Impacto del Ruido y del Canal en un Sistema de

Comunicaciones.
Rocio Infante Lugones
Wendy Rodríguez Marí
Fidel Cruz Garrido
Dirigido por: Liset Martínez Marrero

I. INTRODUCCIÓN
Cuando hablamos de transmisión de señales, no podemos
dejar de lado las principales fuentes que pueden introducir
errores en la recepción de dicha información. Si estas fuentes
no son consideradas, seguramente la comunicación no será
exitosa debido a que la información transmitida, a su paso por
el medio de transmisión, se puede tornar irrecuperable.
En este trabajo estaremos analizando la influencia del canal
y el ruido como elementos distorsionantes y algunas medidas
que se pueden tomar para contrarrestar o reducir su efecto.
Para llevar a cabo esta tarea se modela un sistema basado en
modulación OFDM donde serán simuladas, con la ayuda del
software MatLab, condiciones reales como las mencionadas
anteriormente; con el fin de estudiar qué le sucede a la
información al ser recibida y cómo lograr que se reciba
correctamente.
II. CONTENIDOS
A. Modulación OFDM.
a. Transmisor OFDM.
b. Receptor OFDM.
c. Prefijo Cíclico.
B. Efecto del Canal.
a. Método data-aided de estimación del canal basado en
arreglo de esquema inclinado.
b. Estimación del canal mediante LS.
c. Método de interpolación cubica.
C. Efecto del Ruido.
a. Ruido blanco gaussiano.
b. Ruido NBI.
c. Ruido CBN.
d. Estimación del ruido mediante silent-slots.
A. Modulación OFDM
La Multiplexación por División de Frecuencias Ortogonales
(OFDM, por sus siglas en inglés), es uno de los métodos de
modulación con múltiples portadoras (MCM). En este método
las portadoras de diferentes frecuencias, donde se transmite la
información, son ortogonales entre sí y pueden ser separadas
por correladores en el receptor. [1]
Una forma general de señal OFDM banda base en el primer
período de símbolo puede ser descrita por:
(1)
Donde Ai, fi, y ϕi son la amplitud, frecuencia y fase de cada
subportadora, N es el número de subportadoras y T es el
período de símbolo del dato. Como en nuestro caso la señal
será modulada en PSK, Ai se mantiene constante y ϕi es
determinado por el dato.
Es llamada OFDM banda base ya que la señal es modulada a
una alta frecuencia de portadora antes de la transmisión.
Una condición necesaria para que las subportadoras sean
ortogonales entre sí es que fi debe ser un múltiplo entero de
1/2T, y la mínima separación de frecuencias debe ser de 1/T.
[1]
a. Transmisor OFDM.
En el bloque modulador OFDM cada subportadora es
modulada, en nuestro caso con modulación BPSK, y la señal
es la suma de esas modulaciones.
Estableciendo algunas igualdades, la señal puede ser
también descrita por la ecuación:
(2)
Si se muestrea con un período ∆t=T/N y se añade el factor
de normalización 1/N, se obtiene:
(3)
Esta es la expresión de la transformada inversa de Fourier
(IDFT). Este hecho implica que las muestras de la envolvente
compleja de una señal OFDM pueden ser generadas mediante
la IDFT.
b. Receptor OFDM.
Si en el receptor se reciben las muestras sin ninguna
distorsión, los símbolos pueden ser recuperados mediante la
Transformada de Fourier (DFT) [1]; para luego pasarlos por el
Demapper BPSK y así recuperar la información original.
c. Prefijo Cíclico.
Una de las ventajas de usar OFDM en lugar de otras
modulaciones que solo usan una portadora, es que la

1
interferencia intersímbolo (ISI, por sus siglas en inglés) es
mucho menor dado que la duración del símbolo es mucho
mayor. Para eliminar el efecto de ISI se debe introducir una
banda guarda entre un símbolo de OFDM y otro, cuya
duración debe ser mayor que la esperada para la respuesta al
impulso del canal.
Sin embargo, esto no elimina los efectos que provoca la
interferencia interportadora (ICI, por sus siglas en inglés); para
ello se debe introducir un prefijo cíclico en la banda guarda
que elimina los efectos de ISI. [1]
En nuestro caso, el canal a usar (Cañete WC) se puso a
prueba observando su respuesta al impulso, arrojando como
resultado que el prefijo cíclico debe tener como duración 400
tiempos de subportadora, y la información que se ubica en el
espacio asignado a dicho prefijo es la que ocupa las últimas
400 posiciones en el símbolo.
Sin el prefijo cíclico un símbolo puede tener información de
otro símbolo, previo o posterior, solapada con la suya que no
podría ser removida después de la DFT en la recepción;
además, no se cumpliría la igualdad entre la convolución de la
señal OFDM transmitida y la respuesta al impulso del canal
con el producto de sus respectivas respuestas de frecuencia.
B. Efecto del Canal.
Al recuperarse la señal transmitida en el receptor, se aprecia
que su paso por el canal le provoca cierta distorsión. Para
considerar este efecto, la señal transmitida se convoluciona
con la respuesta al impulso del canal Cañete WC utilizando el
software MatLab.
Figura 1. Respuesta al impulso del canal Cañete WC.
a. Método data-aided de estimación del canal basado en
arreglo de esquema inclinado.
Las subportadoras de la OFDM se clasifican en portadoras
(contienen la información que se desea transmitir) y pilotos
(contienen un arreglo de valores conocidos que ayudan al
receptor a adaptarse, estimar el canal, y decodificar
óptimamente). [1]
El arreglo empleado en este caso es el esquema inclinado,
que consiste en introducir subportadoras piloto equidistantes
que se desplazan circularmente de un símbolo a otro, tal como
se muestra en la figura 2. [3]
2
Figura 2. Arreglo mediante esquema inclinado
Para recuperar la información de forma adecuada hay que
pasar a una etapa, conocida como ecualización, en la que se
revierten los cambios introducidos por el canal a la señal
transmitida. Para ello se debe estimar el canal y por ende tener
conocimiento de su comportamiento.
El método de estimación utilizado para la OFDM en este
caso es el asistido por datos basado en esquema inclinado que
consiste en la inserción de secuencias conocidas por el
transmisor y el receptor cada cierto tiempo en la secuencia de
datos. Con ello se le permite al receptor analizar cuanto varían
los elementos ya conocidos bajo la influencia del canal y así
estimarlo.
b. Estimación del canal mediante LS (Métodos de
mínimos cuadrados).
La estimación parte de la señal recibida en dichas posiciones
que se puede expresar como:
(4)
El estimador LS devuelve el cociente entre los símbolos
pilotos recibidos y los transmitidos, tratando de minimizar el
error cuadrático entre ellos. Esta aproximación considera los
parámetros a estimar como desconocidos pero determinísticos
y no tiene en cuenta el carácter estadístico de la señal ni la
presencia de ruido. [7] Por lo que responde a la siguiente
ecuación, en la que Xref y Y son los valores que toma el
sistema en las posiciones piloto:
(5)
c. Método de interpolación cúbica.
Recordemos que para estimar el canal se toma solo un
número reducido de muestras determinado por la cantidad de
tonos pilotos; sin embargo, para ecualizar es necesario hacer
corresponder las dimensiones de los vectores que representan
el canal estimado y la información recibida. Para ello se utiliza
la interpolación.
En nuestro caso se emplea el método Cubic Spline
Interpolation (CSI) que, al tener una mayor complejidad
computacional, brinda una mayor calidad a la aproximación
que otros métodos estudiados. [7]
Al plotear en conjunto los comportamientos del canal real y
del canal estimado después de la interpolación, se hace notar
que para valores elevados de SNR la estimación es mejor.

Figura 3. Comportamiento del canal real (rojo) y el estimado (azul) para SNR
igual 50dB
C. Efecto del Ruido.
En la práctica, aparecen diferentes tipos de ruidos dentro del
ancho de banda de la señal que provocan interferencia en ella.
Es muy importante reproducir estos efectos de la forma más
fiel posible para poder estudiar el comportamiento de la señal
ante ellos.
En este caso se analiza la influencia del ruido aditivo blanco
gaussiano (AWGN), Coloured Background Noise (CBN), y el
Narrow-Band Noise (NBI).
a. Ruido blanco gaussiano.
El ruido blanco gaussiano es una señal aleatoria
caracterizada por la no existencia de correlación estadística
entre los valores que toma en instantes diferentes de tiempo.
Este ruido afecta a toda la señal, por lo que no puede
eliminarse su influencia bajo el principio de enviar
información igual a cero en ciertos tonos de frecuencia como
se realiza para otros tipos de ruido (NBI o CBN, por ejemplo).
De ahí que se haga necesario estudiar su densidad espectral de
potencia (PDS) para conocer en cuanto afectaría a una
transmisión dada.
Si su PDS es significativamente menor que la de la señal, la
comunicación puede considerarse viable; incluso en ciertos
casos estos valores son tan bajos que se considera una
transmisión sin ruido. Por otro lado, si la PDS del ruido es
mayor o comparable con la señal la comunicación no se puede
realizar correctamente.
b. Ruido NBI.
Generalmente aparece NBI debido a transmisores de larga,
mediana y corta onda, como emisoras de radio y
radioaficionados, por lo que la interferencia de este tipo ocurre
mayormente en un rango sobre los 20MHz. Su intensidad y
frecuencia varían en tiempo y espacio, y su densidad espectral
de potencia (PSD) es extremadamente alta.
NBI puede ser modelado como la suma de múltiples senos.
Resultando de forma determinística en la fórmula siguiente:
(6)
Generalmente, se consideran diferentes valores de amplitud
3
(Ai(t)), frecuencia (fi), y fase (ϕi) para cada portadora
generada con la ecuación 6. [5]
c. Ruido CBN.
Este ruido se produce por la superposición de múltiples
fuentes de ruido con potencias relativamente bajas.
Su PSD generalmente decrece a mayores valores de
frecuencia, con un comportamiento aproximado a la
exponencial decreciente cuando sus valores se miden en la
escala logarítmica (dB). La fórmula siguiente lo describe:
(7)
Donde A∞ es la densidad de potencia cuando la frecuencia
tiende a infinito, A0 es la diferencia entre A(∞) y A(0) y f0 es
la menor razón de crecimiento de la frecuencia. Para el
problema que se modela se tomaron valores de -136 dB
(V2/Hz), -38 dB (V2/Hz), y 0.7 MHz respectivamente.
Esta fórmula permite modelar al ruido CBN como ruido
blanco gaussiano que colorea su espectro con un filtro. [5] Por
ello se genera un ruido blanco gaussiano que se filtra
utilizando los valores que arroja la fórmula de CBN como
numerador de un filtro FIR.
d. Estimación del ruido mediante silent-slots
Para la estimación del ruido utilizaremos el método de
silent-slots. Este consiste en estimar y analizar la PDS del
ruido en los períodos de silencio, que son aquellos en los que
no se transmite información.
Para estimar la PDS se utiliza el método de Welch, que
divide el intervalo en intervalos otros más pequeños con cierto
solapamiento, le realiza el periodograma a cada intervalo y los
promedia. Se considera un método que devuelve una buena
estimación al reducir la varianza con respecto al método de
Periodograma a cambio de reducir la resolución. [2]
III. ANÁLISIS DE RESULTADOS MEDIANTE LAS GRÁFICAS DE
BER Y MSE.
Luego de implementar en el software MatLab todo el
sistema anteriormente descrito, se puede hacer un análisis del
efecto del canal y el ruido sobre la información transmitida al
compararla con la que se recibe. Para ello utilizamos los
descriptores MSE y BER.
a. Error Cuadrático Medio (MSE)
La estimación del canal está sujeta a cierto error debido a la
influencia del ruido en el sistema; lo que se estudia, en este
caso, a través del Mean Square Error, el cual permite analizar
la calidad del estimador utilizado mediante las curvas MSE vs
SNR (Relación señal a ruido). [4]
El MSE es el momento de orden 2 del error, por tanto tiene
en cuenta una relación entre la varianza y el sesgo
de la estimación del canal; así como, el valor esperado
del cuadrado de la diferencia entre el valor real y el estimado
del canal, [6] tal como muestra la fórmula:
 (8)
En las figuras 4 y 5 se observa que para valores mayores de
SNR, es decir, que disminuye la influencia del ruido, la curva
tiende a fluctuar en menor medida alrededor del cero, lo que
denota que se logra una mejor estimación del canal.
Figura 4. Curvas de MSE para SNR igual 0dB.
Figura 5. Curvas de MSE para SNR igual 50dB.
b. Razón de Error de Bit (BER)
El BER denota la medida en que el sistema comete errores
en la recepción debido a las variaciones que sufre la señal
transmitida a su paso por el canal y bajo la influencia de ruido.
La curva se obtiene al comparar la SNR y la BER, esta
última responde a la siguiente ecuación:
(9)
Una variante para hallar los errores cometidos es realizar
una suma exclusiva (XOR) entre la señal transmitida y la
recibida; y para conocer la longitud de la trama se debe llevar
el conteo de las subportadoras y los pilotos.
Tal como muestra la figura 6, se pudo comprobar que a
medida que incrementa la SNR el sistema comete menos
errores en la recepción de la información.
Figura 6. Curva de BER vs SNR.
IV. CONCLUSIONES
Una vez estudiada la teoría expuesta sobre el tema y
realizada la simulación en MatLab, se pudo apreciar la
importancia de introducir el prefijo cíclico en el símbolo
OFDM para evitar la ISI e ICI y que se cumpla que la
convolución en el tiempo se corresponda con la multiplicación
en la frecuencia, lo cual constituye la base del método
estimación de canal LS. Se comprobó, además, que utilizando
métodos de estimación del canal y del ruido se puede
compensar su efecto y obtener una probabilidad de error baja y
alta calidad de la comunicación; siempre y cuando la relación
señal a ruido tenga un valor aceptable. Se consideran
cumplidos satisfactoriamente los objetivos del proyecto.
V. REFERENCIAS
1. Fuqin, Xiong. Digital Modulation Techniques. s.l. : Artech
House, 2006, 2da Edición .
2. Manolakis Dimitris G., Ingle Vinay K., Kogon Stephen
M. Statistical and Adaptive Signal Processing. s.l. :
Artech House, 2005.
3. SVD-based De-noising and Parametric Channel. Matthias
Gay, Lutz Lampe, Alexander Lampe.
Germany,Canada : s.n., 2016. International
Symposium on Power Line Communications and its
Applications (ISPLC). pág. 12.
4. Lampe Lutz, Tonello Andrea M., Swart Theo G. Power
Line Communications: Principles, Standards and
Applications. s.l. : Wiley, 2016, 2da Edición.
5. Opera: Open PLC European Research Alliance.
Deliverable D4: PLC channel model.
6. Pilot-Assisted Wireless Transmissions: General model,
design criteria, and signal processing. Lang
Tong,Brian M. Sadler,Min Dong. 2004, IEEE
SIGNAL PROCESSING MAGAZINE, pág. 25.
7. Vinadé, Alejandro Polbach i. ESTIMACIÓN CIEGA DE
CANAL. PROYECTO FINAL DE CARRERA.
Cataluña, Barcelona, España : s.n., 2011.