Tratamiento y

Transmisión de Señales

Seminario 3.
Espectro de potencia y filtrado
de procesos aleatorios
Espectro de potencia
n Def.: Transformada de Fourier de la autocorrelación.

+¥
Px (e jw ) = å
k = -¥
rx (k )e - jkw

1 p
rx (k ) =
2p òp
-
Px (e jw )e jkw dw

n En términos de la transformada Z. Z= ejw

+¥
Px ( z ) = å
k = -¥
rx (k ) z - k

Tratamiento y Transmisión de Señales (TTS) I.3-2 Ingeniería Electrónica Industrial

Propiedades del espectro de potencia (1/2)
1. Propiedad de simetría: x(n) proceso WSS
¨ Px(ejw) Þ función real de w.
¨ x(n) real Þ Px(ejw) además simétrico.

rx (k ) = E{x(n) x* (n + k )} = E{x* (n) x(n + k )} = rx* (-k )

+¥
Px (e ) = rx (0) + 2å {Re[rx (k )] cos(kw) + Im[rx (k )] sin( kw)} = Px (e - jw )
jw

k =1
Proceso real

¨ En el dominio Z: ¥ ¥
Px ( z ) = å rx (k ) z
k = -¥
-k
= åx
r *
(
k = -¥
- k ) z -k
= Px
*
(1 / z *
)

n Si el proceso es real:
Px ( z ) = Px* ( z * )
Tratamiento y Transmisión de Señales (TTS) I.3-3 Ingeniería Electrónica Industrial
Propiedades del espectro de potencia (2/2)
2. El espectro de potencia de un proceso WSS es no negativo.

Px (e jw ) ³ 0 "w

3. La potencia de un proceso WSS de media nula es

proporcional al área encerrada por la curva densidad de
potencia espectral.

1 p
òp
2
E{| x(n) | } = Px (e jw )dw
2p -

4. Los autovalores de la matriz de autocorrelación de un

proceso WSS de media cero están acotados:

min Px (e jw ) £ li £ max Px (e jw )
w w
Tratamiento y Transmisión de Señales (TTS) I.3-4 Ingeniería Electrónica Industrial
Ejemplos:
1. Ruido blanco de media nula:
¨ Autocorrelación
rv (k ) = s v2d (k )

¨ Espectro de potencia

Pv (e jw ) = s v2

2. Sinusoide de fase aleatoria: x(n)= A sin(nw0+f)

1 2
rx (k ) = A cos(kw0 )
2
1 2
Px (e ) = pA [d ( w - w0 ) + d ( w + w0 )]
jw

Tratamiento y Transmisión de Señales (TTS) I.3-5 Ingeniería Electrónica Industrial

Estimación del espectro de potencia
n Se dispone de un conjunto finito de datos.
¨ xN(n): n= 0, 1, ..., N-1.
n Estimación de la autocorrelación + DTFT.

n Método del 1 N -1- k

rˆx (k ) =
N
å x ( n + k ) x ( n)
*
k = 0,1,..., N - 1
periodograma. n =0

N -1
1
å x ( n)
2
rˆx (0) =
N n =0

N -2
1
rˆx (1) =
N
å x(n + 1) x (n)
n =0
*
0 N-1
...

rˆx ( N - 2) =
1
N
[
x( N - 2) x* (0) + x( N - 1) x* (1) ] N -1

rˆx ( N - 1) =
1
x( N - 1) x* (0)
Pˆper (e jw ) = å rˆx (k )e - jkw
k = - N +1
N

Tratamiento y Transmisión de Señales (TTS) I.3-6 Ingeniería Electrónica Industrial

El periodograma y su relación con la DFT
n Registro de datos:
x N (n) = wR (n) x(n)

ì1 ; n = 0,1,..., N - 1
wR (n) = í
î0 ; en otro caso
0 N-1

¥
La estimación de rx(k) se puede rˆ (k ) = 1 1
¨
escribir como: x å
N n = -¥
x N (n + k ) x*N (n) = x N (k ) * x*N (-k )
N

¨ Tomando la transformada de ˆ 1 1 jw 2
Pper (e ) = X N (e ) X N (e ) =
jw jw * jw
X N (e )
Fourier (propiedad de N N
convolución)

1 2
Se puede calcular fácilmente a Pˆper (e j 2pk / N ) = X N (e j 2pk / N )
partir de la DFT. N
k = 0,1,..., N - 1

Tratamiento y Transmisión de Señales (TTS) I.3-7 Ingeniería Electrónica Industrial

Ejemplo 1: Ruido blanco
n Registro de datos de 32 muestras

n Autocorrelación

rx (k ) = s x2d (k )

n Espectro de potencia:
rˆx (k )
¥ ¥
Px (e ) =
jw
å r ( k )e
k = -¥
x
- jkw
= ås
k = -¥
2
xd (k )e - jkw = s x2

n Estimación de la autocorrelación:
N= 32 muestras

rˆx (k ) =
1 N -1- k

å x ( n + k ) x ( n)
*
k = 0,1,..., N - 1 Pˆx (e jw )
N n =0

Tratamiento y Transmisión de Señales (TTS) I.3-8 Ingeniería Electrónica Industrial

Filtrado de procesos aleatorios (1/3)
n Valor medio:
y ( n) = x ( n) * h( n)
¥
x(n) h(n)
= å h( k ) x ( n - k )
k = -¥

ì ¥ ü
m y = E{ y (n)} = E í å h(k ) x(n - k )ý
îk = -¥ þ
¥ ¥
= å h(k ) E{x(n - k )} = mx
k = -¥
å h (
k = -¥
k ) = m x H ( z ) z =1
= m x H ( e j0
)
mx

Tratamiento y Transmisión de Señales (TTS) I.3-9 Ingeniería Electrónica Industrial

Filtrado de procesos aleatorios (2/3)
n Correlación cruzada:
¥
ryx (n + k , n) = E{ y (n + k ) x (n)} = E{ å h(l ) x(n + k - l )x* (n)}
*

l = -¥

¥ ¥
= å h(l ) E{x(n + k - l ) x (n)} = å h(l )r (k - l )
l = -¥
*

l = -¥
x

n Autocorrelación de la salida y(n):

ì ¥
ü
ry (n + k , n) = E{ y (n + k ) y (n)} = E í y (n + k ) å h* (n - l ) x* (l )ý
*

î l = -¥ þ
¥ ¥
= å h (n - l )E{ y(n + k ) x (l )} =
l = -¥
* *
å (n - l )ryx (n + k - l )
h *

l = -¥

Tratamiento y Transmisión de Señales (TTS) I.3-10 Ingeniería Electrónica Industrial

Filtrado de procesos aleatorios (3/3)
n En resumen:

rx (k ) ryx (k ) = rx (k ) * h(k ) ry (k ) = ryx (k ) * h* (-k )

h(k ) h* (-k )

n Espectro de potencia:
¨ Propiedad
de convolución: Pyx ( z ) = Px ( z ) H ( z ) Py ( z ) = Pyx ( z ) H * (1/ z * )

Py ( z ) = Px ( z ) H ( z ) H * (1 / z * ) Py (e jw ) = Px (e jw ) | H (e jw ) |2

Tratamiento y Transmisión de Señales (TTS) I.3-11 Ingeniería Electrónica Industrial

Ej.: Filtrado de ruido blanco
n w(n) ruido blanco w(n) x(n) 1
H(z) H ( z) =
1- 0.25 z -1

¨ Espectro de potencia
1
Px ( z ) = s w2 H ( z ) H ( z -1 ) =
(1 - 0.25 z -1 )(1 - 0.25 z )

n Polos en: z= 0.25, z= 4 (z0 y su conjugado recíproco)

¨ Autocorrelación (inversión de Px(z)):

z -1 16 / 15 4 / 15 16 / 15 16 / 15
Px ( z ) = = + = -
(1- 0.25 z -1 )( z -1 - 0.25) 1- 0.25 z -1 z -1 - 0.25 1- 0.25 z -1 1- 4 z -1
k |k |
16 æ 1 ö 16 k 16 æ 1 ö
rx (k ) = ç ÷ u ( k ) + 4 u ( - k - 1) = ç ÷
15 è 4 ø 15 15 è 4 ø

Tratamiento y Transmisión de Señales (TTS) I.3-12 Ingeniería Electrónica Industrial

Procesos aleatorios en tiempo continuo
n Mismo análisis usando “t” en vez de “n”
¨ Estacionariedad: invarianza al desplazamiento en tiempo continuo
de las funciones de distribución

¨ Ergodicidad: estimación de valores esperados mediante promedios

temporales en tiempo continuo.

T
¨ Notación: 1
R x (t ) = E[ x(t ) x * (t - t )] Þ Rˆ x (t ) = lim ò x(t ) x(t - t )dt
T ®¥ 2T
-T
+¥

ò x
- j 2pFt
Espectro de potencia: R x (t ) « S x ( F ) = R (t ) e dt
-¥
+¥
Filtrado de procesos: y (t ) = x(t ) * h(t ) = ò x(t )h(t - t )dt
-¥
2
Þ S y (F ) = H (F ) S x (F )
Tratamiento y Transmisión de Señales (TTS) I.3-13 Ingeniería Electrónica Industrial