Documentos de Académico
Documentos de Profesional
Documentos de Cultura
C. Belaustegui Goitia
2 de Abril 2002
Abstract
Algunos problemas resueltos sobre señales aleatorias y sistemas lineales.
1.1. Directamente
õ
Z t ¶2 ! Zt Zt
1 1
E N (u)du = E 2 N (u)N (v)dudv =
T t−T T
t−T t−T
Zt Zt
1
= CN (u − v) dudv
T2
t−T t−T
Para aprovechar las propiedades de la función de autocorrelación, hacemos el
cambio de variables
τ = u−v
λ = u
v τ
T B
t D A
t-T t
C Aλ
t-T B
C
-T
D
t-T t u
2
1.2. En el dominio de la frecuencia
Expresamos el estimador sb(t) como la salida de un sistema lineal causal de respuesta
impulsiva h(t) excitado por la entrada X(t):
Z t
sb(t) = h(t − u)X(u)du
−∞
Para que esta expresión sea equivalente a (1.1), la respuesta impulsiva debe ser
½ ¾
1/T 0≤t≤T
h(t) =
0 en otro lugar
En nuestro caso,
donde ( ³ ´ )
1 |t|
T 1− T −T ≤t≤T
Λ (t) =
0 en otro lugar
Entonces, la Ec. (1.5) queda
Z ∞ Z T µ ¶
1 |t|
σ 2bs = Λ (t) CN (t) dt = 1− CN (t) dt (1.6)
−∞ T −T T
3
1.3. Interpretación y comentarios
• Trabajar en el dominio de la frecuencia es, generalmente, preferible al método
directo en el dominio del tiempo. El desarrollo es más simple y, además, se
obtiene un enfoque conceptual ausente en el método directo.
• Los resultados (1.4) o (1.6) dicen que el error cuadrático medio de estimación
decrece con T , lo que era previsible, si la integral de la función de autocovarianza
está acotada.
• En la expresión (1.5) se observa que la transferencia del filtro tiene ceros en
ω = ±2nπ/T ; el ancho de banda entre f = 0 y el primer cero del lóbulo principal
de la transferencia es B = 1/T ; o sea que el ancho de banda del filtro decrece
con T . Aumentar la duración del intervalo de integración equivale a recortar
el espectro de ruido que pasa por el filtro. Si el ruido es de banda ancha (es
decir, su densidad espectral de potencia varía lentamente con la frecuencia), que
es el caso más frecuente, se puede simplificar el análisis escribiendo SN (ω) '
SN (0) = N0 /2. De (1.5):
Z ∞¯ ¯ Z ∞
1 ¯ sin (ωT /2) ¯2
2
σbs = ¯ ¯ SN (ω) dω = N0 |h(t)|2 dt =
2π −∞ ¯ ωT /2 ¯ 2 −∞
N0 1 N0 N0 B
= 2
T = =
2 T 2T 2
que es un resultado conocido: la potencia de ruido a la salida del filtro es pro-
porcional a su ancho de banda. Al mismo resultado se llega utilizando (1.4) o
(1.6):
Z µ ¶ Z
2 1 T |t| 1 ∞ SN (0) N0
σsb = 1− CN (t) dt → CN (t) dt = =
T −T T T →∞ T −∞ T 2T
4
La varianza es:
à !2
³ ´ 1
M−1
X
σ 2bs = E (b s(n)))2 = E
s(n) − E (b N (n − i) (2.3)
M i=0
Continuar desarrollando la Ec. (2.3) lleva a calcular una doble suma sobre una reja
de M × M puntos, y luego cambiar los índices para sumar sobre las diagonales de la
reja en las cuales la función de autocovarianza es constante; procedimiento comparable
al método directo del problema anterior. Es más conveniente considerar que las
observaciones son procesadas por un sistema lineal causal de respuesta impulsiva
h(n), para formar el estimador de la señal:
n
X ∞
X
sb(n) = h(n − i)X(i) = h(i)X(n − i) (2.4)
i=−∞ i=0
Para que esta expresión sea equivalente a (2.1), la respuesta impulsiva debe ser
½ ¾
1/M n = 0, 1, ..., M − 1
h(n) =
0 en otro lugar
σ2N
σ 2bs = (2.7)
M
como debe ser (verificarlo). La expresión (2.6) muestra que si las muestras están
correlacionadas, el error cuadrático medio de estimación es mayor.
5
3. Optimización de los Coeficientes de un Promedio Móvil
Las últimas M observaciones X(n) = s + N (n) de un parámetro constante s son
procesadas por un promedio móvil de coeficientes h(n):
M−1
X
sb = h(i)X(n − i) (3.1)
i=0
Los errores de medición se representan como una secuencia de ruido aditivo N (n)
con función de autocorrelación CN (n) . Se quiere obtener el conjunto de coeficientes
del filtro que minimice el error cuadrático medio de estimación, sujeto a la condición
que el estimador debe ser insesgado.
Puesto que E (X(n)) = E (s + N(n)) = s
M−1
X
E (b
s) = s h(i)
i=0
Si el estimador es insesgado, E (b
s) = s, por consiguiente en la ecuación anterior
debe ser
M−1
X
h(i) = 1 (3.2)
i=0
y un vector de M unos
u = [1, ..., 1]T u ∈ RM
de modo que la operación (3.1) y la condición (3.2) se escriben en forma compacta
sb = hT X (3.3)
hT u−1 = 0 (3.4)
6
El problema es ahora minimizar (3.5) sujeto a (3.4). Aplicamos el método del
multiplicador de Lagrange, formando la función
¡ ¢
F (h, λ) , hT CN h−λ hT u−1
Las M + 1 ecuaciones que permiten despejar las M + 1 incógnitas h(0), ..., h(M ), λ
se forman igualando a cero las derivadas de F (h, λ) respecto de sus argumentos:
∇h F (h, λ) = CN h − λu = 0 (3.6)
∂F (h, λ)
= hT u−1 = 0 (3.7)
∂λ
Para resolver el sistema, eliminamos h entre (3.6) y (3.7), obteniendo
1
λ=
uT C−1
N u
C−1
N u
hopt = (3.8)
u C−1
T
N u
1 σ2 σ2
σ2sb = = =
uT C−1
N u kuk2 M
7
Aquí, uT CN u es la suma de todos los elementos de la matriz CN (comprobarlo).
Sumando a lo largo de las diagonales de la matriz, cuyos elementos son todos iguales
(matriz de Töeplitz), y expresando analíticamente el decrecimiento lineal de la can-
tidad de elementos de cada diagonal desde M hasta 1 al pasar desde la diagonal
proncipal hasta las esquinas de la matriz, la suma queda igual a la expresión (2.6)
(verificarlo).