎦ 2B ⎣ B π .28 La expresión (2. el procedimiento es el mismo. ♣ Ejemplo 2.28 en el caso de un filtro pasabajo. Consideremos la primera forma del denominado “Filtro de Nyquist”. Para filtros pasabanda. de donde cos( B3dB ) = 2 − 1 . 2. 2.79) es equivalente a reemplazar el espectro |H(f)| por un rectángulo cuya área es igual al área bajo |H(f)| y cuya altura es | H ( f )|max .117).29(a). H ( f ) = 1 ⎡ 1 f ⎤ f )⎥Π( ). Vamos a definir tres de estos tipos de filtro. el ancho de banda definido por la expresión (2. como se muestra en la Fig.

∫ ∞ −∞ | H ( f )| df = ∫ 1 ⎡ πf ⎤ ⎢1 + cos( )⎥df = 1 − B 2B ⎣ B ⎦ B El ancho de banda del Filtro de Nyquist es. (b) Filtro de Nyquist. mostrada en la Fig.5 ⋅ B 1 f Π ( ) ⇔ sin c(2Bt) . según la expresión (2. Segunda Forma La segunda forma del Filtro de Nyquist se muestra en la Fig. 4142 B de donde B 3dB = 0.29(b) se muestra la forma de h(t).79): Obsérvese que Bc > B3dB Calculemos ahora su respuesta impulsional. 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 .129 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS π Resolviendo cos( B3dB ) = 2 − 1 = 0. 2. 2. se obtiene finalmente h (t ) = sinc(2 Bt ) 1 − ( 2 Bt ) 2 En la Fig.) y rearreglando.364π . La función de transferencia H(f) de este filtro.29(c). obtenemos π B3dB = 0.29(a). 2. De la Fig. Aplicando el dual del teorema de la modulación. 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(.29(c). H(f ) = pero 1 ⎡ f ⎤ f 1 f 1 f f ⎢1 + cos(2π 2B ) ⎥ Π ( 2B ) = 2B Π ( 2B ) + 2B Π ( 2B ) cos(2π 2B ) 2B ⎣ ⎦ B c = 0. B También. 2.364 ⋅ B para B 3dB ..

.79).364π .29(d). 4142 . 272f d o también B3dB = B − 1. 272f d H(f ) max = 1 y En cuanto al ancho de banda dado por (2. ∞ −∞ ∫ H(f ) df = 2 f o −f d ∫ 0 df + 2 fo +f d π(f − f o + f d ) 1 {1 + cos[ ]}df = 2f o 2f d f o −f d 2 ∫ de donde. de donde cos[ ]⎥ = ⎢1 + cos[ 2f d 2⎣ 2f d 2 ⎦ Resolviendo para B3dB. obtenemos: π(B3dB − f o + f d ) = 0. Veamos el ancho de banda de 3 dB. de donde 2f d B3dB = 0.728f d + f o − f d = f o − 0. Bc = f o = B − f d . 2. 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 = 0.130 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. 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.

Veamos el ancho de banda de 3 dB. 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.29(e). obtenemos: πB3dB π = . 2.131 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que cuando f1 = 0. de donde cos( 3dB ) = cos( 3dB ) = B 2B 2B 2 2B 2 Resolviendo para B3dB. . (c) Filtro de Respuesta Parcial En la transmisión en banda de base se emplean las “técnicas de respuesta parcial” en los llamados sistemas duobinarios. la segunda forma del Filtro de Nyquist se convierte en un filtro rectangular de f la forma H(f ) = Π ( ) . como veremos en el Capítulo V.5B . 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. 2. de donde 2B 4 B3dB = 0.29(f). El ancho de banda de 3 dB se obtiene a partir de πB πB 1 1 1 2 = . mientras que si fd = 0. este filtro se convierte en la primera forma del Filtro de Nyquist. 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.

82). entonces el espectro de salida del sistema. 2.7.84) . el ancho de banda dado por la expresión (2. ∞ H(f ) max = 1 y B −∞ ∫ | H(f ) | df = 2∫ Bc = B 1 πf 4 cos( )df = 2B π 0 B de donde. Esto quiere decir que si x ( t ) ⇔ X(f ) .82) que se representa en la Fig.83) En consecuencia. en general. 2. La Transformada de Hilbert En la Sección 2. que representaremos con X( f ). “Filtro de Hilbert” o “Filtro de Cuadratura”. es decir. ♣ 2. 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.4.1.80) (2. 2 B = 0.30(b). X( f ) = − jX( f ) u ( f ) + jX( f ) u ( − f ) = jX( f )[u (− f ) − u ( f )] (2.79) es mayor que el ancho de banda de 3 dB.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. Fig. Este sistema se conoce con el nombre de “Transformador de Hilbert” .132 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En cuanto al ancho de banda dado por (2. será π X( f ) = X( f ) exp( − j ) = − jX( f ) para 0 ≤ f 2 π X( f ) = X( f ) exp( j ) = jX( f ) para f<0 2 Entonces.80). de (2. SEÑALES Y SISTEMAS PASABANDA 2. entonces H h ( f ) será la función de transferencia del sistema. De (2.81) X( f ) = − j sgn(f )X( f ) y también X( f ) = j sgn( f ) X( f ) Si X( f ) = H h ( f ) X( f ). ∫ π 1 ∞ x (τ ) −τ −∞ t dτ = ∫ π 1 ∞ x(t − τ ) τ −∞ dτ (2. la respuesta impulsional del transformador de Hilbert es 1 { H h (f )} = h h (t ) = πt 1 x(t ) = h h (t ) ∗ x(t ) = (2.79).7.30(a). 637B π Nótese que. para todo f. H h ( f ) = − j sgn(f ) (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. que si por ejemplo. pero si x(t) = sen(ωc t + θ) . φh (f ) = φx (f ) ± Otras propiedades de la Transformada de Hilbert.87) 2 La expresión (2.86) y en virtud de (2. H h (f ) = H h (f ) exp[ jφh (f )]. 2. mientras que las expresiones π (2. cuyos principios básicos veremos más adelante.85) (2. . | X(f )| =| X(f )| π (2.27 se deducen algunas relaciones muy interesantes aplicando la Transformada de Hilbert. es decir.80). entonces x ( t ) = − A cos(ωc t + θ) . ∫ x(t)x(t)dt = 0.84) generalmente se representa en la forma x(t ) = {x(t )} -1 −1 ) ∗ x(t) = π jπt De (2. 2 entonces x ( t ) = A sen(ωc t + θ) . son: • • [x(t)] = -x(t) Si x ( t ) es par. 1 {X( f )} = x( t ) = j( ∫ ∞ −∞ x( t ) −1 dτ = π t−τ ∫ ∞ −∞ x( t − τ ) dτ τ (2. En el Problema de Aplicación 2. es decir. • x ( t ) y su transformada de Hilbert x ( t ) son ortogonales. y viceversa. −∞ ∞ • x ( t ) y su transformada de Hilbert x ( t ) tienen la misma función de autocorrelación (La función de autocorrelación la trataremos más adelante). H h (f ) = 1. La transformación (2.86) demuestra que x ( t ) y x(t) tienen la misma densidad espectral de energía o la misma densidad espectral de potencia (en el límite). que no demostraremos aquí. x ( t ) = A cos(ωc t + θ) .30.81). entonces x ( t ) es impar.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.87) explican el cambio de fase en ± .

134 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. 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. estos cuernos pueden causar problemas en sistemas de comunicación que utilizan transformadas de Hilbert. en sistemas telefónicos que son sistemas donde se aplica el concepto de banda lateral única. las discontinuidades de una señal producirán cuernos en su transformada de Hilbert correspondiente. A los lugares donde x ( t ) se hace infinito algunas veces se les denomina “cuernos”.21 Determinar la transformada de Hilbert de un impulso rectangular x ( t ) = AΠ( Solución De (2. De (2.31 ♣ Determinar la transformada de Hilbert de la señal pasabajo x ( t ) = 2 ABsinc( 2 Bt ). ∫ 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. ♣ Ejemplo 2. En general.80) o según el procedimiento gráfico mostrado 2B en la Fig. Solución ) . x(t ) = − A π x(t ) = ln| τ − t |T = 0 1− T / 2 T ).84). por ejemplo. X( f ) = AΠ( f Por transformada de Fourier inversa. 2.22 x (t ) t 0 Fig.31. 2.30(c). 2. x ( t ) = jA[ Bsinc(Bt ) exp( − jπBt ) − Bsinc(Bt ) exp( jπBt )] x ( t ) = 2 ABsinc( Bt ) sen( πBt ) = 2 A sen 2 ( πBt ) πt ♣ .

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 . ♣ ♣ Ejemplo 2. la integral dentro de los corches queda en la forma x(t ) = − j ∫ ⎡⎢⎣∫ sgn(u + v)M(v)C(u) exp[ j2πt (u + v)]du⎤⎥⎦dv ∞ ∞ −∞ −∞ .v. y según el procedimiento gráfico de la Fig. si m(t) es una señal pasabajo de banda limitada B y f c ≥ B . se cumple que si x ( t ) = m(t ) cos( 2 πf c t ) . ⎢ 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 ) . Del teorema de la modulación. 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.135 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. X( f ) = f − fc ⎤ A ⎡ f + fc ) + Π( )⎥ . y si x ( t ) = m( t ) sen(2πf c t ) . 2. Entonces. Vamos a suponer entonces que M ( f ) = 0 para |f|> W y C(f) = 0 para |f|< W . La señal c(t) puede ser pasaalto o pasabanda.30(c).24 Determinar la transformada de Hilbert de la señal x ( t ) = m(t ) ⋅ c( t ) . Estos resultados son muy importantes en el análisis de sistemas de comunicación y los estaremos utilizando constantemente. entonces ˆ x ( t ) = − m( t ) cos(2πf c t ) .23 Determinar la transformada de Hilbert de la señal pasabanda x ( t ) = 2 ABsinc(2 Bt ) cos(2πf c t ) con fc ≥ B Solución Sea m( t ) = 2 ABsinc( 2 Bt ) ⇔ M (f ) = AΠ( f 2B ). Esto quiere decir que los espectros M(f) y C(f) no se solapan. donde se cumple que M ( f )C (f ) = 0 para todo f. donde W es una frecuencia cualquiera. x( t ) = m( t ) c( t ) ⇔ X( f ) = M ( f ) ∗ C(f) = M(v)C(f . m(t) es una señal pasabajo.

se puede formar la siguiente señal compleja (2. ♣ 2. Este resultado también es importante en el análisis de señales y sistemas pasabanda. en este caso se dice que estas señales son “señales de banda angosta”. de ancho de banda 2B. pues siendo x(t) real.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)”. Nótese que. que no se solapan en frecuencia. La señal analítica es muy útil en el análisis de señales y sistemas pasabanda.90a) . el ancho de banda 2B es pequeño en comparación con f c . En efecto.32. 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. X(f) 2B 1 Z x (f ) 2 2B −fc 0 fc Fig. 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. La Señal Analítica Consideremos ahora el concepto de señal analítica.88) La transformada de Hilbert del producto de dos señales. en general. 2. Sea x(t) una señal real pasabanda cuyo espectro X(f). 2. como se muestra en la Fig. es igual al producto de la señal pasabajo por la transformada de Hilbert de la señal pasaalto (o pasabanda). f c >> B. es decir.32(a). una pasabajo y la otra pasaalto (o pasabanda). f (a) Espectro de x(t) fc (b) Espectro de la Señal Analítica de x(t) 0 f Una característica muy importante de la señal analítica es el comportamiento de su transformada de Fourier.7. En la mayoría de las señales pasabanda empleadas en las comunicaciones.2. Si x (t ) = {x(t )}. su espectro X(f) tendrá simetría hermítica. está concentrado alrededor de las frecuencias ±fc . pero sí respecto al origen. 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. como lo veremos de inmediato.

x ( t ) = 2ABsinc(2 Bt ) cos(2πf c t ) De (2. ella puede expresarse en la forma z x ( t ) =| z x ( t )|exp[φ z ( t )] Por consiguiente. ♣ Ejemplo 2. pues estas señales son de gran utilización en comunicaciones. y de acuerdo con las expresiones (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). z x ( t ) = ~x ( t ) exp( j2πf c t ) = x ( t ) + jx (t ) z (2. respectivamente. .89) y (2. la envolvente y la fase de la señal del Ejemplo 2.25 Calcular la preenvolvente.94) donde x c (t ) y x s ( t ) son dos señales cuyas características determinaremos a continuación. 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 ) .89). 2. sin embargo.90b) El espectro de la señal analítica de x(t) es idénticamente nulo para f < 0. La envolvente Ez(t) se aproximará bastante a la salida de un detector de envolvente físico para señales de banda angosta. z De (2. como se muestra en la Fig. x ( t ) = Re{ z x (t )} =| z x (t )|cos[φ z ( t )] (2. de donde E z ( t ) = 2AB| sinc( 2 Bt )| 2.93).137 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también Z x (f ) = 2 X(f )u (f ) (2. Señales Pasabanda y φ z (t) = 2πf c t ♣ Consideremos ahora el producto z x ( t ) exp(− j2πf c t ) y definamos una nueva señal ~ ( t ) = z ( t ) exp(− j2πf t ) = x (t ) + jx ( t ) zx x c c s La señal ~x ( t ) se conoce con el nombre de “envolvente compleja de x(t)”. Nosotros hemos dado preferencia a señales pasabanda de banda angosta. es también unívoca. Del Ejemplo 2.94). la señal x(t) y su transformada de Hilbert x ( t ) son unívocas.92a) (2.91) (2.92a). donde f c >> B . Como z x (t ) es compleja.7.93) 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 ) . Como a una señal x(t) corresponde de manera unívoca la señal analítica z x ( t ) . Obsérvese que el concepto de señal analítica o preenvolvente se aplica a cualquiera señal que posea un espectro.53 y con f c ≥ B.95) (2.32(b).92b) x(t) x(t) (2.53. no necesariamente las señales tienen que ser de banda angosta. es decir. la representación de x(t) en la forma (2.3. es suficiente que se cumpla que f c ≥ B.

2.100) (2. Xc(f) y Xs(f) Vamos a demostrar que si x(t) es una señal real pasabanda. ~ De (2. podemos ver que. En efecto.97) (2.98) (2. como tampoco lo es su conjugado Z* (−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 ). y puesto que z x (t) es compleja.33(b).101) 1 ~ 1 ~ (2. Formación de X(f).99) Zx (f ) = Zx (f + f c ) . 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. Nótese que el espectro Z x ( f ) no es simétrico respecto al origen. (2. 2.94). 2. x c ( t ) = Re{~x (t )} = x ( t ) cos( 2πf c t ) + x ( t ) sen( 2πf c t ) z x s ( t ) = Im{~x ( t )} = x ( t ) cos( 2πf c t ) − x ( t ) sen(2πf c t ) z de donde x ( t ) = x c (t ) cos(2πf c t ) − x s ( t ) sen( 2πf c t ) x ( t ) = x c (t ) sen( 2πf c t ) + x s ( t ) cos( 2πf c t ) Por transformada de Fourier.33(a).33. se verifica que TF{z* (t)} = Z* (−f ) = X c (f ) − jX s (f ) .138 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En consecuencia. Z x ( f ) = X c ( f ) + jX s ( f ) .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. 2.96) (2. entonces xc (t) y xs (t) serán señales reales pasabajo de banda limitada B. X (f ) = ~ Z x (− f ) = Z x (− f − f c ) (2. Fig.33.32 y 2. x . para f c ≥ B. Figs. x x X c ( f ) y X s (f ) se pueden expresar entonces en función de Z x (f ) y Z* (−f ) .

de (2.97).107b) (2.106) x c ( t ) y x s ( t ) son señales reales Con esto demostramos finalmente que las señales pasabajo de banda limitada B. Así que z ~ ~ ~ ~ Z x (f ) = Z x ( − f ). En la Fig.99). en relación con la frecuencia central fc . x(t) = x c ( t ) cos( 2πf c t ) z X( f ) = que es el caso de las señales moduladas.103) (2. en el sentido visto en la Sección 1. Z x (− f − f c ) = Z x ( f + f c ) (2. En particular.33(c).5. mientras que x s (t ) es la “componente en cuadratura”. Las señales pasabajo x c (t ) y x s ( t ) se denominan “componentes ortogonales de x(t)”.107c) La expresión (2. ⎧[ X( f + f ) + X( f − f )] para |f|≤ B ⎪ c c X c (f ) = ⎨ ⎪0 para B <|f| ⎩ (2. x X c ( f ) y X s ( f ) son las componentes simétricas y antisimétricas. Vemos también que X c ( f ) y X s ( f ) están relacionadas con las partes de X(f) que son simétricas y antisimétricas. como veremos en los próximos capítulos. entonces Z x ( f ) será simétrica respecto al origen y no tendrá componente antisimétrica [ ~x (t ) será real].104) ~ Como Z x (f ) es una señal pasabajo.105) ⎧− j[ X( f + f ) − X( f − f )] ⎪ c c X s (f ) = ⎨ ⎪0 ⎩ para | f| ≤ B para B <| f| (2. De aquí resulta que. una señal real pasabanda x(t) con un ancho de banda 2B y centrada en la frecuencia f c .103) y (2.108) [ ] (2. Z* (−f ) lo será también. Esta expresión es básica en todos los sistemas de modulación lineal. (d) y (e). x c ( t ) x y x s ( t ) serán también señales pasabajo.104). Los mismos argumentos se aplican a la transformada de Hilbert de x(t). ~ Nótese que si X(f) es también simétrica respecto a la frecuencia central f c . ~x ( t ) = x c (t ).107a) 1 ~ ~ Z x (f + f c ) + Z x f − f c ) .96) y (2. cada una de banda limitada B. Nótese que las asimetrías del expectro X(f) en relación con la frecuencia f c son . respectivamente.108) se conoce también con el nombre de “forma canónica de x(t)”. como se desprende de la expresión (2. se puede expresar en términos de dos señales pasabajo x c ( t ) y x s ( t ) reales. del ~ espectro Z x ( f ) de la envolvente compleja. En resumen. se muestra la formación de X(f) a partir de Z x (f ) y Zx (−f ) .139 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 1 ⎡ Zx (f ) + Z∗ (−f ) ⎤ x ⎦ 2⎣ 1 X s (f ) = − j ⎡ Zx (f ) − Z∗ (−f ) ⎤ x ⎦ 2⎣ X c (f ) = (2.7. y de (2. mediante la expresión x ( t ) = x c ( t ) cos(2πf c t ) − x s ( t ) sen( 2πf c t ) con fc ≥ B (2. 2. y X c ( f ) y X s ( f ) a partir de Z x (f ) y Z* (−f ) .108) es una generalización del teorema de la modulación que vimos anteriormente. X s (f) = 0 2 x s ( t ) = 0. x c ( t ) es la “componente en fase”. respectivamente. La expresión (2.

de (2. Esto lo trataremos más adelante. la frecuencia instantánea de x(t) es. las bandas de frecuencia sobre y bajo la frecuencia fc.108).34.114) o (2. Estos conceptos son de gran aplicación en comunicaciones. siendo θ un ángulo o desfase arbitrario y x c (t ) ≠ x s (t ) . 2.109) (2.114) donde x c ( t ) y x s ( t ) son señales reales de banda limitada B. en efecto. es decir.110) (2. es decir. de (2. x s (t) = 0 . se puede extraer de x(t) su envolvente natural E(t) portadora de información. si el espectro X(f) es simétrico respecto a f c . la correspondiente señal x(t) pasabanda no poseerá una componente en cuadratura. de ancho de banda 2B y centrado en la frecuencia fc . se puede aislar o extraer. vemos que de donde 2 | ~x ( t )| = x c ( t ) + x 2 ( t ) = E ( t ) z s x ( t ) =| ~x (t )| cos[ 2πf c t + ψ(t )] z (2. Por otra parte. la envolvente natural E(t) es siempre una señal pasabajo que en los sistemas de comunicación contiene la información a transmitir.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. 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. mediante una técnica conocida como “detección sincrónica o coherente”. será una señal real pasabanda con un espectro X(f) asimétrico respecto a fc . Los diferentes tipos de modulación lineal que se estudiarán en los Capítulos V y VI son casos particulares de la expresión (2. con f c ≥ B. 1 d f i (t) = [2πf c t + ψ ( t )] 2 π dt 1 d ψ(t) f i (t) = f c + (2. que son las que poseen la información. La preenvolvente z x (t ) de una señal real pasabanda x(t) es una señal compleja pasabanda cuyo valor depende de la frecuencia fc . En general. pues.109). Entonces. mientras que la envolvente compleja ~x (t ) es una señal compleja pasabajo cuyos valores son independientes z de la frecuencia fc. diremos sin demostrarlo. La señal x(t) dada por (2. por definición.113) 2 π dt El concepto de frecuencia instantánea es de gran aplicación en los sistemas de modulación angular.111) es la “envolvente natural” de x(t) es la “fase natural” de x(t) pero. en los cuales generalmente f c >> B. .94).112) La envolvente natural de una señal pasabanda real x(t) viene dada por el módulo de su correspondiente envolvente compleja ~x (t ) . Los resultados anteriores se pueden resumir en los dos esquemas de la Fig. que veremos en el Capítulo VI. z Algunas veces es conveniente definir la “frecuencia instantánea” de la señal pasabanda x(t).140 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS producidas por la componente en cuadratura x s ( t ) . juntas o separadamente.

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. que es una realización término a término de la expresión (2.141 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS z c (t ) 2 cos(2 πf c t ) −2 sen(2 πf c t ) Filtro Pasabajo B B x c (t ) x c (t ) + x(t) cos(2πf c t ) sen(2πf c t ) x s (t ) x(t) _ z s (t ) (a) Generación de x c (t ) y x s ( t ) (b) Reconstrucción de x(t) a partir de x(t) a partir de x c (t ) y x s ( t ) Fig.34(a). ♣ Ejemplo 2. ⎡ ⎛ 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 ⎠ . 2. 2.105) y (2. 2.34(b).34 son básicos en el análisis de todos los sistemas de modulación lineal.35(a). Fig.35 (c) Espectro de x s (t ) El espectro X(f) se puede expresar en la forma.34 Filtro x s ( t ) Pasabajo Las señales pasabajo x c (t ) y x s ( t ) se pueden deducir mediante el diagrama de bloques de la Fig. 2. Los dos esquemas de la Fig. 2. que es consecuencia directa de las expresiones (2. 2.35(a). 2. La señal pasabanda x(t) se puede reconstituir a partir de sus componentes ortogonales x c (t ) y x s ( t ) en la forma mostrada en la Fig.26 Calcular las componentes ortogonales del espectro X(f) de la Fig. Los filtros pasabajo son idénticos y de ancho de banda B.106).108). como veremos en los Capítulos V y VI.

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

z s (t) = − x(t)2sen(2πf c t) = −2A [1 + 2sen(2πf a t) ] cos(2πf c t)sen(2πf a t) = −A {sen [ 2π(f c + f a )t ] − sen [ 2π(f c − f a )t ] + 2sen(2πf a t)sen [ 2π(f c + f a )t ] − − 2sen(2πf a t)sen [ 2π(f c − f a )t ]} Todas las componentes son de alta frecuencia y son eliminadas por el filtro pasabajo. 2. ♣ .34.34(a). Zx(f) y Z (-f) (b) De la Fig.34(a).36. 2. 2.fa fc -jA f fa -fa 0 -jA f fa -fa (c) * x f 0 -jA (a) (b) Fig. z c (t) = x(t)2cos(2πf c t) = 2A [1 + 2sen(2πf a t) ] cos 2 (2πf c t) = A [1 + 2sen(2πf a t) ]{1 + cos [ 2π(2f c )t ]} = A {1 + cos [ 2π(2f c )t ] + 2sen(2πf a t) + sen [ 2π(2f c + f a )t ] − sen [ 2π(2f c − f a )t ]} El filtro pasabajo elimina todas las componentes de alta frecuencia (alrededor de 2fc).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 se muestran Z x (f ). Z x (f ) y Z* (−f ) . por lo tanto. La salida xc(t) será entonces x c (t) = A [1 + 2sen(2πf a t) ] . Espectros Z x(f). igual al valor obtenido en (a) De la Fig. 2. x s (t) = 0 ⇔ X s (f ) = 0 Nótese lo fácil que es operar directamente con la Fig. 2. x X s (f ) = Zx(f) jA A jA A Zx(f) jA Z*(-f) x A fc + fa 0 fc .

entonces Z x ( − f ) ≠ M ( f + f c ) y el espectro de x ( t ) = m( t ) cos(2πf c t ) tampoco tendrá simetría hermítica. Por lo tanto. z x (t ) será la función analítica de x(t).7. En la Fig.37(c). M(f) será simétrico respecto al origen. Como en el espectro X(f) de la señal modulada x(t) aparecen ambas bandas laterales. mientras que la banda de frecuencias en el intervalo [ f c − B] <| f | < f c se denomina “Banda Lateral Inferior”. 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.37 se muestra M(f). 2. Pero si M(f) tiene simetría hermítica. 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. de gran importancia en los sistemas de comunicación. . 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. Sea m( t ) ⇔ M (f ) una señal real pasabajo de banda limitada B que contiene alguna información a transmitir: m(t) es un mensaje. Hagamos el producto x ( t ) = m( t ) cos( 2 πf c t ) ⇔ X( f ) = Si f c ≥ B . que es el Teorema de la Modulación. expresión (1. se dice entonces que x(t) es una señal modulada de “Doble Banda Lateral”. Nótese que el espectro M(f) aparece ahora centrado en las frecuencias ±f c . La banda lateral inferior y la banda lateral superior son imágenes especulares respecto a f c .144 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. conviene en este punto conocer el significado de “Banda Lateral Doble” y “Banda Lateral Unica”. 2. y Z x (f ) será simétrico respecto a f c .95).4. 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”. siendo x(t) una señal real pasabanda.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 representará al espectro de una señal real modulada y tendrá la forma de la Fig. Si M(f) no tiene simetría hermítica [m(t) no es real].115) (2. Aunque la aplicación práctica de estos conceptos no la veremos sino en los Capítulos V y VI. Se sombrea una de las bandas de M(f) para mostrar su ubicación al ser modulada. Z x ( f ) y X(f).

Modulación Ortogonal o en Cuadratura (QAM) Cuando se transmite una señal pasabajo de banda limitada B en doble banda lateral. si se aplica las propiedades de la forma canónica de una señal pasabanda. 2. ♣ Ejemplo 2. “extraer” o “detectar” a partir de x(t) formando el producto (Ver Problema de Aplicación 2. puede enviarse simultáneamente dos señales diferentes por el mismo canal. y cualquiera otra señal que aparezca dentro de ese ancho de banda constituirá una distorsión o interferencia. la señal modulada ocupa una gama de frecuencias de ancho 2B centrada en la frecuencia f c de la portadora. QAM)”.28) x ( t ) 2 cos( 2 πf c t ) = m( t ) + m(t ) cos(4 πf c t ) y pasándolo por un filtro pasabajo que elimina las componentes de alta frecuencia (alrededor de ±2f c ). . 2. donde x 1 ( t ) y x 2 (t ) son dos señales pasabajo diferentes. 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. los filtros son pasabajo de ancho de banda B. con f c >> B y que contienen información. Esto significa que la envolvente natural de x(t) es simplemente el mensaje a transmitir y la fase natural es cero. Modulación QAM.38.38. 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.38.34(a). Esta operación. Obsérvese que la señal m(t). Este es un sistema de modulación muy utilizado en la práctica.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. como se muestra en la Fig. Sin embargo. 2. se puede determinar. denominada “detección sincrónica o coherente” y está representada en la rama superior de la Fig. Dispongamos la Fig. En la práctica este tipo de modulación se denomina “Modulación Ortogonal o en Cuadratura (Quadrature Amplitude Modulation. 2. de banda limitada B. 2.34 en la forma mostrada en la Fig. que es la envolvente natural de x(t).28.

117) Veamos ahora qué forma tiene el espectro S(f) de s(t). Z m ( f ) = [1 + sgn( f )]M ( f ) ⇔ z m (t). ♣ Modulación en Banda Lateral Unica Sea z m ( t ) la señal analítica de m(t). de donde s( t ) = m( t ) cos( 2πf c t ) − m( t ) sen( 2πf c t ) con fc ≥ B (2. es decir. por lo tanto. el espectro de x t ( t ) estará centrado en ±f c pero será asimétrico. . supongamos que x r ( t ) = x t ( t ) . s( t ) = Re{ z s ( t )} = Re{[ m( t ) + jm( t )] exp( j2πf c t )}. z s (t ) = s( t ) + js (t ) . expresión (2.146 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Puesto que x 1 ( t ) y x 2 (t ) son diferentes.117). es decir. Este tipo de modulación es muy utilizado en la transmisión de impulsos y señales continuas. sus dos bandas laterales tendrán perfiles diferentes. Con la modulación QAM el rendimiento del canal aumenta al doble.39(a). de modo que la salida del detector coherente será y 1 (t ) = A c x 1 (t ) Igualmente. como veremos en los Capítulos V y VI. Para simplificar el análisis. por la rama inferior del receptor se obtiene y 2 (t ) = A c x 2 (t ) y hemos recuperado las dos señales diferentes x 1 (t ) y x 2 ( t ) que fueron transmitidas por el mismo ancho de banda. es decir. Z m ( f ) tendrá la forma mostrada en la Fig. 2. x r (t ) = x 1 (t )A c cos(ω c t ) + x 2 (t )A c sen(ω c t ) Por la rama superior del receptor se tendrá x r1 (t ) = x r ( t )2 cos(ω c t ) = 2 A c x 1 ( t ) cos 2 (ω c t ) + 2 A c x 2 ( t ) sen(ω c t ) cos(ω c t ) x r1 (t ) = A c x 1 ( t ) + A c x 1 ( t ) cos(2ω c t ) + A c x 2 ( t ) sen( 2ω c t ) El filtro pasabajo de ancho de banda B rechaza todas las frecuencias superiores a su banda de paso. Formemos ahora la señal z s (t ) = z m ( t ) exp( j2πf c t ) ⇔ Z s ( f ) = Z m ( f − f c ) donde podemos considerar a z s (t ) como la señal analítica de una señal real pasabanda s(t). donde z m ( t ) = m( t ) + jm(t ) entonces.

117). Expresando (2. pues solamente aparecen las bandas laterales superiores. La recuperación de m(t) a partir de s(t) se puede efectuar también mediante detección coherente (Ver Problema de Aplicación 2.118) y (2.121a) (2.118) (2.119).121b) En resumen. Sin embargo.121a) y (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. son sistemas de banda lateral única. 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 ). Por esta razón. como podemos ver en (2. por transformada de Fourier de (2. el ancho de banda de transmisión se reduce a la mitad y el rendimiento del canal aumenta al doble. Esto tiene una gran importancia de tipo práctico pues.37(b) y 2.39(c). la señal s(t) de banda lateral única posee envolvente y fase.119) Asimismo. es una señal modulada en “Banda Lateral Unica”. como veremos en el Capítulo VI. 2. en lo que se refiere a la transmisión de una señal mensaje m(t).f c ) = 2 u ( f − f c ). 2. 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 . como veremos en el Capítulo VI. . como veremos en su oportunidad. 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. mientras que la señal x(t) de doble banda lateral necesita solamente la envolvente.147 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De las Figs.120) De (2.121b). o la señal de banda lateral única s(t ) = m(t ) cos(2 πf c t ) + m(t ) sen(2 πf c t ) .117) es positivo. dada por la expresión (2. En este caso se dice que s(t).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. se puede utilizar la señal modulada x ( t ) = m(t ) cos( 2πf c t ) de doble banda lateral.117). siendo las dos necesarias para la recuperación de m(t). S(f ) = Este espectro tiene la forma mostrada en la Fig.39(b). que en este caso es el mensaje m(t). los sistemas prácticos de modulación de doble banda lateral y los de banda lateral única no son completamente compatibles. Se puede demostrar que si el signo de la componente en cuadratura de la expresión (2.28). el espectro S(f) contendrá solamente las bandas laterales inferiores. Los sistemas telefónicos. 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.

5. por ejemplo. respectivamente. La naturaleza aleatoria del ruido tiende a distribuir la potencia entre sus dos componentes ortogonales y esto es en contraste directo con las señales . S xc (f ) y S xs ( f ) son las densidades espectrales de potencia de x( t ).40(b).40. S xc ( f ) y S xs ( f ) tendrán la forma indicada en la Fig. Con referencia a la Fig.123) para B <| f| ⎩0 La deducción de S xs ( f ) es similar verificándose que S xc ( f ) = S xs ( f ) . x c (t ) ⇒ S xc (f ) . 2. lo cual está de acuerdo con el teorema de la modulación para señales de potencia. z c ( t ) = x ( t )2 cos( 2πf c t ) ⇒ S zc (f ) = S x ( f + f c ) + S x ( f − f c ) [ ] para todo f (2. Con la notación que hemos establecido para las señales de potencia. el ruido. utilizaremos las correspondientes densidades espectrales de potencia. hagamos x(t ) ⇒ S x (f ). Densidades Espectrales en Señales Pasabanda Como el área bajo S x ( f ) es igual al área bajo S xc ( f ) o S xs ( f ) . 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. 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 ) .34(a) y del teorema de modulación para señales 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.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. por consiguiente.7. Estos resultados son muy importantes y se aplican sobre todo en señales pasabanda aleatorias como. que son señales que no poseen una transformada de Fourier. 2.148 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.122) Al pasar z c (t ) por el filtro pasabajo se eliminan las componentes de alta frecuencia. 2. x s (t ) ⇒ S xs (f ) donde S x ( f ). ⎧[ S (f + f ) + S (f − f )] para | f| ≤ B x c x c S xc (f ) = ⎨ (2. Señales Pasabanda de Potencia Consideremos el caso de señales de potencia. como es el caso de las señales aleatorias.

x z ( t ) = x( t ) + jx( t ).41.108) y (2. La entrada al filtro es una señal pasabanda real x ( t ) ⇔ X(f ).41(c). h z ( t ) = h ( t ) + jh ( t ). Fig. Consideremos el filtro pasabanda de la Fig. Se supone que h(t) es real. (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. 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. de acuerdo con las expresiones (2. es decir.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. será entonces 1 1 (2. 2. 2. z z c c s ~ ~ ( t ). 2. respectivamente. respuesta xz yz z impulsional h(t) y salida y(t). x(t) X(f) h(t) H(f) y(t) Y(f) ~ (t ) 1 xz ~ h z (t ) 2 ~ (t ) yz (a) Filtrado Pasabanda H(f) X(f) (b) Filtrado Equivalente Complejo ~ H z (f ) ~ X z (f ) f f 0 −f c (c) 0 fc Fig. 2.6. cuya función de transferencia es H(f). La potencia promedio de una señal aleatoria pasabanda. como lo demostraremos a continuación.41(a). que H(f) tiene simetría hermítica.7. h (t ) y ~ ( t ) son las envolventes complejas de la entrada x(t).124). ~ ( 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 ). 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. En efecto. 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 [ ] . el ancho de banda del filtro es igual o mayor que el ancho de banda de la señal x(t).

127) Por lo tanto. complicado por el factor exp( j2πf c t ) . se tiene ~ ( t ) = y (t ) + jy ( t ) = 1 h ( t ) + jh ( t ) ∗ x (t ) + jx ( t ) yz c s c s c s 2 [ ] [ ] (2. y s (t ) = [ h s (t ) ∗ x c (t )] + 2 [ h c (t ) ∗ x s (t )] 2 1 1 (2. con un factor de escala de 1/2. Este modelo equivalente proporciona una base práctica para la simulación del filtrado pasabanda o de un canal de comunicaciones en una computadora digital. se reemplaza por un análisis equivalente en pasabajo que retiene por completo toda la esencia del proceso de filtrado. ~ ( t ) = x ( t ).150 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ~ H z ( f ) = [1 + sgn( f )]H ( f ) = H z ( f − f c ) La salida del filtro será Y( f ) = H ( f ) X( f ) = Y( f ) = y H(f) = 1 ~ ~ H z (− f − f c ) + H z (f − f c ) 2 [ ] 1 ~ ~ ~ ~ H z (− f − f c )X z (− f − f c ) + H z (f − f c )X z (f − f c ) 4 [ ] 1 ~ ~ Yz ( − f − f c ) + Yz ( f − f c ) 2 [ ] (2.128) Desarrollando esta expresión. se puede trabajar con las envolventes complejas pasabajo ~ z ( t ). La importancia de este resultado estriba en el hecho de que al tratar con señales y sistemas ~ pasabanda. Por x y consiguiente. Reemplazando en (2.129) Estas expresiones permiten establecer el modelo equivalente pasabajo de un filtro pasabanda.127) las envolventes complejas por sus respectivas componentes. mostrado en la Fig. Nótese que si H(f) y X(f) son simétricos respecto a la frecuencia central f c . x(t) = x ( t ) cos( 2 πf t ) x (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. En este caso. el análisis de un sistema pasabanda. x x ( t ) = 0.42. entonces ~ ~ ~ H z (f ) y X z ( f ) serán simétricos respecto al origen [ h z ( t ) y ~ z ( t ) serán reales]. 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. la componente en fase de la salida y(t) es y c (t ) = [ h c (t ) ∗ x c (t )] − 2 [ h s (t ) ∗ x s (t )] 2 1 1 y la componente en cuadratura de la salida y(t). 2. h z ( t ) y ~ z (t ) .130a) s z c c c .

130b) y respecto a la salida. Vamos a determinar la respuesta y(t) del filtro. de señales digitales y de radar.151 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS h s (t) = 0 ~ h z ( t ) = h c ( t ).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. centrado en la frecuencia f c . 1 2 h(t) = h c ( t ) cos( 2 πf c t ) (2. De (2.42.72) y (2. y(t) = y c ( t ) cos( 2 πf c t ) (2. Esta es la situación que se presenta a la entrada del filtro de radiofrecuencia en los receptores de radio. y s ( t ) = 0. Equivalente Pasabajo del Filtrado Pasabanda. ⎡ ⎛ f + fc ⎞ ⎛ f − f c ⎞⎤ H( f ) = h o ⎢ Π⎜ ⎟ + Π⎜ ⎟⎥ exp( − j2πt o f ) ⎝ 2 B ⎠⎦ ⎣ ⎝ 2B ⎠ h( t ) = 4 Bh o sinc[2 B( t − t o )] cos[2πf c ( t − t o )] .28. Respuesta de un Filtro Pasabanda a un Impulso de Radiofrecuencia Consideremos un filtro ideal pasabanda de ancho de banda 2B. ♣ Ejemplo 2.73). y c (t) = [ h c ( t ) ∗ x c ( t )] . En la Fig. cuya entrada es un impulso de radiofrecuencia (RF) de la forma x( t ) = AΠ( t / T) cos(2πf c t ) . 2.43(a) se muestra la forma del impulso de radiofrecuencia. donde fc >> 1 / T y f c >> B . 2.

2. B = 2/T y fc = 6.20(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. ~ z ( t ) será también real. 2. la salida del filtro pasabanda será y( t ) = ⎧ 2 Ah o ⎡ ⎧ T ⎫ T ⎫⎤ ⎢Si⎨ 2 πB( t − t o + ) ⎬ − Si⎨ 2 πB( t − t o − ) ⎬⎥ cos( 2 πf c t ) ⎩ π ⎣ ⎩ 2 ⎭ 2 ⎭⎦ Si hacemos por ejemplo. 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. T = 4to .44.8. FUNCIONES DE CORRELACION EN SISTEMAS LINEALES 2. Fig. entonces.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. 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. Sea entonces x (t ) ⇒ S x (f ) ⇔ R x (τ ) . y(t ) ⇒ S y (f ) ⇔ R y (τ ) h(t ) ⇔ H (f ) . 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. S xy ( f ) ⇔ R xy ( τ ) . Autocorrelación Entrada/Salida Consideremos las funciones de correlación en un sistema lineal invariante en el tiempo (SLIT). 2.8.248).43(b) se muestra la forma de esta salida. para T = 1.1.

G h ( f ) ⎡ h ( u )⎢ ⎣ −∞ ∞ | H ( f )|2 .v)dv -∞ ∫ ∞ Reemplazando estas expresiones en R y (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.44 R y (τ ) S y (f ) R y (τ) =< y(t)y(t + τ) > pero en un SLIT: y(t ) = ∫ ∞ −∞ h ( u ) x ( t − u ) du. y(t + τ ) = h(v)x(t + τ .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 ) (2.153 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Por definición. de donde R y (τ ) = ∫ ∫ ∞ ∞ −∞ −∞ R x ( τ + u − v ) h ( u )h ( v ) dudv Con un nuevo cambio de variables R y (τ ) = z = v − u. ∫ ⎡⎢⎣ ∫ h(u)h(u + τ)du⎤⎥⎦ exp(− j2πfτ)dτ = ∫ −∞ −∞ ∫ ⎤ h ( u + τ ) exp(− j2πfτ ) dτ ⎥du ⎦ −∞ ∞ . es decir. debe ser igual a G h (f ) = ∞ ∞ S y (f ) = S x ( f ) ⋅ G h ( f ) . 2. R y (τ ) = ∫ ∫ ∞ −∞ 1 T/ 2 ⎡ ⎤ h ( u ) h (v )⎢ lim x (t − u ) x ( t + τ − v ) dt ⎥dudv ⎣ T→∞ T − T/ 2 ⎦ −∞ ∫ Con el cambio de variables t ' = t − u . la integral dentro de los corchetes se hace igual a R x (τ + u − v ). de acuerdo con (2. Del teorema de convolución. de la definición de transformada de Fourier. 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)”.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. 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. pero.35). En efecto. g h (z ) = ∫ ∞ −∞ ∞ h ( u ) h ( u + z ) du donde g h (z ) ⇔ G h (f ) (2.

R y (τ ) = R x (τ ) ∗ h(τ ) ∗ h(. Intercorrelación Entrada/Salida Por definición. ∞⎡ 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 . por lo tanto. −∞ ∞ 2. S y (f ) =| H (f )| 2 ⋅S x (f ) resultado ya obtenido anteriormente. 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.2. ella vendrá dada por (2.35). la intercorrelación entrada/salida es R xy (τ ) = lim como T →∞ ∫ T 1 T/ 2 − T/ 2 x (t ) y ( t + τ ) dt =< x( t ) y( t + τ ) > y ( t + τ ) = x ( v )h (t + τ − v )dv. expresión (2. 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.154 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Con el cambio de variables τ ' = u + τ .133) que es la forma más utilizada para representar la función de autocorrelación de la salida de un SLIT. tenemos .8.τ ) En cuanto a la potencia de salida < y2(t) >. ∞ ∞ < 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). 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 .

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. entonces 1 pero como R xy (τ ) ⇔ S xy (f ). R xy ( τ ) = ∫ ∞ −∞ R x (u ) h ( τ − u )du . S xy (f ) = S x (f ) ⋅ H (f ) (2. ♣ Ejemplo 2. S xy ( f ) = H ( f )S x ( f ) = K ⋅ H (f ) . 2. pero de (2.29.45.135). R xy (τ ) = 1 {S xy ( f ) }=K SLIT {H (f )} = K ⋅ h(τ ) Sistema en Prueba x(t) h ( t ) ⇔ H (f ) y(t) x(t) Correlador R xy ( τ ) Fig. ♣ . Estimador de la Respuesta Impulsional de un SLIT. 2. 2.45. entonces. Un análisis más avanzado de estas técnicas está fuera de los objetivos de este texto. El montaje de la Fig.134) R xy (τ ) = R x (τ ) ∗ h(τ ) La función de intercorrelación entrada-salida R xy (τ ) de un SLIT. Este es un tipo especial de ruido (ruido blanco) que se caracterizará más adelante. Estimación de la Respuesta Impulsional de un SLIT mediante Correlación Sea el diagrama de bloques mostrado en la Fig.45 se utiliza en la práctica para estimar la respuesta impulsional de un sistema lineal invariante en el tiempo. Sea x( t ) ⇒ S x ( f ) = K. Todas estas expresiones se aplican tanto a señales determinísticas como aleatorias y son muy utilizadas en el análisis de sistemas lineales y en sistemas de comunicación en presencia de ruido.135) La densidad interespectral S xy ( f ) entrada-salida de un SLIT es simplemente el producto de la densidad espectral de la entrada x(t) por la función de transferencia del SLIT. El “Sistema en Prueba” es un SLIT cuya respuesta impulsional se desea estimar. este montaje es relativamente fácil de instrumentar físicamente o simular en una computadora digital. donde x(t) es una señal aleatoria cuya densidad espectral de potencia es constante e igual a K. de donde (2. La salida del correlador es proporcional a la respuesta impulsional del SLIT en prueba. Del teorema de la convolución.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).

Como en este proceso las fuerzas que producen el flujo de partículas no están en equilibrio termodinámico. RUIDO EN SISTEMAS 2.156 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En resumen.9. Esto es debido a que la función de autocorrelación no es una medida completa de un proceso sino que es una de sus estadísticas de segundo orden. como se puede ver en el Capítulo III. Introducción En el proceso de transmisión por un canal de comunicaciones.9. mientras lo contrario no necesariamente es cierto.. En particular. En el Capítulo III se tratan estos conceptos con un poco más de detalle. 2. en general. y la distorsión producida por señales aleatorias o interferentes que se suman a las señales útiles distorsionándolas severamente.9. un gran número de señales o procesos que pueden tener la misma función de autocorrelación y la misma densidad espectral de potencia. en los semiconductores se debe a la difusión errática de las portadoras minoritarias y a la generación y recombinación erráticas de los pares electrón-hueco. En consecuencia. en un tubo al vacío es la emisión errática de los electrones desde el cátodo. El zumbido y la estática en un receptor de radio. los electrones que fluyen entre el cátodo y el ánodo en un tubo de rayos catódicos. Este tipo de señales espurias de naturaleza aleatoria es lo que conocemos con el nombre genérico de “ruido”. Por ejemplo. 2. Existe. y que representan una limitación básica en la transmisión o detección de señales. por ejemplo. etc. etc. En la práctica se encuentra que existen muchas fuentes potenciales de ruido en un sistema de comunicación: las fuentes de ruido externas (naturales y producidas por el hombre) y las fuentes de ruido internas al sistema. Conclusiones similares se aplican a la función de intercorrelación y su correspondiente densidad interespectral de potencia.. en las cuales se observa que la corriente fluctúa alrededor de un valor promedio. los fotones emitidos en algunos lasers. como lo señalamos en su oportunidad. Ruido Interno Ruido de Disparo El ruido de disparo se genera en los dispositivos electrónicos debido a la naturaleza discreta de la corriente circulante. Una característica de este tipo de ruido es que la potencia promedio de las fluctuaciones es proporcional al valor promedio de las mismas.1. son fuentes de este tipo de ruido. son diferentes manifestaciones del ruido. igual argumento se aplica a la densidad espectral de potencia. las señales que contienen información llegan a su destino tan distorsionadas que muchas veces es prácticamente imposible extraer la información que ellas poseen. no se puede aplicar la termodinámica clásica para analizarlas. Se concluye entonces que una función de autocorrelación o una densidad espectral de potencia dadas no especifican unívocamente una señal o un proceso. es muy importante que se entienda que para una señal dada existe una función de autocorrelación única. El mecanismo que origina las fluctuaciones depende de cada proceso en particular. Esta distorsión se debe principalmente a dos factores que siempre están presentes en los canales físicos: la distorsión producida por las características físicas del canal que producen distorsión de fase y de amplitud. La distorsión producida por las características físicas del canal la trataremos con más detalle en los Capítulos V y VI. las oscilaciones en un sistema retroalimentado. los electrones y huecos que fluyen en semiconductores. . 2. los destellos blancos en una pantalla de televisión. los fotoelectrones emitidos por un fotodiodo. 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. el proceso que produce los valores promedio tiene variaciones propias de tipo estadístico que fluctúan alrededor de esos valores promedio.

de modo que la expresión (2. la densidad espectral de ruido se puede considerar constante e independiente de la frecuencia. Por otro lado. por ejemplo. independientemente. El primer término de (2. una resistencia. Nyquist. 1928] fueron los primeros en estudiar el ruido térmico en resistencias metálicas. pero este movimiento es de tipo aleatorio debido a las múltiples colisiones que los electrones experimentan dentro del entramado atómico.625x10-34 joules/seg).139) donde f es la frecuencia.38x10 −23 joules/K ) . Sin embargo. demuestran que la densidad espectral de potencia del voltaje térmico es ⎡ ⎤ ⎢1 ⎥ 1 S n ( f ) = 2 Rhf ⎢ + ⎥ hf ⎢ 2 exp( ) − 1⎥ ⎣ ⎦ kT (2. Johnson y Nyquist demostraron. de ahí que al ruido térmico se le denomine “ruido de Johnson” o “ruido de resistencias”. La energía térmica mantiene los electrones libres en constante movimiento. en Hz. Por consiguiente. El ruido térmico es. a partir de consideraciones teóricas y experimentales. exceptuando la gama de transmisión óptica (fibras y lasers). pues.138) Vemos que esta densidad espectral de potencia es constante para todas las frecuencias.139) es despreciable para frecuencias f << kT / h ≈ 1013 Hz. La correspondiente densidad espectral de potencia del ruido térmico es S n (f ) = < v 2 (t) > n 2B = 2 kTR (2.137) donde T es la temperatura en la resistencia. Históricamente. y B un ancho de banda arbitrario. vemos que exp( hf / kT) ≈ 1 + hf / kT . para f << 1013 Hz . para las frecuencias normales en comunicaciones.139) se puede aproximar en la forma S n ( f ) = 2 kTR que es el mismo resultado (2. que la potencia promedio del voltaje (valor eficaz al cuadrado) a través de una resistencia R viene dada por < v 2 ( t ) >= 4 kTRB n y con referencia a la corriente térmica. Nyquist [Johnson. El movimiento neto de los electrones constituye una corriente eléctrica cuya dirección de flujo es también aleatoria y cuyo valor promedio es cero. .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. su distribución tiende a ser gausiana. cálculos más avanzados [Schwartz. en Hz. < i 2 ( t ) >= 4 kTGB n ( G = 1/ R) (2. un ruido gaussiano de valor promedio cero.136) (2. J. 1980] que incluyen consideraciones de tipo mecánicocuántico. Las distribuciones gaussianas las estudiaremos en el Capítulo III.138) de Johnson y Nyquist. y h la constante de Planck (6. k es la constante de Boltzmann (1. B. Johnson y H. En efecto. El ruido gaussiano es aquel cuya distribución de amplitudes sigue la curva de Gauss. como el ruido térmico es el resultado de un gran número de interacciones esencialmente independientes. en kelvins. 1928.

hay que utilizar los circuitos equivalentes.46(a). la expresión (2.141) (2. la utilización de los circuitos equivalentes hace que los cálculos sean muy largos y engorrosos.30 Vamos a calcular el voltaje eficaz de ruido térmico de la red mostrada en la Fig. como se muestra en la Fig.46. Estos cálculos se pueden simplificar mediante la llamada “Fórmula de Nyquist”.46(b) se muestra el correspondiente “circuito equivalente de Norton”.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. 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 . L y C). Si la red contiene solamente elementos resistivos y dentro de un ancho de banda arbitrario B. Cuando se calculan los efectos del ruido térmico en redes que contienen muchas resistencias. 2. a + R(Sin ruido) ~ v = 4 kTRB ef a i ef = 4 kTGB b G= 1/R (Sin ruido) b (a) Equivalente de Thévenin (b) Equivalente de Norton Fig. Si las resistencias están a temperaturas diferentes. V1 = 4 kTR 1 B . También. todos a la misma temperatura. En la Fig. 2. R2 = 2 kΩ y R3 = 3 kΩ. 2. R1 = 1 kΩ. Circuitos Equivalentes del Ruido Térmico. (2. V2 = 4 kTR 2 B y V3 = 4 kTR 3 B . donde B = 100 kHz . T = 290 kelvins. 2. la cual expresa que la potencia promedio de ruido producida en los terminales de un dipolo que contenga elementos pasivos ( R.140) se reduce a < v 2 (t ) >= v 2 = 4 kTR eq B n ef o también.140) donde R(f) es la parte real de la impedancia compleja vista en los terminales del dipolo y B un ancho de banda arbitrario.47(a). viene dada por la integral < v 2 ( t ) >= v 2 = 2 kT n ef ∫ B −B R ( f )df (2. ♣ Ejemplo 2.

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

Ruido que tenga una densidad espectral de este tipo se denomina “Ruido Blanco”.9. esta densidad se denomina “densidad espectral disponible. mediante un ecualizador en un receptor digital). debido a esto. por analogía con la luz blanca la cual contiene iguales cantidades de todas las frecuencias que pertenecen al espectro visible de la radiación electromagnética.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. la densidad espectral correspondiente a la potencia entregada a la carga será la mitad. de valor promedio cero y que tienen una densidad espectral de potencia que es constante dentro de una extensa gama de frecuencias. En general. En efecto. 2.145). 2. 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.144) Nótese que en una resistencia ruidosa R la densidad espectral disponible y la potencia promedio disponible son independientes de R. Cuanto más alto es el ancho de banda en un sistema. Ruido Blanco Además de las fuentes de ruido térmico. Con referencia a la Fig.46(a). uno de los objetivos en el diseño de sistemas de comunicación es el de minimizar u optimizar el ancho de banda B. N i =< v 2 ( t ) >= ηB = 4kTRB n (2. pero son proporcionales al ancho de banda B.145) El factor ½ se incluye para indicar que la mitad de la potencia está asociada con las frecuencias positivas. si H(f) es la función de transferencia de un filtro dado al cual se le aplica ruido blanco. y la otra mitad con las frecuencias negativas. S n ( f ) / 4 R . Aunque muchas fuentes de ruido físicas se pueden modelar como fuentes de ruido blanco. S nd ( f ) = S n (f ) 4R = kT 2 W / Hz (2.3.138) y (2. Entonces. hay otros tipos de fuentes de ruido que son gaussianas. es decir. Por esta razón. 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. de (2. ya no tendrá una densidad espectral de amplitud constante sino que tomará la forma espectral del filtro. la densidad espectral del ruido blanco gaussiano se representa en la forma S n (f ) = η 2 para todo f (2. Esta es entonces la máxima densidad espectral de potencia que se puede extraer de la fuente v ef . S nd (f )". una vez que el ruido ha sido filtrado (por ejemplo. en condiciones de acoplamiento la fuente ve una resistencia de 2R y la densidad espectral será S n ( f ) / 2 R . Este ruido se denomina comúnmente “ruido coloreado”.160 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resistencia interna R i y la resistencia de carga R L .146) . la potencia que se entrega a la carga es la potencia disponible.

el uso del concepto de ruido blanco es consistente con su definición porque la densidad espectral de potencia puede considerarse constante en esas gamas.161 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS de donde η = 4kTR = kTe El término Te se conoce con el nombre de “temperatura efectiva o temperatura equivalente de ruido”del sistema. en un sentido estricto. no existe físicamente. 2. Las propiedades matemáticas del ruido blanco gaussiano son muy convenientes en el análisis y comportamiento de sistemas de comunicación. en efecto.48. dentro de las gamas de frecuencia utilizadas en la práctica. . la función de autocorrelación del ruido blanco es R n (τ ) = η 2 δ( τ ) (2. Shannon ha demostrado que el ruido blanco gaussiano es el peor ruido entre todos los ruidos posibles. pero sí es proporcional a ella. y que su potencia en un ancho de banda dado es también la más alta posible. excepto cuando se exprese directamente la temperatura física. en una red que contiene solamente elementos R. Obsérvese que la temperatura equivalente de ruido no es la temperatura ambiente del sistema. Características del Ruido Blanco. hablaremos siempre en términos de “temperatura efectiva”. Asimismo. puede verse también que. En lo sucesivo. como demostraremos en el Capítulo III. Del Teorema de Wiener-Kintchine.147) La temperatura equivalente de ruido especifica la potencia de ruido térmico disipada en una resistencia acoplada. 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. no están correlacionadas y por lo tanto son independientes. el ruido blanco tiene una potencia infinita y. y se define mediante la expresión Te = 4 RT (2. S n (f ) η/ 2 f 0 0 R n (τ ) η/ 2 τ (a) Densidad Espectral (b) Función de Autocorrelación Fig. no importa lo cercanas que estén. será entonces N i = kTe B que sería la potencia disponible a la entrada si el sistema fuera sin ruido. La potencia disponible de ruido blanco generada en el sistema dentro de un ancho de banda arbitrario B.148) S n ( f ) y R n ( f ) se muestran en la Fig. la temperatura efectiva Te es igual a la temperatura ambiente T de la red. L y C. 2.48. lo que significa que dos valores o muestras diferentes de la señal de ruido blanco. 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”. Por otro lado. como tal. Por otro lado. Puede observarse que la función de autocorrelación del ruido blanco gaussiano es cero para τ ≠ 0.

como se muestra en la Fig. 2. 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.49(b) y (c). El receptor se modela mediante un filtro pasabanda de entrada seguido de un detector que extrae de la señal compuesta [ x( t ) + n( t )]. < y2 ( t ) >= R no ( 0) = η 4 RC S no ( f ) y R no ( τ ) se muestran en la Fig. ♣ Ruido Blanco Pasabanda de Banda Angosta El modelo del ruido blanco es una aproximación razonable cuando se trata de determinar la potencia de salida de un sistema de banda angosta. se aplica ruido blanco gaussiano cuya densidad espectral de potencia es η / 2 . 2.49(a). 2. la función de autocorrelación cae a menos del 1% de su valor máximo y podemos despreciarla.162 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. 2. 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 ).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 ) . la señal que lleva la información. Se trata de determinar la función de autocorrelación. H (f ) = 1 1 + j2 πRCf = 1 1 RC 1 + j2 πf RC | τ| RC .31 A la entrada de un filtro pasabajo RC. entonces S no ( f ) es despreciable para frecuencias f ≥ 1. Esto significa que dos muestras de la señal de salida que estén separadas en más de RCln(100) segundos no estarán correlacionadas.5844 / RC. Para valores de τ superiores a RCln(100). situación que es muy común en los sistemas de comunicación. La función de transferencia de este filtro es bien conocida. De particular importancia es el ruido presente en un sistema de recepción de señales moduladas. El tipo de detector depende del .49 Nótese la rapidez de caída de la función de autocorrelación. si se desprecian aquellas componentes con amplitudes menores del 1% del valor máximo. También.50. En cuanto a la densidad espectral de potencia de la salida. la densidad espectral de potencia y la potencia de ruido a la salida del filtro. por lo tanto. respectivamente. por cuanto la densidad espectral es más o menos constante dentro de la banda de paso. En la Fig. Fig. 2.

Como en general se cumple que f c >> B .51(a).51(c). 2. el ruido a la salida del filtro comúnmente se denomina “ruido blanco pasabanda de banda angosta”.51(b).51. a la entrada del detector. 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. cuya densidad espectral tiene la forma dada en la Fig.149) .50. 2.51 se muestran las características del Ruido Blanco Pasabanda. de (2. en este caso se dice que el canal y el filtro son “transparentes” para x( t ) . apareciendo esta señal.163 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS sistema de modulación empleado. el ruido blanco filtrado se parece a una señal modulada en la cual la frecuencia varía alrededor de una frecuencia promedio f c . como se puede observar en la Fig. la forma canónica del ruido será. La situación es distinta respecto al ruido. Fig. 2. 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 ) .108). En la Fig. salvo por algún factor de escala. 2. En estas condiciones. n ( t ) = n c ( t ) cos( 2 πf c t ) − n s ( t ) sen(2 πf c t ) (2. el filtro pasabanda. 2. 2. deja pasar solamente aquellas componentes dentro de su banda pasante. En el dominio del tiempo. como se muestra en la Fig. En efecto.

Se desea determinar la forma y la potencia de las componentes ortogonales del ruido. 2. Por consiguiente.155) Si R nc (τ ) ⇔ S nc (f ) y R ns (τ ) ⇔ S ns ( f ) .51(d).124). Como se considera que el ruido pasabanda n(t) es una señal gaussiana aleatoria de valor promedio cero. 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 ) (2.154) Consideremos ahora la función de autocorrelación del ruido blanco pasabanda.164 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS donde n c ( t ) y n s ( t ) son las componentes ortogonales del ruido. Como n c ( t ) y n s ( t ) son señales aleatorias. 2.149). entonces n c ( t ) ⇒ S nc ( f ) y n s ( t ) ⇒ S ns ( f ) .32 Consideremos la densidad espectral de ruido pasabanda mostrada en la Fig. 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 = 0.150) (2.151) son la envolvente y fase naturales del ruido.125) obtenida anteriormente. Las componentes ortogonales del ruido serán n c ( t ) = R(t)cos[θ(t)] y n s ( t ) = R ( t ) sen[θ(t )] (2. que es la misma expresión (2. diremos sin demostrarlo que n c ( t ) y n s ( t ) serán también gaussianas de valor promedio cero e independientes entre sí. Por definición. ⎧ 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. expresión (2. En efecto. R n (τ ) =< n (t ) n ( t + τ ) > (2.123) y (2. .149) se obtiene la función de autocorrelación del ruido pasabanda n(t). Estos conceptos se aplicarán para analizar el efecto del ruido en sistemas de comunicación.52(a) (frecuencias positivas solamente). y de acuerdo con (2. respectivamente. ♣ Ejemplo 2.155) con ayuda de (2.153) ∫ ∞ −∞ S n ( f )df = ∫ ∞ −∞ S nc ( f )df = ∫ ∞ −∞ S ns ( f )df (2. entonces desarrollando (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).152) y n(t) se puede representar en forma fasorial como se muestra en la Fig.

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. la potencia promedio de ruido a la salida viene dada por (2. Ancho de Banda Equivalente del Ruido Algunas veces es conveniente definir el “ancho de banda equivalente del ruido” de un sistema pasabanda. < 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 . 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. 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. En un sistema cuya función de transferencia es H(f) y cuya densidad espectral de potencia de ruido a la entrada es S n (f ) . 2.52(b). 2. < n 2 ( t ) >= o ∫ ∞ −∞ | H ( f )|2 S n (f )df En la mayoría de los sistemas el ancho de banda es de un orden tal que nos permite suponer que el ruido a la entrada es blanco de densidad espectral constante η / 2 .36). 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. las densidades S nc ( f ) o S ns (f ) tendrán la forma mostrada en la Fig. 2. 2.53(b).52(a).9.156) .165 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De la expresión (2.52(b) para | f | ≤ B .153). en efecto. por inspección. Fig.52 De acuerdo con los datos de la Fig.4. es decir. la forma mostrada en la Fig. La potencia de ruido a su salida será 2 < n 2 (t ) >= ηB N | H ( f )|max o (2.153). 2. En estas condiciones.

Definición del Ancho de Banda Equivalente del Ruido. El ancho de banda equivalente del ruido es. 2. el “ancho de banda equivalente del ruido” y vendrá dado por BN = 1 2| H ( f )|2 max ∫ ∞ −∞ | H ( f )|2 df (2. Las expresiones (2.33 El ancho de banda equivalente del ruido a menudo se relaciona con el ancho de banda de 3 dB de un sistema. BN = 5x10 200 = 250 Hz El ancho de banda de 3 dB se puede obtener a partir de su definición. 2. H (f ) = 3 10 + j2 πf BN = 1 2| H (0)| 2 ∫ ∞ −∞ | H ( f )|2 df 10 4 Pero | H ( f )| = 10 + 4 π f 6 2 2 . de | H (B 3dB )| = 1 2 | H ( 0)| o |H(B 3dB )|2 = 1 2 | H ( 0)|2 = 50.157). . en este caso.53(a) y (b).53. el ancho de banda de ruido de un filtro ideal es el ancho de banda de un filtro real. es decir. Consideremos el filtro pasabajo cuya función de transferencia es 10 4 . 2. ♣ Ejemplo 2.157) se aplican también a sistemas pasabajo.157) Estas definiciones se ilustran en la Fig. |H(0)|= 10. por definición.166 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si estas potencias son iguales.53. Esto se ilustra en la Fig. es decir.156) y (2. 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)|2 = 100 ∫ ∞ −∞ | H ( f )|2 df = ∫ ∞ 10 8 + 4π f 2 2 4 −∞ 10 6 df = 5x10 4 y de (2. entonces B N será. | H (f )|2 max | H ( f )|2 | H (f )|2 max Areas Iguales BN 0 f c (b) fc 0 (a) Fig.

valores pico o potencia.15 Hz Comparando los anchos de banda. Caracterización del Ruido en Sistemas Relaciones Señal/Ruido en Sistemas de Comunicación Para cuantificar el efecto del ruido sobre la inteligibilidad de un mensaje. Como veremos en los Capítulos V y VI. 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. Relaciones Señal/Ruido en un Receptor con Detección Coherente o Sincrónica Consideremos el modelo de receptor de la Fig. estas potencias están normalizadas en base a una resistencia de 1 Ohm. 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.167 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Entonces. La señal a la entrada del detector es z( t ) = x( t ) + n( t ) = m(t ) A c cos( 2πf c t ) + n( t ) . ♣ 2.9. Pero como el ruido es una señal aleatoria. al hablar de relación señal/ruido hay que especificar qué tipo de valores se está utilizando.54 en el cual el detector coherente tiene la forma dada y cuya operación ya conocemos. S/N”. así definido. para conveniencia. El criterio de la relación S/N. 2. Por ejemplo. hay que definir el ruido en términos cuantitativos o matemáticos. ancho de banda. la relación S/N en un canal telefónico no debe bajar de 26 dB. distorsión. no es posible establecer una expresión algebraica que defina explícitamente una relación amplitud vs tiempo para el ruido. los valores de B N y B 3dB se hacen cada vez más cercanos. 10 8 10 6 + 4 π 2 B 2 3dB = 50.5. Sin embargo. esto es. 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”. Vamos a determinar las relaciones S/N a la entrada y salida del detector y estableceremos algunas definiciones que estaremos utilizando constantemente. Puesto que x( t ) es una señal modulada de doble banda lateral. valores instantáneos. etc. El ingeniero de comunicaciones debe conocer perfectamente la influencia que sobre ella ejercen otros parámetros del sistema (ganancia. Este criterio de la relación S/N es el que hemos venido aplicando a todo lo largo del texto. es particularmente útil en el diseño y comparación de sistemas analógicos y digitales. 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. Por eso. La relación S/N es entonces uno de los parámetros de calidad más importantes en los sistemas de comunicación. mientras que para una reproducción de alta fidelidad aceptable la relación S/N debe ser de por lo menos 50 dB. la cual suponemos es de doble banda lateral.) para poder optimizar la relación S/N. pueden ser relaciones entre valores eficaces. de donde B 3dB = 159 . Este receptor nos permite recuperar o extraer un mensaje m(t) portador de información contenido en una señal modulada x( t ) . 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. Una relación señal/ruido se puede definir en diferentes formas. y f c ≥ B . El lector puede verificar que si se aumenta el orden del filtro.

la potencia de ruido a la entrada del detector es < n 2 ( t ) >= N i = 2ηB La potencia de la señal modulada será. 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. 2. Receptor con Detector Coherente. de (1.54. 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 (2. de (2.160) A la salida del multiplicador se tiene v ( t ) = z( t ) ⋅ 2 cos( 2 πf c t ) = [ m( t )A c cos( 2 πf c t ) + n ( t )] ⋅ 2 cos( 2 πf c t ) v ( t ) = [ A c m( t ) + n c (t )] + [ A c m( t ) + n c ( t )] ⋅ cos( 4 πf c t ) − n s ( t ) ⋅ sen(4 πf c t ) El filtro pasabajo rechaza los términos de alta frecuencia quedando y o ( t ) = A c m( t ) + n c ( t ) (2.159) (2.161). < x 2 ( t ) >= S i = 1 2 A 2 < m2 (t) > c (2.113).158) donde < m 2 (t ) > es la potencia promedio de la señal mensaje m(t).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 el ancho de banda del filtro de RF es 2B.159). .158) y (2. La detección coherente o sincrónica elimina entonces la componente en cuadratura del ruido.161) Solamente la componente en fase del ruido aparece en la salida. Si Ni = 2 Ac 4ηB < m 2 (t ) > (2. denominada “Relación Señal/Ruido de Predetección” será. mientras que la señal mensaje m(t) aparece completa. La relación S/N a la entrada del detector.

mientras que la potencia de ruido se mantiene igual. 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.163) La ganancia de conversión se utiliza como una cifra de mérito en la comparación entre diferentes sistemas de modulación. lo que hace que las componentes que no estén en fase se pierdan.154) y (2.54. 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 . Si la señal útil portadora de información es pasabanda. So No = 2 Ac 2ηB < m 2 (t ) >= 2 Si Ni (2. de modo que su potencia debe ser determinada con cualquiera de los métodos vistos en el dominio del tiempo.169 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La relación S/N a la salida del detector.162) Ganancia de Conversión o de Detección En la práctica se suele definir la “Ganancia de Conversión o de Detección” en la forma Ganancia de Conversión o de Detección = Re lación S / N de Postdetección Re lación S / N de Predetección = So / N o Si / N i (2. La potencia de la señal útil aumenta al doble. Aunque la detección o demodulación no es nada más que un desplazamiento de las bandas laterales hacia el origen. hay que tener en cuenta que el teorema se aplica a cualquiera señal pasabajo y a señales pasabanda aleatorias. 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. o lo que es lo mismo. la ganancia de conversión es igual a 2. De (2.164) Vemos que en el caso de detección coherente en doble banda lateral. Esta es la causa del incremento de 3 dB en las relaciones S/N. las componentes de la señal mensaje se suman como amplitudes. será So No 2 = Ac < m 2 (t ) > 2 < n c (t ) > 2 < n c (t ) >=< n 2 (t ) >= 2ηB. entonces pero de (2.162).34 Sea el receptor mostrado en la Fig. mientras que el ruido se suma en forma incoherente. mientras que el ruido se suma como potencia. denominada “Relación Señal/Ruido de Postdetección”.158). Se dice entonces que las señales útiles se suman coherentemente. la relación S/N de la salida es el doble que la de la entrada. 2. no se le puede aplicar el teorema. En los Capítulos V y VI utilizaremos estos conceptos para caracterizar el comportamiento en presencia de ruido de diferentes sistemas de modulación prácticos. ♣ Ejemplo 2. Sin embargo.

La potencia correspondiente será N o = 10x10 3 x10 −6 = 10 −2 W = N i . ancho de banda de 10 kHz y está centrado en la frecuencia f c = 1 MHz . de modo que a la entrada del detector la señal útil seguirá siendo x( t ) . Cálculo de la potencia de la señal útil Los filtros son transparentes para x( t ) . El filtro pasabajo de salida tiene también ganancia unitaria y un ancho de banda de 5 kHz. cuya porción alrededor del origen es S no ( f ) . 2. 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. N i = 10x10 3 x10 −6 = 10 −2 W = 10 dBm Aplicando el teorema de la modulación para señales de potencia. La correspondiente potencia de ruido a la entrada del detector será.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. sea x( t ) = 10 cos(104 πt ) ⋅ cos( 2πx106 t ) El filtro de RF tiene una ganancia unitaria. se obtiene el espectro mostrado en la Fig.55(b).170 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Igualmente. 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(a). es decir. quedando a la salida y o ( t ) = 10 cos(104 πt ) So = 100 2 cuya potencia es = 50 W = 46. 2.55(a).98 dBm = 2S i Nótese que la potencia útil de salida es el doble de la potencia útil de entrada. 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. este ruido compuesto deteriora la relación S/N a la salida comparada con la relación S/N a la entrada. Por supuesto. Como ya lo hemos señalado. de donde F= N io + N so N io = 1+ N so N io (2. La cifra de ruido F de un sistema se define entonces como ”la razón entre la potencia promedio total de ruido N o a la salida de un sistema. entonces N o = N io + N so . 2.55. esta distorsión es causada. Por lo tanto. 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 ”. Este ruido de salida se puede considerar como la suma del ruido generado en el propio sistema más el ruido de entrada al mismo.166) . F”. F= No N io para T = To = 290 kelvins (2. primero por las características de amplitud y fase del sistema. La cifra de ruido es también otro factor de calidad o de mérito en la comparación entre. Esta situación se puede cuantificar mediante la llamada “Cifra o Factor de Ruido del Sistema.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. amplificadores de señales de muy bajo nivel.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. por ejemplo. y segundo por el ruido introducido durante el proceso. 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. 10kHz MHz Nótese que las potencias de ruido de entrada y salida del detector son iguales.

173) Ti es la temperatura neta de entrada y representa la temperatura total efectiva de entrada. Si representamos este ruido mediante su temperatura equivalente referida a la entrada. las expresiones (2.171) (2. N i = kTs B También So Si So = Si G p. Entonces.) para cuantificar el ruido interno generado. Entonces. Desde el punto de vista del ruido. Supongamos que se aplica al sistema una señal útil s(t) más un ruido térmico n(t) a una temperatura efectiva Ts .148). es decir. mientras que la relación (2. por ejemplo).170) = Gp En el sistema se genera una cierta cantidad de ruido térmico. obtenemos finalmente F= Si / N i So / N o (2.168) (2. la cifra de ruido puede simplificarse aún más. Asimismo. Cuando en el sistema existe solamente ruido térmico.169).172) (2. La potencia de ruido disponible a la entrada es. de (2.167) N io = N i G p Reemplazando (2. En efecto.163).172). (2. . De la definición de la cifra de ruido es evidente que F será siempre mayor que la unidad. 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.169) Hay que tener cuidado de no confundir.163) y (2. pues la relación (2. ella se puede despreciar. La cifra de ruido se puede expresar en función de las relaciones S/N de entrada y salida del sistema. mejor será el sistema. se aplica a sistemas lineales variantes en el tiempo (moduladores y detectores. sea S i y S o las potencias útiles a la entrada y salida del sistema.165) y con ayuda de (2. de (2.172 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que la impedancia de carga también contribuye al ruido en la salida. dado su parecido. cuanto más cercana a la unidad sea la cifra de ruido.168) en (2. etc. como generalmente es muy pequeña comparada con el ruido de los elementos activos del sistema. siendo B el ancho de banda del sistema. el ruido generado internamente es menor. tendremos que N o = kTs BG p + kTe BG p = G p k ( Ts + Te ) B = G p kTi B donde Ti = Ts + Te (2.169) es un número o cifra de mérito que se aplica a sistemas lineales invariantes en el tiempo (filtros. So = SiG p donde G p es la ganancia de potencia del sistema. Sin embargo. amplificadores. que es la ganancia de conversión.167). de donde (2. respectivamente. Esta contribución está incluida en N so .

por ejemplo. de donde ) (2. 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. 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. (2.171). calculado a partir de la cifra de ruido.175). El valor de la temperatura Te . La resistencia de entrada puede representar. al efectuar cálculos en los que interviene la cifra de ruido de un sistema. y de (2. la cifra de ruido será F = 1+ Te To (2.176). En su deducción hemos utilizado la temperatura física Ts de la fuente. Ts = 2900 kelvins. se considera que esta cifra de ruido está referida a To . sus efectos a menudo se incluyen en una temperatura Te obtenida experimentalmente.169). y la temperatura efectiva Te del sistema puede calcularse entonces a partir de (2. estará referido entonces a la temperatura de referencia To = 290 kelvins .176).176). 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. (2. la cual puede ser muy diferente de To . Hay que tener cuidado al utilizar las ecuaciones (2.35 Un amplificador tiene una cifra de ruido de 9. una antena y su correspondiente línea de transmisión.170).031 dB. En resumen.174) = G p (1 + De (2.175) y (2. expresión (2. expresión (2.175) La temperatura equivalente o efectiva será entonces Te = (F − 1)To (2. pues aunque no todas las fuentes de ruido son térmicas.176) Estos resultados son bien sencillos y fáciles de aplicar. ♣ Ejemplo 2. Se tiene entonces. una ganancia de potencia de 40 dB y un ancho de banda equivalente de ruido de 10 kHz.301 dB = 8. G p = 40 dB = 10 4 .173 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N o = G p (1 + Te Ts ) kTs B . N o = G p (1 + No Ni Te Ts Te Ts )N i . F = 9. To = 290 kelvins .174) y referida a la temperatura de referencia Ts = To = 290 kelvins. mientras que la parte de la cifra de ruido de un sistema producida por el ruido interno es (F-1).

la temperatura efectiva del ruido de entrada es Ts .38x10 −23 (2900 + 2030)x10 4 = 6.175) y (2. 2. Ni Nn = No A Ts A1 N1 A2 N2 Carga Acoplada Ts Ni No A Carga Acoplada G p1 Te1 F1 G p2 Te2 F2 G pn Ten Fn Fig.172).176). 2. de (2.170). Amplificadores en Cascada. Para no hacer tediosa la demostración.172). De (2.174 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De (2. cada una de las cuales tiene su propia temperatura y cifra de ruido. 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 (2.8x10 −12 W N o = −51.177) + Te 3 G p1G p 2 (2. Gp Te F En la Fig. como es el caso de un amplificador de varias etapas. pero se pueden extender para sistemas en cascada.67 dBµ (dB respecto a un µW) ♣ Cifra de Ruido en Sistemas en Cascada Las expresiones (2. referida a la entrada.56. Se supone que los amplificadores están acoplados y que su ancho de banda efectivo es B. 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 . de (2. 2.178b) G p = G p1G p 2 G p 3 Te es la temperatura efectiva de ruido.178a) (2. como se muestra en la Fig. vamos a considerar solamente tres amplificadores.56 se tiene n amplificadores en cascada y se desea determinar la temperatura y la cifra de ruido del sistema compuesto.56. N i = kTs B También.176) han sido deducidas para un sistema individual. La potencia de ruido a la entrada es. . Te = (F − 1)To = (8 − 1)290 = 2030 kelvins N o = G p k (Ts + Te )B = 10 4 x1. del amplificador compuesto. G p es la ganancia total de potencia.

reemplazando (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... 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. L= Pdi Pdo ... es decir.+ Ten G p1G p 2 G p 3 .. A este efecto podemos definir una red que cumpla con los siguientes requisitos: (a) que sus impedancias (de entrada y salida) estén acopladas.178)... Siguiendo el mismo procedimiento efectuado para tres etapas. y (c) que parte de la potencia de entrada sea absorbida en la red. En efecto. en general L>1 (2. una línea de transmisión entre una antena y su receptor es una red acoplada pasiva que introduce pérdidas de potencia e influye en la cifra de ruido total del sistema...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.181) (2.180) la llamada “Fórmula de Friis”.179) + F3 − 1 G p1G p 2 Estos resultados se pueden extender para n etapas.... F = F1 + y F2 − 1 G p1 + +. Los ejemplos más comunes de redes acopladas pasivas son las líneas de transmisión (en RF) y los atenuadores acoplados.. La manera más conveniente para representar las pérdidas en una red acoplada pasiva es mediante el “factor de pérdidas de inserción o factor de atenuación. el cual se define como “la razón entre la potencia disponible a la entrada de la red respecto a la potencia disponible a la salida”.175 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Se puede determinar ahora la cifra de ruido del amplificador compuesto. Una red que satisfaga estas condiciones se denomina “Red Acoplada Pasiva”. 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. G p ( n −1) (2.+ (2... es decir.. podemos demostrar que Te = Te1 + Te 2 G p1 + Te 3 G p1G p 2 F3 − 1 G p1 G p 2 +. (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. Por ejemplo.176) en (2.. (b) que solamente contenga elementos pasivos y resistivos (la única fuente de energía en la red es la producida por efectos térmicos)...183) . L”... que su ganancia de potencia sea menor que la unidad.... G p ( n−1) Fn − 1 G p1 G p 2 G p 3 ..

mayor será la temperatura efectiva de ruido de la red acoplada pasiva y. mayor será la cifra de ruido. la cifra y temperatura de ruido se reducen a FL = L TeL = ( L − 1) To (2.186) (2.191) .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 .178). de acuerdo con la definición del factor de atenuación L. 1980] Ts Red No Carga Acoplada Acoplada Pasiva Tp Fig. FL = 1 + ( L − 1) Tp To (2.176 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Consideremos la red acoplada pasiva mostrada en la Fig.190) (2. por supuesto. En efecto.187) y (2.184) donde α 1 y α 2 son factores de ponderación relativos de las dos potencias disponibles definidas en (2. 1980] que α 1 + α 2 = 1. 2. El ruido de entrada se caracteriza por su temperatura efectiva Ts y puede representar. se puede decir que α1 = 1 L y α 2 = (1 − 1 L ) (2. Nótese que TeL aumenta linealmente en función de L.185) Reemplazando (2.57. No = No = donde kTs B L 1 L + (1 − 1 L ) kTp B = 1 L k Ts + ( L − 1)Tp B [ ] (2. Aplicando principios de la termodinámica se ha demostrado [Schwartz. de (2. La potencia de ruido disponible a la entrada de la red es.148). 2.187) (2. por ejemplo.188) k ( Ts + TeL ) B = G pL k ( Ts + TeL ) B 1 L y TeL = ( L − 1) Tp G pL = Las expresiones (2. Ni N o = α 1 kTs B + α 2 kTp B (2.184). Esto significa que cuanto mayor es la atenuación. Entonces.184). N i = kTs B donde B es el ancho de banda efectivo del sistema. La potencia de ruido a la salida se puede escribir en la forma [Schwartz. la cifra de ruido de la red acoplada pasiva se obtiene reemplazando (2. Tp es la temperatura física de la red acoplada pasiva. una antena cuya temperatura efectiva es el resultado de diferentes contribuciones.185) en (2.57.176) en (2.189) En el caso especial cuando Tp = To .

expresadas en dB por cada 30 metros. pero como FL = L y G pL = 1 L . 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. 8 dB a 900 MHz y 10 dB a 1200 MHz. Estos valores los dan los fabricantes en sus respectivos catálogos. en la teoría de las líneas de transmisión se suele expresar la atenuación L en la forma L = exp(2αx).36. Tp no es muy distinta de la temperatura de referencia To = 290 kelvins. En el Ejemplo 2. en general.36 se muestran dos casos de considerable interés práctico (Sugerimos al lector estudiar este ejemplo con mucha atención).58. Sa: Cable coaxial de 75 Ohm. por lo tanto. seguido de un amplificador con una cifra de ruido Fa . Antena Antena Amplificador A1 Coaxial Coaxial Amplificador A1 Si Amplificador Al N i Detector A2 Si Amplificador Al A2 Detector N i Fig.192) F = Fa ⋅ L Este resultado demuestra la gran deterioración en la cifra de ruido total. En efecto. entonces (2. son: 1 dB a 25 MHz. Consideremos un atenuador (que puede ser una línea de transmisión) cuya pérdida de inserción es L. peor será el valor de la cifra de ruido total. pues L es un parámetro que se puede determinar fácilmente a partir de las características técnicas o especificaciones de la línea de transmisión. las expresiones (2. FL = exp(2αx) y TeL = [exp(2αx) − 1]To . longitud 900 MHz 2 MHz 100 kelvins 10-9 W 60 metros .191) permiten aproximar los valores de la cifra de ruido y temperatura de ruido.58. Vamos a determinar las relaciones S/N de predetección en ambas configuraciones. Consideremos las dos configuraciones de un sistema de recepción mostradas en la Fig. F = FL + Fa − 1 G pL . Cuanto más alto es el factor de atenuación L. las pérdidas típicas de un cable coaxial de 75 Ohm. y puesto que. donde α es la constante de atenuación en nepers por unidad de longitud y x la longitud de la línea.177 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Cuando en una línea de transmisión no se conoce exactamente su temperatura física Tp . 2. 2 dB a 85 MHz. 4 dB a 300 MHz. ♣ Ejemplo 2. Un caso muy frecuente en la práctica es la conexión en cascada de una red atenuadora seguida de un amplificador. 2.190) y (2. (a) Configuración A (b) Configuración B Estos dos montajes son muy utilizados en la práctica. La cifra de ruido total F de la combinación atenuador-amplificador viene dada por (2.181). Por ejemplo.

487 = 16. G p2 : Cifra de ruido del amplificador A2. 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. Te1: Ganancia de potencia del amplificador A2. Te2 = (F2 − 1)To = (3. S i = G p ⋅ S a = 2.778 dB To 290 (c) Cálculos para el Amplificador A2 G p 2 = 40 dB = 10 4 .981. Tp : Ganancia de potencia del amplificador A1.178 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Temperatura física de la línea de transmisión.189). Entonces.56 dBm y la potencia de la señal. G p1 310 kelvins 50 dB 200 kelvins 40 dB 6 dB Temperatura efectiva de ruido del amplificador A1. G pL = 1 L = 2.45)2 x10 6 N i = 1.512 x10 7 x10 −9 = 2.45 kelvins F = 1+ Te 19993.512 x10 −2 x105 Te = 19993.32 + + −2 G pL G pL G p1 2. F1 = 1 + Te1 200 = 1+ = 1. L = 16 dB = 39.512x10 -2 W = 14 dBm La relación de predetección S i / N i para la Configuración A será entonces .512 x10 −2 TeL = (L − 1)Tp = (39. De (2.51 kelvins (d) Cálculo de la relación de predetección S i / N i para la Configuración A Te = TeL + Te1 Te2 200 864. F2 = 6 dB = 3. De donde De (2.811 − 1)310 = 12031.51 + = 12031.393x10 −5 W = −18.447 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. Te1 = 200 kelvins.28 dB (b) Cálculos para el Amplificador A1 G p1 = 50 dB = 10 5 .69 = 2.981 − 1)290 = 864.188).811.94 = 18.38x10 −23 (100 + 19993.512 x10 2.512 x10 7 x1.45 = 1+ = 69.32 kelvins F L = 1 + ( L − 1) Tp To = 1 + (39.81 − 1) 310 290 = 42.

51 + = 200 + + 5 5 G p1 G p1G pL 10 10 x2.512 x10 7 x1. La condición M > 0 implica que G p > 1. lo que significa que la medida del ruido M no se aplica en redes atenuadoras.393x10 −5 ⎡ Si ⎤ ⎢ ⎥ = 32.46 = 1+ = 1. M” para caracterizar el efecto del ruido en un sistema lineal invariante en el tiempo. Es evidente que la Configuración B es preferible a la Configuración A. La relación de postdetección S o / N o dependerá del tipo de modulación empleado en el sistema. sobre todo de los países europeos.282 dB To 290 N i = 2. N i 1. en aplicaciones en que las señales recibidas son de muy bajo nivel. ♣ Medida del Ruido En la literatura técnica. aunque no siempre es práctica la instalación de un preamplificador acoplado directamente a la antena. Sin embargo. . como es el caso en comunicaciones vía satélite y en radioastronomía.193) donde F es la cifra de ruido del sistema y G p su correspondiente ganancia de potencia.69 = 2. generalmente parabólica. como veremos en los Capítulos V y VI.512 x10 −2 = = 1803.512 x10 −2 W La relación de predetección S i / N i para la Configuración B será Si = 120588.252 dB más alta que la relación de predetección de la Configuración A.46 kelvins F = 1+ Te 200. se coloca un preamplificador de muy bajo ruido (low noise amplifier. La medida del ruido de un sistema se define en la forma M= F−1 1 1− Gp con M > 0 (2.3.46)2 x10 6 N i = 2.179 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si 2.561 dB ⎣ N i ⎦ dB (e) Cálculo de la relación de predetección S i / N i para la Configuración B Te = Te1 + TeL Te2 12031. Ni ⎡ Si ⎤ ⎢ ⎥ = 50.38x10 −23 (100 + 200. LNA) directamente acoplado a la antena. se utiliza a menudo la denominada “Medida del Ruido.083x10 −7 W S i = 2.512 x10 −2 Te = 200.81 dB ⎣ N i ⎦ dB Puede observarse que esta relación de predetección es 18.32 864. para mejorar la relación S i / N i a la entrada del detector.

..181).. y de la definición de la medida del ruido. en cuyo caso no se necesita la medida del ruido M puesto que F ≈ Fa . Aún más..+ 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 ... después A1). se tiene que 1 + 1 Gp + Fa G2 p − Fa G3 p G2 p − 1 G3 p +. = G pn = G p .194) Cuando la cantidad de etapas es grande.. (2.. es decir... que F12 < F21 .181) hacemos F1 = F2 =. y F21 la cascada A2-A1 (primero A2. De (2. en consecuencia. si G p >> 1. si en (2. si G p es lo suficientemente grande. respectivamente.. Finalmente. ♣ Ejemplo 2. Si G p < 1. después A2)... la expresión (2. vemos que M = N so / N io .194) permite determinar la cifra de ruido total F mucho más rápido que si se utilizara la expresión (2.. = Fn = Fa y F = Fa + Fa Gp − G p1 = G p 2 =. se obtiene ( F1 − 1) ⋅ (1 − 1 / G p 2 ) < ( F2 − 1) ⋅ (1 − 1 / G p1 ) . si comparamos (2.193).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..193)...181). Se desea saber la relación entre las temperaturas efectivas y ganancias de potencia de los amplificadores A1 y A2. entonces M ≈ Fa − 1. Si G p > 1 pero cercano a la unidad.. y que la relación N so / N io se puede cuantificar mediante la expresión (2.. F2 − 1 F1 − 1 F12 = F1 + < F21 = F2 + G p1 G p2 Restando la unidad a cada miembro de la desigualdad y rearreglando. Por ejemplo... es decir. Sea F12 la cifra de ruido de la cascada A1-A2 (primero A1..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 .. expresión (2.+ G n −1 p Fa − 1 G n −1 p Agrupando términos ⎡ 1 1 1 1 ⎤ ⎢1 + F = 1 + (Fa − 1) + + +.. .194) con (2.166). las etapas atenúan y la medida del ruido M no tiene sentido. cifras de ruido F1 y F2 . lo que equivale a decir que M es una medida relativa del ruido generado internamente en el sistema respecto al ruido de entrada al mismo. y ganancias de potencia G p1 y G p2 . de donde F1 − 1 1 − 1 / G p1 < F2 − 1 1 − 1 / G p2 .. la medida del ruido es bastante alta y F ≈ M ..... 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 expresado mediante su ecuación canónica o su densidad espectral de potencia. Raleigh. que nos proveen de las herramientas analíticas necesarias para emprender el estudio de sistemas en el dominio de la frecuencia. 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. en detrimento de la cifra de ruido F o la medida de ruido M. por lo tanto. 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. establecer el concepto de sistema y definir la respuesta impulsional y la función de transferencia de un sistema lineal invariante en el tiempo. Esto nos permite. En particular. Este análisis lo enfocamos desde el punto de vista de las Series y Transformadas de Fourier. El análisis espectral de sistemas es esencial para comprender muchos fenómenos no perceptibles en el dominio del tiempo. a partir del Análisis de Fourier. el ruido en un sistema se puede caracterizar mediante sus relaciones S/N. Un aspecto de considerable importancia en el campo de las telecomunicaciones es el ruido. Con el fin de poderlo analizar. Temperatura Efectiva de Ruido. la temperatura de ruido se utiliza ampliamente para caracterizar el ruido en sistemas que trabajan con señales de muy bajo nivel. al ruido lo hemos representado como una señal aleatoria. su temperatura efectiva de ruido Te o su medida del ruido M. etc. 2. generalmente gaussiana.10. . el ruido se ha caracterizado como relación Señal/Ruido. Para su aplicación en el análisis de sistemas. pero que es suficiente para comprender los conceptos que se estudiarán en el resto del texto.181 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS M1 < M 2 De manera que F12 < F21 implica que M 1 < M 2 . 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. de sus propiedades y teoremas derivados (Parseval. y los efectos de las interacciones señalessistemas. 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. Wiener-Kintchine. su cifra de ruido F. como es el caso de amplificadores paramétricos y dispositivos similares. Cifra de Ruido y Medida del Ruido. conceptos que nos permiten analizar y cuantificar sus efectos en la transmisión y recepción de señales. el desarrollo de modelos matemáticos que representen los sistemas físicos para emprender el análisis de las interrelaciones señales-sistemas.). Es necesario. Las relaciones S/N son de aplicación general. La tendencia actual en esta aplicación es la de utilizar cada vez más la temperatura de ruido para caracterizar el ruido.

es un sistema lineal variante en el tiempo. entonces y ( t ) = A exp[ − ( t − t o )]u ( t − t o ) t t A y( t ) = 2A senh( ) ⋅ exp(− ) ⋅ u ( t ) + 2 2 2 (e) Si x ( t ) = A cos( 2πt ) . La relación entrada-salida de un SLIT se puede representar mediante la ecuación diferencial x(t ) = (a) d dt y ( t ) + y ( t ) .182 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS PROBLEMAS DE APLICACION 2. Demuestre que el sistema caracterizado mediante la ecuación diferencial y (t ) = t 2 d2 dt 2 x (t ) + t d dt x ( t ) . 2. entonces y(t ) = A 1 + 4π 2 [ cos(2 πt ) + 2π sen(2πt )] (f) Si x ( t ) = A exp( − t ) u ( t ) .59.2. | Yn | y φ yn tendrán los valores dados. 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 2.59 (c) Si x ( t ) = Aδ(t − t o ) . entonces (d) Si x ( t ) = Au ( t ) . entonces y( t ) = At exp(− t )u ( t ) (g) Si x ( t ) = n =−∞ ∑ AΛ ( tT−/nT ) .1. 2. La entrada x(t) y la salida y(t) de un SLIT están relacionadas mediante la ecuación íntegrodiferencial y(t ) = ∫ ∞ −∞ y (τ ) x ( t − τ ) dτ + d dt u(t ) .3. 2. 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. Para este sistema demuestre que: 1 1+ j2 πf b) Si x(t) es una señal periódica como la de la Fig.

6. 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 ). siendo To el tiempo de ir de A a B. respectivamente h ( t . entonces y( t ) = [1 − exp[−3( t + 1)]]Π ( ) − [1 − exp[−3( t − 1)]]u ( t − 1) 3 2 3 2 . Sea el sistema mostrado en la Fig.60 x(t) R = 1 Ohm B A h(t) y(t) para τ = 2nTo ± τo . La respuesta impulsional de un SLIT es h (t ) = δ(t ) + 2 exp(−3t )u (t ) . entonces j2 πf − 1 j2 πf (1 + jπf ) n =−∞ ∑Λ( ∞ t − 2 nTo To ) y ( t ) = [exp(−2 t ) − 1]u ( t ) 5 + j2 πf 3 + j2 πf 29 13 cos(2 t − 11. τ) = Λ ( τo ) δ ( t − τ) To Fig.183 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si x ( t ) = exp(−2 t ) u ( t ) . 2.60. entonces (c) Si x ( t ) = 4 cos2 ( 2 t ) .4. 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. con τo < To y(t ) = x(t ) ⋅ 2. y(t) ⇔ Y(f) = exp(-j4 π 2 f ) 1 − ( 2 πf ) 2 + j4 πf Demuestre que la respuesta impulsional del SLIT es h( t ) = x( t ) 2. Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = exp(t ) u ( − t ) . (b) Que su respuesta impulsional y salida son.88 o ) 2. El cursor oscila a una velocidad constante entre los puntos A y B. 2. La respuesta impulsional de un SLIT es h ( t ) = [ 3 exp( −2 t ) − 1] u ( t ) . 2.5.47 o ) t 2 t 2 (d) Si x ( t ) = Π ( ) . Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = 3 cos( 2 t ) . donde δ' ( t ) es un doblete. Demuestre: (a) Que éste es un sistema lineal variante en el tiempo. y viceversa.7.

9.t)Π( ). h(t) = 10Π( y ( t ) = 50(20t − t 2 )Π( y ( t ) = 400Λ ( t−4 4 ) t-3 4 2.13. h(t) = -2δ(t + 30) + 4δ(t .4n) . t . |L – R| > 0 L−R R v(t) i(t) L Fig. Demuestre. 2. 2.10. t -5 10 ).61 2. (a) Demuestre que esta red produce un término de distorsión de fase. Demuestre que la corriente es exp( − i (t ) = R t ) − exp(− t ) L u ( t ) . mediante convolución puramente analítica. y( t ) = −10Π ( t + 25 t − 55 ) + 20Π ( ) 10 10 (b) x ( t ) = 10Λ (t ).12. . (d) x ( t ) = 10u (t ). (a) x ( t ) = 5Π( t −5 10 ).62 se muestra las características de amplitud y fase de una red dada. Demuestre que en una red de transmisión sin distorsión el retardo de fase y el retardo de envolvente son iguales cuando β(0) = 0. Sea el circuito de la Fig. ∞ 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 .8. 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. 2.50) . Suponga que la corriente i(0-) = 0. ). ⎣ 1 + j2 πf ⎦ Demuestre que la respuesta del SLIT cuando se le aplica la excitación x ( t ) = 5u ( t − 2 ) es y (t ) = 50 exp[− (t − 4 )] ⋅ u (t − 4 ) 2. (e) x ( t ) = 10Π( t −1 4 h(t) = 5 n=-∞ ∑δ(t .10 20 ).61 y v( t ) = exp( − t ) u ( t ) . En la Fig. respectivamente. y verifique la respuesta mediante convolución gráfica. ¿ Qué sucede cuando β( 0) ≠ 0 ? 2. la salida y(t) para los x(t) y h(t) dados.184 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎡ 1 ⎤ 2.11. (b) Demuestre que el retardo de fase y el retardo de grupo son. La función de transferencia de un SLIT es H ( f ) = 10⎢1 − ⎥ ⋅ exp( − j4 πf ) . (c) x ( t ) = 10u ( t ).

14. 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 (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.185 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS t p (f ) = 1 60 + 1 6f . 2. 2. En la Fig. 2. 2.62 (c) Grafique t p (f ) y explique el comportamiento de la red cuando la frecuencia varía desde f = 0 hasta f → ∞.64 se muestra las características de amplitud y fase de un filtro dado. Determine la salida y(t) del filtro para cada una de las señales siguientes. β( f ) 4 -10 f -20 -10 0 10 Hz 20 0 |H(f)| 2 π/2 10 f Hz −π / 2 (b) (a) Fig.15. 2. 63. y especifique el tipo de distorsión producido. t g (f ) = 1 60 β( f ) π/3 10 -10 f 0 f |H(f)| ho −π / 3 (b) 0 (a) Fig. 2.63 Demuestre que la salida del filtro es y (t ) = 40sinc[10(t − 1 )] + 20sinc 2 (5t ) sen(30πt ) 40 ¿Qué tipos de distorsión hay presentes en la salida? 2.

a 3 = 10 −3 Calcule el porcentaje de distorsión de tercera armónica. 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 . 2. β (f) = arc tg( 2πb 1f bo ) − arc tg( 2πf ao ) h( t ) = [ b o − a o b1 ]exp( − a o t )u( t ) + b1δ( t ) (b) Grafique | H (f )| y β (f) para b o = 0. (c) Sea x( t ) = 2 x10 3 sinc ( 2 x10 3 t ). a 2 = −10 −2 . Demuestre que la potencia promedio de la salida deseada es < y 2 (t ) >= 400 W (b) Sea x ( t ) = 10 cos(100πt ).18. a 1 = 2. ¿ Cómo es el comportamiento de esta red para frecuencias de entrada superiores a 1 kHz? 2. características de amplitud y fase de H(f). 2.65 . (b) Si R 1 = 2 R 2 = 1000 Ohm y grafique las C 1 = C 2 = 10 µF. a 3 = 4 Determine los términos de distorsión armónica y los de intermodulación. ¿ Qué tipo de filtro es? (d) Determine y grafique el retardo de envolvente cuando b 1 = 0 y a o = 1. (a) Demuestre que cuando R 1C 1 = R 2 C 2 la red se comporta como una red sin distorsión con retardo cero.186 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS (c) x( t ) = 16sinc (8x105 t ) ⋅ cos( 28πx106 t ) + 2sinc (106 t ) ⋅ cos(107 πt ) 2.16. a 1 = 11. a 2 = 10 −2 . a 2 = 6. La red mostrada en la Fig.65 es un sistema muy utilizado en instrumentos de medición. ¿ Qué tipo de filtro es? (c) Grafique | H ( f )| y β (f) para b 1 = 0. x(t) R1 C1 R2 C2 y(t) Fig.17. 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). a 3 = 0 Determine Y(f) y dibuje su espectro |Y(f)|. a 1 = 10. (a) Sea x ( t ) = cos(10πt ) + cos(100πt ).

En general. el espectro del cuadrado de las siguientes señales.20.21. 2. 2. . 2. Sea los filtros reales mostrados en la Fig. Este filtro se utiliza para eliminar frecuencias indeseables. ¿Es x 2 ( t ) también de banda limitada? Si lo es.67. ¿Qué puede decirse del espectro de x n ( t ) ? (Utilice el teorema de la convolución). τ τ 2. determine el retardo de envolvente y el ancho de banda de acuerdo con la definición dada en la expresión (2.19. 2. L R C C R C R R L C (a) (b) Fig. Sea una señal x(t) de banda limitada f m .79). demuestre que su salida es y (t ) = Ah o Λ ( ). (b) Determine los anchos de banda de 3 dB.66 se muestra las características ideales de un filtro conocido con el nombre de “filtro de ranura (notch filter)”.187 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.67. en cada caso. (d) Para los filtros (a) y (b). determine su frecuencia máxima. |H(f)| ho 2B f Fig. y observe y compare sus correspondientes anchos de banda.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. (c) Determine las ecuaciones diferenciales o íntegrodiferenciales que los caracterizan. En la Fig. 1 8f c Sea un filtro cuya función de transferencia es H (f ) = h o sinc(τf ) exp(− j2πt o f ) . (c) (d) (a) Determine y grafique las correspondientes características de amplitud y fase. Si se le t − to t aplica la señal x (t ) = AΠ ( ) .22. (a) x (t ) = 4 Af m sinc(2 f m t ) (b) x (t ) = 4 Af m sinc(2 f m t ) ⋅ cos(2πf c t ) con f c >> f m 2. Determine y dibuje.

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). para las partes (a) y (b). (d) Salida de la combinación H 1 (f ) y H 2 (f ) en cascada.68. con un valor máximo de 15 V y mínimo de 5 V. su ancho de banda de 3 dB es de 102. 2. entonces x(t) = A [1 − cos(2πf m t )] πt (b) Si x(t ) = 2 Af m sinc 2 (f m t ) ⋅ sen(2 πf c t ) .5). (b) Salida de H 2 (f ) solamente. 2. es decir. entonces. H 2 (f ) pasabajo de ancho de banda de 1500 Hz. x s (t )] son ortogonales. Todos los filtros tienen ganancia unitaria. x(t)] y [ x c (t ). (b) Demuestre que si R = 1 MΩ y C =1 pF. dada en la Sección 2. Se tiene una señal x(t) diente de sierra creciente cuyo período es de 1 ms. (a) Determine sus características de amplitud y de fase. (c) Salida de H 3 (f ) solamente. H 2 (f ) y H 3 (f ) en cascada.431 kHz. dibuje la señal de salida y(t) en los siguientes casos: (a) Salida de H 1 (f ) solamente. Demuestre que (a) Si x(t ) = 2 Af m sinc(2 f m t ). que ∫ ∞ −∞ x (t ) ⋅ x(t ) dt = 0. 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. 2. (c) Demuestre que su respuesta impulsional es h(t ) = t x(t) R C Fig. (f) Salida de la combinación H 2 (f ) y H 3 (f ) en cascada. 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( ).25. y H 3 (f ) pasaalto de frecuencia de corte de 500 Hz. Transformada de Hilbert. que las duplas [ x(t ).188 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.23. R C y(t) t )u (t ) RC (RC) t −T/ 2 ) . Se dispone también de tres filtros ideales: H 1 (f ) pasabajo de ancho de banda de 500 Hz. ∫ ∞ -∞ x c (t ) ⋅ x s (t ) dt = 0 . Si la entrada es x(t). Sea el circuito mostrado en la Fig. (g) Salida de la combinación H 1 (f ). (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. (e) Demuestre.24. (e) Salida de la combinación H 1 (f ) y H 3 (f ) en cascada.68.

2. R C Fig.29. 2. (b) x(t ) = m1 (t ) cos(2πf c t ) + m 2 (t ) sen(2πf c t ) ˆ ˆ ˆ 2. La razón es que.69 Z(f) Demuestre que el voltaje eficaz de ruido térmico en sus terminales es.28.40. ˆ ˆ ˆ R xx (τ) =< x(t)x(t + τ) > y ˆ ˆ z(t)=x(t) +jx(t) . para no perder la información contenida en la señal mensaje m(t). 2. R xx (τ) =< x(t)x(t + τ) . Sea m1 (t ) = ABsinc 2 (Bt ) y m 2 (t ) = 2 ABsinc(2 Bt ). demuestre que ˆ R x (τ) = R x (τ). La única restricción existente es que si la frecuencia máxima de la señal mensaje es f m y el ancho de banda del filtro pasabajo es B. 2. El filtro es ideal y de ganancia unitaria. dibuje el espectro de las señales 2 (a) x( t ) = m1 ( t ) cos(2 πf c t ) − m1 (t ) sen(2πf c t ) . Nótese que este detector tiene la misma forma que la rama superior de la Fig. y(t) = m(t) (b) Demuestre también que si x(t) es una señal modulada en banda lateral única de la forma x ( t ) = m( t ) cos(2 πf c t ) − m(t ) sen(2 πf c t ) entonces y ( t ) = m( t ) El detector sincrónico permite entonces extraer o detectar una señal mensaje m(t) pasabajo contenida en una señal modulada en doble banda lateral o en banda lateral única. (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 ).189 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. 2. R x (τ) =< x(t)x(t + τ). entonces debe verificarse siempre que f c ≥ B ≥ f m . generalmente f c >> f m . para B→∞ v ef = kT C Obsérvese que el voltaje eficaz de ruido resulta ser independiente de la resistencia R. f c >> B y B ≥ f m . R (0) = 0 z x x x ˆ donde R x (τ) es la Transformada de Hilbert de R x (τ) .69. Sea el “detector sincrónico o coherente” mostrado en el Problema de Aplicación 1. 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. Considere la combinación RC mostrada en la Fig. Si R x (τ) =< x(t)x(t + τ) >. 34(a). Sea entonces m(t) una señal mensaje pasabajo portadora de información.26. Si f c = 5B . entonces. mientras que el voltaje eficaz por unidad de ancho de banda es proporcional a R.27. R xx (τ) = R x (τ) = − R xx (τ) ˆ ˆ ˆ ˆ ˆ R (τ) = 2[R (τ) + jR (τ)]. En la práctica. .

donde fc > B. Determine el ancho de banda equivalente BN del ruido de las redes cuyas funciones de transferencia son: |f | B ). de 1000 Ohm cada una. 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. están a una temperatura de 300 y 400 kelvins. 2.30. El ancho de banda en ambos casos es de 100 kHz.190 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Determinar el voltaje eficaz de ruido cuando (a) las resistencias están en serie y (b) cuando están en paralelo.70 a cuya entrada se conecta una resistencia ruidosa R.31. [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 ] . [Respuesta: B N = ] B 2 2 f B (c) H(f)=h o sin c( ). respectivamente. Sea la red sin ruido de la Fig.32.33. [Respuesta: BN = ] B 2 2 f π B (b) H(f)=h o exp(− 2 ). Dos resistencias. Demuestre que el valor eficaz de la corriente de ruido en un circuido RL serie es i ef = kT / L 2.70 (b) Un filtro pasabanda ideal de ganancia ho .34. Demuestre que la densidad espectral de potencia de la tensión de ruido en un circuito RL paralelo es S n (f ) = 2 kTR . ancho de banda 2B y centrado en la frecuencia fc . [Respuesta: v oef = h o 4 kTRB ] R Red sin Ruido H(f) voef Fig. 2. [Respuesta: v oef = h o 8kTRB ] |f| (b) Un filtro exponencial de la forma H ( f ) = h o exp( − ) B kTB [Respuesta: v oef = h o ] 2 (d) Un filtro gaussiano de la forma H (f ) = h o exp(− [Respuesta: v oef = h o kTB π ] 2 2 f2 B2 ) 2. 2.

2.37. una ganancia de potencia de 50 dB y un ancho de banda equivalente del ruido de 10 kHz. 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. Repetir cuando T Ts = o . Demuestre: Ss / N s Amplificador Si / N i de RF F = 10. En la Fig.72 (a) Que la relación S s / N s a la entrada del amplificador es de 23. Ts = 10To y Ts = 100To .72. 2.191 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS | f + fc | |f − fc | ⎤ ⎡ (e) H (f ) = h o ⎢ exp(− ) + exp(− ) B B ⎥ ⎦ ⎣ 2. 2.196 dBm .35 dB.71 Ts = To = 290 kelvins Demuestre que la temperatura neta Ti de entrada al amplificador es de 2900 kelvins. (c) Que la relación de predetección S i / N i es de 22.36. . 2. 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. 2. Sea el sistema de la Fig. La cifra de ruido del amplificador es de 10 dB y ganancia de potencia de 80 dB.71 se muestra la etapa de entrada (amplificador de RF) de un receptor. (a) Demuestre que la temperatura efectiva de ruido es Te = 2030 kelvins (b) Determine la potencia disponible de salida si la resistencia de la fuente a la entrada del amplificador tiene una temperatura de ruido Ts = To = 290 kelvins. de ancho de banda de 20 kHz y centrado en fc = 1 MHz. (b) Que la contribución del ruido a la salida debida al ruido propio del amplificador es de 7. fc >> B [Respuesta: BN = B ] Un amplificador de alta ganancia tiene una cifra de ruido de 9. G p = 10 dB Detector Al Fig.585 dB. y que la potencia disponible de ruido a su salida es N i = −16.031 dB.204x10-15 W.35. 4 2.

75. 2.4x10 −14 W . Si = 12 . Sea una cadena de tres amplificadores cuyas características se muestran en la Fig.73 (b) Demuestre que para la configuración (b) .01 dB . la potencia de señal es de W y la potencia de ruido de 2. Sea el sistema de recepción de la Fig.73.5 kelvins. Demuestre: (a) Que la potencia de ruido Ni a la entrada del detector es de -60. La temperatura efectiva de la antena es de 100 kelvins. Compare estos resultados con los ya obtenidos. La línea de transmisión tiene un factor de atenuación L = 2 dB y una temperatura física de 310 kelvins. 10 Si = 6. 2. (b) Repetir la parte (a) pero intercalando entre la antena y la línea de transmisión un amplificador con una ganancia de potencia de 15 dB y una temperatura efectiva de 40 kelvins. 2. [Respuesta: Ni = 8.305 dB .01 dB F2 = 10 dB Al Detector (a) Conexión sin Preamplificador (b) Conexión con Preamplificador Fig. Repita la parte (b) si F1 = 13. y que la cifra de ruido total Ni de los dos amplificadores se ha reducido a F12 = 2.75 (a) Suponiendo que el ruido individual de los amplificadores es despreciable frente al ruido de entrada. Demuestre también que la temperatura total efectiva de ruido es ahora 420. 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. El ancho de banda es de 6 MHz. En antena.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. 2. demuestre que .38. ¿Qué se puede decir al respecto? 2.39.506x10-9 W ] 2.5 G p2 = 40 dB N i Al F2 = 2 Detector B = 2 MHz Fig. Ni −12 G p = 80 dB Si / N i F = 10 dB Al Detector Amplificador Preamplificador G p1 = 13 dB Amplificador G p2 = 80 dB Si / N i F1 = 3.192 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. (a) Demuestre que para la configuración (a).2 dB .40.315 dBm. 2.74.45 . Sean los dos sistemas representados en la Fig. 2.

2. se tiene que vemos que el valor de L aumenta al aumentar la longitud de la línea.123 dBm.979 dBm y N 3 = −23.66 kelvins (b) Usando el resultado de la parte (a). = 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. referida a la entrada del sistema línea-receptor es Te.193 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N 1 = −83.76. (c) Si las temperaturas efectivas de los amplificadores son Te 2 = 400 kelvins y Te3 = 500 kelvins . se puede escribir entonces v 2 = v 2 exp(−2α x) . (c) Verifique la cifra de ruido total calculada en (b) individuales y combinando sus efectos. demuestre que la cifra de ruido total del sistema es F = 1. Suponga que una línea de transmisión de pérdidas L y temperatura física TpL se agrega a la entrada del receptor.99 dBm .113 dBm y N 3 = −23. referida al amplificador compuesto? 2.183). determinando las cifras de ruido Se le sugiere al lector repetir este problema intercambiando las diferentes etapas a fin de conseguir una configuración óptima. En este caso. 2. N 2 = −30. expresión (2.42. es decir.99 dBm. ¿Por qué no puede determinarse la temperatura efectiva de ruido. definición del factor de atenuación L. Un cierto receptor tiene una temperatura efectiva de ruido Te1 . demuestre que N1 = −83. 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.76 (a) Demuestre que la temperatura efectiva de ruido. la nueva temperatura de ruido a la entrada del sistema línea-receptor es Te' = Te1 exp(2αx) + [exp(2αx) − 1]TpL . Definiendo v 2 = Pdi y v 2 = Pdo . Etapa 1 Etapa 2 Etapa 3 Te1 = 300 kelvins . referida a la entrada del sistema de tres etapas. entonces se verifica que v oef = v ief exp(−α x) . aquella con la mínima cifra de ruido total. 2. donde α es la constante de atenuación y x la longitud de la línea.172 dBm. Sea el sistema de tres etapas mostrado en la Fig. Demuestre que la nueva temperatura de ruido. es Te = 260. y de acuerdo con la oef ief ief oef L = exp(2α x) .41.899. En términos de potencia (normalizadas respecto a R = 1 Ohm). N 2 = −30.

77.43. Sea Te1 la temperatura efectiva de ruido de un receptor.1 dB en la atenuación L de la línea de transmisión. 2.623x107 = 75. a la entrada del primer amplificador es Te’ = 150. Te1 = 150 kelvins.69 3. La relación Si/Ni de predetección es Tn = 100 kelvins. la temperatura efectiva de ruido del sistema aumenta aproximadamente en 10 kelvins.448 kelvins (b) Demuestre que la temperatura efectiva de ruido Te. 2. (a) Demuestre que la temperatura efectiva de ruido Te referida a la entrada de la línea de transmisión es Te = 407.591 dB Ni .44. Na L. TeL Antena Línea de Transmisión B Preamplificador Señal Util Amplificador B Fig. Sea el sistema de comunicaciones de la Fig. Te2 = 300 kelvins. La temperatura equivalente total del sistema es Te = 200. B = 105 Hz. referida a la entrada de la línea de transmisión. To = 290 kelvins. Gp2 = 20 dB = 100. están relacionados mediante la ecuación ∆Te = Te1 + TPL ∆L (d) Si Te1 = 150 kelvins y TPL = 290 kelvins . y TPL la temperatura física de la línea de transmisión que interconecta la antena con el receptor. La cifra de ruido total es F = 1. Ta = 100 kelvins Ga = 50 dB = 105. Sr = 10-8 W G pL = 1 . 1.194 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. 2. TpL = To. Verifique este resultado para valores arbitrarios de la atenuación L. N1 Ruido Blanco A2 Gp2 Te2 Si/Ni Al Detector Nn Sa.585. demuestre que por cada incremento de 0. (a) Demuestre que el incremento ∆Te en la temperatura efectiva Te .77. Gp1 = 40 dB = 104 . y el incremento ∆L de la atenuación L de la línea de transmisión. Datos: L = 2 dB = 1.004 kelvins Si = 3. Ne Gp1 Ga.03 kelvins (c) Suponga que la temperatura de ruido de entrada a la antena es Demuestre que 2. TeL = (L − 1)TpL L A1 S1.Ta T'e Te1 S r Te GpL. TpL S e .

Sin embargo. no se profundizará demasiado en consideraciones teóricas avanzadas. el ruido. tanto periódicas como no periódicas. Definición Empírica de la Probabilidad En un experimento repetido N veces.1. Por ejemplo.2. la idea de “suerte” está ligada con la de “probabilidad” o “posibilidad”. El resultado de un experimento cualquiera. cuyos valores son conocidos en todo instante ya sea en forma gráfica ya sea en forma analítica. Definiciones de la Probabilidad La teoría de la probabilidad es una rama de las matemáticas aplicadas que trata de los efectos de la suerte o de la casualidad. pero sí se mostrarán aquellos aspectos de aplicación inmediata en el análisis y diseño de sistemas de comunicación prácticos. si el suceso A ocurre m veces. cuando lanzamos un dado o una moneda. se define en la forma P (A ) = lim m N N →∞ (3. en efecto.CAPITULO III VARIABLES Y PROCESOS ALEATORIOS 3. por ejemplo. INTRODUCCION En el presente texto se estudian varios tipos de señal. la probabilidad de que el suceso A ocurra. De la Teoría de la Probabilidad y de las Variables y Procesos Aleatorios hay una inmensa bibliografía que el lector interesado puede consultar. NOCIONES DE LA PROBABILIDAD 3. El comportamiento de estas señales solamente se puede predecir en forma aproximada porque en los mecanismos aleatorios que las producen hay un elemento de ignorancia o de incertidumbre sobre el cual no se tiene ningún control. cuando lanzamos una moneda podemos decir que las probabilidades de que caiga cara o sello son “igualmente posibles” o “igualmente probables”. En consecuencia. Estos tipos de señal se denominan señales determinísticas. cuyo comportamiento se puede predecir a partir de algunas de sus propiedades probabilísticas o estadísticas. entonces P(A).2.1) . Pero también hay otras clases de señales como. En la Teoría Estadística de la Comunicación tanto las señales mensaje como el ruido se tratan como variables aleatorias. 3. es posible predecir en cierta manera el comportamiento promedio de un número grande de experimentos. éstas son las señales aleatorias. por cuanto ellas varían en forma muy compleja. Como es normal en un texto introductorio de comunicaciones.1. por ejemplo. depende de la combinación de muchos factores completamente impredecibles. 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. en cada canal de comunicación siempre habrá señales de ruido que contaminan las señales mensaje portadoras de información. acerca de las cuales sólo conocemos algunos parámetros. En la Teoría de la Comunicación las señales y procesos aleatorios desempeñan un papel muy importante.

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

...+ A n +..2. A 2 .10) AXIOMA II: P (S) = 1 donde S es el suceso cierto formado por todos los sucesos disjuntos y exhaustivos.15b) si P(A) ≠ 0 . Por definición. entonces la probabilidad de observar un resultado particular A de un conjunto y un resultado B de otro conjunto.8) (3. donde AB ≠ 0 es la intersección de los sucesos A y B.15a) (3.. la cual vamos a definir en la forma siguiente: Sea un suceso B tal que suponiendo el suceso B” es P ( A | B) = P ( AB) P ( B) P (B| A ) = P (AB) P (A ) P (A ) P ( B) P(B) ≠ 0.. AXIOMA III: P (A + B) = P ( A ) + P ( B) La extensión para un número infinito de sucesos no se sigue de (3...12) Probabilidad Condicional A menudo se presenta la situación donde la probabilidad de un suceso es influenciada por otro suceso. la probabilidad de un suceso A depende de si el suceso B ha o no ocurrido. Combinando (3.+ P ( A n ) +. ) = P ( A 1 ) + P ( A 2 ) +.. .. Si un experimento se repite N veces. la “probabilidad del suceso A (3. 3. P (B| A ) = P ( B) P (A ) P ( A | B) P ( A | B) = P (B| A ) si P(B) ≠ 0 (3.. (3.14) O también.11) si A 1 . . 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. VARIABLES Y PROCESOS ALEATORIOS La probabilidad P(A) de un suceso A es un número que se asigna a dicho suceso.13) (3.197 III. .. Esta es la probabilidad condicional.. es decir. entonces la probabilidad del suceso AB se define en la forma P (AB) = lim N AB N N →∞ (3. Independencia Probabilidad Conjunta Si en un experimento hay dos conjuntos de sucesos o resultados. son disjuntos. se denomina la “probabilidad conjunta del suceso AB”.. Probabilidad Conjunta.. si P(A) ≠ 0. A n ..2.....14). Probabilidad Condicional. y si NAB es el número de veces que A y B ocurren simultáneamente.. donde P(AB) es la probabilidad conjunta de los sucesos A y B.13) y (3..9) (3.10) sino que es un nuevo axioma: AXIOMA IIIa: P ( A 1 + A 2 + A 3 +...

. segunda de 50} = P(A)P(B|A) = = 0. De la caja se extrae una resistencia y después otra sin reponer la primera. D..... entonces P ( A | B) = P ( A ) P(AB) = 0 y P(B|A) = P(B) (3. si A y B son independientes.. ♣ Ejemplo 3.15 12 11 5 7 (b) P{sacar primero de 100. En efecto. 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... Definición Se dice que dos sucesos A y B son estadísticamente independientes si y sólo si P (AB) = P ( A )P ( B) (3..) = P(A) P(B) P(C) P(D) . son estadísticamente independientes.27 12 11 7 6 (c) P{sacar primero de 50.. segunda de 50} = P(B)P(B|B) = = 0.. y viceversa.198 III.. por definición. Si esto es cierto. entonces.. para A y B independientes y disjuntos La noción de independencia se puede extender a más de dos sucesos..... Vamos a determinar las siguientes probabilidades.19) . C.... esto es. (3. (a) La probabilidad de que las dos resistencias sean de 100 Ω (b) La probabilidad de que la primera fue de 100 Ω y la segunda de 50 Ω (c) La probabilidad de que las dos resistencias son de 50 Ω Sean los sucesos A = {sacar una resistencia de 100 Ω} B = {sacar una resistencia de 50 Ω} A|A = {sacar una de 100 Ω habiendo sacado previamente una de 100 Ω} B|B = {sacar una de 50 Ω habiendo sacado previamente una de 50 Ω} 5 4 (a) P{sacar primero de 100. segunda de 100} = P(A)P(A|A) = = 0. la probabilidad de ocurrencia conjunta es P(ABCD.16) Esto quiere decir que si A y B son independientes.15b) son conocidas con el nombre de “Ecuaciones de Bayes” o “Regla de Bayes”.18) Nótese que si A y B son independientes y disjuntos.. B.. entonces la ocurrencia del suceso A no influencia en absoluto la ocurrencia del suceso B.32 12 11 Independencia Estadística ♣ El concepto de independencia es básico.1 Una caja contiene 5 resistencias de 100 Ω y 7 resistencias de 50 Ω. si los sucesos A. VARIABLES Y PROCESOS ALEATORIOS Las expresiones (3. entonces la probabilidad condicional P(A|B) es simplemente la probabilidad P(A).17) (3.15a) y (3.

14).. y sea B un suceso cualquiera contenido en S..+ A n ) A1 B An A2 A3 Fig. Probabilidad Total j ≠ i . 3..+ P ( B| A n ) P ( A n ) P ( B) = ∑P(B| A )P(A ) i i i =1 n (3...23) Reemplazando P(B) de (3.1. Fig. P (BA i ) = P ( B| A i ) P ( A i ) Entonces.... VARIABLES Y PROCESOS ALEATORIOS Nótese que si los sucesos son independientes por pares.. . A n no sean exhaustibles.22).. expresiones (3... . ... si P(Ai Aj) = P(Ai)P(Aj) para todo j.. 3.13) o (3. BA n Como estos elementos son todos disjuntos.199 III. i y con independientes. de donde P (A i | B) = P (A i ) P (B| A i ) P ( B) P(B | A i )P(A i ) (3. de las expresiones (3. .14). 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). pero sí debe cumplirse que B ⊂ {A 1 + A 2 +. no se sigue que los sucesos sean todos Vamos ahora a obtener una expresión conocida con el nombre de “Teorema de la Probabilidad Total”...13) y (3. En efecto. se obtiene P(A i | B) = ∑ P(B | A )P(A ) j=1 j j n (5. P (B) = P ( B| A 1 ) P (A 1 ) + P ( B| A 2 ) P (A 2 ) +.+ 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 ).. Entonces. es decir.. de la Fig.... donde Ai será definida a continuación...1 S De donde B = BA 1 + BA 2 +.21) Pero de la probabilidad condicional.. A 2 .1. es decir.. Se tiene un conjunto de n sucesos disjuntos y exhaustivos A 1 ....+ P (BA n ) (3. .22) Este es el teorema sobre la probabilidad total..20) (3. P (B) = P ( BA 1 ) + P ( BA 2 )+.24) Este es el llamado “Teorema de Bayes”. A n cuya suma es igual al suceso cierto S. A 2 ... B ⊂ S. B = BS = B( A 1 + A 2 +.. 3.. Hay que hacer notar que este teorema es válido aún cuando los n sucesos A 1 .. se tiene P (A i B) = P (A i | B)P (B) = P (B| A i )P (A i ) .

a menudo llamadas “probabilidades de transición”. 3.2(a). r j ) = P (m i )P (r j | m i ) También. es decir. queremos decir que la probabilidad de una decisión correcta P( ) es máxima.26) . 3. r j ) P (r j ) (3. de la expresión (3. Cuando decimos “óptimo”. por ejemplo. con 0 ≤ i ≤ M − 1. Nuestro problema es especificar un receptor que. (3. 2 La operación del canal se puede describir como un conjunto S que comprende MJ elementos o puntos cada uno identificado mediante la dupla (m i . el filtro acoplado que se verá en el Capítulo V es un receptor óptimo. hay que hacer notar que en un sistema de comunicación real generalmente no se conocen las probabilidades de transición. Este modelo describe un sistema de comunicación como el mostrado en la Fig. 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. las probabilidades antes de la recepción. M = 2. 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. 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 } .200 III. y J posibles símbolos de salida r j . como se muestra en la Fig.2(b). En lo que concierne a este ejemplo. formule una decisión óptima en relación a qué mensaje m i fue transmitido. de acuerdo con el símbolo r j recibido.13). Estas probabilidades son las probabilidades “a priori” de los mensajes. Para valores pequeños de MJ es conveniente hacer un diagrama de estas probabilidades. sin embargo. 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. P (m i . 3. ocurren los mensajes {m i } . J = 3 r2 Canal rj mj {r j } {m j } Receptor (b) Sistema de Comunicación Fig. r j ) y cuyas probabilidades son. el modelo del canal se puede describir completamente [Wozencraft y Jacobs. { } 0 ≤ j ≤ J − 1.25) P (m i | r j ) = P (m i .

r1) (m1 . la probabilidad de que m i fue transmitido es P (m i | r j ) .3 dado recibido.29) . La suma de todas estas áreas es la unidad M J S P (ro |mo ) P (r1| mo ) (mo . La probabilidad de cada par (m i . VARIABLES Y PROCESOS ALEATORIOS En la Fig. la suma sobre j es maximizada sólo y solamente si cada uno de los términos P( |rj) es máximo. para un r j Fig. entonces. 3. es decir. la probabilidad (m1 . entonces rj puede ser asignado a cualquiera de los mi correspondientes sin pérdida de optimalidad. r2 ) P (r2 | m1 ) P (r2 |mo ) (mo . es justamente la probabilidad de que el mensaje m( j) fue en efecto transmitido. Del teorema de la probabilidad total.3 se muestra la distribución de las probabilidades en un sistema típico con M = 2 y J = 3.26). 3. cada símbolo recibido r j debe ser {} atribuido a una y sólo una de las posibles entradas m i . Entonces la probabilidad condicional P( |rj) de una decisión correcta para un r j recibido. Sea m( j) una entrada dada en el conjunto r j . una probabilidad condicional. No es necesario calcular la probabilidad P(rj) a fin de determinar la transformación óptima y la probabilidad de error resultante. de la expresión (3. Si varios mi tienen la misma (máxima) probabilidad “a posteriori”.27) Es evidente que P( |rj) puede ser maximizada si se elige el elemento m( j) de {m i } con la probabilidad “a posteriori” más alta. 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”. por lo tanto. En efecto. y por lo tanto la regla de decisión es la óptima. sea m k el mensaje cuya probabilidad “a posteriori” es la máxima. r j ) está representada por su correspondiente área. La especificación de un receptor es simplemente la especificación de una transformación desde el conjunto o espacio de salida del canal r j . ro ) (m1 . {m( j)} P (m k | r j ) ≥ P ( m i | r j ) para todo i ≠ k (3. r2 ) “a priori” de que un mensaje m i sea transmitido P (m1 ) P (m o ) es P (m i ) . determina el receptor óptimo. Podemos escribir entonces P( | r j ) = P (m( j)| r j ) (3.22). la elección de la máxima probabilidad “a posteriori”. la probabilidad incondicional de una decisión correcta P( ) para un rj recibido dado es P( ) = {m i } a la cual el receptor atribuye el símbolo recibido ∑P( j= 0 J −1 | r j )P (r j ) (3. aplicada independientemente a cada símbolo recibido r j . Esta “regla o algoritmo de decisión”. r1 ) P (ro | m1 ) P (r1 | m1 ) Antes de la transmisión.28) Las cantidades positivas P(rj) son independientes de la regla de asignación. es decir. Después de la transmisión. expresión (3. ro ) (mo . la cual es la probabilidad “a posteriori”.201 III.

8 0. P(1 | a) = 0.12 (a) Fig. con j = 0.0.0) > P(a.4 x 0.2.6 0. (3.3 1 0 1 0. a 0.4 (b) 0.3 = 0. (3.1) > P(b.3 ♣ . P( )= ∑P(m( j).6 x 0.0) y P(a.12 P(a.0) = P(b) P(0 | b) = 0.1) 0 0 1 (b. como se muestra en la Fig. 3.48 0.48 P(b. es decir.0) (a. 3.31) recibido. P(1 | b) = 0. es decir.202 III. P(0 | b) = 0.1) = 0.4 b 0.32) donde P (m( j). r ) j j= 0 J −1 (3. P(a.30) Una vez que el conjunto {m( j)}.30).0) + P(a. J . r j ) representa la probabilidad de que m( j) fue transmitido y r j Finalmente.1) = P(a) P(1 | a) = 0.6 1 Las probabilidades de entrada o probabilidades “a priori” son: P(a) = 0. VARIABLES Y PROCESOS ALEATORIOS de donde m( j) = m k si y solamente si P (m k )P (r j | m k ) ≥ P (m i )P (r j | m i ) para todo i ≠ k (3. y de la expresión (3.12 Vemos que P(b. 1}.8 S (a.3 (b.8.P( ) = 1 ..0) = P(a) P(0 | a) = 0.4. la probabilidad de una decisión falsa es P( ) = 1 − P ( ) ♣ Ejemplo 3.28 + 0.6 y P(b) = 0. b} y dos símbolos de salida {0.28 P(b.28 0.48 = 0.0) 0. la probabilidad de error.2 0.7 = 0.1) = P(b) P(1 | b) = 0.4. se ha determinado a partir de la expresión (3.8 = 0.26).1) Por consiguiente.. P( ) = P(b. la probabilidad de una decisión correcta P( ) se puede calcular a partir de las expresiones (3..76 P( ) = 1 .31).7 0.6 x 0. Entonces.2 Consideremos un canal binario con dos símbolos de entrada {a.12 0 0.24 Los puntos o áreas correspondientes al error se muestran marcados en la Fig.4 x 0. 2. 1.1..27) y (3..4 Las probabilidades de transición del canal son: P(0 | a) = 0.7. 3.76 = 0.28).2 = 0.1) 0. m(0) = b y m(1) = a .

. El resultado de un experimento aleatorio es. se asigna los números reales x 1 .. el espacio consiste de seis elementos: las seis caras del dado.. Los elementos individuales o puntos del espacio de las muestras se denominan “puntos de muestra”. . una VA es una función en el sentido convencional.6). .. la cual puede tomar cualquiera de los n valores discretos x 1 . uno a cada uno. En general. mientras que x i representa los valores posibles asignados. Esto nos lleva al concepto de “función de distribución de probabilidad de X”. se asigna un número real a cada resultado o punto de muestra del experimento. en este caso. 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. Si hay n resultados.. se define en la forma FX (x ) = P (X ≤ x ) (3. una VA X asigna valores numéricos (números reales) a cada punto de muestra. . A menudo es conveniente describir en forma gráfica las probabilidades asignadas en relación con los valores de la VA asignados. El subíndice es esencial para indicar la asociación de las funciones de probabilidad con una VA dada. VARIABLES ALEATORIAS. de acuerdo con la expresión (5. entonces.203 III. En esta notación el subíndice se refiere a la VA X y el argumento es el valor particular de la VA. Se asigna también una probabilidad a cada valor de la VA X.34) donde x i son los valores que X puede tomar y P (X = x i ) su probabilidad correspondiente. en el ejemplo del lanzamiento de un dado.. x n a estos resultados. En otras palabras. X es la representación general de los valores observados. La función FX(x) es simplemente la probabilidad de que un valor observado sea igual o menor que cierta cantidad x. El conjunto de elementos que consiste de todos los resultados posibles y distintos de un experimento se denomina entonces “espacio de las muestras” del experimento. la “función de distribución acumulativa de una VA X”. se verifica que ∑P i =1 n X (x i ) =1 (3. Por ejemplo. x 3 . Variables Aleatorias Discretas Un experimento dado puede tener un cierto número de resultados. una función f(t) asigna valores a t de acuerdo con una cierta regla. En efecto. PX (x i ) es la probabilidad del resultado o suceso al cual fue asignado el valor x i .3. sobre todo cuando se trabaja con varias VA. x 2 .3. Esto es muy importante. similarmente.1. En realidad. una “variable aleatoria X”. VARIABLES Y PROCESOS ALEATORIOS 3. En este caso la palabra “espacio” se usa como sinónimo de la palabra “conjunto”. . cada subíndice identifica la función o VA dada. Por lo tanto. x n (Nota: la variable aleatoria (VA) se representará con letras mayúsculas. cada punto de muestra corresponde a un resultado distinto del experimento. FUNCIONES DE PROBABILIDAD 3. por ejemplo.33) Una VA discreta se puede describir entonces mediante la llamada “función de frecuencia” PX (x i ) = P (X = x i ) (3. Por consiguiente. y los valores particulares que dicha variable tome se representarán con letras minúsculas). x 2 . y cada uno de ellos se puede considerar como un elemento de un conjunto o espacio. y se aplica tanto en procesos discretos como en procesos continuos. Nótese que si en el experimento hay un total de n resultados x i disjuntos y exhaustivos.. . entonces.35) Nótese que la función de distribución FX(x) depende tanto de la VA X como del valor del argumento.

36) (3.6 0. En la Fig. que en adelante se denominará “densidad de probabilidad”. La “función de frecuencia” de una VA X discreta . la función FX(x) se puede expresar en la forma FX (x) = ∑P i =1 n X (x i ) ⋅ u (x − xi ) (3.1 FX(xi) 0. ella tiene las siguientes propiedades.3 0. y en los puntos de discontinuidad se supone continuidad hacia la derecha.5 ♣ . vendrá dada entonces por n d pX (x) = FX ( x ) = ∑ PX ( x i )δ( x − x i ) dx i =1 (3. 3.5 se dan los datos del experimento y se grafican las funciones de probabilidad pX(x) y FX(x).8 0. FX (−∞) = 0 4. VARIABLES Y PROCESOS ALEATORIOS Como FX(x) está basada directamente en el concepto de probabilidad.15 0.90 1.41) ♣ Ejemplo 3. Cara xi 1 2 3 4 5 6 PX(xi) 0.0 0.1 0.204 III.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 .39) Para una VA X discreta con probabilidades PX (x i ) . 0 ≤ FX (x ) ≤ 1 2.38) (3.80 0. es una función en escalera donde la altura de cada escalón es PX (xi). FX (+∞) = 1 si x 1 < x 2 (3. 3.3 0.37) (3. que daremos sin demostrarlas: 1. pero para efectos del presente ejemplo vamos a suponer que las probabilidades PX(xi) asignadas a cada cara xi son diferentes.1 0 pX(x) 1.50 0.2 FX(x) xi 1 2 3 4 5 6 0 1 2 3 4 5 6 xi (c) Función de Distribución (b) Función de Frecuencia (a) Tabla de Valores Fig.2 0.2 0. Entre discontinuidades el valor de FX(xi) es constante.15 0.35 0.2 0.4 0.00 0. FX (x 1 ) ≤ FX (x 2 ) 3.3 El experimento es el tiro de un dado.

42). Por ejemplo. Una VA continua puede tomar valores en el intervalo continuo (-x1 . En este caso. y.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. en el caso de un espacio de muestras continuo.42) La probabilidad de observar la VA X en el intervalo (x. En el caso más general. la suma de todas las probabilidades sería infinita. Integrando (3. lo cual no tiene significado. T2). la función en cuestión se denomina “función de densidad de probabilidad”. esta temperatura puede tomar cualquier valor dentro de la gama de infinitas temperaturas comprendidas dentro de un intervalo (T1 .2. expresión (3. Un espacio de muestras continuo contiene infinitos puntos (no contables) y es evidente que la probabilidad de observar un punto dado es cero. 3. Densidad de Probabilidad 0 x x área bajo dicho intervalo. la probabilidad de observar una temperatura dada es cero. Como ya lo hemos observado. el problema de asignación de probabilidades a la correspondiente VA se hace más complicado. y es el equivalente. 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.34).6. de la función de frecuencia P(X = xi) del caso discreto. 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. será una variable aleatoria continua. es evidente que la gama de valores puede extenderse desde . De otra manera. lo cual estaría en contradicción con la condición (3.44) La probabilidad de observar X en cualquier intervalo (x1 . si se asignara una probabilidad a un punto dado. sobre todo en el mundo físico. La “función de densidad de probabilidad. Esta probabilidad es simplemente el área encerrada por la curva p X ( x ) en el respectivo intervalo. pero es más conveniente definir una función cuya “área” sea la probabilidad de ocurrencia dentro de una gama dada. por lo tanto. x2).6. en el caso continuo. x2) viene dada por el x2 x1 Fig. definida en este espacio. entonces la respectiva VA. Pero hay muchos casos.6. Si el espacio de las muestras es continuo.205 III. VARIABLES Y PROCESOS ALEATORIOS 3. Sin embargo. 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. se tiene FX ( x ) = x ∫ −∞ p X ( x ' )dx ' = P( X ≤ x ) (3.6). como se muestra en la Fig. x + dx ) es igual a p X ( x )∆x cuando ∆x → 0. como puede observarse en la Fig. 3. 3. la probabilidad de que la VA X tome un cierto valor es cero. . Como se está igualando una área con probabilidad. el concepto de función de distribución es aún válido.3. sea T la temperatura de una sala.∞ a + ∞. p X ( x )” de una VA X se define en la forma p X (x) = d dx FX ( x ) (3.

7(b). que pX (x) es continua pero contiene impulsos. de (3. Como la probabilidad es una magnitud positiva (AXIOMA I). equivalente a la (3. en este caso se dice que la VA X está distribuida uniformemente en ese intervalo. 3. Esta situación la podemos considerar en el siguiente ejemplo. es evidente por el hecho de que la integral (3. .41) y (1. 3. ♣ Ejemplo 3.45).45) representa la probabilidad de observar X en el intervalo (-∞. Por ejemplo. entonces. es decir. ∫ −∞ p X ( x )dx = 1 (3. la densidad de probabilidad deberá ser siempre positiva. P(3 < X ≤ 5) = 1 2 ♣ Se tiene también la situación donde la función de probabilidad es mixta. no necesariamente significa que la VA X no tomará jamás ese valor particular.7 se muestra FX (x ) y p X ( x ) . VARIABLES Y PROCESOS ALEATORIOS ∞ Puesto que FX(+∞) = 1. 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. podemos ver que P (X ≤ 3) = 1 4 . d dx 1 4 1 4 x−4 4 1 4 [ r (x − 2) − r (x − 6)] .13) p X (x) = F X (x) = [ u (x − 2) − u (x − 6)] = Π( ) Puesto que p X ( x ) es constante en el intervalo (2.4 Sea una VA X cuya función de distribución es F X ( x ) = muestra en la Fig.7.46) Nótese que el hecho de que la probabilidad de observar X a cierto valor x es cero. (b) Densidad de Probabilidad Por ejemplo. En la Fig.33) en el caso discreto.206 III. lo cual es una certitud. de la Fig. la probabilidad de que la temperatura T de la sala tome un cierto valor T0 es cero. pero eso no significa que la temperatura de la sala nunca podrá ser T0 . 6). 3.7(a). +∞).45) Esta expresión. 3. como se La correspondiente función de densidad es. 1 FX ( x ) x 1/4 p X ( x) x 0 2 4 6 0 2 4 6 (a) Función de Distribución Fig. ella debe cumplir con la condición (3. Nótese también que para que una función de x se pueda considerar como una densidad de probabilidad.

8(a). respectivamente.207 III. El impulso que aparece en x = A tiene un área o intensidad k = ∫ p X ( x )dx = FX (∞) − FX (A ) = 1 − FX (A ) A ∞ pX(x pX1(x) k pX2(x) k1 k2 0 (a) x 0 A (b) Fig. De lo anterior se desprende que la probabilidad de observar un voltaje dado es cero en la región donde pX(x) es continuo. Tal es el caso para los intervalos (−∞.8(b).8(c) la probabilidad de observar los voltajes de amplitud –B y A es k1 y k2. la nueva densidad de probabilidad aparecerá en la forma mostrada en la Fig. en el intervalo (−∞ < x < A ) como en la Fig.8(a). 3.8(c). Sin embargo. 3. ∞ ) como en la Fig. en la Fig. 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. el área de los impulsos es la misma. 3. 3. entonces p X (A) = p X (− A) y FX (A) = 1 − FX (−A) .8(b). 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.8(c) es para el caso cuando el limitador recorta el voltaje dentro de los valores –B y +A. Consideremos el caso de una VA X cuya densidad de probabilidad se muestra en la Fig.3.8 x -B 0 A (c) x La Fig. 3. y en el intervalo − B < x < A) como en la Fig. y si B = A. 3. VARIABLES Y PROCESOS ALEATORIOS Ejemplo 3. y en la Fig.5. Si esta señal se pasa por un limitador que recorta el voltaje en cierto valor +A. ♣ . 3.8(b) la probabilidad de observar el voltaje de amplitud A es k. 3.

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

se obtiene . y) = p X ( x ) ⋅ p Y ( y ) .53) Si la condición es que Y = y en vez de Y ≤ y . por lo tanto las VA X e Y son Nótese que se cumple que independientes. 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.exp(-x)]u(x) ⋅ [1 .54) respecto a x. 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 ). 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 . que FXY ( x . se tiene FX|Y ( x| Y = y ) = ∫ x −∞ p XY ( x ' . y ) F Y (y) para FY ( y ) ≠ 0 (3. p Y ( y ) = exp( − y ) u (y ) y de la misma forma. y) = exp[-(x + y)] ⋅ u(x) ⋅ u(y) La función de distribución conjunta es. de donde K=1 y p XY (x . p XY (x . y) = [1 . 1968].47). y) = FX ( x ) ⋅ FY ( y ) ♣ Distribución Condicional El concepto de probabilidad condicional de un suceso A dado un suceso B. de (3.∞ -∞ exp[-(x' +y' )]u(x' )u(y' )dx' dy' = ∫ exp(-x' )dx' ∫ exp(-y' )dy' x y 0 0 FXY ( x .13).54) Mediante diferenciación de (3. También. Sean dos variables aleatorias X e Y. y ) dx ' p Y (y) (3. y) = ∫∫ y x . de (3.exp(-y)]u(y) y las densidades de probabilidad marginales.209 III. puesto que las VA X e Y son independientes.50). expresión (3. se puede extender a la función de distribución y densidad de probabilidad [Lathi. 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.

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 . p Y|X ( y| X = x ) = Combinando (3. y ) = ⎨1 para 1 ≤ x. y ) p X (x ) (3.56) y en forma similar. 1 ≤ y ⎪ para x < 0. 0 ≤ y ≤ 1 Efectuando la integración obtenemos ⎧ xy ⎪ (x + y ) para 0 ≤ x ≤ 1. VARIABLES Y PROCESOS ALEATORIOS p X|Y ( x| Y = y ) = p XY ( x .57b) ♣ Ejemplo 3. y ) = ( x + y ) ⋅ Π( x − ) ⋅ Π(y − ) 2 2 Vamos a determinar todas las funciones de distribución y densidades de probabilidad asociadas.55) p XY ( x . y ) = y ∫ ∫ y x −∞ −∞ (x '+ y ' ) Π(x '−1 / 2 ) Π(y '−1 / 2 ) dx ' dy ' FXY ( x . F XY ( x .7 La densidad de probabilidad conjunta de dos VA X e Y viene dada por 1 1 p XY (x . p X|Y ( x| Y = y ) ⋅ p Y (y ) = p Y|X ( y| X = x ) ⋅p X ( x ) o también p X | Y ( x | Y = y) pX (x) = p Y|X ( y | X = x ) p Y ( y) (3.55) y (3. 0 ≤ y ≤ 1 ⎪2 FXY ( x .57a) (3. y ) = xy 1 1 ( x + y ) ⋅ Π( x − ) ⋅ Π( y − ) + u ( x − 1) ⋅ u (y − 1) 2 2 2 De (3.50). y ) se puede escribir en una forma más compacta: FXY ( x .56) obtenemos la Regla de Bayes para señales aleatorias continuas. y < 0 ⎪0 ⎩ FXY ( x . y) = ∫ 0 ∫ x 0 ( x ' + y' )dx ' dy' para 0 ≤ x ≤ 1. y ) p Y (y) (3.47). De (3.210 III.

1 1 p Y ( y ) = ( y + ) ⋅ Π( y − ) 2 2 p XY (x.211 III. En la Fig. Distribución Normal o Gaussiana Se dice que una VA X está distribuida normalmente o en forma gaussiana. En este caso σ se conoce con el nombre de “desviación normal”. 3. algunos de sus parámetros.58) p X (x) = exp( − 2 ) σ 2π 2σ x 1 1 x x '2 1 También. vamos a examinar algunas de estas funciones especiales y daremos.4. 3. 1968].60) . 1 x2 (3. sin demostrarlos.4. FX ( x ) = ⎢1 + erf ( )⎥ 2 2⎣ σ 2π 2σ 2σ ⎦ ⎣ ⎦ 1 (3. mientras que σ2 en la “varianza” o valor eficaz de la VA X.1. De (3. en este caso.59) −∞ 2 2 2σ σ 2π 2σ ∫ donde σ es la desviación de la VA X.55).56). es decir. VARIABLES Y PROCESOS ALEATORIOS y de la misma manera. si su función de densidad de probabilidad es la curva de Gauss [Korn y Korn. Por considerarlo de importancia. En las distribuciones no centradas pX(x) y FX(x) están desplazadas a lo largo del eje x en una cantidad xo.4. FX ( x ) = ) exp(− 2 )dx ' = + erf ( (3. y) x+y 1 1 = ⋅ Π (x − ) ⋅ Π (y − ) p y (y) y + 1/ 2 2 2 x+y 1 1 Π( x − ) ⋅ Π( y − ) x +1/ 2 2 2 ♣ p Y|X ( y| X = x) = 3. 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.9 se muestran las formas típicas centradas de pX(x) y FX(x). p X (x) = ⎡ (x − x ) 2 ⎤ x − xo ⎤ 1⎡ o exp⎢ − ⎥ . p X|Y (x | Y = y) = De (3. La función erf(x) se define en el Apéndice D.

gaussiano.62) pX (x) = ⎥ 2ηB ⎦ π 2ηB ⎣ Suponiendo que toda señal recibida de amplitud mayor o igual que Vs = A / 2 es un “UNO”. en la cual se transmite una señal de 0 ó A volts (V). La varianza σ2 es la potencia promedio de ruido que. En el receptor. El ancho de banda del canal es B. x − xo x − xo 1 P( x 1 < X ≤ x 2 ) = FX ( x 2 ) − FX ( x 1 ) = [erf ( 2 ) − erf ( 1 )] 2 2σ 2σ (3.61) La distribución gaussiana se determina completamente a partir de su valor promedio x o y la desviación estándar σ . se supone que un “UNO” (A V) fue transmitido. por definición. que veremos en el Capítulo V. VARIABLES Y PROCESOS ALEATORIOS Estas distribuciones no centradas se muestran en la Fig. la densidad de probabilidad de la señal recibida será ⎡ ( x − A) 2 ⎤ 1 exp ⎢− (3. Sea X la señal recibida. o viceversa. ♣ Ejemplo 3. La forma más sencilla de modulación binaria es la modulación OOK.8. de acuerdo con la expresión (2. la señal recibida es aleatoria (por su contenido de ruido) con una función de densidad de probabilidad normal de valor promedio A y varianza σ2 .10. si el valor promedio de la señal recibida es A. es decir. un sistema de comunicación binario es aquel que transmite solamente dos posibles mensajes. la señal se contamina con ruido (que suponemos blanco. y el algoritmo de detección establece que si la señal recibida y demodulada es igual o mayor que un cierto umbral Vs. Durante la transmisión. 3. entonces la probabilidad de que un “UNO” transmitido sea interpretado como un “CERO” .146) es σ 2 = ηB . la probabilidad de que un “UNO” transmitido sea interpretado como un “CERO” en el receptor. También. se supone que un “CERO” (0 V) fue transmitido. de valor promedio cero y densidad espectral η / 2 ) . Vamos a determinar la probabilidad de error en el receptor. Se demuestra también que cualquier combinación lineal de variables aleatorias gaussianas es también gaussiana. en caso contrario.212 III. Probabilidad de Error en un Sistema de Comunicación Binario Como sabemos.

cosa que en la práctica no es posible.213 III. VARIABLES Y PROCESOS ALEATORIOS en el receptor es simplemente la probabilidad de que la variable aleatoria X sea menor que A/2.65) k! entonces se dice que la VA X tiene una “distribución de Poisson”.2. 3. 3. 3.4. Sea una VA X gaussiana no centrada.n con probabilidades (ατ ) k Pk (τ ) = exp(−ατ ) para k = 0.n y α > 0. con x2 = 1050 y x1 = 900. . en donde se considera conocidas las probabilidades de transición.9. 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. Pe = A2 1 1 ) erfc(K ) = erfc( 8ηB 2 2 (3. 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. 2.62).819 ⎢ erf ( 2⎣ 50 2 50 2 ⎦ ♣ 3.. De (3.... 1.64) Nótese que este enfoque es más realista que el enfoque tratado en el Ejemplo 3.. FX (x) = 1⎡ 1050 − 1000 900 − 1000 ⎤ ) − erf ( ) ⎥ = 0.66) En la Fig... con xo = 1000 y lidad de que X esté entre 900 y 1050. 1. (3.. Determine la probabi- Si una VA X es de tipo discreto y toma valores en los puntos k = 0.2.. ♣ Ejemplo 3.. cuyo parámetro es la constante positiva α. Distribución de Poisson α = 50 .11 se muestra pX(x) y FX(x) de la distribución de Poisson. 2.. La probabilidad de error Pe será entonces. A⎫ 1 ⎧ Pe = P ⎨X < ⎬ = 2⎭ π 2η B ⎩ ∫ A/2 −∞ ⎡ ( x − A) 2 ⎤ exp ⎢− ⎥dx 2η B ⎦ ⎣ (3.4..63) Con el cambio de variables u = forma x−A A2 .

Distribución de Poisson Si ατ < 1. .n con probabilidades definidas mediante la expresión ⎛n ⎞ Pk (x k ) = ⎜ ⎟ ⋅ p k ⋅ q n − k (3.12. pero no es un número entero.67) ⎝k ⎠ se dice que tiene una “Distribución Binomial”. por definición.. . Distribución Binomial donde. 3.4. Distribución Binomial Si una VA X es de tipo discreto y toma valores en los puntos k = 0. Si α τ es un número entero.69) x 2 − x1 x 2 − x1 donde x o = ( x 2 + x1 ) / 2 .68) ⎛n ⎞ n! ⎜ ⎟= ⎝ k ⎠ k !⋅ (n − k )! Fig.13(a).13(b). entonces PX (τ ) es máxima para k =|α τ| . entonces PX ( τ ) tiene dos puntos máximos para k = α τ y k = α τ -1.11.12. 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. entonces Pk (τ ) es máxima para k = 0. La densidad de probabilidad de la distribución binomial es una secuencia de impulsos. 3.4.. Si ατ > 1. 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. La densidad de probabilidad de la distribución binomial es p X (x ) = 0 p X (x ) oooo x 1 2 3 4 5 6 7 8 ∑⎜⎝k ⎟⎠ ⋅ p k=0 n ⎛n ⎞ k ⋅ q n − k ⋅ δ( x − k ) (3. 3. 2. 3. como se muestra en la Fig..214 III. Fig. En este caso la VA X es de tipo continuo y su función de distribución será una rampa de la forma dada en la Fig. 3. se dice entonces que la VA X está distribuida uniformemente en el intervalo (x 1 ..3.3. x 2 ) con x2 > x1 .4.

72) donde α es el parámetro de la distribución.6.14(a). 3.13(b). la cual se muestra en la Fig.14(b) se muestra esta función. 3. Distribución Uniforme 0 x1 xo x2 x1 x2 Por inspección de la Fig.70) 3. Distribución de Cauchy La función de densidad de Cauchy es p X (x ) = α 1 2 π α + x2 (3.27). FX (x ) = 1 r (x − x 1 ) − r (x − x 2 ) x 2 − x1 [ ] (3.71b) En la Fig. 3.215 III. p X (x ) = α exp(−α| x|) 2 (3. Distribución de Laplace La función de densidad de probabilidad de Laplace de una VA X es. Fig. 3.4.15(a). 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. FX (x) = 1 1 exp(αx )u (− x) + [1 − exp(− αx)]u(x) 2 2 (3. La correspondiente función de distribución es (ver Problema 3.13. .71a) donde α es el parámetro de la distribución.4. 3.5. 3. aplicando la función rampa r(x).

3. Fig.28) ⎡ x2 ⎤ FX (x) = ⎢1 + exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ (3.16(b) se muestra esta función. 3. 3. 3.73a) El valor máximo de p X ( x ) ocurre cuando x = α . FX (x ) = 1 1 x + arctg( ) 2 π α En la Fig.15(b) se muestra esta función. α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3.25). . p X (x) = x α2 exp( − x2 2α 2 )u(x) (3.4.73b) En la Fig.216 III.16(a). VARIABLES Y PROCESOS ALEATORIOS La correspondiente función de distribución es (ver Problema 3.7. Distribución de Raleigh La función de densidad de Raleigh de una VA X es.

α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3. Si.17(a). quisiéramos ahora determinar la función de densidad de probabilidad de una VA Y relacionada con X mediante la ecuación Y = g(X) (3.. pero con la condición de que g(x) no sea igual a una constante en ningún intervalo.4.. 3. Vamos a suponer que X es continua y que g(x) lo es también.8.74a) El valor máximo de p X ( x ) ocurre cuando x = α 2 . FUNCIONES DE VARIABLES ALEATORIAS Muy a menudo nos interesa conocer las funciones de probabilidad de una VA después que ella ha experimentado alguna transformación.217 III. x n .75) Sea. x 2 .17(b) se muestra esta función. VARIABLES Y PROCESOS ALEATORIOS 3. Esto significa que para un valor y dado.. la función de densidad de probabilidad de una VA X es pX(x). Fig. Distribución de Maxwell La función de densidad de Maxwell de una VA X es. 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. p X (x) = 2/ π 2 x2 x exp(− 2 )u(x) 2α α3 (3.5. cuando más. entonces. 1965] es válido cuando y = g ( x ) tiene un número contable de n raíces o soluciones x n y que FX(x) sea diferenciable en los puntos x n .. pY(y) la densidad de probabilidad de la VA Y.29).74b) En la Fig. 3. El siguiente teorema [Papoulis. la ecuación y = g(x) tiene. un número contable de raíces x 1 . por ejemplo... ..

x 2 .80) i=1 J ( x i . y J(x. y) = ⎢ ∂ ⎢ h ( x .81) La extensión de este método para más de dos VA es directa. En este caso consideremos la función de densidad de probabilidad conjunta pXY(x.. v) de las VA U y V.. v) de las VA U y V viene dada por [Papoulis. se resuelven simultáneamente las ecuaciones (3. n p XY ( x i ... La densidad de probabilidad conjunta p UV (u . y) ∂x J ( x ..77) y g ' (x ) = d dx g (x ) = dy dx n p X (x i ) i n Entonces. Y) y V = h(X.v 3 . se resuelve la ecuación y = g ( x ) en términos de y. y i ) p UV ( u . y) ⎥ ⎥ ∂y ⎦ ∂ (3. es decir. Y) (3. y) de dos VA X e Y.218 III. y) ⎥ ∂y ⎥ ∂ h ( x . En forma similar al caso anterior.. se obtiene y el Jacobiano. v) = (3. y= 2u . si y = g ( x 1 ) = g ( x 2 ) =.. y) ⎢ ⎣ ∂x ⎤ g ( x . y i ) ∑ donde x i e y i son las soluciones simultáneas o raíces de las ecuaciones (5.. y sea U y V otras dos VA relacionadas con X e Y mediante las ecuaciones U = g(X. x n son todas sus raíces reales . ♣ Ejemplo 3. Si x1 . = g ( x n ) (3..79) Se trata ahora de determinar la función de densidad conjunta p UV (u .78) En muchas aplicaciones es necesario determinar la función de probabilidad conjunta de transformaciones de variables aleatorias conjuntamente distribuidas. y) es el Jacobiano de la transformación (3.61)... 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) = exp[-(x + y)]u(x)u(y) y queremos determinar la función de densidad conjunta p UV (u . 1965]. ⎡1 J =⎢ ⎣2 2⎤ ⎥ = [1 − 4 ] = −3 1⎦ y |J|= 3 2v − u 3 . p Y (y) = ∑ | g' (x )| ∑ p = i =1 i =1 X (x i ) dx i dy (3.10 La función de densidad conjunta de dos VA X e Y es p XY (x . VARIABLES Y PROCESOS ALEATORIOS Teorema Fundamental Para encontrar la función de densidad pY(y) para un valor dado de y.76) (3.80) definido mediante el determinante ⎡∂ ⎢ g ( x .62) en términos de x e y.

.1. .. PROMEDIOS ESTADISTICOS 3. x 2 . 2. ..219 III. 1 ⎡ 2v − u 2u − v ⎤ exp[ − ( x + y)]|x =( 2 v − u )/ 3.. 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. cuando N → ∞.. x n . entonces su valor promedio es X= ∫ ∞ −∞ xp X ( x ) dx = E {X} para variables aleatorias continuas (3... Repitamos el experimento (representado por X) N veces (N → ∞) y sea m1 .83) Si la VA X es continua. Definición 2v . respectivamente.. VARIABLES Y PROCESOS ALEATORIOS También. entonces 2u ≥ v ≥ u 2 u 2 ♣ 3..n... x 2 .+ m n x n ) = m1 N x1 + m2 N x 2 +. m 2 .. . expresión (3. m n los números de pruebas favorables a los resultados x 1 . y=(2u-v)/3 = exp ⎢ − ( + ) ⎥ = exp[ − ( u + v)] 3 3 ⎦ 3 ⎣ Suponiendo que u ≥ 0.+ mn N xn (3.. lo cual quiere decir que el proceso no puede predecirse en detalle sino en base de “promedios”. la definición empírica de la probabilidad... . . Consideremos una VA X que puede tomar los valores x 1 . . .6. Un proceso aleatorio se caracteriza por su “regularidad estadística”...6..u 3 2u . la relación m i / N tiende a PX(xi) de acuerdo con la definición empírica de la probabilidad.v 3 ≥0 y v≥ u 2 ≥ 0 y 2u ≥ v La densidad de probabilidad conjunta p UV (u .. entonces y ≥ 0. 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.. x n con probabilidades PX ( x i ) con i = 1.1). Entonces el valor promedio de la VA X (que representaremos con una barra sobre la variable) es X= 1 N ( m1 x 1 + m 2 x 2 +.84) donde E{X} es otra forma de representación del valor promedio de X.82) En el límite. Por ejemplo. Entonces. . se tiene: si si de donde x ≥ 0. v) de las VA U y V será entonces ⎧1 ⎤ ⎡ 1 ⎪ exp⎢ − ( u + v )⎥ para ⎦ ⎣ 3 p UV (u . representa una forma de promedio.

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

. x n ) dx 1dx 2 . Para n = 2. y )P i j i j XY ( x i . x 2 . Asimismo.....94) (3. 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 tiene que E{Z} = E {X 1 ⋅ X 2 ⋅ ⋅ ⋅ ⋅X n } = E {X 1 } ⋅ E{X 2 } ⋅ ⋅ ⋅ ⋅E {X n } (3. dx n (3.. X 2 .. para un producto de funciones de variables aleatorias de la forma Z = g 1 (X1 ) ⋅ g 2 (X 2 ) ⋅ ⋅ ⋅ ⋅g n ( X n ) Por definición..... se verifica que E{Z} = E {g 1 ( X1 )} ⋅ E{g 2 (X 2 )} ⋅ ⋅ ⋅ ⋅E {g n ( X n )} (3.3.. ... entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ .221 III. X n son estadísticamente independientes... x 2 ...6..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. por definición. Entonces.96) Las dos primeros momentos se conocen con el nombre de “momentos de primer orden”. x n ) ... el segundo momento será E X2 = { } ∫−∞ x 2 p X (x)dx ∞ (3. VARIABLES Y PROCESOS ALEATORIOS E{Z} = ∑∑g (x . .. x 2 .93) El valor esperado de un producto de funciones de variables aleatorias es el producto de los valores esperados de las respectivas funciones si y solamente si las variables aleatorias son estadísticamente independientes.Xn ( x 1 . x n )p X1X2 ...95) { } ∫−∞ x n p X (x)dx i ∞ Nótese que el primer momento (n = 1) es igual al valor esperado de la VA X.90) Generalizando. ∫ ∞ −∞ g ( x 1 . E Xn = E Xn = { } ∑ x n p X (x i ) i si la VA X es discreta si la VA X es continua (3. E{Z} = E {g 1 ( X1 ) ⋅ g 2 ( X 2 ) ⋅ ⋅ ⋅ ⋅g n ( X n )} Como X1 .. caso continuo.91) Si algunas de las n variables son discretas. Momentos El momento n-ésimo de una VA X se define como el valor esperado de la potencia n-ésima de X... si Z = g (x 1 . yj) (3... .. 3. la expresión (3.92) 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.

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

La raíz cuadrada positiva de la varianza. El segundo momento central respecto al valor esperado X se conoce con el nombre de “varianza” o “dispersión” de la VA X.100).100). 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 . entonces 1 (x − x o ) 2 E {X} = ∫ x exp[− 2σ2 ]dx σ 2π −∞ Integrando obtenemos 2 ∞ E{X} = x o ∞ 1 (x − x o ) 2 2 De (3.101) ∑ (x i i − X ) 2 p X (x i ) si la VA X es discreta La varianza o dispersión nos proporciona una idea de la concentración de la densidad de probabilidad pX(x) alrededor del valor promedio X. ∞ De (3.95) y como la VA X está centrada. Entonces. −∞ ∫ x 2 p X (x)dx = 1 σ 2π −∞ ∫ x 2 exp(− x2 )dx 2σ 2 E{X 2 } = σ 2 (b) De (3. Var{X} = Resolviendo la integral. Desarrollando (3.96). .99) { } ∫−∞ (x − X ) 2 p X (x)dx ∞ si la VA X es continua (3. E{X 2 } = Integrando.223 III. y se define en la forma E (X − X ) n = { Nótese que el primer momento central (n = 1) es E{X − X} = 0 . y se representa usualmente con la notación σ2 .100) (3. se conoce con el nombre de “desviación estándar” o “desviación típica”. Var ( X) = σ2 = E ( X − X ) 2 = X Var ( X) = σ2 = X } ∫−∞ (x − X ) n p X (x)dx ∞ (3. es decir σX .96). X por definición. 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. VARIABLES Y PROCESOS ALEATORIOS ∞ ∞ De (3.

224
III. VARIABLES Y PROCESOS ALEATORIOS

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

{ } { σ2 = E{X 2 } − X 2 X

} { }

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

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

(3.103)

(3.104)

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

∫ ∫

−∞ −∞

( x − X )(y − Y )p XY ( x , y )dxdy

(3.105)

∑ ∑ (x
i j

i

− X )( y j − Y ) PXY ( x i , y j )

(3.106)

Asimismo,

E{XY} =

∫ ∫

−∞ −∞

xyp XY ( x , y )dxdy

(3.107)

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

225
III. VARIABLES Y PROCESOS ALEATORIOS

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

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

{

} {
}

2

} = E{[ (S − S ) + (N − N )] }
2

pero

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

{

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

(3.110)

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

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

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

E{Y} = E{g (X)} = E{exp[ j2 πλX]} =

−∞

exp( j2πλx )p X (x )dx

(3.111)

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

−∞

p X (x ) exp( j2 πλx ) dx

(3.112)

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

−∞

φ X ( λ) exp (− j2πxλ)dλ

(3.113)

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

−∞

p X (x )dx = 1; pero como

p X (x ) ≥ 0 para todo x, entonces

−∞

p X (x ) exp( j2πλx)dx ≤

−∞

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

226
III. VARIABLES Y PROCESOS ALEATORIOS

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

∫ ∫

−∞ −∞

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

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

−∞

exp( j2πλx)p X (x )dx ⋅

−∞

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

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

−∞

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

(3.115)

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

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

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

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

exp(−

exp( −

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

227
III. VARIABLES Y PROCESOS ALEATORIOS

Similarmente,

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

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

σ2 = σ2 + σ2 z x y

φZ (λ ) = exp[−

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

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

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

−∞

p X (x ) exp( j2 π

λ σX

x )dx
λ σX ), de

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

228
III. VARIABLES Y PROCESOS ALEATORIOS

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

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

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

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

−∞

xp X ( x ) exp( j2 πλx ) dx

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

= j2 π

−∞

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

E {X} =

d

j2 π dλ

φ X (λ)

λ= 0

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

{ }

1

dn

( j2 π ) n dλn

φ X ( λ)

λ= 0

(3.119)

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

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

229
III. VARIABLES Y PROCESOS ALEATORIOS

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

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

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

x ( t , λ2 )

x( t , λ i )

0

x ( t , λ3 )
0

x 23 = x(t 2 , λ 3 ) t2
t

x (t , λ k )
0

x 1k = x(t 1 , λ k )

t1

t2 ⇑ X (t 2 , λ i )

t

⇑ X (0, λ i )

⇑ X ( t 1 ,λ i )

X( t , λ i )

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

230
III. VARIABLES Y PROCESOS ALEATORIOS

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

{

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

1 2

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

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

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

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

−∞

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

(3.121)

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

{

}

(3.122)

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

E [X(t , λ i )] n =

{

} ∫

−∞

x n p X (x, t , λ i )dx

(3.123)

Estadísticas de Segundo Orden

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

231
III. VARIABLES Y PROCESOS ALEATORIOS

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

∫ ∫

−∞ −∞

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

(3.124)

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

∫ x⋅ p
−∞

X (x , t , λ )dx

(3.125)

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

∫ ∫

−∞ −∞

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

(3.126)

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

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

232
III. VARIABLES Y PROCESOS ALEATORIOS

3.8.2. Estacionaridad y Ergodicidad Estacionaridad en el Sentido Estricto

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

{

} {

}

(3.129)

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

∫ xp
−∞

X ( x) dx

(3.130a) (3.130b) (3.131)

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

{ } ∫

−∞

x 2 p X ( x)dx

E{X n ( t , λ )} = E X n =

{ } ∫

−∞

x n p X ( x)dx

Estacionaridad en el Sentido Amplio

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

(3.133)

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

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

para i ≠ j .

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

233
III. VARIABLES Y PROCESOS ALEATORIOS

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

(3.134)

−∞

x n ( t ) dt

(3.135)

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

T/ 2

−T/ 2

x n ( t )dt

(3.136)

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

{ } ∫

−∞

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

1 T→∞ T
T/ 2

T/ 2

−T/ 2

x n ( t )dt

(3.137)

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

−∞

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

1 T→∞ T

−T/ 2

x( t )dt

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

E X2 =

{ } ∫

−∞

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

1 T→∞ T

T/ 2

−T/ 2

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

{ }

{ }

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

234
III. VARIABLES Y PROCESOS ALEATORIOS

(h)

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

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

∑X
i =1

N

i

y

σ2 x

1 = N

∑ (X
i =1

N

i

− X)2

(3.139)

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

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

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

∫ ∫

−∞ −∞

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

(3.140)

es posible definir una magnitud denominada “densidad espectral de potencia” como la transformada de Fourier de la función de autocorrelación.235 III. es decir.147) . t 2 ) = R XX ( t 2 − t 1 ) = R XX (τ ) = E{X(t ) ⋅ X(t + τ )} (5. se puede extender este concepto a los procesos estocásticos. Desafortunadamente. Densidad Espectral de Potencia En relación con la densidad espectral de potencia. de donde ∫ ∞ −∞ R x (τ ) exp(− j2πfτ )dτ ⇔ R x (τ ) = ∫ ∞ −∞ S x (f ) exp( j2πτf )df (3.143a) Si además el proceso es ergódico. En efecto. R XX (τ ) = E {X( t ) ⋅ X(t + τ )} =< x ( t ) ⋅ x ( t + τ ) >= R x (τ ) donde R x (τ ) = lim T →∞ (3. t 2 ) − E{X( t 1 )} ⋅ E{X( t 2 )} Var[ X( t 1 )] ⋅ Var[ X( t 2 )] (3. la transformada de Fourier de una señal de muestra puede no existir. 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 ) ]. Podemos decir entonces que las relaciones para las señales determinísticas son casos particulares de las relaciones desarrolladas para procesos aleatorios débilmente estacionarios o ergódicos.144) es igual a la expresión (1.146) Si el proceso es ergódico. en un proceso ergódico se verifica que Cov{x( t ). Si el proceso X(t) es estacionario. por definición. R XX (τ ) = R x (τ ) =< x (t ) ⋅ x (t + τ ) > S x (f ) = y S X ( f ) = S x (f ) . x( t + τ)} = R x ( τ) − [< x( t ) >]2 y ρx = Cov{x( t ). es decir. VARIABLES Y PROCESOS ALEATORIOS ρ X1X2 = R XX ( t 1 . 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. entonces la función de autocorrelación y la densidad espectral de potencia se pueden determinar a partir de una señal de muestra x(t).143b) (3. | t 2 − t 1 | = τ . y entonces hay que buscar otra forma para la representación en el dominio de la frecuencia de un proceso aleatorio. 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 . Entonces. más adelante justificaremos el uso de ese término. R XX ( t 1 .119).142) El término “autocorrelación” ya lo utilizamos en los Capítulos I y II.145a) (3.144) ∫ T 1 T/ 2 − T/ 2 x ( t ) ⋅ x (t + τ )dt Asimismo.145b) La expresión (3. Para la clase restringida de procesos aleatorios débilmente estacionarios. x( t + τ)} Var {x( t )} (3. En este caso. de aquí la razón de la notación R x (τ ) que utilizamos en los Capítulos I y II para señales determinísticas.

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. 1990]. la densidad espectral es siempre positiva (o no negativa).. En la Fig. 1968. expresión (1. Parzen. (b) SX (f ) = Sx (f ) ≥ 0 . (e) En un sistema lineal invariante en el tiempo (SLIT) de respuesta impulsional h(t) y función de transferencia H(f). normalizada para una resistencia de 1 Ohm. 1965. 1958.8. (c) SX (f ) = SX ( −f ) = Sx (f ) = S x ( −f ) .. 1962. El lector interesado en profundizar este tema puede consultar la bibliografía especializada. las cuales tienen las siguientes características: (a) E{X 2 } =< x 2 ( t ) >= R x (0) = ∫ ∞ −∞ Sx (f )df . en el caso de señales aleatorias las relaciones entrada/salida son (ver Secciones 1. es igual al área de su función de autocorrelación. en especial su función de autocorrelación y su densidad espectral de potencia. 3.19(a) se ilustra una señal de muestra de este proceso.. particularmente [Papoulis. se dice que éste es un “Proceso Aleatorio Binario”. VARIABLES Y PROCESOS ALEATORIOS resultado ya obtenido en forma determinística en el Capítulo I.236 III.9. etc. señal que vamos a denominar ”secuencia aleatoria binaria”..132). el valor de la densidad espectral en el origen (f = 0). es la potencia promedio de la señal x(t). Lathi.19(b) se tiene una señal de muestra de este tipo de proceso. Secuencias Aleatorias Discretas Un proceso aleatorio de mucha importancia en el análisis.1.2 y 2.1. con i = 1. Si las señales de muestra sólo toman dos valores de amplitud o estados que se suceden a intervalos Tb con probabilidades P1 y P2 .M. PROCESOS ALEATORIOS DISCRETOS 3.2 y 2. En la Fig. la densidad espectral es una función par de f. Couch.11. Todas las señales PCM y los códigos de fuente y de línea son secuencias aleatorias binarias y por eso es muy importante conocer sus estadísticas. 3. 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 ) . procesamiento y transmisión de señales digitales es el “Proceso Aleatorio Discreto M-ario”.9. para la transmisión de señales a través de sistemas lineales se aplican también para procesos ergódicos. 3. Estos métodos son de gran importancia en la Teoría Estadística de la Comunicación y en el Análisis Espectral de Procesos Estocásticos.11. (d) SX (0) = ∫ ∞ −∞ R X ( τ ) dτ = S x ( 0 ) = ∫ ∞ −∞ R x ( τ)dτ . Davenport y Root. que corresponde al Teorema de Wiener-Kintchine.8. en el cual las señales de muestra tienen amplitudes discretas con m valores de amplitud de probabilidad Pi. 2. ..

140).150) Nótese que la expresión (3. que para simplificar la escribiremos en la forma R X ( t 1 . [Lathi. Secuencias de Muestra de Procesos Aleatorios Discretos. El valor I es el número de productos (a n ⋅ a n + k ) posibles. de (3. entonces. t 2 ) es. respectivamente.150) es la función de autocorrelación de la secuencia de estados An. 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. 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.19.149) (3. y Pi es la probabilidad de obtener el producto (a n ⋅ a n+ k ) i . y que es independiente de p(t).148) donde p(t) es el perfil del impulso. E{A n ⋅ A n + k } = R A (k ) = ∑ (a i =1 I n ⋅ a n + k ) i ⋅ Pi (3. se pueden modelar entonces mediante la expresión X( t ) = n =−∞ ∑A p(t − nT ) n b ∞ (3.n| (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 . o también k = |m . 1968]. 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 . Se trata entonces de determinar la densidad espectral de X(t). Si consideramos que A n es un proceso débilmente estacionario.152) La función de autocorrelación de X(t).237 III. . entonces E{A n } = η a E{A n ⋅ A n + k } = E{A n ⋅ A m } donde m = n + k. Las secuencias de impulsos transmitidos en banda de base en los sistemas de comunicación digital.

153). t 2 ) (3. el proceso aleatorio X(t) se puede modificar para que cumpla con la condición de estacionaridad débil si se permite agregarle un retardo T aleatorio.155) n =−∞ ∑ p(t ∞ 1 − nTb ) ⋅ p[t 2 − (n + k ) Tb ] (3. t 2 ) = E {X( t 1 ) ⋅ X( t 2 )} = E A n p (t 1 − nTb ) ⋅ A m p (t 2 − mTb ) ⎬ ⎪ n =−∞ ⎪ ⎩ ⎭ m=−∞ ∑ ∑ R X (t 1 .20. 3. Fig. 1975]: (a) E{Y( t 1 + T)} = E{Y( t 1 )} (b) R Y ( t 1 + T . t 2 ) = k =−∞ ∑ ∞ E{A n ⋅ A n + k } ⋅ Puede observarse que tanto E{X( t )} como R X (t 1 .154) y (3. vemos que X(t) es un proceso cicloestacionario. t 2 ) dependen del origen del tiempo.153) Cuando comparamos las expresiones (3.152) y (3. Secuencia Aleatoria Binaria con Retardo T (3. Tb). X(t) no es estacionario y su densidad espectral de potencia no se podrá definir mediante la expresión (3. como se muestra en la Fig. Consideremos ahora los procesos “cicloestacionarios”. 3.156) Tb 0 t donde T es una variable aleatoria distribuida uniformemente en el intervalo (0. VARIABLES Y PROCESOS ALEATORIOS ∞ ⎧ ∞ ⎫ ⎪ ⎪ ⎨ R X ( t 1 . donde m = n + k. t 2 + T) = R Y ( t 1 . entonces podemos escribir R X (t 1 . 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. 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 } . Hay que buscar alguna otra forma para determinar la densidad espectral de potencia de estos procesos.146). 3.238 III. En efecto.20.155) con (3.20. Se dice que un proceso Y(t) es “cicloestacionario” o “periódicamente estacionario” si él satisface las siguientes condiciones [Franks.157) .154) (3. Consideremos entonces. por lo tanto. la secuencia X( t ) = x(t) A n =−∞ ∑A ∞ T n ⋅ p ( t − nTb − T) (3. independiente de A n y cuya densidad de probabilidad es p T (T ) = 1 T − Tb / 2 Π( ) Tb Tb -A Fig.

− 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. la función de autocorrelación de X(t) resulta en R X (t 1 . Finalmente. 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 . 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 . se obtiene E{p( t1 − nTb − T) ⋅ p[ t 2 − ( n + k )Tb − T ]} = ∫ Tb 0 p(T' ) ⋅ p[T '+ ( t 2 − t1 ) − kTb ]dT ' 1 Tb R p ( τ − kTb ) {p( t1 − nTb − T) ⋅ p[t 2 − (n + k )Tb − T]} donde ∞ = 1 Tb ∫ Tb 0 p ( T' ) ⋅ p (T'+ τ − kTb )dT' = τ = t 2 − t 1. t 2 ) = ∑ E{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 .159) . ∞ ⎧ ∞ ⎫ ⎪ ⎪ R X ( t 1 . obtenemos E{p( t − nTb − T )} = pero podemos hacer Entonces. Veamos ahora la función de autocorrelación.239 III.158) E{X( t )} = ηa K constante El valor esperado de X(t) es ahora constante e independiente del tiempo. t 2 ) = R X (τ ) = 1 Tb k =−∞ ∑ E{A n A n+ k } ⋅ R p (τ − kTb ) (3.

165) . Puesto que E{X( t )} es constante y R X ( t 1 . entonces. entonces el proceso X(t) es por lo menos débilmente estacionario y su densidad espectral podrá determinarse mediante la expresión (3. 146). E{A n A n } = E A n = σa + η 2 a varianza σ2 . (3. Nótese que ahora la función de autocorrelación depende solamente de la diferencia τ = t 2 − t 1.163) La expresión (3. 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. En efecto. de acuerdo con la expresión (3.104). P(f) = {p(t )} (3. S X (f ) = {R X (τ )} = T 1 σ2 a b | P (f )| + 2 2 ηa Tb S X (f ) = ∞ ⎡ ⎤ | P (f )|2 ⎢σ2 + η 2 exp( − j2πkTb f ) ⎥ a a Tb ⎢ ⎥ ⎣ ⎦ k =−∞ k =−∞ ∑| P(f )| ∞ 2 exp(− j2πkTb f ) (3. ∞ ∞ 1 n exp(− j2πkTb f ) = δ(f − ) .162) nos permite determinar la densidad espectral de X(t).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 (3.162) R p (τ ) = ∫ ∞ −∞ p (t ) p ( t + τ ) dt ⇔ S p ( f ) =| P ( f )|2 . Entonces. Para determinar la densidad espectral de X(t) vamos a simplificar la expresión (5.160) { } y para k ≠ 0.240 III. VARIABLES Y PROCESOS ALEATORIOS donde R p ( τ ) es la integral de correlación de p(t). E{A n A n + k } = E{A n } ⋅ E{A n+ k } = η 2 a ⎧σ2 + η 2 ⎪ a a E{A n A n + k } = ⎨ 2 ⎪η a ⎩ para k = 0 para k ≠ 0 y en una forma más compacta.164) ∑ Pero del dual de la expresión (1. Tb Tb n=−∞ k =−∞ ∑ ∑ ⎡ η2 ⎢ σ2 + a S X (f ) = | P (f )| a Tb Tb ⎢ ⎣ 1 2 n ⎤ δ(f − )⎥ Tb ⎥ ⎦ n =−∞ ∑ ∞ (3. para k = 0. a (3.159) para darle una forma cuya transformada de Fourier se pueda determinar con facilidad.146). t 2 ) = R X (τ ) .161) La expresión (3.

241
III. VARIABLES Y PROCESOS ALEATORIOS

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

{ } ∑

(3.166)

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

∑A

n

⋅ p ( t − nTb − T )
para para k=0 k≠0

(3.167) (3.168)

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

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

n =−∞

δ( f −

n ⎤ )⎥ Tb ⎥ ⎦

(3.165)

o por

S X (f ) =

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

{ } ∑

(3.166)

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

⇔ R X (τ ) =

2 σa

Tb

[ p(t ) ∗ p(-t)]

(3.169)

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

242
III. VARIABLES Y PROCESOS ALEATORIOS

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

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

x(t) 0

Tb R x ( τ) A /2 A2 / 4
2

(a) Secuencia Aleatoria Unipolar NRZ
0.4

Sx(f)
Sx( f ) 0.2

A 2Tb = 1

− Tb Tb 0 (b) Función de Autocorrelación

τ

0

3

2

1

0 f

1

2

Tb f

3

(c) Densidad Espectral de Potencia Fig. 3.21.

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

E

{ }
A2 n

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

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

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

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

n =−∞

∑δ(t − Tn )⎥⎦⎥
b

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

[

]

243
III. VARIABLES Y PROCESOS ALEATORIOS

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

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

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

1

1

0

1

0

0

1

1 t

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

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

A 2 Tb = 1

3

2

1

0

1

2

f (c) Densidad Espectral de Potencia

Tb f

3

Fig. 3.22

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

n =−∞

δ( f −

n ⎤ )⎥ Tb ⎥ ⎦

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

( n / Tb ) , pero como

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

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

(3.173)

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

n=−∞

∑ ' indica que la sumatoria no incluye

(5.173)

(b)

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

Tb
-A (a) Secuencia Aleatoria Bipolar NRZ
1

R x ( τ)

A2
Sx( f ) 0.5

Sx(f)

A 2Tb = 1

τ − Tb Tb 0 (b) Función de Autocorrelación

0

4

3

2

1

0 f

1

2

3

Tb f

4

(c) Densidad Espectral de Potencia Fig. 3.23

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

x PSK ( t ) = x( t ) ⋅ cos(2πf c t )

245
III. VARIABLES Y PROCESOS ALEATORIOS

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

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

A 2 Tb 4

x(t)

0 -A

Tb
0.3

R x ( τ) − Tb / 2 − Tb
0

A2 / 4 Tb / 2 Tb − A2 / 8

0.2 Sx( f )

Sx(f)

A 2 Tb = 1

τ0.1
0

4

3

2

1

0 f

1

2

3

(b) Función de Autocorrelación Fig. 3.24

(c) Densidad Espectral de Potencia

Tb f

4

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

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

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

(3.178)

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

(3.179)

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

246
III. VARIABLES Y PROCESOS ALEATORIOS

R X (τ) = A 2 Λ (

τ A2 )− Tb / 2 2

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

(3.180)

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

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

R X (τ )

S X (f )

(a) Función de Autocorrelación

0

τ

(b) Densidad Espectral de Potencia

0

f

Fig. 3.26. Características del Ruido Térmico.

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

247
III. VARIABLES Y PROCESOS ALEATORIOS

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

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

t

_1

Período

Período

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

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

n =−∞

∑ (1 + N )Λ(
1

τ − nNTs 1 )− Ts N

(3.182)

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

248
III. VARIABLES Y PROCESOS ALEATORIOS

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

1 1 f o= = T NTs

Ts

0

NTs

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

1 N

Ts NTs

τ

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

siendo la frecuencia fundamental

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

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

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

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

n =−∞

∑ ⎢⎣ N

⎡N +1
2

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

pero

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

n =−∞

∑' N

N+1
2

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

(3.183)

249
III. VARIABLES Y PROCESOS ALEATORIOS

donde

n =−∞

∑'

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

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

N +1 N
2

sinc2 (

f ) fs
f

1 N
2

fs =
0

1 = Nf o Ts

fo 2fo 3fo

fs

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

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

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

(3.184)

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

250
III. VARIABLES Y PROCESOS ALEATORIOS

A 0 _ A 1 0 _ 1

m(t)
1 fb = Tb

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

s(t)

t

Ts

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

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

n =−∞ ∞ n =−∞

∑'

( N + 1) N
2

sinc 2 ( sinc 2 (

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

∑'

( N + 1) N
2

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

251
III. VARIABLES Y PROCESOS ALEATORIOS

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

1

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

Espectro Disperso Ssp(f)

3 10

1 10

0 f

1 10

2 10

3 10

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

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

. La secuencia en C n satisface la ecuación de recurrencia Cn = ∑a k =1 r k ⋅ C n− k Módulo 2. 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.32. 3. Esta expresión determina la máxima longitud posible de la secuencia. 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. ar = 1 (3.0 es una combinación prohibida. y a cada impulso de reloj a la salida van apareciendo los “chips” que forman la secuencia. el estado 0 0 0 0. es fácil determinar el número de CEROS y UNOS de la secuencia recurrente. el estado 0 0 0 .. 3.187) Normalmente el registro se inicializa con el estado inicial 0 0 0 1. Nótese que las “tomas” del registro de longitud máxima pasan una y solamente una vez por todas las combinaciones posibles de sus r dígitos (exceptuando la combinación de puros CEROS) y como conocemos todas estas combinaciones.33.252 III. aunque no todas las combinaciones de “tomas” producen la máxima longitud. 1980]. En la Fig. si su estado inicial es 0 0 0 1. de hecho.0 no se utiliza como estado inicial porque produciría una salida de puros CEROS..186) El ciclo periódico de los estados depende del estado inicial del registro y de los coeficientes a k .... 3. la secuencia recurrente a la salida Q4 será (la flecha indica el sentido del flujo de dígitos): 001101011110001 (3. 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.33 se muestra un generador PN de longitud máxima de cuatro etapas. para un total de N = 2 r − 1 “chips”. mostrado en la Fig. Las combinaciones de “tomas” que producen la máxima longitud han sido estudiadas extensamente en la literatura y se presentan siempre en forma tabulada [Sarwate y Pursley. En general. en los registros prácticos se hace a 1 = a 2 = ⋅⋅⋅ = a r = 1 . denominados “tomas” o “taps”.

188) (3. 3. por ejemplo. Entonces. sin embargo. Sea entonces r el número de etapas del registro. De acuerdo con esta convención. se denominan “proceso aleatorio o estocástico”. el Registro < 7. 3. 4. Número de “chips” de la secuencia = N = 2 r − 1 Número de UNOS en la secuencia = N (1) = 2r = 2 r −1 2 (3.253 III.1= 15 “chips”. . Por ejemplo. 2. donde el término r indica el número de etapas del registro y ki las “tomas” que hay que combinar en suma módulo 2 para formar.33. junto con la “toma” r. edición de 1991. la entrada a la primera etapa.33. se tiene: r = 4. N ( 0) = 8 − 1 = 7 CEROS. el generador mostrado en la Fig. Las señales aleatorias no pueden ser descritas mediante expresiones explícitas del tiempo. ki >.1>. ellas exhiben ciertas regularidades que se pueden describir en términos probabilísticos o como promedios estadísticos. = 2 3 = 8 UNOS. 5. 3. que junto con el Registro <7.190) Número de CEROS en la secuencia = N ( 0) = N (1) − 1 = 2 r −1 − 1 El número de CEROS es uno menos que el número de UNOS. 3.27. cuya secuencia de salida tiene la forma de la Fig. 3. la probabilidad de que la amplitud de una señal aleatoria esté dentro de cierto rango en un determinado instante. N (1) Por ejemplo. son utilizados en el Servicio de Radioaficionados. 1 >.10 RESUMEN En este capítulo se han desarrollado algunos modelos para las señales mensaje de carácter aleatorio presentes en los sistemas de comunicación.33 es entonces un Registro < 4.187). 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. Estos modelos. en la forma de una descripción probabilística de un conjunto de señales del tiempo. VARIABLES Y PROCESOS ALEATORIOS Reloj 1 Q1 0 2 Q2 0 3 Q3 0 4 Q4 1 Salida 001101011110001 Fig. contenidos en la secuencia recurrente. Generador PN de Longitud Máxima de 4 Etapas. La convención establecida para representar los registros de longitud máxima tiene la forma Registro < r. N = 24 . 1>. el proceso aleatorio se puede emplear para desarrollar descripciones de señales aleatorias en el dominio de la frecuencia. 1 > caracteriza un generador de longitud máxima de 7 etapas en el cual se suman las “tomas” 1 y 7 en módulo 2 y se aplican a la primera etapa. 3. para el generador PN de la Fig. respectivamente. cuando se examinan durante un largo período. En particular. Otros registros de aplicación práctica son el Registro <13. el lector puede consultar el ARRL SPREAD SPECTRUM SOURCEBOOK. Para más información sobre las secuencias aleatorias y sus aplicaciones en los sistemas de espectro disperso. 1> y el Registro <19. El lector puede verificar que estos valores se cumplen en la secuencia recurrente (3. El proceso aleatorio se puede utilizar para estimar.

2. En el depósito de la compañía hay 10. En el Capítulo V se aplican estas nociones en algunos sistemas de transmisión digital. el cual tiene la propiedad de que los promedios conjunto son iguales a los promedios tiempo. (a) Demuestre que la probabilidad de obtener 8 puntos es de 5/36. PROBLEMAS DE APLICACION 3. en especial su función de autocorrelación y su densidad espectral de potencia. se presenta una breve exposición sobre la generación y aplicación de las secuencias binarias seudoaleatorias. Sea una secuencia binaria de 1428 UNOS y 2668 CEROS. 3. habiéndose determinado la función de autocorrelación y la densidad espectral de potencia de algunas de las secuencias aleatorias binarias más utilizadas en los sistemas de transmisión digital. Una compañía construye receptores de radio de 6.000 receptores distribuidos en la forma siguiente. Demuestre que la probabilidad de recibir un UNO en un intervalo cualquiera es de 0. De gran importancia en el análisis de sistemas digitales son los procesos aleatorios discretos. 8 y 10 transistores. y todas las estadísticas del proceso se pueden determinar a partir de una simple señal de muestra. 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. Una subclase especial de los procesos estacionarios es el llamado proceso ergódico. entonces se dice que el proceso es estacionario en el sentido amplio. VARIABLES Y PROCESOS ALEATORIOS La descripción y análisis de señales aleatorias utilizando estos conceptos son de gran utilidad en el análisis y diseño de sistemas de comunicación y en el análisis espectral de procesos.1. . Para este tipo de señal se determina la función de autocorrelación y la densidad espectral de potencia. El proceso aleatorio se ha definido en términos de sus estadísticas que son simplemente relaciones de probabilidad o promedios estadísticos. La dispersión del espectro se produce cuando una secuencia binaria portadora de información modula una secuencia seudoaleatoria. Para complementar el tema. y es muy importante conocer sus estadísticas.254 III. que son secuencias infinitas formadas por una subsecuencia aleatoria de duración T que se repite periódicamente. 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.3.4. como consecuencia. Todas las señales PCM y los diferentes códigos de transmisión digital son secuencias aleatorias binarias. y en particular las secuencias aleatorias binarias. Si el valor promedio y la función de autocorrelación de un proceso son invariantes en el tiempo. La teoría de la probabilidad trata la noción de probabilidad de sucesos aleatorios y el concepto de variable aleatoria. negro y verde. Basado en estas ideas se define la noción de proceso aleatorio. En los modernos sistemas de comunicación se está aplicando el concepto de dispersión del espectro. 3. Demuestre que P(A + B + C) = P(A) + P(B) +P(C) -P(AB) -P(AC) -P(BC) + P(A B C) 3. el espectro de la señal resultante se esparce o dispersa y su ancho de banda es mucho mayor que el ancho de banda de la señal mensaje.3486. Estos receptores vienen en gabinetes de color marfil. (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. Los promedios estadísticos de más utilización son el valor promedio y la función de autocorrelación. Estas secuencias se tratan con cierto detalle. El experimento es el lanzamiento de dos dados. En la dispersión del espectro juegan un papel muy importante las denominadas secuencias seudoaleatorias.

3. 2 (c) p X (x ) = 1 x Λ( ) . Demuestre las siguientes probabilidades: P{tomar un receptor verde} = 0. Demuestre que la probabilidad de que fue sacado de la caja C2 es de 0.255 III. 4 4 (b) Determine y dibuje la correspondiente función de distribución FX (x).7. En el Problema anterior se examina el transistor y vemos que está defectuoso. . Una caja contiene 10 bolas blancas. Demuestre que la probabilidad de que estas bolas sean todas blancas es de 3/34. 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. 1 negra y 4 rojas. 3. Demuestre que la probabilidad de sacar 1 bola blanca y 2 rojas es de 12/35. El experimento es el lanzamiento de cinco monedas. π 1+ x 2 x (b) p X (x ) = | x| Π ( ) .9. VARIABLES Y PROCESOS ALEATORIOS No.615. de los cuales el 40% está defectuoso. De esta caja se sacan 4 bolas. Se tiene también otras dos cajas C3 y C4 con 1000 transistores cada una y con un 10% defectuoso. 4 negras y 3 rojas. A A 1 x−8 (8 − x )Π ( ) 6 8 3. 3.8 Una caja C1 contiene 2000 transistores.6. Se selecciona al azar una de las 4 cajas y se saca un transistor.3 3.14 P{tomar un radio verde de 10 transistores} = 0 P{tomar un radio negro de 6 transistores} = 0. (a) p X (x) = 1 1 ( ). de los cuales el 5% está defectuoso.4375 .3 P{tomar un radio de 10 transistores} = 0. 3. Demuestre las siguientes probabilidades: P{aparecen tres caras} = 5/16 P{aparece una sola cara} = 5/32 P{aparecen cinco caras} = 1/32 3. Una segunda caja C2 contiene 500 transistores.1625. Sea la función de densidad de probabilidad p X (x) = (a) Demuestre que la probabilidad P( − A A < X ≤ ) = 0.Verifique si las siguientes funciones satisfacen las condiciones para ser una función de densidad de probabilidad.11.5. Una caja contiene 2 bolas blancas.10. De esta caja se sacan 3 bolas. Demuestre que la probabilidad de que este transistor esté defectuoso es de 0.

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. donde K y α son dos constantes positivas. (b) Demuestre que la correspondiente función de distribución es FX (x) = [1 . VARIABLES Y PROCESOS ALEATORIOS 3. 3. Sea Y = X2 . 1 x −1 Λ( ). de valor promedio cero y varianza σ2 . Sea una VA X cuya distribución es gaussiana de valor promedio E{X} = 5 y σ = 0. Si la densidad de probabilidad de X es gaussiana. donde la VA X es gaussiana de valor promedio E{X} = m y varianza σ2 . 2 2 σ 2 = 2 / 3.105). 2) = 1/12 3. (a) Demuestre que K = α. R es entonces una VA con distribución uniforme entre 900 y 1100 Ohm. 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.17. 3. (a) Demuestre que P(X ≤ 1) = 1. La densidad de probabilidad de una VA X es p X ( x ) = Demuestre que E{X} = 1 . 3. Se saca una resistencia de la caja.exp(-αx)]u(x).5. Demuestre que la probabilidad de que el valor de la resistencia esté entre 950 y 1050 Ohm es de 0.12. x 3.6.19.15. E{X2 } = 5/3 . En la expresión (3. Sea la función de densidad de probabilidad pX (x) = K exp(-αx)u(x). demuestre que la densidad de probabilidad a la salida del sistema es . En una caja se tiene un conjunto de resistencias cuyo valor R varía entre 900 y 1100 Ohm (valor nominal de 1000 Ohm con ±10 % de error máximo). 3.21.952 3. Demuestre que pZ (z) = 2[exp(-z) . Demuestre las expresiones (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. Sea una función de densidad conjunta de dos VA X e Y de la forma p XY (x .13.exp(-2z)] u(z). 3.106) deduzca FX (x) a partir de pX (x).14.18.20.256 III.3084 x 10-11 (b) Demuestre que P(X ≤ 6) = 0. 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).16.

de valor promedio cero y varianza σ2 .22. En el caso de un detector cuadrático la entrada X y la salida Y están relacionadas mediante la expresión Y = aX2 con a > 0.) es la función rampa. demuestre que p Y ( y) = 1 y − 15 1 Π( ) y FY ( y) = [ r ( y − 10) − r ( y − 20)] 10 10 10 donde r(. En el caso de un rectificador de onda completa la entrada X y la salida Y están relacionadas mediante la ecuación Y = |X|. . d).. 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. donde c > 0.23. 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. 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. 20). 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 ⎩ 3.257 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. ⎡ ⎤ y y 1 (a) Demuestre que p Y ( y) = pX ( ) − 1⎥ u(y) ) u(y) y FY ( y) = ⎢2 FX ( a a ay ⎣ ⎦ (b) Si la densidad de probabilidad de la VA X es gaussiana.

demuestre que | 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. donde a y b son dos constantes. ∫ (b) Si la VA X está distribuida según Cauchy.26. FX (x ) = E{X2 } = 2/α2. 3. Una VA X está distribuida en forma laplaciana. α + x2 1 α (a) Demuestre que K = α/π . donde K p X (x ) = 2 . (a) Si pX(x) y Fx(x) son las funciones de probabilidad de X.24. 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. 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. Sea una VA X y sea el proceso lineal Y = aX + b. Una VA X está distribuida según la distribución de Cauchy. VARIABLES Y PROCESOS ALEATORIOS 3. ax 2 + b) . 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. 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 . x2). (b) Demuestre que (c) Demuestre que (c) Demuestre que K = α/2 E{X} = 0. Sea una VA X y un proceso hiperbólico de la forma Y = a . donde a es una constante.258 III.27. su densidad de probabilidad tiene la forma p X (x ) = K exp(−α | x| ) . 3.5.25. α ) es igual a 0. 3. es decir. 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. pero con parámetro |a|/α.

Una VA X sigue la distribución de Maxwell. 3. Fig. 3. (a) Una secuencia aleatoria unipolar RZ de amplitud A.23(a) (c) Una secuencia aleatoria bipolar AMI RZ de amplitudes ± A .24(a) (d) Una secuencia aleatoria bipolar MANCHESTER de amplitudes ± A .25(a). Fig. . No dibuje impulsos. Se tiene una distribución de la forma f (x) = Kx exp(− x2 )u(x) 2α 2 1 . 3. Fig. La α2 (a) Demuestre que si f(x) es una distribución de Raleigh. determine la función de autocorrelación y la densidad espectral de las siguientes secuencias aleatorias. Siguiendo el procedimiento mostrado en la Sección 3. (e) En un solo gráfico dibuje las cuatro densidades espectrales anteriores y compare sus anchos de banda.9.259 III. 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 .2. VARIABLES Y PROCESOS ALEATORIOS 3. 3. σ = 2α 2 ⎡ x2 ⎤ (c) Demuestre que FX (x) = ⎢1 − exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ 3. 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} = 0.29. E{X 2 } = 2α 2 .30.28. 42759 . 3.22(a) (b) Una secuencia aleatoria bipolar NRZ de amplitudes ± A . Fig.

VARIABLES Y PROCESOS ALEATORIOS .260 III.

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

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

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

sólo aquello que ignoramos nos aporta alguna información al conocerlo. Este intercambio “Ancho de BandaPotencia” lo estudiaremos con más detalle posteriormente.1) Por otro lado. 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 (4.3. PRINCIPIOS DE LA TRANSMISION DE INFORMACION puede considerarse más importante o más escaso que otro. Se puede. los canales telefónicos son canales limitados en ancho de banda. por lo tanto. podemos decir que la incertidumbre acerca del suceso A es función de la probabilidad de que dicho suceso ocurra. Por consiguiente. Esta es la esencia intuitiva de la información. clasificar los canales como “limitados en potencia” o “limitados en ancho de banda”. Esta es una disciplina altamente matemática y con aspectos que todavía no han sido instrumentados en la práctica. La ignorancia en cuanto al suceso es simplemente la incertidumbre que se tiene acerca de él. se puede aumentar el ancho de banda pero a expensas de una reducción en la potencia.264 IV. es decir. Los sistemas de modulación que estudiaremos más adelante utilizan esos recursos en forma más o menos eficiente. La utilización óptima y eficiente de estos recursos es el principal objetivo en el diseño de los sistemas de comunicación prácticos. Al realizarse el suceso. no se ha especificado lo que realmente significa el término “información” y mucho menos cómo se puede cuantificar. dependiendo de la aplicación. veremos que el ancho de banda y la potencia de transmisión se pueden intercambiar. 4. Consideremos un suceso A cualquiera. En efecto. menor será nuestra incertidumbre. y viceversa. dio origen a la Teoría de la Información. En 1949. En consecuencia. la magnitud de la incertidumbre depende del grado de probabilidad de ocurrencia del suceso A.1) que U(A) = I(A) = f(PA) (4. mientras que un canal de microondas lo es en potencia. Sin embargo. más otros desarrollos afines. 1949]. Cuanto mayor sea la probabilidad de ocurrencia del suceso. Todos tenemos un concepto más o menos intuitivo de lo que es información. pero no conocemos los medios para medirla. Lo que sí sabemos es que lo que ya conocemos no nos proporciona ningún nuevo conocimiento. la incertidumbre se convierte en certeza y hemos obtenido un conocimiento o recibido una información. Sin embargo. CONCEPTO Y MEDIDA DE LA INFORMACION Hemos dicho que el propósito de un sistema de comunicación es el de transmitir información.2) . Claude Shannon propuso algunas definiciones básicas acerca de la información y la velocidad de transmisión a la cual se puede transmitir sin error [Shannon. 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. ciertos aspectos significativos de la teoría han sido aplicados exitosamente en sistemas prácticos. Este trabajo. Por ejemplo. digamos. Cuanto menos se sepa de un suceso mayor será. nuestra sorpresa al conocer la realización del mismo. podemos decir que Cantidad de Incertidumbre = Cantidad de Información (4. y algunos de los conceptos fundamentales los veremos a continuación.

I(A) = log 2 1 = − log 2 PA bits PA (4. En efecto. asociada con un suceso A cuya probabilidad de ocurrencia es PA. La relación funcional f(PA) se puede elegir dentro de una clase bastante grande de funciones. Se trata entonces de hallar la relación funcional f(PA).3) La información es una magnitud positiva.7) La unidades o dimensiones de la cantidad de información dependen de la base del logaritmo. o b = 10 para cálculos numéricos). W. pero la información o incertidumbre será 0.4) La probabilidad de un suceso cierto es 1. es una función de la probabilidad de ocurrencia de ese suceso. Si fuera necesaria otra base (por ejemplo. en bits.265 IV. entonces Si A = BC.8) I(A) es la cantidad de información. La unidad de información se denomina entonces “bit” (contracción inglesa de “binary digit”) y fue propuesta por J.10) En particular. es la aditividad. respectivamente. si la probabilidad de un suceso A es menor que la probabilidad de un suceso B. la información se puede mantener expresada en bits mediante la fórmula log 2 N = 1 log b N log b 2 (4. Tukey en 1946. . Por consiguiente. Una condición esencial que la relación funcional f(PA) debe satisfacer. en cuyo caso b = 2. para b = 10. pero solamente algunas son de interés práctico en las aplicaciones. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En este sentido.3) a (4.322 log10 N (4.9) log2 N ≈ 3. de modo que podemos escribir PA →1 lim f ( PA ) = 0 (4. si se considera que el suceso A está formado por la intersección de dos sucesos independientes B y C cuyas probabilidades son PB y PC. la información asociada con el conocimiento de que un suceso dado ha ocurrido. Por lo tanto. la información es una medida de la incertidumbre. de donde f (PA ) ≥ 0 donde 1 (4.6) es una función logarítmica de la forma f (PA ) = log b 1 = − log b PA PA (4. 1928] que la única relación funcional que satisface las condiciones (4. b = e si la función se va a diferenciar o integrar.5) Por último.6) Hartley demostró [Hartley. f (PA ) = f (PB ) + f (PC ) 0 ≤ PA ≤ (4. debe verificarse que f (PA ) > f (PB ) para PA < PB (4. La solución más sencilla es aquella cuando se selecciona uno de dos mensajes o símbolos.

La caracterización matemática de un sistema de comunicación generalizado ha producido un cierto número de aspectos importantes. La velocidad a la cual una fuente produce la información. Supongamos que se transmite una larga secuencia de L mensajes o símbolos. el “número efectivo” de mensajes disponible es más cercano a 2 que a 3. Estos aspectos los trataremos brevemente en el presente capítulo. la cantidad de información definida en (4... no tiene nada que ver con el significado o sentido inherente en un mensaje. la energía o cualquiera otra cantidad física. .. es entonces un conjunto de N variables aleatorias.. en el sentido de la teoría de la información.8) es inadecuada excepto en las circunstancias más simples.. CARACTERIZACION DE LA INFORMACION 4. con probabilidades de ocurrencia correspondientes {P1. P3. debe cumplirse que ∑P n =1 N n =1 (4. La información promedio contenida en un mensaje dado. que se puede medir y ser tratado matemáticamente en la misma forma como lo son la masa. el símbolo j-ésimo ocurrirá aproximadamente LPj veces y la información asociada será LPjIj bits. x3. x2. x3.. La información total contenida en la secuencia será. 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.. o de no aleatoriedad. I t = LP1 I 1 + LP2 I 2 + LP3 I 3 +.4.266 IV. x2. si los dos primeros fueran utilizados en promedio 10 veces por hora. xN} distintos e independientes. Consideremos una fuente discreta que produce N símbolos o mensajes {x1... Es decir. es mejor describir la fuente en términos de la “información promedio” producida.4. Por ejemplo... Desde un punto de vista probabilístico. P2. cuando se transmite un mensaje cualquiera x j . En este contexto.. cuando el flujo instantáneo de información producido por una fuente es aleatorio. . entonces la cantidad de información asociada con los mensajes sería más cercana a log2 2 bits que a log2 3 bits. aproximadamente.. 3... PN}.1. el conjunto discreto de N símbolos o mensajes producidos por la fuente se puede considerar como un proceso aleatorio discreto.8) ha sido obtenida para un solo mensaje y no es apropiada para describir una fuente que produce un conjunto de diferentes mensajes. PN}. 4.11) De acuerdo con la ecuación (4. LPN I N = L ∑ Pj log 2 P1j bits j=1 N (4.. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la “información”.12) . donde L >> 1. y si el tercer mensaje se usara solamente una vez a la semana. entre los cuales se tiene: 1. 2. De la definición de la probabilidad. Por consiguiente.. la información asociada es Ij = log2(1/Pj) bits.8). cada una de las cuales toma valores en el conjunto {x1... La codificación de los mensajes para optimizar los tres aspectos anteriores. B y C posibles. P2 .. La capacidad de un canal para manejar o transportar esa información 4. Entropía La cantidad de información definida en la ecuación (4...xN} con probabilidades {P1 . . sean tres mensajes A. Es mas bien un grado de orden. En esta secuencia. i ≠ j. donde Pi ≠ Pj .

12).13) que hemos presentado es. valor que corresponde al pico de la curva. En efecto. esto es.. Se puede demostrar [Ziemer y otros . entonces H = 1 bit. en bits por símbolo (bits/símb).2. PRINCIPIOS DE LA TRANSMISION DE INFORMACION La información promedio. respectivamente.75 bits/símbolo Si los símbolos fueran equiprobables. Una fuente produce cuatro símbolos A. ♣ ♣ Ejemplo 1. 0. 0. es decir. Sea una fuente binaria (N = 2).13) Esta es la “Entropía de la Fuente”. = PN = 1/N. B. será entonces la información total de la secuencia dividida por el número de símbolos de la misma. se puede encontrar en la Bibliografía [Shannon.25. 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. o LH bits en una secuencia de L mensajes. Esta información promedio normalmente se representa con la letra H. La entropía de la fuente. 0 ≤ H ≤ HMAX = log2 N (4.5. 4. si p = ¼.125 y 0.15 log 2 8 = 1.14) En consecuencia. Las probabilidades de los símbolos son p y (1 − p) . 1949]. la deducción rigurosa.5 1 H(bits) 1 p 4. 1976] que H es máxima cuando las probabilidades de ocurrencia de los símbolos son iguales.5 log 2 2 + 0. La entropía de la fuente será H = 0.267 IV. En este caso. Entropía de una Fuente Binaria.1.2 se grafica H vs p Nótese que si p = ½. significa que aunque no se pueda decir con certeza qué mensaje se va a producir. H= It = L ∑Pj log 2 P1j j=1 N bits/símbolo (4. entonces 0 0. hasta cierto punto. 0. la información promedio asociada con la fuente es máxima. Por consiguiente. Por otro lado.. Nótese que cuando los símbolos o mensajes son equiprobables. La deducción de la ecuación (4.. 1 1 H = p log 2 ( ) + (1 − p) log 2 ( ) p 1− p En la Fig. si L es grande. la entropía está acotada por log2 N (4.125. Entropía de una Fuente Binaria H = log 2 4 = 2 bits/símbolo . C y D cuyas probabilidades son. cuando P1 = P2 = P3 = ... o información promedio asociada con la fuente. de (4.15) donde N es el número de símbolos o mensajes producidos por la fuente. ♣ Ejemplo 4.2. como la denominó Shannon. respectivamente. empírica. realizada por Shannon. se espera obtener en promedio H bits de información por mensaje.25 log 2 4 + 2x 0.

HMAX = log2 27 = 4. Vi = Vs log 2 N = 1 T log 2 N bps (4. de acuerdo con (4.11). Esta es la máxima información que la máquina de escribir puede generar. Sea una fuente que produce N símbolos distintos e independientes a una velocidad de Vs símbolos por segundo. en otras palabras.268 IV.2 bits. entonces Vs = 1 símbolos/segundo T (4. Vamos a determinar la entropía asociada con el dado. 4. Debe verificarse.755 bits/letra.3. ♣ Ejemplo 4. 5 letras y un contenido de información de 9. la fuente produce 27 símbolos. en promedio. ♣ ♣ Ejemplo 4.3 bits. 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. de donde p = ¼ 1 log 2 4 + 4 log 2 8 = 2 . ♣ Consideremos la información producida por una máquina de escribir de 26 letras y el espacio entre letras. que p+p+ H=2 1 2 p+ 1 2 p+ 1 2 p+ 1 2 p = 1. Se ha determinado experimentalmente que la información promedio asociada con una letra es de aproximadamente 4. Si suponemos que los símbolos tienen todos la misma duración T.4. la letra E es la que ocurre con más frecuencia. la velocidad de la información. Por ejemplo.18) .4. Pero en el idioma español las letras tienen diferentes probabilidades de ocurrencia en un texto.5 bits/cara 8 4 1 H = log2 6 = 2. una palabra tiene. Solución Sea p la probabilidad de sacar un UNO o un SEIS.2. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la entropía H es máxima cuando los símbolos son equiprobables.59 bits/cara ♣ Si el dado fuera correcto. Si todos los símbolos tuvieran la misma probabilidad.17) y si los símbolos son equiprobables. es decir. Asimismo. Velocidad de Información En los sistemas de comunicación es de especial importancia conocer la cantidad de información que se produce o se transfiere por unidad de tiempo.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.

Para más detalles sobre estos códigos. En sistemas de procesamiento y transmisión de señales digitales. Como se considera que el codificador no tiene memoria. Codificación de Canal Hemos dicho que. 4. Vi = Vs log2 4 = 2000 bps Nótese nuevamente que la velocidad de información es máxima cuando los símbolos son ♣ equiprobables.3. 4. Las secuencias aleatorias binarias en los sistemas de modulación de impulsos y los códigos de línea. como máximo. Fig. de gran interés en los sistemas de procesamiento y transmisión digital de señales. Esta secuencia binaria de 8 impulsos se denomina comúnmente “byte” u “octeto” (En la práctica 1 Kbyte = 1024 bytes. para diferenciarlo de 1 kbyte = 1000 bytes). PRINCIPIOS DE LA TRANSMISION DE INFORMACION Algunos autores llaman a la velocidad de información “rata o tasa de información” (del inglés “rate”). son formas de codificación de canal.3(b). ♣ Ejemplo 4. sin embargo. el lector puede consultar la bibliografía especializada. . secuencia que denominaremos “muestra codificada o palabra codificada” y el conjunto de palabras codificadas forman una secuencia aleatoria binaria. Sea entonces. la palabra “rata” en español significa “porcentaje” o “parte proporcional”. en secuencias de n impulsos con m amplitudes. denominada también “codificación de fuente”.5. Otros tipos de codificación binaria de canal son los Códigos Baudot y ASCII. se utilizan secuencias binarias (m = 2) que contienen 8 impulsos (n = 8). pues. Esta transformación se denomina comúnmente “conversión” o “codificación” y el dispositivo que la efectúa. que veremos más adelante. como se muestra en la Fig. sin perder generalidad. una fuente discreta sin memoria que produce N símbolos distintos e independientes. En la práctica hay muchos códigos que emplean secuencias multinivel o m-arias y esquemas para la detección y corrección de errores. igual a la duración de cada símbolo a fin de no perder información. a una velocidad Vs = 1/T símbolos/segundo. la duración de la muestra codificada debe ser. en este contexto. en el sentido visto en la Sección 3. que se verán en el Capítulo V.3(a). efectuar una conversión o adaptación de los símbolos en formas compatibles con el medio de transmisión.4.269 IV. pero. “convertidor” o “codificador”.2 se producen a una velocidad de 1000 símbolos por segundo. como veremos en los Capítulos V y VI. en general. La velocidad de información de la fuente será a) Si los símbolos tienen diferentes probabilidades Vi = Vs H = 1000 x 1. 4. vamos a suponer un sistema mediante el cual cada símbolo o mensaje se transforma en una secuencia particular de n impulsos con m amplitudes. Es necesario. que podemos suponer equiprobables. Los símbolos de la fuente del Ejemplo 4. cada uno. Una clase muy importante de conversor es aquella que convierte los símbolos producidos por la fuente en secuencias de impulsos discretos. Nosotros emplearemos los términos “velocidad de información” o “velocidad de transmisión” indistintamente. los símbolos tal como salen de la fuente pueden no ser apropiados para ser transmitidos por un canal dado.9 del Capítulo III. ésta es la codificación de canal. Hay muchos métodos de codificación digital de canal.75 = 1750 bps b) Si los símbolos son equiprobables. Los símbolos se codifican.

I = n log 2 m = log 2 m n n log 2 m T 1 T bits (4.21). (4. de (4.22) Esta expresión. la velocidad de información será la misma en todos los puntos a lo largo del sistema. a una velocidad de 100 símbolos por segundo.19) Asimismo. Codificación en Secuencias de Impulsos A la salida de la fuente de información la velocidad de transmisión es.21) Como se supone que el sistema no tiene memoria (elementos de almacenamiento). vamos a determinar la velocidad de información y los valores posibles de m y n. lo que significa que la relación entre m. N = mn m y n enteros (4.22) es independiente de T. 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.270 IV. Nótese que la relación (4. Una fuente de información produce 256 símbolos. Vi = Vif = Vic de modo que. que suponemos independientes y equiprobables. pues relaciona los parámetros m y n del codificador con el número N de símbolos producidos por la fuente. .20) y (4.20) La velocidad de información a la salida del codificador será Vic = = log 2 m n bps (4.18). es decir. 4. ♣ Ejemplo 4. n y N es válida para cualquier sistema con o sin memoria. es de gran utilización en los sistemas digitales de transmisión de información. y para cualquiera velocidad de información.19).3. que denominaremos “relación de conversión o de codificación”. 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). Si cada símbolo se codifica en secuencias de n impulsos con m amplitudes. Vif = 1 T log 2 N (4.6. es decir. de la expresión (4.

25 ms. τ1 = b) n = 4.4.23) queda en la forma V i = Vb (4. 4. es decir. En un sistema binario.271 IV.7.3 se supone que en el extremo receptor se sabe cuándo comienza y cuándo termina cada secuencia de impulsos. 4 τ2 = Vb2 = ♣ 4. 4. 8 T = 2.4.21) queda en la forma siguiente Vi = donde 1 τ log 2 m = Vb log 2 m bps 1 τ (4. 256 = m n .4.4. Se puede ahora calcular la velocidad de modulación de las muestras codificadas del Ejemplo 4. Este resultado es válido si la codificación se ha efectuado en la forma mostrada en la Fig. 4. Redundancia Agregada En el sistema mostrado en la Fig.22). como veremos después del siguiente ejemplo. 4. T = nτ y la expresión (4. en algunos sistemas denominados “asincrónicos” es necesario enviar impulsos adicionales para indicar el principio o el fin (o ambos) de cada muestra codificada a fin de que se pueda efectuar con exactitud el proceso de descodificación.24) Vb = Vb es el número de impulsos por segundo.6. la reconversión de las secuencias de impulsos codificados en símbolos de significación para el usuario final de la información. ♣ Ejemplo 4. m = 2 y la expresión (4. de modo que los impulsos tienen todos la misma duración τ. se conoce con el nombre de “velocidad de modulación” o “velocidad de señalización”. y se expresa en baudios. Velocidad de Modulación m=4 y n=4 ♣ En general. 1 . Sin embargo. Vs = 100 símb/seg = a) n = 8. También puede agregarse otros impulsos para . son m = 2 y n = 8 (caso binario). en honor del ingeniero francés Emile Baudot.5 ms. Las combinaciones de m y n que satisfacen la expresión (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Solución La velocidad de información es Vi = 100 log 2 256 = 800 bps. De la Fig.4. T = 10 ms T Vb1 = 1 = 800 baudios τ1 1 = 400 baudios τ2 T = 1. es decir.23) (4. sin redundancia agregada. En efecto. los codificadores son dispositivos comandados por un reloj. esto es.5.25) Esto significa que en un sistema binario la velocidad de información y la velocidad de modulación son numéricamente iguales.

13(a)). m = 2.272 IV.4.4. Sin embargo. mostrado en la Fig. 4. Esta situación se muestra en la Fig. T = (n + p + q)τ‘. que llamaremos impulsos de “arranque” y “pare”.. De la Fig. lo cual impone restricciones más severas sobre el canal. τ' < τ y ' Vb > Vb (4. En el caso binario. pτ. el Código Baudot.27) n Impulsos de Información m Niveles o Amplitudes Pare n 1 2 3 4 5 6 τ.33). como veremos más adelante. Arranque qτ. Todos estos impulsos adicionales se denominan “impulsos redundantes” o “redundancia agregada”. El valor de K (como un porcentaje K%) es una medida del rendimiento o eficiencia de la codificación (Ver Problema de Aplicación 4. la velocidad de modulación ha aumentado. que tampoco llevan información útil. 4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION control y detección de errores.29) o también Vi < Vb La velocidad de información ya no es igual a la velocidad de modulación debido a los impulsos redundantes. Sea entonces una muestra codificada a la cual se le han agregado dos impulsos de duración pτ‘ y qτ‘.4. extracción de la temporización. Es evidente que los impulsos de redundancia más los impulsos de información deberán estar contenidos dentro del mismo tiempo T si no se quiere perder información (se supone que el sistema no tiene elementos de almacenamiento). la polaridad. de donde Vi = n log 2 m (n + p + q )τ ' = n n+p+q ' Vb log 2 m bps (4. T Fig. 4.28) <1 es la “relación entre el número de impulsos de información y el n+p+q número total de impulsos de la muestra codificada”. de donde Vi = KVb (4. números enteros pues suponemos que el codificador está controlado por un reloj.26) Puesto que la velocidad de información no ha variado. amplitud y duración de los impulsos de arranque y pare son arbitrarias pero fijas. . la velocidad de información vendrá dada (eliminando el índice de Vb ' ) por Vi = KVb log 2 m donde K= n (4. p y q son. etc. Muestra Codificada Con Impulsos Redundantes Considerando entonces los impulsos redundantes agregados. respectivamente. 4. con algunas excepciones (por ejemplo.

4.. 4.5. 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. n = 7.5. en la Fig. 4. Desde el punto de vista eléctrico. 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. ♣ Ejemplo 4. cuando los impulsos (de información o redundantes) tienen diferente duración. la velocidad de modulación se define respecto al impulso de menor duración presente en la muestra codificada.273 IV. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En general. 1 0 1 0 c 1 d 1 En transmisión por teletipo.8. CARACTERIZACION DEL CANAL 4. los caracteres ASCII fluyen a una velocidad de 10 caracteres por segundo. Vamos a considerar un canal ideal. 4. es un parámetro de naturaleza eléctrica de gran importancia en la caracterización de sistemas de transmisión de señales digitales.13(b).5 se muestra la letra U en ASCII. siete impulsos de información. τ 0 a 1 0 1 0 b T a: Impulso de Arranque (siempre a "0").1.5: un impulso de arranque siempre a CERO. En el Apéndice B-5 se especifica este código en detalle. Entonces. un impulso de paridad (para gestión o control de error) y un impulso de pare de duración variable (hasta 2τ) siempre a UNO. es decir. Vs = 10 caracteres/seg. K=7/11. por ejemplo. d: Impulsos de Pare (siempre a "1") Fig. Letra U codificada en ASCII con bit de paridad. b: Impulsos de Información c: Impulso de Paridad (detector de error).5. Supongamos que el ancho de banda del canal se puede variar y que a su . 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. m = 2. T = 1/10 = 100 ms = 11τ. definida como el inverso de la duración del intervalo unitario o del impulso de menor duración. A este efecto. un canal que no introduce ninguna atenuación o distorsión. ver también la Fig. Por ejemplo. Código ASCII o Alfabeto Internacional N° 5 de la UIT-T En este tipo de codificación binaria cada carácter alfanumérico se codifica como se muestra en la Fig. Ancho de Banda del Canal N = 2 7 = 128 caracteres ♣ La velocidad de modulación.

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. . Capítulo I. 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. es decir. dependiendo de la definición de tr . Para un ancho de banda B1 y un impulso de entrada de duración τ1 . el canal dejará pasar el 90% de la energía contenida en el impulso de entrada. pero en la práctica se utiliza k = 1. cuando se utilice el tiempo de alzada. Es evidente que si se desea una gran fidelidad.5 (definido en el Ejemplo 2.19. 4.30) τ donde k depende de la fidelidad requerida a la salida.19). B≥ 1 τ (4. la forma dada en la Fig. Debido a esto. la Salida 3. Ahora se aplica un impulso de duración τ2 < τ1 . y la salida será parecida a la entrada. que tomaremos como referencia. es decir. Puede observarse que la “fidelidad” de la salida depende tanto de τ como de B. donde τ es la duración del impulso de entrada. Cuando es necesario preservar la forma de la señal transmitida. En este texto.31a) donde k es igual a 0.6.35. la Salida 2 saldrá deformada como se muestra en la figura. Para que la Salida 2 tenga la forma aproximada de la Entrada 2.35 ó 0.274 IV.31) Demostramos en el Ejemplo 1. hay que aumentar el ancho de banda del canal a un valor B2 > B1 . el valor de k deberá ser mucho mayor que la unidad. por ejemplo. la expresión (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION entrada se aplican impulsos de duración decreciente. por ejemplo. El valor mínimo teórico de k es 0. aquí suponemos que la relación entre τ y B es una relación inversa. Nuevamente se aplica un impulso de duración τ3 < τ2 < τ1 . obteniéndose.31) es de gran utilización en la caracterización de sistemas de transmisión de impulsos y la emplearemos con bastante frecuencia. que si B = 1/τ . 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. hay que aumentar el ancho de banda del canal a un valor B3 > B2 > B1. la Salida 1 tendrá. usaremos k = 0. Para que la Salida 3 vuelva a la forma aproximada de la Entrada 3.5.

Nótese que si se Tt = 3600 seg . Velocidad de la Fuente: Vs = 1 10 . Hay 4 niveles de información: -3.7: cinco impulsos cuaternarios con impulsos de arranque y pare. los cuales se han codificado en la forma mostrada en la Fig.9. no habrá problemas en la recuperación de la información. 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.31) tienen la misma forma. entonces. 4. La velocidad de modulación es de 10 kbaudios.275 IV.6x10 7 bits. (4. La información producida por esta fuente en un tiempo Tt es: It = Vi Tt . como veremos en la sección siguiente. 1 y 3. Información asociada a la fuente: I = log 2 1024 = 10 bits/símbolo K = 5/10 = 0. 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 . -1.31b) Puede observarse que las expresiones (4.7. T = 10τ . donde B es el ancho de banda real del canal. si Vb > B.32) ♣ Ejemplo 4. m = 4 y N = 4 5 = 1024 símbolos. En general. K% = 50%. se perderá información y habría que buscar otros medios para evitar esa pérdida. si por ejemplo I t = 10 4 x3600 = 3. = Vb = 10 4 = τ T T = 10 −3 seg. PRINCIPIOS DE LA TRANSMISION DE INFORMACION B≈ 1 2t r (4. Sin embargo. debe verificarse que B ≥ Vb para no perder información. 4. Es evidente que si Vb < B. Sea una fuente que produce N símbolos independientes y equiprobables. en una hora se producirán . puede transmitirse sin perder información por un canal ideal con un ancho de banda mínimo Bn numéricamente igual a Vb.5 .24) y (4. n = 5.

en bits. 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. Shannon introdujo el concepto de “capacidad de un canal”. entonces existe una técnica de codificación que permite la transmisión sobre el canal con una frecuencia de errores arbitrariamente pequeña. pero si Vi > C entonces no es posible transmitir sin error. Capacidad del Canal Definición Para definir una medida de la eficacia con la cual un canal transmite información y para determinar su límite superior. PRINCIPIOS DE LA TRANSMISION DE INFORMACION disminuye a la mitad la duración de los impulsos de arranque y pare. Es decir.34). en bits perdidos por segundo. La capacidad del canal es entonces la máxima velocidad a la cual el canal puede transportar información confiable hasta el destinatario. La capacidad C se expresa en bits por segundo (bps). Vamos a cuantificar esta pérdida de información.32).33) La información transmitida por el canal en un tiempo Tt será I t = Vi' Tt bits. Estimación de la Pérdida de Información en un Canal La señal codificada del Ejemplo 4. ♣ ♣ Ejemplo 4.34) Si se define Vp como la velocidad promedio a la cual se pierde información.9 se transmite por un canal de 5 kHz. Ip Vp = = K( Vb − B) log 2 m bits perdidos por segundo para Vb > B (4.28) y (4. El lector puede calcular este nuevo valor. (4. De acuerdo con (4. Vp = Vb − B bits perdidos por segundo para Vb > B (4. un canal de ancho de banda B puede soportar una velocidad de información máxima dada por Vi' = KB log 2 m bps (4.33). viene dada por I p = I f − I t = (Vi − Vi' ) Tt y de (4. de modo que puede decirse que la información perdida en el proceso. Pero en el mismo tiempo Tt la fuente ha producido I f = Vi Tt bits.28) y (4.37) . m = 2 y K = 1. no obstante la presencia de ruido. Como Vb > 5000. I p = [ K( Vb − B) log 2 m] Tt bits para Vb > B (4.5.10. si 0 < Vi ≤ C se puede transmitir sin error.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 evidente que habrá pérdida de información.2. se tendrá de (4. que comúnmente se representa con la letra C.276 IV.35) Tt Si el sistema es binario y no tiene impulsos redundantes. la velocidad de modulación no cambia pero la velocidad de información aumenta.

Como consecuencia. Son las técnicas de codificación apropiadas las que en definitiva permiten aumentar la capacidad del canal. Como el número de símbolos N es constante.45) se puede aumentar incrementando el número de niveles m de los impulsos o mediante una codificación equivalente. la velocidad de modulación disminuye y la exigencia sobre el canal disminuye también. con lo cual obtenemos finalmente que (4.41) • Rendimiento del Canal respecto al Ancho de Banda. ρc ρc = Rc V = 1− i C C Vi C (4.44) Sin embargo.40) También. como bien lo expresa el Teorema Fundamental de Shannon. Para más información sobre estos tipos de codificación de canal.32). ηB ηB = Vi B ηB se expresa en bps/Hz (4. de acuerdo con (4. un aumento en m implica una disminución en el número de impulsos de información. C= 1 T log 2 m n = n T log 2 m = KVb log 2 m bps (4. la capacidad C dada por (4.45) C = KB log 2 m bps Como el ancho de banda B del canal generalmente es fijo.28). ver la bibliografía especializada. Podemos entonces reemplazar en (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.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.277 IV. ηc = 1 − ρc donde ηc ≤ 1 (4.43) T La capacidad C del canal se puede expresar también en términos de los parámetros del codificador y del mismo canal. ηc ηc = ó ηc % = 100 Vi C (4.39) • Rendimiento del Canal.44) Vb por B. numéricamente. si los símbolos han sido codificados en secuencias de n impulsos de m amplitudes. Rc R c = C − Vi Rc ≥ 0 (4. La cantidad de información máxima de la fuente es log 2 N bits y si cada símbolo tiene una duración T.21) y (4. el ancho de banda mínimo necesario para transmitir los impulsos sin distorsión excesiva. el ancho de banda real del canal. la capacidad mínima del canal será 1 C = log 2 N = Vs log 2 N bps (4.38) • Redundancia Relativa. . En efecto. Vb es también.

en reconocimiento al trabajo pionero de Hartley y a la deducción rigurosa hecha por Shannon [Teorema N° 2. Por otro lado. entonces la capacidad del canal en presencia de ruido aditivo y gaussiano viene dada por C = Blog 2 (1 + S ) N bps (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION De (4. de acuerdo con (4.42) y (4. Si el canal tiene un ancho de banda B. y la potencia promedio del ruido en el canal es N. Shannon.31). ella es de gran importancia en los sistemas de comunicación porque muchos canales prácticos se pueden modelar como un canal gaussiano. 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. Cuando el ancho de banda de un canal está limitado.47) A este resultado se le llama la “Ecuación de Hartley-Shannon”. sea por sus propias características físicas o por regulaciones y normas técnicas. Aunque la ecuación ha sido deducida para un canal gaussiano. con una codificación adecuada se podría aumentar indefinidamente la capacidad del canal. Con técnicas más sofisticadas de codificación. con lo cual reafirmamos la expresión (4. pero en la práctica se llega normalmente a 9600 bps.2 kHz. (4. en un canal ideal sin ruido el ancho de banda del canal debe ser numéricamente igual o mayor que la velocidad de modulación para que no haya pérdida de información. velocidades superiores solamente se obtienen mediante control de error y compresión de datos.45). y como consecuencia se produce una pérdida de información. No hay que olvidar que ellas se aplican fundamentalmente a un canal ideal sin ruido lo cual está muy lejos de la realidad. 1949]. y que la potencia del ruido gaussiano dentro de un ancho de banda dado es también la más alta de todos los ruidos posibles.46) En consecuencia. un canal telefónico tiene un ancho de banda efectivo de 3. La ecuación de Hartley-Shannon proporciona el límite superior para la transmisión de información confiable por un canal ruidoso. Canal con Ruido La capacidad de un canal disminuye como consecuencia de los errores incurridos en la transmisión causados por señales perturbadoras o ruido.37) y (4. modulación y acondicionamiento del canal. 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. el límite teórico para la capacidad de este canal es superior. De las expresiones (4. la potencia promedio de la señal transmitida es S. como lo vamos a ver más adelante.43) a (4.43) a (4. B ≥ Vb (4.278 IV. la potencia promedio de la señal útil y la potencia promedio de la señal perturbadora. y relaciona los tres parámetros de importancia en un canal: el ancho de banda del canal. Esto quiere decir que si una codificación dada tiene una probabilidad de error Pe operando sobre un canal gaussiano.28). Shannon ha demostrado que el ruido gaussiano es el peor ruido entre todos los ruidos posibles. cuando opera sobre un canal no gaussiano la probabilidad de error será menor que Pe. Sin embargo.45) deben ser aplicadas con cautela. se ha llegado a 14400 bps con una velocidad de modulación máxima de 2400 baudios.47). Además. el rendimiento máximo de un canal viene dado entonces por . Las expresiones (4. Por ejemplo.45).

La velocidad de transmisión de las imágenes es de 30 por segundo.48) La teoría de Shannon no especifica cuál es el mejor esquema de codificación que permite alcanzar este rendimiento máximo. los parámetros son: Iel = 4 bits/elemento. 120x106 = 6x106 log2 (1 + S S = 1. Vamos a calcular los diferentes parámetros del sistema.049x106 = 60. de (4.47). 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. de donde N N El lector puede demostrar. pero sí establece que para transmitir sin error los símbolos o muestras codificadas deben poseer una cierta redundancia. PRINCIPIOS DE LA TRANSMISION DE INFORMACION η Bmax = C S = log 2 (1 + ) bps/Hz B N (4. en la misma forma.6667x10−8 seg.21 dB ) . Información contenida en una Imagen de Televisión. 4. que en el caso de TV en blanco y negro (solamente 16 niveles de brillantez).8 La cámara a color requiere 5x105 elementos de imagen con 16 niveles de brillantez y 16 matices de color por cada nivel. la relación S/N mínima sería. 667x10−8 seg 5 Vimg N el 30x5x10 8 Iel 6 = bps −8 = 120x10 T 6. CAMARA DE TV A COLOR CANAL Fig. ♣ Ejemplo 4.667x10 Capacidad mínima del Canal: C = Vi = 120x106 bps Si el ancho de banda del canal fuera de 6 MHz.10 dB N .11. T = 6.. 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 = = 6.279 IV. V1 = C = 60x103 bps S = 1023 = 30.

1. la señal de TV a color necesita una potencia 1000 veces (30. 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).1 dB) mayor que en TV blanco y negro. La salida del receptor ideal será la señal mensaje de ancho de banda Bm y algún ruido introducido en el canal. 4.47) está considerada como el Teorema Central de la Teoría de la Información. en un canal telefónico la relación S/N para una buena recepción es de aproximadamente 30 dB. Es evidente. a la entrada del receptor ideal. ♣ 4. y So y No las correspondientes potencias de salida. 4.6. 4. que el ancho de banda y la potencia de la señal se pueden intercambiar. La máxima velocidad de modulación sobre un canal telefónico de 3. Introducción La expresión (4.90). Como su ancho de banda efectivo es de 3. como se muestra en la Fig. pero no así la velocidad de modulación.6.280 IV. 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 . como veremos posteriormente. Por ejemplo. respectivamente. y con los métodos de codificación y modulación se trata de alcanzar este máximo teórico. 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. Los procesos de codificación y modulación son los medios utilizados para efectuar este intercambio “Ancho de Banda-Relación Señal/Ruido”. es decir.2 kHz no debe sobrepasar los 2400 baudios. a partir de este teorema.9. Recepción Ideal.2 kHz. Como la velocidad de información es la misma en todos los puntos del sistema.9. EL SISTEMA IDEAL DE TRANSMISION DE INFORMACIÓN 4. 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. con B T ≥ B m . por ejemplo.6. Esta señal se transmite y es recibida en un receptor ideal. Sin embargo. los sistemas reales no pueden alcanzar el potencial inherente en el ancho de banda y potencia que utilizan. Sea entonces Si y Ni las potencias de señal y de ruido. se verifica entonces que. la capacidad teórica del canal es del orden de los 32 kbps. . de (4.2. mientras que la velocidad de información llega ya a 56 kbps (con el Módem V.47). PRINCIPIOS DE LA TRANSMISION DE INFORMACION Obsérvese que para la misma potencia de ruido y ancho de banda. Consideremos. 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. o viceversa. Nótese que se puede aumentar aún más la velocidad de información utilizando diferentes métodos.

Relación de Expansión del Ancho de Banda La expresión (4.281 IV. Esto quiere decir que para un pequeño aumento en el ancho de banda BT. para una pequeña reducción en el ancho de banda BT. 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 (4.50a) (4. La capacidad del canal ideal es.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. este intercambio o compromiso “Ancho de BandaRelación Señal/Ruido (S/N)” está limitado físicamente en los sistemas reales. 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. en la práctica. So/No y Si/Ni >> 1. Por lo tanto. . C = B T log 2 (1 + Si ) bps Ni (4. En la Fig. denominada “Relación o Factor de Expansión del Ancho de Banda”.10(a) se grafica (4. de modo que S o ⎡ S i ⎤ Bm ≈⎢ ⎥ No ⎣ Ni ⎦ y en dB. se caracterizan por un alto valor de la relación BT/Bm. 4. Por otra parte.50b) para diferentes valores de la relación βm = BT/Bm.50b) Nótese que se puede aumentar So/No si se aumenta Si/Ni y se mantiene BT constante.51) Si β m = B T / B m es la relación o factor de expansión del ancho de banda. que veremos en los Capítulos V y VI. es necesario incrementar considerablemente la potencia de la señal transmitida. pero esto implica aumentar la potencia transmitida (si las condiciones de ruido no cambian). entonces se puede escribir C = β m B m log 2 (1 + S i / N i ) . También se puede mantener Si/Ni constante y aumentar BT.49) En la práctica. lo cual es más razonable pues no es necesario aumentar la potencia transmitida. En un sistema ideal la relación Señal/Ruido a la salida aumenta exponencialmente con la relación BT/Bm. como veremos en los Capítulos V y VI.10(b) se grafica este rendimiento para diferentes valores de β m . Los sistemas de banda ancha. de (4. 4.52) En la Fig. So No ⎡ S i ⎤ Bm = ⎢1 + −1 ⎥ ⎣ Ni ⎦ (4. se puede reducir considerablemente la potencia de la señal transmitida.47). PRINCIPIOS DE LA TRANSMISION DE INFORMACION B T log 2 (1 + Si S ) = B m log 2 (1 + o ) Ni No BT de donde. ⎡ So ⎤ BT ⎡ S i ⎤ ⎢ ⎥ ≈ ⎢ ⎥ ⎣ N o ⎦ dB B m ⎣ N i ⎦ dB BT (4. Sin embargo.

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

E. (d) Sea el juego siguiente: se trata de adivinar una palabra y se da como pista la primera letra de la palabra.032 0. cuya aparición suponemos equiprobable.009 0. el concepto de codificación.066 0. PRINCIPIOS DE LA TRANSMISION DE INFORMACION destino.081 0. y se ha introducido la noción de codificación digital de la información. ¿En español.072 0. y los 112 restantes con una probabilidad 1/224.1.023 Q R S T U 0.060 0.040 M N O P 0.016 0. Una fuente de información produce 128 símbolos independientes.072 0.051 I J K L 0.3. en sí misma.316 bits/letra. 4. F. Un aspecto de considerable importancia es el concepto de capacidad de un canal. B. 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.002 0. asimismo. Se discute en forma cualitativa el Teorema Fundamental de Shannon y la Ecuación de Hartley-Shannon. de gran aplicación práctica. H y O. De la definición básica de la cantidad de información.2. 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. mediante el cual se puede utilizar los canales con el máximo rendimiento. PROBLEMAS DE APLICACION 4. La teoría de la información es una disciplina muy vasta y compleja.016 0. Demuestre que la velocidad de información promedio de la fuente es de 640. cuál letra es más útil en el juego. se han deducido algunos parámetros tales como la velocidad de información. 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. Un alfabeto consta de las siguientes letras: A. 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.002 0. La fuente produce 100 símbolos por segundo.283 IV.037 E F G H 0.7. con algunos ejemplos como el Código ASCII y el Código Baudot. concepto que se utilizará para comparar los diferentes sistemas de comunicación prácticos que se estudiarán en los Capítulos V y VI. la letra E o la letra Z? 4.005 0. La teoría de los códigos es. El tratamiento de los temas ha sido necesariamente muy breve y sencillo.019 0. un sujeto muy importante en la teoría general de la información. y se deduce algunas expresiones que introducen la noción de Sistema Ideal de Transmisión de Información.023 0. de los cuales 16 ocurren con una probabilidad de 1/32.124 0.001 0. 4.079 0. Introduce.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). C.072 0. la velocidad de modulación y el ancho de banda mínimo para transmitir un impulso. Demuestre que la entropía de este alfabeto es de 4. Esta letras se codifican en binario puro con un impulso de arranque y uno de .4 bps.020 0. D.096 0.031 V W X Y Z 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. La imagen está compuesta por puntos con 8 niveles de gris. (b) Repita la parte (a) pero en este caso no sabemos si la moneda falsa pesa más o menos que las monedas buenas. respectivamente. 0.8.2. (c) Si las probabilidades de las 8 letras son. se codifican en binario para transmitirlos por un canal telefónico de 4 kHz. Con los datos del Ejemplo 1.15.25. (a) Si sabemos que la moneda falsa pesa menos que las buenas. 4. cada uno. es de 2.5. 0. Los símbolos se producen a una velocidad de 1000 símbolos por segundo.008.766 bits. y se desea escribir una página de 280 caracteres. Demuestre que los símbolos sí pueden transmitirse por el canal telefónico y que la velocidad de información y de modulación son. 0. Una persona escribe a una velocidad de 2 bps. (b) Asigne a cada letra una muestra codificada y muestre la forma de la palabra CAFE a la salida del codificador.05. 4. 0.5x105 bits 4. respectivamente. Demuestre que la persona puede escribir una página en 11 minutos y 40 segundos. por letra.4. Se tiene 64 monedas de las cuales sabemos que una es falsa. y un símbolo con una probabilidad de 0.75 mseg y con una velo cidad de información de 2400 bps. 4. El refrán dice que “una imagen vale mil palabras”. Utilizando las suposiciones de los dos problemas anteriores. Demuestre que la cantidad de información contenida en una fotografía de 10 cm x 10 cm es I = 7.128. Disponemos también de una balanza de precisión con la cual podemos pesar las monedas. de 0. de 0. tres símbolos con una probabilidad. 0. todos los impulsos tienen la misma duración. Una fuente produce ocho símbolos distintos e independientes cuyas probabilidades de aparición son: un símbolo con una probabilidad de 0.05 y 0. cada uno. Vamos a determinar la información contenida en una fotografía en blanco y negro. 0.5 bps.7. de 2166 bps y 3000 baudios.3. Nota: En las partes (a) y (b) hay que calcular no solamente el número de pesadas sino mostrar también el procedimiento para efectuarlas. 0. El alfabeto de una máquina de escribir consta de 32 caracteres alfanuméricos que suponemos equiprobables. PRINCIPIOS DE LA TRANSMISION DE INFORMACION pare.512. 4.6.14 mm x 11. tres símbolos con una probabilidad.9.15. El canal de transmisión tiene un ancho de banda de 4 kHz.284 IV. es de 11.05. todos igualmente probables. determine el número mínimo de pesadas necesarias para descubrir cuál es la moneda falsa.032. Se escucha un partido de fútbol y el narrador habla a una velocidad de 300 palabras por minuto. la resolución de la imagen es de 5 puntos por mm.1. demuestre que la información promedio. 4. Suponga que el impulso de arranque está siempre a CERO y el impulso de pare siempre a UNO. (a) Demuestre que la palabra FACHADA se puede transmitir en 8. demuestre que el locutor transmite a una velocidad de 46.14 mm .

Los símbolos se codifican en binario más un impulso de sincronización.123 dBm. Una fuente de información produce 16 símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. 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”). por lo menos. El ancho de banda del canal es de 10 kHz y la relación S/N correspondiente es de 30 dB. Los cuatro niveles de cada impulso tienen probabilidades 0.3. la potencia promedio mínima de la señal debe ser de 4. El intercambio de información entre una computadora y su unidad de disco se efectúa a una velocidad de 36400 bps.4. el espaciado entre palabras es de 3 mm y la separación entre líneas es de 6 mm. la relación S/N en el canal deberá ser.12.13. 4. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N en. (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. todos de igual duración.7609 dB. (b) Para que no haya pérdida de información.909 dB. 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.095 W o 36. 0. demuestre que la información promedio contenida en una página es de 16820 bits.11. (b) En el canal hay ruido.14.2 y 0. todos de igual duración.285 IV. 0. La información o texto se considera formada por “páginas” de 30 líneas de 80 columnas con 7 bits por carácter. (b) Vamos a estimar la información promedio contenida en una página de un periódico.1. los cuales se transmiten por un canal con un ancho de banda de 1 kHz. Una página tiene una superficie útil de 50 cm x 60 cm. (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. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. Contenido de Información de Textos Escritos. (b) En Modo Gráficos: 45 kbytes. Una fuente produce símbolos los cuales se codifican en secuencias de 7 impulsos cuaternarios más 1 impulso de sincronización. . Demuestre que para que no haya pérdida de información. como mínimo. respectivamente. 4. Una computadora trabaja en dos modalidades: Modo Texto y Modo Gráficos. los tipos tienen dimensiones de 3 mm x 3 mm. 4. de 11.3. 4. La velocidad de modulación a la salida del codificador es de 80 kbaudios y se transmite un total de 1000 secuencias. 8. (a) Si no hay ruido en el canal. Demuestre que: (a) La velocidad de modulación en el canal es de 5000 baudios. Demuestre que la cantidad de memoria necesaria para almacenar el contenido de la pantalla es: (a) En Modo Texto: 1 kbyte. (a) Demuestre que la computadora puede transferir 650 páginas de texto en 5 minutos. demuestre que la cantidad de información que llegó a destino es de 12925 bits.10. Con los datos del Ejemplo 4.

demuestre que el ancho de banda mínimo necesario del canal es de 157. 4. los cuales se codifican en impulsos ternarios.13(b)) para su transmisión por un canal digital. demuestre que la potencia de señal es de 1 W y que se puede transmitir por un canal de ancho de banda de 5.5 minutos. 2. (c) Para los mismos datos. Una fuente de información produce 27 símbolos distintos y equiprobables. (c) Demuestre que si la información se codifica en impulsos cuaternarios. Demuestre que: (a) Para que no haya pérdida de información. (a) Demuestre que la información contenida en una imagen es de 9x106 bits. 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. (d) Si la potencia de ruido en el canal calculado en la parte (c) es de 1 µW. La señal codificada se transmite por un canal de ancho de banda de 10 kHz y con una relación S/N de 11.5 MHz. (b) Se puede transmitir 5. todos de igual duración. 4. debe ser de 0. (b) Demuestre que una imagen se puede transmitir en 37. Cada punto luminoso tiene 8 niveles de brillantez y 16 matices de color. 4. En un sistema de transmisión de facsímil de alta resolución se necesita. 1000 puntos luminosos. 4.534 MHz. por página. (d) Si la información se codifica en ASCII sin bit de paridad. cada una. todos de igual duración. El codificador produce bloques que contienen 9 impulsos de información más un impulso de sincronización. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. La velocidad de las imágenes es de 30 por segundo. La información se codifica en binario para ser transmitida por un canal de 4 kHz de ancho de banda.18. (c) Transmisión Digital. el terminal de datos debe generar los caracteres a una velocidad igual o menor de 5000 caracteres por segundo.15. demuestre que la potencia mínima de la señal para que no haya pérdida de información. (b) Transmisión Analógica. Demuestre que: (a) La fuente está produciendo los símbolos a una velocidad de 3000 símbolos por segundo. Fig. (b) Si la velocidad de modulación máxima es 3/4 de la velocidad de información máxima. (a) Demuestre que la velocidad de la información producida por la imagen de televisión es de 110.75 minutos.625 µW. En el sistema no hay pérdida de información. La imagen de un televisor a color está formada por 525 líneas que contienen.16.25x106 elementos de imagen (esto equivale a 1500 líneas en cada dimensión).13(b).7609 dB. Si cada punto luminoso se codifica en ASCII sin bit de paridad (Fig. entonces m = 4 y n = 4.3 Mbps. Si la relación S/N en el canal es de 60 dB y la potencia de ruido es de 1 µW. ¿Qué pasaría si la codificación fuese en binario? .17. el tiempo de transmisión se reduce a la mitad. y para una buena reproducción se requiere 16 niveles de brillantez. demuestre que una imagen se transmite en 93. La velocidad de modulación a la salida del codificador es de 10 kbaudios.286 IV. 4.135x107 bits en una hora.

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. . Televisión de Barrido Lento (SSTV). La fotografía mide 10 cm x 15 cm.5 kbaudios y que los impulsos son cuaternarios. 4.5 veces la duración de un impulso de información. la relación S/N mínima en el canal para que no haya pérdida de información es de 8. 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. que convierte información de un sistema de codificación a otro sistema. Una fuente de información produce 1024 símbolos distintos y equiprobables a una velocidad de 1250 símbolos por segundo. (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. Se tiene un convertidor automático.21. respectivamente.7609 dB. La celda se mueve a una velocidad de 4 cm por segundo. (d) Las imágenes almacenadas en la computadora se van a transmitir por un canal dado. por imagen. y su resolución es de 5 puntos por milímetro. con una capacidad de 15x103 bps. 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. (c) La señal de salida de la celda fotoeléctrica se codifica en binario y se almacena 100 imágenes en la memoria de una computadora. La entrada al convertidor es una secuencia de impulsos de amplitud variable cuya frecuencia es de 2.3045 dB. (b) Si la señal de salida de la celda fotoeléctrica se transmite directamente por un canal.25x105 impulsos por minuto. en 12. el ancho de banda del canal debe ser de 32.19. ambos de duración el doble de la de los impulsos de información.20.5 kbps. 4.878 dB. 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. pero a cada muestra se le agrega un impulso de arranque y uno de pare.22. se pierden 5x105 bits de información. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N. Un codificador produce impulsos binarios cuya velocidad de modulación es de 8 kbaudios. demuestre que el ancho de banda mínimo del canal es de 2 kHz. 4. 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.23. Demuestre que la velocidad de modulación a la salida del convertidor es de 7. Demuestre que: (a) Las velocidades de modulación y de información son de 10 kbaudios y 12.287 IV. (a) Demuestre que la información contenida en una imagen es de 8 Kbytes. La duración de los impulsos de arranque y de pare es 1. (b) Si el ancho de banda del canal de transmisión es de 5 kHz y se transmiten 105 muestras codificadas. La velocidad de barrido es de 2x103 puntos por segundo y el sistema requiere. En estas condiciones hay pérdida de información. Los símbolos se codifican en impulsos cuaternarios más un impulso de arranque y uno de pare. 128 líneas con 128 puntos por línea. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4.768 kHz. 4. Sea un sistema de telefotografía. Demuestre que si se quiere transmitir las 100 imágenes en 400 segundos. como mínimo.

13(a). PRINCIPIOS DE LA TRANSMISION DE INFORMACION (a) Demuestre que la velocidad a la cual la celda produce información es de 1400 bps y que tarda 1875 seg en transmitir una fotografía.25 Mbits. en la cual se almacena 10 fotografías. Un terminal de datos se utiliza para enviar información hacia una computadora central a través de una línea telefónica de 3 kHz de ancho de banda. El ancho de banda Bc del canal es de 16 kHz. Fig.9136 dB y el ancho de banda Br del receptor es de 8 kHz.48 seg. (a) Demuestre que el ancho de banda mínimo del canal para transmitir las secuencias binarias en ausencia de ruido. 4.13 Mbps y que el ancho mínimo del canal debe ser de 18. siendo Si/Ni y So/No las Receptor So/No Destino Origen Bc Br relaciones señal-ruido a la entrada y salida del receptor. demuestre que la potencia de la señal para que no haya pérdida de información es de 3 pW. Demuestre que la velocidad de información en el canal es de 13.288 IV.26. (a) Demuestre que la capacidad del canal es C = 10378 bps (b) Demuestre que la máxima velocidad de información en el canal sin ruido es de 2100 bps (c) Demuestre que el tiempo que tarda el terminal en vaciar la memoria es Tt = 30. en dB.75 MHz. (b) Las señales producidas por la celda se codifican en binario y se guardan en la memoria de una computadora. la relación Si/Ni es de 14. 4. demuestre que el tiempo que tarda en vaciarse la memoria es Tt = 34. como se muestra Fig.11 en la Fig. para transmitir las secuencias sin error es de 3. Ruido n(t) respectivamente.098 dB. Demuestre que la relación señal/ruido a la salida del receptor es de 30. La transmisión de las 10 fotografías que estaban en la memoria se efectúa en 2 segundos. Si la potencia de ruido en el canal es de 1 pW. 4. teniendo cada secuencia una duración de 100 µseg. Una señal s(t) es transmitida por un canal perturbado por un Si/Ni Señal s(t) Canal ruido n(t).08 dB.11. 4. (c) La información contenida en la memoria se va a transmitir por un canal en ASCII sin bit de paridad.773 minutos . El terminal de datos produce caracteres alfanuméricos en ASCII sin bit de paridad y en su memoria hay almacenados 8000 bits de información. Una señal tiene un ancho de banda de 4 kHz.24. (d) La salida de la celda fotoeléctrica se transmite directamente por un canal cuyo rendimiento es de 2 bps/Hz. Demuestre que la relación S/N mínima. En el sistema no hay pérdida de información. (d) Si la información se transmite en código BAUDOT. y que la velocidad de modulación a la salida del codificador es de 1400 baudios. la relación S/N en el canal es de 10 dB.25. Esta señal se pasa por un convertidor que la convierte en secuencias de 8 impulsos binarios. 4. 4. Demuestre que el sector de la memoria donde se guardó la información debe tener una capacidad de 26. es Bn = 80 kHz (b) El canal tiene un ancho de banda de 50 kHz.

Fuente Codificador 1 Canal Codificador ASCII Terminal de Datos Fig. Sea el sistema mostrado en la Fig.13 se muestran los formatos de los Códigos BAUDOT y ASCII (sin bit de paridad). sin pérdida de información.29.289 IV. Demuestre que la velocidad de modulación en el canal es de 96 kbaudios. (Nota: en ambos códigos el bit o dígito binario 1 es el de menor peso). Una fuente de información digital produce dígitos a una velocidad de 128 kbps. La fuente produce N símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. (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. En el Código ASCII los caracteres fluyen a una velocidad de 100 caracteres por segundo. Para el Código BAUDOT tomar las duraciones dadas en la figura. respectivamente. Ver APENDICE B. El codificador 1 agrega a cada muestra un impulso de arranque y uno de pare.6. no hay pérdida de información en el canal. los valores apropiados de m y n para el codificador 1. El terminal de datos solamente acepta secuencias codificadas en ASCII sin bit de paridad. (a) Determine N. se transmite por un canal. 4. 4. ambos de la misma duración que los de información. 4. (a) En un codificador (denominado 4B/3T) se transforma grupos de 4 dígitos binarios en grupos de 3 dígitos ternarios.27. La secuencia. No hay pérdida de información en el sistema. Códigos Binarios BAUDOT y ASCII (Alfabeto Internacional N° 5 de la UIT-T) En la Fig. Vb = 10 kbaudios y Vi = 7 kbps.28.12. . 4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. Demuestre que el ancho de banda mínimo del canal debe ser 5/4 veces más grande que el ancho de banda mínimo antes del codificador 4. binarios también.5 y B. 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.12. así codificada.

La potencia de ruido N se expresa en la forma N = ηB .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.9 . N es entonces la potencia de ruido contenida en el ancho de banda B. (a) Determine las velocidades de modulación y de información para cada uno de estos códigos. 4. (b) ¿Qué significa la siguiente información codificada en ASCII? 011001011101111001110110010111 (c) ¿Cómo se codificaría la misma información de (b) pero en BAUDOT? 4.30. Límite de Shannon. Formatos de los CODIGOS BAUDOT y ASCII. teóricamente.290 IV. la relación So/No a la salida aumenta exponencialmente con γ.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). 443 ⎢ ⎥ = ViMAX ⎣η⎦ ⎣η⎦ (4. 4. demuestre que B→∞ ⎡S⎤ ⎡S⎤ lim C = ⎢ ⎥ log 2 e = 1. como es el caso de los sistemas de comunicación espacial o por satélites. 4. Considere la ecuación de Hartley-Shannon.13. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Arranque Información 1 22 ms 2 3 22 ms 4 5 Pare Arranque 1 2 Información 3 4 5 6 7 Pare 31 ms τ τ Un Carácter 2τ Un Carácter (a) Código BAUDOT (b) Código ASCII sin Bit de Paridad Fig. Si el ancho de banda B aumenta sin límites (B→∞). donde η tiene dimensiones de vatios por unidad de ancho de banda (W/Hz) y es la “densidad espectral de potencia de ruido”.31. . Consideremos el receptor ideal de la Fig. Por consiguiente. entonces ⎡ So ⎤ Si ) = exp( γ ) ⎢ ⎥ ≈ exp( ηB m ⎣ No ⎦ cuando So No >> 1 (4. en condiciones ideales cuando el ancho de banda de transmisión BT tiende a infinito. Demuestre que si el ancho de banda del canal tiende a infinito (BT → ∞) .

demuestre que si el sistema es binario y Vi = C. Demuestre que en Transmisión Sincrónica ηco % = 98.5% y R co % = 1. (a) Determine el rendimiento de los Códigos Baudot (Fig. Vb ≥ Vi . Nótese que la codificación binaria es la menos eficiente. y del codificador del Ejemplo 4. Ni los caracteres SYN y ETX. Los bloques de datos se estructuran en la forma siguiente: se colocan tres caracteres SYN (de sincronización) al inicio de cada bloque.5% .33.5 en el Apéndice B.57) En este caso. Eb” en la forma Eb = Sτ. Los caracteres SYN y ETX están definidos en la Tabla B. 4. solamente los impulsos de información. En los sistemas binarios (m = 2) se suele definir también la “redundancia de codificación.4). entonces η B = log 2 (1 + η B Eb ηo ) Vi . a continuación 256 caracteres de información y se termina el bloque con un carácter ETX. paridad y pare. Rendimiento y Redundancia de Codificación. 4.56) donde n es el número de impulsos de información. Código ASCII. Rco” en la forma R co = 1 − ηco = Vb − Vi r = Vb n+r (4.13(a)). y r el número de impulsos redundantes (ver ecuación (4. ni los caracteres de información contienen los impulsos de arranque. Rendimiento del Canal en el Sistema Ideal de Transmisión.32. y tanto ηco como Rco se pueden expresar en forma porcentual (ηco% y Rco%).291 IV. En la expresión (4.5).55) Grafique también ηB vs Eb/ηo Sugerencia: utilice escalas log-log. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 1.9.42) se definió el “rendimiento del canal respecto al ancho de banda” en la forma ηB = donde τ es la duración de un dígito binario.28) y Fig. Si se define la “Energía por Dígito Binario. pero es la más utilizada por su facilidad de instrumentación. para 1≤ Eb ηo ≤ 100 4. ASCII con bit de paridad (Fig. (b) Transmisión Sincrónica. B ηB se expresa en bps/Hz (4. El rendimiento de un código o de un codificador se puede definir en la forma siguiente: η co = Vi n log 2 m = Vb n+r bps/baudio (4. 4.

demuestre que la relación So/No a la salida es de 90. Demuestre que en Transmisión Asincrónica η co = 63. 1 0 → f3 .5 W y la de ruido 2 mW. todos de igual duración. PRINCIPIOS DE LA TRANSMISION DE INFORMACION (c) Transmisión Asincrónica.37. Se transmite bloques de 256 caracteres ASCII incluyendo todos los impulsos redundantes (Fig. y se sabe que para la transmisión del grupo 0 0 se transmite un solo ciclo de la frecuencia f1 . Se desea introducir información a una computadora mediante tarjetas perforadas tipo IBM. demuestre que en este caso cada columna tendrá 8 filas. 4. 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.31 dB y que el ancho de banda del canal es de 375 Hz. 0 1 → f2 .6% y R co = 36. Estas tarjetas tienen 80 columnas por F filas. Por último. demuestre que el lector está entregando información a la computadora a una velocidad de 6400 bps. f2 = 2f1 .34. ¿Cuál es la relación entre sus respectivas velocidades de información? 4. Cierta fuente de información transmite cada milisegundo un número octal (base 8). incluidos los de las Fuentes 1 y . Un cierto sistema de comunicación posee un sintetizador de frecuencias que produce cuatro frecuencias diferentes: f1.14 forma siguiente: primero toma un símbolo de la Fuente 1 y lo codifica en ASCII sin bit de paridad. Código ASCII. En el canal la potencia promedio de la señal es de 0. El codificador opera en la Fig. Las fuentes producen. 4. demuestre que puede almacenar el contenido de 7680 tarjetas.36. (b) Si el lector de tarjetas lee 10 tarjetas por segundo.292 IV. Sea el sistema de la Fig. toma un símbolo de la Fuente 3 y lo codifica en binario agregándole un impulso de arranque y uno de pare. (a) Si la computadora reconoce 256 caracteres alfanuméricos y cada carácter se almacena en una columna de la tarjeta.14. f2 = 1 kHz . 1 1 → f4 La velocidad de modulación a la entrada del sintetizador es de 1000 baudios.5 veces más que los demás. 4.35. f3 = 1. respectivamente: N1 = 128 símbolos N2 = 256 símbolos N3 = 32 símbolos Fuente 1 Fuente 2 Secuencias Compuestas Codificador Canal Fuente Todos estos símbolos son independientes y 3 equiprobables. (c) Si la capacidad de la memoria de la computadora es de 600 Kbytes. 4. f3 = 3f1 y f4 = 4f1. 4.4% (d) Si la velocidad de modulación es la misma en los dos tipos de transmisión anteriores. este último dura 1.5 kHz y f4 = 2 kHz. 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 . Toma a continuación un símbolo de la Fuente 2 y lo codifica en binario agregándole un impulso de arranque y uno de pare.5). Si a la salida del receptor el ancho de banda es de 100 Hz.

451 dB. El codificador vuelve a la Fuente 1 y se repite el proceso. La salida de cierta computadora está formada por 7 conductores. de 280 bps y 400 baudios. demuestre que el ancho de banda mínimo del canal es de 397. . 4. Demuestre que a la salida de la interfaz las velocidades de información y de modulación son.7%. 4.293 IV. demuestre que la relación S/N en el canal es de 8. respectivamente.8 Hz. cada uno de los cuales transmite impulsos con dos valores posibles: 0V y 5V. (b) Si el rendimiento del canal respecto al ancho de banda es de 3 bps/Hz. (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. (c) Si la relación S/N en el canal es de 15 dB. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 2.38. la duración de cada impulso es de 25 ms. Mediante una “interfaz” se convierte las 7 salidas de la computadora en una secuencia serie ASCII sin bit de paridad (Fig. 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.13(b)) para transmisión por un cable bifilar.

PRINCIPIOS DE LA TRANSMISION DE INFORMACION .294 IV.

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

proporciona un mecanismo para representar señales continuas mediante señales discretas. 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. “Intervalo de Nyquist”. monovalentes y limitadas en frecuencia o en el tiempo. completa y exacta. En este contexto. su habilidad para representar una señal continua mediante una serie de muestras instantáneas. MODULACION Y TRANSMISION DE IMPULSOS momento se dará ejemplos. donde f s ≥ 2f m “. para la cual se verifica que f s = 2 f m . 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. como lo veremos en su oportunidad.2. ± 2. La respuesta es que no es necesario.2. Un ejemplo muy ilustrativo de lo que esto significa lo constituye las series de fotografías de una cinta cinematográfica. Como la discusión estará limitada a sistemas físicos. de las escenas continuas originales. llamados “instantes o puntos de muestra”. lo cual es otra forma de enunciar este teorema. Teorema del Muestreo de Shannon [Shannon. Formas más o menos complicadas de este teorema se conocían en la literatura matemática. tomados en una serie de instantes discretos. 5. Cuando estas fotografías se proyectan a esa misma velocidad (24 fotografías por segundo). con n = 0. y el intervalo Ts correspondiente. ± 1.. 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 . En muchas aplicaciones el procesamiento de señales discretas es más fácil y flexible debido a la creciente disponibilidad de dispositivos digitales baratos. 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.2.. ligeros. circuitos y aplicaciones de sistemas prácticos. nosotros percibimos una representación móvil. según el caso. Teorema No 1. H. se denomina “Frecuencia de Nyquist”. 5. .1. Estos teoremas introducen y desarrollan el concepto de muestreo y el proceso de reconstitución o interpolación de una señal continua a partir de sus muestras. donde cada fotografía representa escenas fijas espaciadas cada 1/24 segundos. aunque no todos los autores la presentan en esta forma. 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. pero fue Shannon quien en 1949 lo introdujo en el dominio de la teoría de la comunicación. . TEORIA DEL MUESTREO UNIFORME DE SEÑALES 5.296 V. fáciles de programar y adquirir. 1949] “Una señal x(t) pasabajo cuya frecuencia máxima es f m .2. La frecuencia mínima de muestreo. f s es la frecuencia de muestreo o “Frecuencia de Shannon” y Ts el “Intervalo de Muestreo”. separados cada Ts = 1/ f s segundos.. Sin embargo. La teoría del muestreo se puede resumir en cuatro teoremas. se puede especificar unívocamente por sus valores o muestras x(nTs ) . solamente se considera señales reales continuas. Estos conceptos son la base del procesamiento y transmisión digital de señales. haciendo referencia principalmente a las Recomendaciones pertinentes de la UIT-T..

1949)] está fuera de los objetivos de este texto. La recuperación de x(t) la consideraremos en el siguiente teorema.297 V. el espectro X s ( f ) de x s ( t ) es X s (f ) = f s ∞ n =−∞ ∑ X(f − nf ) s (5. x s (t ) = x(t ) ⋅ ∑ n =∞ ∞ δ(t − nTs ) = n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) s s ∞ (5.9. X(f) x(t) t (a) 0 p(t) 1 (b) 1 −f m 0 f m P(f) f fs t −4Ts −2T (c) s 0 2Ts 4Ts 6Ts −2f s −f s x s ( t ) = x ( t ) p( t ) 2Ts 4Ts t (d) 0 fs fs X s (f ) 2f s f −4Ts −2Ts (e) 0 0 −f s -B −f m f m B fs 2f s −2f s 6Ts Filtro Pasabajo (f) Fig.1(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.1. los espectros se solaparán y se producirá distorsión en la recuperación de x(t). y con un factor de escala f s . . MODULACION Y TRANSMISION DE IMPULSOS La demostración rigurosa del teorema de Shannon [Teorema 1.1) Este tipo de muestreo se conoce con el nombre de “Muestreo Ideal o Muestreo Instantáneo”.2) Vemos que X s (f ) representa un espectro periódico formado por el desplazamiento de X(f) a las frecuencias ± nf s . expresión (2. 3. lo que se verifica si f s ≥ 2 f m . Del Ejemplo 2. Muestreo Instantáneo en el Dominio del Tiempo. Sea entonces x(t) una señal continua pasabajo de banda limitada f m . Shannon. Nótese que para valores de f s < 2 f m . cuya transformada de Fourier o espectro es X(f). pero sí haremos una demostración que introduce el concepto de muestreo a partir de nociones sencillas ya conocidas. como se muestra en la Fig. 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 . es decir. denominado “señal muestradora”. 5.45).

2 Nótese en la Fig.2 que cada muestra produce una señal sinc(.1(f). 5. 5.4) nos asegura también que entre los puntos de muestra x r (t ) = x (t ) debido a la forma como se suman las señales sinc(.3) en el cual debe cumplirse que f m ≤ B ≤ f s − f m . en cuyo caso x r ( t ) = x( t ) . Sea x r (t ) la salida recobrada en el filtro. y las muestras se presentan en forma de impulsos cuya área es proporcional a la amplitud de la muestra en un instante dado.. MODULACION Y TRANSMISION DE IMPULSOS Teorema No 2. 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 ”. “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. Pero la interpolación dada por (5. se tiene la “Ecuación de Interpolación de Shannon”.298 V. x r (t ) toma los valores de x(t) en los puntos de muestra. 2BTs = 1 y t o = 0 . El proceso de recuperación de x(t) es fácil de visualizar en la Fig.4) Esta expresión indica que hay que tomar cada muestra y multiplicarla por una función sinc(. 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 ). 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 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. Por consiguiente. entonces ∞ De (5.5) Esta expresión se ha utilizado para demostrar el Teorema del Muestreo de Shannon.2 se puede observar fs este proceso de interpolación para B = > f m . 5.. la cual es cero en los otros puntos de muestra excepto en el propio. Se efectúa entonces una interpolación y por esa razón la expresión (5.1) y (5. Fig. Para la recuperación de x(t).) centrada en el instante de ocurrencia de la muestra y sumar los términos resultantes.3). 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. de modo que con 2 BTs = 1 y t o = 0. pero nosotros vamos a verificarlo para demostrar algunas relaciones importantes.1(f). 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 . 5. ..).4) recibe el nombre de “Ecuación de Interpolación”. En la Fig.).

entonces la señal reconstruida xr(t) será exactamente igual a x(t). Ts = 2f m número mínimo de muestras necesarias para una buena reconstrucción de la señal x(t) será . n =−∞ ∑sinc(m) = ⎨0 para ⎩ ∞ ⎧1 para m = 0 ó k = n m≠0 ó k ≠n Por consiguiente. obtenemos x r (t ) = n =−∞ ∑x(nT )sinc( s ∞ t − nTs Ts ) (5. las curvas se superponen en una sola y x r (t ) = x (t ) para todo t. MODULACION Y TRANSMISION DE IMPULSOS Ts x(t) sinc( t − nTs ) Ts t Fig. x r ( t ) = x (kTs ) para k = 0. x r (t ) y x(t) serán iguales pero solamente en los instantes de muestreo. x r ( t ) y x(t) tendrán la forma aproximada mostrada en la Fig. 5. donde m es un entero pues k y n son enteros . .n. 5.4). donde k es un entero. Si se viola la restricción sobre el ancho de banda de x(t). x (t ) x r (t ) t −2Ts −Ts 0 Ts 2Ts 3Ts Fig.3.. Sin embargo.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 .. y x r (t ) aparece como una señal de menor frecuencia que x(t).3. de acuerdo con el teorema de Shannon. entonces.. entonces x r (t ) no será igual a x(t). ± 1.). la expresión (5. podemos demostrar que si B = f s / 2.). Nótese que x r (t ) y x(t) son iguales solamente en los instantes de muestreo. Vemos entonces que si f s > 2 f m y B = f s / 2 .Interpolación Lineal mediante la Señal Sinc(. Si se muestrea periódicamente una señal x(t) durante un tiempo T = NTs . ± 2..6) En el instante kTs .299 V. se tendrá N 1 y el valores o muestras de la señal. De las propiedades de la función sinc(. En efecto.2. si reemplazamos B = f s / 2 = 1 / 2 Ts y t o = 0 en (5. entonces para cualquier valor de Ts y f m . 5.. A medida que disminuye la frecuencia f m de x(t).

En rigor. es conocida también con el nombre de “dimensionalidad o teorema de la dimensionalidad”. sin embargo. 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. expresión (1.4) con 2 BTs = 1 y t o = 0 en (5. MODULACION Y TRANSMISION DE IMPULSOS N = 2f m T (5. 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.8). expresión (5. podemos aproximar la potencia promedio de x(t) dividiendo Ex por Ts . 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).300 V. 1 2B ∫ B −B exp[− j2 π (t − nTs )f ]df = sinc[2 B(t − nTs )] . se puede utilizar para determinar una forma del Teorema de Parseval en el caso de señales muestreadas. pero sí deben ser independientes.7) Esta expresión.. 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. como veremos posteriormente. < x 2 ( t ) >= Ex 1 = Ts Ts ∫ ∞ −∞ x 2 ( t )dt (5. Este sencillo enunciado tiene. profundas implicaciones en el diseño y prestaciones de todos los tipos de sistemas de comunicación. 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(. Teorema de Parseval para Señales Muestreadas La ecuación de interpolación de Shannon.). de donde . por ejemplo. Esto es de gran importancia en los sistemas de procesamiento y transmisión de señales digitales. 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.8) Reemplazando (5. Los valores de muestra.5).49). En efecto. estudiada por Nyquist. una vez codificados digitalmente.

Muestreo de Señales Pasabanda “Una señal x(t) pasabanda de ancho de banda B y cuya frecuencia más alta es f2 . 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 . Teorema No 3. siendo B=|f 2 − f1 | . no se produce solapamiento entre los espectros. x(t) = x r (t ).301 V.4 se muestra el espectro X s (f ) de x s (t ) en el cual. donde m es la parte entera de la relación f 2 / B”. Los valores permitidos de fs se pueden representar en forma gráfica a partir del siguiente desarrollo. Valores de frecuencia superiores no son B necesariamente utilizables a menos que ellos cumplan con la condición (5. es decir. y sea f1 y f2 los bordes de la banda de paso de X(f). se puede muestrear a una frecuencia mínima f s = 2 f 2 / m . Para señales pasabanda existe entonces una relación más general que la condición de Shannon. . entonces 2 < x 2 (t ) >=< x r (t ) >= n =−∞ ∑x ∞ 2 (nTs ) (5. < x 2 ( t ) >= 1 2f m Ts n = −∞ ∑x ∞ 2 ( nTs ) Como X(f) es de banda limitada f m = B . Esta expresión la aplicaremos más adelante. De (5.10) o que sean mayores que 2 f 2 . es decir. B =| f 2 − f1 | .9) es una forma o aplicación del Teorema de Parseval para señales muestreadas. 1975]. en la cual la frecuencia de muestreo puede tomar los valores [Hoffmann. 2 2 f2 ≤ fs ≤ f m m−1 1 para m entero y m > 1 (5. 5. aunque f s < 2 f 2 . la integral de la expresión anterior representa a x(t) en los instantes discretos nTs . la integral es igual a x( nTs ) . Sea X s (f ) el espectro de la señal muestreada x s (t ) a una frecuencia de muestreo fs . y para 2BTs = 2 fm Ts = 1 . En la Fig.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 ). Por consiguiente.9) La expresión (5.10).

asimismo.1 Consideremos una señal de audio que ha sido pasada por un filtro pasabajo ideal de ancho de banda B = 5 kHz. En el primer caso se emplea una frecuencia de muestreo que es dos veces el ancho de banda de la señal. y del Teorema No 3 la frecuencia mínima de muestreo será de 104 muestras por segundo. se obtiene el gráfico de la Fig. 5. se obtiene la relación 2 f s = ( )f 2 m (5. que son los límites de la frecuencia mínima de muestreo y que están ilustrados en la Fig. Si f 2 >> B . Por consiguiente. f 2 Fig. entonces B = 5 kHz. m = 1 y la frecuencia mínima de muestreo será de 19998 muestras por segundo. la frecuencia mínima de muestreo de señales pasabanda estará siempre entre 2B y 4B.999 kHz hasta f 2 = 9. es decir. 4. es decir. 5.5.12) Graficando fs vs f2 en unidades de ancho de banda B. casi 4B muestras por segundo. MODULACION Y TRANSMISION DE IMPULSOS fs ≥ 2f 2 m (5. entonces la frecuencia de muestreo mínima tiende a 2B. se puede utilizar un filtro pasabanda. m = 2.302 V. La frecuencia de muestreo mínima permitida depende entonces de la relación f 2 / B . donde B es el ancho de banda de la señal. ♣ . 5. 5. 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 . ♣ Ejemplo 5. Frecuencia Mínima de Muestreo Pasabanda En cuanto a la reconstrucción de la señal original a partir de su forma muestreada. mientras que en el segundo caso se obtuvo una frecuencia de muestreo de aproximadamente cuatro veces el ancho de banda.5. la frecuencia de muestreo debe ser como mínimo igual a 2B.5.999 kHz . Para especificar esta señal sin ninguna distorsión.11) Si consideramos fs como la frecuencia mínima de muestreo (convirtiendo la desigualdad (5. fs 3B 2B B B 2B 3B 4B 5B 6B f Frecuencia Máxima de la Señal. como se muestra en las líneas a trazos en la Fig. si la gama de frecuencias se hubiese extendido desde f1 = 4. Vemos que las frecuencias de muestreo siguen siendo iguales. Sin embargo. 4B Frecuencia Mínima de Muestreo. su valor máximo será 4B.11) en una igualdad). entonces B = 5 kHz. 104 muestras por segundo.

La expresión (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. como se muestra en la Fig.14) siendo fo el intervalo de muestreo en frecuencia. Fig. v(t)” que es el dual del filtro pasabajo definido en (5. y ~ X(f ) el espectro muestreado de X(f). la señal x(t) (y por supuesto. Sin embargo.16) . 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. 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.1) y (5.3). ~ (5. Tm ) . Teorema No 4 “Si X(f) es el espectro de frecuencias de una señal x(t) limitada en el intervalo (− Tm . vamos a presentar el dual del Teorema No 1.2) y x(t) es la señal generatriz de una señal periódica ~ (t ) . con 1 (5.6 (b) y (f).14) es el dual de la expresión (5.6. 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. x Si x(t) es limitada en el tiempo de la forma x ( t ) = 0 para |t|> Tm entonces. En este caso. 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. ~ (t ) = x (t ) ∗ p(t) = 1 x fo n =−∞ ∑ x(t − fn ) o ∞ (5.303 V. En el dominio de la frecuencia. 5.2). su transformada X(f)) se puede recuperar mediante el empleo de lo que se denomina “ventana temporal de ponderación. 5. 2Tm Para verificar este enunciado. entonces X(f) se puede determinar unívocamente especificando sus valores en una serie de puntos 1 separados cada Hz”. ~ consistirá de réplicas periódicas de x(t) fo x(t) separadas en múltiplos de To = 1 / f o . Sea entonces X(f) el espectro de una señal x(t) limitada en el tiempo. consideremos el dual en el dominio de la frecuencia de las expresiones (5. En este caso v (t ) = fo Π( t 1 / fo ) y x(t) = ~ ⋅ v(t) x(t) (5.15) > 2 Tm . A este efecto.

5. como se muestra en la Fig. de (5. n =−∞ ∑X(nf o ∞ o )δ(f − nf o ) y V(f) = sinc( f ) fo (5.17) donde ~ X( f ) = ∞ 1 por consiguiente. 2. 5. MODULACION Y TRANSMISION DE IMPULSOS X(f) x(t) (a) −4fo −2fo 0 P(f) 1 0 f f (b) −2 / fo −1/ fo −Tm 0 1/ fo Tm p(t) 1/ fo t 2 / fo t (c) 2fo 4fo ~ X( f ) (d) ~ f o x (t ) 0 Ventana −4fo −2fo (e) 0 2fo 4fo f −1/ fo −Tm 0 Tm 1/ fo (f) −1 / 2f o 1 / 2f o 2 / fo t Fig. El desarrollo anterior se ha efectuado para señales limitadas en el tiempo centradas en el origen. ♣ Ejemplo 5. pero los resultados se pueden aplicar para cualquiera señal que exista en cualquier intervalo finito de duración 2Tm . En particular. Muestreo en el Dominio de la Frecuencia > 2 Tm no se cumple. si la señal es periódica.6. 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. 5. Sin embargo.) permite la interpolación exacta entre muestras en el dominio de la frecuencia para una señal limitada en el tiempo. entonces las réplicas de x(t) se solaparán y x(t) fo x no podrá recuperarse a partir de ~ ( t ) .7.5).304 V. ~ X(f ) = X(f ) ∗ V(f) (5.6(f). El principio del Osciloscopio de Muestreo.16). el resultado deseado se puede obtener indirectamente utilizando el Osciloscopio de Muestreo. como lo era para muestras en el dominio del tiempo de una señal limitada en frecuencia. como puede observarse en la Fig..18) X(f ) = n = −∞ ∑ X(nf )sin c( ∞ f − nf o sen[π(f − nf o ) / f o ] para todo f ) = ∑ X(nf o ) fo π(f − nf o ) / f o n =−∞ La expresión (5. la recuperación de x(t) utilizando la ventana temporal se puede interpretar como una interpolación en el dominio de la frecuencia. cuyo principio de funcionamiento veremos a continuación.18) es el dual de (5. consiste en muestrear la señal rápida x(t) una vez cada período pero en diferentes puntos en los períodos . la función sinc(. En efecto. Si la desigualdad Mediante analogía con la interpolación en el dominio del tiempo.

Por ejemplo.305 V.7. f Sea x(t ) = 5 ⋅ sinc 2 (5x103 t ) ⇔ X(f) = 10-3 Λ ( ). una vez determinados los valores de a y ∆t . es decir. a = 6.8(a) donde la señal periódica p(t) tiene la forma mostrada en (b). debe ser un intervalo elegido apropiadamente según el ancho de banda de x(t). 5. Las señales y(t ) y x(t) tienen el mismo perfil. como se muestra en la Fig. Para efectos ilustrativos en la Fig. T >> ∆t . La señal y(t) se obtiene pasando y s ( t ) por un filtro pasabajo interpolador de ancho de banda B = f s / 2 .7. entonces fs = 1 1 . podemos conocer también el período de la señal desconocida x(t) puesto que T = a∆t . ♣ ♣ Ejemplo 5. 5.3 Sea el sistema de la Fig. pero en la práctica este valor es mucho mayor. La frecuencia de muestreo de Nyquist es f s = 2 f m = 10 4 Hz = 10 kHz . Si el tren de impulsos resultantes y s (t ) se pasa por un filtro interpolador pasabajo apropiado. Fig. Esto nos permite obtener a = Ty / Ts y ∆t = Ts / (1 + a ) .7. MODULACION Y TRANSMISION DE IMPULSOS sucesivos. Se desea calcular la salida y(t) del filtro pasabajo. su salida y(t) será proporcional a la señal rápida original x(t) pero expandida en el t tiempo. El incremento ∆t .7. pero como Ty = aTs . si T es el período de x(t). de modo que. es decir. de donde fm = 5x103 Hz. 5x103 Vamos a determinar X s (f ) cuando el muestreo se efectúa a la frecuencia de Nyquist. 5. ∆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 ). De la Fig. cada período de x(t) a tiene el mismo perfil que el de y(t). 5. entonces la frecuencia de muestreo del osciloscopio será f s = 1/ ( T + ∆t ). pero se diferencia en el factor de expansión a. 5. y(t) será proporcional a x( ) cuando a >> 1. pero ella nos proporciona los valores de Ty y Ts . con ∆t tal que T = a∆t.

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

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

el muestreo debe ser realizado necesariamente con impulsos de amplitud finita y duración distinta de cero. 5. El espectro X s (f ) de la señal muestreada x s ( t ) es la repetición periódica. período igual al intervalo de Shannon y valor promedio distinto de cero.21) ponderados por un factor de escala decreciente con nfs que es [ τ s f s sinc(nτ s f s )] .10(e).19) donde s(t) es una señal periódica rectangular.308 V. como se muestra en la Fig. cuya transformada de Fourier es. Esta “multiplicación” generalmente se instrumenta con una compuerta analógica (por ejemplo.10(a). los espectros están . x(t) x s (t ) Filtro x r (t ) Pasabajo s(t) 1 Ts τs t Muestreador s(t) (a) Muestreador Real x(t) 0 (b) Señal Muestreadora s(t) X(f) 1 0 x s (t ) x(t) τs t (c) Filtro t Xs ( f ) −fm 0 (d) fm f Ts τ s f s sinc(τ s f ) (e) Señal Muestreada x s (t ) 1/ τ s -B −fm 0 fm B 3f s 4f s 5f s f fs 2f s (f) Espectro de la Señal Muestreada para Ts = 2τ s Fig.10(f). 5. tiene la forma x s (t ) = x (t ) ⋅ s(t ) (5.10. a las frecuencias ±nf s. Fig. El muestreo natural equivale a multiplicar la señal original por una señal muestreadora periódica rectangular de amplitud unitaria. de (1. un MOSFET cualquiera). como se muestra en la Fig. MODULACION Y TRANSMISION DE IMPULSOS Muestreo Natural En la práctica. S( f ) = τ s f s n =−∞ ∑sinc(nτ f )δ(f − nf ) s s s n =−∞ ∞ (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. 5. 5.10(b). Muestreo Natural de Señales Pasabajo La señal muestreada. la cual deja pasar la señal cuando la señal muestreadora está en “ALTO” e impide el paso cuando está en “BAJO”. del espectro X(f) de la señal original.20) Del teorema de convolución.71) y (1.105). pero a diferencia del muestreo ideal. Fig. 5.

Para recuperar x(t). 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 . MODULACION Y TRANSMISION DE IMPULSOS Ts 1 = es un número entero.10(b). Nótese que la ganancia del filtro interpolador en el caso de muestreo ideal.47). el cual se puede determinar fácilmente si g(t) es conocida gráfica o analíticamente. < 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 [ ] . Puesto que s(t) es periódica. expresión (5. entonces.21) pero el factor de ponderación es f sG (nf s ) . 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. Consideremos entonces una señal periódica g Ts ( t ) cuya señal generatriz g(t) tiene cualquier perfil.19) donde s(t) es una señal periódica rectangular de amplitud unitaria y ciclo de trabajo τ/Ts . 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.3).5. Nótese que si La forma del espectro de la señal muestreada de la Fig. 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. τ s < Ts ). Potencia de una Señal Muestreada Natural Consideremos la señal muestreada xs(t) dada por (5. ella puede desarrollarse en serie de Fourier. es Ts.309 V. entonces a las frecuencias nfs múltiplos de τ sfs τ s 1 / τ s las correspondientes componentes de Xs(f) serán cero. ♣ Ejemplo 5. 5. siempre que Ts cumpla con el teorema de Shannon. de (1.10(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. por definición. 5.3). Nótese también que pese a que el muestreo no es instantáneo. En este caso. la señal muestreada xs(t) se pasa por un filtro interpolador de la forma H (f ) = (Ts / τ s )Π (f / 2 B) cuya ganancia es Ts/τs . 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. no se produce distorsión: x(t) se puede recuperar de xs(t) independientemente del valor de τ s (pues. Fig.

< 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. 5. Esta situación se resuelve manteniendo o reteniendo los valores instantáneos x(nTs) durante un tiempo apropiado. del Teorema de Parseval.22) Diremos. En la Fig. 5. ♣ Muestreo con Retención Algunas veces es necesario disponer de los valores instantáneos de una señal en los instantes de muestreo nTs para poderlos procesar o codificar. por ejemplo un codificador. Esta operación se denomina “Muestreo con Retención (Sample and Hold)” o “Muestreo de Topes Planos”. sin demostrarlo.11 (a) y (b) se muestran las dos formas típicas de una señal muestreada con retención: “Con Retorno a Cero (RZ)” y “Sin Retorno a Cero (NRZ)”. 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. 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).310 V.11. la potencia promedio de la señal periódica s(t). que la expresión (5. MODULACION Y TRANSMISION DE IMPULSOS Pero la cantidad dentro de los corchetes es. por ejemplo).22) es válida también cuando x(t) es una señal aleatoria pasabajo (ruido. Muestreo con Retención 4f s f . entonces.

17 y para el cual h(t) = Π( t − τh / 2 ) ⇔ H(f) = τ h sinc(τ h f ) ⋅ exp(− jπτh f ) τh (5. ⎡ ∞ ⎤ t -τh / 2 x(nTs ) ⋅ δ (t − nTs )⎥ ∗ Π ( ) De (5.25) En el caso de muestreo con retorno a cero (RZ). 5. simplemente se reemplaza τ h por Ts . por ejemplo.23). entonces. el efecto del tiempo de retención τ h se refleja en H(f) produciendo ceros a las frecuencias k / τ h . Las réplicas de X(f) tendrán distorsión de amplitud: simétrica en el origen y asimétrica en las frecuencias nfs. τ h < Ts . τ h se denomina “tiempo de retención”. si se trata de codificar una muestra x(kTs). debe verificarse entonces que t c ≤ τ h .311 V. X s (f ) = τ h f s sinc(τ h f ) exp(− jπτ h f ) n =−∞ ∑ X(f − nf ) s (5. de (5. MODULACION Y TRANSMISION DE IMPULSOS Para propósito de análisis.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 2.27) En la Fig. Puesto que p( t ) = x i ( t ) = x ( t ) ⋅ p( t ) = ∞ n = −∞ ∑ ∞ δ( t − nTs ) ⇔ P(f ) = f s n = −∞ ∑ δ(f − nf ) . Esta distorsión en el espectro muestreado hace que la interpolación o recuperación exacta de x(t) no sea posible con un filtro pasabajo. Si t c es el tiempo de conversión del codificador. s n = −∞ ∞ n = −∞ ∑ x ( nTs )δ( t − nTs ) ⇔ X i (f ) = X (f ) * P(f ) = f s ∑ X(f − nf ) s ∞ (5. x s (t ) = ⎢ τh ⎢ n =−∞ ⎥ ⎣ ⎦ ∑ x s (t ) = n =−∞ ∑ x(nT ) ⋅ Π( s ∞ t − τ h / 2 − nTs ) τh ∞ (5.11(c). Si el muestreo es sin retorno a cero (NRZ). La duración de τ h depende de la utilización que se haga de la señal muestreada. El tiempo de conversión generalmente es un parámetro dado por los fabricantes de los codificadores. El efecto de apertura se puede disminuir haciendo τ h más pequeño y puede ser eliminado mediante una red ecualizadora.1) y (5.26) cuya transformada de Fourier es. En la próxima sección veremos esto con más detalle. como se muestra en la Fig. 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). 5.24). Esta distorsión se conoce con el nombre de “efecto de apertura” y es una distorsión de tipo lineal. Por otra parte.11(f) se muestra Xs(f) cuando τ h = Ts / 3. . Nótese que si f s < 2 f m se produce solapamiento. el tiempo τ h deberá ser lo suficientemente largo para que se pueda efectuar la codificación.23) (5.

MODULACION Y TRANSMISION DE IMPULSOS El muestreo con retención se realiza en la práctica agregando un capacitor a la salida de una compuerta analógica. Señal Muestreada con Retención. _ _ + C x(t) x s (t ) x(t) (b) R1 R2 C _ + + x s (t ) (a) s(t) s(t) Fig. ♣ Ejemplo 5. 5. Fig. 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. para no hablar del aumento en el ancho de banda. (n − 1) Ts nTs (n + 1) Ts Fig. como se muestra en la Fig. 5. En la Fig. se puede representar en la forma x s (t ) = n =−∞ ∑ [ A + x(nT )]Π( s ∞ t − nTs ) τ x s (t ) x(t) A + x (nTs ) τ Ts t donde [ A + x (t )] > 0 .13. El capacitor se carga cuando s(t) está en “ALTO” y mantiene ese valor cuando s(t) está en “BAJO”.13. Esta señal muestreada. duración τ y período Ts . 5. Los circuitos muestreadores prácticos difieren de los ideales en que mientras la compuerta permanece cerrada.312 V. pero por otro lado el circuito se complica porque hay que agregar una compuerta adicional que descarga a cero al capacitor.12 se muestra algunos muestreadores con retención usados en nuestro laboratorio. < x(t ) >= 0 .12. 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). 5. cuando la compuerta abre. el capacitor tratará de descargarse sobre la impedancia de salida. En particular. por un lado disminuye la distorsión por efecto de apertura. sobretodo si la salida es sin retorno a cero (NRZ).6. Fig.13. la cual debe ser lo más alta posible. Muestreadores con Retención. lo que hace que el voltaje en el capacitor no alcance exactamente el valor x(nTs). Asimismo. La situación se simplifica un poco si la salida es con retorno a cero (RZ). la corriente de carga del capacitor está limitada por la resistencia combinada de la compuerta y de la impedancia de salida de la fuente. Entonces. pues. 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 )] . 5.11(d). 5. 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. .

igual que el muestreo natural. Puesto que < x(t ) >= 0.29) s Ts La potencia de la señal muestreada con retención es igual a τ/Ts veces la potencia de la señal original. 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. Si el muestreo es NRZ. 5. (5.21).313 V. entonces n=-∞ ∑ x(nT ) = 0. 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 . ♣ ♣ Ejemplo 5.28) Ts Ts Ts τ < x 2 (t ) >= < x 2 (t ) > y si A = 0. El muestreo con retención. período Ts y duración τs .9).7 < x 2 (t ) >= s [ ] Consideremos el muestreador con retención de la Fig. puesto que τ < Ts.11(c) donde p(t) es un tren de impulsos rectangulares de amplitud unitaria. la potencia de la señal muestreada tiende en promedio a la potencia de la señal sin muestrear.19) y (5. reduce la potencia de la señal de entrada en un factor τ/Ts. 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. 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. Vamos a determinar el espectro Xs (f) de la señal muestreada y dibujarla para algunos valores numéricos.

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

como se muestra en la Fig. Sin embargo. Pero los filtros prácticos no poseen esas características y una cierta cantidad de la energía de los espectros adyacentes puede pasar a la salida. Para eliminar el efecto de las frecuencias de solapamiento. . Por ejemplo. y ellas afectan seriamente la inteligibilidad de las señales de voz en los sistemas telefónicos. 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. Distorsión de Interpolación Para la recuperación de la señal original siempre hemos supuesto filtros ideales con bordes abruptos en las frecuencias de corte. En el Problema de Aplicación 5. pero el efecto de la pérdida de inteligibilidad es mucho menor que si se permitiera el solapamiento. Como ejemplo. 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. 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. en la telefonía digital las señales de voz se filtran a 3200 Hz antes de ser muestreadas a 8000 muestras por segundo.315 V. 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. este efecto de inversión se puede utilizar acentuándolo para efectuar la inversión completa del espectro. método utilizado para preservar la privacidad de las conversaciones telefónicas.16. 5. si una señal sinusoidal de 60 Hz se muestrea a 100 muestras por segundo. 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 . 5.15. La eliminación de las componentes en la parte alta de la gama de la señal degrada la fidelidad de la transmisión hasta cierto punto.10 se cuantifica el efecto de la distorsión de solapamiento.

5. 5. las colas del filtro permiten el paso de componentes de frecuencia de espectros adyacentes. H e (f ) = 1 para |f| ≤ B H (f ) 1 H e (f ) = para |f| ≤ B τh sin c(τh f ) (5. o también. como se puede apreciar en las Figs.11 y 5. 5. 5. Ts ó Ts ≥ 4τ h . En el Problema de Aplicación 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.18. 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). H e (f ) debe tener la forma aproximada mostrada en la Fig. Compensación del Efecto de Apertura. Fig. ecualizador cuando τ h ≤ 4 . La distorsión de interpolación se puede eliminar mediante un diseño apropiado de los filtros. tales como los filtros Butterworth de tercer o cuarto orden.14. Nótese que si el tiempo de retención τ h es lo suficientemente pequeño. 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%.17.316 V. Entonces. 5.18.30) donde B es el ancho de banda del filtro de interpolación H I (f ) . 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. Distorsión por Efecto de Apertura El efecto de apertura es una forma de distorsión de amplitud propia del muestreo con retención. Filtro Compensador del En la práctica se puede omitir entonces el filtro Efecto de Apertura. la efecto. 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.12 se cuantifica el efecto de la distorsión de interpolación. El efecto de la distorsión de interpolación es la aparición de un silbido o “pito” de alta frecuencia en la señal recuperada.17. En 1/ τ h τh 1 ≤ . Esta distorsión es producida por el producto de los espectros desplazados por la función de transferencia H (f ) = τ h sinc(τ h f ) . Este proceso se muestra en la Fig. 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. Como éste es un tipo de distorsión lineal.

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

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

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.20. Del Ejemplo 5.20.20. gracias a los dispositivos de sincronización del receptor. consideremos el receptor PAM de la Fig.34) A la entrada del filtro interpolador la potencia de la señal útil será Si = y a la salida.33) < x 2 (t ) >= PAM τ A 2 + < m 2 (t ) > Ts [ ] (5. Se supone que el filtro τ ecualizador no es necesario. como veremos más adelante. Este funcionamiento intermitente constituye. la potencia promedio de xPAM(t) es (5. 5. lo cual indica que el sistema PAM es un sistema de banda ancha que puede permitir el intercambio de ancho de banda por relación S/N. 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. el receptor está abierto cuando no hay presencia de impulsos y cerrado cuando éstos están presentes. tanto el filtro de entrada como el sincronizador serán transparentes para la señal PAM. En cuanto a las relaciones S/N en PAM. MODULACION Y TRANSMISION DE IMPULSOS β m >> 1. 5. el muestreo en el receptor no afecta a la señal útil pero sí al ruido presente a la entrada. que Ts >> τ . un muestreo de tipo natural. Este muestreo. es decir.36) Ts 2 ) es la ganancia de potencia del filtro interpolador.6. se hace a la misma frecuencia que el muestreo del mensaje en la emisión. apareciendo ésta a la entrada del filtro interpolador. Para permitir el funcionamiento en multiplex. A la entrada del receptor PAM. Como consecuencia. .35) (5.319 V. v(t ) = x PAM ( t ) + n( t ) Canal Filtro Pasabajo Muestreador Filtro Si/Ni Interpolador So/No Ancho de Ancho de Ancho de Banda Bc Banda Be Banda fm p(t) RECEPTOR PAM Fig. para las perturbaciones presentes en la entrada.28). que veremos en detalle más adelante. 5. Fig. expresión (5.

21.43) La ganancia de conversión en PAM es igual a la relación de expansión del ancho de banda. So / N o B = = β m en PAM Si / N i fm (5. 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. En efecto. Ni = ( τ τ ' )N i = ( )ηB e . 5. la potencia de ruido será entonces No = Gp ( T τ )ηf m = s ηf m Ts τ (5.22). de (5.42) (5. con B e = B .41) So < m 2 (t ) > = No ηf m y la correspondiente ganancia de conversión.40) Las relaciones S/N entrada-salida serán. (5.21. la densidad espectral a la salida del filtro de entrada tendrá la forma de la Fig. 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. B e >> f m Ts Ts S 'ni ( f ) (5. de (5. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido. Si < m 2 (t ) > = ηB Ni (5.39) A la salida del filtro interpolador de ancho de banda fm y ganancia de potencia Gp . Esto nos permite expresar la ganancia de conversión en otra forma.38) 2B e Ts η/ 2 f La densidad espectral de ruido disponible a la entrada del filtro interpolador de ancho de banda fm se puede aproximar entonces en la forma S nid (f ) ≈ ( τ η ) para Ts 2 |f| ≤ f m y Ts >> τ −B e 0 Be Fig.320 V. La potencia de ruido a la entrada del muestreador será N 'i = ηB e y a la entrada del filtro interpolador.32).44) .

sobre todo en los sistemas de modulación de impulsos codificados (PCM). lo que se puede apreciar haciendo τ = Ts en (5.19(c). 5. por ejemplo. MODULACION Y TRANSMISION DE IMPULSOS La ganancia de conversión en PAM depende también de la relación (Ts/τ). En la práctica. Obsérvese que el valor más positivo de m(t) corresponde al impulso más ancho. τo es la duración de τo los impulsos no modulados.164). 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. los sistemas PAM son muy sensibles al ruido aditivo.321 V.3.162) con Ac = 1.46) (5. En efecto. la relación [So/No]PAM es superior en 3 dB a la relación [So/No]DSB . Si Ts es el período o intervalo de Shannon.22. y (5. las ganancias de conversión serían iguales. B el ancho de banda de transmisión y < m(t) >= 0 . 5. Una señal PDM tiene entonces la forma x PDM ( t ) = ∞ n = −∞ ∑ AΠ ⎢ τ(nT ) ⎥ ⎦ ⎣ s ⎡ t − nTs ⎤ (5. como se muestra en la Fig. Como la información está contenida en la variación de la amplitud de los impulsos. ver Fig.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 ) . esto hace que el comportamiento de este sistema de modulación de impulsos sea superior. Nótese que el bloqueo del receptor permite aumentar la ganancia de conversión aunque a expensas de un aumento en el ancho de banda. el sistema PDM debe ser cuidadosamente diseñado de acuerdo con los niveles de señal máximos y mínimos esperados.49) .164). A este efecto.44) y comparando con (2. de (2.42). hay entonces un intercambio o compromiso entre el ancho de banda y la relación S/N. es decir. en cuyo caso τ = Ts .3. Como es evidente. que veremos posteriormente. 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. los valores de τo y τ1 se eligen de tal manera que se cumplan las siguientes condiciones. sin embargo. 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. la modulación PAM no se utiliza para transmisión directa de información sino como un paso previo de procesamiento. mientras que el valor más negativo corresponde al impulso más angosto. de la relación de bloqueo del receptor. hay que limitar las duraciones máximas y mínimas de los impulsos de tal manera que impulsos adyacentes no se solapen o que la duración mínima sea de tal magnitud que demande anchos de banda inadmisibles.48) (5. y viceversa.45) Aunque el receptor no estuviera bloqueado. al del sistema de doble banda lateral (DSB) de acuerdo con la expresión (2. vemos que ⎡ So ⎤ T ⎡S ⎤ =2 s⎢ o⎥ ⎢ ⎥ τ ⎣ N o ⎦ DSB ⎣ N o ⎦ PAM (5. 5.

si se supone el caso de modulación sinusoidal o modulación con un simple tono.49) implica que m t | min m(t)| < 1 o también que τ o > τ 1 | min m(t)| . MODULACION Y TRANSMISION DE IMPULSOS |max m(t)| y |min m(t)| son los valores de las máximas excursiones positiva y negativa. entonces τ = τ (t ) = [τ o + τ 1 sen(ω m t )] . Una forma de generación de una señal PDM se ilustra en la Fig.22. Relaciones de Duración en PDM. f s = y Xo = Aτ Ts 1 ≥ 2f m Ts Aτ A Xn = sinc( nf s τ) = sen( nπf s τ ) Ts nπ Aτ x (t ) = +2 Ts A s s ∑ nπ sen(nπf τ ) cos(nω t ) n =1 que se puede escribir en la forma x (t ) = Aτ +2 Ts ∑ nπ Im{exp( j2πnf τ )} cos(nω t ) A s s n =1 ∞ Si τ varía en función del mensaje y si el mensaje es un tono de frecuencia fm . 5. lo cual no parece tan obvio cuando se observa la forma de la señal. lo cual nos asegura que el ancho mínimo del impulso nunca será cero o negativo. pero también se puede mantener fijo un borde del impulso mientras que el otro borde es el que se desplaza. Demodulación PDM La señal PDM se puede demodular con un simple filtro pasabajo. Nótese que la expresión (5. x(t). Definiendo también α n = nπτ o f s y β n = nπτ1f s . es decir. la señal PDM queda en la forma . primero hay que determinar el espectro de la señal PDM. En la Fig. 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 . lo cual es difícil de efectuar en el caso general.322 V. Sin embargo. de m(t). la tarea se simplifica y el resultado se puede extender para el caso general. 5. Ts τ(nTs ) τ min t 1 1 nTs (n + )Ts (n − )Ts τo 2 2 Fig. Para demostrarlo.23.22 se observa que la variación de la duración del impulso se efectúa simétricamente alrededor del instante de muestra nTs. 5. En la misma figura se muestra el algoritmo de decisión del comparador y las relaciones entre los diferentes parámetros. Un tren de impulsos sin modular. respectivamente. m( t ) = sen(ω m t ) .

0 Señal PDM t (b) (c) Fig. MODULACION Y TRANSMISION DE IMPULSOS A x PDM (t ) = [τ o + τ 1 sen(ω m t )] + 2 Ts ∑ nπ Im{exp( jα A n =1 ∞ n ) exp[ jβ n sen(ω m t )]} cos(nω s t ) El término exp[ jβ n sen(ω m t )] es una función periódica de período 1/fm y como tal se puede desarrollar en serie de Fourier.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 . pero puede reconocerse como el Coeficiente de Bessel de primera clase. 5. orden k y argumento β n . En efecto.β n sen(x))] ⋅ dx (5. sea A+m(t) m(t) v d (t ) x PDM (t ) "0 "1 |max m(t)| |min m(t)| t A p(t) A (a) p(t) Vu Umbral de 0 Decisión V 0 Ts t Algoritmo del Comparador vd(t) = A + m(t) + p(t) v d (t ) Si vd (t ) ≥ Vu → "1" Si vd (t ) < Vu →"0" Relaciones entre Parámetros Vu Vp + A −|min m(t)|> Vu > A + |max m(t)| Vp > Vu Para valores razonables del ancho de banda.18). hacer 1. se obtiene Zk = 1 2π ∫ π −π exp[-j(kx .5Vu < Vp < 2Vu. Esta función generalmente se . (Ver Problema 5.23.323 V. 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 ) (5.50b) Esta integral no puede resolverse en forma analítica.

se muestra una Tabla de Coeficientes de Bessel para algunos valores de k y β n ). una componente a la frecuencia fm y componentes a las frecuencias f nk = nf s + kf m para n = 1.324 V. ∞ ∞ ⎤ ⎡ 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..51) k =−∞ ∑J ∞ k (β n ) exp( j2πkf m t ) (5.52) x PDM ( t ) = y finalmente. el espectro de x PDM (t ) contiene entonces una componente continua. hace muy pequeña en comparación con la señal deseada y puede ser despreciada. 2. El ancho de banda de la banda de base en PDM será entonces. Nótese que el τ min en PDM es. ±2. ±1. Sin embargo. la amplitud de las componentes de distorsión se Señal PDM Filtro Pasabajo K m(t) B = fm Fig. como se muestra en la Fig. 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. en general. La modulación PDM o PWM se aplica actualmente no solamente en aplicaciones en comunicaciones y procesamiento de señales. hay que transmitir impulsos y el ancho de banda del canal dependerá de la duración del impulso más angosto.. más pequeño que el τ en PAM. MODULACION Y TRANSMISION DE IMPULSOS denota en la forma J k (β n ) y se encuentra extensamente tabulada (En el Capítulo VI.54) τ min donde τ min viene dado por (5.24. para n ≥ 1 o ( β n > 1). Algunas de estas frecuencias son iguales a fm . sino también en el control de motores eléctricos. La situación mejora si el muestreo se hace a una frecuencia mayor que la frecuencia de Nyquist..49). de modo que se puede decir que (5...3. del τ min del sistema. si f s = 2 f m . aunque en general es suficiente un filtro pasabajo de ancho de banda f m . (n =2 y k = -3). es decir. . Entonces. entonces f nk = (2n + k )f m y habrá componentes de distorsión para (n = 1 y k = -1).53) Nótese que aunque la modulación es sinusoidal con un tono único de frecuencia fm. Como dato histórico. antiguamente a la modulación PDM se la conocía con el nombre de Amplificación Clase D. 1 B≥ en PDM (5. 5. 5. etc.55) B PDM > B PAM .24.y k = 0. Demodulación de Señales PDM. Z k = J k (β n ) de donde exp[ jβ n sen(ω m t )] = (5. constituyendo componentes de distorsión. Fundamentalmente. 3. Sección 6.. En particular...3.

τ 1 y m(t). o por la posición del punto. En un sistema PPM la información está contenida en los desplazamientos de los impulsos de un tren de impulsos.3.4. 5. transmitir impulsos muy angostos modulados en PPM. si el ancho de banda del canal lo permite. 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. MODULACION Y TRANSMISION DE IMPULSOS La relación exacta entre BPDM y BPAM dependerá de los valores de τ . 5.325 V. en el eje del tiempo. como puede observarse en la Fig. Señal PDM Señal PPM Señal PDM Multivibrador Monoestable 0 t El Multivibrador se dispara en los bordes traseros de la Señal PDM (a) Ts t Señal PPM 0 (b) Fig. por donde cruza el borde frontal. . sus relaciones S/N serán tratadas simultáneamente en la próxima sección. como veremos más adelante. 5. y como la potencia es proporcional a la duración de los impulsos. Modulación por Posición de Impulsos (PPM) En la modulación PPM la posición de los impulsos. Como la información reside en la posición temporal de los bordes del impulso y no en el impulso mismo. 5.26. τ o . Generación de Señales PPM a partir de Señales PDM. varía proporcionalmente de acuerdo con los valores de muestra de la señal mensaje.25.56) donde ∆(t ) = m t m(t ) es el desplazamiento instantáneo del impulso respecto al instante de referencia t = nTs . Una señal PPM se puede expresar en la forma x PPM (t ) = ∞ n =−∞ ∑ AΠ⎢⎣ ⎡ t − nTs − ∆ (nTs ) ⎤ ⎥ τ ⎦ (5. con referencia a un punto dado. la portadora. sería muy conveniente. como se muestra en la Fig. Como la amplitud y la duración de los impulsos se mantienen constantes. la información posicional es también transmitida por la posición del borde frontal del impulso. a tal punto que la modulación PPM se puede obtener directamente a partir de la modulación PDM en la forma mostrada en la Fig.25.19(d). Debido a la compatibilidad que existe entre los sistemas PDM y PPM. Las modulaciones PPM y PDM están íntimamente relacionadas.

26. Entonces. Entonces. Sea entonces. es decir. .∞ ⎭ ∑ ∞ (5.D(nTs )]⎬ = A δ[t − D(nTs )] ⎪ n=-∞ n =−∞ ⎭ ∑ ∞ ∑ Se ha demostrado [Greg.57) donde |m(t)|max es el valor máximo de m(t) y mt el índice de modulación PPM. es difícil de calcular en el caso general.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. entonces (5.58) Pero como la información está contenida en el desplazamiento D(t) del impulso y nó en el impulso mismo. el ancho del impulso puede hacerse tan pequeño que se puede aproximar mediante t impulsos unitarios.106). ⎧ ⎪ x PPM (t ) = A ⎨δ (t ) ∗ ⎪ ⎩ ∞ ⎫ ⎪ δ[t .326 V. 0 < mt ≤ 1 lo cual nos asegura que los impulsos serán siempre positivos. el desplazamiento (5. igual que en PDM. D(t ) = nTs + ∆ (t ) . 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]. de donde D(t ) = nTs + ∆ ( t ) ⎧ t ⎡ t − D(nTs ) ⎤ ⎪ = A ⎨Π ( ) ∗ x PPM (t ) = AΠ ⎢ ⎥ τ ⎣ ⎦ ⎪ τ n =−∞ ⎩ ∑ ∞ ⎫ ⎪ δ[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). MODULACION Y TRANSMISION DE IMPULSOS Ts A ∆( nTs ) τ t 1 (n − )Ts 2 nTs Fig.D(nTs )]⎬ ⎪ n=. 1977) que si δ[t − D(nTs )] = |1 − ∆ ' (t )|⋅δ[t − nTs − ∆ (t )] donde ∆ ' ( t ) es la derivada de ∆( t ) Por consiguiente. el cual. Modulación PPM. pero que se puede estimar en el caso de modulación sinusoidal. 5. de (1.

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

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

62) Veamos ahora la influencia del ruido en PPM. 5. t r ≈ 1 / 2 B . entonces ∆τ variará proporcionalmente.65) A A donde Ni es la potencia de ruido a la entrada del demodulador en el receptor. < ∆τ 2 >= ( tr 2 ) < n 2 (t ) > A (5. tr De la geometría de la Fig. dentro de la banda de transmisión B se verifica que t t N τ = ( r ) 2 ηB = ( r ) 2 N i (5. 5. El valor tr se puede relacionar con B en la forma dada en el Capítulo II. es decir. Por consiguiente. se produce dispersión en los bordes de los impulsos recibidos. es decir. si el ruido es blanco y tiene una densidad espectral η / 2 . 5. MODULACION Y TRANSMISION DE IMPULSOS La relación entre los anchos de banda de la banda de base en PAM. Vemos también que si ∆τ es proporcional a n(t). de tal manera que estos se pueden considerar como impulsos trapezoidales. 5.329 V.29.63) Si n(t) varía.29. ∆τ n (t ) = tr A (5. .29. Ejemplo 2.64) Sea entonces N τ la potencia promedio de ∆τ . 1 Nτ = Ni 4A 2 B 2 Como la salida es proporcional a la entrada con una constante k de proporcionalidad o de demodulación. como se muestra en la Fig. Influencia del Ruido en PPM. Impulso con Ruido Impulso sin Ruido n(t) A A/2 t ∆τ Umbral de Detección tr τ Fig. Si la señal recibida se ha contaminado con ruido. En la Fig. entonces. éste causará un error en la posición de los impulsos. Impulsos Recibidos. su potencia promedio será proporcional a la potencia promedio de n(t). Como los impulsos se transmiten por canales de ancho de banda finito.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.19(a). PDM y PPM será B PPM > B PDM > B PAM (5.

la ganancia de conversión será Se tiene entonces que < m 2 (t ) >= ⎤ So / N o β ⎛β B ⎡ B ⎞ = − 1⎥ = m ⎜ m − 1⎟ ⎢ ⎝ 2 ⎠ 4f m ⎣ 2f m 4 Si / N i ⎦ 2 2 en PPM (5.66) (5. para τ >> 2t r .30.330 V. Si la modulación es sinusoidal y a máxima modulación (con mt = 1). de la Fig.68) puede expresarse en otra forma.30. 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.29. la ganancia de conversión será So / N o T (5. su efecto es el de producir un desplazamiento ∆(t ) de la forma 1 ∆(t) = m(t) = (Ts − τ) ⋅ cos(ωm t).67) el valor de A2 dado por (5.67) Reemplazando en (5.69) Si β m >> 2 . 5. 5. es.66). La potencia de entrada de la señal PPM. 5. la expresión (5.70) . como se muestra en la 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. 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. Desviación Sinusoidal de la Posición de los Impulsos en PPM. 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.68) = 4 s B 2 < m 2 (t ) > en PPM τ Si / N i La expresión (5.69) se reduce a So / N o 1 3 = βm Si / N i 16 en PPM (5.

En lo que se refiere a la potencia promedio en PDM. Cuando B aumenta.72) cuyo valor promedio es d n = T 1 (Ts − 2 t r ) ≈ s puesto que Ts >> 2 t r .74) en (5. So/No aumenta y es posible intercambiar ancho de banda por relación S/N. 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.31. y de las dos rampas del trapecio que equivalen a un triángulo de la forma AΛ(t / t r ). la potencia 2 2 de entrada de la señal PDM. A/2 t En la Fig. viene precedida y seguida por los flancos montantes o bajantes. idénticos a los vistos en PPM. entonces Si = A 2 3BTs + 2 Ts 6B (5. 5. referidas a un período Ts. sin embargo. respectivamente. En el caso PDM.31 en la forma d (t ) = 1 (Ts − 2 t r ) ⋅ [1 + cos(ω m t )] 2 (5. de donde = No Ni 3BTs + 2 .331 V. la potencia promedio de la señal PDM viene dada por Si = A 2 d n 2A 2 t r A 2 2 + = (d n + t r ) Ts Ts 3Ts 3 (5. ya que estas señales no se solapan en el tiempo.71). 5.71) La duración d(t) de los impulsos PDM recibidos se puede expresar. En este caso.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. Impulsos Recibidos en PDM. solamente si la relación Si/Ni está sobre cierto umbral. para una señal sinusoidal de prueba y máxima modulación.73) Si hacemos B = 1 / 2t r . So 24 Ts B 3 < m 2 ( t ) > Si .67). En la literatura se toma el nivel umbral para una relación [Si/Ni] ≈ 4 (6 dB). esto ocurre. de un rectángulo de amplitud A y duración promedio d n .74) Reemplazando A2 de (5. La potencia de la señal pudiera disminuirse sin que la relación So/No cambie. será Si = 2 A 2 2A t r A 2 3Ts + 4t r + = Ts 2 3Ts 6 (5. Por consiguiente. a partir de la Fig. ella será la suma de las potencias promedio. MODULACION Y TRANSMISION DE IMPULSOS La ganancia de conversión en PPM es proporcional al cubo de la relación de expansión del ancho de banda β m . expresión (5. 5.

si BTs >> 1 .76) 1 (Ts − 2 t r ) ⋅ cos(ω m t ) .79) (5. Comparación entre las Ganancias de Conversión en Sistemas PAM.82) .77) (5.332 V. En función de la relación de expansión del ancho de banda β m = B/fm . la ganancia de conversión será So / N o = 8B 2 < m 2 (t ) > Si / N i en PDM (5. cuya 2 Con modulación sinusoidal y modulación máxima. PDM y PPM En la secciones anteriores se ha determinado las ganancias de conversión para los sistemas PAM.3. 5. PPM y PDM. El sistema de modulación PDM es un sistema de banda ancha que permite intercambiar ancho de banda por potencia. donde B es el ancho de banda de la banda de base. es decir. En todos los casos se ha tomado la potencia de ruido a la entrada igual a ηB.75) Si B >> 2f m .75) con Ts = 1 / 2f m y 8 B = 1 / 2t r .78) La ganancia de conversión en PDM es proporcional al cuadrado del factor de expansión del ancho de banda β m . m( t ) = potencia promedio es < m 2 (t ) >= 1 (Ts − 2t r ) 2 . 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 .80) Si β m >> 2.5. Reemplazando en (5.81) En PDM: β ( m − 1) 2 So / N o 3 = βm 2 3 Si / N i 2 ( β m + 2) 2 (5. MODULACION Y TRANSMISION DE IMPULSOS So / N o 24Ts B 3 = < m 2 (t ) > Si / N i 3BTs + 2 en PDM (5. So / N o 1 2 = βm Si / N i 4 en PDM βm − 1) 2 2 3 ( β m + 2) 2 ( en PDM (5. 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. (5.

En relación con los anchos de ban-da.85) Para β m = 24 . .84) Por ejemplo. 5. en donde se muestra la variación de las ganancias de conversión en función del factor de expansión del ancho de banda βm . si β m = 24 . El sistema PDM es superior a PAM para β m > 8 . MODULACION Y TRANSMISION DE IMPULSOS Si β m >> 2. ⎡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. ⎡So / N o ⎤ ⎡S / No ⎤ 1 3 = ( β m + 2)⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM 6 2 ⎣ S i / N i ⎦ PDM (5. situación que puede presentarse en sistemas con multiplex. En general.333 V. los cuales tienen una cierta probabilidad de ocurrencia cuando el ruido es gaussiano.80) y (5. So / N o β 2 = m 4 Si / N i (5. el mejoramiento de la ganancia de conversión en PPM es 14. Comparemos ahora PDM con PAM. De (5.82). El sistema PPM es superior a PDM para β m > 3 . B PPM > B PDM > B PAM (5.79) y (5.86) El mejoramiento de la ganancia de conversión en PPM. Veamos ahora la comparación entre PPM y PDM. de la expresión (5.8 dB.79) y (5. En efecto. El sistema PPM es superior a PAM para β m > 6 .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.62). 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 (5.32.83) Si el ruido y el ancho de banda son los mismos en los tres sistemas. es de 8 dB superior a PDM.80).87) Estas consideraciones se pueden apreciar mejor en la Fig. 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 (5.82). De (5. se puede comparar PPM con PAM. de (5. el mejoramiento de la ganancia de conversión en PDM sobre PAM es de 6.8 dB superior a PAM. para β m = 24 .

Los tres sistemas básicos de modulación digital de impulsos son: • La Modulación de Impulsos Codificados (Pulse-Code Modulation. por cuestiones de tipo tecnológico. desarrolló un método para transmitir una representación de una señal continua mediante una sucesión de valores discretos de la misma señal. Posteriormente. Las condiciones prácticas del medio establecerán el nivel umbral y los valores apropiados correspondientes de la relación S i / N i . Modulación de Impulsos Codificados (PCM) En 1926.4. PDM y PPM solamente el tiempo se expresa en forma discreta. 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. este umbral es uno de los factores limitativos de los sistemas de banda ancha. H. Introducción En los sistemas PAM. duración y posición) varían en forma continua de acuerdo con la señal mensaje. MODULACION Y TRANSMISION DE IMPULSOS Cuando el ancho de banda aumenta. y fueron los dispositivos de estado sólido los que iniciaron el gigantesco desarrollo que estamos presenciando. Reeves. PCM) • La Modulación Diferencial de Impulsos Codificados (Differential Pulse-Code Modulation. cuando introducimos el concepto de codificación binaria y m-aria. Rainey. A. mientras que los respectivos parámetros de modulación (amplitud. Los sistemas prácticos de modulación digital de impulsos.4. DPCM) • La Modulación Delta Lineal (Delta Modulation. P.334 V. DM) 5. como podremos constatarlo a medida que avancemos en el texto. pues los componentes electrónicos existentes para la época no eran apropiados para la codificación digital de señales. Durante más de 20 años el concepto PCM se consideró como una simple curiosidad científica. SISTEMAS DE MODULACION DIGITAL DE IMPULSOS 5.4.1. La transmisión de información se lleva a cabo entonces en forma analógica en tiempos o instantes discretos. donde la palabra “digital” significa “amplitud y duración discreta”. M. de los Estados Unidos. Este sistema se conoce desde entonces con el nombre de Modulación de Impulsos Codificados (PCM). en 1936. patentó un sistema para la transmisión de voz basado en el método de Rainey. En este tipo de modulación cada valor de muestra de la señal mensaje se codifica en secuencias de impulsos en el sentido visto en el Capítulo IV. 5.2. el correspondiente aumento en la potencia de ruido produce una cantidad suficiente de falsos impulsos que impiden aumentar el ancho de banda. . entonces ingeniero de la ITT en Francia. En la modulación digital de impulsos el mensaje es representado por secuencias de impulsos digitales. son esencialmente sistemas binarios.

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

5. 2 2 Los niveles de comparación estarán a ∆Q / 2 sobre o bajo x qk (mTs ).⋅⋅⋅⋅. Consideremos el proceso de cuantificación uniforme bipolar mostrado en la Fig.90) (5.89) y sus valores particulares vendrán dados por ∆Q N x qk (mTs ) = ± (2 k − 1) para k = 1.91) .33. 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. ∆Q es el paso de cuantificación. 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.336 V. respectivamente. También | x (mTs )| ≤ N ∆Q = 2 n −1 ∆Q 2 (5. 5.34. La señal cuantificada x q (mTs ) está acotada por | x q (mTs )| ≤ (N − 1) ∆Q ∆Q = (2 n − 1) = Vqmax 2 2 (5. Vqmax y n generalmente son los datos o parámetros del cuantificador.34(b). 2. 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. 3. Principio de la Cuantificación de Señales en Modulación PCM. N = 2 n el número de niveles de cuantificación y n el número de impulsos de las secuencias codificadas.

337 V. Rq”. como el intervalo mínimo que el cuantificador puede discernir. 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. La existencia . debe cumplirse también que | m(t )|max ≤ Vqmax + ∆Q = Vmax 2 De (5. Resolución R q = y en por ciento. ∆Q Vqmax Vmax e max = | e q (mTs )|max = = = (5. Los parámetros normalizados serán: Paso de cuantificación normalizado: Resolución normalizada: Resolución normalizada porcentual: 2 N −1 1 R qn = N −1 100 R qn % = N −1 ∆Q n = (5.92) Para que no haya saturación en el cuantificador. para lo cual debe verificarse que | x q (mTs )|max = Vqmax = 1.99) (5.100) En general.34(c). e q ( mTs ) ”. pero el error máximo es. 5.91). Fig. ∆Q Vqmax Vmax = = 2 N−1 N (5.94) (5. como consecuencia.98) (5.89) o (5.93) En la literatura se suele definir también la “resolución del cuantificador. es decir. el proceso de cuantificación introduce una cantidad inicial de distorsión. En efecto.95) R q % = 100 ⋅ R q Asimismo. Vmax = Vqmax + ∆Q 2 (5. el paso de cuantificación es ∆Q = 2Vqmax N−1 = 2 Vmax N (5. e max % = 100 ⋅ e max (5. MODULACION Y TRANSMISION DE IMPULSOS Por consiguiente. de la Fig.97b) Nótese que la resolución es la medida del error máximo en el cuantificador. dependiendo del número de niveles de cuantificación elegidos.96) Obsérvese que para algunos valores específicos de m(t) el error es cero. la cuantificación transforma un conjunto infinito de amplitudes en un conjunto finito de N amplitudes. Algunas veces se prefiere normalizar los parámetros. En este caso se supone que el rango normalizado de la señal cuantificada es −1 ≤ x q ( mTs ) ≤ 1 . 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”. se define en la forma e q (mTs ) = x q (mTs ) − x(mTs ) (5. ∆Q / 2 . el “error de cuantificación.34(c). la cual es inherente al sistema pero que podemos controlar y hacer tan pequeña como queramos. por lo tanto. 5.97a) 2 N −1 N y en por ciento.

La codificación binaria. En el detector/regenerador se determina si llegaron o no impulsos. nótese también que el bit de menor peso se transmite de primero. 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.5. palabras o secuencias binarias de n impulsos (llamados también “dígitos binarios” y más impropiamente “bits”) cada una. 5.338 V.36. si se asigna niveles de amplitud discreta con un espaciamiento lo suficientemente pequeño. los fabricantes de los codificadores o convertidores especifican el correspondiente código de salida (binario natural. 5. es la más utilizada debido a su simplicidad de generación. En la Tabla. 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”.35(a) se tiene unas muestras PAM cuantificadas y sus correspondientes formas codificadas en PCM (NRZ y RZ). Nótese que la señal de salida m(t ) del . A cada nivel de cuantificación se asigna un grupo de codificación diferente. 5. es decir. y por su gran inmunidad al ruido de transmisión.35(b). En general. Nótese que en este caso se han empleado 8 niveles (23) para cuantificar las muestras. se puede lograr que la señal cuantificada prácticamente no se distinga de la señal original.35(a). Esta señal se filtra en un filtro pasabajo de ~ ancho de banda B = f m para extraer el mensaje m(t). 5. La señal de banda de base que llega al receptor está contaminada con ruido blanco n(t). por lo tanto. regeneración y detección. 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.). como se muestra en la Fig. se muestra la codificación empleada. N = 8. Conversión Analógica-Digital (b) Codificación Binaria Natural En la Fig. etc. n = 3 Secuencias PCM 4 5 6 7 Fig. MODULACION Y TRANSMISION DE IMPULSOS de un número finito de niveles de amplitud discreta es una condición básica en PCM. en sus distintas variedades. Lógicamente. BCD. 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”. Demodulación de Señales PCM El mecanismo de recepción de señales PCM se muestra en la Fig. un código de tres dígitos será suficiente para codificación completa. 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). OFF-SET. se regeneran y se encuadran en los correspondientes grupos de codificación incluyendo los errores producidos por el ruido n(t). Fig.35. habrá N = 2 n grupos de codificación.

La operación inversa en el receptor. aunque interesante. 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. radio. 5. se efectúa con un “convertidor digital-analógico.339 V.). PCM + errores x q ( mTs ) + errores PCM + Ruido Detector/ Regenerador Descodificador Sincronización (Reloj) Filtro Pasabajo ~ m(t ) Fig. de la longitud total del enlace.). El tema de las repetidoras. Recepción de Señales PCM. En efecto. en todas las tecnologías (TTL. pero como la señal PCM de banda de base es una secuencia serie. la conversión de la señal PCM en una señal analógica PAM. 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 transmisor/receptor sincrónico universal (USRT) y el transmisor/receptor sincrónico/asincrónico universal (USART). de la frecuencia de portadora.37(a). MOS. todos los canales de comunicación en mayor o menor grado atenúan y distorsionan las señales. 5. Hay que señalar que en los convertidores analógico-digitales prácticos la salida se presenta en forma paralela. Para la demodulación el proceso es contrario: la señal PCM es procesada en el detector regenerador. El número de repetidoras y el espaciado entre ellas depende de una cantidad de factores tales como el medio de transmisión (conductores metálicos. para cualquier valor de n y para diferentes velocidades de conversión y códigos de salida. Sin embargo. MODULACION Y TRANSMISION DE IMPULSOS receptor no es idéntica a m(t) debido a los efectos del ruido aditivo n(t) y del ruido de cuantificación. en el sistema PCM la reconstrucción perfecta de una señal de variación continua es imposible aún cuando el ruido n(t) sea despreciable. es necesario efectuar una transformación paralelo/serie utilizando comúnmente registros de desplazamiento (“shift-registers”). .36. Nacional Semiconductor. En el caso de señales digitales en transmisión en banda de base. el proceso de cuantificación y codificación es efectuado por un solo dispositivo denominado “convertidor analógico-digital. etc. Estos dos convertidores son fácilmente disponibles a costos moderados como circuitos de mediana y gran escala de integración (MSI y VLSI). fibras ópticas. como se muestra en la Fig. como se muestra en la Fig. (CDA)”. está fuera de los objetivos de este texto. (CAD)”. En la práctica. en el comercio se encuentran tres tipos de circuitos integrados que producen salidas serie normalizadas: el transmisor/receptor asincrónico universal (UART). estas repetidoras están situadas a distancias apropiadas a lo largo de la trayectoria de transmisión. La operación y descripción de estos circuitos se puede hallar en cualquier catálogo de componentes (Motorola. etc. de su atenuación y distorsión de fase por unidad de longitud. etc. RCA. en el registro se transforma en PCM paralela. en otras palabras. etc. es decir.). 5.37(b).

Aunque la voz contiene frecuencias superiores a los 10 kHz. de acuerdo con (5. está relacionada con la exactitud con la cual se puede recobrar la señal. como se muestra en la Fig. N = 2 n el número de niveles de cuantificación y β m la relación de expansión del ancho de banda.101) (5.2 kHz y luego se muestrea a una frecuencia de 8000 muestras por segundo. Como ejemplo de los requerimientos de ancho de banda en PCM. es decir.35(a). el espaciado entre impulsos es uniforme a fin de ocupar el mínimo ancho de banda. 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. 5. 5. Cada muestra ha sido codificada en secuencias de n impulsos. 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. R T = . 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.102) donde RT es el ciclo de trabajo. de 64 kHz.101). . Puesto que β m >> 2 . Esta es la razón por la cual no se puede transmitir voz digitalizada en PCM por los canales telefónicos. consideremos la transmisión digital de la voz en sistemas telefónicos.37. fm la frecuencia máxima de la señal mensaje m(t). B PCM ≥ = = log 2 N Secuencias RZ: τ Tn RT RT y βm = 2 log 2 N RT (5. la señal de voz se filtra primero en un filtro pasabajo de 3. 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. el cual es mucho mayor que el ancho de banda nominal de 4 kHz del canal de voz. en consecuencia. 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 . Como norma en los sistemas telefónicos. como tal. hay que considerar si las secuencias PCM son sin o con retorno a cero (NRZ o RZ). para 1 Ts ≤ se tiene: 2f m 1 ⎧ ⎪Ts = nτ.340 V. 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. Las muestras se cuantifican en grupos de 8 dígitos (256 niveles) y el ancho de banda de la señal PCM será. y. A este respecto.

Sobre la región umbral. Como ya lo hemos señalado. si consideramos que la señal es regenerada en cada estación repetidora. no hay un camino continuo de transmisión para el ruido como lo hay en los sistemas de modulación analógica ya vistos.105) es válida. en los sistemas PCM hay dos tipos de ruido. puede causar errores de decisión en el detector. ya mencionados. El ruido de transmisión se puede introducir en cualquiera parte entre el transmisor y el receptor. 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. la expresión (5. distorsionan la señal m(t) recuperada. respectivamente. el ruido de transmisión. y normalmente el ruido de transmisión no se toma en cuenta en el diseño original del sistema. esto es. 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. PDM y PPM. 1977] que las potencias promedio de la señal PCM y del ruido de cuantificación a la salida del descodificador. para relaciones S i / N i menores. el ruido de transmisión se hará muy pequeño en comparación con el ruido de cuantificación (caso de alta relación S/N). n = . β m = 2n . Sin embargo. mientras que el ruido de cuantificación se genera únicamente en el transmisor y es llevado hasta la salida del receptor. denominado también “ruido de descodificación”. Aparte de estos errores ocasionales. por supuesto. Cuando se opera con relaciones S/N de entrada muy por encima de la región umbral. en PCM binario. Asimismo. y el otro el ruido de cuantificación.103) (5. Cuando n ≥ 4.105) Para altas relaciones S i / N i en el canal (10 dB o más). < s 2 (t ) >= S o = o (∆Q) 2 2 n (2 − 1) 12 (5. con el resultado que éste emite la correspondiente secuencia de impulsos regenerados pero erróneos. De (5.101). que son de interés: uno es el ruido de transmisión. generalmente el ruido de transmisión no aparece a la salida. de donde 2f m 2 Consideremos secuencias PCM NRZ.106) B β = m . sin embargo.341 V. entonces 2 2n >> 1 y So = 2 2 n = N 2 para n ≥ 4 No (5.104) y < n 2 (t ) >= N o = q (∆Q) 2 12 La relación S/N de postdetección será entonces So = 2 2n − 1 = N 2 − 1 No (5. se puede caer dentro de la región umbral y los resultados de dicha expresión ya no serían válidos. Se ha demostrado [Gregg. como veremos más adelante. Estos grupos erróneos son interpretados en el descodificador como amplitudes falsas que. son. Como en el caso de los sistemas PAM. la relación S/N a la salida está limitada únicamente por el ruido de cuantificación. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido.

1979]. 5. Biglieri y Castellani. 1987. 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.342 V. Benedetto. para valores bajos de Pe (alta relación S i / N i ). la probabilidad de error. depende del tipo de modulación utilizado y de la relación de predetección S i / N i a la entrada del receptor.107) y en dB. (5. ⎡ So ⎤ ⎢ ⎥ = 3. PDM o PPM. la relación S o / N o es prácticamente constante.02 ⋅ n − 10 log 10 1 + 2 ⎣ N o ⎦ dB [ ] en PCM (5. 1966. se calcula la probabilidad de error Pe para diferentes esquemas de modulación PCM. Puede observarse el efecto del umbral para valores altos de Pe (baja relación S i / N i ). La relación de postdetección S o / N o en PCM. se observa que el intercambio “ancho de banda-relación S/N” es mucho más favorable en PCM que en los otros sistemas.103). Si el ruido de descodificación no puede ser despreciado.]).104) y (5. El sistema PCM es. . Se demuestra [Shanmugan. MODULACION Y TRANSMISION DE IMPULSOS So = 2 β m = N 2 en PCM NRZ No (5.111) ⎡ So ⎤ 2 ( n +1) ⋅ Pe ⎢ ⎥ = 6. Bennet y Stein.38(a) se grafica la relación S o / N o en dB para diferentes valores de n.01⋅ β m = 20 ⋅ log 10 N = 6. 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 potencia total de ruido a la salida será entonces 2 2 N o =< n q (t ) > + < n d (t ) > (5.108) La relación señal/ruido de cuantificación crece exponencialmente en función de la relación de expansión del ancho de banda. 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.104). 1979]. un sistema de banda ancha. cuando se toma en cuenta el ruido de descodificación es. etc. de (5.110). pues. Cuando se compara PCM con PAM.109) donde < n 2 (t ) > es la potencia del ruido de descodificación y < n 2 (t ) > viene dada por (5. (En la referencia citada más arriba [Shanmugan.110) donde Pe .02 ⋅ n ⎣ N o ⎦ dB en PCM NRZ (5. que la potencia promedio del ruido de descodificación es 2 < n d (t ) >= (∆Q) 2 2 n 2 ⋅ Pe 3 (5. véase también [Schwartz.112) En la Fig.

En efecto. es decir.38(b) se grafica Peopt vs n. de la definición de umbral se obtiene Peopt = 6. 5. La expresión (5. Peopt ” a partir de la expresión (5.473x10 −2 2 2n para n entero (5.113).113). 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.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 .113) ⎛ ⎡ S ⎤ ⎞ 6.343 V. Si Pe = g ( ⎛⎡ S ⎤ ⎞ Si ) . y por cuanto Peopt corresponde a la mínima relación S i / N i . Se puede definir entonces la “probabilidad de error óptima. ⎜ N ⎟ Ni ⎝ ⎣ i ⎦ min ⎠ para n entero. Puesto que la probabilidad de error Pe depende del esquema de modulación empleado y de la relación de predetección a la entrada del receptor.112). que es la misma expresión (5. MODULACION Y TRANSMISION DE IMPULSOS El umbral se define arbitrariamente [Shanmugan. entonces Peopt = f ⎜ ⎢ i ⎥ ⎟ y de la expresión (5.113) En la Fig. entonces esta relación S i / N i mínima se puede deducir a partir de la expresión (5. 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 . 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 .473x10 −2 Peopt = f ⎜ ⎢ i ⎥ ⎟ = ⎜ N ⎟ 2 2n ⎝ ⎣ i ⎦ min ⎠ . En efecto.

1 dB No Peopt = 6. mientras que el correspondiente valor mínimo de la relación S/N de predetección se puede determinar a partir de la expresión (5. Vqmax = (N − 1) −14. También. Vmax = | m(t )|max = 15 V. En consecuencia. En resumen.344 V. cuando se aumenta la potencia de la señal de entrada.844 V.113) permite determinar la relación de predetección mínima S i / N i para un valor determinado de n. está entre -9.781 V (k = 12). que es independiente de la relación de predetección S i / N i .05 ∆Q . De acuerdo con la expresión (5.7.93). aumentos en la relación de predetección no se traducen en aumentos en la relación S/N de postdetección. Algunas de estas funciones g(. 2 2 pues n es un número entero. el cuantificador tendrá 32 niveles con una separación de 0. (m(t) = -10 V).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.938 V N 32 ∆Q = 14. el valor mínimo de m(t). la relación de postdetección S o / N o alcanza el valor de 6. El valor máximo de la relación S/N de postdetección será de 6.. al estudiar algunos esquemas de modulación de impulsos mediante portadora modulada.02n dB.. siendo el nivel de comparación igual a -10.4. Vamos a calcular todos los parámetros asociados. ∆Q = 2 Vmax 30 = = 0. β m = 10 Relación S/N de postdetección: Probabilidad de error óptima: So = N 2 = 1024 = 30. Ts = Se quiere que e max = 1 2f m ∆Q 2n = 0.90).05 ⋅ Vmax = 0.89). Más adelante volveremos sobre este tema. De (5.32 x10 −5 . Cálculo de otros parámetros: Ancho de banda de la banda de base: B = 2 nf m = 2 x5x5x10 3 = 50 kHz. la salida cuantificada correspondiente a una entrada de -10 V tiene el valor -9.) las veremos más adelante. sobre el umbral. de donde. La función g(. ♣ Ejemplo 5.) depende del esquema de modulación utilizado.02n dB. De (5. en la Sección 5. Se desea que la resolución o error máximo esté dentro del ± 5% del valor pico de la señal mensaje.531 V ≤ x q (mTs ) ≤ 14. De acuerdo con los datos.114). MODULACION Y TRANSMISION DE IMPULSOS La expresión (5.938 V entre niveles.313.531 V .531 V 2 de donde 2 n = 20 → n = 5.844 V (k = 11) y -10. El valor límite de S o / N o dependerá solamente del número n de impulsos de las secuencias PCM. por lo tanto. N = 2 n = 32 niveles.

34. a partir de la Fig. Se tiene entonces. la velocidad de información es Vi = Sea una señal m(t) como la mostrada en la Fig. Vamos a determinar todos los parámetros asociados y las formas de las secuencias PAMq RZ y PCM NRZ. 5.5 V. e max = 2 . Vqmax = valor máximo de la señal PAM cuantificada x q (mTs ) Vmax = valor máximo de la señal PAM muestreada x ( mTs ) ∆Q = error máximo o resolución ∆Q = paso de cuantificación. La frecuencia máxima de la señal es de 500 Hz. 5. 5. Vqmax = (N − 1)∆Q = (2 n − 1)∆Q . 5. Para un cuantificador uniforme unipolar. Como el sistema es Ts binario y no se especifica impulsos redundantes.39. ∆Q = Rq 2 Para que el cuantificador no se sature o recorte la señal.39(a). ♣ ♣ Ejemplo 5. la cual queremos codificar en PCM NRZ. Vmax = Vqmax + ∆Q ∆Q = (2 N − 1) . Este es un caso de cuantificación uniforme unipolar y las ecuaciones que caracterizan al cuantificador son ligeramente diferentes de las determinadas para cuantificación bipolar. la velocidad de modulación es de 50 kbaudios.18). se tiene. Fig. MODULACION Y TRANSMISION DE IMPULSOS log 2 N = 50 kbps . 2 2 N e max = y n son siempre números enteros (5.345 V.114) 0 ≤ m(t ) ≤ Vmax .39(a). 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. La amplitud de m(t) varía entre 0 V y 7 V con un error máximo tolerable de 0.9 De (4.

39(b) se muestra la forma de la señal PCM NRZ. 3 V. mientras que el bit de mayor peso (MSB) se transmite de último. (5. 5. 6 V. El mecanismo para disminuir la redundancia es el siguiente: en vez de codificar y transmitir cada muestra por separado. En la Fig. la señal de entrada al cuantificador es x (mTs ) = m(mTs ) − m(mTs ) siendo su salida x q (mTs ) = [ m(mTs ) − m(mTs )] q = x (mTs ) + e q (mTs ) donde e q (mTs ) es el error de cuantificación. Este esquema de modulación de impulsos se denomina “Modulación Diferencial de Impulsos Codificados. 5. MODULACION Y TRANSMISION DE IMPULSOS ∆Q = 0. 2Ts y 3Ts son. pero.40(a). 5. La información está contenida en esta diferencia. 101 y 010. Modulación Diferencial de Impulsos Codificados (DPCM) Cuando una señal de voz. 5.40 se muestra el diagrama de bloques funcional de un sistema (transmisor y receptor) DPCM. música o video se muestrea a frecuencias ligeramente superiores a la frecuencia de Nyquist. τ = s . respectivamente. Vi = n = 3 kbps Ts De la Fig.4. que en promedio la señal no varía demasiado entre una muestra y la siguiente. 110.3. comparado con el sistema PCM convencional. La eliminación de esta redundancia permite aumentar el rendimiento del sistema. es decir.01x10− 3 . En el transmisor. se observa que la variación de amplitud entre muestras adyacentes presenta una alta correlación. Cuando estas muestras son codificadas en PCM convencional. B = = 3 kHz 3 τ En el presente ejemplo. Ts = 1 ms. los valores de la señal PAM cuantificada x q (mTs ) en los instantes 0. el número de dígitos de los grupos de codificación será menor. esto es. su velocidad de información. el bit de menor peso (LSB) se transmite de primero.116) . En la Fig. f s = 2 f m = 1 kHz. 5 V y 2 V. respectivamente. Fig. ♣ 5. que corresponden a las secuencias binarias (de tres dígitos cada una) 011.115) (5. siguiendo la práctica usual.39(a).5 ⋅ V ∴ ∆Q = 1 V 2 ∆Q | m(t )|max = 7 = Vmax = (2 N − 1) ∴ N =8 y n=3 2 T 1 También. las muestras codificadas contienen información redundante que no es absolutamente esencial para la transmisión de la información. DPCM”. se codifica y transmite la diferencia entre dos muestras adyacentes. en la cual. Ts .346 V. e max = Peopt = 1.

Sistema de Modulación DPCM. mientras que en PCM convencional se necesitaría.116). por lo menos. x q ( mTs ) = m( mTs ) − m q [( m − 1)Ts ] valores discretos en el intervalo ∆Q ∆Q . entonces m(mTs ) representa la versión cuantificada de m(t) en el intervalo Ts anterior. es posible hacer una cierta inferencia acerca de sus valores futuros. y la señal x (mTs ) es el “error de predicción”. La red de retardo en el lazo de retroalimentación del transmisor se puede reemplazar por un filtro predictor. En la Recomendación G. y como m(mTs ) = m q [(m − 1)Ts ] . ~ La señal cuantificada será. 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. de (5. N = 256 = 28 (código de 8 dígitos) para tener una calidad comparable. La señal x ( mTs ) dada por (5. ≤| x q ( mTs )| ≤ ( N − 1) 2 2 { }q y tendrá Puede verse que si N > 2.117) ~ La señal m q (mTs ) es entonces la versión cuantificada de la señal de entrada muestreada ~ m(mTs ) . La señal m( mTs ) es entonces una “predicción de m(mTs ) ”. ~ m q (mTs ) = m(mTs ) + e q (mTs ) (5. 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.40.115) es la diferencia entre dos muestras consecutivas que una vez cuantificada y codificada dará origen a la señal DPCM.722 de la UIT-T se establece una frecuencia de muestreo de 16 .347 V. un sistema DPCM con N = 8 = 23 (código de 3 dígitos) es aceptable para transmitir una señal de video. 5. ya que es la cantidad mediante la cual el filtro de predicción falla en la predicción exacta de la entrada. 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. el ancho de banda de la banda de base se reduce en 3/8. pues si se conoce el comportamiento anterior de una señal hasta un cierto punto en el tiempo. ADPCM”. Por ejemplo. En este caso el sistema se denomina “Modulación Diferencial Adaptativa de Impulsos Codificados.115). la instrumentación en DPCM es tan compleja como en PCM convencional. En este caso particular.

duración τ y amplitud ±A. 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 . 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. pues.348 V. un “operador signo” mucho más sencillo de instrumentar que un cuantificador multiniveles convencional. Como consecuencia. El diagrama de bloques funcional de un sistema de modulación delta lineal es idéntico al del sistema DPCM mostrado en la Fig. 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. 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.4. y cuya salida es una señal en escalera que representa una versión cuantificada de la señal de entrada. utilizando ADPCM. MODULACION Y TRANSMISION DE IMPULSOS kHz con 14 dígitos binarios por muestra. 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. dependiendo del .40. cuando se muestrea a frecuencias normales ( f s ≥ 2f m ). puede ser importante y corresponder a un gran número de niveles de cuantificación. 5. es decir. la señal m(t) se compara con una aproximación en escalera de ella misma. el sumador y el operador signo se pueden instrumentar mediante un comparador. El cuantificador es. como el paso de cuantificación es constante y de valor ∆. 5. la información a transmitir de cada muestra se puede representar en forma binaria como el sentido de la variación respecto a la muestra precedente. se tiene el sistema de modulación delta lineal mostrado en la Fig. 5. La salida del comparador serán niveles de amplitud ± ∆ . 5. se dice entonces que éste es un sistema de modulación delta lineal.41.41. Modulación Delta Lineal (DM) En el esquema de modulación DPCM la diferencia de amplitud entre dos muestras adyacentes. Esto permite. comúnmente denominado “limitador estricto (hard limiter)”. Nótese la simplicidad en la instrumentación. 5.4. 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. con el cuantificador reemplazado por un operador signo. 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 . la diferencia de amplitud entre dos muestras adyacentes se cuantifica en dos niveles +∆ ó -∆.41(a). Fig. Asimismo. En el transmisor. m(t ) .

es bastante sencillo y consta de un integrador y de un filtro pasabajo. En aquellos puntos de m(t) en los cuales la pendiente es muy pequeña. lo que ocasionará que e(t) sea negativa y en el instante de muestreo siguiente se producirá un impulso de salida negativo resultando en un decremento de m(t ) en un escalón.42 se muestran todas las formas de onda en modulación delta lineal en operación normal. La información va contenida en la operación signo. 5.349 V. MODULACION Y TRANSMISION DE IMPULSOS signo de e(t). Formas de Onda en Modulación Delta Lineal. m(t ) se incrementa en un escalón de amplitud ∆ . .118) Esta es una secuencia binaria aleatoria bipolar de amplitud ± A.42. El receptor DM. m(t) m(t ) ∆ Ts x ∆ (t ) τ +A t -A Fig.41(b). se produce un impulso de amplitud A a la salida. 5. m(t ) tiende en promedio a m(t) y el valor promedio de x ∆ (t ) será cero. La situación se invierte cuando la pendiente es negativa. x ∆ ( t ) . En general. cuando este impulso se integra. variando la polaridad de los impulsos de salida. En la Fig. Esta estructura en retroalimentación minimiza la diferencia. Si e(t) es positiva en un instante de muestreo dado. tendrá entonces la forma x ∆ (t ) = n =−∞ ∑ A ⋅ sgn[m(nT ) − m(nT )] ⋅ Π( s s ∞ t − nTs ) τ (5. de modo que el valor promedio de la señal x ∆ (t ) es cero. Operación Normal. esta nueva m(t ) se vuelve a comparar con el m(t) actual. Fig. 5. si se cumple ciertas condiciones que veremos más adelante. la salida será de nuevo un impulso positivo y el integrador incrementará otro escalón. La señal modulada en delta. En algún instante m(t ) se hará mayor que m(t). Si e(t) no se ha vuelto negativa. hay aproximadamente igual número de impulsos positivos y negativos. se generan más impulsos positivos que negativos. que constituye la señal de error. Nótese que cuando la pendiente de m(t) es positiva. período Ts y duración τ .

120). . 5. Ruido Granular y de Sobrependiente en Modulación Delta Lineal. Si m(t) permanece constante.43. Cuando la diferencia es mayor que ∆.119) La pendiente máxima de m(t ) es ∆ / Ts . como se muestra en la Fig. Cuando m(t) cambia. 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.120) Ts La amplitud máxima de m(t) a partir de la cual se produce sobrependiente será. de (5. como se muestra en la Fig. m(t ) la sigue en forma escalonada mientras las muestras sucesivas de m(t) no sean mayores que ∆. El fenómeno de sobrependiente es una limitación básica en la modulación delta lineal. m(t ) ya no puede seguir a m(t) produciéndose el fenómeno de “sobrecarga o sobrependiente”. 5. de manera que el primer impulso de salida sea positivo. de ahí el nombre de “sobrependiente”. 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 ) . Cuando este impulso se retroalimenta a través del integrador. La pendiente (5. Arranque m(t) Ruido de Sobrependiente Ruido Granular ∆ Ts m(t ) Fig. 5. 5. se produce un incremento ∆ en m(t ) . 43. de modo que una condición suficiente para evitar la sobrependiente es que ∆ 2πf m A m ≤ = ∆ ⋅ fs (5. Este proceso continúa durante el “intervalo de arranque” hasta que m(t ) excede a m(t) y se produce un impulso negativo.350 V. El error o ruido granular se puede reducir aumentando la frecuencia de muestreo y/o disminuyendo la amplitud del paso de cuantificación ∆. Este tipo de sobrecarga no está determinado por la amplitud de m(t) sino más bien por su pendiente. Supongamos que inicialmente m(t ) < m(t ) . m(t ) exhibe un comportamiento de rastreo sobre m(t) lo que da origen al “error o ruido granular”. y se produce cuando la pendiente de m(t) es superior a la pendiente máxima de m(t ) .43.43. Vamos a determinar las condiciones necesarias para prevenir la sobrependiente.

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

8 ⋅ ⎢1 − ⎥ 2 ⎣ 2πf m A m ⎦ (5.8 ⋅ ⎢1 − r s ⎥ + ∆2 ⎪ r =⎨ 2π ⎦ 3 ⎣ No ⎪ 3 ⎪ ⎪ 2∆2 ⎩ r para ∆ r ⋅ Fs ≤ 2π (5. 5. de (5.127b) Generalmente se define el “Escalón o Paso Relativo.126) En cuanto a las potencias de ruido. 1 ⎧ ⎪ 5/ 2 2 ⎡ ∆ ⋅F ⎤ S o ⎪ 1.122). en dB. que s o (t ) = A m sen(2πf m t ) cuya potencia promedio es S o =< s 2 (t ) >= o A2 m 2 (5. La relación de postdetección So/No se puede expresar en términos de ∆ r y Fs .124) (5. es decir.352 V. Fs ” en la forma ∆r = f ∆ ∆ = y Fs = s A m | m(t) |max fm (5. en función del escalón relativo ∆ r para diferentes valores de la frecuencia de muestreo normalizada Fs . La salida del demodulador difiere de la entrada del modulador debido a la presencia del ruido de cuantificación (granular) n q (t ) y del ruido de sobrependiente n s (t ). MODULACION Y TRANSMISION DE IMPULSOS Veamos ahora la influencia del ruido en modulación delta lineal.125) Para simplificar el cálculo de la potencia promedio de la señal. donde ∆ rop es el “escalón relativo óptimo” correspondiente. En efecto. ∆ r es el inverso del rango dinámico RA .129) para ∆ r ⋅ Fs > 2π En la Fig. Nótese que la relación So/No es máxima cuando ∆ rop ⋅ Fs = 2π .44(a) se grafica la relación de postdetección So/No . que N oq =< n 2 (t ) >= q y N os =< 2 n s (t ) ∆2 3 5/ 2 (5. 1990].128) Nótese que. ∆ r ” y la “Frecuencia de Muestreo Normalizada.127a) ⎡ ∆ ⋅ fs ⎤ A2 >= m 1. 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 . 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. se demuestra [Schwartz.

Para valores pequeños del escalón ∆r. 5. que 2 f s = 2nf m o Fs = n .353 V. sobre el umbral. 5. el ruido de sobrependiente desaparece pero el ruido de cuantificación o granular aumenta. el mejor compromiso en modulación delta lineal es entonces el de aumentar la frecuencia de muestreo f s (o Fs ). vamos a suponer que ambos sistemas utilizan aproximadamente el mismo ancho de banda para transmitir una señal analógica cuya frecuencia máxima es f m . 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. si consideramos un sistema PCM de 8 dígitos binarios (n = 8) para transmitir una señal de f m = 4 kHz de ancho de banda. Si el ancho de banda del canal lo permite. Por consiguiente. Nótese que la relación So/No mejora aumentando la frecuencia de muestreo f s (para f m constante). la frecuencia de muestreo normalizada en DM es Fs = 8 .38(a) en PCM y la curva para Fs = 8 de la Fig. de (5.130) En la Fig. Esto implica.44(a) se puede notar el angosto rango de valores del escalón relativo en el cual la relación de postdetección es máxima. Nótese que. el ruido de cuantificación se reduce pero el ruido de sobrependiente aumenta rápidamente. donde Fs es la frecuencia de muestreo normalizada en modulación delta y n el número de dígitos por grupo de codificación en modulación PCM. el sistema PCM está por encima del valor óptimo del sistema DM en más de 43 dB.44(b) se relacionan los parámetros Fs y ∆ rop de tal manera que.44(a) en DM. reduce el ruido de cuantificación. 5. Por ejemplo. conocido un parámetro. el comportamiento en PCM es superior al de DM. Se puede comparar el comportamiento de los sistemas PCM y DM en términos de la señal y de la complejidad de instrumentación.128) y (5. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 3 = ⎢ ⎥ 2 ⎣ N o ⎦ max 2∆ rop (5. La comparación se puede efectuar observando la curva para n = 8 de la Fig. . mientras que a la izquierda domina el ruido de sobrependiente. a su vez. En la Fig. Esto. se puede estimar rápidamente. Para asegurar que la comparación se efectúa en idénticas condiciones. el valor del otro para máxima relación de postdetección So/No.101). Para valores altos. a partir de la gráfica. puesto que si se aumenta f s se reduce el paso o escalón ∆ requerido para mantener un nivel específico de ruido de sobrependiente. 5. para un mismo ancho de banda de la banda de base.

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

en general. una secuencia de impulsos PCM (RZ o NRZ) que se transmite por conductores metálicos u ópticos. 5. TRANSMISION DE IMPULSOS EN BANDA DE BASE 5. efecto conocido con el nombre de “interferencia intersímbolo”. la relación So/No en PCM es 32. Hay otros factores que intervienen también en menor grado en la degradación de la señal. la fluctuación de fase (“jitter”) y el desvanecimiento selectivo. La señal de banda de base será. Transmisión Binaria en Banda de Base. consideremos el modelo de un sistema de transmisión binario en banda de base mostrado en la Fig. 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 ) . 45. un sistema digital de banda de base es aquel que transmite información digital generalmente a bajas frecuencias y por canales pasabajo. El filtro H ( f ) de entrada al receptor debe ser diseñado entonces tomando en cuenta todos esos factores. Introducción ♣ En general. de densidad espectral S n ( f ) e independiente de la señal v(t). Para generalizar el enfoque. la información digital (secuencias de impulsos) se transmite tal como se genera.165 dB No Ancho de banda de la banda de base: B = 2 nfm = 64 kHz Para este caso particular.5.355 V. MODULACION Y TRANSMISION DE IMPULSOS Número de impulsos por grupo: Relación S/N de postdetección: n = 8 (típico) So = 2 2 n = 65536 = 48. entre otros la interferencia intercanal.5. El canal está modelado mediante un sistema lineal invariante en el tiempo de función de transferencia H c (f ) y una fuente de ruido aditivo n(t) que podemos suponer gaussiano. Esto lo haremos más adelante. sin ningún otro tipo de procesamiento o codificación que no sea digital. y (2) la degradación producida por el ruido n(t). 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.1. 5.3 dB superior a la de DM. (PCM) Fuente Modulador Binario "1" "0" Filtro de Transmisión H c ( f ) v(t) n(t) CANAL z(t) H T (f ) H(f) tn Reloj TRANSMISOR RECEPTOR Fig. que son los que pueden transmitir señales desde CC en adelante.45. . de valor promedio cero. pero solamente consideraremos la interferencia intersímbolo y el efecto del ruido. 5.

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

46(b). y los parámetros de interés. τ= TM T 1 = s = n nM 2nMf m . También puede lograrse la sincronización mediante métodos que veremos más adelante. Sistema Multiplex por División de Tiempo (TDM). 5. Para lograr esta sincronización. T 1 5. 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. Entonces. 5.46. 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. 5. lo cual permite un control exacto de la sincronización. El período de base Ts corresponde al intervalo de Shannon y el conjunto de impulsos en él incluidos se denomina “trama”. TM = s = = τ + τg M 2 Mf m y en PCM / TDM.47 se muestra el entrelazamiento de M canales en PCM/TDM y PAM/TDM.357 V. En la Fig.47. 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. de la 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. en algunos sistemas se transmite impulsos especiales de sincronización. 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. En el receptor.

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

5. es decir. los impulsos que pueden estar bien separados en el punto de origen.48(a). aunque las colas de los impulsos. Esta dispersión se denomina “interferencia intersímbolo” y es de particular importancia en sistemas PCM/TDM NRZ. Esto significa que si se dispone de un ancho de banda B. 5.48(a). persistan durante varios intervalos. No obstante. ±2. la expresión (5.131b). MODULACION Y TRANSMISION DE IMPULSOS La cuestión de si el ancho de banda debe ser calculado de acuerdo con (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.131b) marca el límite teórico del ancho de banda y está de acuerdo con la frecuencia de Nyquist. Los filtros reales deben aproximarse a esta característica ideal pero deben poseer las siguientes propiedades. 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 . Este perfil. para que no se produzca interferencia intersímbolo: (a) que los ceros del impulso .131b) o en cualquiera otra forma. algunas veces llamadas “ecos”. los impulsos recibidos tendrán la forma mostrada en la Fig. En estos casos no se produce interferencia intersímbolo.. en cuyo caso se tiene la relación duración-ancho de banda dada por (5. como sabemos. mostrado en la Fig. donde a n = 0 ó 1. efecto que puede introducir una cierta incertidumbre respecto al instante de muestreo y producir distorsión a pesar de no existir interferencia intersímbolo. pero más importante es el efecto de la amplitud de las colas.131a) o (5. resultaría en distorsión de intermodulación. a esto hay que agregar otros factores como el perfil del impulso y el método de detección en el receptor. dependerá de la dispersión permisible de un impulso sobre los impulsos adyacentes.. como se muestra en la Fig. y τ es la duración de los impulsos.48(a) o (b) para una secuencia binaria NRZ 1 1 0 1 1. Nótese lo cercanos que están los impulsos en la Fig. se puede transmitir teóricamente 2B símbolos por segundo.359 V. n = 0. La cantidad de interferencia depende del ancho de banda del canal. 5. Esto resulta así cuando los impulsos recibidos tienen la forma a n sinc[(t − nτ ) / τ ] ..48(b). si el ancho de banda del canal es demasiado pequeño. en efecto. establecidas por Nyquist. no es físicamente realizable. en este caso la situación ha mejorado pero ésta seguiría siendo la salida de un filtro pasabajo ideal que. 5. ±1. presentarán una gran dispersión cuando llegan al receptor y se solaparán con los impulsos adyacentes. 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.. B = 1/τ. pues resulta en distorsión cruzada o de intermodulación.

H (f ) = 1 ⎡ f πf ⎤ sinc(2Bt) ⎢1 + cos( B )⎥ ⋅ Π ( 2B ) ⇔ h(t) = 2B ⎣ ⎦ 1 − (2 Bt ) 2 En la Fig. 5. (b) que la amplitud de las colas o lóbulos laterales sea muy pequeña. por ejemplo.45. . H c ( f ) y H ( f ) deben ser diseñados conjuntamente de acuerdo con el esquema de modulación utilizado y las normas técnicas aplicables. y si el canal tiene un ancho de banda B. En la Fig. que corresponde a la expresión (5. 2. entonces los impulsos recibidos tendrán la forma mostrada en la Fig.20. El costo que hay que pagar es que se podrá transmitir solamente B símbolos por segundo. Esto es así porque las colas en el filtro de Nyquist decrecen con 1/t3.48(a). son: para la primera forma del Filtro de Nyquist.49 y no se producirá interferencia intersímbolo. Esto significa. pero sin las indeseables colas de los impulsos. donde B = 1/τ . mientras que las colas de la Fig. el primer cero de h(t) estará en t = 1/B y la amplitud de las colas prácticamente es despreciable. en relación con la Fig.360 V. Un sistema que cumple con estas características es el Filtro de Nyquist. En resumen. 5.48(a) o (b) decrecen solamente con 1/t. Nótese que la forma de la salida del filtro de Nyquist tiene características similares a las de la salida ideal mostrada en la Fig. se muestra la forma de H(f).131a). Capítulo II. donde H (f ) = 0 para | f | > B . que los sistemas H T ( f ).29(a). En este caso es necesario colocar redes ecualizadoras en los dos extremos del canal. La incertidumbre respecto a los instantes de muestreo es menor y no se produce interferencia intersímbolo. 5. 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. Igual razonamiento se aplica para la segunda forma del Filtro de Nyquist. 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 . sin embargo. 5. 5. determinadas en el Ejemplo 2. cuyas características. MODULACION Y TRANSMISION DE IMPULSOS recibido pasen por los instantes de muestreo adyacentes. y (c) que el ancho de banda máximo del impulso sea B ≤ 1/ τ . y si B = 1/ τ . donde τ es su duración. que en la práctica las características de los canales son muy variadas y por lo general no pueden ser modificadas.49 se muestra la secuencia de impulsos NRZ 1 1 0 1 1 recibida cuando se aplica el criterio de Nyquist. Nótese.

el código de línea debe satisfacer la “condición del prefijo”. se calculan las densidades espectrales de potencia de algunos de estos códigos. Mientras algunos sistemas pueden transmitir directamente en binario natural.2. 4. En el Capítulo III. entre otras. La señal codificada debe poseer muchas transiciones o cruces por cero. MODULACION Y TRANSMISION DE IMPULSOS 5. con las siguientes condiciones: 1. otros convierten las secuencias binarias originales en nuevas secuencias binarias. deberá ser cero en los bordes de la banda y máximo en el centro de la misma. se determina la densidad espectral de algunos códigos de línea. En la Fig. además de demandar potencia adicional. Además de los aspectos puramente técnicos. Estas formas tienen algunas ventajas en términos de facilidad de procesamiento y sincronización. Sección 3. Es muy difícil que un solo código pueda satisfacer todas las condiciones anteriores. hay que tomar en cuenta el aspecto económico. Es deseable que el código sea fácil de generar y detectar a fin de reducir la complejidad y costo del sistema. Que las señales de temporización puedan ser fácilmente extraídas de la señal recibida. es decir.50 se muestra algunos de los códigos de línea utilizados en la práctica. El código debe ser eficiente para aprovechar al máximo la capacidad del canal y ser inmune a las interferencias y ruido. los códigos de línea deben cumplir. Códigos de Línea Hasta ahora hemos supuesto que las señales PCM transmitidas estaban codificadas en binario natural con o sin retorno a cero. ninguna “palabra” del “alfabeto” utilizado debe ser la primera parte de otra palabra. En el Capítulo III. 5.4. lo cual produce una elevada tasa de errores.5. esto es. los cuales complican los circuitos de control automático de ganancia en el receptor. 5.9. aunque la señal original contenga largas secuencias de UNOS o CEROS. El espectro deberá estar contenido dentro de una banda restringida. En general.2. Para ello. Que la señal codificada pueda ser descodificada unívocamente para permitir la recuperación fiel de la secuencia original. la presencia de componentes continuas produce impulsos unitarios periódicos en el espectro. También es deseable que la descodificación pueda realizarse inmediatamente luego de recibida la secuencia.361 V. produce “derivas” en la línea de base de la señal.9. denominadas “Códigos de Línea”. Que la amplitud de la componente continua sea lo más pequeña posible. Por otro lado. Que el contenido espectral sea el más adecuado según las características del medio de transmisión. 2. requerimientos de ancho de banda. y otros factores. . 6. 3. y la selección de un determinado código va a depender de su aplicación. La componente continua. Sección 3. De esta manera se asegura una mayor confiabilidad.

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

. pero pronto emergieron las técnicas PCM que ofrecían una mejor . computadoras. 5.363 V. por ejemplo. Sin embargo. El Sistema Bell T1 fue inicialmente diseñado para que fuera compatible con los sistemas de comunicación analógicos existentes. 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. Estos equipos habían sido diseñados principalmente para los enlaces telefónicos intercentrales. los “datos” son señales digitales generadas por máquinas: terminales. en general. y cuyas velocidades de información van desde unos pocos bps hasta los Gigabps.51. desarrollado por la Compañía Bell de los Estados Unidos a principios de los años 60 para interconectar centrales telefónicas separadas hasta 80 km. teletipo. telex. 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. ♣ Ejemplo 5. etc. fundamentalmente no hay ninguna diferencia. Conviene señalar aquí que. Jerarquías en los Sistemas de Transmisión de Datos. entre una señal de voz digitalizada en PCM y una señal digital producida por un terminal de datos.12.

5. y treinta para los canales de Voz/Datos. la duración de la multitrama es de 1. tiene una duración de 2 ms. En el Sistema T1 se agrupan las tramas para formar multitramas de 12 tramas cada una.24(b).52(A) se muestra la configuración de la Trama T1. con 8 dígitos por canal para un total de 256 dígitos por trama. la señal T1 no contiene una componente continua y su espectro tiene la forma mostrada en la Fig. aunque en la práctica se dice 1544 kbps. En el Sistema T1 básico se multiplexan 24 señales de voz que forman la llamada Trama T1. En la Fig. La duración de la trama es de 125 µseg y la de cada dígito de 0. La velocidad de señalización para cada uno de los 24 canales será entonces de 1333 bps. La sincronización por canal se incorpora en la Trama T1 reemplazando el octavo dígito binario (el menos significativo en cada uno de los 24 canales) por un dígito de señalización cada seis tramas. la multitrama. . Además.733 de la UIT-T. está formado por 32 canales. La trama contiene 32 ranuras de tiempo RT de las cuales dos son para señalización y alineación. Fig. Formato de la TRAMA T1 µseg El Sistema Troncal E1 El sistema E1. el primer cero del espectro está a una frecuencia de 1544 kHz y el valor máximo está a 772 kHz. La duración de cada trama es de 125 microsegundos. la velocidad de la trama E1 es de 2048 kbps. La trama contiene entonces 193 dígitos y la frecuencia de señalización es de 1544 kHz.364 V. de acuerdo con la Recomendación G. 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. TRAMA T1: 193 dígitos. 3.5 mseg. 5. 5. formada por 16 tramas. La señal de banda de base en T1 es una secuencia AMI RZ de valores ± 3V sobre una resistencia de 100 Ohm. El dígito de sincronización de trama en la multitrama tiene la forma 1 0 0 0 1 1 0 1 1 1 0 0 y se repite en la multitrama siguiente.52(B)). En consecuencia. siendo 488 nanosegundos la duración de cada dígito. se utiliza el Código de Línea HDB3 RZ.6477 µseg.647 (*) Dígito de Sincronización de Canal (cada sexta trama) Fig. MODULACION Y TRANSMISION DE IMPULSOS inmunidad al ruido y a medida que avanzaba la tecnología de los circuitos integrados. denominado también CEPT-1 PCM-30 (es el Nivel 1 de la Jerarquía Europea. el período de cada ranura es de 3906 nanosegundos. 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. los costos de los equipos digitales se hicieron cada vez más bajos que los analógicos. Como la frecuencia de muestreo es de 8000 muestras por segundo. 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.52(A).

Formato de la TRAMA E1. en las ranuras RT0 y RT1. La palabra de alineación de trama tiene la forma 0011011 y va en la ranura de tiempo RT0 de las tramas pares.365 V.732 de la UIT-T establecen todos los requerimientos para un comportamiento satisfactorio del sistema. 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. 3 y 18. en este caso las velocidades de transmisión son de 1. Las tramas siguientes T2. Las Recomendaciones G. respectivamente. además de una indicación de alarma. MODULACION Y TRANSMISION DE IMPULSOS Una Trama. En el formato CEPT-1. G.……. 4 y 19.52(B). Un dígito de la misma ranura contiene el Dígito Internacional I.5 kbps y 28 kbps con los dígitos I y N. llevan en la correspondiente ranura la información de señalización de los canales 2 y 17. La señalización para los canales 1 y 16 va en la ranura RT16 de la trama T1.711. sin embargo.……. algunas veces se pueden utilizar para transmitir información adicional. . Esta señal se utiliza para permitir que cada trama sea reconocida en el receptor. las informaciones de alineación y de señalización van en las dos primeras tramas. 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. Cuando los dígitos I y N no se utilizan. 256 dígitos. 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. T15.712 y G. T3. Las tramas impares llevan información de Señalización Nacional e Internacional. se suele ponerlos a UNO. 5.. respectivamente.15 y 30.

la verdadera situación es mucho más complicada. pero en vez de definirse una relación S/N que tenga en cuenta la influencia de los errores sobre la señal transmitida. se prefiere más bien definir la probabilidad de errores en la decisión.366 V. En realidad. En relación con los efectos del ruido. se necesita una señal de reloj que esté sincronizada con la señal de reloj en el transmisor. en los instantes de muestreo t n . la operación de detección consiste esencialmente en una toma de decisión en los instantes de muestreo t n . . como veremos en su oportunidad. lo que es lo mismo. Esta decisión se basa en un criterio más o menos elaborado.53 se muestra el modelo de un receptor binario en banda de base. si se ha recibido el estado “CERO” o el estado “UNO”. 5. pues el canal contribuye no solamente a modificar el perfil de la señal recibida.6.53. El mecanismo de recepción en un receptor binario consiste fundamentalmente en procesar en alguna forma la señal recibida y decidir. 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. 5. RECEPCION DE IMPULSOS EN BANDA DE BASE 5. probabilidad que caracterizará en mayor o menor grado la calidad de la señal. Este problema de sincronización de temporización lo trataremos más adelante. el procesamiento previo al muestreo debe ser tal que el valor muestreado sea el más probable de producir una decisión correcta y esto implica disminuir los efectos indeseables del ruido aditivo o. un buen diseño de los filtros es esencial. muestra a muestra y de acuerdo con algún algoritmo preestablecido. El receptor digital consta básicamente de un filtro lineal o filtro receptor. relativa al estado (“CERO” o “UNO”) del impulso binario recibido en esos instantes. alternativamente. Introducción Las características de la señal recibida dependen tanto del perfil de la señal transmitida como de las características físicas del canal. sino que aporta también una cantidad de ruido aditivo de densidad espectral S n (f ) . Sin embargo. aumentar la relación S/N a la salida del filtro receptor. MODULACION Y TRANSMISION DE IMPULSOS 5. zo (t ) = v o (t ) + n o (t ) Muestreador Elemento "1" de Decisión "0" v(t) z(t) Filtro Receptor n(t) CANAL H (f ) ⇔ h(t) tn Salida Digital (PCM) Reloj RECEPTOR Fig. que corresponden a los dos estados de la señal binaria v(t). Para la generación de los instantes de muestreo t n en el receptor. un muestreador de retención y un elemento de decisión o detector que decide.1. qué estado fue transmitido. Receptor Binario en Banda de Base.6. La influencia del ruido introduce errores en las decisiones tomadas. En la Fig. 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. El impulso transmitido puede ser en coseno elevado y el canal un filtro pasabajo. En general.

Este reconocimiento puede efectuarse con gran precisión. el segundo término es el ruido no(to) cuya potencia es < n 2 ( t o ) >= o ∫ ∞ −∞ S n ( f )| H ( f )|2 df .133) (5. Una propiedad muy importante del filtro acoplado es que maximiza la relación S/N a su salida. posición o duración del impulso) más o menos alterada por el ruido. 1988]. donde V(f) es la transformada de Fourier de v(t) y H(f) la función de transferencia del filtro receptor. En efecto.134) verificándose la igualdad si y solamente si donde k es una constante cualquiera y g ∗ ( x) es el conjugado de g(x). 5.132) se puede escribir en la forma 2 ∫ V(f )H(f ) exp( j2πt −∞ ∞ 2 o f )df = ∫ [ −∞ ∞ ⎡ V(f ) exp( j2πt o f ) ⎤ H ( f ) ⋅ S n ( f ) ⋅⎢ ⎥ df S n (f ) ⎢ ⎥ ⎣ ⎦ ] Esta representación es posible porque Sn(f) es par y positiva para todo f. Reemplazando esta expresión en (5. MODULACION Y TRANSMISION DE IMPULSOS La demodulación binaria ya no es entonces el reconocimiento de una “forma” (amplitud. cuando la señal de entrada z(t) al filtro receptor es la suma de una señal v(t) más un ruido aditivo n(t).367 V. Fig. que forma un tren de impulsos de período τ. Una demostración muy sencilla de la desigualdad de Schwartz se encuentra en [ Roden M. Para maximizar ρ. se aplica la “desigualdad de Schwartz”. 5. donde S n (f ) es su densidad espectral de potencia. 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 . pues para relaciones S/N de entrada razonables. 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 ∫ ∞ (5.2.132) y con ayuda de la desigualdad de Schwartz. Nótese que la señal v(t) es un impulso de cualquier perfil y de duración τ. Para maximizar ρ. 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.. la cual establece que si f(x) y g(x) son dos funciones complejas. sino más bien el reconocimiento de una “presencia”: el estado “CERO” o el estado “UNO”. S. entonces ∫ 2 f (x)g(x )dx ≤ ∫ | f (x)| 2 dx ⋅ | g (x )|2 dx f (x) = k ⋅ g * (x) ∫ (5. En este caso el filtro receptor pasará a denominarse “filtro acoplado”. la probabilidad de error es muy pequeña.6. El Filtro Acoplado El filtro acoplado es una técnica para el procesamiento de una señal digital en presencia de ruido.53. el numerador de la expresión (5.

Por consiguiente. es decir. 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. 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. Nótese que (5. En consecuencia. ρ ≤ ∫ ∞ −∞ | V( f )|2 df = 2 η ∫ ∞ −∞ | v( t )|2 dt = 2 Eb η (5. vo(t).141b) En esta forma.139) Esta es la función de transferencia del filtro acoplado. El valor máximo de ρ será entonces ρmax = ρmax = | V(f )|2 df −∞ Sn (f ) ∞ ∫ (5. es decir. Si suponemos que el ruido es blanco de densidad espectral η/2.141a) η η Para simplificar (5. tendrá una duración de 2τ segundos.134). El lector puede verificar fácilmente que la respuesta impulsional del filtro acoplado es h(t ) = (2 k / η) v( t o − t ) . con un valor máximo . k = η/2. pero como v(t) es un impulso de duración τ. h(t ) = v( τ − t ) ⇔ H(f) = V(-f)exp(-j2 πτf) (5. se tiene H (f ) = k ⋅ V(− f ) exp(− j2πt o f ) S n (f ) (5. se toma este valor para to. y con la ayuda del Teorema de Raleigh.368 V.137) (5. H (f ) = 2k V(− f ) exp(− j2πt o f ) η (5. tanto v(t) como h(t) tendrán una duración de τ segundos.136) es válida únicamente si el ruido es blanco.135) Si el ruido es blanco de densidad espectral η/2.141a) se puede hacer (2k/η) = 1. entonces 2k 2k h(t ) = v( τ − t ) ⇔ H(f) = V( − f ) exp( − j2 πτf ) (5. que es la convolución de v(t) y h(t).138) 2 Eb η si el ruido es blanco Este valor máximo se obtiene a partir de la condición (5.136) donde Eb es la energía del impulso v(t).140) Nótese que esta función de transferencia puede no ser físicamente realizable.

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 ) . entonces z o (τ ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t ' )dt ' −∞ ∞ La suma [v(t) + n(t)] se inicia en t = 0. la salida total del filtro acoplado se puede determinar mediante convolución. Los filtros óptimos son de gran aplicación en sistemas de radar y en la detección de señales digitales tanto en banda de base como en portadora modulada. de donde 0 τ ∫ τ 0 v 2 (t )dt = E b (5. MODULACION Y TRANSMISION DE IMPULSOS en t = τ y simétrica respecto a t = τ. entonces z o (τ ) = ∫ v( t) n( t)dt = 0 . que es equivalente a la Fig. la salida del impulso anterior termina y es cero cuando t = τ. que veremos más adelante.53. de donde z o (t ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t '+ τ − t )dt ' −∞ ∞ Puesto que t = τ en el instante de decisión.369 V. En forma similar. Si se trata de un tren de impulsos. 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. En efecto. La probabilidad de una decisión correcta es entonces la óptima y por esta razón a los filtros acoplados se les denomina también “filtros óptimos”. el impulso de salida siguiente se inicia y tiene un valor cero en t = τ. es decir. El filtro acoplado se puede considerar también como una forma de correlador. 5. en los instantes de muestreo t n no ocurre interferencia intersímbolo. 5.54. y v(t) = 0 para t > τ. La expresión (5. 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).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. .136). Por lo tanto.142a) pero como v(t) y n(t) no están correlacionados.142a) se puede instrumentar entonces en la forma mostrada en la Fig.

Esto. para la secuencia de entrada AMI NRZ 1011. 5.55(c).. 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.136). ♣ Ejemplo 5.54. 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 ) . El comportamiento de los sistemas de modulación digital en presencia de ruido dependerá del método de detección empleado. a su vez. 5. 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.370 V. la salida del filtro tendrá la forma mostrada en la Fig. en la que se indica también los instantes de muestreo de la señal.55(d). t−τ/2 ) . 5. se supone que k = η/2. Por ejemplo.55(b). 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. Receptor Digital Correlador. 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.55(a).55(e). Nótese que en este caso en particular. está asociado con la presencia de un filtro acoplado colocado antes del elemento de decisión. v(t) y h(t) tienen el mismo perfil. . de (5.13 t−τ/2 ) .141b). 5. como se τ muestra en la Fig. La relación S/N máxima a la salida del filtro acoplado será. El impulso de entrada a un filtro óptimo tiene la forma v ( t ) = AΠ ( La respuesta impulsional h(t) se muestra en la Fig. la cual se muestra La señal de salida del filtro será v o ( t ) = h(t ) ∗ v(t) = A 2 τΛ ( τ en la Fig. 5. De acuerdo con (5. mostrada en la Fig. Nótese que v o ( t ) es máxima para t = τ.

La modulación digital se realiza con un dispositivo denominado “MODEM” (de las palabras MOdulador y DEModulador) en el cual los impulsos PCM modulan la amplitud. Los filtros H T (f ) y el filtro receptor están incorporados en el Modem y su diseño está integrado al mismo de acuerdo con la aplicación y normas correspondientes.55. Si la transmisión se efectúa por un canal telefónico de 4 kHz de ancho de banda. las magnitudes moduladas tomarán también dos valores. en efecto. En la Fig. los impulsos modulan una portadora sinusoidal cuya frecuencia es compatible con el medio de transmisión utilizado. Por ejemplo. microondas. Introducción Los impulsos digitales producidos por los diferentes sistemas vistos en este capítulo. sino en forma de una señal modulada en forma analógica. generalmente no se transmiten a gran distancia en la forma de señal de banda de base. 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.371 V.56 se muestra los modelos para la transmisión y recepción de señales binarias mediante portadora modulada y en la Fig. de ahí que a estos procesos se les denomina también “técnicas de modulación binaria”. (e) Secuencia de Salida del Filtro Optimo ♣ 5. la portadora. fibras ópticas. la frecuencia de portadora está entre 1 y 2 kHz. . El “canal” puede ser un canal telefónico. un canal de radio (HF.). conductores metálicos (cable coaxial o par trenzado). TRANSMISION Y RECEPCION DE SEÑALES BINARIAS MEDIANTE PORTADORA MODULADA 5. este tipo de transmisión se denomina “transmisión binaria mediante portadora modulada”. 5. Como la señal PCM es una secuencia de impulsos binarios (2 estados). la frecuencia o la fase de una señal sinusoidal. así como las señales de datos de terminales digitales y dispositivos afines. 5.7.57 la forma de las señales binarias moduladas. rayos infrarrojos o láser. pero en un enlace de microondas la frecuencia de portadora puede alcanzar la gama de los Gigahertz.7. 5. en un enlace de HF la frecuencia de portadora puede ser de unos cuantos Megahertz.1. etc.

MODULACION Y TRANSMISION DE IMPULSOS Las formas básicas de la modulación binaria mediante portadora modulada son: 1. FSK y PSK para la secuencia binaria dada. La forma de la señal DPSK básicamente es idéntica a la de PSK. FSK. . ASK) 2. La Modulación Binaria de Fase (Phase-Shift Keying. Señales Binarias Moduladas ASK.57 se muestra la forma de las señales moduladas ASK. 5. PSK) 4. La Modulación Binaria Diferencial de Fase (Differential PSK. FSK) 3. La Modulación Binaria de Amplitud (Amplitude-Shift Keying. Hay otros métodos más avanzados de modulación pero no los trataremos aquí.57. FSK.56. La Modulación Binaria de Frecuencia (Frequency-Shift Keying.372 V. 5. PSK Fuente Modulador "1" Digital "0" tn Reloj TRANSMISOR CANAL (a) Transmisión Binaria v(t) z(t) Filtro de Entrada ASK. FSK y PSK (DPSK). 5. DPSK) (PCM) ASK. Transmisión y Recepción Binaria mediante Portadora Modulada En la Fig. 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. (a) Secuencia Binaria (b) ASK (OOK) (c) FSK (d) PSK (DPSK) "1" "0" "1" "1" "0" "0" "0" "1" t Tb t t Fig.

Este proceso se muestra en la Fig. una vez recuperada mediante filtrado. 5.2. cos(2πf c t + φ ) la portadora transmitida. Esta situación encarece y complica el sistema. generada localmente. La información de fase se puede obtener a partir de una portadora piloto superpuesta a la señal modulada que.7. que ∆f = 0 y φ o = φ .58(a) y ya lo aplicamos en el Capítulo II. pero el sincronismo de fase es más difícil de alcanzar. puede utilizarse circuitos especiales para lograr la sincronización a partir de la señal recibida. 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. Los dispositivos de sincronización en el receptor deben lograr la coherencia entre las dos portadoras. la frecuencia y la fase de la portadora local deben ser idénticas a las de la portadora de transmisión. la demodulación sincrónica o coherente se utiliza pues es . sino que posee atributos comunes a ambas áreas. Problema de Aplicación 2. si la portadora generada localmente fuera de la forma 2 cos[2π(f c + ∆f ) t + φ o ] . Para evitar esta atenuación de la señal. Métodos de Demodulación o Detección de Señales Moduladas Sea. Hay que hacer notar que con osciladores de gran precisión puede mantenerse la igualdad entre las frecuencias.373 V. La “Demodulación Sincrónica o Coherente” 2. la modulación digital no es un proceso ni puramente digital ni puramente analógico. Demodulación y Sincronización de Señales Binarias Moduladas Métodos de Demodulación Como mencionamos brevemente en el Capítulo II. 5. 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. puede utilizarse para sincronizar el oscilador local. estas señales digitales pueden ser tratadas con los métodos teóricos desarrollados en el Capítulo II aplicables a las señales moduladas y particularmente a la demodulación o extracción de la señal mensaje portadora de información. Como veremos más adelante. particularmente en transmisión a grandes distancias. La “Detección de Envolvente” La demodulación o detección sincrónica o coherente consiste simplemente en multiplicar la señal modulada recibida por la portadora. hay esencialmente dos métodos comunes de demodulación o detección de señales moduladas con portadora sinusoidal: 1. Sin embargo. 3. y mediante filtrado pasabajo se obtiene la señal original portadora de información.28. sin embargo. MODULACION Y TRANSMISION DE IMPULSOS Como la señal digital se convierte en una señal analógica (por efecto de la multiplicación por una señal sinusoidal). por ejemplo.58 . es decir.

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

5. que veremos en el Capítulo VI. En la Fig. En muchas aplicaciones esta componente de auto-ruido es mucho más pronunciada que el . 5. En cuanto a la temporización. Entrada Modulada Entrada Modulada Salida Demodulada Detector Coherente fc . MODULACION Y TRANSMISION DE IMPULSOS Trama M Canales 1 m M 1 Canal Canal N Dígitos 1 n Dígito 3 N 2 Detector Coherente Filtro Receptor Filtro Pasabajo Muestreador Elemento de Decisión "1" "0" fc . Sincronización de Portadora y Temporización. φ c Sincro Portadora tn Sincro Temporización Salida Binaria frecuencia f c. el proceso de extracción de la temporización se efectúa operando sobre la señal demodulada. Estos circuitos de sintonización de portadora no solamente se utilizan en los sistemas digitales sino también en los sistemas de modulación de ondas continuas. causada por interferencia intersímbolo y ruido en el sistema.59. la señal de reloj está afectada por fluctuación de fase (jitter). 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. En general.375 V.60. φ π/2 VCO Filtro Pasabajo Filtro Pasabajo Filtro Pasabajo Canal Canal Salida Demodulada Detector Coherente fc . llamada también “auto-ruido”. 5.60 se muestran dos circuitos de sincronización de portadora muy utilizados en la práctica: el sincronizador cuadrático y el denominado Lazo de Costas. fase φ c Portadora 4 (a) Niveles de Sincronización (b) Localización de los Sincronizadores de Portadora y Temporización Fig. Circuitos de Sincronización de Portadora. 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.

Modulación Binaria de Amplitud (ASK) En la modulación binaria de amplitud ASK. 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.57(b) para la secuencia binaria dada. y “Espacios” que representan el estado “0”. 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. el estado “0” se puede transmitir como una amplitud de cero volts. como veremos más adelante. 1993. por lo tanto. llamados “Marcas”.61 se muestra un circuito de sincronización de temporización. Por ejemplo. Este tipo de modulación se conoce también con el nombre de “modulación OOK (On-Off Keying)”.61. Esta decisión reposa sobre un criterio más o menos elaborado.143) donde si se transmite un "1" si se transmite un "0" A y fc son la amplitud y frecuencia de la portadora. Tb es el intervalo de 1 . Sincronización de Temporización. 5. 1980]. . 5. MODULACION Y TRANSMISION DE IMPULSOS mismo ruido gaussiano. En general. la amplitud de la portadora sinusoidal se conmuta entre dos valores en respuesta al código PCM.376 V. como se muestra en la Fig. mientras que el estado “1” se transmite como una señal sinusoidal de amplitud fija A volts. incluidos los PLL. La señal ASK resultante consiste en impulsos modulados.3. 5. se puede hallar en cualquier texto de electrónica [Miller. 5. respectivamente. El análisis detallado de los circuitos de sincronización anteriores. el diseño óptimo de los circuitos de sincronización es. se verifica que f c >> f b = Tb f b es la frecuencia de señalización. que representan el estado “1”. 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. Gardner y Lindsey. En la Fig. muy importante para el desempeño global del sistema. donde señalización y φc un desfase inicial constante.7. la cual es igual a la velocidad de modulación Vb.

De acuerdo con el teorema de la modulación para señales de potencia.171). Pero como < A 2 (t ) >= R A (τ )|τ = 0 = . Por consiguiente. expresiones (3. Fig. B = 2f b = 2 Tb (5. x ASK (t ) = A (t ) ⋅ cos(2πf c t ) donde A (t ) = A (5. respectivamente.62.9.144) (5. En el Capítulo III. sea B el ancho de banda que comprende el lóbulo principal de S ASK (f ) .170) y (3. 5. entonces 2 2 A2 < x 2 (t ) >= ASK 4 < x 2 (t ) >= ASK La potencia promedio de entrada o “potencia de portadora” de una señal ASK a la entrada del detector será Si = A2 4 (5. R A (τ ) = A2 τ A2 f [1 + Λ ( )] ⇔ S A (f ) = [δ (f ) + Tb sinc 2 ( )] 4 4 Tb fb De la expresión (1. Sección 3.146) Para calcular la potencia de ruido es necesario conocer las características espectrales de la señal ASK.377 V. 5.147) y tendrá la forma mostrada en la Fig. la potencia promedio de la señal x ASK (t ) es 1 A2 < A 2 (t ) >.62 (frecuencias positivas solamente). la densidad espectral S ASK (f ) de x ASK (t ) será S ASK (f ) = 1 [S A (f + f c ) + S A (f − f c )] 4 S ASK (f ) = A2T ⎡ f+f f−f ⎤ A2 [δ (f + f c ) + δ (f − f c )] + 16 b ⎢sinc 2 ( f c ) + sinc 2 ( f c )⎥ 16 b b ⎦ ⎣ (5. En cuanto al ancho de banda en ASK. demostramos que la función de autocorrelación y la densidad espectral de una secuencia aleatoria binaria unipolar NRZ de amplitud A eran. 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).148) .2.113).145) n =−∞ ∑ b ⋅ Π( i ∞ t − nTb ) Tb es una secuencia aleatoria binaria unipolar NRZ de amplitud A.

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

En la Fig.152) donde A. A la entrada del detector coherente se tiene la señal ASK más ruido blanco pasabanda de banda angosta y densidad espectral η/2. 5. MODULACION Y TRANSMISION DE IMPULSOS este valor No lo usaremos muy poco para no confundirlo con una potencia de ruido No. (5. Con el fin de comparar el comportamiento de los diferentes sistemas de modulación binaria sobre una referencia común.42). Este valor de γ lo utilizaremos como referencia para comparar las probabilidades de error de los diferentes sistemas de modulación binaria. 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.151) Esta expresión muestra que la relación señal/ruido es el producto de dos cantidades muy significativas.153b) Demodulación Coherente de Señales ASK La razón principal de la modulación digital ASK es su simplicidad. Como veremos más adelante.63 se muestra el diagrama de bloques de un receptor ASK con demodulación coherente. fb y η son parámetros comunes a todos los sistemas en consideración. γ” [Schwartz y otros. La relación S/N en ASK se puede escribir entonces en la forma ⎡ Si ⎤ γ = ⎢ ⎥ ⎣ N i ⎦ ASK 4 y en dB. Eb depende del tipo de modulación empleado. x ASK (t ) = A (t ) cos(2πf c t + φ c ) n (t ) = n c (t ) cos(2πf c t + φ c ) − n s (t ) sen(2πf c t + φ c ) donde φ c es un desfase constante.153a) ⎡S ⎤ +⎢ i ⎥ ⎣ N i ⎦ ASK( dB) [ γ ]ASK(dB) = 6. 1966] en la forma A 2 Tb A2 γ= = 2η 2ηf b (5. La relación ηB = Vi/B es el rendimiento de trtansmisión del canal respecto al ancho de banda B. y es una medida del ancho de banda requerido para una velocidad de información dada. Estos conceptos los utilizaremos posteriormente. expresión (4. 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. se define la “Relación Señal/Ruido Normalizada.02 dB (5. vamos a investigar el comportamiento de la demodulación coherente más que todo para propósitos de comparación y fijación de conceptos. . es decir. pero la demodulación coherente es poco utilizada debido a los problemas de sincronización de portadora y del ajuste de umbral. Sin embargo. Específicamente.379 V.

el umbral óptimo normalizado será b on = A 2 Tb 4η (5.) es la “función error complementaria” definida en el Apéndice D. En relación con la Fig. φ c "1" ó "0" a t = tn Sincro Temporización Umbral de Referencia Fig. El criterio de decisión será: ⎧v d ( t n ) ≥ Vs Si en el instante t = t n .63.63.154) donde erfc(. Recepción Coherente en ASK. 1966] que la probabilidad de error en sistemas ASK con umbral de referencia optimizado es Pe = ⎛ A2T ⎞ 1 b ⎟ erfc⎜ ⎜ 2 8η ⎟ ⎝ ⎠ (5. 5. 5. En los instantes de decisión t n se compara vd(t) respecto a un umbral de referencia Vs. Asimismo. solamente estará presente el ruido n(t).155) . el lector puede demostrar fácilmente que ⎧k ⎪ 2 [A (t ) + n c (t )] ⎪ v d (t ) = ⎨ ⎪ k n c (t) ⎪2 ⎩ si un "1" ha sido transmitido si un "0" ha sido transmitido donde k es una constante que depende de las características de los filtros. Estas dos señales estarán presentes durante los intervalos en que un “1” ha sido transmitido. MODULACION Y TRANSMISION DE IMPULSOS Organo de Decisión x ASK (t ) + Ruido Blanco Detector Coherente Si / N i Muestreador Canal Filtro Pasabanda Sincro Portadora Filtro v d ( t ) Pasabajo tn Comparador + _ Vs fc .. ⎨ ⎩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.4. 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. se puede presentar errores en la decisión tomada.380 V.

para cada valor de γ hay un nivel de umbral normalizado b on que produce la mínima proba bilidad de error. 5. junto con las correspondientes a los otros sistemas de modulación binaria para efectos de comparación. de la densidad espectral de ruido y de la potencia de la portadora.02 dB + ⎢ i ⎥ ⎣ N i ⎦ ASK ( dB) (5. Nótese que no hay que confundir γ con la relación S i / N i de predetección.152). Entonces.381 V.78 se muestra la probabilidad de error Pe con el umbral óptimo normalizado.159b) . que es una densidad espectral. En la Fig. 5. sino porque el ruido excede él solo el umbral. siendo la potencia promedio en ASK igual a A2/4. Si el umbral se mantiene constante.158) donde Eb es la energía requerida para transmitir un dígito binario y No = η. la probabilidad de error será ahora Pe = γ 1 erfc( ) 2 4 b on = (5.150). su energía será Eb = A2Tb/4.156) (5.158). la probabilidad de error decrecerá en función de γ hasta un cierto valor y se mantendrá constante no importa cuánto se aumente γ. MODULACION Y TRANSMISION DE IMPULSOS De (5. ⎡S ⎤ γ = 4⎢ i ⎥ ⎣ N i ⎦ ASK y en dB. pues esta última relación depende del ancho de banda. como ya lo hemos demostrado. mayor es el umbral. El lector puede demostrar fácilmente que. Nótese que en el umbral óptimo los errores ocurren predominantemente no porque la suma [señal + ruido] excede el umbral. para B = 2/Tb .157) γ 2 En la Fig. Esta es una de las principales desventajas de los sistemas ASK. y el umbral optimizado.159a) (3. En la literatura se suele expresar la probabilidad de error con la expresión (3. de la expresión (5. pero la igualdad No = η la utilizaremos muy poco para no confundir este No. entonces γ = 2Eb /No y Pe = Eb 1 erfc( ) 2 2N o (5. Cuanto mayor es γ. pues implica circuitos de ajuste del umbral en función de la relación S/N a la entrada (circuitos de control automático de ganancia).64 se muestra el efecto del umbral sobre la probabilidad de error. con el No que representa una potencia de ruido de salida. ⎡S ⎤ [γ ] dB = 6.

Recuérdese que en un sistema binario la velocidad de información (bps).15b) se aplican también en ASK no coherente.78 se grafica (5. En la detección no coherente de señales ASK no se requiere circuitos para sincronización de portadora.160) se reduce a El gráfico de Pe vs γ tiene la misma forma general de la Fig. En cuanto a la probabilidad de error. MODULACION Y TRANSMISION DE IMPULSOS Esta última expresión nos permite leer directamente en la Fig.65 se muestra el diagrama de bloques de un receptor ASK no coherente.64 con las mismas desventajas debidas al ajuste del umbral.65.159a) y (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. Demodulación no Coherente de Señales ASK En la Fig. entonces .382 V. 5. (b) repetir si la velocidad de información es de 300 bps. Recepción no Coherente de Señales ASK. En la Fig.02 dB y la densidad espectral de ruido blanco es de 10-11 W/Hz.160) (5.161). 5. 5. ♣ Ejemplo 5. aunque sí de temporización. se demuestra [Schwartz y otros. (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. y la probabilidad de error. Las expresiones (5. la frecuencia de señalización (Hz) y la velocidad de modulación (baudios) son iguales numéricamente.14 Por un canal telefónico cuyo ancho de banda útil es de 3 kHz se transmite datos binarios. donde b on = 2 + γ 2 Pe ≈ E γ 1 1 exp(− ) = exp(− b ) 2 4 2 4N o (5. las potencias individuales de portadora y de ruido. 5. 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 .58(b). La relación S/N de predetección es de 6. para una probabilidad de error Pe dada. Vamos a determinar en ASK coherente y no coherente: (a) la máxima frecuencia de señalización. 5.161) la expresión (5. El detector de envolvente se muestra en la Fig. El criterio de decisión es similar al caso de detección coherente.

6x10−7 .158a).02 dB = 4. el receptor no coherente es mucho más simple y por eso este tipo de demodulación fue en su época el más utilizado.472 ) = 1.160). N i = Bη = 600x2x10 −11 = 1. Si = Si A2 =4= .2x10 −8 W = -49.383 V.2 dBm .4 x10 −7 W = -36. A=9. En general. mediante circuitos auxiliares. el comportamiento en ASK coherente es superior al de ASK no coherente. Tb = De (5. y de (3. Por otra parte. S Si = 6.03x10 −9 2 ♣ Para las mismas amplitud de portadora y densidad espectral de ruido. el valor del umbral debe ser ajustado para cada valor de γ de acuerdo con las expresiones (5. A 2 = 9.21 dBm 4 1 En ASK coherente: Pe = erfc(4. 1 Tb = y B = 2f b = 600 Hz 300 Si A 2 Tb γ 9 .157) y (5. Si la rapidez de descarga es grande. .6x10 −7 γ= = = 80. los filtros utilizados en el receptor deben ser descargados. f b = 1500 Hz.22 dBm 1 En ASK coherente: Pe = erfc(2 ) = 2 .27x10 −10 2 1 En ASK no coherente: Pe = exp(−20) = 1.2 dBm 4 N i = Bη = 3000x2 x10−11 = 6x10−8 W = -42. el ancho de banda del filtro ya no es tan crítico respecto a la interferencia intersímbolo. = = 20 = 13 dB −11 2η Ni 4 2 x300x2 x10 A2 = 2 . estos filtros son filtros óptimos y pueden utilizarse también en FSK y PSK/DPSK. γ = 4 i = 16 Ni Ni B = 3000 = 2 f b .4x10-7 W = -36. sin embargo. Aunque el circuito resultante ya no es un filtro lineal invariante en el tiempo. MODULACION Y TRANSMISION DE IMPULSOS 1 . al final de cada intervalo de señalización a fin de reducir la interferencia intersímbolo.372 x10 −3 2 1 En ASK no coherente: Pe = exp(−4 ) = 9 . 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. entonces f b = 300 Hz.150). él actúa como tal entre los intervalos de descarga. Vi = 1500 bps.8x10-4 Ni 8x1500x2x10−11 A2 = 2.158x10 −3 2 (b) Si la velocidad de información es de 300 bps. Si = Para obtener el comportamiento óptimo.

66 se muestran las densidades espectrales correspondientes (frecuencias positivas solamente) y se define algunos parámetros. f d la desviación de frecuencia respecto a f c . MODULACION Y TRANSMISION DE IMPULSOS 5. f1 y f o las frecuencias de transmisión de un “1” o un “0”. Sin embargo.21. 1968. Por ejemplo. 5. donde f c es la frecuencia de la portadora sin modular. respectivamente.62. podemos definir | f o − f1 | = ∆f = 2 f d . Entonces. 5. los Módems normalizados UIT-T V.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. Benedetto y otros. y cuyos espectros ya conocemos.384 V. El sistema FSK más sencillo es aquel con modulación rectangular de frecuencia. como se muestra en las Figs. respectivamente. las frecuencias utilizadas son f1 = 980 Hz y f o = 1180 Hz (fc = 1080 Hz y fd = 100 Hz). en el Módem Bell 103A para la misma velocidad de modulación. En la Fig. en efecto. arbitraria. 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 . La señal FSK se puede representar entonces en la forma x FSK (t ) = A ⎧ −1 bi = ⎨ ⎩+1 n =−∞ ∑ cos[2π(f ∞ c + b i ⋅ f d )t ] ⋅ Π ( t − nTb ) Tb (5.21 y Bell 103A son equivalentes pero no son compatibles. En la Fig. Si 2f d es la separación entre las dos frecuencias de transmisión. la UIT-T establece que para transmisión de datos sobre un canal telefónico a una velocidad de modulación de 300 baudios utilizando un Módem V. podemos simplificar el problema si consideramos que la señal FSK está formada fundamentalmente por dos señales ASK de frecuencias f o y f1 . 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. 5. En este caso. las frecuencias de operación son fo = 1070 Hz y f1 = 1270 Hz (fc = 1170 Hz y fd = 100 Hz).68. Nótese que los espectros para los UNOS y para los CEROS no ocurren simultáneamente. Evidentemente.67 y 5. Este enfoque permite considerar al receptor FSK como la combinación de dos receptores ASK. amplitud constante y fase continua (“fase continua” significa que en la señal modulada no se producen discontinuidades cuando cambia la frecuencia). en general.57(c) se muestra la forma de una señal FSK. Fig.7. 5. entonces la frecuencia instantánea en un intervalo Tb será f1 = f c − f d o f o = f c + f d . f c = f1 + f d = f o − f d y B c = ∆f + 2f b = 2(f d + f b ) . 5. Sin embargo.4. 1987] y no trataremos de reproducirla aquí.66. El ancho de banda mínimo total Bc de la señal FSK se puede estimar a partir de la Fig. 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. 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.

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

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

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

se debe mantener la ortogonalidad. Para m >1. (5. obtenemos la relación S/N de predetección: Cuando k < 1. Nótese que la potencia recibida en FSK FSK es 3 dB mayor que en ASK. es decir. 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 .167b) Nótese que para k ≥ 1 o m > 1 . Para m = 1.165) Cuando k ≥ 1.166) Si hay ortogonalidad. 5. Demodulación Coherente de Señales FSK En la Fig. ⎡ 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. esta es una ventaja muy significativa a favor del sistema FSK. Procediendo como en el caso ASK. ASK.164b) Estos anchos de banda B son los utilizados para el cálculo de la relación S/N. Como una señal FSK se puede considerar como la superposición de dos sistemas ASK en donde la amplitud de las portadoras es A.167a) (5.68 se muestra el diagrama de bloques de un receptor FSK coherente. 01 dB+ ⎢ ⎡ Si ⎤ ⎥ ⎣ N i ⎦ FSK (dB) (5. ===> un "1" ha sido transmitido ===> un "0" ha sido transmitido . ⎨ ⎩v d1 ( t n ) < v do ( t n ) Habrá error en caso contrario. MODULACION Y TRANSMISION DE IMPULSOS ⎧3 ⎪ fb B = ⎨2 ⎪2f b ⎩ cuando m = 1 cuando m > 1 (5. El criterio de detección es el siguiente: ⎧v d1 ( t n ) ≥ v do ( t n ) Si en el instante t = t n . Relaciones S/N en FSK Consideremos ahora la relación S/N en FSK.388 V. ⎡ Si ⎤ A2 2 = = γ ⎢ ⎥ ⎣ N1 ⎦ FSK 3f b η 3 ⎡ S1 ⎤ A 2Tb γ A2 = = ⎢ ⎥ = 4η 2 ⎣ N1 ⎦ FSK 4ηf b (5.167c) En lo posible. para un mejor comportamiento del sistema. ⎡S ⎤ γ = 2⎢ i ⎥ ⎣ N i ⎦ FSK o también [ γ ](dB) = 3.

5. La desventaja más significativa del sistema ASK no . El criterio de decisión es el mismo que en el caso de detección coherente. entonces la relación [S i / N i ] FSK es 3 dB mayor que la relación [S i / N i ] ASK .69 se muestra el diagrama de bloques de un receptor FSK no coherente.50). pero las probabilidades de error son muy distintas. 1966] que la probabilidad de error es Pe = Eb γ 1 1 erfc( ) = erfc( ) 2 2 2 2N o (5. ancho de banda y densidad espectral de ruido son las mismas.161).389 V. 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. 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. 5. El lógico suponer entonces que cuanto mayor sea la relación S/N a la entrada de los detectores de envolvente. más confiable será la decisión.168) Si se compara este resultado con el correspondiente en ASK coherente. Esta ya es otra ventaja del sistema FSK sobre el sistema ASK. φ1 fo . El lector puede verificar fácilmente estos resultados (Ver Problemas de Aplicación 5. expresión (5. la decisión será correcta si v d1 ( t n ) ≥ v do ( t n ) . entonces se producirá un error. resulta que las relaciones [S i / N i ] en ASK coherente y en FSK coherente son iguales. En cuanto a la probabilidad de error. se demuestra [Schwartz y otros. 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. 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. Por ejemplo. En general. pero en FSK no se necesita un umbral de detección. que Pe = E γ 1 1 exp(− ) = exp(− b ) 2 2 2 2N o (5. Si esta desigualdad se invierte. Esto se logra cuando los filtros pasabanda de los canales “0” ó “1” son filtros óptimos. si las probabilidades de error son las mismas en ambos sistemas. 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 se ha transmitido un “1”. Organo de Decisión Se demuestra [Schwartz y otros. 1966]. vemos que si las condiciones de amplitud de portadora.68. Demodulación no Coherente de Señales FSK En la Fig. Sin embargo.169) Nótese que si se compara este valor con el correspondiente en ASK no coherente. Recepción Coherente en FSK.44 y 5.

Solución: Bc = 3 kHz. fd = (2100-1500)/2 = 300 Hz fc = 1500 + 300 = 1800 Hz Filtro de entrada.16 Sobre un canal telefónico se transmite datos binarios en FSK. f0 = 2100 Hz.390 V.69. B fb B 0 1500 fc Bc Fig. Se utiliza un módem que trabaja a una velocidad de modulación de 300 baudios.70 2100 f Si = 6. 5. Bc = 2(fb + fd) = 1200 Hz. 5. las frecuencias de transmisión son f1 = 1500 Hz y f0 = 2100 Hz. La relación S/N en el canal es de 6. En FSK. Verificar también si la separación entre las frecuencias cumple con las condiciones de ortogonalidad. f1 = 1500 Hz.70.021 dB = 4 . Filtro de canal. ♣ Ejemplo 5.169) se grafica en la Fig.021 dB y la densidad espectral de potencia de ruido es igual a 10-8 W/Hz. El ancho de banda útil del canal es de 3 kHz. 5. 5.78 Detector Filtro S i / N i de Pasabanda Envolvent e B Sincro Temporización Filtro S i / N i Pasabanda B Detector de Envolvente x FSK (t ) + Ruido Blanco Canal Filtro de Línea Bc v d1 (t ) tn Organo "1" ó "0" de t Decisión a t = n v do ( t ) Fig. la potencia "1" fb "0" 2fd de entrada y la probabilidad de error tanto en coherente como en no coherente. como se muestra en la Fig. fb = 300 Hz. el ancho de banda de los filtros de canal. Vamos a determinar la desviación de frecuencia. La expresión (5. 5.70. la frecuencia de portadora. Recepción no Coherente en FSK. B = 2fb = 2x300 = 600 Hz ⎡ Si ⎤ =8 γ = 2⎢ ⎥ ⎣ Ni ⎦ FSK . el ancho de banda del filtro de entrada. 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 . Ni η = 2 x10 −8 W/Hz De la Fig. mientras que este problema no existe en FSK.

la potencia de entrada y la probabilidad de error tanto en coherente como en no coherente. fc = 3 f b = 1500 Hz . las frecuencias de los UNOS y los CEROS. 1 γ erfc( ) = 2. Filtros de canal.9 mV 2ηf b . B = ( k + 1)f b = 3 f b = 1500 Hz 2 ⎡S ⎤ γ = 2⎢ i ⎥ =8 ⎣ N i ⎦ FSK γ= A2 ∴ A = 2ηf b γ = 2x 2x10 −8 x1000x8 = 17. ♣ Ejemplo 5. cuando Bc = 3fb. este módem cumple con las condiciones de ♣ Como ortogonalidad. f d = b = 500 Hz 3 2 fb . la frecuencia de portadora. la 2 La frecuencia de portadora fc debe quedar centrada en el canal. m= 2f d 2 x300 2f 2x1800 = = 2 entero. Entonces. Solución: En condiciones de ortogonalidad.8 mV 2ηf b < x 2 (t) >= FSK A 2 (9. En FSK.391 V. 048 mW 2 2 La potencia de entrada será Probabilidad de error: En Coherente. la máxima velocidad de transmisión por un canal de ancho de banda Bc se tiene cuando m = 1 y k =1/2. el ancho de banda de los filtros de canal.339x10−3 2 2 1 γ Pe = exp(− ) = 9. n = c = = 12 entero fb 300 fb 300 m y n son enteros y n > m.158x10−3 2 2 Veamos si cumple con las condiciones de ortogonalidad. Pe = En No Coherente. 2 f0 = fc + fd = 2000 Hz f1 = fc – fd = 1000 Hz. Puesto que f c = n frecuencia de portadora quedará centrada en el canal cuando n = 3. donde Bc = 3kHz. Si/Ni = 4 η = 2x10 W/Hz Determine la máxima velocidad de transmisión en condiciones de ortogonalidad.17 Sea el mismo canal telefónico del ejemplo anterior. Vb = 1000 bps. es decir. En este caso.8x10−3 ) 2 = = 0. la desviación de frecuencia. −8 fb = Bc f = 1000 Hz. MODULACION Y TRANSMISION DE IMPULSOS γ= A2 ∴ A = 2ηf b γ = 2x 2x10 −8 x 300x8 = 9.

Puesto que k < 1.23 y V.496x10 −5 2 De (5. se tiene Si = A2 = 5x10 −7 W = -33.9x10−3 ) 2 = = 0.339x10−3 2 2 1 γ En No Coherente. cuyo ancho de banda útil es de 3.164b) el ancho de banda de los canales “1” ó “0” es B = f b + f d = 1200 + 400 = 1600 Hz . 1 Bc = 2 ( + 1) ⋅ 1200 = 3200 Hz 3 Se puede efectuar la transmisión.23 es de 1 mV y se reduce a la mitad en el Módem V. f b = 1200 Hz.23 transmite y recibe a las frecuencias f1 = 1300 Hz y f o = 2100 Hz . con una velocidad de modulación de 1200 baudios. Nótese que las probabilidades de error no han variado. (a) Transmisión con el Módem UIT-T V.2 kHz. Tb = 1 400 1 . En este caso.33 veces. ∆f = 2100 -1300 = 800 Hz. de (5. de (5.95 dBm de donde Si 5x10 −7 = = 15.2x10 -8 W = -44. η / 2 = 10-11 W / Hz.21.01 dBm 2 N i = Bη = 1600x2 x10 −11 = 3.16 mW 2 2 1 γ Probabilidad de error: En Coherente. Pe = erfc( ) = 2.625 = 11. f d = 400 y k = = 1200 1200 3 El ancho de banda mínimo del canal de transmisión es.833 2η 2x1200x 2x10 −11 1 Pe = erfc ( γ / 2 ) = 2 . ♣ ♣ Ejemplo 5.23 El Módem V. MODULACION Y TRANSMISION DE IMPULSOS A 2 (17.505x10 −6 En FSK coherente: 2 1 En FSK no coherente: Pe = exp(− γ / 2 ) = 1.2 x10 −8 γ= A 2 Tb 10 −6 = = 20. . se desea transmitir datos binarios utilizando los Módems UIT-T FSK V.938 dB N i 3. La densidad espectral de ruido en el sistema es de 10-11 W/Hz. Vamos a determinar todos los parámetros asociados tanto en FSK coherente como en FSK no coherente.21.18.392 V.163a).152).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. pues el ancho de banda de transmisión necesario es igual al ancho de banda útil del canal disponible. Pe = exp( − ) = 9. Transmisión de Datos con Módems UIT-T Sobre un canal telefónico. Con A 2 = 10 −6 V. La amplitud de la portadora en el Módem V.

21. f BS = 1750 Hz . Para los filtros de banda: B BI = B BS = 670 Hz .71. . 5. 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. Si = 18. La velocidad de modulación es de 300 baudios.7 x10 −9 W = -51. 5.66 = 12.71.71 dB Ni Las probabilidades de error son las mismas que en el caso (a). B c = 1340 Hz .25x10 −7 W = -39.21. 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. que estarán centrados en las frecuencias f I1 = 912. En la banda inferior las frecuencias de portadora son f1 = 980 Hz y f o = 1180 Hz .74 dBm .833 2 2 ηf b 4x 2x300x 2 x10 −11 Si = A2 = 1. 1 1 f b = 300 Hz. f d = 100 Hz.21 El Módem UIT-T V.5 Hz. B = 335 Hz. mientras que en la banda superior f1 = 1650 Hz y f o = 1850 Hz .393 V. ∆f = 200 Hz. f S1 = 1583 Hz. 10 −3 10 −6 A2 A= V. f I0 = 1248 Hz. Se obtiene así una configuración como la mostrada en la Fig. Tb = . De la Fig. fS0 = 1918 Hz . k = 300 3 En el presente ejemplo no vamos a utilizar fórmulas para determinar el ancho de banda de los filtros y canales. sino que distribuiremos uniformemente los diferentes anchos de banda de acuerdo con las frecuencias de portadora del Módem V. γ= = = 20. 5. que estarán centrados en las frecuencias f BI = 1080 Hz. Entonces. Entonces. Distribución de Anchos de Banda en el Módem UIT-T V. Para el filtro de línea o ancho de banda total: frecuencia f c = 1415 Hz. MODULACION Y TRANSMISION DE IMPULSOS (b) Transmisión con el Módem UIT-T V.03 dBm 2 N i = Bη = 335x 2x10 −11 = 6.71 El lector puede tomar el ancho de banda de los filtros de canal en forma diferente.21 tiene dos bandas: por una recibe y por la otra transmite. se tiene los siguientes anchos de banda: Para los filtros de canal: B I1 = B I0 = B S1 = B S0 = 335 Hz . es decir.

78. pues el detector de envolvente elimina toda la información de fase. El primer tipo es la modulación binaria de fase propiamente dicha (PSK).7. El criterio de decisión adoptado es el siguiente: ⎧v d ( t n ) ≥ 0 Si en el instante t = t n . Las inversiones de fase pueden producir transientes indeseables pero. 5.21 es realmente de 600 bps. que en DPSK es justamente el soporte de la información. . Nótese que cuando se dice que la demodulación DPSK no es coherente. ⎨ ⎩v d ( t n ) < 0 Habrá error en el caso contrario. 5.21 es un módem que puede simultáneamente transmitir por una banda y recibir por la otra. por lo tanto es el más utilizado. En la Fig.5. Demodulación de Señales PSK La demodulación de señales PSK es esencialmente coherente. las discontinuidades son alisadas por los filtros utilizados. Un desfase de 180o es una selección muy conveniente porque simplifica los circuitos de modulación y demodulación.170) donde si se ha transmitido un "1" si se ha transmitido un "0" En la Fig. esto no quiere decir que la demodulación pueda efectuarse con detección de envolvente. 1966] Pe = Eb 1 1 erfc( γ ) = erfc( ) 2 2 No (5.72 se muestra el diagrama de bloques de un receptor PSK. La probabilidad de error es [Schwartz y otros.394 V. 5. la fase de la portadora sinusoidal se conmuta entre dos valores de acuerdo con el código PCM. Puesto que por cada banda se puede transmitir datos a 300 bps. 5. 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. el intercambio neto de datos en el Módem V. 5. MODULACION Y TRANSMISION DE IMPULSOS El Módem V.63. en general. 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. Existen dos tipos principales de modulación binaria de fase que dependen de si la demodulación es o no coherente. Fig. Modulación Binaria de Fase (PSK) En la modulación binaria PSK.57(d) se muestra la forma de las señales PSK.171) ===> ===> Un "1" ha sido transmitido Un "0" ha sido transmitido Esta expresión se grafica en la Fig. Nótese la semejanza con el receptor coherente ASK. mientras que el segundo tipo es la “Modulación Binaria Diferencial de Fase (DPSK)”.

o lo que es lo mismo. Recepción Coherente en PSK. la relación [S i / N i ] PSK es 3 dB menor que la relación [S i / N i ] ASK . .395 V. sino más bien por codificación diferencial en términos del cambio de fase entre intervalos sucesivos. Por ejemplo. 0o para un “1” y 180o para un “0”. Modulación Binaria Diferencial de Fase (DPSK) En los sistemas de modulación binaria de fase. la referencia de fase para la demodulación se deriva a partir de la fase de la portadora en el intervalo de señalización anterior. Esto es de particular importancia en sistemas en donde la potencia es el factor limitativo como. 5. vemos que para la misma probabilidad de error. 5.72. por ejemplo. mientras que un desfase de 180o puede designar un “0”. φ c Organo de Decisión Filtro Pasabanda Sincro Portadora + _ "1" ó "0" a t = tn Sincro Temporización tn Fig. el cual es la combinación de un codificador diferencial y un modulador PSK. 0o de desfase desde el intervalo anterior puede designar un ”1”. 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. en estaciones remotas o en satélites de telecomunicación. por ejemplo. MODULACION Y TRANSMISION DE IMPULSOS x PSK (t ) + Ruido Blanco Canal Si / N i Detector Coherente Filtro v d ( t ) Pasabajo fc . Comparando estos valores respecto a ASK coherente. en transmisión por microondas. y el receptor descodifica la información digital basada en esa diferencia de fase. no con respecto a un valor absoluto. En la Fig. entonces la fase se puede codificar. la potencia necesaria para transmitir una señal ASK coherente es el doble que la necesaria para transmitir la misma información en PSK.73 se muestra el diagrama de bloques de un modulador DPSK.

es decir. en sí misma. en efecto. 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. las transiciones producen transientes indeseables que pueden perjudicar la sincronización de temporización y su disminución es muy deseable.396 V. Esta es otra ventaja del sistema DPSK sobre el sistema PSK.74 se muestra las formas de onda de las señales moduladas PSK y DPSK para la secuencia de entrada dada. en la Fig. 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. 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. 5.74. se puede utilizar en cualquier sistema digital y no es privativa del sistema DPSK. 5. Para facilitar el dibujo de las formas de onda.74 suponemos que la frecuencia de portadora es igual a la frecuencia de señalización. Nótese que la codificación diferencial. En la siguiente Tabla se muestra el mecanismo de codificación y descodificación diferencial tanto en el transmisor como en el receptor. . Como ya lo hemos señalado. 5. f c = f b .

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

en el caso general. En este caso la señal PSK se puede escribir en la forma x PSK (t ) = A (t ) cos(2πf c t ) (5. es suficiente verificar el signo de vd(t). sin embargo. En el Capítulo III. Si se compara DPSK con PSK.173) Como | ∆φ| = 0 o o π . 5.175) donde A(t) es una secuencia aleatoria binaria bipolar NRZ de amplitud ±A . debido a la correlación entre las señales de temporización y el ruido sobre dichos intervalos. . el criterio de decisión será entonces igual al del caso PSK. Fig. 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. Ancho de Banda y Relaciones S/N en Sistemas PSK y DPSK Para efectos del cálculo de la densidad espectral y de la potencia. como veremos en el Capítulo VI. la modulación PSK (y DPSK) se puede considerar como una modulación ASK donde la secuencia binaria de entrada es una señal aleatoria bipolar NRZ.398 V. 1966].174) Esta expresión se grafica en la Fig. Otro problema menor en DPSK es que los errores tienden a propagarse.175). con un período de repetición Tb.76 se muestra esta densidad espectral (frecuencias positivas solamente). S PSK (f ) = A 2 Tb 4 ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢ sinc ( fb fb ⎦ ⎣ (5.62. Los requerimientos de ancho de banda son los mismos que en ASK.78. Sin embargo. 5. es decir. debido al retardo fijo Tb en el receptor.176) En la Fig. Por otra parte. con la diferencia de que la densidad espectral PSK no contiene un impulso a la frecuencia de portadora. no hay que confundir similaridad con igualdad: el sistema ASK es un esquema de modulación lineal. se observa que el sistema DPSK requiere un poco más de potencia que el sistema PSK. La probabilidad de error en modulación DPSK es [Schwartz y otros. 5. Pe = E 1 1 exp(− γ ) = exp(− b ) 2 2 No (5. expresión (3. mientras que el sistema PSK. Nótese que la densidad espectral de potencia de la señal PSK (y DPSK) tiene la misma forma que la correspondiente en ASK. el sistema DPSK está “enganchado” a una frecuencia de señalización específica. por lo menos a los intervalos adyacentes. lo que impide la transmisión de datos en forma asincrónica. MODULACION Y TRANSMISION DE IMPULSOS v d (t n ) = A2 A2 cos(φ n − φ n−1 ) = cos(∆φ ) 2 2 (5. es un esquema de modulación no lineal. esta desventaja se compensa con creces por el hecho de que DPSK no requiere detección coherente. B = 2 f b = 2 / Tb .

399 V. MODULACION Y TRANSMISION DE IMPULSOS La potencia de la señal PSK se puede calcular en la misma forma que en el caso ASK. de (5. Consideremos ahora las relaciones S/N de postdetección.178b) Estas expresiones son válidas también en DPSK.111).01 dB + ⎢ i ⎥ ⎣ N i ⎦ PSK(dB) (5. de (5. a diferencia de ASK en la cual la mitad de la potencia se pierde en la transmisión de la portadora (impulso en fc). En efecto. vamos a determinar las relaciones [S o / N o ] vs [S i / N i ] tanto en PSK como en DPSK. < x 2 (t ) >= < A 2 (t ) > . En la Sección 5. ⎡ Si ⎤ A 2 Tb γ A2 = = = ⎢ ⎥ 4η 2 ⎣ N i ⎦ PSK 2 Bη y en dB. la relación S/N de predetección es igual que en el caso FSK. So 2 2n = N o 1 + 2 2( n +1) Pe y γ =2 S1 Ni .178a) (5. En 1 efecto. pero como < A 2 (t ) >= R A (0) = A 2 . Como B = 2 f b = 2 / Tb y la potencia de portadora es A2/2.175). es decir. ⎡S ⎤ [γ ] dB = 3.178a). Utilizando esos resultados y los de la presente sección.1 determinamos la relación S o / N o vs Pe en un sistema PCM.4. expresión (5. y como entre una señal PSK y una DPSK no hay diferencia desde el punto de vista espectral. entonces. la potencia en DPSK es la misma que la de PSK.177) es toda potencia útil. La potencia dada por (5. PSK 2 2 A < x 2 (t ) >= (5.111) y (5.177) PSK 2 Esta es la potencia de portadora en PSK.

S exp(−2 i ) Ni dB (5.02 ⋅ n − 10 ⋅ log10 [1 + 2 erfc( 2 )] Ni ⎣ N o ⎦ dB So = No 2 2n 1+ 2 2 n +1 (5.171). y en DPSK. . So = No 22n 1+ 2 2 n +1 S erfc( 2 i ) Ni dB (5.179a) y en dB.113). el valor de [S i / N i ] min en DPSK se puede obtener a partir de la expresión (5.181) ⎡ Si ⎤ ⎡ Si ⎤ ⎥ ≥ ⎢ ⎥ para no caer dentro de la región umbral. lo cual nos permite aproximar el valor de la relación [S i / N i ] min en PSK conocida la correspondiente en DPSK. en PSK.693 ⋅ n ⎢ ⎥ ⎣ N i ⎦ min Debe verificarse que ⎢ en DPSK (5. 5.174).400 V. de (5. MODULACION Y TRANSMISION DE IMPULSOS donde.02 ⋅ n − 10 ⋅ log10 [1 + 2 exp(−2 )] Ni ⎣ N o ⎦ dB (5. En efecto. para diferentes valores de n.180b) En la Fig. ⎣ N i ⎦ ⎣ N i ⎦ min El valor de la probabilidad de error óptima viene dada por (5. 5. en dB.77 se grafican estas expresiones. el valor de [S i / N i ] min será ⎡ Si ⎤ = 1.77.022 + 0. el efecto del umbral tanto en PSK como en DPSK.113): ⎛ ⎡ S ⎤ ⎞ 6. por lo tanto. Nótese. que es mucho más fácil de calcular. de (5. la relación [S i / N i ] min en PSK es aproximadamente 1 dB menor que la relación [S i / N i ] min en DPSK. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6. 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.180a) y en dB. en la Fig.473x10 −2 ⎛⎡ S ⎤ ⎞ 1 f ⎜ ⎢ i ⎥ ⎟ = exp⎜ −2⎢ i ⎥ ⎟ = para n entero ⎟ ⎟ ⎜ ⎜ N 2 2n ⎝ ⎣ N i ⎦ min ⎠ ⎝ ⎣ i ⎦ min ⎠ 2 Resolviendo esta ecuación.179b) En DPSK. Un examen más atento de las figuras muestra que el umbral en PSK está por debajo del umbral en DPSK en aproximadamente 1 dB.

19 Por un canal de microondas cuyo ancho de banda es de 3 MHz se transmite datos binarios a una velocidad de 1 Mbps. (a) En DPSK A2 A 2Tb = 25. A = 0. ⎡ Si ⎤ = 6. en DPSK y en PSK. . Si = = 5x10− 5 W = −13. Bc = 3 MHz. n = 8. las relaciones S/N de pre y postdetección y constatar si el sistema está trabajando sobre o bajo el umbral. Tb = 10−6 .181).97 dB Ni γ = Como n = 8.5 = 10. Las palabras binarias contienen 8 dígitos binarios.165 dB ⎢N ⎥ Si ⎣ o ⎦ 1 + 217 exp(−2 ) Ni y la relación So/No mínima.98 dBm Si La relación S/N de predeteccion será = 12.401 V. η = 2x10-12 W/Hz .174 dB ⎢ ⎥ ⎣ N i ⎦ min La relación S/N de postdetección es.01 dBm 2η 2 −6 N i = Bη = 4x10 W = -23. para n = 8. de (5. Vamos a determinar. ⎡ So ⎤ 216 = = 6. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. f b = 106 Hz.01 V El ancho de banda para el cálculo de la potencia de ruido es B = 2f b = 2 MHz. entonces la relación S/N mínima de predetección es. la densidad espectral de potencia del ruido es de 10-10 W/Hz y la amplitud de la portadora es de 10 milivolts.554 x104 = 48.567 = 8.

5231 dB = 5. el sistema está trabajando sobre el umbral. obtenemos ⎡ Si ⎤ ⎢ ⎥ = 7. ⎣ N i ⎦ min ⎡ So ⎤ ⎢ ⎥ = ⎣ N o ⎦ min 22n 1+ 2 2n +1 ⎡ ⎤ Si ⎢erfc( 2[ ]min ) ⎥ Ni ⎣ ⎦ = 47. siendo el valor pico A2 es el mismo para todos los sistemas. . MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 216 = = 5.554x104 = 48. ⎡ So ⎤ ⎢ ⎥= ⎣ No ⎦ 22n ⎡ S ⎤ 1 + 22n +1 ⎢erfc( 2[ i ]) ⎥ Ni ⎦ ⎣ = 6. 203x104 = 47.402 V. 1 S La probabilidad de error es Pe = exp(− i ) = 6. El eje de las abscisas debe entenderse entonces como una función de la potencia pico recibida (o transmitida) A2 . γ y n. Puesto que [So/No] > [So/No]min . S 1 La probabilidad de error es Pe = erfc( 2[ i ]) = 7. la relación S/N normalizada γ y la complejidad del equipo. se puede utilizar las fórmulas dadas para el cálculo de la probabilidad de error Pe y la Fig 5.162 dB ⎢ ⎥ Si ⎣ N o ⎦ min 1 + 217 exp(−2[ ]min ) Ni Nótese que esta relación está a 1 dB por debajo de So/No. en la práctica la selección de un esquema de modulación depende más bien de la aplicación correspondiente. a este efecto. Nosotros vamos a comparar los sistemas en base a la potencia. de los equipos existentes. Recuérdese que la potencia promedio en ASK es A2/4.944x10−12 2 Ni (b) En PSK Las relaciones Si/Ni . el rendimiento de transmisión ηB .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] .7. Comparación entre los Sistemas de Modulación Binaria ♣ En cualquier sistema de modulación digital la meta de un buen diseño es la de lograr el mejor compromiso entre la probabilidad de error Pe. 687x10−13 2 Ni 5. son las mismas que en el caso (a).78 en la cual se muestra Pe vs γ .653 . Sin embargo. De donde. la probabilidad de error Pe y las condiciones de ruido son las mismas. vamos a suponer que la frecuencia de señalización fb .6. y de los requerimientos de potencia. donde γ = A 2 Tb / 2η es la relación S/N normalizada. Para hacer una comparación respecto a la potencia requerida. el sistema está trabajando sobre el umbral.158 dB Puesto que [So/No] > [So/No]min .

seguido de DPSK. pero en el receptor la complejidad dependerá de si se utiliza detección coherente o no coherente. el DPSK y el FSK no coherente. el sistema FSK coherente tampoco se emplea debido más que todo a los problemas de sincronización de las portadoras utilizadas. Si la comparación se hace en términos de la potencia promedio. entonces ASK y FSK tendrían las mismas características para un mismo Pe. el sistema ASK casi no se emplea por la alta potencia pico que demanda y por los problemas de ajuste del umbral. si en el canal se produce “desvanecimiento (fading)” de la señal. de los equipos de transmisión y recepción dependen más bien de la potencia pico que de la potencia promedio. el DPSK es menos complicado que el FSK no coherente. DPSK. el sistema DPSK está a aproximadamente 1 dB por encima. FSK no coherente. Los modems comerciales a menudo trabajan con los tres tipos de modulación. MODULACION Y TRANSMISION DE IMPULSOS mientras que es A2/2 en FSK. que el sistema PSK es el que requiere menor potencia. Con este criterio. los sistemas PSK. . Entre los sistemas no coherentes. Las curvas de la Fig. donde A es la amplitud de la portadora a la entrada del receptor. pero como el diseño. para un Pe dado. y por supuesto el costo. mientras que el sistema FSK coherente lo está a aproximadamente 4 dB. ASK coherente y ASK no coherente.403 V. En la práctica. 5. En cuanto a la instrumentación práctica de estos sistemas. PSK y DPSK. Por otro lado.78.78 muestran. FSK coherente. FSK y ASK difieren muy poco en lo que se refiere al transmisor. la comparación se hace respecto a la potencia pico requerida y es lo que se ilustra en la Fig. sin duda. los sistemas más utilizados son entonces el PSK. pues la detección coherente es. Tomando como referencia el sistema PSK. 5. más complicada.

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

79. . 5. 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 ) (5.79(a). 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. es decir.405 V. En efecto. (M . Las salidas X m y Ym son variables analógicas cuyos valores dependen del valor del ángulo φ m asignado. El convertidor Serie/Paralelo forma bloques de L dígitos los cuales son aplicados a un codificador cuyas salidas son X m y Ym .1) . ahora es Vis = L ⋅ Vi bps. La expresión (5. depende de la secuencia particular de L dígitos a transmitir.182c) Estas expresiones nos permiten expresar la señal s m (t ) en forma fasorial.⋅⋅⋅⋅. 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. Si A es constante. el modulador M-ario procesa.79(b). 2. a su vez. 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. 1. 2. el cual. 5. y Ym A fc φm A sen(φ m ) x Xm Entrada Binaria Xm Convertidor L Dígitos Codificador Serie/ Paralelo Ym cos(2πfc t ) sen(2πfc t ) sm (t ) 0 A cos(φ m ) fbL fs (a) Fasor M-PSK (b) Modulador M-PSK Fig.182b) (5. bloques de L dígitos binarios asignándole a cada bloque distinto una cualquiera de M señales diferentes posibles. (M-1) (5. en el mismo tiempo Tb . de acuerdo con la relación M = 2 L .80 para algunos valores de M y L. factores que dependerán del esquema de modulación utilizado. 5.. donde M = 2 L . La velocidad de transmisión ha aumentado L veces. como se muestra en la Fig. la señal s m (t ) se puede escribir en la forma siguiente: s m (t ) = X m cos(2πf c t ) + Ym sen(2πf c t ) Y 2 y en forma polar. frecuencia f c pero con un ángulo o desfase φ m = 2πm / M . el modulador procesa cada dígito binario de duración Tb asignándole una cualquiera de dos señales diferentes. pero se habrá introducido algunas restricciones sobre la potencia y el ancho de banda de la señal transmitida. En los sistemas M-arios el mecanismo de modulación es similar. 1. hemos visto. siendo la velocidad de transmisión Vi = 1 / Tb bps. como se muestra en la Fig 5.182b) tiene una forma canónica que nos permite utilizar un esquema de generación de señales M-PSK de la forma mostrada en la Fig. Modulación M-PSK ... para m = 0. como veremos a continuación.2.182a) Como el ángulo φ m se mantiene constante durante cada intervalo Ts . 5. MODULACION Y TRANSMISION DE IMPULSOS En los sistemas binarios.8..

“patrones de fase” o “constelaciones”. el canal “verá” siempre una señal sinusoidal de frecuencia f c con cambios de fase cada Ts segundos.184) tiene la misma forma que la (5.183). En este caso podemos demostrar que la densidad espectral de x Ts ( t ) es STs (f ) = A2 ⎡ f − fc ⎤ 2 f + fc ) + sinc2 ( )⎥ ⎢ sinc ( fs fs ⎦ 4 fs ⎣ (5. x 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 . Nótese que fbL es la frecuencia de señalización a la entrada del modulador y f s la correspondiente a la salida. es decir. Este tipo de esquema. entonces la señal PSK M-aria permite una reducción del ancho de banda en un factor L. el patrón de fase del Módem UIT-T V. denominado modulación M-QAM. Como f s = f bL / L .406 V. 5. dos fasores distintos pueden tener el mismo ángulo φ m pero las amplitudes son diferentes. En estos casos.184) La expresión (5. . 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. MODULACION Y TRANSMISION DE IMPULSOS Cuando M > 8.32 tiene la forma mostrada en la Fig. Estos tipos de diagrama se denominan “diagramas de Fresnel”. es decir. En la Fig. esta expresión se puede escribir en la misma forma que (5. 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. La asignación mostrada es arbitraria. .81(d).183) La información va en la secuencia de fases aleatorias {φm } También. Ts = LTbL o f s = f bL / L pues los bloques tienen L dígitos de duración TbL cada uno.182b). el canal “verá” siempre la misma velocidad de modulación compatible con su ancho de banda.80 se muestra el mecanismo de modulación M-aria.81 unas asignaciones de L dígitos a las M fases de señales sinusoidales representadas en forma fasorial. sin embargo. 5. y en la Fig. los ángulos φ m se tornan muy pequeños lo que induce a errores en la recepción. cualquiera que sea el valor de L. y aumentar L veces la velocidad de información por el mismo canal en el caso binario. por ejemplo. Desarrollando (5. Esto equivale a decir que la velocidad de modulación en el canal es siempre la misma. 5.176) calculada para PSK binario y es válida para f c ≥ 2f s . pero en la UIT-T estos patrones de fase han sido normalizados. es muy utilizado en la práctica. es decir. el ancho de banda de la señal PSK M-aria es del orden de 2f s a 3f s . 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. lo cual se verifica en la mayoría de los casos prácticos.

para un sistema PSK M-ario la probabilidad de error Pe [Shanmugam.81. 5.185) Sería de interés comparar el sistema PSK M-ario con el sistema PSK binario para una misma probabilidad de error. podemos demostrar (Problema de Aplicación 5. M = 8. BM = PM = BB L 1. L = 4 Fig. 1979] es ⎡ π ⎤ Pe = erfc ⎢ γ s sen2 ( ) ⎥ M ⎥ ⎢ ⎣ ⎦ (5. En efecto. γ s ” en la forma A 2 Ts γs = = 2⋅ γ 2η donde γ ya se definió en (5. (d) QAM 16-aria.54) que para una probabilidad de error de 10-4. φ = 0o o π (a) PSK Binaria. M = 4.407 V.152).094 π ) M L ⋅ sen 2 ( ⋅ PB (5. se puede definir la “relación S/N normalizada M-aria. M = 2. Asignación de Fases en PSK M-aria Puesto que f bL = Lf s .187) . si B B . M = 16. Fig. 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 . PB . respectivamente. En general. L = 3 x (b) Modulación PSK M-aria.80. φm = 2πm / M (c) PSK 8-aria. Mecanismo de la Modulación PSK Binaria y M-aria. 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 . 5.186) (5. 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.

M 4 8 16 32 BM BB / 2 BB / 3 BB / 4 BB / 5 PM 1.094 PB 2. que transmite a 9600 bps por un canal telefónico. 5. La selección final queda a juicio del diseñador del sistema y según la aplicación deseada. pues el ancho de banda se reduce a la mitad con un aumento de sólo el 9. En la Fig. Evidentemente.32. se ha demostrado [Lucky y otros.57 dB Los sistemas PSK M-arios requieren una instrumentación mucho más compleja que los sistemas PSK binarios y por lo tanto su costo es mucho mayor.8.188) En la Fig.39 dB 3.8.408 V. por ejemplo.84 se grafica esta probabilidad en función de γ s para algunos valores de M. 5. En este caso se utiliza el esquema M-QAM. Para M > 8.83. denominado también QPSK (“Q” de “quadrature” u ortogonal).57 dB 13.83 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. Modulación DPSK M-aria Fig. En cuanto a la probabilidad de error. 5. los requerimientos de potencia se hacen excesivos y la modulación PSK M-aria no se emplea. se utiliza bastante en la práctica. MODULACION Y TRANSMISION DE IMPULSOS En la Fig. la mejor selección es aquella para M = 4.49 PB 7.2 y pueden ser representados con las mismas expresiones y gráficos. Por esta razón el sistema PSK 4-ario.186 PB 22. que es un esquema de modulación compuesta Amplitud-Fase. 5. 5.81(d) se muestra el diagrama de Fresnel del Modem UIT-T QAM V.96 dB 8.78 PB PM / P B en dB 0.3. 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 5.82 se grafica la probabilidad de error Pe vs γ s para algunos valores de M. pues la diferencia básica entre PSK y DPSK es que este último ha experimentado un proceso previo de codificación diferencial. 5.4% (0. en la Fig. 1968] que en el sistema DPSK M-ario Pe = erfc( 2 γ s sen2 ( π )) 2M (5.39 dB) en la potencia. .

Sin embargo. Ni = ηB c = 3x10 3 x 2 x10 −11 = 6 x10 −8 W 2 2 Si = 8. Las Figs. a 1200 bps en QDPSK (UIT-T V. M = 4. pero este aumento es compensado con la simplicidad de instrumentación del sistema QDPSK.81 se aplican también en DPSK M-aria.55). MODULACION Y TRANSMISION DE IMPULSOS Cuando se compara la proba-bilidad de error en DPSK con la de PSK.32 dB. La secuencia binaria de entrada al modulador tiene una velocidad de transmisión de 2400 bps. por ejemplo.22bis).79 a 5. ¿Cuál será la nueva probabilidad de error y en cuantos dB aumenta la relación Si/Ni? (c) Dibuje la señal modulada DPSK de salida correspondiente a la entrada 1 0 1 1 0 1 0 0 (el dígito de la izquierda es el LSB.3333 = 9. y 01 00 x 11 10 Diagrama de Fresnel Pe = erfc( 2 γ s sen 2 ( A 2 Ts π ) ). A = 10-3 V. para M = 4 (QDPSK) este aumento es de 2. el cual se transmite de primero) Suponga que fc = 1800 Hz. donde γ s = 2M 2η Si = A 2 10 −6 = W. un aumento del 71% solamente (Ver Problema de Aplicación 5. η = 2x10-11 W/Hz En DPSK M-ario. se verifica que para altos valores de M el sistema DPSK M-ario requiere un aumento de potencia de aproximadamente 3 dB. Específicamente. L = 2.22) y poseen además un canal en FSK binario para trabajar a 300 bps (UIT-T V. (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.21). PSK y DPSK.208 dB Ni . Bc = 3 kHz. la amplitud de la portadora es de 1 mV y la densidad espectral de ruido es de 10-11 W/Hz. Solución: (a) Vi = 2400 bps. ♣ Ejemplo 5. El ancho de banda del canal es de 3 kHz. 5.409 V. algunos módems comerciales transmiten a 2400 bps en QPSK (UIT-T V.20 Un sistema DPSK 4-ario está caracterizado por el diagrama de Fresnel de la figura. en la práctica se utilizan ambos sistemas de modulación.

8333x sen 2 ( ) = 2. Ts = 8. s1 ( t ) = A cos(ωc t + 45 o ) “ “ “ “ “ “ “ “ (dibit): 1 1 → φ 2 = −135 o . 2 x 2 x10 −11 x1200 π Pe = erfc( 2 x83.5 Tc La señal M-DPSK tiene la forma s m ( t ) = a cos(2πf c t − φ m ).333x10-4 seg. Ts = 1. 2 x 2 x10 −11 x1200 Pe = erfc(2.208 = 6.47) = 4.812 x10 −12 8 γs = El aumento en la relación Si/Ni es de 15. Esto equivale a un aumento de potencia de 4 veces. s 2 ( t ) = A cos(ωc t + 135 o ) (dibit): 0 1 → φ 3 = +135 o . MODULACION Y TRANSMISION DE IMPULSOS fb = 2400 Hz.8333. 4 x10 −6 = 83. Para su codificación DPSK y como L = 2.556x10-4 seg. De acuerdo con el diagrama de Fresnel. la codificación para la señal modulada de salida será: Para la dupla (dibit): 1 0 → φ1 = −45o .47 2M 8 (b) A = 2x10-3.23 – 9. (c) fs = 1200 Hz.33 .3333xsen 2 ( ) ) = 2. fc = 1800 Hz Tc = 5.02 dB.410 V. fs = fb/L = 2400/2 = 1200 Hz ó 1200 bps. γs = 10 −6 = 20. s 4 (t) = A cos(ωc t − 45o ) La señal modulada DPSK 4-aria tendrá la forma siguiente ♣ . s 3 ( t ) = A cos(ωc t − 135 o ) “ (dibit): 0 0 → φ4 = +45o .77x10-4 2 γ s sen 2 ( π π ) = 2 x 20. los dígitos o bits se toman de dos en dos. y se supone que la señal de entrada 1 0 1 1 0 1 0 0 está ya codificada diferencialmente. La velocidad de modulación en el canal es también de 1200 baudios.

191) L donde fb es la velocidad de señalización o de modulación a la entrada del modulador FSK M-ario.. 5. 4.. La duración de cada muestra de señal s i ( t ) es también de Ts segundos. Si la separación mínima entre dos frecuencias adyacentes se hace igual a la frecuencia de señalización en el canal.. 5. 3. M.86 la distribución o asignación de las frecuencias de portadora para algunos valores de M y L. 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. 2. 1987].. La frecuencia míniL ma f1 deberá ser igual o mayor que fs . 3. entonces el ancho de banda mínimo en el canal será Mfb Bmin = Mfs = (5. para i = 1. siendo fb la frecuencia de señalización a la entrada del modulador.M.. 3. si 2fd = fs (separación ortogonal). entonces la frecuencia instantánea en un intervalo Ts es f i = f c + (2i − 1 − M )f d ..192) L En este caso la frecuencia de portadora será fc = (2 k + M − 1) fb 2L (5.190) donde f M y f1 son las frecuencias máxima y mínima.. respectivamente.411 V.193) .. 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 ). es decir..189) para i = 1.... para j = 2.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. MODULACION Y TRANSMISION DE IMPULSOS 5.85 se muestra el mecanismo de modulación FSK M-aria y en la Fig. donde fc es la frecuencia de la portadora sin modular [Benedetto y otros. de la señal FSK M-aria. con M = 2L.8.. Si 2fd es la separación entre dos frecuencias adyacentes..4. de modo que se puede tomar f f1 = kfs = k b para k entero y k ≥ 1 (5. donde f s = 1/ Ts = f b / L es la frecuencia de señalización a la salida del modulador. 2. f La frecuencia mínima f1 vendrá dada por f1 = fc − ( M − 1) fd = fc − ( M − 1) b y cual2L fb quiera frecuencia de orden j será f j = f1 + ( j − 1) .. En la Fig. Modulación FSK M-aria de Banda Ancha En la modulación FSK M-aria.

la separación mínima entre dos frecuencias adyacentes será igual . fs = = 800 Hz 3 2 2L 6 2400 2400 f c = (2 + 8 − 1) = 3600 Hz. 5. L = 2 011 010 110 111 101 100 f ViL = L ⋅ Vi1 Señal FSK M-aria A 0 -A TbL Ts = L ⋅ TbL fi = fc + (2i − 1 − M )fd 2f d f1 f2 f3 f4 fc f5 f6 f7 (c) FSK 8-aria. L = 3.85. tienen duración Ts y todas tienen la misma energía Es. M es ortogonal.5.. Fig. fb = 2400 bps y k = 1. M = 8. 3.194) Las señales s i (t ) son ortogonales en el intervalo Ts . si M = 8. es decir. 2. L = 1 (a) Modulación FSK Binaria 00 01 11 10 f Señal Aleatoria Binaria L Dígitos 1 2 3 4 "1"/"0 "1"/"0 "1"/"0 "1"/"0 2f d L "1"/"0 000 001 f4 f1 f2 fc f3 (b) FSK 4-aria.412 V. f1 = = 800 Hz. Bc ≥ M fb = Mfs L Fig. 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. Asignación de Frecuencias en FSK M-aria Por ejemplo. L = 3 f8 (b) Modulación FSK M-aria. Por lo tanto. 2fd = 800 Hz. MODULACION Y TRANSMISION DE IMPULSOS Señal Aleatoria Binaria 1 Dígito "1" / "0" 0 1 Vi1 = 1 / Tb1 A Señal 0 FSK Binaria -A Ts = Tb1 fo o f 1 2f d f f1 fc f2 (a) FSK Binaria.. M = 4. 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.. fs f 2400 2400 = b = = 400 Hz. M = 2.. Mecanismo de la Modulación FSK Binaria y M-aria. La ortogonalidad exige también que la separación entre frecuencias adyacentes sea tal que 2fd = fs ..86.

en FSK M-aria la potencia transmitida es prácticamente independiente de L. Fig. 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. . en un sistema FSK M-ario el ancho de banda mínimo es Mf b / L . El receptor óptimo coherente para el conjunto ortogonal de señales consiste en una batería de M filtros óptimos. un aumento en la velocidad de transmisión de la información se puede lograr mediante un compromiso entre el ancho de banda y la relación S/N. pero la ecuación de Pe es una ecuación integral de muy difícil resolución. podemos mantener fijo el ancho de banda de transmisión pero la potencia transmitida aumenta en forma exponencial con L . Por ejemplo.87 se muestra la forma aproximada de la Probabilidad de Error vs γ s para algunos valores de M. 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. se puede utilizar PSK M-aria o DPSK M-aria cuando el ancho de banda es limitado (como en los canales telefónicos). en dB 10 15 sM (t ) FiltroM Optimo v dM (t ) Sincro Fig. expresión (5. nos permite disponer de una gran flexibilidad de intercambio entre diferentes parámetros para adecuar una fuente de información dada a un canal determinado. 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 demuestra [Lucky y otros. MODULACION Y TRANSMISION DE IMPULSOS a fs = f b / L . La probabilidad de error Pe en FSK M-aria ha sido calculada [Lucky y otros.88. 5. Benedetto y otros. En la Fig. Probabilidad de Error Pe vs γ s en FSK M-aria. 5. el precio que hay que pagar es el aumento en el ancho de banda. y FSK M-aria cuando la potencia es el factor limitativo (como en las comunicaciones espaciales o por satélites). mientras que en un sistema FSK binario el ancho de banda mínimo es 3fb . En general. en PSK o DPSK M-aria. es decir. Receptor Optimo FSK M-ario Coherente. que ya hemos encontrado también en PPM.6 dB −5 10 -1 -5 0 5 γ s .413 V. aunque la recepción coherente casi no se utiliza.87. asimismo. Por consiguiente. 5.191). 1968. En efecto. Una desventaja adicional es la creciente complejidad de los equipos de transmisión y recepción tanto en recepción coherente como no coherente. Este compromiso. la modulación M-aria proporciona los medios para intercambiar ancho de banda por relación S/N. En el receptor se muestrea las salidas de los filtros en los instantes nTs y el elemento de decisión selecciona cual señal s j ( t ) estaba presente en la entrada del filtro j en el intervalo de señalización n-ésimo. condición que hemos tomado para estimar el ancho de banda mínimo de la señal FSK M-aria. En consecuencia. 1987]. como se muestra en la Fig. 5. Sin embargo.88. pero el ancho de banda aumenta también en forma exponencial con L.

Esta trama consta de dos partes: un preámbulo. La técnica CDMA la veremos más adelante. En la parte (b) se muestra la estructura de la trama transmitida por la Estación C. FDMA). parte (c). respectivamente. En este caso se dice que el sistema es radiante o difusor (“broadcast”).5.414 V. 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. Sección 5. C. En la práctica a estas frecuencias se las denomina “frecuencias de subida” y “frecuencias de bajada”. una cualquiera de estas estaciones puede actuar como estación de referencia.2. un campo que contiene caracteres para activar los circuitos de sincronización de portadora y señalización. MODULACION Y TRANSMISION DE IMPULSOS 5. parte (a). y los varios campos que contienen la información para las diferentes estaciones de destino. y en telefonía celular. Las técnicas TDMA se utilizan actualmente en los satélites INTELSAT VI y VSAT. D. B. a cada estación terrena se le asigna un intervalo o ranura de tiempo para que ella transmita información. E y F. incluye un intervalo de guarda. esta asignación la efectúa una estación terrena de referencia que controla la temporización y la sincronización de las estaciones presentes en el sistema. se emplean en la transmisión de video digital. E y F . . Durante ese intervalo. televisión de alta definición y en la transmisión de cientos de miles de canales de voz de 64 kbps. Para acceder al satélite se utilizan tres técnicas denominadas “métodos de acceso múltiple”: 1. El preámbulo. 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. La multitrama TDMA tiene la forma mostrada en la Fig. 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. que llega al satélite contiene las tramas de todas las estaciones que están transmitiendo.9. mientras que la técnica FDMA la estudiaremos en detalle en el Capítulo VI. 5. Acceso Múltiple por División de Frecuencia (Frequency-Division Multiple Access. y un campo donde va la dirección o identificación de la estación llamante y las direcciones de las estaciones llamadas. la estación C está enviando información a las estaciones A. parte (a). una estación utiliza todo el ancho de banda del repetidor o “transpondedor” del satélite para enviar una trama que contiene la información a transmitir. 5. CDMA) 3. Los sistemas TDMA trabajan generalmente en QPSK y a velocidades hasta 120 Mbps. En el satélite se recibe una multitrama TDMA que contiene las tramas de todas las estaciones terrenas. Cada estación escucha toda la multitrama pero solamente copia la información a ella dirigida. Consideremos entonces un sistema satelital formado por un satélite y seis estaciones terrenas A.89. La multitrama TDMA. basado en los principios TDM. En el sistema TDMA. Acceso Múltiple por División de Código (Code-División Multiple Access. Acceso Múltiple por División de Tiempo (Time-Division Multiple Access. En el ejemplo de la Fig.8. TDMA) 2.89.

9. Sin embargo. pero no las trataremos aquí. 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.89. cuyos principios y mecanismo de generación se dieron en el Capítulo III. 2.1. Que la dispersión del ancho de banda de la señal transmitida sea producida por una señal s(t).9. capacidad para acceso múltiple a un medio y baja probabilidad de intercepción. 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. . Que el ancho de banda de la señal transmitida sea mucho mayor que el ancho de banda de la señal mensaje m(t). 5. Formato TDMA Típico 5.9. Sistemas SS mediante Conmutación de Frecuencias (Frequency Hopping Spread Spectrum. independiente de m(t). Sección 3. Sistemas SS de Secuencia Directa (Direct Sequence Spread Spectrum. 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. Estos objetivos se pueden optimizar aplicando las técnicas del espectro disperso (spread spectrum. Existen varias técnicas de dispersión del espectro. DSSS). en algunas aplicaciones hay que considerar aspectos tales como la capacidad o robustez contra interferencias (espontáneas o maliciosas). FHSS). 2. Los sistemas SS de más aplicación en la práctica son: 1. SS). TRANSMISION DE SEÑALES DIGITALES MEDIANTE DISPERSION DEL ESPECTRO (SPREAD SPECTRUM) 5.415 V. denominada “señal dispersora”. Existen también otras técnicas híbridas que incluyen tanto DS como FH. Para ser considerado como un sistema SS.3. Una señal dispersora que permite cumplir con estos dos criterios es justamente la señal seudoaleatoria o secuencia PN. el sistema debe satisfacer los criterios siguientes: 1. aspectos que son de gran importancia en las aplicaciones militares y que ahora se han llevado a aplicaciones en el dominio civil.

Durante la transmisión por el canal. MODULACION Y TRANSMISION DE IMPULSOS 5. 5.31 y cuyo ancho de banda es B ≈ Nf b . 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 ) . de la forma mostrada en la Fig. que se transmite. (5.27 y cuya densidad espectral viene dada por (3. Consideremos entonces el modelo de un sistema PSK/DSSS mostrado en la Fig.183). Entonces. la señal s(t) es una secuencia seudoaleatoria de la forma mostrada en la Fig.175) con A 2 Tb = 1 .90. la señal resultante x t (t ) .2. x t (t ) = m(t ) ⋅ s(t ) ⋅ cos(ω c t ) La señal recibida en el receptor será x r (t ) = m(t ) ⋅ s(t ) ⋅ cos(ω c t ) + v j (t ) ⋅ cos(ω c t ) La señal x r (t ) es demodulada mediante multiplicación por 2 cos(ω c t ) . Supondremos también que la potencia de ruido en el canal es despreciable en relación con la potencia de la señal interferente.416 V.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. de (3.23 y cuya densidad espectral viene dada por (3. será una señal PSK de frecuencia de portadora fc. por lo tanto. el espectro de la señal mensaje original PCM m(t) se dispersa mediante la utilización de una secuencia PN s(t). La señal dispersada modula en PSK a una portadora de frecuencia fc y luego se transmite.9. x sp ( t ) = m(t ) ⋅ s(t ) m(t ) ⇒ S m ( f ) = sinc 2 ( f ) fb x d (t ) Filtro Pasabajo donde. En el extremo receptor se llevan a cabo las operaciones inversas correspondientes para la recuperación de la señal mensaje m(t). 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). NRZ y de amplitudes ±A . Si la señal x sp (t ) se multiplica por cos(ω c t ) . Sistemas SS de Secuencia Directa En los sistemas de espectro disperso de secuencia directa (DSSS). 5. 3. 5. Modelo de un Sistema de Espectro Disperso en Secuencia Directa (DSSS) La señal dispersa x sp (t ) tiene la forma de una secuencia aleatoria bipolar NRZ que contiene la información. De la Fig.90. cuya densidad espectral se muestra en la Fig. 3. 3. la señal transmitida PSK/DSSS es perturbada por una señal interferente v j (t ) centrada en la frecuencia de portadora.90. La señal m(t) es una secuencia PCM en banda de base que suponemos bipolar.175).

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. 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. MODULACION Y TRANSMISION DE IMPULSOS A esta señal se le aplica la operación de dispersión. 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. El término de alta frecuencia centrado en ±2f c es eliminado. 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 . De (3.197) .195) Para cuantificar el efecto de la interferencia. De (5.196) donde n =−∞ ∑' ∞ indica que la sumatoria no incluye el valor n = 0. así como todas las componentes frecuenciales del producto s( t ) ⋅ v j ( t ) superiores a fb . y que representa la interferencia a la salida. La densidad espectral de potencia a la salida del filtro pasabajo será S o (f ) = S m (f ) + S oj (f ) donde S oj (f ) es la densidad espectral de s(t ) ⋅ v j (t ) de la señal interferente es [ ] oj . podemos demostrar que ηj π ⎤ f N+1 f ⎡ 1 ) S oj ( f ) = A 2 ⎢ 2 + 2 sen 2 ( ) ⎥ ⋅ Π( ) = ⋅ Π( j 2f b 2 2f b N ⎦ π ⎣N donde ηj N+1 π ⎤ ⎡ 1 = A 2 ⎢ 2 + 2 sen 2 ( ) ⎥ j 2 N ⎦ π ⎣N (5.417 V. que es el ancho de banda del filtro. S oj (f ) = S jd (f ) ⋅ Π ( f ) 2f b Entonces.177) y (5. entonces x d (t ) = m(t ) + s(t ) ⋅ v j (t ) + m(t ) + v j (t ) ⋅ s(t ) ⋅ cos(2ω c t ) Esta es la señal a la entrada del filtro pasabajo.196). (5.195).

90253A 2 y Pj = 2A 2 j G DS = Ps A N = 0. es decir. f b = 9600 Hz y (A/Aj) = 100. Esto significa que para que la fuente interferente pudiera tener alguna influencia en la recepción. Esta característica del sistema DSSS ha sido muy utilizada en los sistemas de comunicación militares contra las interferencias maliciosas (jamming). Se puede determinar la ganancia “Potencia Util/Potencia Interferente” para demostrar la robustez del sistema DSSS contra las interferencias espontáneas o maliciosas. fb = 9600 Hz y A j = 1.72 dB (470 veces) por debajo de la señal útil. Ps = 0. ⎢ 2 + 2 sen ( )⎥ ≈ y ηj = N π N ⎦ N N ⎣ En la Fig. 5. su potencia debería aumentarse por lo menos en 470 veces. Sección 5. lo cual es prácticamente imposible por lo costoso que sería.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. En la práctica. 2A 2 ⎡ 1 N +1 2 π ⎤ 1 j Nótese que para N >> 1. Dentro de la banda de paso. Por ejemplo. la probabilidad de error será . G DS = 26.418 V. (La señal S oj ( f ) ha sido multiplicada por 100 para poderla observar en el gráfico). Como hemos supuesto que el ruido interferente es mucho mayor que el ruido en el canal ( η j >> η) .4. la probabilidad de error en el sistema PSK/DSSS viene dada por (5. la Ganancia DS será (5. el factor [A/Aj]2 es muy grande (>10 ).4513( ) 2 Pj A j fb fb N La ganancia es directamente proporcional a N. MODULACION Y TRANSMISION DE IMPULSOS es la amplitud de la densidad espectral de la señal interferente a la salida. La probabilidad de error en este sistema es la misma considerada en la modulación binaria de fase.7. N >> 1.91 se grafica Sm(f) y S oj (f ) para N = 1000.72 dB 4 Puede observarse que en este caso la señal interferente está a 26. cuando N = 1000.171).

90253A 2 y Pj = 2A 2 j interferente. Por ejemplo. Es lógico que si la relación Pi/Ps es alta.92.97 dB Pis = Pi/Ps Pis = -1. la probabilidad de error será alta también.200) ⎜ 4 2 1 ⎟ N +1 2 2 π A j [ 2 + 2 sen ( )]f b ⎟ ⎜ N ⎝ ⎠ N π Puesto que Ps = 0. La expresión (5. En efecto.201) y la Fig. Pi = 2f b A 2 . en efecto.15 Probabilidad Pe 0. donde Pi es la potencia de la fuente N N entonces.92 demuestran la efectividad del sistema DSSS en la supresión de interferencias tanto espontáneas como maliciosas. para ( Pi / Ps ) = 10 . reemplazando (5. 5. j f b Pi = .199) Como η j depende de la ganancia de procesamiento N. en la Fig.92. 5. para N >> 1.201) A la relación Pi/Ps generalmente se la conoce con el nombre de “margen de interferencia” y es una medida de la gravedad de la interferencia.05 Pis = -10 dB 0 1 N 10 Fig. vemos que la probabilidad de error dependerá también de N. MODULACION Y TRANSMISION DE IMPULSOS Pe = A2 1 ) erfc( 2η jf b 2 (5.199). 5. es decir. valores de N superiores a 164 mantendrán la probabilidad de error por debajo de 10-5.419 V.544 N Pe = erfc( ) para N >> 1 2 Pi / Ps (5. la probabilidad de error Pe en PSK/DSSS se puede reducir a la forma más sencilla 1 0. La expresión (5. más alta es la severidad de la interferencia y más alta la probabilidad de error. cuanto más alta es esta relación. 5. la probabilidad de error en PSK/DSSS es ⎛ ⎞ ⎜ ⎟ 2 1 1 A ⎟ Pe = erfc⎜ (5. En efecto.92 se muestra la variación de la probabilidad Pe vs N para diferentes valores del margen de interferencia. Probabilidad Pe vs N en PSK/DSSS .55 dB 0.201) nos permite observar el efecto de la ganancia de procesamiento N sobre la probabilidad de error para diferentes valores del margen de interferencia. pero esta probabilidad de error se puede disminuir aumentando la ganancia de procesamiento N.198) en (5.1 Pis = 0 dB Pis = -0. 0. como se puede observar en la Fig.

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

5.93. un aumento en el número de usuarios sólo se puede lograr rediseñando el sistema.204). En la práctica.554 s ⎥ = erfc⎢ 0. ya estudiado.204). En efecto.2 0.93. 1024 y 2048. El lector puede verificar este fenómeno haciendo los ajustes necesarios en las expresiones (5.204) La probabilidad de error en CDMA depende entonces del número de usuarios M en el sistema. mayor será la probabilidad de error. 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. Esto se puede observar en la Fig. Se puede aumentar el número de usuarios pero a costas de un aumento en la probabilidad de error. se verifica que para que Pe . pues el comportamiento del sistema experimentará solamente una degradación de acuerdo con la expresión (5. 0. MODULACION Y TRANSMISION DE IMPULSOS Ptj = (M − 2) ⋅ Pj = (M − 2) ⋅ Pi P = ( M − 2) s N N (5. Por ejemplo. para una ganancia de procesamiento N = 1000. en sistemas de localización (global positional systems.3 Probabilidad Pe N = 256 N = 512 N = 1024 N = 2048 0.203) y (5.554 ⎥ M−2⎥ Ptj ⎥ 2 2 ⎢ ⎢ ⎣ ⎦ ⎣ ⎦ (5. . 5. cuanto mayor es el número de usuarios. 512. GPS). En efecto. en sistemas PCS (Personal Communication Systems) y en redes de área local inalámbricas. se puede agregar los usuarios que se quiera. se produce una degradación en la calidad de la transmisión. es decir. la calidad de la señal en todas las estaciones se degrada rápidamente.k < 10 −5 el número de usuarios debe ser M < 120.203) De (5. donde se muestra la variación de la probabilidad de error en función de M para N = 256.421 V. En el sistema TDMA el número de usuarios está restringido por el número de ranuras disponibles en el sistema. k = ⎡ ⎡ N ⎤ P ⎤ 1 1 erfc⎢ 0.1 0 0 200 400 M 600 Fig. En CDMA este problema no se presenta. El sistema CDMA se aplica en telefonía celular. en sistemas móviles por satélite. si una o más estaciones transmiten con altas potencias. Una vez que todas las ranuras de tiempo han sido asignadas. la probabilidad de error en el receptor k es Pe.201). Probabilidad de Error en CDMA Sería interesante comparar el sistema CDMA en relación con el sistema TDMA.

a esta técnica se le suele llamar también “Dispersión de Espectro por Salto de Frecuencias”. Como resultado. como se muestra en la Fig. la portadora “salta” aleatoriamente a otras de las frecuencias no conocidas por el ente interferente y como consecuencia la interferencia se reduce. En la Fig 5.. vuelve a modular una portadora cuya frecuencia cambia constantemente de acuerdo con una secuencia PN. pues en el caso de existir una.. .3 Dispersión del Espectro mediante Conmutación de Frecuencias (FHSS) En los sistemas FHSS la señal digital a transmitir.1 frecuencias. M (5. i) = n =−∞ ∑ 2 cos(2πf t) ⋅ Π( i ∞ t − nT ) T para i = 1. 5. si k = 8. generalmente FSK o DPSK. y en el intervalo siguiente se cambia o “salta” en forma aleatoria a cualquiera otra de las M .94 se muestran los “saltos” aleatorios de frecuencia y en la en la Fig. y sistemas FHSS Rápidos cuando T < Tb ... Por esta razón. es decir. los sistemas FHSS se clasifican en sistemas FHSS Lentos cuando T ≥ Tb . La cantidad de frecuencias es igual a M = 2 k . esto quiere decir que durante un intervalo de tiempo T se utiliza una de las M frecuencias. 205) Dependiendo de la relación entre T y Tb . que es una forma de FHSS Lento. ella tendría efecto solamente en uno de los M intervalos de tiempo.95. en la práctica el valor de k es igual al número de etapas r del generador de las secuencias PN. 3. habrá 256 frecuencias de portadora diferentes que serán moduladas por la señal FSK o DPSK. de modo que se puede escribir s h ( t .95 se muestra el modelo de un sistema FSK/FHSS con demodulación no coherente.. Por ejemplo. Estas frecuencias cambian cada T segundos. MODULACION Y TRANSMISION DE IMPULSOS 5.9. Para simplificar el análisis.422 V. 5. vamos a considerar el caso cuando T = Tb . que f1 >> f c . Las frecuencias de portadora se generan en un sintetizador de frecuencia que es controlado por k “chips” tomados de una secuencia PN. . la interferencia se reduce. Vamos a suponer también que la frecuencia inferior de dispersión es mucho mayor que fc . Durante los M − 1 intervalos de tiempo restantes.. donde k es el número de “chips” tomados de la secuencia PN. 2.

f i − f i −1 = f b .95. de modo que su salida es x t ( t . i) = x fh ( t . En el canal aparece una señal interferente v j ( t ) . i) = n =−∞ ∑ A cos[2π(f + b a f d + f i ) t ] ⋅ Π( t − nTb ) para i = 1. i) v j (t ) Sintetizador de Frecuencia 1 2 3 k Generador PN Convertidor T = Tb Serie / Paralelo TRANSMISOR CANAL RECEPTOR Fig. cuya potencia. pero como M = 2 k y N = 2 k − 1.162). 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 ] . Modelo de un Sistema de Transmisión de Espectro Disperso mediante Conmutación de Frecuencias. i) = x FSK ( t ) ⋅ s h ( t . analizaremos separadamente los efectos de la señal útil y los de la interferencia. MODULACION Y TRANSMISION DE IMPULSOS x FSK (t ) x fh ( t . 5.423 V. el ancho de banda de la señal FSK/FHSS es B ≈ (M − 1) ⋅ f b ..4. entonces el ancho de banda es B ≈ N ⋅ fb en FSK/FHSS (5.206) Esta es la señal FSK/FHSS que se transmite. i) xrh ( t . 5. i ) Sintetizador de Frecuencia 1 2 3 Generador PN k Reloj Reloj Convertidor Serie / Paralelo T = Tb s h ( t . de (5.. Vamos a estimar ahora el valor aproximado del ancho de banda ocupado. suponemos que es mucho mayor que la potencia de ruido (η j >> η) . ∞ x fh ( t .. c donde x FSK (t ) . M Tb (5.. para T = Tb . De la Fig. es. Asimismo.. es decir. 3. Por razones de ortogonalidad. x FSK ( t ) = n =−∞ ∑ A cos[2π(f ∞ + b a ⋅ f d ) t ] ⋅ Π( t − nTb ) Tb t − nTb ) Tb t − nTb ) Tb Entonces. i) x t ( t . x fh ( t .95. 2. i) . i) x r ( t . la separación entre dos frecuencias adyacentes debe ser como mínimo igual a fb .7. que ya discutimos anteriormente. Por lo tanto. 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 . . Sección 5.207) . igual que en el caso DSSS.

i) obteniéndose n jh ( t . i) = n =−∞ ∞ ∑ 2A cos[2π(f ∑ A{cos[2π(f c ∞ c + b a f d + f i ) t ] ⋅ cos(2 πf i t ) ⋅ Π( t − nTb ) Tb t − nTb ) Tb c + b a f d + 2 f i ) t ] + cos[2 π ( f c + b a f d ) t ]} ⋅ Π( n =−∞ El filtro pasabanda C deberá estar centrado en [ f c + b a f d ] . el ruido a la salida del filtro se puede expresar en la forma canónica n j ( t . de modo que su salida será x f (t) = n =−∞ ∑ A cos[2π (f ∞ + b a f d ) t ] ⋅ Π( t − nTb ) = x FSK ( t ) Tb (5. Este mismo análisis se puede efectuar para una señal DPSK. 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. Cuando esta señal pasa por el filtro pasabanda B del receptor. i) resultando en x rh ( t . Estrictamente hablando. La señal x t ( t . él siempre permanece fijo y su ancho de banda generalmente es f b . la cual al demodularse producirá la señal mensaje original m(t). i) se transmite y en el receptor pasa por el filtro pasabanda B. Nótese que la demodulación es no coherente para evitar los problemas de sincronización de los sintetizadores de frecuencia. 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 .424 V.208) Hemos recuperado la señal FSK. i) = x rh ( t . MODULACION Y TRANSMISION DE IMPULSOS que es el mismo ancho de banda de la señal PSK/DSSS. de modo que x r ( t . i) = x t ( t . i) . podemos decir entonces que . 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 . Esta señal se multiplica por una réplica idéntica y sincronizada de s h ( t . i) = n jc ( t ) ⋅ cos[2 π ( f c + b a f d + f i ) t ] − n js ( t ) ⋅ sen[ 2 π ( f c + b a f d + f i ) t ] Esta señal de ruido se multiplica por la señal dispersora s h ( t . que está centrado en [ f c + b a f d ] . o lo que es lo mismo. 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). el cual tiene las mismas características que el filtro A. 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. i) = ∞ n =−∞ ∑ {n jc ( t )[cos[ 2 π ( f c + b a f d + 2 f i ) t ] + cos[2 π ( f c + b a f d ) t ]] − − n js ( t )[sen[2π( f c + b a f d + 2f i )t ] + sen[2π( f c + b a f d )t ]} ⋅ Π( será n jf ( t ) = } t − nTb ) Tb A la salida del filtro pasabanda C. el espectro de la señal no se ensancha.

en general. ver [Pickholts y otros. Pero en la práctica la situación es muy diferente.209) (5. Nótese que esta ganancia no depende de N.4 Pe g)0. 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. Consideraciones Finales 0.30 ( 3 FSK / FHSS 0. Pe = La relación Ps/Pj es.4.164b).2 0 20 10 0 10 g En la discusión de los diferentes tipos Fig. 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. La probabilidad de error es. Proakis.210) La probabilidad de error en el sistema FSK/FHSS será entonces 1 1 Ps (5.96. 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.211) exp( − ) 2 2 Pj donde Ps/Pj es la ganancia de potencia o relación entre la potencia útil y la potencia interferente. alta. en este caso en particular. 5. 1982. A continuación se realiza una sincronización “fina” que sincroniza las dos secuencias. para Ps / Pj > 13.9. la probabilidad de error Pe < 10 −5 . Alcanzada la sincronización. la sincronización de las secuencias PN es mucho más complicada pues requiere circuitos especiales de adquisición y rastreo.425 V. En la Fig.35 dB . Este sistema se utiliza en telefonía celular GSM (Global System for Mobile Communications) de procedencia europea. MODULACION Y TRANSMISION DE IMPULSOS 2 donde Bi es el ancho de banda de un canal individual en FSK. 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. En particular. de (5. 1 γ Pe = exp( − ) 2 2 pero. aunque en algunos sistemas el transmisor envía secuencias especiales para mantener la sincronización. Ps/Pj 20 dB . en la segunda etapa el receptor intenta mantener alineada la secuencia PN local lo más cerca posible de la secuencia PN del transmisor. 1989].169). 5. ésta es la denominada operación de “seguimiento o rastreo”. expresión (5. Esto completa la primera etapa. Para más información sobre estos sistemas. 5.6 Pe 0.152). de (5.96 se muestra la variación de la probabilidad de error en función de la relación Ps/Pj.

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

2.97. 5. 5. 2π (b) Determine el diagrama de bloques de un sistema para recuperar x(t) a partir de y(t). (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. No obstante. donde x (t ) = sinc(t ). 5.427 V. Determine la amplitud máxima del espectro centrado en la frecuencia de 100 Hz. 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). los conocimientos aquí impartidos son suficientes para el estudiante de pregrado y para el ingeniero no especialista que desee una introducción no estadística a la teoría de las comunicaciones. La señal muestreada se pasa por un filtro ideal pasabajo. MODULACION Y TRANSMISION DE IMPULSOS Dada la característica introductoria de este capítulo. La señal x (t ) = 5 cos(2πx10 3 t ) cos(600πt ) se muestrea a una frecuencia de 2100 muestras por segundo. El muestreo se efectúa mediante una señal periódica rectangular de amplitud unitaria y ciclo de trabajo igual 0. de ganancia igual a 2 y ancho de banda de 1600 Hz. de período igual al intervalo de Nyquist y relación de trabajo igual a 0. PROBLEMAS DE APLICACION 5.4. demuestre que y (t ) = 5 cos(600πt )[cos(200πt ) + 5. La señal muestreada se pasa por un filtro ideal pasabajo de ganancia unitaria y ancho de banda de 4 Hz.5. Demuestre que la salida del filtro es y (t ) = 4[2 cos(πt ) + 10 cos(2πt ) + 4 cos(3πt ) + 4 cos(5πt ) + 10 cos(6πt ) + 2 cos(7πt )] 5.97. (a) Demuestre que y (t ) = 1 sinc(t ) cos(2πt ) . 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.1. La señal x (t ) = 50sinc 2 (10t ) se muestrea mediante una señal periódica rectangular.2. Sea el sistema de la Fig. . Dibuje su espectro Y(f).3. Grafique el espectro de la señal muestreada en el intervalo de frecuencias (-10 Hz. La señal x (t ) = 10 cos(2πt ) + 4 cos(5πt ) + 2 cos(7πt ) se muestrea en forma instantánea a una frecuencia de 4 Hz.

. 5. Dibuje el espectro de la señal muestreada entre n = −5 y n = 5.115). la salida es y( t ) = 2B2sinc 2 (Bt ) . Demuestre que si el muestreo se ha efectuado a una frecuencia de B muestras por segundo. Esta señal se muestrea en forma instantánea y se pasa por un filtro cuya función de transferencia es H (f ) = Π (f / 2 B). t − Ts − Ts + ∆t ∆t Ts Ts + ∆t P (f ) = 2f s n =−∞ ∑ cos(nπf ∆t ) exp(− jnπf ∆t )δ (f − nf ) s s s ∞ Fig. [Sugerencia: utilice la expresión (1. f s = 1/ Ts . Se tiene una señal x(t) pasabajo de banda limitada f m . . 5.8. Esta señal se muestrea y se pasa por un filtro pasabajo RC de tal manera que haya una banda de guarda de ancho B g entre el valor B del ancho de banda del filtro y la frecuencia inferior del espectro centrado en f s .99. 1 0 . Suponga que (1/RC)=2πfm .428 V. Esta señal se va a emplear para muestrear la señal x (t ) = 2 x10 −3 sinc 2 (500t ).99.98.86 Hz cuando el ancho de banda de la señal es el de 3 dB.. Demuestre que la frecuencia de muestreo necesaria es f s = 3f m + B g .9. Demuestre que el límite inferior de la frecuencia de muestreo es: (a) f s = 204 . la salida es y( t ) = 2B2sinc(2Bt ) .79)..105)]... -2B -B X(f) 1 f 2B 0 B Fig. En la Fig. donde 5. (b) f s = 500 Hz cuando el ancho de banda de la señal se calcula según la expresión (1.9 x10 5 πt ) es de 20 kHz. 5. 5. Demuestre que la frecuencia de muestreo mínima necesaria para muestrear la señal x (t ) = 20 cos(10 4 πt ) cos(3. 5. 5. El valor B es el ancho de banda del filtro de acuerdo con la expresión (2..5. pero si el muestreo se ha efectuado a 2B muestras por segundo. Sea la señal periódica de la Fig.7. entonces la frecuencia de muestreo será f s = 2f m + B g . Se desea muestrear la señal x ( t ) = 15 exp(−103 | t |) . MODULACION Y TRANSMISION DE IMPULSOS 5.6.98 se muestra el espectro de una señal dada. Demuestre también que si el ancho de banda del filtro es el de 3 dB. 5. (a) Demuestre que el espectro P(f) de p(t) viene dado por p(t) .

De acuerdo con esta definición. 2. 5.100. (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.214) (b) Si B = 5 kHz.429 V. 5. x(t) = 10exp(-104 t ) . con f s = 500 Hz. donde X(f) es el espectro de la señal de información x(t). Consideremos el espectro de la Fig. ∫ F %= ∫ s 3f s / 2 fs / 2 fs / 2 | H (f )|2 | X(f )|2 df 100 (5. de modo que teóricamente cuando ellas se filtran para limitarlas en banda se produce distorsión. (5. Consideremos la distorsión de solapamiento mostrada en la Fig. 5. x ( t ) = 8sinc 2 (8x103 t ). En general. Vamos a cuantificar la distorsión de solapamiento definiéndola como “la relación entre la energía de los espectros adyacentes reflejada sobre la gama de baja frecuencia y la energía de la señal dentro de esa gama”. 5. entonces Sx(f) reemplaza a |X(f)|2 en las expresiones anteriores. determine el factor FB % para las siguientes señales: 1.213) demuestre que cuando se muestrea la señal x (t ) = 15 exp(−10 3 | t |) . Utilizando (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%.10. demuestre que el Factor de Solapamiento debido a los espectros adyacentes se puede expresar en la forma Factor de Solapamiento. las señales de información prácticas no son estrictamente limitadas en banda.11. entonces ∫ F %= ∫ s 3f2 / 2 fs / 2 fs / 2 | X(f )|2 df 100 (5.213) 2 0 | X(f )| df Si x(t) está caracterizada mediante su densidad espectral de potencia Sx(f). MODULACION Y TRANSMISION DE IMPULSOS 5.100.212) 2 2 0 | H (f )| | X(f )| df Si la ganancia del filtro es constante en la gama | f | ≤ f s / 2 .15.

calcule y Ts 2 f s 4f m 2f m dibuje X s (f ) en la forma mostrada en la Fig.94x10 5 πt ) . sin embargo. demuestre. 5. 5.13.16.102. donde Ts = = y X(f) = Π ( ) .14. (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.430 V. donde x(t) es una señal pasabajo de banda limitada fm .12. En el muestreo con retención se utiliza un filtro de orden cero dado por (5.842%. por ejemplo. f s = 1 / Ts = 2f m . Sea el sistema mostrado en la Fig. Si se considera solamente la energía de los espectros adyacentes que pasa a la salida. con Ts = = f s 3f m 5. demuestre que el factor de distorsión de interpolación producido por un filtro pasabajo RC es del 27. donde f m = 1 / 2πRC y f s = 3f m . Igualmente que en los dos problemas anteriores. x(t) f s es la frecuencia de Nyquist de x(t). Sea el sistema de la Fig.215) 0 Si x ( t ) = 2f m sin c(2f m t ) .101.16.11. Dibuje el espectro Y(f) x (t ) = 2 f m sinc(2f m t ) 5. 5.102. 5.101. (b) Calcule el espectro de la señal muestreada y dibújelo en el intervalo (-140 kHz. 5. Sea la señal x (t ) = 8sinc 2 ( t 1. 1 1 (b) Repita cuando h ( t ) = Λ ( 2f m t ). a partir de la Fig. 5. donde x(t) es una señal pasabajo de banda limitada fm.25). que el “Factor de Distorsión de Interpolación” se puede expresar en la forma ∫ F%= I fs +fm fs −f m fm | H(f ) |2 | X(f − f s ) |2 df | H(f ) |2 | X(f ) |2 df ∫ 100 (5. h(t) puede tener cualquier perfil. donde δ Ts (t ) Fig. MODULACION Y TRANSMISION DE IMPULSOS 5. 5. (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 ].15. (a) Si h (t ) = cos( T f πt 1 1 ) para | t| ≤ s . 140 kHz) 5. se puede cuantificar la Distorsión de Interpolación.25x10 −4 ) cos(1. (a) Demuestre que la frecuencia mínima de muestreo es de 35 kHz y diga las características del filtro necesario para recobrar la señal.

5. y expresiones (5. 5. 5. y que su período es Ts = 3 ms .23. Utilizando el mismo procedimiento. Suponga que |min m(t)|= A / 2 . Fig. La relación de trabajo del tren de impulsos sin modular es de 0.216) (5. MODULACION Y TRANSMISION DE IMPULSOS (b) Si x (t ) = sinc 2 (f m t ) . (c) Si la banda de paso del filtro está entre 3f m y 5f m . demuestre que B MIN ≈ 2 f m Vp Vp + A − | min m(t)|-Vu = β m f m .70).69) y (5. 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 . (b) Considerando la geometría de la señal vd (t). entonces So / N o π 2 B 3 π 2 3 = ( ) = βm 24 f m 24 Si / N i (5.5 cos( 10 3 πt )] . 5.2. Vp y Vu .2172 para t = 1.19.431 V. 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 ) .18. Vp = βm [Vu + | min m(t)|-A] βm − 2 donde β m > 2 . demuestre que cuando los impulsos tienen la forma de ⎧ A⎡ 2πt ⎤ t ⎫ coseno elevado ⎨p(t ) = ⎢1 + cos( ) Π ( )⎬ . En la Sección 5. Note también que [min sinc(t)] ≈ -0. 5. grafique el espectro de xi (t). 5. Fig.4 se calculó la ganancia de conversión en PPM suponiendo que los impulsos tenían forma trapezoidal. 3 Demuestre que el ancho de banda mínimo para transmitir la señal PDM es de 2 kHz.17. En un sistema PDM se observa que el ancho de los impulsos viene dado por la expresión τ (t ) = 10 −3 [1 + 0. Determine las relaciones de expansión del ancho de banda y las ganancias de conversión correspondientes. es el factor de expansión del ancho de banda. y su ganancia es unitaria.70).23. La señal m(t ) = 10 cos 2 (5x10 3 πt ) se va a modular en PAM.30.18 dB al que utiliza impulsos trapezoidales. La señal m( t ) = 10sinc(10 4 t ) se va a modular en PDM en la forma mostrada en la Fig. podemos ver que el comportamiento del sistema PPM que utiliza impulsos en coseno elevado es superior en 8.217) Comparando este resultado con (5. PDM y PPM. .3.29 y 5. A. 5.20.425 seg (a) Determine los valores apropiados de los parámetros Ts .

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 ) (5.23. en el sistema PPM hay que transmitir también la información de temporización.61.16 dB . Esto quiere decir que si m' (t ) ≠ 0 .22. demuestre que la capacidad de la memoria para almacenar la señal PCM debe ser. la componente a la frecuencia fs se puede extraer de x PDM (t ) . o con el circuito de la Fig. de 60 kbytes. como mínimo. Una señal analógica tiene una duración de 1 minuto.220) Se aplican las mismas observaciones que en la parte (b). a partir de la expresión (5.432 V. (a) Demuestre que el ancho de banda mínimo del sistema PAM es de 8 kHz. por lo tanto. (a) Demuestre. Como consecuencia. 5. Nótese que el ancho de banda en PCM es 5 veces mayor que el ancho de banda en PAM. Esta señal se muestrea a 8000 muestras por segundo y los impulsos resultantes se transmiten tanto en PAM como en PCM. (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. demuestre que la resolución del cuantificador es de 31. la información de temporización no puede extraerse de x PPM (t ) . .21. Demuestre que el ancho de banda del sistema PCM es de 40 kHz. 5. (c) Demuestre que en PAM se cumple que As = 2A sen(πτf s ) π (5. Una señal de audio tiene una frecuencia máxima de 3.218) Obsérvese que la amplitud As varía en el tiempo en función de la derivada de la señal mensaje.2 kHz.37 mV y que la relación de postdetección S o / N o = 48. MODULACION Y TRANSMISION DE IMPULSOS 5. de (5. (b) Demuestre en la misma forma en PDM que la amplitud de la componente a la frecuencia de portadora f s es. (c) Repita la parte (b) cuando el cuantificador tiene 256 niveles. convertir en PCM binario y almacenar en la memoria de una computadora.53). As = 2A J o (πτ 1 f s ) sen(πτ o f s ) π (5. Su contenido espectral va desde CC hasta 500 Hz. ambos NRZ.60). Esto se puede efectuar mediante un filtro pasabanda muy angosto centrado en fs . 5. (b) En el sistema PCM los impulsos PAM se cuantifican con un cuantificador bipolar de 32 niveles. (b) Si cada muestra se ha codificado en 8 impulsos PCM binarios. La señal se va a muestrear. Si el voltaje máximo de salida del cuantificador es de ± 8V .219) Obsérvese que ahora A s es constante.

29. siendo la frecuencia de muestreo igual a 64 kHz.25. 5. con escalones de 10 mV de amplitud.761 dB. dibuje la señal PCM entre 0 y 75 µseg . El muestreo se efectúa al doble de la frecuencia de Nyquist. (a) Demuestre que el factor de expansión del ancho de banda es igual a 20. Demuestre que el valor óptimo teórico de la amplitud del escalón ∆r es de 0. demuestre que BPCM = 10f m y BDM = 328. 5. 5. el ancho de banda en DM es 32.47(b).28. Por consiguiente. Se desea comparar los anchos de banda de transmisión requeridos en PCM y DM en el caso de modulación sinusoidal. MODULACION Y TRANSMISION DE IMPULSOS 5. (a) Dibuje cuidadosamente las señales m(t ). en las condiciones dadas. todas de banda limitada f m se muestrean instantáneamente y se multiplexan en TDM. La señal m(t ) = 5 + 20 cos 2 (10 4 πt ) se quiere modular en PAM (RZ) con una relación de trabajo de 0. 5.92 dB. A un modulador Delta se le aplica la señal m(t ) = sen(2πx10 3 t ) .05 ⋅ [1 − cos(10πt )] se aplica a un modulador Delta cuya frecuencia de muestreo es de 100 Hz. (c) Si la señal PAM se codifica (forma unipolar) en PCM de 32 niveles y resolución 0.09817 y que la correspondiente relación So/No es de 21.5 V. siendo RT el ciclo de trabajo de la señal PAM/TDM [Resp. (b) Repita (a) si las M señales se multiplexan en la forma mostrada en la Fig.17f m . M señales pasabajo.: B = 2Mfm/RT] (c) Haga un diagrama de bloques del receptor para recuperar las M señales individuales. la cual es producida por una frecuencia de muestreo de 314.099 dB en ambos sistemas.2.16 Hz. (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. entre t = 0 y t = 100 ms. ⎡S ⎤ Grafique ⎢ o ⎥ ⎢ ⎥ ⎣ N q ⎦ PCM ( dB) Discuta los resultados. La señal m(t ) = 0. y calcule su ancho de banda.24.27. (b) Dibuje con cuidado la señal PAM entre 0 ≤ t ≤ 130 µseg. y ⎡ So ⎤ vs ⎢ ⎥ ⎢ ⎥ ⎣ N q ⎦ DM ( dB) βm .42. 5. Se quiere comparar los sistemas PCM y DM mediante el factor de expansión del ancho de banda β m = B / f m .433 V.8 veces el ancho de banda en PCM. Si la relación Señal / Ruido de Cuantificación es de 30. y determine los valores de x PAM (t ) para t = Ts y t = 2Ts .26. 5. Determine también la ganancia de conversión en el receptor. m(t) y x ∆ ( t ) en la forma mostrada en la Fig. La señal multiplexada compuesta se pasa por un filtro pasabajo ideal antes de la transmisión. 5. (b) Demuestre que la relación So/No máxima es de 21.

30. Vqmax . (c) Grafique la forma de las secuencias PCM NRZ correspondientes a t = 0 y t = Ts. 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 se muestra un sistema TDM básico para cuatro señales. 5. m1 ( t ) ∆Q. 5. m 3 (t ) = A ⎢ Λ ( τ/2 τ τ/4 τ/4 ⎥ ⎦ ⎣ . N y n .37(a). Las compuertas analógicas 4016 conducen cuando son activadas en secuencia mediante un contador cíclico. m 2 (t ) = AΠ ( ). 4016 4016 PAM/TDM NRZ A CODIFICADOR PCM/TDM NRZ PCM 4fs m2 (t ) f pcm D 0 0 0 1 C 0 0 1 0 B 0 1 0 0 A 1 0 0 0 m3 (t ) B A B CONTADOR C CICLICO D m4 (t ) D C 4fs fs Salidas del Contador Cíclico RELOJ f pcm Multiplexor PAM / TDM para 4 señales Fig. En la Fig. En este caso determine la frecuencia de reloj del registro de desplazamiento y el ancho de banda mínimo de la señal transmitida. El error máximo tolerable en la codificación es del 0.31. 5. Al multiplexor entran las siguientes señales: m1 (t ) = AΛ ( t−τ/2 t−τ/2 t − 3τ / 4 ⎤ ⎡ t−τ/4 ) + Λ( ) . 5. MODULACION Y TRANSMISION DE IMPULSOS (d) La señal PAM/TDM compuesta se codifica en ASCII sin bit de paridad.434 V. El impulso de arranque tiene la misma duración que los impulsos PCM NRZ. 5.9.1957% del valor máximo de m(t). (b) En el registro de desplazamiento se agrega un impulso de arranque (siempre a “CERO”) y uno de pare (siempre a “UNO”). ). (a) Determine las características del convertidor analógico-digital: Sugerencia: utilice los resultados del Ejemplo 5. Fig. Demuestre que en este caso la velocidad de modulación es Vb = 20Mf m baudios. Este multiplexor se puede instrumentar en la práctica con circuitos integrados 4016.103. Suponga que el muestreo de m(t) se ha efectuado al doble de la frecuencia de Nyquist. cuya salida ABCD se muestra en la Tabla inserta. mientras que en los impulsos de pare la duración es el doble. la cual se transforma en serie mediante un registro de desplazamiento.

(b) Demuestre que la cantidad de información que el sistema puede transmitir en 1 minuto es de 3. (a) Demuestre que el ancho de banda mínimo del canal para transmitir la señal PCM es de 800 kHz.33.36x107 bits. mientras que las señales m3(t) y m4(t) tienen un ancho de banda de 1 kHz.32. m2(t). (a) Demuestre que la frecuencia de muestreo para el proceso previo de m1(t) y m2(t) es de 300 Hz. . m 3 (t ) = 10sinc 2 (10 4 t ) y m 4 (t ) = 20 cos(10 πt ) cos(2x10 πt ) . y un multiplexaje final de m12(t). 5. Diseñe un sistema PAM / TDM que efectúe un multiplexaje preliminar de m1(t) y m2(t) en una señal compuesta m12(t). Suponga que τ = 0. La frecuencia de muestreo para m3(t) y m4(t) es de 2400 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. Suponga que las otras frecuencias de muestreo se pueden obtener mediante división por potencias de 2 a partir de 2400 Hz.4.8 seg y que la frecuencia f s es τ 2 τ de 10 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. m3(t) y m4(t). (c) Diseñe un sistema de recepción para la recuperación de las diferentes señales. se multiplexan en TDM en la forma mostrada en la Fig.100 del problema anterior. MODULACION Y TRANSMISION DE IMPULSOS 2πt A t−τ/2 [1 + cos( )] ⋅ Π ( ). y a continuación la señal PAM / TDM se codifica en PCM. 4 3 m 2 (t ) = 10sinc(10 4 t ) . (b) Demuestre que el sistema de dos etapas puede procesar hasta 8 señales de 80 Hz sin variar las frecuencias de muestreo. 5.14(b)). ¿Es diferente del ancho de banda de cuando se transmite sólo 2 señales de 80 Hz más las dos señales de 1 kHz? Explique. Las señales m1 (t ) = 5 cos(10 4 πt ) . código ASCII sin bit de paridad (Fig. dibuje la forma de la señal PCM / TDM NRZ a la salida del codificador PCM desde t = 0 hasta t = 2Ts . En un sistema de telemetría PAM / TDM se multiplexan cuatro señales pasabajo m1(t). m 4 (t ) = (a) Describa el funcionamiento del circuito completo. (f) ¿Cuál es el valor de la frecuencia f pcm ? 5.435 V. dibuje la forma de la señal PAM / TDM NRZ a la entrada del codificador PCM desde t = 0 hasta t = 4 Ts . (b) Si A = 1. m3(t) y m4(t). Las señales m1(t) y m2(t) tienen un ancho de banda de 80 Hz. (e) Calcule el ancho de banda mínimo del canal para transmitir la señal PCM / TDM NRZ.

El impulso coseno elevado de la Fig.37. La t −T/2 señal de entrada es un impulso de la forma v( t ) = AΠ ( ) . 5. (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. es decir. 5. T = 1 seg. El ruido de entrada tiene una densidad espectral de potencia S n (f ) .35.239 dB . T = 1 seg. (a) Demuestre que la función de transferencia del filtro acoplado es kA 1 [(1 + j2πTf ) exp(− j2πTf ) − 1] H (f ) = Sn (f ) 4T (πf ) 2 A v(t) t 0 Fig. Demuestre que la función de transferencia de esta red es 2 τ τ 1 1 1 H (f ) = para |f|< 2 2 2 1− τ f τ 5. (b) Si A = 10.751 dB .105 se aplica a un filtro acoplado. Vamos a comparar el comportamiento entre un filtro pasabajo RC y un filtro acoplado.34.104.104. El ruido de entrada es blanco de densidad espectral η/2 y k = η/2. el ruido es blanco de T densidad espectral η/2 y k = η/2. La señal de entrada a un filtro acoplado tiene la forma mostrada en la Fig. MODULACION Y TRANSMISION DE IMPULSOS 5.436 V. η = 10-6 W/Hz. 5. 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 ( ) . el ruido es blanco con η = 10-6 W/Hz y k = η/2.134).105. T (b) Si A = 10. 5. Para el filtro RC (a) Demuestre que la señal a la salida del filtro RC es t ⎤ t −T/2 t −T ⎡ ⎡ ⎤ v o ( t ) = A ⎢1 − exp(− ) Π( ) + A ⎢exp(− ) − 1⎥ u ( t − T ) RC ⎥ T RC ⎣ ⎦ ⎣ ⎦ . demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78. Se desea construir una red lineal que convierta impulsos rectangulares en impulsos coseno t elevado.36. demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78. 5.

672 x10 −7 Pe = 1.147) y Fig. centrado en f c . (b) Demuestre que si la velocidad de información se reduce a 300 bps.01 dB . El ancho de banda útil del canal es de 10 MHz. 5. demuestre que la relación S/N máxima a la salida del filtro RC es z max = | v o ( T ) |2 = 75. Se transmite datos binarios por un canal de RF.0306x10-10 . la probabilidad de error será de 1.19.42 dB. (a) Demuestre que las probabilidades de error son: En ASK Coherente: En ASK no Coherente: Pe = 1. para los mismos valores de la parte (c). Sugerencia: utilice el mismo procedimiento del Ejemplo 1. (b) Demuestre que el 50% de la potencia total de la señal ASK se va en transmitir la componente continua o portadora. en dB. 5. Sobre un canal telefónico de 3 kHz de ancho de banda se transmite datos binarios. RC = 10 y η = 10-6 W/Hz.40.62.0206 dB. La velocidad de información es de 4. .59 dB 2 < n o (t) > Para el filtro acoplado (d) Demuestre que la función de transferencia del filtro acoplado es H (f ) = ATsinc(Tf ) exp(− jπTf ) (e) Demuestre que la relación S/N máxima a la salida del filtro acoplado. MODULACION Y TRANSMISION DE IMPULSOS (b) Demuestre que la potencia de ruido a la salida del filtro es < n 2 (t ) >= o η 4RC (c) Si T = 1 seg. A = 10. se da la densidad espectral de potencia de una señal ASK para una secuencia binaria unipolar NRZ.437 V. 5. su relación S/N máxima de salida es superior en 7. 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. Nótese la superioridad del filtro acoplado: en las mismas condiciones que el filtro RC. 5. (a) Demuestre que la potencia contenida dentro del ancho de banda B = 2 f b . La relación S/N máxima en el canal es de 6. de la relación S/N en la antena es de 10.38. Se considera ASK Coherente.1068x10−6 (b) Demuestre que el valor. es z max = 83. (a) Demuestre que la velocidad de información máxima en el canal es de 1500 bps y que la probabilidad de error es de 2.339x10-3 .8 Mbps y se utiliza modulación ASK.39. es el 95% de la potencia total de la señal ASK.969 dB. En la expresión (5.

La potencia de ruido en los tres sistemas es la misma.44. pero sus frecuencias de operación son: en la banda inferior. f1 = 1070 Hz y fo = 1270 Hz.229x10-5 Pe = 3. fd = 300 Hz Pe = 2. demuestre que las probabilidades de error son: En FSK Coherente: En PSK Coherente: Pe = 2. El Módem Bell 102/113 transmite a 300 bps.21. La amplitud de la portadora es 0. f1 = 2025 Hz y fo = 2225 Hz. MODULACION Y TRANSMISION DE IMPULSOS 5. Repita para este Módem Bell los cálculos efectuados en el Ejemplo 5.0206 dB. La relación S/N en el canal es de 6. Sobre un canal se transmite datos binarios en FSK. Compare los resultados.882x10-9 . El ancho de banda útil del canal es de 3 kHz.43. y en la banda superior. fc = 1800 Hz. (a) Demuestre que para una misma probabilidad de error Pe y en modulación coherente. (b) Se utiliza las técnicas FSK y PSK. FSK y PSK. parte (b).42. Probabilidad de error en FSK Coherente: Probabilidad de error en FSK no Coherente: desviación de frecuencia. 5. 5.5 mV y la densidad espectral de ruido en el sistema es de 10-11 W/Hz. Las frecuencias de transmisión son f1 = 1500 Hz y fo = 2100 Hz.339x10-3 Pe = 9. Sea los sistemas ASK.438 V. igual que el Módem UIT-T V. B = 1200 Hz.158x10-3 Ancho de banda del filtro de entrada.18. Un canal ideal tiene un ancho de banda útil de 3 kHz. (c) Para la velocidad de información calculada en (b). 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. ⎡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. Demuestre los siguientes resultados: frecuencia de portadora. 5.41. la velocidad de transmisión de 1200 bps y la densidad espectral de 10-10 W/Hz. de amplitud de portadora A y frecuencia de señalización fb. (a) Demuestre que la capacidad teórica máxima del canal es C = 9667 bps. FSK y PSK Coherentes. determine la amplitud de la portadora y la probabilidad de error en ASK. Se utiliza un modem que trabaja a una velocidad de modulación de 300 baudios. Demuestre que la velocidad de información máxima que el canal puede soportar es de 1500 bps..

107 se muestra otra forma de codificador diferencial. 5. Se dispone de un canal cuya respuesta de frecuencia se muestra en la Fig. y por el cual se va a transmitir información binaria a 300 baudios en FSK.108 se muestra el diagrama de bloques de un receptor PSK binario.106.275x10-2. 5. (b) Repita (a) si el primer dígito es un “1” y la fase es 0o.106. No se muestra el sincronizador de temporización. (a) Utilizando los mismos datos del problema anterior. 5.46. 5.01 dB y la densidad espectral de potencia del ruido de 2x10-10 W/Hz.107.47.98 mV. . 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.45. (c) Demuestre que las probabilidades de error en FSK Coherente y no Coherente son: Coherente: Pe = 2.108. No Coherente: Pe = 6. Determine la secuencia de salida (mensaje codificado) del codificador y las fases de la señal modulada DPSK. Suponga que el primer dígito es un “0” y que la fase correspondiente es 0o . En la Fig. 5.767x10-2 (d) Demuestre que la capacidad teórica máxima de este canal es C = 3170 bps. Q A B fb clk FF D C Entrada Salida C = A⋅ B+ A B Fig. 5. f1 = 1100 Hz. 5.439 V.73 se le aplica una secuencia binaria de la forma 1101000110.48. MODULACION Y TRANSMISION DE IMPULSOS 5.75. La relación S/N en el canal es igual a 3. fo = 2500 Hz (b) Demuestre que la amplitud de la portadora es de 0. H(f) 1 f -2800 -800 0 800 2800 Fig. 5. 5. Al codificador diferencial de la Fig. Hz (a) Demuestre que los valores apropiados de la frecuencia de portadora y de las frecuencias fo y f1 son: fc = 1800 Hz. En la Fig. construya una Tabla de valores como la mostrada en la Fig. 5. 5.

51. (a) Demuestre que el voltaje de entrada al comparador.216x10-5 . y DPSK. MODULACION Y TRANSMISION DE IMPULSOS Suponga que x PSK ( t ) = A cos(2 πfc t − φ i ) . viene dado A3 por v d (t) = cos( φ i ) 4 (b) Establezca un algoritmo de decisión apropiado para el comparador. tanto coherente como no coherente.: A2 = 7. Demuestre que las frecuencias de operación y el ancho de banda de transmisión son: f1 = 1. Los filtros FI 1 y FI 0 son pasabanda. “ “ “ “ “0” . respectivamente. Un receptor de este tipo se denomina “receptor heterodino”. 5. centrados en las frecuencias fI1 y fI0 . La señal de entrada vc (t) se puede escribir en la forma v c (t ) = A c cos[2π (f c ± f d )t ] . Tabule y compare los resultados.5 GHz. (b) Si las secuencias son PCM NRZ demuestre que el ancho de banda de base es de 64 kHz.038x10-8? El ancho de banda del canal es el calculado en (d) y la detección es no coherente [Resp. Bc = 208 kHz (e) La densidad espectral de ruido en el canal es de 10-14 W/Hz. Calcule las potencias pico y promedio de la señal. en un intervalo Tb dado.440 V.49. 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. a una velocidad de 1000 bps. (c) Para la transmisión se utiliza modulación PSK binaria. en ASK. 5.504x109 Hz. todos de igual duración. PSK.309 dB] 5. así como las correspondientes relaciones S/N. 5. cuando se opera sobre un canal de 3 kHz de ancho de banda. (a) Demuestre que la velocidad de información de las secuencias PCM es de 56 kbps. Si/Ni = 12. cuando se transmite un “1” fo = 1700 Hz. donde fI0 > fI1 . ¿Cuál será la potencia pico de la señal recibida FSK y la relación S/N correspondiente si la probabilidad de error es de 2. Una señal de voz se va a transmitir en PCM por microondas. FSK.079x10-8 W . como veremos en el Capítulo VI. Demuestre que el ancho de banda mínimo del canal es de 128 kHz.109 se muestra un receptor FSK. y las frecuencias de transmisión son: f1 = 1300 Hz. 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. con una densidad espectral de ruido de 2x10-10 W/Hz y una probabilidad de error de 3. En el Capítulo VI estudiaremos este concepto con más detalle. f0 = 1. En la Fig.496x109 Hz.50. (d) Si la transmisión se hace en FSK binaria con una desviación de frecuencia de 40 kHz y una frecuencia de portadora de 1.

(a) Sea BB el ancho de banda en binario y BM el correspondiente en M-ario. donde fc es la frecuencia de portadora 2 1 kHz < (fI0 . 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 B B = B M log 2 M . Sea PMPSK la potencia de señal en PSK M-ario y PMDPSK la correspondiente en DPSK Mario . es decir.fI1 ) < 2 kHz 5. Demuestre que PM = π [log 2 M]sen 2 ( ) M 1. Que f I 0 + f I1 = f c . sujeto a las condiciones siguientes: 1.094 ⋅ PB cuando Pe = 10-4 Nota: para erfc(x1 ) = 2x10-4 → x1 ≈ 2. demuestre que PMDPSK = 1 sen 2 (π / M ) PMPSK 2 sen 2 (π / 2M ) (b) Verifique que si M >> 1. (a) Para una probabilidad de error Pe cualquiera. 5. Analice el sistema y determine los valores apropiados de las frecuencias fI1 . Relaciones entre PSK M-ario y DPSK M-ario. (b) Sea PB la potencia de señal en binario y PM la correspondiente en M-ario. Relaciones entre PSK M-ario y PSK Binario. .6297 para erfc(x2 ) = 10-4 → x2 ≈ 2. 109. fI0 y fo .441 V. el sistema DPSK M-ario requiere un aumento de 3 dB de potencia sobre el requerido para PSK M-ario.751 5. Que 2. entonces PMDPSK → 2 ⋅ PMPSK .52.53.

10 → φ 4 = 270 o La frecuencia de portadora es de 1800 Hz. (b) Demuestre que la amplitud de la portadora es de 4.57. 101 → φ 6 = −45 o . La secuencia binaria de entrada a un modulador DPSK 4-ario tiene una velocidad de modulación de 1200 baudios. El modulador toma bloques de L = log2 8 = 3 dígitos y le asigna a cada tripleta ángulos de desfase en la forma siguiente: 000 → φ 1 = 45 o . ángulos de desfase en la forma siguiente: 00 → φ 1 = 0 o . En ⎣ N ⎦ PSK ⎣ N ⎦ FSK PSK hacer B c = 2 f s y en FSK.893 mV y que la probabilidad de error es Pe = 9.54. La velocidad de información de la secuencia binaria de entrada a un modulador PSK 8-ario es de 4800 bps. 3. 01 → φ 2 = 90 o .55. Si se considera la señal FSK M-aria como si estuviera formada por M señales de frecuencia fi . M. 111 → φ 8 = 180 o La frecuencia de portadora es de 1600 Hz. la relación S/N de 13 dB y la densidad espectral de ruido de 10-10 W/Hz. el sistema que mejor se adapte a la situación en la cual Ud.294x10-4 . (c) Si la amplitud de la portadora aumenta al doble.021 dB.. 5. el ancho de banda del canal es de 3 kHz. La probabilidad de error debe ser de 10-5. . Haga el dibujo con cuidado para distinguir los cambios de fase. la amplitud de la portadora de 1 mV y la densidad espectral de ruido de 10-11 W/Hz...86. 001 → φ 2 = 0 o .. el ancho de banda del canal de 3 kHz.208 dB y que la probabilidad de error es Pe = 7. siendo fb la frecuencia de señalización a la entrada del modulador. (d) Dibuje la señal DPSK 4-aria de salida correspondiente a una secuencia de entrada de la forma 0 0 0 1 1 1 1 0. demuestre que la nueva probabilidad de error es Pe = 5. 2.442 V. . (a) Dibuje el Diagrama de Fresnel correspondiente. 5. El modulador toma bloques de L = log2 4 = 2 dígitos binarios y le asigna a cada dupla de dígitos. 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 .041x10-23 y que la relación S/N ha aumentado en 6. 110 → φ 7 = −135 o . está trabajando. separadas en ∆f. 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.795x10-7. 5. (b) Dibuje la señal PSK 8-aria de salida cuando la secuencia de entrada al modulador es de la forma 001010111100. 5. ∆f = 1. Elija Ud. Haga el dibujo con cuidado para poder distinguir los cambios de fase. 11 → φ 3 = 180 o . (b) Demuestre que la relación S/N en el canal es de 9. 011 → φ 4 = 135 o 100 → φ 5 = −90 o .56. para i = 1. utilice los valores aproximados de la Fig. donde f s = f b / log 2 M .5f s . MODULACION Y TRANSMISION DE IMPULSOS 5. (a) Dibuje el Diagrama de Fresnel correspondiente. ⎡S⎤ ⎡S⎤ Determine las relaciones ⎢ ⎥ y ⎢ ⎥ y los correspondientes anchos de banda.

Utilice la Tabla del Apéndice D. En un sistema PSK/DSSS la ganancia de procesamiento es de 1000.081x10-6. MODULACION Y TRANSMISION DE IMPULSOS 5. demuestre que con una ganancia de procesamiento de 2048 el sistema puede atender hasta 184 usuarios. Demuestre que para ser efectiva. Se desea que la probabilidad de error esté por debajo de 1. como mínimo. Haga una gráfica del número de usuarios M vs N. 5. . En particular.443 V.081x10-6.58. Nótese entonces que para que la interferencia pueda causar algún daño se necesitan grandes potencias de transmisión. donde N es la ganancia de procesamiento. En un sistema CDMA se desea una probabilidad máxima de 1.59.5 dB por arriba de la potencia de la señal útil.4. la potencia de la señal interferente debe estar. a 19.

444 V. MODULACION Y TRANSMISION DE IMPULSOS .

contienen componentes de frecuencia inferiores a 1 kHz. En efecto. pertenecen a un conjunto numerablemente infinito de posibles mensajes cuyas formas de onda no conocemos. En altas .. de una señal mensaje m(t) pasabajo. Sin embargo. En radiodifusión en onda media. Muchas señales. por ejemplo. las señales analógicas podrían ser transmitidas directamente en banda de base. etc. video. la transmisión de datos está aumentando a pasos agigantados y cada vez más y más señales analógicas están siendo digitalizadas para su procesamiento y transmisión. La modulación permite. y se necesitaría antenas de por lo menos 75 km (λ/4) para irradiar esas señales en forma eficaz. que las estaciones de radio y televisión transmitan simultáneamente y puedan ser sintonizadas y separadas en el receptor. en contraste con las señales digitales estudiadas en el Capítulo V. INTRODUCCION En el Capítulo V se hizo énfasis en los sistemas de comunicación digitales debido a su creciente importancia en la transmisión de información. es necesario que su tamaño físico sea por lo menos del orden de una longitud de onda.CAPITULO VI MODULACION Y TRANSMISION DE SEÑALES CONTINUAS 6. Para efectos de análisis. música. Las señales continuas que queremos transmitir. Aunque el requerimiento primario del proceso de modulación es el de traslación o conversión de frecuencias. para su transmisión a distancia tienen que ser moduladas. lo que hace necesario el traslado del espectro pasabajo de la señal a la banda de paso del canal.1. Estos s