Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PDF Interesante Teoría PDF
PDF Interesante Teoría PDF
Teora de la Comunicacion
Curso 2007-2008
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Contenido
1
Definicion
Estadstica
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Contenido
1
Definicion
Estadstica
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Definicion
Procesos Estocasticos
que
Un Proceso Estocastico
Definicion:
X(t) es una funcion
a cada posible resultado de un experimento
asocia una senal
aleatorio.
S
X(t, S) R
Variable independiente: t T R (T espacio de tiempos)
Interpretacion
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Definicion
Procesos Estocasticos.
Ejemplo
x(t,S )
10
0
10
0
X: 20
Y: 0.128
X: 5
Y: 2.746
10
15
20
25
30
35
40
45
50
25
30
35
40
45
50
25
30
35
40
45
50
25
30
35
40
45
50
X: 20
Y: 0.8176
x(t,S )
10
X: 5
Y: 3.786
0
10
0
10
15
20
10
15
20
10
15
20
x(t,S )
10
0
10
0
X: 5
Y: 3.641
X: 20
Y: 6.604
x(t,S )
10
0
10
0
X: 5
Y: 3.67
X: 20
Y: 3.524
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Clasificacion
de Procesos Estocasticos
Clasificacion
del Espacio de Tiempos T :
En funcion
S discreto
T continuo
Proceso
Estocastico
Continuo
Proceso
Estocastico
Discreto
S }
T discreto
Secuencia
Estocastica
Continua
Secuencia
Estocastica
Discreta
Otra Clasificacion:
Deterministas (o predecibles): Los valores futuros se pueden
predecir de manera exacta a partir de los valores anteriores
Ejemplo: X(t) = A cos(t + ) con v.a. uniforme en (, )
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Contenido
1
Definicion
Estadstica
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
FX (x1 ; t1 )
x1
Observaciones:
Ambas funciones se han de conocer para todo t1 T
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
2 FX (x1 , x2 ; t1 , t2 )
x1 x2
Observaciones:
Ambas funciones se han de conocer para todo par (t1 , t2 )
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
n FX (x1 , x2 , . . . , xn ; t1 , t2 , . . . , tn )
x1 x2 . . . xn
Observaciones:
Un proceso estocastico
queda completamente caracterizadoa si
conocemos su fdp (o F.D.) de orden n
n
x1 , x2 , . . . , xn R
t1 , t2 , . . . , tn T
a En
la practica,
suele bastar con conocer la fdp o F.D. de segundo orden.
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Contenido
1
Definicion
Estadstica
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Definicion:
X (t) = E[X(t)] =
de un Proceso Estocastico
Autocorrelacion
Definicion:
Z
depende de t1 y t2
En general, la autocorrelacion
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Definicion:
CX (t1 , t2 ) = E [(X(t1 ) X (t1 )) (X(t2 ) X (t2 ))] =
= E[X(t1 )X(t2 )] X (t1 )X (t2 ) = RX (t1 , t2 ) X (t1 )X (t2 )
Valor Cuadratico
Medio (Potencia) de un Proceso Estocastico
Es el momento no centrado de orden 2 de la v.a. X(t):
m2 (t) = E X 2 (t) = RX (t, t)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Coeficiente de Autocorrelacion
analoga
Definicion
al caso de 2 variables aleatorias:
CX (t1 , t2 )
CX (t1 , t2 )
rX (t1 , t2 ) = p
= p
Var [X(t1 )] Var [X(t2 )]
CX (t1 , t1 )CX (t2 , t2 )
1 rX (t1 , t2 ) 1
lineal entre X(t1 ) y X(t2 )
rX (t1 , t2 ) indica el grado de relacion
Ejemplo
X(t) = at + Y con Y v.a. uniforme en (0, 1), a = cte.
Media: X (t) = at + 1/2
RX (t1 , t2 ) = a2 t1 t2 + 21 a(t1 + t2 ) + 13
Autocorrelacion:
1
Autocovarianza: CX (t1 , t2 ) = 12
2
1
Varianza: X
(t) = Var [X(t)]
=
(t, t) = 12
2 CX
Valor Cuadratico
Medio: E X (t) = RX (t, t) = a2 t2 + at +
rX (t1 , t2 ) = 1
Coeficiente de Autocorrelacion:
1
3
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ruido Blanco
Un Proceso Estocastico
es Ruido Blanco sii:
CX (t1 , t2 ) = 0
t1 6= t2
incorreladas
Las variables aleatorias X(t1 ), X(t2 ) estan
No se puede estimar linealmente X(t2 ) a partir de X(t1 ) (t1 6= t2 )
Un Proceso Estocastico
es Ruido Blanco Estricto sii:
fX (x1 , x2 ; t1 , t2 ) = fX (x1 ; t1 )fX (x2 ; t2 )
t1 6= t2
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
de Procesos Estocasticos
Caracterizacion
Discretos en el tiempo
Secuencias Estocasticas:
Espacio de tiempos T = {. . . , t1 , t0 , t1 , . . .}
X[n] = X(tn )
nZ
Definiciones Analogas
a las de Procesos Estocasticos
Continuos
Distribucion:
FX [x; n] = P (X[n] x)
Funcion
fdp:
FX [x; n]
fX [x; n] =
x
Media: X [n] = E [X[n]]
RX [n1 , n2 ] = E [X[n1 ]X[n2 ]]
Autocorrelacion:
Autocovarianza: CX [n1 , n2 ] = RX [n1 , n2 ] X[n1 ]X[n2 ]
Valor Cuadratico
Medio (Potencia): m2 [n] = E X 2 [n]
Varianza:
2
2
X
[n] = Var [X[n]] = E (X[n] X [n])2 = E X 2 [n] X
[n]
rX [n1 , n2 ] =
Coeficiente de Autocorrelacion:
CX [n1 ,n2 ]
CX [n1 ,n1 ]CX [n2 ,n2 ]
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Caracterizacion
Procesos Estocasticos
X(t), Y (t)
Distribucion
Conjunta:
Funcion
FXY (x1 , . . . , xN , y1 , . . . , yM ; t1 , . . . , tN , t01 , . . . , t0M )
fdp Conjunta: fXY (x1 , . . . , xN , y1 , . . . , yM ; t1 , . . . , tN , t01 , . . . , t0M )
Covarianza Cruzada:
CXY (t1 , t2 ) = E [(X(t1 ) X (t1 )) (Y (t2 ) Y (t2 ))]
Propiedades:
RX (t1 , t2 ) = RX (t2 , t1 )
CX (t1 , t2 ) = CX (t2 , t1 )
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Contenido
1
Definicion
Estadstica
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Estacionariedad
Proceso Estocastico
Estacionario de Orden 1
2
2
X
(t) = X
= cte.
Proceso Estocastico
Estacionario de Orden 2
t1 , t2 ,
Implicaciones:
La fdp (y F.D.) de orden dos no depende de los tiempos absolutos
t1 , t2 sino solamente de la diferencia = t1 t2
lo es de orden 1
Un P.E. estacionario de orden 2 tambien
RX (t1 , t2 ) = RX (t1 t2 ) = RX ( )
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Estacionariedad
Proceso Estocastico
Estacionario en Sentido Estricto
Un proceso estocastico
Definicion:
es estacionario en sentido estricto
sii es estacionario de orden n n
Proceso Estocastico
Estacionario en Sentido Amplio
Un P.E. es estacionario en sentido amplioa sii:
Definicion:
X (t) = E[X(t)] = X = cte.
RX (t1 , t2 ) = RX (t1 t2 ) = RX ( ) = E [X(t + )X(t)]
En el caso discreto:
X [n] = E[X[n]] = X = cte.
RX [n1 , n2 ] = RX [n1 n2 ] = RX [m] = E [X[n + m]X[n]]
Observacion:
Estacionario de orden 2
a WSS:
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Estacionariedad
Ejemplo 1
Tono de fase aleatoria: X(t) = A cos(t + )
fX (x; t) = fX (x) =
1
A2 x2
|x| A
uniforme en (, )
Estacionario orden 1
Media:
Z
cos(t + )
X (t) = E [A cos(t + )] = A
1
d = 0 = cte.
2
Autocorrelacion:
RX (t1 , t2 ) = E [X(t1 )X(t2 )] = E A2 cos(t1 + ) cos(t2 + ) =
A2
=
E [cos((t1 + t2 ) + 2)] +E [cos((t1 t2 ))] =
2
{z
}
|
0
A2
=
cos((t1 t2 ))
2
RX ( ) =
A2
cos( )
2
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Estacionariedad
Ejemplo 1. Continuacion
X(t) = A cos(t + ) es estacionario en sentido amplio
Realizaciones de X(t)
0.4
0.2
0
0.2
0.4
0.6
0.8
1
0
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Estacionariedad
Ejemplo 2
X(t) = A cos(t + ) con A v.a. uniforme en (a, a)
X(t) es una v.a uniforme en [a cos(t + ), a cos(t + )]
Dependencia con t
Proceso Estocastico
No Estacionario
Proceso Estocstico No Estacionario
1
0.8
0.6
Realizaciones de X(t)
0.4
0.2
0
0.2
0.4
0.6
0.8
1
0
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Estacionariedad
Propiedades de RXY ( )
RXY ( ) = Rp
Y X ( )
|RXY ( )| RX (0)RY (0)
Para Z(t) = X(t) + Y (t)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Procesos Estocasticos
Independientes
N, M
Procesos Estocasticos
Incorrelados
t,
de Y (t)
X(t) no se puede estimar de manera lineal a partir de la observacion
Procesos Estocasticos
Ortogonales
t,
Ejemplo (ruido en RX): Z(t) = X(t) + Y (z) con X(t), Y (t) ortogonales
RZ (t + , t) = RX (t + , t) + RY (t + , t)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Contenido
1
Definicion
Estadstica
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ergodicidad
Procesos Estocasticos
Ergodicos
de un proceso estocastico
Un proceso estocastico
Intuicion:
es ergodico
si se puede caracterizar
Temporal
Promedio Temporal y Autocorrelacion
X(t, S0 ) de un P.E. se define
Dada una realizacion
Promedio Temporal:
Z T
1
MX (S0 ) = lm
X(t, S0 )dt
T 2T
T
Temporal:
Autocorrelacion
AX (, S0 ) = lm
1
2T
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ergodicidad
MX (S) = X
1
2T
2T
1
2T
| |
2T
CX ( )d = 0
Suficiente
Teorema 2: Condicion
Z
Suficiente
Teorema 3: Condicion
CX (0) <
lm CX ( ) = 0
| |
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ergodicidad
Ejemplo 1
X(t) = A con A variable aleatoria uniforme en (0, 1)
Promedio estadstico (vertical): X = E[X(t)] = E[A] = 1/2
RT
1
Adt = A
Promedio temporal (horizontal): MX = lmT 2T
T
X 6= MX
no es ergodico
respecto a la media
Ejemplo 2
Lanzamiento de una moneda y dos formas de onda
X(t, cara00 ) = cos(t)
X (t)
No es WSS
No es ergodico
respecto a la media
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ergodicidad
Ejemplo 3
uniforme en (, )
X(t) = A cos(t + )
RX ( ) =
A2
cos( )
2
Promedio Temporal:
Z T
A
1
MX = lm
A cos(t + )dt = lm
sin(t + )|TT =
T
T 2T
2T
T
A
= lm
(sin(T + ) sin(T + )) =
T 2T
A
= lm
sin(T ) cos() = 0 = X
T T
WSS y X = MX
Ergodico
respecto a la media
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ergodicidad
sii:
Un P.E. X(t) es ergodico
Definicion:
respecto a la autocorrelacion
X(t) es estacionario en sentido amplio
Temporal es igual a la Autocorrelacion
La Autocorrelacion
AX (, S) = RX ( )
, S
Ejemplo
X(t) = A cos(t + )
uniforme en (, )
X = 0
RX ( ) =
A2
cos( )
2
Temporal:
Autocorrelacion
Z T
1
AX ( ) = lm
A cos((t + ) + )A cos(t + )dt =
T 2T
T
=
A2
cos( ) = RX ( )
2
Ergodico
resp. Autocorrelacion
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Contenido
1
Definicion
Estadstica
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Caracterizacion
WSS
frecuencial de un proceso estocastico
Objetivo: Caracterizacion
WSS
Herramienta: Transformada de Fourier
Z
Z
1
X() =
x(t)ejt dt
x(t) =
X()ejt d
2
Z
Z
X(f ) =
x(t)ej2f t dt
x(t) =
X(f )ej2f t df
Primera Aproximacion
de la T.F. de cada Realizacion
x(t) = X(t, S)
Obtencion
Problemas:
En general, x(t) puede no tener Transformada de Fourier
Z
Cond. suficiente para T.F.
|x(t)|dt <
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Segunda Aproximacion
de una ventana temporal
Consideracion
XT (t, S) =
X(t, S)
0
T < t < T
resto
XT (, S) =
XT (t, S)ejt dt
Ventajas:
Energa finita Existe Transformada de Fourier. Ta de Parseval:
Z T
Z
1
ET (S) =
(XT (t, S))2 dt =
|XT (, S)|2 d
2
T
Inconvenientes:
Seguimos considerando realizaciones
consideramos un intervalo temporal (T ET (S) )
Solo
Z T
Z
|XT (, S)|2
1
1
PT (S) =
(XT (t, S))2 dt =
d
2T T
2
2T
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
1
=
2
1
2T
lm
2T
Ademas,
Z
RX ( )ej d
SX () = TF [RX ( )] =
Z
1
RX ( ) = TIF [SX ()] =
SX ()ej d
2
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Definicion
SX () = TF [RX [m]] =
RX [m]ejm
m=
1
2
SX ()ejm d
2
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
DEP y Funcion
S (f)
0.8
0.6
0.4
0.2
0
0
20
40
60
80
0.1
0.2
0.3
0.4
100
120
140
160
180
200
0.5
0.6
0.7
0.8
0.9
Frecuencia (Hz)
10
R ()
5
0
(s)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
10
10
0
0.2
0.4
0.6
t (s)
0.8
10
0.2
0.4
0.6
t (s)
0.8
0.8
5
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
t (s)
0
0.2
0.4
0.6
t (s)
0.8
10
10
0
t (s)
10
0.6
t (s)
10
10
0
0.4
20
20
0
0.2
0
10
0
10
0
0
0.2
0.4
0.6
t (s)
0.8
10
0
t (s)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
DEP y Funcion
S (f)
0.8
0.6
0.4
0.2
0
0
20
40
60
80
0.1
0.2
0.3
0.4
100
120
140
160
180
200
0.5
0.6
0.7
0.8
0.9
Frecuencia (Hz)
60
RX()
40
20
0
20
0
(s)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
20
50
0
0.2
0.4
0.6
t (s)
0.8
50
0.2
0.4
0.6
t (s)
0.8
0.8
20
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
t (s)
0
0.2
0.4
0.6
t (s)
0.8
50
50
0
t (s)
50
0.6
t (s)
50
50
0
0.4
50
50
0
0.2
20
0
50
0
20
0
0
0.2
0.4
0.6
t (s)
0.8
50
0
t (s)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ejemplo 1
X(t) = A cos(0 t + ), con uniforme en (, )
de Autocorrelacion:
RX ( ) =
Funcion
Densidad Espectral de Potencia:
SX () = TF [RX ( )] =
Potencia: PX = RX (0) =
1
2
A2
2
cos(0 )
A2
[( 0 ) + ( + 0 )]
2
SX ()d =
A2
2
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ejemplo 2
Ruido Blanco con media cero:
Densidad Espectral de Potencia:
SX () =
N0
Watt/Hz
2
Autocorrelacion:
0
m 6= 0
RX [m] = CX [m] =
2 m = 0
Densidad Espectral de Potencia: SX () = TF [RX [m]] = 2
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Z
1
RXY ( ) = TIF [SXY ()] =
SXY ()ej d
2
En el caso discreto:
SXY () = TF [RXY [m]] =
RXY [m]ejm
m=
1
2
SXY ()ejm d
Particularidades:
SXY () puede ser compleja y puede no ser par
SXY () = SY X ()
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Contenido
1
Definicion
Estadstica
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
de Senales
Transformacion
Aleatorias
X(t)
T []
Y (t)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
= g(X(t1 ))
= g(X(t2 ))
Funciones de 2 variables aleatorias
Teorema Fundamental:
fY (y1 , y2 ; t1 , t2 ) =
X fX (x1i , x2i ; t1 , t2 )
X fX (x1i , x2i ; t1 , t2 )
=
|J(x1i , x2i )|
|g 0 (x1i )g 0 (x2i )|
i
i
de la Funcion
de Autocorrelacion
Obtencion
Z
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ejemplo
Detector Cuadratico:
Y (t) = X 2 (t)
fdp de primer orden:
Races:
y = g(x) = x2
x1 = y, x2 = y
0
Derivada: g (x) = 2x
f ( y;t)
f ( y;t)
fdp: fY (y; t) = X2y + X 2y
(y 0)
fdp de orden 2:
Y (t1 ) = X 2 (t1 )
Y (t2 ) = X 2 (t2 )
Races (y1 0,y2 0):
y1 = x21
x1
2
x2
y2 = x2
= y1
= y2
4 parejas de soluciones !!
fX ( y1 , y2 ;t1 ,t2 )
4 y1 y2
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
X(t)
L[]
Y (t)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
h(t) = L[(t)]
Respuesta al impulso y convolucion:
Z
x(t )h()d
y(t) = L[x(t)] = x(t) h(t) =
Frecuencial: L ej0 t = H(0 )ej0 t
Caracterizacion
Z
H() = TF [h(t)] =
h(t)ejt dt
Causalidad:
x(t) = 0
Estabilidad:
t < t0
|x(t)| < M
t
Z
y(t) = 0
K
t < t0
|y(t)| < K
|h(t)|dt <
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Y = X H(0)
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Autocorrelacion
de Salida
Asumiendo que X(t) es estacionario en sentido amplio
RY ( ) = E [Y (t + )Y (t)] = RX ( ) h( ) h( )
RX ( )
h( )
RXY ( )
h( )
RY ( )
Cruzada Entrada-Salida
Correlacion
RXY ( ) = RX ( ) h( )
RY X ( ) = RX ( ) h( )
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ejemplo
Filtrado de Ruido Blanco con Media Cero:
de la Entrada: RX ( ) =
Autocorrelacion
DEP de la entrada: SX () = N20
Sistema LTI: h(t) H()
de la salida:
Autocorrelacion
RY ( ) =
N0
N0
( ) h( ) h( ) =
(h( ) h( ))
2
2
DEP de la salida:
SY () =
N0
( )
2
N0
|H()|2
2
Teora de la Comunicacion
Definicion
Caracterizacion
Estadsticos
Estacionariedad
Ergodicidad
Ejemplo
1
2T
X(t)dt
T
de trasferencia:
Funcion
H() =
sin(T )
T
DEP de la salida:
SY () = SX ()
sin2 (T )
(T )2
Teora de la Comunicacion