1

DIAGRAMA DE OJO, ORTOGONAL COMPLEJO

Camacho Kevin; NRC: 3891
Universidad de las Fuerzas Armadas ESPE
Sangolquı́-Ecuador

kscamacho@espe.edu.ec

I. I NTRODUCCI ÓN
En el análisis de la conducta de los enlaces de transmisión,
se usan varias técnicas y mediciones de rendimiento como son
el BER que indica la calidad del enlace. Otra forma muy usada
es sacando la relación Señal a ruido con el cual se obtiene la
calidad de componentes usados para el enlace. Estas tecnicas a
pesar de su gran desempeño, decaen en ciertas circunstancias.
Por esta razón el análisis de las formas de onda de los pulsos
que se propagan en un enlace de comunicaciones se vuelve una
solución muy tentadora, dando origen a lo que hoy llamamos
Diagrama de Ojo.
Por otro lado, cuando se observan fenómenos como remoli-
nos con datos de satélites, aparecen obstáculos para poder Figura 1. Concepto de Diagrama de Ojo
localizarlos. La interpolación espacial tradicional de datos de
satélite da como datos una discontinuidad de los remolinos en
mapas espaciales. Las construcciones matemáticas usadas en
análisis de funciones empı́ricas ortogonales (FEOs) admiten
expandir las aplicaciones a campos complejos mediante la
formación de matrices imaginarias con la transformada de
Hilbert, y posteriormente obteniendo los eigenvectores de la
matriz de dispersión.

II. D ESARROLLO
A. Diagrama de Ojo
Dentro del análisis de formas de ondas en las telecomu-
nicaciones digitales, el diagrama de ojo es muy utilizado. Se Figura 2. Diagrama de Ojo Ideal
define como un diagrama que indica la superposición de varias
combinaciones factibles de ceros y unos en un rango de tiempo
o bits determinados. Dentro del enlace, las señales transmitidas
relacionadas con las cuatro caracterı́sticas fundamentales del
posibilitan la obtención de propiedades de pulsos que viajan
ojo, nivel cero, nivel uno, cruce en tiempo y cruce en amplitud.
por el medio de comunicación, ya sea por fibra óptica, par
Para entender Rise Time y Fall Time, se ubican niveles de cero
trenzado, coaxial, etc.
y uno lógico, luego se alcanza el tiempo vinculado entre el
Conocidas como patrones multi-valores por su capacidad
90% y 10% del valor mayor de amplitud del pulso conocido
de representar la superposicion de diversas señales de forma
como nivel uno. La diferencia de tiempo entre los dos rangos
simultanea. De esta forma cada punto en el eje del tiempo esta
se lo conoce como Rise Time, y de igual forma se calcula el
asociado con diversos niveles de voltaje.
Fall Time, en el extremo de descenso del pulso.
1) Diagrama de Ojo Ideal: Este diagrama muestra un
enlace óptico ideal, donde la tasa de transmisión es baja, no se El segundo diferencia entre la mascara medida de forma
valora las perdidas de atenuación, no existe ruido en el canal natural en el patrón de ojo con otra mascara preestablecida.
y no se indica un desplazamiento de fase (jitter). En la figura En la figura 3 se muestra los diversos parámetros que forman
2 se muestra como es este diagrama ideal un pulso en un patrón de ojo.
2) Análisis de Parámetros de Ojo: Tenemos dos tipos de 3) Propiedades fundamentales del Ojo:
análisis. • One Level: medición del valor medio del nivel de un uno
El primero se enfoca al análisis de diversas propiedades lógico. Se da por el uso de métodos estadı́sticos para
de la forma de onda del pulso los cuales son Fall Time, obtener un patrón con el que se logra captar el promedio
undershoot, Rise Time, jitter y overshoot. Estos a su vez están del nivel uno de cierto pulso.

Figura 3. Parámetros de un pulso de ojo
• Zero Level: medición del valor medio del nivel de un
cero lógico. Las técnicas usadas para esta medición son
idénticas que las usadas para el nivel uno.
• Eye Crossing: Abarca el Crossing Time el cual habla del
tiempo en el cual se da la apertura y cierre del ojo y
Crossing Amplitud habla del nivel de voltaje al que se
produce la apertura y cierre del ojo. Con estos parámetros
definimos Bit Period como el periodo entre apertura y
cierre del ojo.
En la figura 4 se presenta los parámetros antes mencionados.
Figura 4. Propiedades fundamentales del Ojo
4) Máscaras: Anteriormente se hablo acerca de mascaras
preestablecidas, las cuales indican zonas puntuales del dia-
grama de ojo, donde los pulsos no deben introducirse. Dichas
máscaras usan el diseño de canales de transmisión, indicando
por medio de las mismas las áreas no permitidas para las
señales. Ası́ se puede preestablecer un diseño impecable de
enlaces que logren satisfacer ciertas propiedades, en caso de
que las señales se introduzcan en las áreas no permitidas, se
presentan problemas y errores dentro de la transmisión.
5) Jitter: Se lo conoce como una desviación de fase el
cual esta relacionado con la ubicación perfecta en el tiempo
de una señal digital que viaja por un canal. Definido como la
desviación estándar que experimenta las muestras tomadas de
un histograma, el mismo que es generado por un promedio
estadı́stico.
2
B. Funciones Empı́ricas Ortogonales Complejas
Los componentes principales son usados de forma muy
amplia para inspeccionar el vinculo espacial y temporal de
grandes cantidades de información. La capacidad de los com-
ponentes principales es su habilidad para declarar la vari-
abilidad del conjunto de datos con un numero mı́nimo de
modos o funciones empı́ricas ortogonales (FEOs). Aun ası́
el análisis habitual de componentes principales localiza solo
oscilaciones estacionarias, no oscilaciones en movimiento.
Con el estudio de fenómenos ondulatorios en movimiento
se debe usar el análisis de Funciones Empı́ricas Ortogonales
Complejas (FOECs).
Los fenómenos fı́sicos que se representan con variables
complejas son aquellos que depende de dos parámetros.
La matriz X de tamaño p ∗ n indica las p variables en un
muestreo de dimension n, donde el muestreo llega a constar
de análisis de un fenómeno de interés en n distintos tiempos,
y de esta forma obtener p series de tiempo de dimension n. Se
forma la matriz Y = {yij } el cual mantiene perturbaciones
conseguidas al quitar la media muestral a cada variable.
Pn
j=1 Xij
yij = Xij − = xij − µi
n
donde µi retiene el promedio real como el imaginario ya
que ambas parten de la suma de cada uno de sus componentes.
Las matrices de dispersión R y S se obtienen de:
R = YYH /(n − 1)
S = YH Y/(n − 1)
Una carga computacional sera menor si se calcula los
eigenvectores de una matriz 100 ∗ 100 que si calculara una
matriz de 1000 ∗ 1000. Si se tiene una matriz de tamaño
1000 ∗ 100 que tienen 100 muestreos y 1000 posiciones de
estudio puede ser usada la matriz S para calcular la varianza
de los datos.
Ambas matrices evalúan la varianza de los datos , esto se
da gracias a sus propiedades de análogas reales, ademas, solo
se usan los primeros modos para aparentar la varianza total
de los datos, se puede usar S o R dependiendo si p < n ó
n < p, R es de p ∗ p y S es de n ∗ n.
Tanto S como R poseen componentes complejos fuera
de su diagonal, son hermitianas y la descomposición en
valores propios abarca componentes complejos en la matriz
de eigenvectores y eigenvalores reales mayores o iguales a
cero.
Para el caso de S se tiene el siguiente inconveniente:
SE = E∆
Se consigue como resultado una matriz ∆ de n ∗ n con
los eigenvalores de S en su diagonal ordenados de manera
descendente y donde solo varios de ellos son distintos de cero.
La matriz E de n ∗ n resulta ser unitaria, E tiene los eigenvec-
tores complejos ei , asociados a un porcentaje del campo de
varianza de estudio, proporcional al eigenvalor λi . Un cambio
 3

constrantante con respecto al analisis de FEOs sobre campos III. C ONCLUSI ÓN
reales es que los ei tienen componentes complejos eij . Por • El diagrama de ojo es una técnica muy útil para el análisis
la entidad de Euler los eij son representados en terminos de de sistemas de comunicación, el cual entrega información
amplitud rij y fase Θij de mucha importancia.
• Las funciones empı́ricas ortogonales complejas son la
eij = rij exp(iΘij ) solución a fenómenos ondulatorios en movimiento, los

2 2
1/2 cuales son usados en las telecomunicaciones.
rij = (<(eij )) + (=(eij ))
  R EFERENCES
=(eij ) [1] Dinamarca, J. (2002). Análisis de Diagramas de Ojo (pp. 2-6)., Colom-
Θij = arctan
<(eij ) bia.
[2] Sanchez, A. (2006).Interpolación objetiva espacio-temporal de datos
Ası́ tenemos que la matriz A de componentes principales, satelitales de nivel del mar utilizando funciones empı́ricas ortogonales
que es resultado de la proyección de E sobre la matriz de complejas (pp. 14-18)., Mexico.
perturbaciones Y, tiene componentes complejos.

A = ET Y

aij = pij exp(iϕij )

 1/2
2 2
pij = (<(aij )) + (=(aij ))
 
=(aij )
ϕij = arctan
<(aij )
El propósito en los FEOs es la comprensión del campo de
estudio en una version menos variabe y ruidosa. La matriz
Ŷ puede ser levantada proyectando los modos procedentes de
los eigenvalores que indican un gran porcentaje de varianza y
0
sus convenientes vectores propios que hacen una matriz E .
Tomando los primeros términos
h
0 X
aij = eli yli
l=1
0 0
A = E HY
0
E = [e1 ...eh ]

h
X
ŷij = eil alj
l=1
0 0
Ŷ = E A
0
Gracias a las propiedades análogas de E y E

EEH = EH E = In
0
Cuando h = n E = E, pero en caso contrario existe dos
casos
0 0
E E H ≈ In
Se tiene una aproximacion a In que casi avala la igualdad
cuando se isa los modos que explican al menos el 90% de la
varianza explicada de los datos. Analogicamente para h < n
0 0
E E H = Ih