MARCO TERICO

1. MODELO DE PROPAGACIN EN ESPACIO LIBRE ECUACIN DE FRIIS

El modelo de propagacin en espacio libre se utiliza para predecir el nivel de potencia recibido en
cierta ubicacin, cuando existe lnea-vista (line-of-sight, LOS) entre el transmisor (Tx) y receptor
(Rx). Por ejemplo, este modelo es utilizado en el diseo de los enlaces satelitales.
Este modelo predice que la potencia disminuye en funcin de la separacin d entre el Tx y Rx,
de acuerdo a la ecuacin de Friis:
( )
2
4
t t r
r
PG G
P d
L d

| |
=
|
\ .
(1)
donde P
t
es la potencia transmitida, P
r
(d) es la potencia recibida que es una funcin de la
separacin entre transmisor y receptor-, G
t
es la ganancia de la antena de transmisin, G
r
es la
ganancia de la antena de recepcin, d es la separacin Tx-Rx en metros, L son las prdidas del
sistema no relacionadas a la propagacin (L1) y es la longitud de onda de la seal
electromagntica en metros. [3]
Las prdidas de trayecto (path loss) representan la atenuacin de la seal como una magnitud
positiva, expresada en dB, y estn definidas como la diferencia entre la potencia transmitida y
recibida de acuerdo a la ecuacin (2)
( ) 20
4
PL dB log
d

| |
=
|
\ .
(2)
Vale la pena destacar el hecho que las ecuaciones (1) y (2) slo son vlidas en la regin de campo
lejano (o regin de Fraunhofer), es decir, para aquellas distancias que superen
2
2
f
d D = ,
f
d >> donde D es la mayor dimensin lineal de la antena de transmisin.
2. MODELO LOGARTMICO DE LAS PRDIDAS DE TRAYECTO (LOG-DISTANCE PATH LOSS
MODEL)
En muchos casos, los resultados empricos concuerdan con Friis en un decaimiento logartmico
con la distancia, sin embargo, el exponente cuadrtico no es el mejor ajuste a los datos en muchos
ambientes de propagacin reales.
Las prdidas del trayecto son generalmente expresadas como funcin de la distancia mediante un
exponente n [3], segn:
( )
0
n
d
PL d
d
| |

|
\ .
(3)
donde d
0
es la medicin a una distancia de referencia donde se cumplen condiciones de espacio
libre (tpicamente a 1 metro) y d es la separacin entre Tx y Rx.
Rappaport [3] entrega una tabla de valores tpicos para n:
Enviroment Path Loss Exponent, n
Free Space 2
Urban area cellular radio 2.7 to 3.5
Shadowed urban cellular radio 3 to 5
In building line of sight 1.6 to 1.8
Obstructed in building 4 to 6
Obstructed in factories 2 to 3
Tabla 1: Exponente del camino de prdidas para diferentes ambientes.
3. DISTRIBUCIONES RAYLEIGH Y RICE
En canales de radiofrecuencia que presentan fluctuaciones de potencia de tipo fading plano en
frecuencias [3], es bastante comn utilizar como modelos para la amplitud de la seal recibida
distribuciones estadsticas de Rice o Rayleigh. Las fluctuaciones de potencia se deben a
variaciones temporales de las caractersticas del enlace. En el caso de un enlace entre dos puntos
fijos ello se debe al movimiento de elementos dispersores en las cercanas de las antenas. Para el
caso en que uno de los terminales es mvil, se producen dos tipos de desvanecimientos:
Desvanecimientos de gran escala. Corresponden a cambios del valor medio de la seal
cuando la distancia del transmisor al receptor vara significativamente. En general el valor
medio sigue una relacin como (2) (3)
Desvanecimientos de pequea escala. Cuando el cambio de la distancia es pequeo en
relacin a la distancia absoluta, los desvanecimientos no se deben al comportamiento de la
ecuacin de Friis, sino a interferencia constructiva o destructiva de las seales
multitrayectoria como funcin de la posicin. Los cambios de posicin involucrados son del
orden de la longitud de onda y el fenmino se conoce como desvanecimiento espacial de
pequea escala. Por lo general estos desvanecimientos son mucho ms significativos que los
que se observan en enlaces fijos.
El movimiento de una antena obviamente convierte el desvanecimiento espacial en
desvanecimiento temporal.
Es un hecho bien sabido, que la envolvente de la suma de dos seales de ruido Gaussianas en
cuadratura obedece una distribucin Rayleigh. La distribucin Rayleigh posee una funcin de
densidad de probabilidad (pdf) dada por:
( )
( )
( )
2
2 2
0
2
0 0
r r
exp r
p r
r

| |
|
|
=

\ .

<

(4)
donde es el valor rms de la seal de voltaje antes de la deteccin de envolvente.
La probabilidad que la envolvente de la seal recibida no exceda un valor especificado R est
dado por la funcin de distribucin acumulativa (CDF) segn:
( ) ( ) ( )
2
2
0
1
2
R
R
P R Pr r R p r dr exp

| |
= = = |
|
\ .

(5)
El valor medio
mean
r de la distribucin Rayleigh est dada por:
| | ( )
0
1 2533
2
mean
r E r rp r dr .

= = = =

(6)
Adems, la varianza de la distribucin Rayleigh est dada por
2
r
, que representa la potencia AC
en la envolvente de la seal:
| | ( )
2
2 2 2 2
0
2 2
2
2 0 4292
2
r
E r E r r p r dr
.

(
= =

| |
= =
|
\ .

(7)
La mediana de r se determina resolviendo
( )
0
1
2
median
r
p r dr =

(8)
y resulta,
1 177
median
r . = (9)
Se ha comprobado que esta distribucin modela muy bien la condicin en que no existe una
componente dominante en la seal, lo que fsicamente ocurre por lo general para terminales
mviles en condiciones donde no existe linea de vista.
Al existir una componente dominante estacionaria (sin fades), como una trayectoria LOS, las
componentes multitrayecto arriban en diferentes ngulos y se superponen a la seal dominante.
Esto da lugar a una distribucin de Rice. Si la seal tiende a cero, la distribucin Rice degenera a
una distribucin Rayleigh.
La distribucin Rice est dada por:
( )
2 2
0
2 2 2
0 0
2
0 0
r r A Ar
exp I A ,r
p r
r

| |
| | +
|
|
|
=
\ .
\ .

<

(10)
El parmetro A representa la amplitud peak de la seal dominante (determinstica) e ( )
0
I i es la
funcin modificada de Bessel de primer tipo y orden cero.
La distribucin Riceana es a menudo descrita en trminos del parmetro K, definido como la
razn entre la potencia de la seal determinstica y la varianza de la componente multitrayecto.
Est dado por
( )
2 2
2 K A = , o en dB:
( ) | |
2
2
10
2
A
K dB log dB

| |
= |
|
\ .
(11)
El parmetro K es conocido como el factor K Riceano y describe completamente a la
distribucin. Si 0 A K dB, y como el trayecto dominante disminuye en amplitud, la
distribucin Rice degenera a una distribucin Rayleigh.[3]
La funcin de densidad de probabilidad (pdf), de la envolvente de la seal recibida R(t), en
trminos del parmetro K est dada por:
( )
( ) ( ) ( )
2
0
2 1 1 1
2
0 0 0
R
K r K r K K
f r exp K I r
r , K ,

| | | |
+ + +
| | =
| |
\ . \ .

(12)
donde
2
E R
(
=

El estimador ML (maximum likelihood) para es [9]
1 2
1
N
i
i

N R

=
=

(13)
donde N es el nmero de muestras adquiridas.
Determinar el factor K no es una tarea sencilla, ya que es necesario resolver un sistema de
ecuaciones no lineal, o usar algoritmos computacionales complicados. Una aproximacin
bastante certera es el mtodo de estimadores basado en dos momentos que se discute en la
seccin siguiente (Two moment-based estimators) [9]
La simulacin en Matlab de la distribucin Rice se realiza en base a la suma de dos componentes
Gaussianas en cuadratura ms una componente dominante de la
forma: ( ) ( ) ( ) ( ) ( )
2 2
1 2
0 0 r t A Gauss ,s Gauss ,s = + + , donde Gauss
i
(0,s) es una variable
aleatoria Gaussiana de valor medio 0 y varianza s y A es el voltaje de la seal dominante,
dependiente del valor de K y s [3].
4. MTODO DE DOS MOMENTOS (ESTIMADOR FACTOR K) [9]
Sea R(t) la envolvente de la seal recibida (en voltaje). Se define
| |
2
E E R / R
(
=

(14)
y
( )
2
2 2
V E R / R
( (
=

(15)
donde
| |
V representa la varianza. Es posible demostrar que:
( ) ( ) ( ) ( ) ( )
1 2
0 1
1 2 1 2 2
2
K exp K K I K K I K

= + + + (

(16)
( )
2
2 1
1
K
K

+
=
+
(17)
Ntese que y slo dependen de K, y el efecto de desaparece de las ecuaciones. Esto nos
permite estimar K y separadamente.
A partir de (18) es posible despejar el valor de K:
1
1 1
K

=

(18)
El valor estimado de , que denominamos se puede obtener en base a la varianza y promedio
de los datos medidos de R usando (15) . En base a este valor estimado de se obtiene una
estimacin

K para K mediante
1
1 1

=

(19)
Se invita al lector a profundizar el tema en [8] y [9].
5. ESTIMADOR DEL FACTOR K A PARTIR DE LA VARIANZA DE LOS DATOS [2]
En la memoria de titulacin [2], se exhibe un desarrollo matemtico que permite concluir que
para valores altos del factor K, es posible simplificar el anlisis y obtener resultados eficientes en
la estimacin a travs de la siguiente frmula:
( ) { } ( )| |
2
200
10 V
f
e

K
log P t dBm
=
(

(20)
donde P(t) es la envolvente de la seal recibida en dBm y
| |
V representa la varianza de los
datos medidos
6. MEDICIONES Y ANLISIS DEL FACTOR K [2]
La seal recibida ( ) r t , puede ser expresada en funcin de la componente dominante A, las
componentes en cuadratura (Gaussianas pasabajos) del ruido ( )
c
n t , ( )
s
n t y de las componentes
Gaussianas en cuadratura (pasabajos) de la seal que sufre desvanecimientos por multitrayecto
( )
c
e t , ( )
s
e t de acuerdo a la ecuacin (21)
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) cos cos sin cos sin
o c o s o c o s o
r t A t e t t e t t n t t n t t = + + + + (21)
Cindonos a este modelo, existen dos parmetros bsicos: el factor K de la distribucin Rice
(
f
K ) y la relacin seal a ruido (CNR), definidas por:
( ) ( )
2
2 2 2
2
donde E E
2
f f c s
f
A
K e t e t

( (
= = =

(22)
( ) ( )
2
2 2 2
2
donde E E
2
n c s
n
A
CNR n t n t

( (
= = =

(23)
Es posible ver de (21) que la potencia fluctuar debido al ruido del receptor y a los
desvanecimientos, por lo que es necesario separar dichos efectos.
Se demuestra [2] que en presencia de ruido e inestabilidades en las mediciones, la varianza de las
componentes en fase y en cuadratura es la suma de
2
f
y
2
n
. Luego, al utilizar algn mtodo de
estimacin para
f
K a partir de los datos (en forma directa), se obtendr un valor errneo, K

,
definido por:
( )
2
2 2
2
n f
A
K

=
+
(24)
Con objeto de determinar el valor de K producido por el ruido e inestabilidades, es necesario
simular (en un laboratorio) un canal invariante en el tiempo (sin desvanecimiento), intercalando
atenuadores entre el Tx y Rx. Este valor de K ser llamado
n
K y est definido por:
2
2
2
n
n
A
K CNR

= = (25)
El valor de
n
K limita la mxima precisin en la resolucin del factor K [2].
A partir de las ecs. (22), (24)y (25), es fcil ver que:
n
f
n
K K
K
K K

(26)
La ecuacin (26) sugiere que la influencia del ruido y deriva del receptor puede ser eliminada si
n
K es medido antes de procesar los parmetros de las mediciones en terreno.
En la prctica es preferible asegurar que
n
K sea lo suficientemente alto como para que se pueda
asumir
f
K K

Cabe destacar que valores de

f
K superiores a 1000 implican niveles de
desvanecimientos de solo fracciones de un [dB], de manera que tiene muy poco sentido buscar
gran precisin en la medicin de valores de
f
K tan elevados.
7. AUTOCORRELACIN Y AUTOCOVARIANZA[10]
La autocorrelacin de un proceso aleatorio ( ) x t , real o complejo, es por definicin el promedio
estadistico del producto ( ) ( )
1 2
x t x* t . Esta funcin se denota ( )
1 2
R t ,t , ( )
1 2 x
R t ,t o ( )
1 2 xx
R t ,t .
Entonces,
( ) ( ) ( )
1 2 1 2 xx
R t ,t E x t x* t = (

(27)
donde el trmino conjugado (x*()) es asociado a la segunda variable en ( )
1 2 xx
R t ,t . De lo
anterior se desprende:
( ) ( ) ( ) ( )
2 1 2 1 1 2
*
xx xx
R t ,t E x t x* t R t ,t = = (

(28)
Adems,
( ) ( )
{ }
2
0 R t ,t E x t = (29)
La autocovarianza ( )
1 2
C t ,t de un proceso ( ) x t es la covarianza de las variables aleatorias
( ) ( )
1 2
y x t x t :
( ) ( ) ( ) ( )
1 2 1 2 1 2
C t ,t R t ,t t * t = (30)
donde ( ) ( ) E t x t = (

, el valor medio de x(t). Para procesos estacionarios ( ) ( )
1 2 1 2
y C t ,t R t ,t
slo dependen de
1 2
t t
Para estimar la autocorrelacin de un proceso aleatorio ( ) x t , por lo general se asume que ste es
ergdico o sea que el promedio estadstico puede obtenerse en base a un promedio temporal de
muestras. Si se dispone de N muestras tomadas peridicamente a intervalos t se estima la
autocorrelacin como:
( ) ( ) ( )
1
N
x
i n

R k x k x k n
N

=
= +

(31)
La autocovarianza se estima en forma similar, la nica diferencia es que se resta el valor medio
estimado del proceso
Matlab calcula la estimacin de la autocovarianza estimando primeramente la densidad espectral
de potencia, que es la Transformada de Fourier de la autocovarianza. Luego invierte esta funcin
mediante la FFT inversa. La funcin de autocovarianza estimada se denomina autocorr(variable,
retardos),
8. TIEMPO DE COHERENCIA
El Tiempo de Coherencia (
C
T ) es una medida del tiempo durante el cual el canal conserva sus
caractersticas. Si se mide la atenuacin del canal mediante la transmisin de una seal senoidal
pura (continuos wave o CW) el tiempo de coherencia es una medida de cuanto tiempo
transcurre entre muestras de atenuacin que puedan considerarse estadsticamente
independientes. Ntese que la atenuacin as como la amplitud o potencia de la seal recibida
consisten de un trmino constante no aleatorio (el valor medio) y un trmino fluctuante o
aleatorio. La independencia estadstica se refiere exclusivamente a las caractersticas de este
ltimo. Las referencias [3] y [11] indican que comnmente se utiliza el siguiente criterio para
definir el tiempo de coherencia: El tiempo de coherencia es el tiempo durante el cual la
autocovarianza de la seal est por sobre 0,5.
BIBLIOGRAFA
[1] R. Feick, W.Grote, H.Hristov, Criterios y procedimientos para mediciones de
propagacin electromagntica en ambientes confinados, SENACITEL 2002.
[2] L.Ahumada, C.Morales, Anlisis de desvanecimientos temporales en un enlace de
3,5[GHz], Memoria de Titulacin para optar al grado de Ing. Civil Electrnico,
2003.
[3] T. Rappaport, Wireless Communications, Ed. Prentice Hall, 1996.
[4] R. Bultitude, Measurement Characterization and Modeling of Indoor 800/900
MHz Radio Channels for Digital Communications, IEEE Communications
Magazine Vol.25 No.6, 1987.
[5] T. Rappaport, C. Mcguillem, UHF Fading in Factories, IEEE Journal on
selected areas in communications, Vol.7 No1, 1989.
[6] P. Soma, D.S. Baum, V.Erceg, R.Krishnamoorthy and A.J.Paulraj, Analysis and
Modeling of Multiple-Input Multiple-Output (MIMO) Radio Channel Based on
Outdoor Measurements Conducted at 2.5GHz for Fixed BWA Applications, 0-
7803-7400-2/02/$17.00 2002 IEEE
[7] T.Wysocki, H.Zepernick, Characterization of the indoor radio propagation
channel at 2,4GHz, Journal of Telecommunications and information Technology,
3-4 2000.
[8] L.J.Greenstein, D.G. Michelsono, V.Erceg, Moment-Method Estimation of the
Ricean K-Factor, IEEE Communications Letters, Vol.3, No6, June 1999.
[9] A.Abdi, C.Tepedelenlioglu, M.Kaveh, G.Giannakis, On the Estimation of the K
Parameter for the Rice Fading Distribution, IEEE Communications Letters,
Vol.5, No3, March 2001.
[10] A.Papoulis, Probability, Random Variables, and Stochastic Processes, McGraw-
Hill, Third Edition, 1991.
[11] P.Marinier, G.Delisle, Ch. Despins, Temporal Variations of the Indoor Wireless
Milimeter-Wave Channel, IEEE Transactions on Antennas and Propagation, Vol.
46, No. 6, June 1998