Comunicaciones digitales SDR

Comunicaciones Digitales basadas
en radio definida por software.
Homero Ortega Boda

Óscar Mauricio Reyes Torres
ESCUELA DE INGENIERÍAS ELÉCTRICA ELECTRÓNICA Y TELECOMUNICACIONES–

E3T UNIVERSIDAD INDUSTRIAL DE SANTANDER – UIS
1
ESCUELA DE INGENIERÍAS ELÉCTRICA ELECTRÓNICA Y TELECOMUNICACIONES– E3T
UNIVERSIDAD INDUSTRIAL DE SANTANDER – UIS
ORTEGA - REYES / Comunicaciones Digitales basadas en SRD / 3
Homero Ortega Boada

Universidad Industrial de Santander
Escuela de Ingenierı́a Electrónica Eléctrica y de Telecomunicaciones
Bucaramanga
Teléfono: + 57 7 6344000 ext 2373
hortegab@uis.edu.co

Universidad Industrial de Santander
Escuela de Ingenierı́a Electrónica Eléctrica y de Telecomunicaciones
Bucaramanga
Teléfono: + 57 7 6344000 ext
omreyes@uis.edu.co
Ilustraciones
Editorial UIS
Asesora Editorial
Publicaciones UIS
Primera edición Octubre 2019
Editorial UIS
Todos los derechos reservados
Comunicaciones Digitales basadas en radio

definida por software.
Por
Homero Ortega Boada
Página Web del libro:

https://sites.google.com/saber.uis.edu.co/comdig
2
ESCUELA DE INGENIERÍAS ELÉCTRICA ELECTRÓNICA Y TELECOMUNICACIONES– E3T
UNIVERSIDAD INDUSTRIAL DE SANTANDER – UIS
ORTEGA - REYES / Comunicaciones Digitales basadas en SRD / 3
Comunicaciones Digitales basadas en radio

definida por software.
El conocimiento de las comunicaciones digitales desde la perspectiva

más moderna
Homero Ortega Boada es Ingeniero Electrónico del Instituto de Aviación Civil de Kiev con Maestrı́a
y Doctorado en Ciencias de la Ingenierı́a de la Universidad Internacional de Aviación Civil de Kiev y
conjuga un cúmulo de experiencias que se derivan de su paso de dos años por la empresa Ericsson , 9.5 en
la Universidad Industrial de Santander donde ha sido lı́der de proyectos, docente investigador y director
del Grupo de Investigación RadioGis, 2.5 años en la Agencia Nacional del Espectro, donde se desempeño
como Asesor de Dirección General de la Agencia Nacional del Espectro, ası́ como Director Interino de esa
entidad y como Subdirector Interino de la Subdirección de Planeación y Gestión Técnica del Espectro.
Allı́ apoyo el inicio de las actividades y la consolidación de la Agencia Nacional del Espectro, ası́ como
proyectos de socialización del conocimiento en temas de Gestión del Espectro Radioeléctrico, Estudios para
asignación de espectro a proveedores de redes y servicios para las comunicaciones móviles e internet de
banda ancha, el reordenamiento de las bandas de frecuencias para la entrada de la televisión digital y el
aprovechamiento del Dividendo Digital, representando a Colombia en temas de Gestión Internacional con
su participación en la Conferencia Mundial de Radiocomunicaciones del 2012 y en los Grupo de Radio
de la UIT. Es autor de numerosas publicaciones cientı́ficas en revistas y congresos y de una patente en
Radiocomunicaciones en temas de OFDM.
Óscar Mauricio Reyes Torres, Doctorado en Ingenierı́a (c) Technische Universitat Hamburg-Harburg,
TUHH. Alemania, Magı́ster en Ingeniera Electrónica de la Universidad Industrial de Santander, Espe-
cialista en Docencia Universitaria de la Universidad Industrial de Santander, Ingeniero Electrónico de la
Universidad Industrial de Santander.
3
Tabla de contenido
INTRODUCCIÓN 18
1. Antecedentes y preliminares 19
1.1. Señales y sistemas continuos en el dominio del tiempo . . . . . . . . . . . . . . . . . . . . . 19
1.1.1. Señales senoidales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.2. Relación entre señales, ondas y campos . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.1.3. La respuesta al impulso y la convolución . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.1.4. Representación de señales en el dominio de la frecuencia . . . . . . . . . . . . . . . . 21
1.1.5. La representación en Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.1.6. La Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.1.7. La respuesta en frecuencia en los sistemas LIT . . . . . . . . . . . . . . . . . . . . . 23
1.1.8. Transformada de Fourier de algunas señales . . . . . . . . . . . . . . . . . . . . . . . 23
1.2. El muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.2.1. Conversión C-D. El teorema de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.2.2. Conversión Analógica-Digital / Digital-Analógico . . . . . . . . . . . . . . . . . . . . 24
1.2.3. Primeras pruebas con GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3. Resumen de Señales y Sistemas Discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.3.1. La Representación en Series de Fourier Discreta . . . . . . . . . . . . . . . . . . . . . 29
1.3.2. La Transformada Discreta de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.3.3. La Transformada Rápida de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.3.4. La convolución en los sistemas LIT discretos . . . . . . . . . . . . . . . . . . . . . . 31
1.4. Implementaciones básicas en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.4.1. La convolución aplicada en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.4.2. Transformada Rápida de Fourier (FFT) . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.4.3. La Transformada Rápida de Fourier Inversa (IFFT) . . . . . . . . . . . . . . . . . . 37
1.4.4. Implementaciones en GNU Radio basada en FFT . . . . . . . . . . . . . . . . . . . . 37
1.5. Variable aleatoria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.5.2. Principales conceptos de variable aleatoria . . . . . . . . . . . . . . . . . . . . . . . . 41
1.6. Señales aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.6.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.6.2. Promedios de tiempo en señales reales . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.6.3. La media de una señal x(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.6.4. La media cuadrática de una señal x(t) . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.6.5. Otros promedios de tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.6.6. El valor RMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.6.7. La potencia promedio de una señal x(t) . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.6.8. La función de Autocorrelación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.6.9. La Función de Densidad de Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . 44
1.6.10. La Función de Distribución Acumulativa . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.6.11. Promedios de tiempo en señales complejas . . . . . . . . . . . . . . . . . . . . . . . . 46
1.6.12. La Densidad Espectral de Potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.6.13. Relación de la Densidad Espectral de Potencia con la función de Autocorrelación . . 48
1.6.14. Señal binaria bipolar aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1.6.15. El ruido blanco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
1.6.16. La voz humana en la telefonı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
1.6.17. Programación de sistemas de tiempo real . . . . . . . . . . . . . . . . . . . . . . . . 53
4
1.6.18. Implementaciones en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
1.7. Procesos estocásticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
1.7.1. Conceptos básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
1.7.2. Implementación en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
1.8. Las ondas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
1.8.1. El campo de propagación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
1.8.2. La reflexión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
1.8.3. El Scattering como consecuencia de la reflexión . . . . . . . . . . . . . . . . . . . . . 73
1.8.4. La refracción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
1.8.5. La dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
1.8.6. La difracción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
1.8.7. El Efecto Doppler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
1.9. La radio propagación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
1.9.1. La antena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
1.9.2. La Densidad de Flujo de Potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
1.9.3. Fenómeno de desvanecimiento. Pérdidas por Espacio Libre. Ecuación de Friss . . . . 82
1.9.4. Propagación en Lı́nea de Vista . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
1.9.5. El Fenómeno de Multitrayectoria o Multicamino . . . . . . . . . . . . . . . . . . . . 85
1.10. Equipo de Laboratorio y de medida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
1.10.1. El osciloscopio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
1.10.2. El analizador de espectros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
1.10.3. El analizador vectorial de redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
1.10.4. El Generador Vectorial de Señales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
1.10.5. El Analizador Vectorial de Señales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
1.10.6. Medidor de RNI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
1.10.7. Equipos de medición basados en USRP . . . . . . . . . . . . . . . . . . . . . . . . . 90
1.11. Medición de potencia propagada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
1.11.1. Valor RMS y potencia promedio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
1.11.2. Campo cercano versus campo lejano. . . . . . . . . . . . . . . . . . . . . . . . . . . 91
1.11.3. Factor de antena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
1.11.4. Parámetros S11 de las antenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
1.12. El espectro radioeléctrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
1.12.1. Qué es el espectro radioeléctrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
1.12.2. Clasificación de las ondas de radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
1.12.3. Gestión del espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
1.12.4. Gestión Internacional del Espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
1.12.5. Autoridades de Regulación Nacional . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
1.12.6. Otros términos usados en Gestión del Espectro . . . . . . . . . . . . . . . . . . . . . 102
1.13. Los modelos de capas para representar sistemas de comunicaciones . . . . . . . . . . . . . . 103
2. Simulación en GNU Radio de un sistema de comunicaciones de onda continua 110

2.1. Herramientas de Simulación que compiten con GNU Radio . . . . . . . . . . . . . . . . . . 110
2.1.1. Matlab y Simulink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2.1.2. LabView de National Instruments . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2.1.3. SystemVue de KeySight . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2.2. GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2.3. La modulación de onda continua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
2.3.1. La Modulación de Amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
2.3.2. La Modulación de Amplitud de Doble Banda Lateral . . . . . . . . . . . . . . . . . . 114
2.3.3. La Modulación de Fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
2.3.4. La Modulación de Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
2.4. Simulación en GNU Radio de la modulación continua de onda . . . . . . . . . . . . . . . . . 115
2.4.1. Modelo de capas e identificación de requerimientos . . . . . . . . . . . . . . . . . . . 115
2.4.2. Simulación del ruido blanco en GNU radio . . . . . . . . . . . . . . . . . . . . . . . . 117
2.4.3. Simulación de un canal AWGN paso bandas. . . . . . . . . . . . . . . . . . . . . . . 118
2.4.4. Simulación de la modulación de onda continua . . . . . . . . . . . . . . . . . . . . . 120
2.4.5. Implementación de la capa de aplicación. . . . . . . . . . . . . . . . . . . . . . . . . 122
2.4.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5
3. La Conversión RF-EC. Aplicación en la radiodifusión 124
3.1. la Envolvente Compleja y sus caracterı́sticas . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.1.1. El problema a resolver . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.1.2. La solución: la Envolvente Compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
3.2. Conversión RF-EC en el dominio del tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
3.2.1. Conversión EC-RF en el dominio del tiempo . . . . . . . . . . . . . . . . . . . . . . 126
3.2.2. La Conversión RF-EC en el dominio de las frecuencias . . . . . . . . . . . . . . . . . 126
3.2.3. Ejercicio sobre la Conversión RF-EC . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
3.3. El Down Converter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
3.3.1. Demostración del Down Converter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3.3.2. Demostración gráfica del Down Converter . . . . . . . . . . . . . . . . . . . . . . . . 128
3.4. El Up Converter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
3.5. Simulación de la Modulación de Onda Continua orientada a SDR . . . . . . . . . . . . . . . 130
3.6. Simulación en banda base de un sistema de radiodifusión . . . . . . . . . . . . . . . . . . . 134
3.6.1. Modelo de capas e identificación de requerimientos . . . . . . . . . . . . . . . . . . . 135
3.6.2. El Canal AWGN banda base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
3.6.3. La Modulación FM Banda Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
3.6.4. Implementación de un Modulador FM mediante GNU Radio . . . . . . . . . . . . . 142
3.6.5. El PLL como Demodulador FM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
3.6.6. Implementación en GNU Radio de un Demodulador PLL . . . . . . . . . . . . . . . 146
3.6.7. Discriminador de frecuencias con circuitos de pendiente . . . . . . . . . . . . . . . . 148
3.6.8. Discriminador de frecuencias con derivadores . . . . . . . . . . . . . . . . . . . . . . 149
3.6.9. Pruebas en GNU Radio del protocolo de modulación . . . . . . . . . . . . . . . . . . 150
3.6.10. Pruebas en GNU Radio de un Sistema FM con señales de audio . . . . . . . . . . . 152
3.6.11. Influencia del ruido en la Modulación FM . . . . . . . . . . . . . . . . . . . . . . . . 155
3.6.12. Implementación final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
4. La Radio Definida por Software. Aplicación en sistemas de radiodifusión 162

4.1. Integración de GNU Radio y SDR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
4.2. Radio Definida por Software en Modo de Red . . . . . . . . . . . . . . . . . . . . . . . . . . 163
4.3. Un equipo SDR parara Modo de Red. El NI USRP-2920 . . . . . . . . . . . . . . . . . . . . 165
4.3.1. El receptor del NI USRP-2920 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
4.3.2. El transmisor del NI USRP-2920 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
4.3.3. El papel de GPS en un NI USRP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
4.3.4. Los filtros en un NI USRP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
4.3.5. En la parte transmisora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
4.3.6. Actividades de Caracterización del equipo . . . . . . . . . . . . . . . . . . . . . . . . 174
4.4. Cuidados con el uso de los equipos SDR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
4.5. El Teorema de Nyquist aplicado en SDR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
4.6. Equipo SDR para soluciones en modo embebido . . . . . . . . . . . . . . . . . . . . . . . . . 176
4.7. Uso del USRP E310 en modo embebido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
4.8. Un sistema de radiodifusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
4.8.1. La Conversión Análogo Digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
4.8.2. La Conversión Digital Análoga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
4.9. Implementación de un sistema funcional de Radiodifusión FM basado en SDR . . . . . . . . 183
5. Un sistema de comunicación digital por cable 187

5.1. Modelo de capas a seguir en la implementación . . . . . . . . . . . . . . . . . . . . . . . . . 187
5.2. La capa del canal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
5.2.1. Aspectos básicos de un canal guiado . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
5.2.2. La necesidad de un filtro de transmisión . . . . . . . . . . . . . . . . . . . . . . . . . 191
5.2.3. El reto que impone el fenómeno de desvanecimiento . . . . . . . . . . . . . . . . . . 191
5.2.4. La Regeneración de Bits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
5.2.5. La Interferencia Intersı́mbolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
5.2.6. El Diagrama de Ojo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
5.2.7. El formador de pulsos semi-rectangulares . . . . . . . . . . . . . . . . . . . . . . . . 196
5.2.8. El Criterio de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
5.2.9. El Filtro de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
5.2.10. El Filtro Coseno Alzado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
5.2.12. El Filtro de acoplamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
6
5.3. Implementación de la capa base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
5.3.1. El Scrambling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
5.3.2. La modulación M-aria por Amplitud de Pulsos M-PAM . . . . . . . . . . . . . . . . 220
5.3.3. M-PAM vista en el tiempo continuo y en frecuencia . . . . . . . . . . . . . . . . . . 222
5.3.4. Implementación práctica con GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . 223
5.3.5. El Criterio de Nyquist y del Coseno Alzado en las señales M-arias. . . . . . . . . . . 223
5.3.6. El Acoplamiento en las señales M-arias . . . . . . . . . . . . . . . . . . . . . . . . . 224
5.4. la capa de aplicación para señales de audio . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
5.4.1. Re-Cuantificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
5.4.2. Modulación por Codificación de Pulsos - PCM . . . . . . . . . . . . . . . . . . . . . 226
5.5. El caso de Fast Ethernet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
6. Un sistema de radio comunicación digital sobre un canal guiado 228

6.1. Modelo de capas a seguir para la implementación . . . . . . . . . . . . . . . . . . . . . . . . 228
6.2. La modulación digital pasobandas y su versión bandabase . . . . . . . . . . . . . . . . . . . 229
6.3. La modulación BPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
6.4. Diferentes tipos de modulación basadas en constelaciones . . . . . . . . . . . . . . . . . . . 233
6.4.1. La Modulación QPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
6.4.2. La Modulación M-PSK y sus caracterı́sticas distintivas . . . . . . . . . . . . . . . . . 236
6.4.3. La Modulación M-QAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
6.5. Curvas de BER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
6.5.1. El problema a resolver . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
6.5.2. La solución al problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
6.6. Formación de Pulsos y Acoplamiento en comunicaciones Digitales inalámbricas . . . . . . . 252
6.7. Consecuencias de otros Fenómenos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
6.7.1. Desviación angular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
6.7.2. Desviación en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
6.7.3. Frequency Lock Loop (FLL) y Phase Local Loop (PLL) . . . . . . . . . . . . . . . . 260
6.7.4. La codificación Diferencial para atacar la ambigüedad de fase . . . . . . . . . . . . . 262
6.8. Implementación en GNU Radio de la capa Pre-Canal . . . . . . . . . . . . . . . . . . . . . . 266
7. El canal inalámbrico 268

7.1. Consecuencias del Fenómeno de Multitrayectoria . . . . . . . . . . . . . . . . . . . . . . . . 268
7.1.1. El Jitter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
7.1.2. Desvanecimientos lentos y rápidos. Efecto de Rayleigh . . . . . . . . . . . . . . . . . 269
7.1.3. Afectación por no linealidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
7.2. Simulación de un canal inalámbrico en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . 271
7.3. Técnicas para corregir los efectos del canal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
7.3.1. Clock Recovery o Timing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
7.3.2. Alineación de tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
7.3.3. El Control Automático de la Ganancia . . . . . . . . . . . . . . . . . . . . . . . . . . 279
7.3.4. El ecualizador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
7.3.5. La ecualización en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
8. Comunicaciones multiusuario 289

8.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
8.2. Multiplexación por división de tiempo TDM. La revolución PCM. . . . . . . . . . . . . . . 289
8.3. MULTIACCESO POR DIVISIÓN DE FRECUENCIAS (FDMA) . . . . . . . . . . . . . . . 293
8.3.1. Problema que justicia esta tecnologı́a: . . . . . . . . . . . . . . . . . . . . . . . . . . 293
8.4. El Multiacceso por División de Tiempo (TDMA) . . . . . . . . . . . . . . . . . . . . . . . . 294
8.5. Técnicas adicionales usadas en las comunicaciones móviles . . . . . . . . . . . . . . . . . . . 294
8.5.1. Técnicas o esquemas de diversidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
8.5.2. Diversidad de tiempo. Interleaving, FEC . . . . . . . . . . . . . . . . . . . . . . . . . 295
8.6. Diversidad de espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
8.6.1. Diversidad de polarización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
8.6.2. Diversidad de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
8.6.3. Diversidad de multi usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
8.6.4. Diversidad cooperativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
8.6.5. Diversidad de códigos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
7
8.7. La Duplexación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
8.7.1. La celda y la radiobase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
8.7.2. El reuso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
8.7.3. El handoff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
8.8. Spread Spectrum (SS) y el Multiacceso por División de Códigos (CDMA) . . . . . . . . . . 300
8.8.1. Tipos de Spread Spectrum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
8.8.2. El Multiacceso por División de códigos (CDMA) . . . . . . . . . . . . . . . . . . . . 305
8.9. Multiacceso por División de Códigos de banda ancha (WCDMA) . . . . . . . . . . . . . . . 305
8.9.1. Convergencia de las comunicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
8.9.2. El UMTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
8.9.3. IMT-2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
8.9.4. WCDMA: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
8.9.5. El reúso en UMTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
8.9.6. Respiración de las celdas en UMTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
8.10. OFDM – OFDMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
8.10.1. Realización práctica de OFDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
9. Codificación 317
9.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
9.2. Conceptos previos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
9.2.1. Polinomio generador de código . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
9.3. Aritmética de módulo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
9.3.1. Campos de Galois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
9.4. Fundamentos de codificación del canal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
9.4.1. Teorema de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
9.4.2. El proceso de codificación y decodificación digital del canal . . . . . . . . . . . . . . 318
9.4.3. Los retos de la teorı́a de codificación del canal . . . . . . . . . . . . . . . . . . . . . 319
9.5. Códigos de Repetición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
9.5.1. El Código de Repetición (3,1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
9.5.2. El Código de repetición basado en una matriz 2x3 . . . . . . . . . . . . . . . . . . . 320
9.6. Principales parámetros de la codificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
9.6.1. Distancia de Hamming entre dos palabras . . . . . . . . . . . . . . . . . . . . . . . 320
9.6.2. Distancia de Hamming de un código . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
9.6.3. La rata del código. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
9.6.4. La ganancia del código . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
9.7. Clasificación de los códigos según sus caracterı́sticas . . . . . . . . . . . . . . . . . . . . . . 323
9.7.1. Códigos lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
9.7.2. Los códigos de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
9.7.3. Los códigos convolucionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
9.7.4. Códigos binarios versus no binarios. . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
9.8. Técnicas de detección de errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
9.8.1. Chequeo de repeticiones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
9.8.2. Chequeo de paridad (Parity Check). . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
9.8.3. Chequeo de polaridad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
9.9. El mecanismo de corrección de Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
9.9.1. Solicitud Automática de Repetición (ARQ) . . . . . . . . . . . . . . . . . . . . . . . 325
9.9.2. Corrección de Errores hacia adelante (FEC) . . . . . . . . . . . . . . . . . . . . . . . 325
9.10. Propiedades para la detección y corrección de Errores . . . . . . . . . . . . . . . . . . . . . 325
9.11. Códigos de redundancia cı́clica (CRC) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
9.11.1. Proceso de codificación usando CRC . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
9.11.2. Proceso de detección de errores usando Check sum . . . . . . . . . . . . . . . . . . . 327
9.11.3. Cualidades del CRC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
9.12. La codificación de Reed Solomon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
9.13. Reed Solomon RS(255,223)en la práctica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
9.14. Modelo de capas de DVB-T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
9.15. Scrambling en DVB-T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
9.16. FEC en DVB-T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
10.*Variables comúnmente usadas en los flujogramas que acompañan a este libro 332
Bibliografı́a 335
8
Índice de figuras
1. Sensado de la Propagación de las ondas de agua . . . . . . . . . . . . . . . . . . . . . . . . 20

2. Modelo de capas de un sistema de comunicación para comprobar el Teorema de Muestreo . 25
3. Flujograma para controlar el ADC y el DAC de la tarjeta de sonido del computador . . . . 25
4. Señal de la voz capturada mediante un micrófono. . . . . . . . . . . . . . . . . . . . . . . . 26
5. Flujograma para comprobar Teorema de Nyquist. . . . . . . . . . . . . . . . . . . . . . . . . 27
6. Resultados en el dominio de las frecuencias para comprobar Teorema de Nyquist. . . . . . . 28
7. Resultados en el dominio del tiempo para comprobar Teorema de Nyquist. . . . . . . . . . . 29
8. Flujograma sencillo para experimentar la convolución. . . . . . . . . . . . . . . . . . . . . . 32
9. Resultados de la convolución de dos señales rectangulares con GNU Radio. . . . . . . . . . 33
10. Flujograma para experimentar la convolución usando código embebido. . . . . . . . . . . . . 35
11. Resultados de la convolución de dos señales con GNU Radio. . . . . . . . . . . . . . . . . . 36
12. Flujograma para experimentar la FFT como la RSF de señales periódicas. . . . . . . . . . . 38
13. Ejemplo en que se aplica la ecuación de análisis de la RSF por intermedio de la FFT. . . . 38
14. Flujograma para experimentar con la FFT para obtener la TF de una señal. . . . . . . . . . 39
15. Ejemplo en que se usa la FFT para obtener la TF de una señal. . . . . . . . . . . . . . . . . 40
16. Señal truncada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
17. Ejemplo de la Función de Densidad de Probabilidad. . . . . . . . . . . . . . . . . . . . . . . 45
18. Ejemplo de un histograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
19. Ejemplo de una señal binaria aleatoria bipolar x(t). . . . . . . . . . . . . . . . . . . . . . . 48
20. El desplazamiento de la señal binaria aleatoria bipolar que resulta en la señal τ < Tb . . . . . 49
21. Multiplicación de la señal x(t) con su versión desplazada x(t + τ ) cuando 0 < τ < Tb . . . . . 49
22. Multiplicación de la señal x(t) con su versión desplazada x(t + τ ) cuando tau = Tb . . . . . 50
23. La función de Autocorrelación de una señal binaria aleatoria bipolar. . . . . . . . . . . . . . 50
24. Forma de RX1 (τ ). Error: En el eje del tiempo: 1) debe mostrar flecha con la letra τ ; 2) a la
izquierda del rectángulo debe aparecer −Tb /2, a la derecha Tb /2 . . . . . . . . . . . . . . . 51
25. RX1 (τ ) y su Transformada de Fourier. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
26. PSD de la forma forma de RX1 (τ ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
27. PSD del ruido blanco y su función de Autocorrelación. . . . . . . . . . . . . . . . . . . . . . 53
28. Señal tipo stream. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
29. Señal tipo vector. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
30. Ejemplo de la lista de OOT que se ofrece en el GRC. . . . . . . . . . . . . . . . . . . . . . . 56
31. Flujograma para comprobar un bloque implementado con código propio. . . . . . . . . . . . 58
32. Ejemplo de periodograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
33. Comparación del bloque FFT con QT GUI Frequency Sink para observar la PSD de una
señal binaria bipolar aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
34. PSD obtenida por dos métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
35. Flujograma del bloque jerarquico “QT GUI b PSD” . . . . . . . . . . . . . . . . . . . . . . 61
36. Flujograma de un generador vectorial básico. . . . . . . . . . . . . . . . . . . . . . . . . . . 62
37. Flujograma para una herramienta de visualización de promedios de tiempo. . . . . . . . . . 63
38. Promedios de tiempo. Señal de ruido blanco gausiano. . . . . . . . . . . . . . . . . . . . . . 64
39. Promedios de tiempo. Señal binaria aleatoria con código de lı́nea tipo RZ. . . . . . . . . . . 65
40. Promedios de tiempo. Señal binaria aleatoria con pulsos de forma sinc. . . . . . . . . . . . . 66
41. Promedios de tiempo. Señal binaria aleatoria con pulsos de forma diente de sierra. . . . . . 67
42. Ejemplo de funciones muestra de un proceso estocástico X(t). . . . . . . . . . . . . . . . . . 69
43. Flujograma para un generador vectorial de procesos estocásticos. . . . . . . . . . . . . . . . 71
44. Flujograma para las herramientas de visualización del generador vectorial de procesos es-
tocásticos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
9
45. Resultados para el caso de un proceso estocástico sinusoidal cuando la amplitud y fase son
parámetros aleatorios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
46. Ejemplo de una comunicación que aprovecha la reflexión. . . . . . . . . . . . . . . . . . . . 73
47. Fenómeno de Scattering. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
48. Formas de refracción. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
49. El camino por refracción en función del ángulo de emisión. . . . . . . . . . . . . . . . . . . . 75
50. La dispersión de la luz al pasar por un prisma. . . . . . . . . . . . . . . . . . . . . . . . . . 75
51. Influencia de la lluvia en la dispersión. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
52. Interferencias por dispersión. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
53. La difracción en las ondas de agua. En color azul la señal en lı́nea de vista, en color rojo la
más afectada por difracción. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
54. La sombra como consecuencia de la difracción. . . . . . . . . . . . . . . . . . . . . . . . . . 78
55. Efecto Doppler para una fuente de sonido en movimiento. . . . . . . . . . . . . . . . . . . . 78
56. Área de interés para la recepción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
57. Sistemas de comunicación punto a punto usados como repetidor . . . . . . . . . . . . . . . . 84
58. Fenómeno de multitrayectoria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
59. Nivel de potencia medida en LOS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
60. Niveles de potencia medidos en un punto donde se presenta el efecto de Rayleigh. . . . . . . 87
61. Efecto de Rayleigh en un caso de LOS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
62. El Desvanecimiento lento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
63. Esquema de un analizador vectorial de redes. . . . . . . . . . . . . . . . . . . . . . . . . . . 90
64. El factor de antena en la práctica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
65. Ecosistema del ERE. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
66. Modelo de capas para el transporte aéreo entre dos ciudades. . . . . . . . . . . . . . . . . . 104
67. Red de transporte aéreo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
68. Red de transporte aéreo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
69. Modelo de capas para un sistema de comunicaciones inalámbricas en red. . . . . . . . . . . 107
70. Modelo de capas para la radiodifusión. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
1. Modelo SDR que relaciona GNU Radio con el Hardware. . . . . . . . . . . . . . . . . . . . . 112

2. Modulador de onda continua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
3. Ejemplo de la modulación AM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4. Modelo de capas para la simulación de un sistema de radiodifusión. . . . . . . . . . . . . . . 116
5. Flujograma para generar el Ruido Blanco con GNU Radio . . . . . . . . . . . . . . . . . . . 117
6. Flujograma para observar el Ruido Blanco con GNU Radio . . . . . . . . . . . . . . . . . . 117
7. Resultados de la observación del Ruido Blanco con GNU Radio . . . . . . . . . . . . . . . . 118
8. Bloque jerárquico del canal AWGN paso bandas . . . . . . . . . . . . . . . . . . . . . . . . 119
9. Sistema de transmisión de una portadora a través de un canal AWGN paso bandas . . . . . 119
10. Resultados del paso de una portadora por un canal AWGN paso bandas . . . . . . . . . . . 120
11. Flujograma para el sistema base con modulación en doble banda lateral. . . . . . . . . . . . 121
12. Resultados de la Modulación DSB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
13. Flujograma para el sistema base con Modulación DSB y una aplicación de audio. . . . . . . 123
14. Resultados de la Modulación DSB con aplicación de audio. . . . . . . . . . . . . . . . . . . 123
1. Analizador de espectros basado en computador . . . . . . . . . . . . . . . . . . . . . . . . . 125

2. Espectro de la señal pasobandas de interés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
3. Espectro de la Envolvente Compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4. La Conversión RF-EC en el dominio de las frecuencias . . . . . . . . . . . . . . . . . . . . . 127
5. El Down Converter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
6. Resultado del uso del Down Converter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7. Up converter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
8. Bloque Oscilador Controlado por Voltaje que representa la Fase y Amplitud . . . . . . . . . 130
9. Flujograma para experimentar con la EC como un Vector Rotante . . . . . . . . . . . . . . 132
10. Resultados del Flujograma, al variar la Fase desde cero hasta 0, 872 radianes, la frecuencia
se ha fijado en cero y la amplitud en 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
11. El vector rotante cuando la frecuencia se ha fijado en 0, 7104 Hz, la fase en 0 radianes y la
amplitud en 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
12. El vector rotante cuando la amplitud ha sido variada aleatoriamente, mientras que la fase
y la frecuencia se ha fijado en cero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
13. Modelo de capas para la simulación de un sistema de radiodifusión . . . . . . . . . . . . . . 135
14. Simulación en GNU Radio de la Envolvente Compleja de ruido blanco . . . . . . . . . . . . 137
10
15. Ruido Blanco Bandabase en el Diagrama Polar . . . . . . . . . . . . . . . . . . . . . . . . . 138
16. Ruido Blanco Banda Base, su PSD y representación Polar . . . . . . . . . . . . . . . . . . . 138
17. Implementación en GNU Radio de un Canal de ruido blanco aditivo . . . . . . . . . . . . . 139
18. Modelo de capas simplificado para implementar la modulación . . . . . . . . . . . . . . . . 139
19. Relación entre las Funciones de Bessel y el espectro de una señal FM con mensaje sinusoidal 141
20. Flujograma para comprobar la Modulación FM . . . . . . . . . . . . . . . . . . . . . . . . . 142
21. PSD de una señal con Modulación FM banda base y con mensaje sinusoidal . . . . . . . . . 143
22. El Bucle de Seguimiento de Fase - PLL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
23. Términos relacionados con ancho de banda en los PLL . . . . . . . . . . . . . . . . . . . . . 145
24. El Bucle de Seguimiento de Fase - PLL en tiempo discreto . . . . . . . . . . . . . . . . . . . 145
25. El error de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
26. Flujograma que muestra la capa de Modulación FM con un PLL como Demodulador . . . . 147
27. Resultados de la Demodulación FM con PLL . . . . . . . . . . . . . . . . . . . . . . . . . . 147
28. Respuesta en Frecuencia de un Circuito de pendiente . . . . . . . . . . . . . . . . . . . . . . 148
29. Flujograma del bloque jerarquico “b discriminador frec cf” . . . . . . . . . . . . . . . . . . 149
30. Discriminador de frecuencias con derivadores . . . . . . . . . . . . . . . . . . . . . . . . . . 150
31. Flujograma para comprobar la capa de modulación con diferentes métodos de demodulación 151
32. Resultados comparativos de la demodulación con tres métodos . . . . . . . . . . . . . . . . 152
33. Flujograma para un sistema de comunicaciones FM con señales de audio . . . . . . . . . . . 153
34. Resultados de un sistema de comunicaciones sonora FM . . . . . . . . . . . . . . . . . . . . 154
35. Esquema para el análisis del efecto del ruido en un sistema de comunicaciones FM . . . . . 155
36. Una señal FM afectada por ruido blanco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
37. Análisis en el plano polar sobre el efecto del ruido en FM . . . . . . . . . . . . . . . . . . . 156
38. Análisis de ruido del receptor de FM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
39. Modelo de capas para ubicar la operación de énfasis de-énfasis . . . . . . . . . . . . . . . . 159
40. Flujograma de un sistema completo de comunicaciones FM . . . . . . . . . . . . . . . . . . 159
41. Resultados del sistema de comunicacion FM . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
1. Modelo de GNU Radio integrado con SDR . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

2. Un sistema de comunicaciones punto a punto Full Duplex. . . . . . . . . . . . . . . . . . . . 163
3. Un transceptor (en inglés Transceiver). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
4. Modelo de capas de un sistema de comunicación con USRP en Modo Network. . . . . . . . 164
5. Foto del NI USRP-2920. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
6. Modelo de capas del NI USRP 29xx visto por capas. En color naranja: bloques de software
embebido. En color verde: Hardware con parámetros controlables por computador. Blanco:
Hardware no controlable. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
7. Señal a la entrada del cuantizador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
8. Señal a la salida del cuantizador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
9. Ancho de banda real que puede alcanzar el NI USRP 2920 con respecto a las capacidades
de la tarjeta hija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
10. Análisis en banda base de frecuencias de muestreo y anchos de banda que se manejan en el
USRP 2920 en el modo de recepción. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
11. Tabla sobre un análisis de valores de frecuencia de muestreo que acepta el USRP 2920 . . . 170
12. Tabla de valores de frecuencia de muestreo que acepta el USRP 2920 . . . . . . . . . . . . . 171
13. Elementos internos del USRP para la transmisión. . . . . . . . . . . . . . . . . . . . . . . . 171
14. Banco de filtros de la parte receptora del NI USRP E-310. . . . . . . . . . . . . . . . . . . . 172
15. Banco de filtros de la parte transmisora del NI USRP E-310. . . . . . . . . . . . . . . . . . 174
16. Montaje experimental para encontrar la relación entre la ganancia del UHD y la potencia
de salida del dispositivo E310. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
17. Relación existente entre la ganancia del UHD y la potencia medida con el analizador de
espectros. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
18. Modo sin interfaces gráficas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
19. Flujograma en modo No GUI. (flujograma usado flujograma modo embebido.grc) . . . . . . 179
20. 192.168.0.100 dirección IP de ejemplo para el equipo SDR E310 luego de ser descubierta por
arp-scan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
21. Lectura del espectro a través de UDP. (flujograma usado flujograma pc remoto.grc) . . . . . 180
22. Modelo de capas de un sistema de radiodifusión analógico implementado con tecnologı́a digital181
23. Comparación entre una señal continua y una cuantificada a la razón de 3 bits/muestra . . . 183
24. Modelo para un sistema de radiodifusión FM . . . . . . . . . . . . . . . . . . . . . . . . . . 184
25. Flujograma de un sistema de radiodifusión FM. . . . . . . . . . . . . . . . . . . . . . . . . . 185
11
1. Modelo de capas para un sistema de comunicación digital por cable. . . . . . . . . . . . . . 188
2. Modelo de capas para estudiar las técnicas básicas de canal. . . . . . . . . . . . . . . . . . . 189
3. Respuesta en frecuencia del cable categoria 5. . . . . . . . . . . . . . . . . . . . . . . . . . . 190
4. La necesidad de pulsos continuos en una comunicación de datos discretos. . . . . . . . . . . 191
5. Afectación de la relación Señal a Ruido por el efecto de desvanecimiento. . . . . . . . . . . . 192
6. PSD comparativa para señales binarias con y sin ruido. . . . . . . . . . . . . . . . . . . . . 192
7. Regeneración de bits. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
8. Señal ideal versus señal limitada en ancho de banda . . . . . . . . . . . . . . . . . . . . . . 193
9. Comparación de una señal aleatoria bipolar de forma ideal con la forma que puede tomar
al acotar su ancho de banda. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
10. Diagrama de Ojo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
11. Diagrama de ojo de una señal binaria aleatoria. . . . . . . . . . . . . . . . . . . . . . . . . . 194
12. Diagrama de ojo de una señal binaria aleatoria. . . . . . . . . . . . . . . . . . . . . . . . . . 195
13. Diagrama de ojo de una señal binaria aleatoria de forma rectangular. . . . . . . . . . . . . . 195
14. Diagrama de ojo de una señal binaria aleatoria con ruido y diferentes anchos de banda. . . 196
15. Formador de pulsos rectangulares. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
16. Formador de pulsos rectangulares discretos. . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
17. Relación entre el formador de pulsos y el DAC. . . . . . . . . . . . . . . . . . . . . . . . . . 197
18. PSD de una señal rectangular luego de pasar por un filtro paso bajas. . . . . . . . . . . . . 198
19. Comparación de una señal aleatoria bipolar de forma ideal con la forma que puede tomar
al acotar su ancho de banda, de manera que quede libre de ISI en algunos instantes. . . . . 201
20. El Filtro de Nyquist implementado mediante un sistema LIT. . . . . . . . . . . . . . . . . . 201
21. Respuesta al impulso del Filtro de Nyquist. . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
22. Respuesta al impulso discreta para el Filtro de Nyquist. . . . . . . . . . . . . . . . . . . . . 203
23. Implementación del Filtro de Nyquist. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
24. Respuesta al impulso del Filtro Coseno Alzado para diferentes valores de α. . . . . . . . . . 204
25. Respuesta en frecuencia del Filtro Coseno Alzado para varios valores de α. . . . . . . . . . . 205
26. Flujograma para generar varias formas de pulsos. . . . . . . . . . . . . . . . . . . . . . . . . 206
27. Comparación entre la señal binaria lógica 1010011101010011 que entra a varios tipos de
Filtros Formadores de Pulsos y las correspondientes salidas. . . . . . . . . . . . . . . . . . . 207
28. Diagrama de Ojo para dos tipos de Formadores de Pulsos. . . . . . . . . . . . . . . . . . . . 208
29. Diagrama de Ojo para dos tipos de Formadores de Pulsos. . . . . . . . . . . . . . . . . . . . 209
30. Flujograma para obtener comparaciones en el dominio de las frecuencias. . . . . . . . . . . 209
31. Comparación en el dominio de las frecuencias de diferentes tipos de Formadores de Pulsos. . 210
32. Receptor lineal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
33. El Filtro de Acoplamiento y su posición respecto a otros elementos cercanos al canal. . . . . 211
34. a) Pulso Rectangular; b) Salida del Filtro de Acoplamiento; c) Salida del Integrador. . . . 212
35. Filtro de acoplamiento basado en un circuito de Integración y Descarga. . . . . . . . . . . . 212
36. Diagrama de Ojo antes y después del acoplamiento. . . . . . . . . . . . . . . . . . . . . . . . 213
37. Flujograma que muestra la presencia de dos Filtros Formadores de Pulsos en Serie. . . . . . 213
38. Diagrama de Ojo cuando el acoplamiento se hace con el filtro de Nyquist. . . . . . . . . . . 214
39. Respuesta al Impulso del Filtro RRC para diferentes valores del factor Roll-off . . . . . . . 215
40. Un Filtro RC implementado como dos Filtros RRC conectados en serie para lograr acopla-
miento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
41. Diagrama de ojo a la salida del Filtro RRC como Formador de Pulsos comparada con la
salida del Filtro de Acoplamiento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
42. Modelo a seguir en la implementación de la capa base . . . . . . . . . . . . . . . . . . . . . 217
43. La operación de scrambling vista como una interconexión . . . . . . . . . . . . . . . . . . . 218
44. Ejemplo de scrambling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
45. Comparación de la PSD de una señal con y sin scrambling . . . . . . . . . . . . . . . . . . . 219
46. Flujograma en GNU Radio para comprobar el scrambling . . . . . . . . . . . . . . . . . . . 219
47. Composición del Bloque b scrambling ff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
48. Scrambling en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
49. PSD comparativa. Color rojo con Scrambling. Color azul sin Scrambling . . . . . . . . . . . 220
50. Comparación entre una señal binaria y la respectiva 4-PAM en GNU Radio . . . . . . . . . 221
51. Comparación entre una señal binaria y la respectiva 4-PAM continua . . . . . . . . . . . . . 222
52. Comparación de la PSD de una señal binaria con la de una señal 4-PAM . . . . . . . . . . . 223
53. Flujograma en GNU Radio para la modulación M-PAM después de scrambling . . . . . . . 223
54. Señal 4 PAM al pasar por el Formador de Pulsos . . . . . . . . . . . . . . . . . . . . . . . . . 224
55. Diagrama de Ojo para una Modulación 4-PAM . . . . . . . . . . . . . . . . . . . . . . . . . 224
56. PSD de una señal 4-PAM con 3 tipos de Filtros Formadores de Pulsos . . . . . . . . . . . . 225
12
57. La capa de aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
58. Resultado de la re-cuantificación con 32 niveles . . . . . . . . . . . . . . . . . . . . . . . . . 226
59. Comparación entre una señal cuantificada y su conversión a PCM. Nbps=8 . . . . . . . . . 226
60. Ejemplo de Flujograma para obtener la señal PCM . . . . . . . . . . . . . . . . . . . . . . . 227
1. Modelo de capas para una comunicación digital de voz por RF sobre un medio guiado. . . . 228
2. Diagrama de constelaciones BPSK. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
3. Esquema señal paso banda. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
4. PSD de una señal BPSK, con Rs=1,5625 kBaud, Rb=1,5625 Kbps. . . . . . . . . . . . . . . 233
5. Constelación para la Modulación QPSK. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
6. Tablas de conversión de Binario a Gray. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
7. Constelación y Tabla de Verdad para la Modulación QPSK. . . . . . . . . . . . . . . . . . . 235
8. Constelación y Tabla de Verdad para la Modulación QPSK con giro. . . . . . . . . . . . . . 235
9. Ejemplo de la Modulación QPSK en el dominio del tiempo. . . . . . . . . . . . . . . . . . . 236
10. PSD para una señal QPSK. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
11. Constelación y Tabla de Verdad para la Modulación 8PSK. . . . . . . . . . . . . . . . . . . 237
12. Modulación 8PSK. Ejemplo en el dominio del tiempo. . . . . . . . . . . . . . . . . . . . . . 237
13. PSD de para una señal QPSK. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
14. Constelación y Tabla de Verdad para la Modulación 16QAM. . . . . . . . . . . . . . . . . . 239
15. 16QAM en el dominio del tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
16. 16-QAM en el dominio de las frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
17. Implementación en grc de GNU Radio de un modulador 16QAM. . . . . . . . . . . . . . . . 241
18. El bloque Constellation Object. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
19. Ejemplo de la modulación 16QAM implementada en GNU Radio. . . . . . . . . . . . . . . . 244
20. PSD de una señal BPSK. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
21. PSD de una señal QPSK. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
22. PSD de una señal 8PSK. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
23. Comparación de BPSK, QPSK, 8PSK y 16QAM ante el ruido. Caso1 . . . . . . . . . . . . 246
24. Comparación de BPSK, QPSK, 8PSK y 16QAM ante el ruido. Caso2 . . . . . . . . . . . . 246
25. Curvas de BPSK, QPSK y 8PSK y 16PSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
26. Curvas de BER Diversas Modulaciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
27. Flujograma para obtener valores de la Curva de SER. . . . . . . . . . . . . . . . . . . . . . 249
28. Flujograma para obtener la Curva de BER para cualquier tipo de modulación. . . . . . . . 251
29. Curvas de BER obtenidas con GNU Radio. . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
30. El Formador de Pulsos en una solución SDR. . . . . . . . . . . . . . . . . . . . . . . . . . . 252
31. Ejemplo de la señal que entrega el modulador BPSK. . . . . . . . . . . . . . . . . . . . . . . 253
32. El Wave Forming como intermediario entre el Modulador y el DAC. . . . . . . . . . . . . . . 253
33. En lı́nea azul la componente real y en rojo la señal a la salida del bloque Wave Forming. En
negro la salida del DAC. Sps=4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
34. Envolvente Compleja con forma rectangular para la Modulación 8PSK. . . . . . . . . . . . 254
35. Flujograma con Modulación Digital y Formador de Pulsos. . . . . . . . . . . . . . . . . . . 254
36. Resultados de Wave Forming aplicado a la modulación QPSK, con Filtro RC y rolloff=0.5 . 255
37. Resultados de Wave Forming aplicado a la modulación 8PSK, con Filtro RC y rollof f = 1 . 256
38. Diagrama de Ojo de una señal con Modulación 8PSK, con Filtro RC, rolloff=1 . . . . . . . 256
39. Señal BPSK y su versión desfasada en 45 grados. . . . . . . . . . . . . . . . . . . . . . . . . 257
40. Señal BPSK y su versión desfasada en 90 grados. . . . . . . . . . . . . . . . . . . . . . . . . 258
41. Constelación de la Modulación 16QAM y su versión con desviación de fase. . . . . . . . . . 259
42. Desviación Frecuencias entre dos señales BPSK. . . . . . . . . . . . . . . . . . . . . . . . . . 260
43. Frequency Lock Loop. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
44. Resultados del sistema de comunicación FM. . . . . . . . . . . . . . . . . . . . . . . . . . . 261
45. PLL para cuando la entrada es la Envolvente Compleja. . . . . . . . . . . . . . . . . . . . . 261
46. Antes y después de aplicar FLL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
47. Flujograma para implementar la capa base que incluye codificación diferencial y modulación
con EC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
48. PSD de para una señal super super QPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
49. Flujograma para implementar las técnicas pre-canal. . . . . . . . . . . . . . . . . . . . . . . 266
1. Red de frecuencias únicas en TDT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268

2. El Jitter. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
3. Consecuencias en la constelación del desvanecimiento rápido. . . . . . . . . . . . . . . . . . 269
4. Consecuencias en la constelación del desvanecimiento lento. . . . . . . . . . . . . . . . . . . 270
13
5. Variaciones espectrales debido a no linealidades del canal. . . . . . . . . . . . . . . . . . . . 270
6. QPSK impactada por no linealidades del canal. . . . . . . . . . . . . . . . . . . . . . . . . . 271
7. Waterfall para una señal QPSK afectada por no linealidades variables del canal. . . . . . . 271
8. Flujograma para el canal inalámbrico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
9. Timing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
10. Punto óptimo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
11. Punto óptimo no aparece dentro de las muestras recibidas. . . . . . . . . . . . . . . . . . . . 274
12. Búsqueda del punto óptimo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
13. Constelación antes y después del timing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
14. Flujograma de un sistema con modulación PCM sin Alineación de tiempo. . . . . . . . . . . 276
15. Observación de las señales cuando no se presentan retardos en el canal. . . . . . . . . . . . 277
16. Flujograma de un sistema con modulación PCM y con Alineación de tiempo. . . . . . . . . 278
17. Trama de Alineación de tiempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
18. Observación de las señales cuando se aplica Alineación de Tiempo. . . . . . . . . . . . . . . 279
19. Elemento de área donde puede localizarse el receptor. . . . . . . . . . . . . . . . . . . . . . 279
20. AGC según Tom Rondau. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
21. Variaciones espectrales del canal (rojo) versus respuesta en frecuencias del ecualizador. . . . 280
22. Sistema LIT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
23. Respuesta al impulso de un ecualizador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
24. Proceso de entrenamiento del ecualizador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
25. El ecualizador funcionando con pesos obtenidos durante el entrenamiento. . . . . . . . . . . 282
26. Ecualización adaptativo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
27. Respuesta variante al Impulso de un ecualizador. . . . . . . . . . . . . . . . . . . . . . . . . 283
28. Filtro adaptativo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
29. El mı́nimo de la media cuadrática. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
30. Resultado del la Ecualización. A la izquierda sin ecualización. A la derecha con ecualización. 288
1. Central local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289

2. Central de transito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
3. Ejemplo de TDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
4. Teléfono digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
5. Modelo con las redes telefónicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
6. Red SDH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
7. Ejemplo de multiacceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
8. Ejemplo de multiacceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
9. Ejemplos de la diversidad de tiempo utilizando el intercalado. . . . . . . . . . . . . . . . . 295
10. Diversidad de espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
11. Diversidad de espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
12. Ejemplo de diversidad de polarización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
13. Múltiples tuberı́as de capa fı́sica (PLP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
14. Banda 1900 como posibilidad de ser aprovechada por duplexación por división de tiempo
TDD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
15. Resumen de FDMA-FD, TDMA-FDD, FDMA-TDD. . . . . . . . . . . . . . . . . . . . . . 299
16. La celda y la radiobase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
17. Spread Spectrum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
18. Sistema equivalente en banda base. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
19. Señales de ejemplo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
20. PSD de las señales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
21. Peor de los casos de la señal i(t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
22. Señal b(t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
23. Distribucion del espectro con CDMA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
24. Redes clásicas y redes de nueva generación. . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
25. Funciones de Walsh. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
26. Ejercicios funciones de Walsh. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
27. Sistemas de comunicaciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
28. Ejemplo m2 (t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
29. Distribución del espectro combinando TDMA con CDMA. . . . . . . . . . . . . . . . . . . . 310
30. Cluster de N celdas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
31. El reúso en UMTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
32. OFDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
33. sistema LTE (Long Term Evolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
14
34. Paso del primer sı́mbolo por los bloques del multiplexor. . . . . . . . . . . . . . . . . . . . . 313
35. Paso del segundo sı́mbolo por los bloques del multiplexor. . . . . . . . . . . . . . . . . . . . 314
36. Paso del N sı́mbolo hasta llegar al bloque “Conversor Discreto/Continuo”. . . . . . . . . . 314
37. Efecto de Aliasing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
38. Efecto aliasing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
1. Ruta de recepción de un mensaje. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318

2. Proceso de codificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
3. Comparación entre dos palabras. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
4. El espacio F26 Los puntos negros representan las posibles palabras que pueden resultar en el
campo y los cı́rculos representan las palabras del código . . . . . . . . . . . . . . . . . . . . 322
5. Rata del código. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
6. Código de bloques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
7. Codificación de Reed Solomon. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
8. Modelo de capas de la capa fı́sica de dvb-t. . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
9. Esquema de scrambling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
15
Índice de tablas
1.1. Ejemplo variable aleatoria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

1.2. Clasificación de las ondas de radio según la UIT-R. . . . . . . . . . . . . . . . . . . . . . . . 95
1.3. Clasificación de las ondas de radio según el IEEE. Parte 1/2. . . . . . . . . . . . . . . . . . 96
1.4. Clasificación de las ondas de radio según el IEEE. Parte 2/2. . . . . . . . . . . . . . . . . . 97
1.5. Servicios de radiocomunicaciones de conformidad con el Reglamento de Radiocomunicacio-
nes de la UIT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.1. Caracterı́sticas generales del equipo SDR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.1. Estándares de cable trenzado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189

5.2. Paralelo entre TF pulsos y PSD de pulsos aleatorios. . . . . . . . . . . . . . . . . . . . . . . 199
5.3. Tabla de verdad de la modulación 4-PAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
6.1. Plantilla para la Tabla de Verdad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230

6.2. Tabla de Verdad de la Modulación BPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
6.3. Tabla de Verdad de la Modulación BPSK. versión 2 . . . . . . . . . . . . . . . . . . . . . . 231
6.4. Tabla de Verdad 16QAM. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
7.1. Secuencia a la salida del transmisor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276

7.2. Secuencia interpretada de manera errónea debido al retardo introducido por el canal. . . . . 276
9.1. Tabla de verdad. Código de repetición (3,1) . . . . . . . . . . . . . . . . . . . . . . . . . . . 319

9.2. Tabla de verdad. Código de repetición (3.1) desde la perspectiva del receptor . . . . . . . . 320
9.3. Ejemplo de código de redundancia cı́clica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
16
Nomenclatura de uso común en este libro
Abreviaturas
SDR Software define radio

U HD USRP Hardware Driver
U SRP Universal Software Radio Peripheral
Acrónimos

Letras Griegas
λ Longitud de onda
Siglas

Sı́mbolos

17
INTRODUCCIÓN
Las comunicaciones han sido durante todos los tiempos la clave para el desarrollo social de la huma-
nidad. Desde las señales de humo como medio de comunicación, pasando por la invención de la escritura,
la imprenta, hasta llegar al teléfono, la televisión y el internet. Cada uno de esos avances ha impulsado un
nuevo paso del hombre por diferentes etapas de desarrollo como la sociedad agraria, la sociedad industrial
y la sociedad de la información. Por eso, varios autores aseguran que la historia de las comunicaciones es
la historia de las revoluciones sociales. El nuevo paradigma es hoy la convergencia de las comunicaciones,
es decir, la unión de: los medios de comunicación; la robótica; las redes de sensores para medir diferen-
tes variables y fenómenos; el procesamiento inteligente de la información para la toma de decisiones; la
informática; elementos normativos, de negocios y sociales. Todo lo anterior al servicio de las actividades
humanas, como por ejemplo: la medicina, la industria y la conservación del medio ambiente. El concepto
que aglutina todos esos componentes es hoy “Tecnologı́as de la Información y las Comunicaciones”(TIC).
La ola de fusiones estratégicas a nivel empresarial ası́ como los acontecimientos mundiales que se relacionan
con la globalización del mundo son consecuencia de las TIC.
El auge de los sistemas inalámbricos y el desarrollo de más y mejores servicios de última generación
en comunicaciones exige a los profesionales del área estar a la vanguardia de estos avances cientı́ficos y
tecnológicos. Ante esta realidad, este curso busca crear las competencias necesarias para que los ingenieros
electrónicos egresados de la UIS puedan fácilmente comprender las telecomunicaciones no sólo al nivel que
requieren los operadores y proveedores de tecnologı́as, sino también al nivel cientı́fico. Abordar todos los te-
mas de las comunicaciones en este curso es prácticamente imposible, pero sı́ se enfatiza en las competencias
clave para lograr que los ingenieros de la UIS tengan una ventaja teórico-práctica frente a otros egresados
para facilitar su participación en la demanda nacional e internacional en el campo de las comunicaciones.
Son temas de estudio de este curso: los sistemas de comunicaciones digitales, analizando diferentes sistemas
de modulación digital pasobanda y bandabase actuales y profundizando en las técnicas de acceso al medio
más importantes hoy en dı́a. De igual forma se estudian diversas aplicaciones de uso actual, sus principios
y fundamentos necesarios para comprenderlas y analizarlas. Se hace uso de la programación de sistemas
basados en SDR usando GRC y USRP como enfoque práctico de estos temas. Aunque se abordan muy
débilmente otros temas relevantes como planeación de redes, mercados de las TIC, normativa y gestión del
espectro, puede decirse que con este curso el estudiante habrá desarrollado las competencias que mayor
esfuerzo intelectual y mayor acompañamiento requieren, lo cual habrá pavimentado el escabroso camino
teórico-práctico para poder avanzar de manera más cómoda en la construcción de las competencias que
demanda el mercado.
Si nos preguntaran en qué se diferencia este libro de todos los demás, la respuesta estarı́a en los si-
guientes puntos:
• Combina la enseñanza de las comunicaciones con la de GNU Radio.

• Ha sido escrito como parte de un proceso real de enseñanza, de modo que está probado en varias
generaciones de estudiantes, ha crecido con ellas.
• Está orientado al desarrollo de competencias mediante prácticas de laboratorio.
• Se orienta hacia una enseñanza problematizada, de modo que para cada tema se propone un problema
a resolver, se analizan sus causas y se presenta el tema como la solución a ese problema.
• Se usa una enseñanza siempre basada en modelos de capas.
18
Capı́tulo 1
Antecedentes y preliminares
1.1. Señales y sistemas continuos en el dominio del tiempo

Los materiales de este capı́tulo cumplen a la vez todas las siguientes caracterı́sticas. Se trata de:
Temas a los que el lector deseará volver frecuentemente a lo largo de todo el libro.
Enlaces a los materiales complementarios en lı́nea, como: prácticas de laboratorios, ejercicios, ma-
nuales de instalación, drivers y software de apoyo.
Temas que, aunque no se relacionan con el envı́o de información usando modulación, sı́ tratan sobre
el medio que puede usarse para ello, principalmente las ondas electromagnéticas.
Señales y sistemas continuos y su relación con el mundo fı́sico.
El inicio del estudio de las comunicaciones desde los fenómenos de propagación que ocurren en el
canal.
Prácticas usando GNU Radio y equipos SDR para usuarios sin conocimientos previos al respecto.
Modelos de capas orientados a comprender los sistemas de comunicaciones del mundo fı́sico, pero
sin entrar aún en demasiados detalles.
Aunque este capı́tulo no requiere que el lector tenga conocimientos de GNU Radio o de equipos SDR,
sı́ prevemos la inclusión de prácticas usando esas tecnologı́as como complemento o alternativa a otros
equipos de laboratorio que prestan servicios de medición, por ejemplo, para medir la potencia propagada
o la densidad espectral de potencia de una señal.
1.1.1. Señales senoidales

Las señales senoidales tienen para nosotros una especial importancia, entre otras, porque permiten des-
cribir las ondas electromagnéticas, que son la esencia de las radiocomunicaciones. Ası́ mismo, se emplean
como base de la Teorı́a de Fourier que permite la transformación de señales del dominio del tiempo al
dominio de la frecuencia. Se puede decir que los sistemas de comunicaciones inalámbricos se orientan a
transmitir y a recibir señales de tipo senoidal. Ası́, las señales eléctricas senoidales que genera un transmisor
se irradian en forma de ondas (senoidales) electromagnéticas a través de una antena, para ser recuperadas
por una antena receptora.
Una señal senoidal pura puede ser representada matemáticamente como
c(t) = A cos(2πf t + φ) (1.1)

Pero además, esta señal puede llevar información variando alguno de sus parámetros, dando lugar a
tres posibles casos básicos:
Si varia sólo la amplitud de la senoidal:
c(t) = A(t) cos(2πf t + φ) (1.2)
Si varı́a sólo la frecuencia instantánea de la senoidal:

Z
c(t) = A cos 2π fi (τ )dτ + φ (1.3)
t
19
Si varı́a sólo el desfase de la senoidal:
c(t) = A cos (2πf t + φ(t)) (1.4)
En este punto es importante recordar que, de acuerdo a la relación de Euler (ejθ = cos θ + j sin θ),
una señal senoidal puede ser vista como una combinación lineal de dos señales exponenciales complejas,
de manera que:
1 j2πf t
cos(2πf t) = e + e−j2πf t (1.5)
2
o
1 j2πf t
sin(2πf t) = e − e−j2πf t . (1.6)
2j
1.1.2. Relación entre señales, ondas y campos

En las radiocomunicaciones se habla frecuentemente de ondas electromagnéticas, señales RF, campos
electromagnéticos,los cuales son términos que valen la pena ser aclarados. Pero entrar a hablar con propie-
dad de las ondas electromagnéticas puede ser un tema muy extenso y se saldrı́a de los propósitos de esta
obra. Afortunadamente, la mayorı́a de las propiedades de las ondas electromagnéticas son similares a las
del agua, solo que las del agua se propagan sobre la superficie del agua mientras que las electromagnéticas
se propagan en un volumen sin requerir ningún medio de propagación. En una simulación que brinda la
Universidad del Colorado sobre la propagación de las ondas de agua y cuya imagen se presenta en la Figura
1 se pueden diferenciar estos conceptos. Allı́ podemos ver la fuente de las ondas electromagnéticas, hay
Figura 1: Sensado de la Propagación de las ondas de agua
agua.jpg
unos controles que permiten manipular parámetros como amplitud, frecuencia, un botón para encender y
apagar la fuente. También vemos que las ondas se propagan ocupando un espacio cada vez mayor con el
correr del tiempo, eso es lo que se conoce como el campo de propagación. También vemos un sensor del
nivel del agua que permite captar una porción de ese campo, la traduce a una señal eléctrica para poder
presentarla de manera gráfica en forma de lo que conocemos como una señal eléctrica. Lo mismo ocurre
con las ondas electromagnéticas, una antena es un sensor de esas ondas que termina traduciendo a una
señal eléctrica la energı́a que logra captar en un campo electromagnético. Se habla de una señal RF, solo
porque usa frecuencias que son parte de lo que se conoce como el espectro radioeléctrico.
1.1.3. La respuesta al impulso y la convolución

La respuesta a la señal impulso unitario o delta de Dirac, δ(t), caracteriza completamente a un sistema
si éste es lineal e invariante en el tiempo (LIT). Ası́, la salida y(t) de un sistema LIT con respuesta al
20
impulso h(t) se puede obtener mediante la operación convolución como y(t) = x(t) ∗ h(t), siendo x(t) la
señal de entrada del sistema. En el mundo real, los sistemas LIT no son tan comunes, de manera que se
trata más bien de casos ideales; pero en muchı́simos casos, un sistema que varı́a en el tiempo puede ser visto
como invariante durante determinados lapsos de tiempo que pueden ser muy pequeños o muy grandes, e
igualmente el comportamiento de un sistema no lineal alrededor de un punto de operación especı́fico puede
aproximarse al comportamiento de un sistema lineal. Esta sección no busca explicar detalladamente la
teorı́a de sistemas LIT, y sólo se resumen los conceptos necesarios para los propósitos del libro.
1.1.3.1. Conceptos básicos

A continuación se presenta una sı́ntesis de conceptos y consideraciones generales sobre este tema:
En relación a sistemas, usualmente nos referimos al caso más sencillo, con una entrada, que identi-
ficamos como x(t), y una salida, y(t).
Para hacer referencia a distintas señales de entrada y salida, consideramos que para una entrada
x1 (t) la salida del sistema es y1 (t), para una entrada x2 (t) la salida es y2 (t) y ası́ sucesivamente.
Un sistema es lineal si se cumplen las siguientes condiciones:
• Propiedad de aditividad: x3 (t) = x1 (t) + x2 (t) ⇒ y3 (t) = y1 (t) + y2 (t).
• Propiedad de homogeneidad: x1 (t) = ax(t) ⇒ y1 (t) = ay(t), donde a es una constante.
Se infiere que también se cumple la propiedad de superposición que dice que si la entrada es:
x(t) = a1 x1 (t) + a2 x2 (t) + a3 x3 (t) + ... (1.7)
la salida es:
y(t) = a1 y1 (t) + a2 y2 (t) + a3 y3 (t) + ... (1.8)
El sistema es invariante en el tiempo si ante una entrada x1 (t) = x(t−T0 ) la salida es y1 (t) = y(t−T0 ),
para todo tiempo T0 .
Un sistema es LIT si cumple a la vez que es lineal e invariante en el tiempo.
Si la entrada al sistema es la función impulso unitario, δ(t), también conocida como Delta de Dirac,
la salida del sistema, usualmente denotada como h(t), se conoce como la respuesta al impulso.
Todo sistema LIT se puede definir completamente mediante su respuesta al impulso. De modo que
si se conoce la entrada y la respuesta al impulso del sistema, la salida puede ser calculada mediante
la operación conocida comoconvolución que está dada por la siguiente expresión:
Z ∞
y(t) = x(τ )h(t − τ )dτ (1.9)
−∞
La operación de convolución se denota de la siguiente manera:
y(t) = x(t) ∗ h(t) (1.10)
1.1.4. Representación de señales en el dominio de la frecuencia

Para entender lo que significa la representación de señales en el dominio de la frecuencia, notemos que
un rayo de luz de color puro es una onda electromagnética con una frecuencia definida (información del
dominio de la frecuencia) que nuestros ojos pueden ver, pero no ası́ su forma de onda (información del
dominio del tiempo). Aunque podemos distinguir diferentes colores de luz que llegan a nuestros ojos, si
éstos se combinan en una sola señal, veremos un solo color. Eso significa que hay al menos dos formas de
representar las señales: en el dominio del tiempo y en el dominio de la frecuencia, pero nuestros sentidos
sólo nos permiten percibir y distinguir estos dominios de manera parcial.
Como veremos, la representación en el dominio de la frecuencia de una señal nos permite obtener lo
que se conoce como su espectro de frecuencias. Esta representación puede obtenerse teóricamente mediante
series de Fourier, para el caso de señales periódicas, o en forma más general mediante la transformada de
Fourier, como se describe a continuación.
21
1.1.5. La representación en Series de Fourier
La representación en Series de Fourier (SF) puede ser vista como una herramienta para expresar una
señal periódica como una combinación lineal de señales exponenciales complejas armónicamente relacio-
nadas. Esto es, una señal xT (t) periódica con periodo T , se puede expresar como la sumatoria de infinitas
ondas periódicas conocidas como componentes espectrales de la señal, cada una de las cuales tiene una
frecuencia que es múltiplo entero de la frecuencia fundamental f0 = 1/T , mediante la Ecuación de Sı́ntesis
de la SF, que también se conoce como la SF Inversa:
∞
X
xT (t) = Ck ej2πkf0 t (1.11)
k=0
donde Ck son los coeficientes de la SF y, en general, tienen forma compleja, de modo que:
Ck = |Ck |ejφk (1.12)
Los coeficientes Ck se pueden encontrar a partir de la señal xT (t) por medio de la Ecuación de Análisis,
conocida también como SF Directa:
Z
1
Ck = xT (t)e−j2πkf0 t dt (1.13)
T
T
Esta representación permite establecer una relación entre el dominio del tiempo y el dominio de la fre-
cuencia, para el caso de señales periódicas. En el caso de señales reales, se puede emplear una representación
alternativa:
∞
X
xT (t) = Ak cos(2πkf0 t + φk ) (1.14)
k=0
donde A0 = |C0 | y Ak = 2|Ck | para k > 0, correspondiente a la amplitud de la k-ésima componente
sinusoidal, de frecuencia kf0 .
Otros aspectos a destacar sobre la SF son los siguientes:
• La señal analizada xT (t) debe tener amplitud finita.
• El resultado de la transformación no guarda relación con la energı́a total de la señal sino con su
potencia, ya que lo que se transforma es solo la porción de la señal que se observa en el periodo T .
• Los coeficientes de la SF conforman un espectro que resulta siendo discreto, con componentes o
muestras espectrales separadas entre sı́ f0 = T1 .
• El espectro se expresa en las mismas unidades en que está expresada la señal en el tiempo. Por
ejemplo, si la amplitud de la señal está dada en voltios, las componentes espectrales estarán dadas
también en voltios.
1.1.6. La Transformada de Fourier

La Transformada de Fourier (TF) es una herramienta teórica que permite que una señal que está ex-
presada en el dominio del tiempo pase a ser expresada en el domino de la frecuencia. Aunque la TF no deja
de ser una herramienta teórica, veremos que es posible emplearla con fines prácticos. Teniendo en cuenta
que la señal analizada x(t) no necesariamente es periódica, se aplican a esa señal los mismos principios de
la SF pero en las siguientes condiciones:
• Se considera que el periodo de x(t) es infinito.
• Para que Ck no sea cero, se escala en ese periodo infinito:
X(f ) = lı́m T Ck (1.15)
T →∞
• Debido a este escalamiento, si la amplitud de la señal está dada en voltios, el espectro estará dado
en V/Hz.
• Lo anterior hace que f0 tienda al valor cero, por tanto, kf0 tiende a ser una variable continua f , de
modo que reemplazando (1.13) en la ecuación (1.15) se obtiene la siguiente expresión, mejor conocida
como la Ecuación de Análisis de la Transformada de Fourier:
Z ∞
X(f ) = x(t)e−j2πf t dt (1.16)
−∞
• De manera similar, se obtiene la Ecuación de Sı́ntesis:

Z ∞
x(t) = X(f )ej2πf t df (1.17)
−∞
22
1.1.7. La respuesta en frecuencia en los sistemas LIT
El siguiente es el resumen conceptual necesario sobre este tema:
• Toda señal x(t) del mundo fı́sico tiene una representación X(f ) en el dominio de la frecuencia que
se puede hallar mediante la TF.
La respuesta al impulso unitario, h(t), de un sistema LIT también tiene una representación H(f ) en
el dominio de la frecuencia. H(f ) es lo que se conoce como la respuesta en frecuencia del sistema.
Como la respuesta al impulso de un sistema LIT define completamente el sistema, entonces H(f )
también define completamente al sistema.
En el domino de la frecuencia, la operación de convolución representada en la ecuación (1.10) cambia
a una operación de multiplicación. De modo que, si conocemos la señal de entrada en el dominio de
la frecuencia y la respuesta en frecuencia de un sistema LIT podemos calcular la salida en el dominio
de la frecuencia de la siguiente manera:
Y (f ) = X(f )H(f ) (1.18)
1.1.8. Transformada de Fourier de algunas señales

Para los propósitos del libro, a continuación listamos algunas señales de interés y la TF de cada una
de ellas.
• Señal exponencial compleja:
TF
ej2πf0 t −−→ δ(f − f0 ) (1.19)
• Onda coseno: de acuerdo a la relación de Euler, la función coseno se puede expresar en términos de
funciones exponenciales complejas (ver Ec. (1.5)) y, teniendo en cuenta que la TF es una operación
lineal, se deduce que:
TF 1 1
cos(2πf0 t) −−→ δ(f − f0 ) + δ(f + f0 ) (1.20)
2 2
• Onda seno: similarmente, a partir de Ec. (1.6):
TF 1 1
sin(2πf0 t) −−→ δ(f − f0 ) − δ(f + f0 ) (1.21)
2j 2j
• Pulso rectangular: se define la función pulso rectangular rect(t) como:


 1, |t| < 1/2
rect(t) = 1/2, |t| = 1/2 (1.22)
0, |t| > 1/2

Entonces, la TF de una señal pulso rectangular de duración τ y amplitud A es:

t TF
Arect −−→ Aτ sinc(τ f ) (1.23)
τ
• Pulso sinc: para una señal sinc se tiene la siguiente relación:

TF A f
Asinc(2Bt) −−→ rect (1.24)
2B 2B
siendo B el ancho de banda de la señal medido en Hz.
1.2. El muestreo
Con la ayuda de software sólo es posible implementar sistemas discretos. En contraste, los sistemas
del mundo fı́sico que son de interés para las comunicaciones son de naturaleza continua. Surge entonces la
pregunta: ¿Existe algún mecanismo que permita transformar una señal del dominio continuo al discreto y
viceversa? La respuesta surge con el trabajo del ingeniero Harry Nyquist publicado en 1928 [1] y conocido
hoy como el Teorema de Nyquist o Teorema de Muestreo.
23
1.2.1. Conversión C-D. El teorema de Nyquist
El Teorema de Nyquist sostiene que una señal continua que tiene un ancho de banda BW puede ser
convertida a una versión muestreada en el tiempo (muestreo uniforme) y viceversa sin que se presente
pérdida alguna entre esas conversiones, siempre y cuando se respete la siguiente regla: La frecuencia de
muestreo Fsamp de la versión muestreada debe ser igual o mayor a dos veces el ancho de banda de la
versión continua:
Fsamp ≥ 2BW (1.25)
Para los propósitos de esta obra, podemos decir que el Teorema de Nyquist permite implementar la con-
versión Continua a Discreta, en adelante conversión C-D, y su versión inversa o conversión Discreta a
Continua, o conversión D-C.
La conversión C-D:
Conversion C−D
x(t) −−−−−−−−−−−−→ x[n] (1.26)
La conversión D-C:
Conversion D−C
x[n] −−−−−−−−−−−−→ x(t) (1.27)
En las anteriores expresiones, la conversión C-D se refiere al proceso de muestrear la señal respetando
el Teorema de Nyquist. La conversión D-C se refiere a un proceso de interpolación para reconstruir la señal
continua a partir de la versión discreta.
1.2.2. Conversión Analógica-Digital / Digital-Analógico

Si además de realizar una discretización en el dominio del tiempo (muestreo), se aplica a la señal una
discretización de amplitud (proceso denominado cuantificación), el proceso de conversión C-D corresponde
ahora a una Conversión Analógica-Digital, y su versión inversa es una Conversión Digital-Analógica.
La implementación práctica o dispositivo para realizar el proceso de Conversión Analógica-Digital se
denomina ADC (del inglés, Analog to Digital Converter ). Se trata de una solución práctica para imple-
mentar la conversión C-D; sin embargo, como en toda solución práctica, hay aspectos que diferencian la
implementación real de la teorı́a. En este caso tenemos los siguientes:
La conversión Analógica digital por sı́ sola no asegura que se cumpla el Teorema de Nyquist. Es
decir, el dispositivo podrı́a muestrear una señal a una frecuencia inferior a la que define el Teorema
de Nyquist, lo cual tiene implicaciones.
En caso que la frecuencia de muestreo no cumpla con el Teorema de Nyquist, el ancho de banda de
la señal continua que se puede recuperar a partir de su versión muestreada es:
B = Fsamp /2 (1.28)
Desde el punto de vista teórico, al no respetarse el Teorema de Nyquist se presentarı́a un solapamiento

en el espectro que se explica en varias fuentes como por ejemplo en [referenciar aquı́ el libro de
Oppenheim]. En la práctica esto es usualmente evitado ya que tanto la conversión C-D como la D-C
van generalmente acompañada por un filtrado. Supongamos que se va a aplicar una conversión C-D
con un muestreo que no cumple el Teorema de Nyquist, luego BW > Fsamp /2, pero el conversor C-D
aplica previamente un filtrado para restringir el ancho de banda logrando que BW tome un valor
menor y lograr que BW ≤ Fsamp /2. Con este proceso se altera la señal pero se evita el solapamiento
ya que finalmente se cumple el Teorema de Nyquist.
Como se dijo, la conversión analógica-digital pasa necesariamente también por un proceso de cuan-
tificación, para el cual no existe un teorema similar al de muestreo. Por lo tanto, el proceso de
cuantificación no es reversible completamente, por lo tanto induce un cierto grado de ruido.
Por lo anterior, una señal digital es una aproximación de la versión discreta de una señal continua.
El proceso de Conversión Digital-Analógica o DAC (del inglés, Digital to Analog Converter ), que
corresponde al inverso del ADC, no es una conversión idealmente reversible debido a las implicaciones
que provienen del proceso cuantificación.
1.2.3. Primeras pruebas con GNU Radio

Con los conceptos vistos ya es posible comenzar a usar GNU Radio. En esta oportunidad lo haremos
para explorar los procesos de ADC y DAC manipulando desde GNU Radio algunos elementos del compu-
tador como el micrófono, la bocina, la tarjeta de sonido, pero también una señal del mundo real como el
24
sonido que sale de nuestras cuerdas vocales. Para ello seguiremos el modelo de capas de un sencillo sistema
de comunicaciones que se presenta en la Figura 2.
Figura 2: Modelo de capas de un sistema de comunicación para comprobar el Teorema de

Muestreo
De la figura 2 se deduce que la implementación a realizar combina software y hardware y es una apli-
cación en tiempo real. Las lı́neas continuas hacen referencia a los elementos de hardware, las discontinuas
a elementos de software y el color amarillo hace referencia al uso de señales reales. Básicamente, nuestra
aplicación solicita al ADC capturar la señal de audio del micrófono, la visualiza, permite realizar algunas
operaciones para experimentar con ella y la entrega al DAC para finalmente escucharla. Se deben usar
unos audı́fonos para evitar que el sonido de la bocina se devuelva al micrófono y produzca interferencia
indeseada (retroalimentación positiva).
En la figura 3 se tiene un flujograma propuesto para comprobar el Teorema de Nyquist mediante ex-
perimenteación práctica. En calidad de fuente se el bloque Audio Source, y en calidad de bloque final se
usa Audio Sink. Se tiene también un amplificador representado por el bloque Multiply Const. Los bloques
Virtual Sink y Virtual Source son etiquetas que vamos a usar en todos nuestros flujogramas para señalar
puntos de control. Por ejemplo, el osciloscopio, representado en el bloque QT GUI Time Sink está co-
nectado a la etiqueta R2, lo que significa que está conectado a la entrada del Audio sink. La variable
samp rate audio es la frecuencia de muestreo de la señal de audio.
Figura 3: Flujograma para controlar el ADC y el DAC de la tarjeta de sonido del computador
Flujograma usado: ADC DAC sonido.grc
En la Figura 4 se tienen los resultados. Podemos ver en la parte inferior la señal en el tiempo, en color
azul que aparenta ser continua, pero si la miramos con más detalle, podemos ver que realmente es discreta.
En calidad de procesamiento sólo hemos usado un amplificador representado por el bloque Multiply Const,
25
pero puede ser suficiente para comprobar el rango de frecuencias que puede soportar la bocina, la cual
está representada por el bloque Audio Sink.
Figura 4: Señal de la voz capturada mediante un micrófono.
En la Figura 5 se presenta el mismo sistema, pero esta vez la fuente es sinusoidal. El flujograma
tiene además elementos adicionales y están organizados de la manera en que los vamos a encontrar más
comúnmente en el libro. Entonces conviene destacar lo siguiente:
26
Figura 5: Flujograma para comprobar Teorema de Nyquist.
Flujograma usado: ADC DAC sonido Nyquist.grc
En cada flujograma encontraremos tres secciones: la que se dedica a los bloques necesarios para
configurar el sistema, señalada en la figura como “Parámetros de configuración”; la del “Flujograma
principal” y la dedicada a las “Herramientas de visualización”.
En el flujograma principal, los bloques encargados de la generación y transmisión están en la parte
superior y las señales se dirigen a la derecha. Por el contrario, los de recepción están en la parte
inferior haciendo pareja con los del transmisor y las señales se dirigen a la izquierda.
El color naranja a la entrada y salida de algunos bloques indica que se tienen allı́ señales reales con
valores de tipo flotante.
El flujograma de la figura está configurado para llevar una señal cuyo ancho de banda es BW = 2, 048
[[[kHz]]] y cuya frecuencia de muestreo es sampr atea udio = 32 [[[kHz]]]. El bloque Signal Source genera
una señal sinusoidal cuya frecuencia es justamente la máxima posible para la señal que se prevé puede pasar
por este sistema. Por lo tanto, la frecuencia de la sinusoidal es f = BW y tiene una frecuencia de muestreo
32 [[[kHz]]] que supera con creces lo que establece el Teorema de Nyquist. Con este ejemplo estamos ana-
lizando el caso más extremo, cuando toda la energı́a de la señal se concentra justo en la frecuencia máxima.
En este flujograma ser usa un nuevo bloque llamado Rational Resampler el cual permite aplicar diez-
mado o interpolación a la señal dependiendo de cómo se configure. En todo caso, la diezmado, ası́ como
la interpolación van acompañadas de un filtrado y en este sentido esos procesos son muy similares a lo
que hace un ADC y un DAC. Para el caso dado, se han agregado dos bloques Rational Resampler, el
primero para diezmar la señal, es decir, para disminuir la frecuencia de muestreo, en este caso de los 32
[[[kHz]]] para llevarla a los 6, 144 [[[kHz]]], la cual está ligeramente por encima de la frecuencia de muestreo
de Nyquist que es fnyq = 2BW . En la Figura 7, en color azul y señalada como T 2 está la señal que entrega
el bloque Signal Source; en color fucsia y señalada como T 1 está la señal después de la diezmado.
La lógica del experimento comienza considerando que la señal en T 1, aunque tiene un muestreo menos
fino que la señal en T 2, sigue cumpliendo el Teorema de Nyquist. Por lo tanto, en la parte receptora deberı́a
ser posible usar un dispositivo que a partir de la señal en T 1 permita obtener una señal con forma similar
27
a la que se tiene en T 2 con un muestreo tan fino como se quiera para lograr que se acerque tanto como se
quiera a la forma de una señal continua.
El segundo bloque Rational Resampler realiza una operación de interpolación a la señal que recibe
para obtener nuevamente una señal muestreada de 32 [[kHz]], pero ahora en la parte receptora, en R2.
La idea es que si la señal en R2 es la misma que en T 2, cuando se respeta el Teorema de Nyquist, se
habrá demostrado que las muestras eliminadas en el proceso de diezmado pueden ser recuperadas, de
manera que el proceso de diezmado no afecte la calidad de la señal, siempre cuando se respete el Teorema
de Nyquist.
Antes de analizar los resultados en el dominio de las frecuencias es importante aclarar que:
Los analizadores de espectros discretos, como el que estamos usando y que está representado en el
bloque QT GUI Frequency Sink muestran el espectro en el rango que está entre −Fsamp /2 y Fsamp /2,
donde Fsamp es la manera de referirnos a la frecuencia de muestreo de la señal que recibe este bloque.
En la Figura 6 se observan los resultados en el dominio de la frecuencia, donde podemos ver que el
espectro original, en T 2 (a la derecha en color azul), es el mismo que el de la señal recibida en R2 (a la
derecha en color rojo) y en principio es el mismo de la señal diezmada en T 1 (a la izquierda en color fucsia)
ya que ocupa las mismas frecuencias, aunque se aprecie una ventana de observación menor.
Figura 6: Resultados en el dominio de las frecuencias para comprobar Teorema de Nyquist.
En la Figura 7 tenemos los resultados en el dominio del tiempo, en color fucsia tenemos la señal
decimada en T 1 la cual tiene una forma no muy parecida a la senoidal original del punto T 2 que vemos en
color azul. Tambien podemos observar que la señal en R2 obtenida a partir de la señal en T 1 ha recuperado
la forma de la senoidal, de modo que el proceso de diesmado no ha afectada la calidad de la señal que
viajó entre el punto T 2 y R2. Podemos asegurar que la interpolación puede llegar a ser tan fina como se
desee, sin que el espectro de la señal se afecte, con lo cual se demuestra que sı́ es posible recuperar la forma
continua de la señal a partir de la versión muestreada siempre y cuando se respete el Teorema de Nyquist.
28
Figura 7: Resultados en el dominio del tiempo para comprobar Teorema de Nyquist.
1.3. Resumen de Señales y Sistemas Discretos

Con la posibilidad de aplicar la conversión directa e inversa de muestreo, surge la posibilidad de usar
la Teorı́a de Señales y Sistemas Discretos. A continuación se estudian los conceptos de mayor interés para
el campo de las comunicaciones.
1.3.1. La Representación en Series de Fourier Discreta

Para la Representación en Series de Fourier de Señales Discretas (RSFD) se aplican los mismos prin-
cipios básicos que en el caso de señales continuas, pero con las siguientes definiciones:
La señal analizada xN [n] es discreta y periódica en N muestras.
La ecuación de análisis es:
N −1
1 X
Ck = xN [n]e−j2πkn/N (1.29)
N n=0
La ecuación de sı́ntesis es:

N
X −1
xN [n] = Ck ej2πkn/N (1.30)
k=0
1.3.2. La Transformada Discreta de Fourier

No confundir
La siguiente es la Transformada de Fourier Discreta (DFT): DFT DTFT
La ecuación de sı́ntesis: Z
1
x[n] = X(ejωn )dω (1.31)
2π 2π
donde ω = 2πf .
HOB: Hay que
La ecuación de análisis: mejorar esa ex
X+∞ presión para
X(ejω ) = x[n]e−jωn (1.32) corregir la fa-
lla que obser-
n=−∞ va al decir que
w = 2pif . Na-
Sin embargo, las ecuaciones (1.31) y (1.32) no dejan de ser una definición teórica ya que sirven para die mejor para
corregirla esto
realizar análisis de tipo teórico, como se hace por ejemplo en el libro de Oppenheim [2], pero requiere que el profe O
car Reyes, per
serı́a bueno ha
cer más amiga
ble la expresio
29 para quienes
no han leido
el libro de Op-
penhiem. Desd
este punto de
vista, es mejor
que no aparezc
que X es fun-
cion de e(jwn
Pero si resulta
una redefinición para las aplicaciones del mundo real, sobre todo en el campo de las comunicaciones. El
problema de las aplicaciones del mundo real en las comunicaciones consiste en lo siguiente:
La señal x[n] proviene de una versión continua x(t), con un ancho de banda definido, que es luego
sometida a un muestreo.
Al aplicar el proceso de muestreo se usa una frecuencia de muestreo FS . Como resultado, la señal
x[n] resulta acotada en el ancho de banda BW = FS /2.
En una aplicación práctica solo es posible procesar un número N finito de muestras. Como resultado,
la DFT del mundo real también tiene un número finito N de muestras. Por lo tanto, la transformada
de Fourier resulta siendo igualmente discreta como lo es la señal.
Por todo lo anterior, resulta necesario encontrar la expresión de la DFT para aplicaciones del mundo real.
En este sentido, vale la pena tener en cuenta los siguientes aspectos adicionales:
La DFT está directamente relacionada con la RSF.
La principal diferencia de la DFT con respecto a la RSFD consiste en la manera en que se aplica.
La RSFD se aplica solo al periodo de la señal x[n]. La DFT deberı́a aplicarse a toda la duración de
esa señal, pero como eso no es posible solo se aplica a un número N de muestras, luego, realmente
lo que se obtiene es una aproximación de la DFT.
Otra diferencia consiste en que la TF es, además de lo anterior, una versión escalada de la RSFD.
El escalamiento corresponde a la duración de la señal, es decir al valor N .
Por todo lo anterior la DFT, para propósitos prácticos, se puede decir de la siguiente manera:
La señal analizada x[n] es discreta y tiene una duración de N muestras.
La ecuación de análisis es:
N
X −1
X(k) = lı́m x[n]e−j2πkn/N (1.33)
N →∞
n=0
La ecuación de sı́ntesis es:

N −1
1 X
x[n] = lı́m X(k)ej2πkn/N (1.34)
N →∞ N
k=0
1.3.3. La Transformada Rápida de Fourier

Este capı́tulo no busca explicar de manera exhaustiva de donde sale ni cómo se calcula la Transformada
Rápida de Fourier (FFT, del inglés Fast Fourier Transform), pues realmente hay buena literatura sobre
este aspecto [3].
Nos detendremos en siguientes aspectos que nos interesan para los propósitos del libro:
La FFT es en realidad un algoritmo para ejecutar de manera computacionalmente más económica
posible la siguiente operación:
N
X −1
X(k) = x[n]W −kn (1.35)
n=0
donde W = e−j2π/N , k = 0, 1, 2, ...N − 1, N = 2m , m es un número entero.

Existe también la operación de sı́ntesis conocida mejor como la Transformada Rápida de Fourier
Inversa (IFFT), la cual es, consecuentemente, un algoritmo que para ejecutar de la manera compu-
tacionalmente más económica posible, la siguiente operación:
N −1
1 X
x[n] = X(k)W kn (1.36)
N
k=0
El resultado de la FFT depende de la manera en que se use. Las siguientes son las opciones:
• Si x[n] es una señal periódica y su periodo es N lo que se obtiene es la RSFD escalada en N .
• Si N son todas las muestras de la señal x[n] se obtiene una versión discreta de la DFT. Hay
que tener en cuenta que si la señal es periódica, ese periodo ya no es N y más bien N → ∞.
30
• Lo anterior también significa que solo es posible acercarse a la DFT a medida que se usa un
valor cada vez más grande de N, lo cual pierde sentido en aplicaciones de tiempo real, pues
significarı́a que hay que esperar un tiempo infinito antes de poder observar la DFT. Sin embargo
en la práctica es posible usar varios tipos de trucos, como por ejemplo, un enventanado de la
señal para aplicar la FFT a cada ventana de tiempo mientras se va mostrando el resultado y
se van introduciendo correcciones para obtener un valor cada vez más cercano a la DFT.
• Es posible aplicarle un enventanado a la señal x[n] de manera que cada ventana tenga una
duración de tiempo discreto finito igual a N , por ejemplo N = 32, o N = 128 o N = 1024. En
este caso, está claro que N no representa todas las muestras de x[n] sino las de una ventana de
observación. Lo que se obtiene en este caso es un espectro de la señal que cambia dinámicamente
a medida que se procesa una nueva ventana. El resultado es similar al que muestra un analizador
de espectro y se trata de un espectro dinámico que muestra el espectro instantáneo de la señal,
es decir, la composición espectral de la señal en instantes de tiempo que son múltiplos de N .
• Es muy común usar el espectro dinámico pero en magnitud al cuadrado combinado con al-
gunos filtros y con una conversión a decibelios para construir lo que se conoce como equipos
analizadores de espectro, como los que se presentan en los videos del siguiente enlace:
https://sites.google.com/saber.uis.edu.co/comdig/m/Analizador
• La FFT entrega un espectro en el rango de frecuencias que va desde −FS /2 hasta FS /2 y solo
tiene N muestras espectrales.
• Por lo anterior, la resolución espectral que se logra con la FFT es igual a Fresol = FS /N , donde
Fresol es la menor distancia entre muestras espectrales que se pueden llegar a distinguir en el
resultado de la FFT.
• También es posible usar la FFT para obtener una forma aproximada de la PSD de una señal
aleatoria. Lo que se hace es similar a lo explicado en el ı́tem anterior, pero luego de obtener el
espectro para una ventana de tiempo, se realiza un ajuste de modo que el resultado equivalga
Diferenciar en-
al promedio de todas las ventanas anteriores. tre ventanas
acumuladas y
ventanas perio
dicas...
1.3.4. La convolución en los sistemas LIT discretos
Para el caso de sistemas LIT discretos, la respuesta al impulso es discreta y por supuesto también lo
son la señal de entrada y la de salida. La operación de convolución está dada por:
y[n] = x[n] ∗ h[n] (1.37)
Lo cual equivale a lo siguiente:

∞
X
y[n] = x[k] ∗ h[n − k] (1.38)
−∞
1.4. Implementaciones básicas en GNU Radio

GNU Radio es una herramienta pensada en las necesidades de los ingenieros de radiocomunicaciones
usando lo más avanzado en programación como por ejemplo, la programación de alto nivel, gráfica e intui-
Para la lista d
tiva, como es el uso de GRC. Eso no la limita para ser usada en otros campos, pero las cosas que tienen siglas
de especial GNU Radio pueden implicar más retos para quienes la quieren usar en otros campos.
31
Figura 8: Flujograma sencillo para experimentar la convolución.
Flujograma usado: convolución más simple.grc
Lo que hace especial a GNU Radio es lo siguiente:

Está pensada para el manejo de señales en tiempo real ya que está pensada para interactuar con
el mundo real, lo cual puede desconcertar a quienes desean darle otra aplicación, pero al mismo
tiempo representa grandes oportunidades. El ejemplo más sencillo es el mostrado en la figura 5
donde el sistema captura la señal de voz del mundo fı́sico, la procesa y luego hace que el resultado
salga nuevamente al mundo fı́sico de manera que una persona no distinga ningún tipo de retraso o
distorsión por aspectos relacionados con la programación. Pero en las comunicaciones de radio los
retos son mayores, por ejemplo, si se captura una señal del espectro radioeléctrico con un ancho de
banda de 10 [[MHz]], en 30 segundos, usando una aplicación hecha con GNU Radio, ya se habrán
procesado cerca más de 5 Giga-bits. De manera que una aplicación de estas podrı́a llenar un disco
duro en tiempo récord.
El uso de la programación gráfica con GRC no conduce a aplicaciones menos eficientes que con
código puro en el lenguaje Python y en C++. La estrategia detrás del GRC, consiste principalmente
en que el programador realiza su aplicación en GRC, pero al momento de dar el comando para que
corra ocurre un paso intermedio: el GRC genera el código correspondiente en Python (si es necesario
puede ser traducido a C++), de manera que la aplicación se corre desde el código generado.
Pero la cuestión no para allı́, el GRC facilita también la programación con código puro pues incluye
herramientas para adicionar bloques por código. Es decir, la persona puede estar programando
en forma gráfica y con la misma facilidad puede introducir código propio cuando quiera, lo cual
resulta en una programación notablemente más fácil e intuitiva para que el ingeniero se centre en la
experimentación antes que en complejos métodos de programación.
Desde este punto de vista, el GRC de GNU Radio representa una revolución en programación de
sistemas de tiempo real. Volviendo a la ciencia de Tratamiento de Señales y Sistemas, esta tiene total
aplicación en los sistemas de comunicaciones, pero cuando se está comenzando, las primeras prácticas son
más de tipo pedagógico, donde lo que importa no es enviar o recibir señales en tiempo real sino entender
32
unos principios fundamentales. Por eso, el uso de GNU Radio, en prácticas de Tratamiento de Señales y
Sistemas merece la orientación y los ejemplos que estamos ofreciendo en esta sección para “no morir en el
intento”, sino que al contrario sirva como un primer paso para comenzar a interactuar con el GRC y con
GNU Radio.
1.4.1. La convolución aplicada en GNU Radio

Vamos a comenzar con la implementación de una aplicación de GNU Radio para practicar la convolu-
ción. Los requerimientos para la aplicación son los siguientes, el usuario podrá:
Figura 9: Resultados de la convolución de dos señales rectangulares con GNU Radio.
Usar la aplicación para convolucionar una señal x[n] y una señal h[n] para obtener una señal y[n].
Cambiar la forma de la señal x[n] y de h[n] por varios métodos: dándole valores a las muestras usadas
o calculando los valores mediante comandos de Python.
Obtener gráficas de las señales usadas y el resultado de la convolución de una manera que le permita
abstraerse de aspectos relacionado con el tiempo real que maneja el GRC cuando corre.
Comenzaremos por mostrar la solución en forma de un flujograma que soluciona el problema, luego
describiremos los bloques y lo que sea necesario para un principiante, mostraremos resultados, miraremos
cómo complementar la aplicación con código propio y finalmente formularemos unas recomendaciones para
que el lector pueda continuar haciendo aplicaciones similares.
Consideraciones a tener en cuenta:

En GNU Radio no se usa mucho el término “señales” como se hace en Simulink de Matlab para referirse
a los datos que entran y salen de un bloque. Pero sı́ convendrı́a hacerlo, pues debido a la necesidad de
funcionar en tiempo real en GNU Radio esos datos son tratados de una manera especial que incluye lo
siguiente:
Las señales entran y salen de cualquier bloque en forma vectorial, o sea que una señal siempre es un
vector. Lo podemos comparar con un tren que viaja entre una ciudad y otra, pero en cada ciudad
unos pasajeros bajan, otros suben con lo cual se modifica el contenido de los vagones.
Lo anterior hace que pueda resultar un poco confuso ver que GNU Radio maneja dos tipos principales
de señales: las que son por chorros, en inglés tipo stream y las de tipo vectorial. Para los propósitos
de comenzar a usar GNU Radio, podemos imaginar que una señal tipo stream es equivalente a una
33
señal que viaja por un cable, mientras que una señal tipo vector es comparable a un bus de N cables
que traen en paralelo N señales. Ası́ por ejemplo, un osciloscopio puede mostrar como cambia una
señal con cada muestra entrante, en cambio, la FFT solo puede realizar un paso de computo solo
cuando en su entrada tenga N muestras de esa señal, lo cual equivale a decir que necesita N muestras
en paralelo. Lo segundo se logra mediante una señal vectorial. Sin embargo, desde el punto de vista
de la programación esos dos tipos de señales es algo un poco más complejo, lo cual se explica en el
capı́tulo 1.6.17.
Aspectos relacionados con el problema especı́fico de la convolución. Estos son problemas que
aparecen con cualquier herramienta de simulación:
En el mundo teórico es posible convolucionar señales de duración infinita. En el mundo de la simu-
lación solo se manejan señales finitas, pero pueden tener tantas muestras como sean necesarias para
lograr buenas aproximaciones.
En el caso de las GNU Radio, los sistemas LIT usados, como por ejemplo el bloque “Interpolating
FIR Filter” necesitan una respuesta al impulso de duración finita, es decir que tenga un número
finito de muestras. En realidad se le pueden dar tantas muestras como sea necesario a la respuesta
al impulso, pero es claro que entre más muestras tenga, más se demorará el sistema en producir la
señal de salida, lo cual se traduce en un retardo que es natural para la convolución.
Primera versión de la solución
En la figura 8 se presenta el flujograma para la primera versión de la solución y pasamos a su descripción.

está muy lejos
Los siguientes son los nuevos bloques usados: de la figura
“Vector source”: Pide un conjunto de valores en forma de un vector que usará para generar una
señal que repitirá una y otra vez. Para el flujograma dado tenemos que:
x = (0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0)
con lo cual se generará una señal rectangular discreta rodeada de ceros.

“Interpolation FIR Filter”: Es un sistema LIT que requiere ser configurado mediante una res-
puesta al impulso que debe ser entregada en forma de vector que hemos llamado h. Para el ejemplo
dado queremos obtener la convolución de una señal rectangular con otra igual, por lo tanto vemos
que h = x. Es importante destacar que en GNU Radio se usa el término “Taps” para referirse a las
componentes de la respuesta al impulso de un sistema. también es común el término “ntaps” para
referirse el número de Taps de la respuesta al impulso.
“Throttle”: Es un bloque que se recomienda usar cuando un flujograma no incluye la interacción
con elementos de hardware, es decir con el mundo fı́sico. Es una especie de director de orquesta, pues
va marcando el ritmo en que salen las muestras en función de la frecuencia de muestreo samp rate.
La necesidad de este bloque consiste más bien en que si no se coloca el sistema puede apoderarse
de todos los recursos del computador, para correr de la manera más rápida posible al punto que el
computador se puede bloquear. La verdad, en las últimas versiones de GNU Radio este bloque no
parece muy necesario para su objetivo primario, pero si se podrı́a usar para varias cosas útiles por
ejemplo, se puede aprovechar para hacer que el sistema corra de manera más lenta de lo que harı́a
en el mundo real para poder observar con cuidado ciertos resultados. Si ese es el fin habrı́a que darle
un valor falsamente premeditado al parámetro “SampleRate00 de ese bloque.
“Delay”: Lo hemos introducido como parte de los equipos de visualización para poder manipular
el retraso en la señal de salida y ası́ poder observarla mejor en un osciloscopio. Como ya se dijo, el
proceso de la convolución se produce con un retardo, pero como nuestro sistema repite lo mismo una
y otra vez, un retardo adicional nos permite ubicar la salida como deseemos visualizarla.
“QT GUI Check Box”: Es un bloque que usaremos en casi todos nuestros flujogramas como
parte de los equipos de visualización para brindar la opción al usuario de pausar el trabajo de un
flujograma que está corriendo.
En la figura 9 podemos ver los resultados que se obtienen al correr el flujograma.
Segunda versión de la solución. Incluye código propio
En la ciencia de Tratamiento de Señales y Sistemas, es muy común experimentar con diversos tipos de
señales singulares. Para cubrir esa necesidad vamos a usar el mismo flujograma ya descrito, pero vamos a
adicionarle el bloque “Python Model” el cual permite incluir código propio que usaremos para generar las
diferentes señales singulares en versión discreta. El resultado de la modificación se presenta en la figura 10.
34
Figura 10: Flujograma para experimentar la convolución usando código embebido.
Flujograma usado: Convolución con python module.grc
Para entrar a programar en Python, se abre el bloque “Python Module”, se le da un nombre como se
muestra en la parte inferior de la figura 10, donde le hemos dado el nombre “e signal”. Seguidamente se
oprime “Open in Editor” se abre un editor y allı́ se escribe el código. El siguiente es un ejemplo que hemos
desarrollado para permitir la generación de diferentes señales singulares en nuestros flujogramas:
# Nota : Este codigo esta g u a r d a d o en forma de un python block en el bloque

j e r a r q u i c o b_help de la l i b r e r i a de bloques j e r a r q u i c o s c o m d i g u i s .
# Lo s i g u i e n t e aplica para todas las f u n c i o n e s aqui i n c l u i d a s :

# Cada funcion busca generar un tipo de forma de pulso rodeada de ceros .
# Los r e s u l t a d o s se e n t r e g a n en forma de un vector x .
# Estos son los p a r a m e t r o s usados :
# ntaps : es el tamano del vector y c o i n c i d e con la d u r a c i o n de la senal g e n e r a d a
.
# nzero : es el numero de ceros que rodean el pulso g e n e r a d o . Si nzero =0 no
# habran ceros .
import numpy as np
# D e s c r i p c i o n : esta funcion permite generar un pulso r e c t a n g u l a r d i s c r e t o
def pulse_rect ( ntaps , nzeros ) :
n_val = ntaps - nzeros # el numero de valores no iguales a cero
x = np . zeros ( ntaps ) # crea un vector de tamano ntaps lleno de ceros
ntaps_m = int ( ntaps /2) # el punto medio del vector
ntaps_i = ntaps_m - int ( n_val /2) # el punto de inicio para los unos
x [ ntaps_i : ntaps_i + n_val :1]= np . ones ( n_val ) # llenado de los unos
return x
# D e s c r i p c i o n : esta funcion permite generar un pulso en forma de rampa d i s c r e t o
def pulse_ramp ( ntaps , nzeros ) :
n_val = ntaps - nzeros
x = np . zeros ( ntaps )
ntaps_m = int ( ntaps /2)
ntaps_i = ntaps_m - int ( n_val /2)
x [ ntaps_i : ntaps_i + n_ones :1]= np . linspace (0 , n_val -1 , n_val )
return x
# Esta funcion permite generar la funcion impulso o delta de Dirac d i s c r e t a
def pulse_delta ( ntaps ) :
35
x [ ntaps_m ]=1
return x
# Esta funcion permite generar una funcion doblete u n i t a r i o d i s c r e t a
def pulse_doublet ( ntaps ) :
x [ ntaps_m ]=1
x [ ntaps_m +1]= -1
return x
# D e s c r i p c i o n : esta funcion permite generar una funcion escalon de H e a v i s i d e
def pulse_step ( ntaps , nzeros ) :
x [ nzeros : ntaps :1]= np . ones ( n_val )
return x
# Una funcion e x p o n e n c i a l de la forma Ca ^n , donde n es tiempo d i s c r e t o
def pulse_exp ( ntaps , nzeros , C , a ) :
ntaps_i = nzeros
n = np . linspace (0 , n_val -1 , n_val )
x [ ntaps_i : ntaps :1]= C * np . power (a , n )
return x
Figura 11: Resultados de la convolución de dos señales con GNU Radio.
En la figura 11 se presentan los resultados para un ejemplo en el que la señal entrante es

x[n] = Can
y la respuesta al impulso es un pulso rectangular.
De manera similar es posible implementar otros sistemas comunes en la Teorı́a de Tratamiento de

Señales y Sistemas como: el acumulador, el diferenciador, etc.
1.4.2. Transformada Rápida de Fourier (FFT)

Repetido...
Se trata de un algoritmo que permite calcular, con un óptimo recurso computacional, la siguiente
36
fórmula.
N
X −1
Ck = xN [n]e−j2πkn/N (1.39)
n=0
1.4.3. La Transformada Rápida de Fourier Inversa (IFFT)

Representa el mecanismo inverso a la FFT. Por lo tanto se apoya en la ejecución de la siguiente fórmula:
N
X −1
xN [n] = Ck ej2πkn/N (1.40)
k=0
1.4.4. Implementaciones en GNU Radio basada en FFT

El uso de la FFT en la práctica pasa por las siguientes consideraciones:
• La FFT puede servir para obtener la RSF de una señal de la siguiente manera:
• Si x[n] proviene de una señal continua, el muestreo debe haber sido realizado respetando el
Teorema de Nyquist.
• La señal debe ser periódica en N.
• La FFT se aplica una única vez, para N, con lo cual se produce un espectro estático.
• El espectro obtenido debe ser dividido en N.
• La FFT puede servir para obtener una aproximación de la TF de una señal de la siguiente manera:
• Si x[n] proviene de una señal continua, el muestreo debe haber sido realizado respetando el
Teorema de Nyquist.
• Entre más grande sea N , la aproximación será mejor. Es claro que si N es exageradamente
grande, resulta engorroso tener que esperar mucho tiempo para obtener el resultado, además
la resolución que se obtiene puede ser exagerada para nuestras necesidades reales.
• La FFT puede servir para obtener un espectro dinámico o instantáneo de una señal de la siguiente
manera:
• Con las muestras de x[n] se van creando paquetes de N muestras. N no debe ser tan grande, se
recomienda que sea igual al número de puntos que su ojo podrı́a distinguir en la pantalla de
su computador, por ejemplo N=1024 o N=512.
• Se aplica la FFT a un paquete de N muestras para obtener N muestras espectrales. Luego se
obtiene la magnitud al cuadrado y se convierte a dB.
• Se repite lo anterior para cada uno de los subsiguientes paquetes, con lo cual en la pantalla
veremos un espectro que va variando en el tiempo.
• La FFT puede servir para obtener la PSD si se aplica de la siguiente manera:
• Se hace lo mismo que el caso anterior, pero cada paquete de N muestras espectrales se va
promediando con los anteriormente recibidos.
37
Figura 12: Flujograma para experimentar la FFT como la RSF de señales periódicas.
Flujograma usado: rsfd.grc
Figura 13: Ejemplo en que se aplica la ecuación de análisis de la RSF por intermedio de la FFT.
Demostración en GNU Radio de la FFT usada para obtener la RSF de una señal periódica
En la figura 12 se presenta un flujograma con tres componentes principales:

Un generador de señales periódicas, representado en el bloque “Vector Source” configurado con una
señal tomada del bloque “Python Module” ya explicado en el capı́tulo 1.4.1. Hemos agregado un
bloque “delay” para poder ir variando el retardo de la señal mientras se observa la RSF de la señal.
En la mitad tenemos el flujograma que corresponde al analizador de la RSF y que se ha construido
con los siguientes bloques:
• “Stream to Vector”: Sirve para convertir el tipo de una señal de stream a vectorial.
• “FFT”: Es el bloque que implementa la FFT.
• “Multiply Const”: Nos sirve como amplificador o como atenuador. En el caso en que la FFT se
usa como analizador para la RSF es necesario dividir en N el resultado, donde N es el periodo
en número de muestras de la señal analizada.
38
• “Complex to Float”: Permite separar el espectro complejo en sus componentes real e imaginaria.
• “Complex to Arg”: Permite obtener el espectro de fases.
• “Complex to Mag”: Permite obtener el espectro de magnitud.
Finalmente, en la parte inferior tenemos las herramientas de visualización. Entre ellas la que no
habı́amos usado hasta el momento es la que brinda una pantalla para visualizar el espectro y está re-
presentada en el bloque “QT GUI vector Sink”. Tenemos 3 unidades que nos permiten observar:
el espectro en magnitud, la RSF en magnitud de la señal de interés, la parte real de misma RSF,
la fase de la misma RSF y es posible introducir un bloque adicional para conocer también la parte
imaginaria de la RSF.
En la figura 13 se presentan los resultados de aplicar la RSF a una señal rectangular periódica, mediante
el flujograma propuesto.
A manera de conclusión podemos decir que si se desea usar la FFT para obtener la RSF de una señal
periódica con periodo discreto de N muestras los aspectos claves a respetar son los siguientes:
El periodo discreto N de la señal debe coincidir con el orden de la FFT.
Teniendo en cuenta que la FFT exige que N deber ser tipo N = 2k , pues lo mismo deberá cumplirse
para el periodo de la señal.
El resultado deberá ser dividido en N .
Demostración en GNU Radio de la FFT usada para obtener la TF de una señal que sea
periódica o no
En la figura 14 se presenta una modificación al flujograma anterior para poder obtener ya no la RSF
de una señal periódica discreta sino la TF discreta de cualquier señal discreta.
Figura 14: Flujograma para experimentar con la FFT para obtener la TF de una señal.
Flujograma usado: tfd.grc
39
Figura 15: Ejemplo en que se usa la FFT para obtener la TF de una señal.
Solo dos cambios han sido necesarios y son los siguientes:

Se ha introducido la variable M con un valor mucho más grande que el periodo N de la señal.
Se ha modificado el bloque “Multiply Const” para que no divida en N como era el caso anterior.
En la figura 15 se presenta el resultado, donde podemos ver que el espectro es ahora más cercano al espe-
rado para la TF de una señal rectangular discreta y periódica.
Podemos concluir que ha medida que se eleve el valor M , el resultado se acercará más a la forma teórica
esperada. Por lo tanto, en los sistemas simulados solo es posible obtener una versión aproximada de la TF
de una señal.
1.5. Variable aleatoria.

1.5.1. Introducción
Arriesgarse a estudiar y sobre todo a practicar con señales aleatorias significa arriesgarse a contactar
con el mundo real. Esto es ası́, pues en el mundo real las señales son usualmente aleatorias. Aunque gran
parte de los temas de este libro pueden apoyarse en el concepto de “Promedios de Tiempo”, hay momen-
tos en los que es necesario acudir a teorı́as más amplias como variable aleatoria y procesos estocásticos.
Estudiar el tema de variable aleatoria y más adelante con el tema de procesos estocásticos, significa una
especie de reconciliación con los matemáticos que trabajan en función de aplicaciones más amplias que
cuando se usan “Promedios de Tiempo” y pueden llegar a ser adaptadas a las señales y a los sistemas.
A manera de ejemplo, imaginemos que contamos con una señal de ruido discreta x[n] de N muestras
con valores positivos. Luego, convocamos a diferentes expertos y les decimos: aquı́ tienen estas muestras,
trabajen en ellas, analı́cenlas y nos dan su opinión?.
Nosotros, como expertos en simulación con GNU Radio verı́amos en esas muestras una señal x[n]
compuesta de las muestras x[1], x[2], ..., x[N ] que tienen un comportamiento en tiempo y en frecuencia,
podarı́amos mostrarla en una especie de osciloscopio y hasta en un analizador de espectros. También
podrı́amos mostrar promedios de tiempo de esa señal, como la media, la varianza, un histograma, etc.
Supongamos que el experto es ahora un profesor de estadı́stica acostumbrado a estudiar el comporta-

miento de ciertas variables como el precio del dolar, la frecuencia de las lluvias, etc. El podrı́a imaginar que
alguien está realizando el experimento de medir la altura de los estudiantes de la universidad. Para ello
se para a la entrada de la universidad y realiza N ensayos, en cada uno de los cuales mide la altura a un
estudiante tomado aleatoriamente. Como resultado se tienen las muestras que está analizando. Entonces,
al matemático en cuestión poco le importa relacionar esas muestras con el tiempo y menos conocer si
tiene un espectro de frecuencias o un ancho de banda. Pero sı́ va a querer conocer la esperanza (la media),
la varianza, la desviación estándar, la Función de Densidad de Probabilidad, la Función de Distribución
Acumulativa y todo lo que se relacione con ellos.
Ambos expertos van a obtener resultados similares, pero el primero encuentra relaciones adicionales en
tiempo y frecuencia. Además, ambos expertos van a usar notaciones diferentes, el primero las relacionadas
40
con promedios de tiempo y el segundo con variable aleatoria.
En conclusión, lo que se gana al usar el concepto de variable aleatoria es la posibilidad de aprovechar

en las comunicaciones los avances que existen en la teorı́a de las probabilidades en general. En todo caso, el
estudio del tema de variable aleatoria es imprescindible para llegar a estudiar el tema de procesos estocásti-
cos que es una rama más genérica aún para estudiar las señales aleatorias en un sentido más amplio. Por
ejemplo, si lo que me interesa es conocer qué tienen en común las voces de todos mis familiares, tendré que
hacer diferentes ensayos para grabar en cada caso la voz de un familiar, luego podrı́a hallar el promedio
de todas las voces, lo cual darı́a una nueva señal de tiempo, a eso se refieren los procesos estocásticos, a
retornar al parámetro de tiempo a partir de los conceptos de variable aleatoria.
El siguiente es un ejemplo de variable aleatoria. Supongamos que usted ha sido contratado para caracte-
rizar la estatura de los estudiantes de su universidad. Entonces usted decide usar los siguientes parámetros:
la estatura promedio, la desviación estándar, entre otros. Luego, usted decide realizar un experimento: me-
dir de manera aleatoria a cada estudiante que entra ese dı́a a la universidad. También querrá medir de
manera aleatoria otras cosas que pueden guardar relación obvia o no tan obvia con la estatura como: la
edad o el número de calzado, el sexo. Entonces crea una tabla con una columna para cada una de las
mediciones, donde X representa la estatura, Y la edad y Z el calzado. X, Y, Z - son variables aleatorias.
Tabla 1.1: Ejemplo variable aleatoria.
Ensayo X Y Z
1 x1 = 1,80 y1 = 18 z1 = 40
2 x2 = 1,70 y2 = 20 z2 = 39
3 x3 = 1,73 y3 = 17 z3 = 43
... ... ... ...
También puede usar la siguiente notación:

X = x1 , x, x, ...
1.5.2. Principales conceptos de variable aleatoria

Los siguientes son los principales términos usados:
Ensayo (Realization): Cada prueba que usted realiza.
Punto muestra o punto muestral (Sample Point): El resultado de cada ensayo, en este caso xi
es el punto muestral del ensayo i de la variable aleatoria X.
Espacio muestral (Sample Space): Es el conjunto de todos los puntos muestra posible para va-
riable aleatoria.
La esperanza (Average or expected value): Es la manera de referirse al promedio de puntos

muestra y se representa como E[variable aleatoria] ası́:
x1 + x2 + ... + xN x2 + x22 + ... + x2N

E[X] = ; E[X 2 ] = 1 (1.41)
N N
(x1 − A)2 + (x2 − A)2 + ... + (xN − A)2
E[(X − A)2 ] = (1.42)
N
N es el número de puntos muestra tenidos en cuenta.
Pero hay casos en que no se conocen los puntos muestra sino otros parámetros que se han obtenido a
partir de ellos y que también definen la variable aleatoria como la Función de
R ∞Densidad de Probabilidad
fX (x). Por eso hay otras formas para obtener la esperanza como: E[X] = − ∞ xfX (x)dx.
La media de una variable aleatoria X : µX = E[X]
41
La media cuadrática de una variable aleatoria X: Corresponde a E[X 2 ]
La varianza de una variable aleatoria X : varX = E[(X − µX )2 ] = σX

2
q
La desviación estándar de X : σX = E[(X − µX )2 ]
La correlación entre las variables X, Y : RXY = E[XY ]
La Función de Densidad de Probabilidad: f (x) = P (X < x)

Rx
La Función de Distribución Acumulativa: F (x) = f (u)du
−∞
En conclusión:
Los promedios de tiempo es una herramienta que, a primera vista, resulta más natural para el análisis
de señales aleatorias con GNU Radio, porque las señales usadas se relacionan obligatoriamente con
el tiempo y los sistemas usados son de tiempo real.
Sin embargo, pueden haber casos más complejos donde esa herramienta se queda corta. Por ejemplo,
cuando un sistema de comunicaciones tiene múltiples antenas y consiguientemente múltiples señales
de entrada. Para estos casos, las soluciones se han enfocado al uso de los procesos estocásticos como
herramienta de análisis y estos se basan en el concepto de variable aleatoria. Sin embargo, no hace
falta llegar a esa complejidad para usar los procesos estocásticos ya que estos sirven para cualquier
propósito. Por ejemplo, una sola señal, si se recorta en N secciones, puede ser vista como N señales
aleatorias que se pueden analizar mediante procesos estocásticos.
1.6. Señales aleatorias

1.6.1. Planteamiento del problema
Hasta el momento, se han visto señales teóricas o deterministicas que pueden ser presentadas por
fórmulas matemáticas u otras maneras. En el mundo real las señales son casi siempre aleatorias y eso hace
que los conceptos vistos anteriormente no se puedan aplicar de manera directa. Por ejemplo, si preten-
demos usar el concepto estricto de la TF para observar, en el dominio de las frecuencias la voz de una
persona, deberı́amos esperar a que esa persona hable durante toda su vida antes de aplicarle la TF, pues
esta, por definición analiza la señal en el tiempo que va desde t = −∞ hasta t = ∞. Es claro que esto no es
viable en la mayorı́a de las aplicaciones prácticas debido a la necesidad de resultados en tiempos más reales.
Del análisis anterior surge la pregunta: ¿Es posible usar herramientas de análisis como la Transformada
de Fourier, los filtros, los sistemas LIT, etc, que han tenido su origen en señales determinı́sticas, para
analizar señales del mundo real donde predomina más bien la aleatoriedad y el caos? ¿Cómo hacerlo?.
1.6.2. Promedios de tiempo en señales reales

La respuesta está en la necesidad de adaptar esos conceptos a dos posibles campos:
• La teorı́a de señales aleatorias, la idea consiste en que si bien las señales son aleatorias, varios
parámetros pueden ser vistos como determinı́sticos, al menos dentro de ciertos lı́mites. Por ejemplo
la media de una señal, la desviación estándar, la potencia promedio, la distribución de la potencia
promedio en el dominio de las frecuencias, los cuales se pueden calcular de manera aproximada al
observar el comportamiento de la señal durante un tiempo tan corto o tan grande como tan pequeña
o grande sea la exactitud deseada.
• La teorı́a de procesos estocásticos, puede ser visto como una mayor generalización de la teorı́a de
señales aleatorias, cuando la cuestión no se trata de analizar una sola señal sino un grupo de ellas.
Por ejemplo, supongamos que hemos reunido las señales de voz de muchas personas diferentes para
probar cómo se comportan al pasar por un sistema. El promedio de esas señales es otra señal que
varı́a en el tiempo, pero que tiene un comportamiento más predecible.
En este capı́tulo solo hablaremos de la teorı́a de señales aleatorias. Supongamos que en el problema
en que usted trabaja solo se cuenta con una señal aleatoria, debido a las especificaciones de ese problema.
Es claro que esa señal tiene una media y por lo tanto todos esos parámetros que se derivan de la media,
como la media cuadrática, la varianza, la desviación estándar, etc. Incluso la función de distribución de
42
probabilidad. En este caso, el concepto que se usa se conoce como promedios de tiempo. Los cálculos son
similares a los que se realizan con una variable aleatoria, la diferencia está en que la variable tiene un
resultado en cada instante de tiempo y que hay infinitos instantes de tiempo, ya que el tiempo es continuo.
El promedio de tiempo para una señal a(t) se representa como < a(t) > y se halla ası́.
Z T Z T
1 1
< a(t) >= lı́m a(t)dt = lı́m aT (t)dt (1.43)
T →∞ 2T −T T →∞ 2T −T
Donde aT (t) es una versión truncada de a(t) como se muestra en la siguiente figura.
Figura 16: Señal truncada.
𝒂(𝒕)
𝒂𝑻 (𝒕)
𝐭
-𝐓 𝐓
Como puede observarse, entre más grande sea T, más alta es la exactitud en el cálculo del promedio
de una señal.
1.6.3. La media de una señal x(t)

La media de una señal x(t) es:
Xm =< x(t) > (1.44)
1.6.4. La media cuadrática de una señal x(t)

La media cuadrática de una señal x(t) es:
Xc =< x2 (t) > (1.45)
1.6.5. Otros promedios de tiempo

La Varianza
σx 2 =< [x(t) − Xm ]2 > (1.46)
La Desviación Estándar p
σx = < [x(t) − Xm ]2 > (1.47)
1.6.6. El valor RMS

El valor RMS (del inglés, Root Mean Square que se traduce como Raı́z del Valor Medio Cuadrático)
de una señal x(t):
p
XRM S = < |x(t)|2 > (1.48)
Como podemos ver, hemos usado |x(t)| en lugar de x(t) debido a que x(t) puede ser una señal compleja
en cuyo caso el Valor RMS se refiere a la magnitud media de señal.
43
1.6.7. La potencia promedio de una señal x(t)
La potencia promedio normalizada de una señal
2 2
P = XRM S =< |x(t)| > (1.49)
Esta manera de concebir la potencia suscita cierta controversia debido a que nuestras señales usualmente
tienen una procedencia eléctrica, de manera que la potencia deberı́a estar relacionada con un voltaje y una
corriente o la impedancia por la cual viaja esa corriente. En este aspecto es importante aclarar lo siguiente:
no todas las señales son de naturaleza eléctrica, pero sı́ puede ser necesario conocer su potencia
una señal puede cambiar su naturaleza al pasar por varia etapas de un sistema de comunicaciones.
Por ejemplo, en un receptor, la señal que llega a la antena es una señal electromagnética; la antena
la transforma en una señal que en la mayorı́a de los casos es vista como una señal de voltaje, pero,
dependiendo del bloque que la trate también podrı́a ser vista como una señal de corriente o algo
diferente; la señal pasa luego por un ADC y lo que se tiene ahora es una señal discreta representada
en forma de números que guardan relación con la amplitud de la señal antes del ADC, también
podemos decir que es una señal digital.
Las técnicas SDR realizan mayormente un procesamiento de señales digitales, en las cuales ya se ha
perdido la relación que pueda existir entre la corriente y el voltaje. Con esto no estamos descartando
que pueda existir un sistema que mantenga esa relación, pero no ocurre ası́ en los sistemas conocidos
de comunicaciones conocidos hoy.
Por lo anteriormente explicado, cuando se trata de procesar señales con técnicas SDR conviene usar un
concepto genérico de potencia, que para los propósitos de este libro estamos llamando “potencia normali-
zada”. Pero no ocurre lo mismo cuando entramos a considerar las señales electromagnéticas, por ejemplo
cuando se requiere conocer la potencia con que debe ser radiada una señal para que, al recorrer una una
distancia d [metros] llegue con una potencia Pr [Vatios]. En cualquier caso la potencia puede ser medida
en Vatios, pero una cosa son los Vatios del mundo fı́sico (señales eléctricas) y otra cosa los que se usan
en el procesamiento digital. Con este concepto no tendremos mayores problemas debido a que en las co-
municaciones es la relación señal a ruido (SNR, del inglés Signal to Noise Relationship) la que conserva la
relación entre el mundo fı́sico y el del procesamiento digital.
1.6.8. La función de Autocorrelación

La función de Autocorrelación de x(t):
Z T
1
RX (τ ) =< x(t)x(t + τ ) >= lı́m x(t)x(t + τ )dτ (1.50)
T →∞ 2T −T
En el caso de las señales complejas la definición cambia debido a que la Función de Autocorrelación es
función de la potencia
Z T
1
RX (τ ) =< |x(t)x(t + τ )| >= lı́m |x(t)x(t + τ )|dτ (1.51)
T →∞ 2T −T
Es importante notar que:

• La función de Autocorrelación evaluada en τ = 0, es igual a la media cuadrática de la señal.
• Por lo anterior, si la media de la señal es cero, entonces la función de Autocorrelación evaluada en
τ = 0, es igual a la potencia promedio de la señal.
1.6.9. La Función de Densidad de Probabilidad

La Función de Densidad de Probabilidad (FDP) describe la probabilidad de cada valor que puede
tomar una variable aleatoria. También permite conocer la probabilidad de que una variable aleatoria caiga
dentro de un rango de posibles valores. Para los propósitos de este resumen, resulta suficiente comprender
lo que representa la curva de la FDP en un ejemplo como el que se presenta en la figura 17.
44
Figura 17: Ejemplo de la Función de Densidad de Probabilidad.
Para el ejemplo que representa esa figura, podemos observar que la probabilidad de que la variable
aleatoria X tome el valor b es aproximadamente 0,1, que si se expresa en porcentaje, equivale al 10 %. El
área bajo la curva de la FDP es siempre igual a 1. La probabilidad de que la variable aleatoria tome un valor
menor que b, es decir P (X < b) es igual al área bajo la curva desde −∞ hasta b y para el ejemplo dado en la
figura 17 se encuentra sombreada en color azul. De manera similar, buscando siempre el área bajo la curva
entre intervalos diversos es posible encontrar la probabilidad de que X tome cualquier otro rango de valores.
Un aspecto muy importante a tener siempre en cuenta es que la FDP caracteriza completamente a una
variable aleatoria. Es decir, si se conoce la FDP de una variable aleatoria, ya se tiene toda la información
sobre esa variable.
En GNU Radio es común aproximarse a la FDP mediante lo que se conoce como un histograma,
mientras que el uso de una forma continua de la FDP es más común en los análisis teóricos. En los
histogramas usualmente se considera que la variable aleatoria puede tomar un número finito de valores
discretos, como se muestra en el ejemplo de la figura 18. Solo hay que tener en cuenta que los histogramas no
siempre se refieren a la FDP de una señal aleatoria, es más bien una manera gráfica de mostrar resultados
de mediciones o de observaciones estadı́sticas, de manera que en el eje de las coordenadas podrı́a estar
la probabilidad, pero también el precio del dolar, datos de habitantes o valores de voltaje medidos a una
señal. En el caso especı́fico de GNU Radio se tiene el bloque “QT GUI Histogram Sink” que tiene como
entrada una señal, realiza un conteo de las veces que se repiten los valores de la señal para mostrar una
distribución, pero no calcula la probabilidad, como en el ejemplo que se muestra en la figura 38.
45
Figura 18: Ejemplo de un histograma.
fuente: Matplolib
1.6.10. La Función de Distribución Acumulativa

La Función de Distribución Acumulativa (FDA) es otra manera de caracterizar completamente una
variable aleatoria, pero no es nada nuevo con respecto a la FDP, sino más bien una deducción de ella, ya
que la FDA se puede expresar como:
Zx
F (x) = f (u)du, (1.52)
−∞
Donde f (u) es la FDP de una variable aleatoria U .
1.6.11. Promedios de tiempo en señales complejas

En el caso de las señales complejas es especial, ya que una señal es una especie de matrimonio entre una
señal real y una imaginaria, de modo que es una pareja inseparable de señales. En este caso, es importante
tener en cuenta lo siguiente:
• Una señal compleja, aunque es un apareamiento entre dos señales, puede ser vista como una sola
cosa si se representa como un vector en el plano complejo, el cual puede variar diversos parámetros
como su velocidad, su magnitud, su fase.
• Hablar del promedio de tiempo en una señal compleja es hablar del comportamiento promedio del
vector.
• El promedio de tiempo se puede definir como el valor complejo, donde la parte real y la imaginaria
resultan de sacar el promedio de tiempo de la parte real de la señal y de la parte imaginaria res-
pectivamente. Lo cual, se traduce en el punto del plano complejo donde hay mayor probabilidad de
encontrar al vector.
• En el caso del valor RMS es un tanto diferente ya que guarda relación con la potencia de una señal
que bien podrı́a ser compleja; en vez de la media cuadrática, lo que se usa es la magnitud cuadrática
media del vector en el plano complejo. Esto se traduce en la longitud al cuadrado más probable para
el vector.
• La magnitud media, se deduce de lo dicho anteriormente, ya que es la raı́z cuadrada de la magnitud
cuadrática media.
En este caso, la potencia promedio de una señal es claramente el cuadrado de la magnitud media.
46
De acuerdo a las consideraciones anteriores, la media de una señal compleja aleatoria es un valor
complejo y le corresponde esta fórmula:
Xm =< xr (t) > +j < xi (t) > (1.53)

Donde xr (t) y xi (t) corresponden a la parte real y a la imaginaria respectivamente de la señal analizada.
La magnitud media cuadrática de una señal compleja aleatoria es un valor real y le corresponde la
siguiente fórmula:
|Xc | =< |x(t)|2 > (1.54)

También es válido decir que:
|Xc | = Xrc + Xic (1.55)
Donde Xrc y Xic son la media cuadrática de la parte real y de la parte imaginaria respectivamente de la
señal analizada x(t). A la función de Autocorrelación le corresponde la fórmula:
Z T
1
RX (τ ) =< |x(t)x(t + τ )| >= lı́m |x(t)x(t + τ )|dτ (1.56)
T →∞ 2T −T
Potencia promedio normalizada es:

P = Xc (1.57)
De igual manera, se puede deducir que el Valor RMS para las señales complejas es:
p p
XRM S = |Xc | = < |x(t)|2 > (1.58)
En el caso particular, cuando la media de una señal es cero, la potencia promedio es la misma varianza
P = σx2
cuando
Xm = 0
1.6.12. La Densidad Espectral de Potencia

La PSD como un promedio de tiempo: Ya se ha dicho que la PSD es la distribución de la potencia
promedio, de la señal analizada en el espectro de frecuencias. La PSD de una señal x(t) se representa como
SX (f ).
Debido a la anterior afirmación se obtiene que:
Z ∞
P = SX (f )df (1.59)
−∞
Pero la potencia promedio también puede ser hallada en el dominio del tiempo, aunque de manera
aproximada, recurriendo a una versión truncada xT (t) de la señal x(t) ası́:
Z ∞
1
P = lı́m |xT (t)|2 dt (1.60)
T →∞ 2T −∞
Ahora recordemos que, de acuerdo a la relación de Parseval:

Z ∞ Z ∞
|x(t)|2 dt = |X(f )|2 df (1.61)
−∞ −∞
Por lo tanto, también es válido hallar la potencia promedio de una señal xT (t) a partir de su TF
X(f, T ):
Z ∞
P = |X(f, T )|2 df (1.62)
−∞
Donde X(f, T ) es la TF de xT (t):

Z ∞ Z T
X(f, T ) = xT (t)e−j2πf t dt = x(t)e−j2πf t dt (1.63)
−∞ −T
47
Ahora, igualemos 1.59 y 1.62 para obtener:
Z ∞ Z ∞
SX (f )df = |X(f, T )|2 df (1.64)
−∞ −∞
Con lo cual se deduce que la PSD se puede calcular a partir de la TF de una versión truncada de la
señal ası́:
1
SX (f ) = lı́m |X(f, T )|2 (1.65)
2T
T →∞
Como es bien sabido, las dimensiones de la TF de una señal de voltaje son en V/Hz, de modo que las
de la TF en magnitud al cuadrado son en W atts/Hz 2 . Por lo tanto, las de la PSD son de Watts/Hz.
1.6.13. Relación de la Densidad Espectral de Potencia con la función de

Autocorrelación
Existe una importante relación entre PSD y Autocorrelación de una señal aleatoria la cual se expresa
de la siguiente manera: SX (f ) es también la TF de RX (τ ) entonces,
Z ∞
SX (f ) = RX (τ )e−j2πf τ dτ. (1.66)
−∞
Consecuentemente la potencia promedio se puede hallar también como:
P = RX (0) (1.67)
1.6.14. Señal binaria bipolar aleatoria

Uno de los primeros pasos en el estudio de las comunicaciones consiste en conocer y analizar ciertas
señales que son claves. Una de ellas son las señales binarias bipolares aleatorias.
Obtenemos primero La función de Autocorrelación. Tomaremos como ejemplo la señal x(t). de la

figura 19 donde Tb es el ancho de cada pulso que en términos de señales digitales, puede ser equivalente a
la duración de un bit. x(𝐭)
Figura 19: Ejemplo de una señal binaria aleatoria bipolar x(t).
A 𝑻𝒃
-A
1 RT
Recordemos que RX (τ ) =< x(t)x(t + τ ) >= lı́mT →∞ x(t)x(t + τ )dτ . En la figura 20 se tiene
2T −T
la forma de la señal x(t + τ ) cuando τ < Tb
48
Figura 20: El desplazamiento de la señal binaria aleatoria bipolar que resulta en la señal τ < Tb .
𝒙(𝒕 + 𝝉)
𝑵𝒆𝒄𝒆𝒔𝒊𝒕𝒂𝒎𝒐𝒔
𝒙(𝒕 + 𝝉) A
-A
𝝉
Vamos a revisar los siguientes casos:

• Caso en que τ = 0:
Tenemos que < x(t)x(t + τ ) >=< x2 (t) >=< A2 >= A2
• Caso en que 0 < τ < Tb :
En este caso, la operación x(t)x(t + τ ) tiene la forma que se presenta en la figura 21.
Figura 21: Multiplicación de la señal x(t) con su versión desplazada x(t + τ ) cuando 0 < τ < Tb .
Para 𝟎 < 𝝉 < 𝑻𝒃

𝟎 < 𝝉 < 𝑻𝒃
𝑨𝟐
x(t)  𝑥(𝑡 + 𝜏)
−𝑨𝟐
Caso en que τ = Tb : Tenemos que la multiplicación x(t)x(t + τ ) resulta siendo una nueva señal
binaria aleatoria bipolar como se muestra en la figura 22.
49
Figura 22: Multiplicación de la señal x(t) con su versión desplazada x(t + τ ) cuando tau = Tb
𝝉 = 𝑻𝒃
𝑨𝟐
−𝑨𝟐
Vemos que para τ = 0, x(t)x(t + τ ) = A2 y su promedio de tiempo es < x(t)x(t + τ ) > A2 que es la mis-
ma potencia promedio. Cuando 0 < τ < Tb el promedio de tiempo de x(t)x(t + τ ) cae linealmente. Cuando
τ = Tb ocurre que x(t)x(t + τ ) se convierte en una nueva señal binaria bipolar aleatoria, cuyo promedio de
tiempo es cero. Algo similar ocurre cuando τ > Tb . Ahora, cuando τ < 0 ocurre lo mismo que cuando τ > 0.
Es importante tener en cuenta que la función de Autocorrelación evaluada en cero es la misma po-
tencia promedio P = RX (0), solo que para el caso dado, P = RX (0) = A2 . De modo que la función de
Autocorrelación tiene la forma de la figura 23.
Figura 23: La función de Autocorrelación de una señal binaria aleatoria bipolar.
𝑹𝒙 (𝝉)
𝑷 = 𝑹𝒙 (𝟎)
𝝉
−𝑻𝒃 0 𝑻𝒃
Recordemos que la PSD es la TF de la función de Autocorrelación. De manera que podemos usar la
función de Autocorrelación obtenida para buscar la forma de la PSD. Para ello, expresamos la función de
Autocorrelación como una Convolución ası́:
1
Rx (τ ) = RX1 (τ ) ∗ RX1 (τ ) (1.68)
Tb
Donde RX1 (τ ) tiene una forma rectangular como se muestra en la siguiente figura 24.
50
Figura 24: Forma de RX1 (τ ). Error: En el eje del tiempo: 1) debe mostrar flecha con la letra τ ; 2)
a la izquierda del rectángulo debe aparecer −Tb /2, a la derecha Tb /2
𝑹𝒙𝟏 (𝝉)
A
𝑻𝒃 0 𝑻𝒃
−
𝟐 𝟐
De esta manera podemos usar la TF de una señal de forma rectangular, la cual es bien conocida y que
se muestra en la figura 25. Error en la gráfica ya que Rx1 (τ ) debe estar entre −Tb /2 y Tb /2.
Figura 25: RX1 (τ ) y su Transformada de Fourier.
𝑹𝑿𝟏 (𝝉) 𝑺𝑿𝟏 (𝒇)

A 𝑻𝒃
A
TF
𝒇
−𝑻𝒃 0 𝑻𝒃 −𝟐 −𝟏 𝟏 𝟐
𝟐 𝟐 𝑻𝒃 𝑻𝒃 𝑻𝒃 𝑻𝒃
Nótese que SX1 (f ) estarı́a dado en V/Hz tal como se conoce la TF de una señal cuadrada.
También aprovechamos el Teorema de la Convolución, también conocido como Teorema de Wiener

Khitchine que dice que si se tiene:
TF
x1 (t) = → X1 (f ) (1.69)
y
TF
x2 (t) = → X2 (f ) (1.70)
Entonces
TF
x1 (t) ∗ x2 (t) → X1 (f )X2 (f ) (1.71)
Luego,
1 TF 1 2
RX1 (τ ) ∗ RX1 (τ ) → SX (f ) (1.72)
Tb Tb 1
51
Figura 26: PSD de la forma forma de RX1 (τ ).
𝑺𝒙 (𝒇)
-------------- 𝑃 𝑇𝑏 (𝑉𝑎𝑡𝑖𝑜𝑠/𝐻𝑧)
𝒇 (𝑯𝒛)
𝟏 𝟐
𝑻𝒃 𝑻𝒃
De esta manera se obtiene que la forma de la PSD de una señal binaria aleatoria bipolar corresponde
a la función sinc cuadrática:
SX (f ) = P Tb sinc2 (f /Rb ) (1.73)
donde Rb = 1/T b es la rata de bits. La gráfica de la PSD de una Función Binaria Aleatoria Bipolar se
presenta en la figura 26.
1.6.15. El ruido blanco

El ruido blanco (WN, del inglés White Noise) siempre está presente en cualquier medio de propagación,
pero no deja de ser una abstracción matemática, debido a ciertos supuestos como:
• Tienen un ancho de banda infinito. De allı́ viene el término “blanco”, pues se supone que el color
blanco resulta de combinar homogéneamente todos los colores (las frecuencias).
• La Densidad Espectral de Potencia es constante e igual a N0 /2, donde:
N0 = kTe (1.74)
Donde k es la constante de Boltzmann y Te es la temperatura equivalente del ruido en el receptor.
La idea de relacionar la potencia del ruido con un valor de temperatura equivalente proviene de
experimentos realizados con sistemas electrónicos, donde se ha observado que a medida que aumenta
la temperatura en estos sistemas, aumenta el ruido, de manera que la temperatura resulta en este
caso directamente proporcional con la potencia. En los sistemas de comunicación, el ruido N0 puede
tener una componente relacionada con las caracterı́sticas del receptor, pero es también muy relevante
tener en cuenta que la señal que llega a la antena de un receptor tiene el ruido natural del medio
inalámbrico.
• La función de Autocorrelación es una función delta centrada en cero, como se muestra en la figura
27, lo cual significa que dos muestras del ruido, por muy cercanas que sean no están correlacionadas,
de modo que una muestra aparece correlacionada solo con sı́ misma. En este sentido, el ruido blanco
es lo último en aleatoriedad.
52
Figura 27: PSD del ruido blanco y su función de Autocorrelación.
𝑺𝒘 (𝒇) 𝑹𝒘 (𝝉)
𝑵𝟎
𝑵𝟎
𝟐 𝜹(𝝉)
𝟐
𝒇 𝝉
0 0
(a) (b)
• Conocer el desempeño de un sistema de comunicaciones frente al ruido blanco que puede presentarse
en el canal, no deja de ser una idealización, pero sirve de referencia para caracterizar el sistema y
los métodos usados en el procesamiento de la información.
1.6.16. La voz humana en la telefonı́a

El sonido es uno de los principales tipos de mensajes que se emiten por los medios de comunicación y se
usa intensamente en ejemplos y prácticas de este libro, sobre todo los sonidos que el ser humano emite para
comunicar. La voz es toda una ciencia, sin embargo, para los propósitos del presente libro los siguientes
apuntes son los de mayor relevancia:
• El sonido son ondas mecánicas longitudinales, se desplazan de un lugar a otro mediante perturba-
ciones de un medio elástico (sólido, lı́quido, gaseoso).
• Las ondas sonoras se reducen a los lı́mites de frecuencia que pueden estimular el oı́do humano para
ser percibidas en el cerebro.
• Los lı́mites de frecuencia de las ondas sonoras se extienden de aproximadamente 20 Hz a cerca de
20 [[kHz]] y se llaman lı́mites de audición.
• La voz está constituida por un conjunto de sonidos generados por el aparato fonador, de manera que
tiene un menor rango de frecuencias que el sonido.
• En aplicaciones reales de comunicaciones, una señal de voz es una señal aleatoria, desde este punto
de vista sus caracterı́sticas son de tipo aleatorio, pero además depende de cada persona.
• De acuerdo a los estudios tenidos en cuenta por la UIT, la mayor energı́a de la voz se encuentra
concentrada por debajo de los 4 [[kHz]]. De modo que la UIT ha establecido que para los propósitos
de la telefonı́a, la señal de la voz puede estar limitada a 4 [[kHz]]. Es por eso que, al implementar-
se las tecnologı́as digitales en la frecuencia fija, se estableció que la frecuencia de muestreo es de
Samprateaudio = 8 [[kHz]]. También se estableció que los niveles de cuantificación son 256, lo cual
equivale a 8 bits por muestra ya que N bpS = 256 = 28 .
• De lo anterior se deduce que la rata de bits en la telefonı́a es de Rb = SamprateaudioxN bps = 64
kbps.
1.6.17. Programación de sistemas de tiempo real

Falta explicar en alguna parte
lo que son los tipos de bloques (sincronizados, decimadores, interpoladores o genericos. Eso es parte
de la programacionen tiempo real. Una buena fuente es el punto 3.3.1. de https://wiki.gnuradio.
org/index.php/Guided_Tutorial_GNU_Radio_in_Python#3.2._Where_Do_Blocks_Come_From.3F )
programacion por codigo en python, como se hace en: https://docs.google.com/document/d/
1-lVX3qTIA39x_xztyoXQljkz3oxwXDnu1pgcCxuC5hg/edit?usp=sharing
En realidad el material ya lo tenemos, como podemos ver en: https://docs.google.com/document/
d/1-lVX3qTIA39x_xztyoXQljkz3oxwXDnu1pgcCxuC5hg/edit?usp=sharing. Lo que falta es decidir si
hacemos una explicacion sobre como usar esos manuales o si incluimos en el libro parte de lo que
aparece en ellos.
53
uso del manual. Entiendo que solo existe el manual para programción en C++, de manera que hay
que saber usarlo en los propósitos de python. Ese manual es el que está en esta URL: https://
www.gnuradio.org/doc/doxygen/classgr_1_1analog_1_1sig__source__f.html. Siendo ası́ ası́ es
necesario crear unas instrucciones para aprender a manejar ese manual con los propósitos de python,
hay algo parecido en el punto 3.1.3 de https://wiki.gnuradio.org/index.php/Guided_Tutorial_
GNU_Radio_in_Python#3.1.3._A_Look_at_Documentation
En este capı́tulo se dan algunos pasos más avanzados en programación con GNU Radio y es el momento
de hablar de programación de sistemas de tiempo real. Se trata de un área especial de la programación
donde se trabaja con señales que tienen sentido dentro de un corto periodo de tiempo. Es precisamente el
caso de los sistemas de comunicaciones. Cualquiera que sea el lenguaje de programación, cuando se trabaja
con sistemas de tiempo real, la programación debe ser suficientemente eficiente como para que el sistema
de comunicación no se congestione de operación que hagan colapsar el sistema. Es quizá por esa razón
que existen herramientas especializadas en este tipo de programación como son: GNU Radio, labview, las
herramientas de proveedores de tecnologı́a como es el caso de KeySight.
En la programación en tiempo real es importante aprender a trabajar con señales, pues son las que
necesitan desplazarse entre los bloques en tiempo real. El término señal lo usamos aquı́ en un sentido
similar al que se usa en simulink. Se refiere aquello que un bloque de GNU Radio transfiere a otro bloque
GNU Radio para entregarle información. Entonces, se trata de la información pero también la manera en
que ella se entrega. Desde este punto de vista hay dos tipos de señales:
Las tipo stream: La idea con este tipo de señales, es que el usuario de un bloque, tenga la ilusión
de estar trabajando con un bloque con el que no debe preocuparse por empaquetar las muestras y
consecuentemente no debe pensar en definir un tamaño para esos paquetes.
Las tipo vector: Supongamos que un bloque no puede funcionar si no tiene N valores en la entrada.
Es el caso de la FFT, si no tiene N muestras listas para ser procesadas no puede hacer nada. En el
mundo fı́sico esto equivale a los bloques que necesitan varias señales de entrada en paralelo. Entonces,
el usuario debe preocuparse por definir el tamaño N de cada trama que desea sea procesada de esa
manera. Lo que resulta es una señal vectorial
GNU Radio impone un formato orientado a cumplir los fines de programación de sistemas de tiempo real.
En ese formato, las señales nunca llegan a un bloque muestra por muestra, más bien por arrays. En este
sentido las reglas son:
Una señal de tipo stream puede ser vista como un array de una dimensión, solo que el tamaño del
array puede ir cambiando como se muestra en la figura 28
En un instante, la señal estará definida por:
in = [x0 , x1 , xNk −1 ]
Figura 28: Señal tipo stream.
Una señal de tipo vector puede ser vista como un array de dos dimensiones, solo que el tamaño de las
columnas es constante, pero puede haber un tamaño variable de filas como se muestra en la figura
29.
54
Figura 29: Señal tipo vector.
En un instante, la señal estará definida por:

 
x0 x1 x2 ... xN −1
 xN x N +1 ... ... ... 
in =   ...

... ... ... ... 
xkN xkN +1 ... ... xk(N −1)
Teniendo en cuanta que “in” es un array 2D, en algunos casos puede ser valioso convertirlo en un
array 1D, con lo cual se obtiene algo similar a lo mostrado en la figura 28, pero con un mayor control
sobre Ni ya que ahora sabemos que es múltiplo entero de N . Un ejemplo en el cual esto ha resultado
útil es el caso de un bloque “b EyeDiagram f” que es parte de la librerı́a comdiguis que acompaña a
este libro. Al usar señales tipo stream, Ni resultaban siendo valores muy pequeños para el propósito
de promediado, entonces se usó un conversor a señal vectorial con un valor N adecuado al problema,
pero dentro del bloque se hizo una conversión del array 2D resultante a un array 1D pues en ese caso
era más natural trabajar con array 1D. La conversión se hizo en Python con el comando reshape(-
1) y se detalla en el ejemplo para un visualizador de Diagrama de Ojo que aparece en el capı́tulo
1.6.17.2.
Otro importante aspecto a destacar es la frecuencia de muestreo. En GNU Radio no sucede como
en otros lenguajes como el que se ofrece en la herramienta de Simulink de Matlab, donde cada
señal lleva información más completa sobre esa señal, por ejemplo lleva la información sobre la
frecuencia de muestreo. En GNU Radio, cuando la señal se relaciona con el mundo real, por ejemplo
cuando entra de un micrófono, cuando sale por una bocina, cuando se entrega o se recibe de un
USRP, es impuesta por esos equipos que mantienen la relación con el mundo real. Claro está, que
es posible configurar esos equipos para que reciban una u otra frecuencia de muestreo. Si no se
tiene uno de esos equipos, entonces la velocidad con que corren las señales las impone el sistema y
se desconoce a menos que incluyamos un bloque que se llama Throttle para que marque el ritmo
en función de nuestras necesidades que pueden ser las del mundo real. Pueden haber diferentes
frecuencias de muestreo en un flujograma, por ejemplo la señal que entrega un micrófono, luego
de pasar por bloques moduladores y demás puede resultar en una señal con una mayor o menor
frecuencia de muestreo. La recomendación para conocer la frecuencia de muestreo en cualquier
parte de un flujograma y configurar correctamente los equipos de visualización es la siguiente: si el
flujograma usa un equipo fı́sico, como un USRP, asigne a este el parámetro samp rate u otro que
sea de su preferencia, para configurar la frecuencia de muestreo de ese equipo. A partir de ese equipo
vaya desplazándose bloque a bloque hacia el punto de interés, en cada bloque deténgase a analizar si
este realiza una de estas dos operaciones y en qué grado: la interpolación o la diezmado. Con estos
datos realice cálculos para conocer la frecuencia de muestreo en cualquier punto. Los bloques que
incluyen esas operaciones pueden ser muchos, pero usualmente ellos incluyen un parámetro que se
llama “decimation” o “interpolation”, si ambos parámetros son igual a 1, significa que el bloque no
aplica esas operaciones. El bloque favorito para convertir la frecuencia de muestreo de una señal de
un valor a otro es el “Rational Resampler”.
55
1.6.17.1. Ejemplos de implementación de bloques tipo stream y tipo vector en un
OOT
GNU Radio es un kit de desarrollo que provee bloques de procesamiento listos para ser usados de manera
amigable, ellos se organizan en una especie de sublibrerias que tienen bloques comunes. Por ejemplo, en la
figura 30 se tienen las OOT “Boolean Operators” y la “Byte Operators” con sus bloques.
Figura 30: Ejemplo de la lista de OOT que se ofrece en el GRC.
Es posible trabajar con GRC de GNU Radio usando todos esos recursos sin necesidad de entrar a la
programación a nivel de código. Pero entrar a programar puede resultar una tarea gratificante: es muy
sencillo, ya que se programa por bloques, es decir, el programador concentra su atención solo al bloque
particular, lo cual se puede realizar con unas pocas lı́neas de código. Una vez hecho esto, el bloque puede
pasar a ser parte de cualquier sistema de tiempo real que lo quiera usar una y otra vez. Pero además,
haciendo código se tiene la posibilidad de abrir la mente más allá de los recursos que trae GNU Radio por
defecto, incluso puede aportar sus desarrollos a la comunidad internacional.
En este capı́tulo no vamos a entrar en los detalles de lo que significa crear un nuevo módulo OOT,
ni como se programa ya que existen muy buenos tutoriales para ello en la red, por ejemplo el que ofrece
en el sitio web de este libro [4]. Solo vamos a detenernos en el grado de dificultad que surge al llevar a la
práctica de la programación de bloques los conceptos de señales tipo stream y tipo vector. El problema
consiste en que un bloque puede tener una o más señales de entrada o salida, pero solo hay un parámetro
que representa a las entradas con todo lo asociado a ellas y uno que representa a las salidas. Esos dos
parámetros se usan ası́:
input items: el nombre de la variable que por defecto tiene cada bloque de GNU Radio para reunir
en el todas las señales de entrada al bloque. Entonces:
• input items[0] corresponde a la primer señal, incluso cuando hay solo una señal.
• input items[1] a la segunda y ası́ sucesivamente.
output items: igual que el anterior, pero para las señales que salen del bloque.
Recomendaciones para la programación con señales:
Las siguientes son recomendaciones a seguir cuando se trabaja a nivel de código con señales en un bloque
de GNU Radio:
Pase las señales a parámetros que usted entienda mejor, los siguientes son ejemplos:
Caso de un bloque con señales tipo stream y con una sola señal de entrada y una de salida:
• in=input items[0].
• out=out items[0].
56
• De esta manera, usted sabe que “in” es el array de una dimension que representa a su señal,
osea que es un array de una sola fila de N elementos.
Caso de un bloque con señales tipo vector de N dimensiones y con una sola señal de entrada y una
de salida:
• in=input items[0].
• De esta manera, usted sabe que “in” es el array de dos dimensión que representa a su señal,
osea que tiene M filas de a N elementos cada una.
Caso de un bloque con señales tipo stream y con dos señales de entrada y una de salida:
• in0=input items[0].
• De esta manera, usted sabe que in0 es el array de una dimensión que representa a su primera
señal e in1 a la segunda, mientras out es de una dimensión y representa a la salida.
Caso de un bloque con dos señales de entrada tipo vector y una de salida tipo stream:
• n1=input items[1].
• De esta manera, usted sabe que in0 es el array de dos dimensiones que representa a su primera
señal e in1 a la segunda, mientras out es de una dimensión y representa a la salida.
En los capı́tulos siguientes se tienen ejemplos donde se usan estos bloques, de manera que solo vamos
a ocuparnos de analizar el código implementado en los siguientes casos.
Bloque para hallar promedios de tiempo:

Vamos a revisar el código de dos bloques implementados en el OOT desarrollado para este libro, llamado
E3TRadio y que está disponible en la página web del libro. Esta es la descripción de los dos bloques:
El bloque e mean meter ff:

Solo tiene una señal de entrada y una de salida y ningún parámetro de configuración. El bloque tiene la
tarea de hallar la esperanza (la media) como un promedio de tiempo de una señal, pero, a medida que
realiza el cálculo va mostrando la cifra obtenida hasta el momento, es decir, el progreso en el cálculo de la
media. El siguiente es el código.

j e r a r q u i c o b_help de la l i b r e r i a de bloques j e r a r q u i c o s c o m d i g u i s
import numpy as np
from gnuradio import gr
class mean_meter ( gr . sync_block ) :

""" D e s c r i p c i o n del bloque """
def __init__ ( self ) :
gr . sync_block . __init__ ( self ,
name = " e_ m ea n_ me t er _f f " ,
in_sig =[ np . float32 ] ,
out_sig =[ np . float32 ])
# variables externas
self . contador = 0
self . acum =0
def work ( self , input_items , output_items ) :
# t r a d u c c i o n a algo que podemos manejar mejor
in0 = input_items [0]
out0 = output_items [0]
# Logica p r i n c i p a l
self . contador += len ( in0 )
self . acum += np . sum ( in0 )
out0 [:] = self . acum / self . contador
return len ( output_items [0])
57
Estos son las observaciones:
Las herramientas de GNU Radio brindan un esqueleto donde ya viene la estructura de código que
incluye casi todo el código que vemos por encima de la función “work”, excepto particularidades
como: las variables que estamos usando: contador, acum. En la función “work” es donde hay que
realizar las mayores modificaciones pues donde se incluye la lógica del bloque.
Vemos que a pesar que solo hay una señal entrante, a ella hay que referirse como a la señal “in-
put items[0]”, es decir, imaginando un arreglo (array) de dos dimensiones pero con una sola fila. Lo
mismo pasa con la salida. Definiendo in0, podemos imaginar que lo que se tiene es un vector.
Vemos la necesidad de recalcular siempre el tamaño de la trama, en este caso se usa el comando
“len(in0)” ya que ese tamaño va variando de trama en trama como ya se explicó para las señales
tipo stream.
El bloque “Python Block” representa una facilidad para probar un código como el presentado aquı́ sin
necesidad de conocer nada sobre los OOT. Simplemente llamas un “Python Block” y le pegas todo el
código propuesto arriba. Asi se ha hecho para mostrar el flujograma de la figura 31 donde tenemos un
generador de ruido y vemos nuestro bloque calculando allı́ la media del ruido, y la media cuadrática que en
este caso corresponde a la potencia promedio de la señal. Lamentablemente, al momento de escribir este
libro, este bloque está presentando la siguiente falla:
Aparece cuando se trabaja con señales tipo vector.
Todo funciona muy bien hasta que uno va a usar el bloque dentro de un flujograma ya que el bloque
no acepta que se le cambie el valor de la longitud del vector.
Para no chocar con este problema es necesario que en el flujograma, a la longitud del vector le des el
mismo valor que tiene la longitud del vector por defecto, es decir, la que aparece dentro del código.
Una vez hechas las pruebas con lo anterior, si realmente necesitas esa flexibilidad de cambiar la
longitud del vector desde el flujograma, lo que puedes hacer es usar el código ya probado para
convertirlo en un componente de un OOT, lo cual se explica en el Manual de Manuales que se ofrece
en la página web del libro.
Es muy probable que en próximas versiones de GNU Radio este problema sea corregido.
Figura 31: Flujograma para comprobar un bloque implementado con código propio.
Flujograma usado: e mean meter ff.grc
El bloque vector average hob:

Busca resolver el siguiente problema: Se tiene a la entrada del bloque una señal vectorial con tramas de
tamaño N. Se desea conocer la trama media, es decir, la trama que resulta al promediar todas las tramas
recibidas. Pero el bloque no esperará a encontrar con el resultado final para presentarlo a la salida sino
que irá mostrando el progreso en el cálculo de la trama media. El bloque es parte del OOT E3TRadio que
es parte de este libro y se encuentra en la página web del libro. El código es el siguiente:
import numpy
class v e c t o r _ a v e r a g e _ h o b ( gr . sync_block ) :
"""
El bloque v e c t o r _ a v e r a g e r _ h o b recibe una senal con tramas de tamano fijo de
N valores y va e n t r e g a n d o una trama del mismo tamano que c o r r e s p o n d e a
la trama media de todas las tramas que va r e c i b i e n d o .
58
Los p a r a m e t r o s usados son :
N: Es el tamano del vector o trama
N e n s a y o s : Es el umbral que limita el numero maximo de p r o m e d i o s c o r r e c t a m e n t e
r e a l i z a d o s . Cuando se supera Nensayos , la trama media deja de c a l c u l a r s e y
se m a n t i e n e el ultimo r e s u l t a d o .
"""
def __init__ ( self , N , Nensayos ) :

gr . sync_block . __init__ ( self , name = " v e c t o r _ a v e r a g e _ h o b " , in_sig =[( numpy .
float32 , N ) ] , out_sig =[( numpy . float32 , N ) ])
# Nuestras variables especificas
self . N = N
self . Nensayos = numpy . uint64 = Nensayos
self . med = numpy . empty (N , dtype = numpy . float64 )
self . count = numpy . uint64 =0

# T r a d u c c i o n de m a t r i c e s 3 D a 2 D :
in0 = input_items [0]
out0 = output_items [0]
# El tamano de la matriz in0 es L [0] xL [1]= L [0] xN :
L = in0 . shape
# conteo de f u n c i o n e s m u e s t r a s ( filas de matriz ) p r o c e s a d a s :
if self . count < self . Nensayos :
self . count += L [0]
# E s p e r a n z a de las f u n c i o n e s m u e s t r a s ( filas de matriz ) que
tiene in0 :
mean = in0 . mean (0)
# ajuste de la media ya calculada , con la media de in0 :
self . med = ( self . med *( self . count - L [0]) + mean * L [0]) / self . count
# Entrega de r e s u l t a d o
out0 [:]= self . med
return len ( out0 )
En este código las explicaciones prácticamente sobran, pues está muy bien comentado dentro del mismo
código. Lo más importante aquı́ es observar que “input items” trae ahora tramas 3D, pero estamos usando
las variables “in0” y “out0” para verlas en adelante como tramas 2D. Empleamos el comando in0.mean(0)
que entrega la trama media de las tramas del array 2D. Lo demás es ajustar ese promedio con el promedio
procesado en pasos anteriores.
1.6.17.2. Ejemplos de implementación de bloques e programación embebida tipo

stream y tipo vector
[HOB: la idea es explicar aquı́ las ventajas de hacer programación embebida y mostrar unos ejemplos,
incluyendo el de diagrama de ojo]
1.6.18. Implementaciones en GNU Radio

1.6.18.1. Método de Welch para obtener la PSD
La idea es caer en cuenta que esta fórmula 1.65 expresa un promedio. Para llevar esa expresión a la
práctica y calcular la PSD por medios computacionales, P.D. Welch [5] introduce el término “periodogra-
1
ma” para referirse a la expresión |X(f, T )|2 y a su gráfica.
2T
En simulink o en GNU Radio se puede ir mostrando cómo se va calculando ese promedio a medida que
pasa el tiempo. De modo que no es necesario esperar a que transcurra todo el tiempo T para visualizar la
PSD.
59
Figura 32: Ejemplo de periodograma.
𝒙(𝒕) 𝒙𝑻 (𝒕)
𝐭
𝟎 𝐓
𝟐𝐓𝐨
𝟐𝐓𝐨
×
𝟐𝐓𝐨
× …
𝟐𝐓
La idea es dividir el tiempo de medición T en pequeñas ventanas de duración T0 . De esta manera, la señal
truncada XT (t) resulta dividida en algo que vamos a llamar señales sub truncadas porque son versiones de
más corta duración. Como resultado, tenemos las señales sub truncadas: xT,1 (t), xT,2 (t), .... , xT,N (t). El
siguiente paso es ir calculando, para cada señal subtruncada la TF para obtener: |X1 (f, T )|2 , |X2 (f, T )|2 ,
.... , |XN (f, T )|2 . Finalmente, se va recalculando la PSD resultante a medida que se procesa una nueva
señal sub truncada, de manera que la PSD va pasando por diversas versiones SX,1 (f, T ), SX,2 (f, T ),....,
SX,N (f, T ), donde la última versión, que en este caso es SX,N (f, T ) es la mejor aproximación de la PSD de
la señal aleatoria. Lo que se logra es que el usuario no tenga que esperar mucho tiempo para ver la PSD,
sino que en tiempo real pueda ver como la PSD va tomando una forma cada vez más definitiva. Para el
ajuste mencionado solo hay que tener en cuenta que la PSD es un promedio, pero eso se explicará más aba-
jo en una implementación que usa la FFT como bloque de cálculo de la Transformada de Fourier Truncada.
1.6.18.2. Implementación en GNU Radio de un analizador de la PSD

Analizaremos dos bloques que tiene GNU Radio y que usan la FFT: El bloque FFT y el bloque QT
GUI Frequency Sink usando el flujograma de la figura 33. En este ejemplo los parámetros usados son:
frecuencia de muestreo Fs = 32 [[[kHz]]], el orden de la FFT es N = 1024, el número de muestras para
darle a cada bit una forma rectangular es Sps = 8.
Figura 33: Comparación del bloque FFT con QT GUI Frequency Sink para observar la PSD de
una señal binaria bipolar aleatoria
Flujograma usado: La FFT.grc
60
Figura 34: PSD obtenida por dos métodos
En la figura 34 tenemos el resultado de la PSD que entrega el bloque QT GUI Frequency Sink comparado
con el que entrega el bloque “QT GUI b PSD”. Este último se basa en el algoritmo FFT y fue implementado
en forma de un bloque jerárquico que se descubre en la figura 35
Figura 35: Flujograma del bloque jerarquico “QT GUI b PSD”
Flujograma usado: b QT PSD.grc. Es un bloque jerárquico de la librerı́a comdiguis
Conclusiones de las observaciones y recomendaciones para usar estos bloques:

• Obtener la PSD usando el bloque FFT requiere preparar el vector, pasar el resultado de la FFT a
magnitud al cuadrado, realizar un promediado con los vectores previos, convertir a dB y graficar.
• Aunque parezca diferente, la imagen obtenida con el bloque FFT es equivalente a la del bloque QT
GUI Frequency Sink, ya que la teorı́a de Fourier dice que la Transformada de Fourier Discreta (DFT)
es periódica en Fr = 2πRad/seg y eso significa que es periódico en la frecuencia de muestreo Fs (Hz)
61
de la señal vista en el tiempo. Por eso, si el bloque FFT pudiese ser configurado para que muestre el
−Fs Fs
espectro entre y tendrı́amos imágenes similares. La imagen obtenida con el bloque FFT es
2 2
más continua debido a que el bloque vector average hob, usado como complemento al bloque FFT
realiza un promediado más prolongado.
• La frecuencia máxima que puede mostrar un analizador de espectro es igual a la frecuencia de
muestreo sobre 2. También puede observarse que el ancho de banda B, que abarca tanto frecuencias
negativas como positivas, es igual a la frecuencia de muestreo.
• N es el tamaño del vector y es igual al orden de la FFT, también es igual al número de puntos que
Fs
son graficados en la ventana. Se deduce que la resolución espectral es fResol = .
N
• Finalmente, es importante tener en cuenta que la PSD se calcula usualmente a señales que son parte
del mundo continuo, por ejemplo la señal que se emite desde un transmisor, la que se recibe en un
receptor, la que produce un micrófono o la que usa una bocina. Desde este punto de vista, no es
usual buscar la PSD de señales que pueden encontrarse en bloques intermedios como por ejemplo
un codificador o un modulador digital bandabase.
1.6.18.3. Implementación de un generador vectorial de señales básicas

El reto de los generadores vectoriales es generar en tiempo real y con parámetros reales, cualquier tipo
de señal que pueda necesitar un investigador. En la figura 36 se muestra el flujograma propuesto.
Figura 36: Flujograma de un generador vectorial básico.
Flujograma usado: generador vectorial.grc
62
Figura 37: Flujograma para una herramienta de visualización de promedios de tiempo.
Flujograma usado: b QT v aleatoria scope.grc Es parte de la librearı́a comdiguis
63
Figura 38: Promedios de tiempo. Señal de ruido blanco gausiano.
64
Figura 39: Promedios de tiempo. Señal binaria aleatoria con código de lı́nea tipo RZ.
65
Figura 40: Promedios de tiempo. Señal binaria aleatoria con pulsos de forma sinc.
66
Figura 41: Promedios de tiempo. Señal binaria aleatoria con pulsos de forma diente de sierra.
A continuación se destacan las novedades incluidas:

Se ha creado un nuevo “Python Module” en el cual se han programado varias formas deseadas para
los pulsos de una señal binaria aleatoria. A continuación se presenta el código implementado, el cual
contiene suficientes comentarios para comprenderlo.
import math
import numpy as np
# Cada funcion s i g u i e n t e es una forma de pulso para una senal digital
# Los p a r a m e t r o s c o m u n m e n t e usados son :
# Sps ( Samples per simbol ) : D u r a c i o n de un simbolo en tiempo d i s c r e t o
# ntaps : es el numero de m u e s t r a s a generar por simbolo . Esto debido a que ,
# en la practica , un simbolo puede invadir a otros s i m b o l o s ( ISI ) , asi que
# las m u e s t r a s de un simbolo se pueden e x p a n d i r mas alla de Sps
# Bipolar non return to zero level signal

def B_NRZ_L ( Sps ) :
return Sps *[1. ,]
# # Forma sinc
def sinc ( Sps , ntaps ) :
n = np . linspace ( - int ( ntaps /2) , int ( ntaps /2 -1) , ntaps )
h = np . sinc ( n / Sps )
return h
# Forma diente de sierra
def saw ( Sps ) :
return np . linspace (0 , Sps -1 , Sps )
# Bipolar non return to zero signal
def RZ ( Sps ) :
67
h = Sps *[1. ,]
Sps_m = int ( Sps /2)
h [ Sps_m +1: Sps :1]= np . zeros ( Sps - Sps_m )
return h
Tenemos ası́, 3 tipos de señales implementadas por nosotros mismos:

• Señal de forma NZ (del inglés Return to Zero line code).
• Señal con pulsos en forma de señal sinc().
• Pulso en forma de señal dientes de sierra.
La idea consiste en que con la ayuda del bloque “Random Source” se genera una señal discreta
binaria aleatoria como las que se usan en software. Pero es claro que en software no se incurre en la
insensatés de representar un bit mediante varias muestras, basta una muestra por bit. En el mundo
fı́sico en cambio los bits se representan mediante señales continuas, por ejemplo una señal de voltaje
donde 5V es un “1” y −5V es un “0”. Un generador vectorial busca generar señales del mundo fı́sico,
para ello debe producir varias muestras por sı́mbolo, respetando el Teorema de Nyquist, esperando
que sean vistas como algo parecido a las señales continuas o que pasen por un ADC que realmente
las convierta en señales fı́sicas. Para lograrlo, hemos estamos usando el mismo sistema LIT explicado
anteriormente, representado en el bloque “Interpolating FIR FIlter”, solo que esta vez, el parámetro
“Interpolation” ya no es 1, sino Sps que es el número de muestras por simbolo (del inglés Samples
per simbol ).
También se está usando una señal que se puede generar con un bloque que trae por defecto GNU
Radio. La señal es ruido blanco gaussiano y el bloque es el “Noise Source”.
Se incluye también el acceso a hardware, en este caso se trata de un micrófono para experimentar
con las señales de voz y sonido en general. Esto mediante el bloque “Audio Source”.
Finalmente se incluye un bloque para visualizar los promedios de tiempo de cualquier señal aleatoria.
El bloque se llama “QT GUI b v aleatoria scope” y su implementación se explica en el siguiente
capı́tulo.
1.6.18.4. Implementación de un bloque de visualización de los principales promedios

de tiempo
La idea es poder medir y visualizar diferentes promedios de tiempo a cualquier señal aleatoria. El
flujograma se presenta en la figura 37 y tiene las siguientes novedades:
Se crea como un bloque jerárquico - una opción que ofrece GNU Radio para agrupar todo un
flujograma como un solo bloque.
Se se usa el bloque “mean meter ff” que es una mejora del ya explicado “e mean meter ff” y es parte
del OOT E3TRadio. Su objetivo es calcular la esperanza (la media) de una señal.
Un bloque se pasa a un OOT, como lo hemos hecho con este bloque, cuando se considera que es
un valioso aporte, que se va a usar continuamente en el futuro. Cualquier aporte en GNU Radio
puede pasar a ser parte de una OOT. Podrı́amos decir que los bloques jerárquicos y los bloques
embebidos que hemos implementado hasta ahora son de prueba, pues si se necesita para trabajos
intensos, deberı́an ser traducidos para que sean parte de una librerı́a OOT.
El caso de una señal de ruido blanco gaussiano
En la figura 38 se tienen los resultados para el caso de una señal de ruido blanco gaussiano. Como
era de esperarse, la PSD tiende a ser una constante, el histrograma tiende a ser una campana de Gaus, la
potencia promedio en la figura 39 se tienen los resultado para el caso de una señal aleatoria binaria en la
que los pulsos toman la forma del código de lı́nea conocido como RZ.
El caso de una señal con código RZ Los resultados se presentan en la figura 39 es un caso interesante
ya que es un código muy usado en las comunicaciones. Vemos una PSD muy similar a la obtenida para
una señal binaria aleatoria bipolar.
El caso de una señal con pulsos de forma sinc Es un tipo de señal que también se usa mucho
en las comunicaciones, consiste en que cada pulso se representa mediante una función sinc, pero resulta
traslapándose con sı́mbolos adyacentes en lo que se conoce como Interferencia Intersimbolo (ISI). Lo in-
teresante es que aún ası́ la información se puede recuperar, pues como vemos en el histograma, la amplitud
1 o -1 perseveran en cada sı́mbolo. Pero lo más relevante es que gracias a esta forma, el ancho de banda
68
de la señal resultante es mucho menor que cuando se usan otras formas para las señales digitales. En este
tema se profundiza más adelante.
El caso de una señal aleatoria con pulsos en forma de dientes de sierra: En la figura 41 se
tienen los resultados. Hemos incluido esta señal por curiosidad y para demostrar que es posible seguir esta
metodologı́a para implementar un generador de cualquier tipo de señal aleatoria.
1.7. Procesos estocásticos

1.7.1. Conceptos básicos
Los procesos estocásticos representan un mayor nivel de generalización de las variables aleatorias para
poner la teorı́a de las probabilidades al servicio exclusivo de las señales aleatorias. En este sentido, es
importante tener en cuenta las siguientes aclaraciones:
Una variable aleatoria toma valores que dependen de un ensayo. Por ejemplo, si el experimento
consiste en medir la altura de los estudiantes, cada estudiante que medimos es un ensayo y la altura
que medimos es una muestra de la variable aleatoria.
Es posible hacer que una variable aleatoria tome como muestras los valores de amplitud que toma una
señal en el tiempo, pero precisamente eso es un caso muy particular que hemos llamado promedios
de tiempo. En los procesos estocásticos no se tiene esta posibilidad, ya que en un proceso estocástico
una señal en el tiempo considerado como el resultado de un ensayo, por eso se habla de funciones
muestra.
Para entenderlo mejor, supongamos que hemos sido contratados para caracterizar no la altura, sino
la voz de los estudiantes de su universidad. Entonces, en lugar de medir la altura para llenar una lista
de datos, lo que hacemos es grabar la voz de cada estudiante que pasa aleatoriamente y la guardamos.
Entonces, ya no tenemos muestras discretas en forma de un valor por muestra, como era el caso para la
altura, sino funciones muestra, ya que cada muestra es una función de tiempo, como se muestra en la figura
42.
Figura 42: Ejemplo de funciones muestra de un proceso estocástico X(t).
𝒙𝟏 (𝒕)
Función muestra
Ensayo 1 𝒕 del ensayo 1
𝒙𝟐 (𝒕)
Función muestra
Ensayo 2 𝒕 del ensayo 2
𝒙𝟑 (𝒕)
Ensayo 3 𝒕 Campo Muestral

⋮
Por analogı́a con la variable aleatoria, un proceso estocástico se representa como:
X(t) = x1 (t), x2 (t), x3 (t), ... (1.75)

X(t) es lo que se conoce como un proceso estocástico. A diferencia de una variable aleatoria que se
compone de puntos muestra, el proceso estocástico se compone de funciones muestra (sample fun-
ctions), en este caso esas funciones son: x1 (t), x2 (t), x3 (t), ..., xN (t)., las cuales a su vez componen el
espacio muestral o campo muestral (sample space).
Todos los parámetros estudiados que aplican a las variables aleatorias, puede generalizarse para los
procesos estocásticos.
69
La media de proceso X(t) : µX(t) = E[X(t)]. Vemos que a diferencia de una variable aleatoria,
donde la media es un número, en un proceso estocástico la media es una función del tiempo.
La media se obtiene de manera aproximada sumando N Pfunciones muestra y dividiendo el resultado en

N
n=1 x n (t)
N con lo cual se obtiene la señal promediada. E[X(t)] =
N
La media cuadrática de X(t) es E[X 2 (t)].
La Función de Autocorrelación de un Proceso Estacionario X(t) es Rx (τ ) = E[X(t + τ )X(t)]

De manera similar se derivan todos los demás parámetros.
1.7.2. Implementación en GNU Radio

Se ha implementado un bloque “VCO hob” que permite generar funciones muestras de un proceso
estocástico senoidal, donde la amplitud, la fase y la frecuencia se puede manipular de manera externa, con
señales aleatorias. El siguiente es el código del bloque:
import math
import numpy as np
class blk ( gr . sync_block ) :

""" genera una s e n o i d a d cuyos p a r a m e t r o s pueden ser m a n i p u l a d o s por las
senales e n t r a n t e s asi : la primera senal m a n i p u l a la a m p l i t u d ; la segunda
la f r e c u e n c i a ; la tercera la fase """
def __init__ ( self ) : # only default a r g u m e n t s here
gr . sync_block . __init__ (
self ,
name = ’ VCO_hob ’ , # will show up in GRC
in_sig =[ np . float32 , np . float32 , np . float32 ] ,
out_sig =[ np . float32 ]
)
self . n_m =0 # guarda el ultimo valor de n

A = input_items [0]
F = input_items [1]
P = input_items [2]
out = output_items [0]
L = len ( A )
n = np . linspace ( self . n_m , self . n_m +L -1 , L )
self . n_m += L
out [:]= A * np . cos (2* math . pi * F * n + P )
return len ( out )
El siguiente paso es usarlo para generar una especie de laboratorio de procesos estocásticos, como se
muestra en la figura 43.
70
Figura 43: Flujograma para un generador vectorial de procesos estocásticos.
Flujograma usado: proc estoc lab.grc
Finalmente se implementa la parte correspondiente a las herramientas de visualización como se muestra

en la figura 44.
Figura 44: Flujograma para las herramientas de visualización del generador vectorial de procesos
estocásticos.
Flujograma usado: proc estoc lab.grc
En la figura 45 se tienen los resultados para el caso de un proceso estocástico sinusoidal donde la
amplitud y la fase son parámetros aleatorios que cambian entre función muestra y función muestra.
71
Figura 45: Resultados para el caso de un proceso estocástico sinusoidal cuando la amplitud y fase
son parámetros aleatorios.
1.8. Las ondas

[Homero: mejorar para comenzar tratando por separado los fenómenos más básicos de las ondas (los
de la óptica): reflexion, difracción, refracción, dispersión, desvanecimiento. Es importante mostrar cómo
cada uno de ellos se presenta en grado diferente dependiendo de la frecuencia]. Después de esto sı́ pasamos
a hablar de radiopropagación, incluyendo: la ecuación de Friss y la afectación que se causa por ruido
(SNR), la multitrayectoria, scattering, sombra, propagación ionosférica, el efecto de la lluvia y la humedad,
zonas de Fresnel, hasta llegar a casos especiales de canal como: canal AWGN, canal de Rayleigh con
(desvanecimientos rápidos y lentos).
Las ondas son una maravilla de la naturaleza. Ellas se propagan sin necesidad de llevar materia alguna,
sólo energı́a. Pero eso sı́, necesitan un medio para hacerlo. Por ejemplo, la onda (ola) que se propaga en
un estadio de fútbol necesita que hayan hinchas presentes. El sonido necesita del aire, el agua u otros
materiales. Hoy se habla mucho de un nuevo tipo de ondas como lo son las ondas gravitacionales, que
necesitan de los astros para su propagación. Hasta el momento sólo se conoce un tipo de onda que no
necesita de la materia para propagarse: se trata de las ondas electromagnéticas.
La mayorı́a de ellas han sido bien estudiadas por la fı́sica óptica u óptica de las ondas y a través de
los llamados fenómenos ópticos de las ondas. En 1637, René Descartes publicó su teorı́a de la refracción
de la luz. Se puede decir que es allı́ donde por primera vez alguien supone que la luz es una onda. A esta
conclusión llegó por la analogı́a con otras ondas que tienen unas propiedades comunes (amplitud, longitud
de onda, periodo, frecuencia, velocidad) y sufren unos fenómenos de propagación (refracción, dispersión,
interferencia, difracción) que aplican perfectamente a la luz.
No importa si estamos hablando de ondas en el agua, en el aire (como es el caso del sonido) o de ondas
electromagnéticas, es posible hacer que esas ondas tengan forma senoidal y puedan ser usadas como un
vehı́culo capaz de transportar información en alguno de sus tres parámetros: amplitud, frecuencia o fase.
La diferencia entre una onda y una señal es muy relativa. En el caso de las comunicaciones inalámbricas,
usualmente se habla de ondas electromagnéticas que viajan por el vacı́o. Por otro lado, una señal puede
ser una muestra de ellas, capturada mediante una antena, pero también puede ser un flujo de electrones
que viajan por un medio. Eso se puede apreciar mejor en las animaciones que se ofrecen en el sitio web del
libro:
72
https://sites.google.com/saber.uis.edu.co/comdig/m/ondas
Sin embargo, independientemente de su naturaleza, las ondas tienen una serie de propiedades comunes
que revisaremos aquı́.
1.8.1. El campo de propagación

Se refiere al espacio fı́sico que resulta afectado por la propagación de una onda.
1.8.2. La reflexión
Consiste en el cambio de dirección que puede tomar una onda al chocar contra un obstáculo que tiene
un tamaño mayor a su longitud de onda.
La reflexión puede ser aprovechada para comunicar puntos fuera de la lı́nea de vista, usando satélites
u otros medios, como se muestra en la figura 46.
Figura 46: Ejemplo de una comunicación que aprovecha la reflexión.
La reflexión es responsable del fenómeno de multitrayectoria o Rayleigh y el de Scattering.
1.8.3. El Scattering como consecuencia de la reflexión

El Scattering es un término difı́cil de traducir al español, los traductores dirı́an que se trata de la
dispersión, pero la dispersión corresponde en inglés a “dispersion” que es otro fenómeno que se explica
más abajo. Quizá la traducción más apropiada sea desparramamiento o diseminación, pero la verdad
en el mundo técnico a casi nadie se le ocurre traducir este término. La traducción más correcta serı́a
quizá “esparcimiento” pero la verdad no es un término de uso común, la mayorı́a de los expertos usan
simplemente el término Scattering y es un fenómeno que ocurre debido a las condiciones de la superficie
sobre la cual cae una onda incidente, resultando en un desorden de ondas que son reflejadas en diferentes
direcciones, como se muestra en la figura 47.
73
Figura 47: Fenómeno de Scattering.
El efecto también puede ser causado por las hojas de los árboles y puede ser más o menos severo
dependiendo del tipo de follaje. En Colombia, por ejemplo, se ha encontrado que la propagación de las
ondas es diferente cuando hay cultivos de caña de azúcar a cuando hay otros tipos de cultivos.
1.8.4. La refracción
En un medio homogéneo las ondas viajarı́an siempre en una misma dirección, pero no ocurre lo mismo
si tienen que pasar por varios medios que afectan diferentemente su propagación. La refracción consiste en
el cambio de dirección de una onda que se produce al pasar de un medio a otro ya que cada medio tiene
propiedades propias para la propagacion. El caso más común en las radiocomunicaciones consiste en el paso
de las ondas de radio por diferentes sectores de la ionósfera donde hay se tienen diferentes concentraciones
de iones que influyen en el paso de este tipo de ondas. Pero esa influencia depende de la frecuencia, de
modo que hay ondas que se ven más afectadas que otras dependiendo de la frecuencia. En el ejemplo de la
figura 48 la onda se envı́a de manera horizontal con respecto a la tierra en el lugar donde está la antena,
pero, dependiendo de la frecuencia, se produce un mayor o menor grado de refracción que hace que la onda
retorne a la tierra a una distancia u a otra. En la figura 49 se tienen los casos de mayor aplicación práctica
que van desde la posibilidad de traspasar la ionósfera con emisiones desde la tierra, hasta la posibilidad de
alcanzar grandes distancias produciendo un retorno a tierra de las ondas por efecto de refracción. Entre
los usos o consecuencias de la refracción se tiene:
La posibilidad de aprovechar este fenómeno para alcanzar puntos de comunicación tan lejanos que
pueden estar más allá de la lı́nea de vista aprovechando el paso por las capas atmosféricas con
diferentes densidades.
Figura 48: Formas de refracción.
Subrefraction
Superrefraction Normal
Antena
Tierra
El uso de la ionósfera en sistemas de comunicación terrestres o espaciales.
74
Figura 49: El camino por refracción en función del ángulo de emisión.
1.8.5. La dispersión
Ocurre cuando una onda atraviesa un medio que hace que diferentes longitudes de onda viajen a velo-
cidades diferentes, lo cual hace también que cada longitud de onda tenga un ángulo de refracción diferente.
En la figura 50 se muestra un ejemplo para el caso de la luz.
Figura 50: La dispersión de la luz al pasar por un prisma.
La dispersión está relacionada con el efecto de la lluvia o la nubosidad en la calidad de las comunicacio-
nes cuando la longitud de onda usada es comparable con el tamaño de las gotas de agua, pues se presenta
el mismo fenpomeno del arco iris que se muestra en la figura 51.
75
Figura 51: Influencia de la lluvia en la dispersión.
Luz solar
Gotas de lluvia
Colores
del arco iris
En la figura 52 podemos observar la afectación de la calidad que se produce cuando una señal, por
efecto de dispersión se transforma en dos señales que conservan la forma de la señal original pero son
ligeramente diferentes en términos de longitud de onda (color azul y verde). Ellas serán vistas por un
receptor como una señal sudatoria (color rojo) la cual no conserva ya la forma de la señal original.
Figura 52: Interferencias por dispersión.
1.8.6. La difracción
El fenómeno de difracción es el responsable del fenómeno conocido como sombra (shadowing), pero al
mismo tiempo permite que las ondas lleguen más allá de la lı́nea de vista. Como consecuencia, detrás de los
obstáculos que enfrentan las ondas, la señal es percibida de manera más débil que en lı́nea de vista, aunque
76
puede no presentarse un desvanecimiento total. El efecto de la difracción depende de la relación entre la
longitud de onda y los obstáculos que se enfrentan. Por lo tanto este fenómeno también es responsable
de que las ondas, dependiendo de su frecuencia pasen libremente por ciertos obstáculos, o que se vean
afectados por ellos.
Figura 53: La difracción en las ondas de agua. En color azul la señal en lı́nea de vista, en color
rojo la más afectada por difracción.
La forma más facil de entender la difracción es observandola, por ejemplo la sombra que nuestro cuerpo
produce al enfrentarse a una fuente de luz es debido a ese fenómeno. Pero veamos un ejemplo más palpable
aún, supongamos que en un estadio los hinchas crean una ola con sus cuerpos que se expande por todo
el estadio, pero en una parte del estadio la onda se encuentra con un obstáculo, por ejemplo una caseta,
entonces, las personas detrás de la caseta apenas si se dan por enteradas, pero eso no impide que la onda
logre recrearse más allá dejando una sombra detrás de la caseta. Si el obstáculo es suficientemente pequeño
la sombra no se notará. En la página web del libro1 en la sección multimedia, subsección de ondas, se
tienen varios vı́deos demostrativos, usando simuladores ofrecidos de la Colorado University2 . Algunos de
ellos se apoyan en las ondas que se forman en el agua. En la figura 53 se muestra el caso más comúnmente
mencionado en la literatura, se tiene un de ondas transversales, que pueden ser de agua, en su propagación
se encuentran con una especie de pared que tiene una abertura. Hemos agregado un sensor del campo para
obtener una muestra de la onda en lı́nea de vista con la fuente (señal en color azul) y otra muy lejos de
la lı́nea de vista (señal en color rojo). Podemos observar que las ondas pasan por la ranura, pero también
logran reproducirse más allá de la linea de vista, de manera que si imaginamos que este es un campo
electromagnético y hay una casa fuera de la lı́nea de vista, esta en principio puede recibir la señal. Pero
esto no ocurre en cualquier caso, como todos los demás fenómenos de propagación, el grado de afectación
depende de la frecuencia y consecuentemente de la longitud de onda.
1 Véase la ruta: https://sites.google.com/saber.uis.edu.co/multimedia

2 Véase la ruta: https://phet.colorado.edu/sims/html/wave-interference/latest/wave-interference_es.
html
77
Figura 54: La sombra como consecuencia de la difracción.
a) Caso en que λ = 100, 26m. b) Caso en que λ = 309, 3m.
Otro vı́deo que aparece en el mismo sitio muestra dos casos más y uno de ellos se presentan en la figura
54 donde podemos observar una torre que emite un campo electromagnético, visto como ondas similares
a las del agua para no complicarnos en aspectos relacionados con la componente eléctrica y la magnética,
lo importante es que allı́ hay ondas y todas las ondas tienen propiedades similares. Supongamos que se
trata de una emisión de televisión. En su propagación, la señal se encuentra con un obstáculo - una gran
montaña, ver figura 54 a). En estas figuras podemos observar tres casos: cuando la onda alcanza a rozar
la montaña (flecha en color negro) vemos que la señal se desvı́a como buscando aparecer detrás de la
montaña; cuando la onda no roza la montaña, pero no está muy lejos de ella (flecha en color azul) vemos
que también se presenta una desviación en la dirección de propagación; cuando la onda está muy lejos
de rozar la montaña (flecha de color rojo), la onda no cambia de dirección. Como resultado, detrás de la
montaña se produce una zona donde la señal no es suficientemente fuerte como para ser detectada por los
equipos en la casa, es la zona de sombra. Pero este no es el caso de la figura 54 b) donde la señal que
llega a la casa sı́ es suficiente para captar la señal de televisión. La diferencia está en la longitud de onda
usada, que es 309, 3 metros con respecto a los 100, 26 metros de la 54 a). En el segundo caso la longitud
de onda tiene un tamaño más comparable con el de la montaña, lo cual hace que la zona de sombra sea
sensiblemente menor.
1.8.7. El Efecto Doppler

Es el cambio de frecuencia que sufre una onda simplemente debido a la velocidad radial relativa entre
los elementos que intervienen en la comunicación.
Efecto Doppler para el sonido
El efecto
Figura 55: Efecto Doppler
Doppler para para una fuente
una fuente de en
de sonido sonido en movimiento
movimiento.
Longitud de onda larga Longitud de onda corta

Baja frecuencia Alta frecuencia
Consecuencias del Efecto Doppler: En un receptor digital basado en GNU Radio este efecto se
traduce en que la constelación observada adquiere una velocidad proporcional a la frecuencia Doppler.
78
1.9. La radio propagación
La radio propagación brinda herramientas para realizar planeación de coberturas de un sistema de ra-
dio comunicaciones. Sin embargo nuestro interés principal es conocer cómo los fenómenos de propagación
pueden afectar a una señal que viaja por el canal y cuáles pueden ser las medidas para contrarrestar esos
efectos.
1.9.1. La antena
Antes de hablar de los fenómenos asociados a la propagación de ondas electromagnéticas, es importante
identificar qué ocurre en la interfaz entre el medio de transmisión inalámbrico en el que se propagan las
ondas y el transmisor o receptor de las mismas. La antena es entonces un dispositivo fundamental en las
comunicaciones inalámbricas, que se sitúa en esta interfaz, convirtiendo la corriente eléctrica, provenien-
te del transmisor, en ondas electromagnéticas, o interceptando parte de la energı́a de estas ondas para
convertirla nuevamente en corriente eléctrica en el receptor.
Oscar reyes [Falta. La idea es explicar lo suficiente como para que el estudiante sepa que aquı́ hay un
elemento que no puede ignorar. Por ejemplo:
el uso de una antena inadecuada puede hacer que no llegue señal.
desconocer los parámetros de una antena es trabajar a ciegas.
Muchas veces una antena está dañada y le echamos la culpa del daño a otros elementos, como el
usrp o el software porque la comunicación no se dá.
También puede ocurrir que no se esté apuntando hacia otras partes.
es importante inculcar que el usuario debe tomar precauciones por la radiación que produce la antena
y los posibles daños a la salud. Por lo menos debe saber si realmente está protegido.
Las experiencias nos han enseñado que en el tema de la transmisión y la recepción nos falta formar
mayores capacidades: cómo trabajar con ciertas potencias, cómo evitar o prevenir daños por onda
reflejada, etc. Tania también podrı́a aportar a este tema con lo investigado en la tesis de grado.
Serı́a ideal sentar aquı́ las bases para conocer al menos lo mı́nimo para llegar a tener éxito con todo
lo relacionado a: antenas, conectores, cables externos. Esto además se puede servir a los temas de
propagación y cálculos de enlaces, donde hay que tener en cuenta todo tipo de pérdidas. En este libro
no lo hemos hecho aún, pero debemos perseguirá a lo largo de todo este capı́tulo o de uno adicional
dejar bien sentadas las bases, con prácticas para planear enlaces, coberturas. Eso nos dá una idea
de: hasta donde llegar en el tema de antenas.
,
La definición formal de una antena es un dispositivo que sirve para transmitir y recibir ondas de radio.
Convierte la onda guiada por la lı́nea de transmisión (el cable o guı́a de onda) en ondas electromagnéticas
que se pueden transmitir por el espacio libre. En realidad una antena es un trozo de material conductor al
cual se le aplica una señal y esta es radiada por el espacio libre.
La antena es un circuito eléctrico especial, realizado con el fin de que emita radiación al espacio o reciba
del espacio energı́a electromagnética. Además facilitan a las señales electromagnéticas que viajan dentro
de la guı́a de onda se escapen hacia el espacio libre con la mayor eficiencia posible.
La antena en el modo de transmisión puede ser vista como un conversor de una señal eléctrica a una
señal electromagnética capaz de propagarse en forma de ondas electromagnéticas. Igualmente, en el modo
de recepción representa una especie de sensor de las ondas electromagnéticas para expresarlas en forma
eléctrica. Por sencillo que parezca esto, representa realmente la Teorı́a de Maxwell y su aplicación a la
teorı́a de antenas, pero no es objetivo de este libro entrar a profundizar en estos temas. Lo que es impor-
tante tener en cuenta es que la antena tiene limitaciones expresadas principalmente en cuanto a ancho de
banda, su capacidad para enfocarse en una dirección, mejor conocida como la directividad de la antena o
patrón de radiación de la antena y algunos coeficientes de rendimiento.
1.9.1.1. Patrón de radiación

Representación gráfica de sus propiedades de radiación en las distintas direcciones del espacio. Los
parámetros más importantes del diagrama de radiación son los siguientes:
79
Dirección de apuntamiento: Es el punto de máxima radiación, directividad y ganancia de la
antena.
Lóbulo principal: Es el margen angular en torno a la dirección y está comprendido entre dos
mı́nimos relativos.
Lóbulos secundarios: Son el resto de máximos relativos, de valor inferior al principal.
Ancho de haz: Es el margen angular de direcciones en las que el diagrama de radiación de un haz
toma el valor de la mitad de la potencia máxima en la dirección principal de radiación.
1.9.1.2. Tipos de antenas.

El tipo de la antena determina su patrón de radiación, puede ser omnidireccional, bidireccional o uni-
direccional.
Antenas Omnidireccionales: Son buenas para cubrir áreas grandes, donde la radiación trata de ser
pareja para todos lados es decir cubre 360◦ .
Dipolo: [Falta colocar la definición]
Antenas Direccionales: Son las mejores en una conexión punto a punto de acoplamientos entre edi-
ficios o para los clientes de una antena omnidireccional.
Yagi: Antena constituida por varios elementos paralelos y coplanarios, directores, activos y reflec-
tores.
• Utilizada ampliamente en la recepción de señales televisivas, comúnmente en frecuencias de 30
[MHz] y 3 GHz (Canal 2 al 6 de 50[MHz] a 86[[MHz]]).
• Ganancia elevada: Entre 8-15 dBi.
• Para el servicio 802.11 pueden tener ganancias entre 12 y 18 dBi, manejan una impedancia de
50 a 75 Ohms.
• Desventajas: Direccionarlas en la posición correcta no es tan difı́cil como una antena parabólica,
pero aún ası́ puede llegar a ser difı́cil.
Parabólica: Antena provista de un reflector metálico, de forma parabólica, esférica, que limita las
radiaciones a un cierto espacio, concentrando la potencia de las ondas.
• Se utiliza especialmente para la transmisión y recepción vı́a satélite.
• Ganancia elevada: Entre 12-15 dBi.
• Directividad alta.
• Ángulo de radiación bajo.
Infrarrojo: Los enlaces infrarrojos se encuentran limitados por el espacio y los obstáculos. El hecho
de que la longitud de onda de los rayos infrarrojos sea tan pequeña (850-900 nm), hace que no pueda
propagarse de la misma forma en que lo hacen las señales de radio.
Panel: Las antenas de panel o también llamadas antenas Flat panel, normalmente son de forma
cuadrada o rectangular, y están configuradas en un formato de tipo path, esto permite que la
mayorı́a de su potencia radiada es en una sola dirección ya sea en el plano horizontal o vertical,
dependiendo de su fabricación provee una gran directividad y una alta ganancia.
Helicoidal(modo axial):
Microondas terrestres: La antena direccional para microondas terrestres se denomina
antena parabólica tipo plato, dichas antenas usan caracterı́sticas fı́sicas ası́ como antenas
de elementos múltiples para alcanzar una ganancia muy alta y direccionalidad. Estas
antenas usan un plato reflector con la forma de una parábola para enfocar las ondas de
radio recibidas por la antena a un punto focal.
Microondas por satélite:
80
1.9.1.3. La Potencia Isotrópica Radiada Equivalente - PIRE
En los sistemas de Radiocomunicación, la Potencia Isotrópica Radiada Equivalente (PIRE) es la can-
tidad de potencia que emitirı́a una antena isotrópica teórica (es decir, aquella que distribuye la potencia
exactamente igual en todas direcciones) para producir la densidad de potencia observada en la dirección
de máxima ganancia de una antena. La PIRE tiene en cuenta las pérdidas de la lı́nea de transmisión y en
los conectores e incluye la ganancia de la antena. La PIRE se expresa habitualmente en decibelios respecto
a una potencia de referencia emitida por una potencia de señal equivalente. La PIRE permite comparar
emisores diferentes independientemente de su tipo, tamaño o forma. Conociendo la PIRE y la ganancia de
la antena real es posible calcular la potencia real y los valores del campo electromagnético.
P IRE = PT − Lc + Ga (1.76)
Donde P IRE y PT (potencia del transmisor) son dBm, las pérdidas del cable (Lc ) están en dB, y la
ganancia de la antena ( Ga ) se expresa en dBi, relativos a la antena de referencia isotrópica.
El siguiente ejemplo utiliza dBm, aunque también es correcto utilizar dBW. Los Decibelios son una
forma muy práctica de expresar la relación entre dos cantidades. dBm utiliza una referencia de 1 mW, 1
dBW y 1 W.

potencia
dBm = 10 log (1.77)
1 mW
y

potencia
dBW = 10 log (1.78)
1W
Por ejemplo, una transmisión de 50 W es lo mismo que 17 dBW o 47 dBm.

50 W
16,9897 dBW = 10 log (1.79)
1W
La PIRE se utiliza para estimar el área en el que la antena puede dar servicio y coordinar la radicación
entre transmisores para que no se solapen las coberturas.
1.9.2. La Densidad de Flujo de Potencia

En un punto de interés, en campo lejano, la Densidad de Flujo de Potencia (PFD, del inglés Power
Flux Density) está dada por el producto cruz entre los vectores E y H:
|S| = |ExH| = |E||H|sinθ (1.80)

Donde S representa la PFD, E el campo eléctrico, H el campo magnético y θ=90o el ángulo entre E
y H para el caso del campo lejano. De modo que, para el campo lejano, se puede reescribir como:
|S| = |E||H| (1.81)

Resulta importante apuntar que, desde el punto de vista de la propagación del campo eléctrico, el vacı́o
(el espacio libre) tiene una impedancia conocida como impedancia caracterı́stica del espacio libre y es igual
a:
r
|E| µ0
η0 = = = 120πΩ ≈ 377Ω (1.82)
|H| ε0
Esta relación se conoce como la ley de Ohm para los campos electromagnéticos, donde µ0 = 1, 26 ∗
10− 6 H/m es la permeabilidad magnética del espacio libre; ε0 = 8, 8510 − 12F/m es la permitividad
eléctrica del espacio libre. Como consecuencia, la PFD promediada guarda una relación con el valor RMS
de la intensidad del campo eléctrico E, en un Punto de Interés (PoI, del inglés Point of Interest), similar
a la que existe entre la potencia promedio P de una señal de voltaje y su valor RMS:
E2
S= (1.83)
ε0
En un campo lejano es posible obtener el valor RMS H de la intensidad del campo magnético H a
partir del eléctrico y viceversa de la siguiente manera:
E
H= , E = ε0 H (1.84)
ε0
81
Cuando se realizan mediciones de espectro, las emisiones pueden provenir de diferentes direcciones. Por
eso, en algunos casos puede ser necesario conocer los aportes a E y H en las direcciones de las 3 direcciones
del espacio fı́sico, tridimensional:
q
E = Ex2 + Ey2 + Ez2 (1.85)
q
H= Hx2 + Hy2 + Hz2 (1.86)
1.9.3. Fenómeno de desvanecimiento. Pérdidas por Espacio Libre. Ecua-

ción de Friss
Se conoce como desvanecimiento en espacio libre (del inglés, Free space path loss) la pérdida de potencia
captada por un receptor en función de la transmitida por un emisor, cuando no existe ningún obstáculo
para la propagación, como ocurre en el cosmos o Espacio Libre (del inglés, Free Space). Conocer la re-
gla de cálculo de este tipo de pérdidas es de gran utilidad ya que sirven como una primera aproximación
para las mediciones de la potencia que puede llegar a un receptor ubicado a una cierta distancia del emisor.
1.9.3.1. La Densidad de Flujo de Potencia en campo lejano

Un caso teórico de enorme importancia consiste en el supuesto de contar con una fuente isotrópica
que radia una potencia promedio Pt . La cuestión es que a medida que la onda se aleja a una distancia d,
esa potencia se distribuye en el área de una esfera A de radio d que se conforma alrededor de la fuente.
Precisamente, como la potencia se distribuye en un área, se puede hablar de la Densidad de Flujo de
Potencia (PFD) Sd por área. Teniendo en cuenta que el área de la esfera es.
Aes = 4πd2 (1.87)

La PFD es:
Pt Pt
Sd = = W att/m2 (1.88)
Aes 4πd2
Como se puede observar, a medida que el receptor se aleja de la fuente, la PFD es cada vez menor,
aunque la potencia que se distribuye en toda la esfera se conserva igual a la potencia transmitida.
En un área elemental de interés para la recepción Ar (m2 ), como se muestra en la figura 56, se recibe
una potencia elemental:
Pr = Sd Ar (1.89)
Figura 56: Área de interés para la recepción
Y Elemento de área
Ar
X
Punto de origen
82
1.9.3.2. El área efectiva de una antena isotrópica
Una antena puede ser vista como un sensor, pero debe abarcar un área para considerar la posibilidad
de recibir una cierta porción de la potencia transmitida. Por esta razón, la capacidad de una antena para
captar una potencia Pr está asociada a un área que se conoce como el área efectiva de la antena o apertura
efectiva de la antena y la denotaremos como Aef f .
Una antena de recepción isotrópica ideal es aquella que irradia (o recibe) por igual en todas direcciones
y tiene un área efectiva Aef f iso bien conocida, que sirve como patrón para caracterizar otras antenas:
λ2 c2
Aef f iso = = (1.90)
4π 4πf 2
Ası́, el área efectiva está en función de la longitud de onda y disminuye conforme aumenta la frecuencia.
Por esa razón, desde el punto de vista de una antena isotrópica, las ondas de mayor frecuencia se atenúan
más rápidamente que las de menor. Por lo tanto, la potencia que puede captar una antena isotrópica es:
2
λ2

λ
Pr = Sd Aef f iso = Sd = Pt (1.91)
4π 4πd
1.9.3.3. Ecuación de Friis

Es claro que a medida que una señal de radio se propaga en la distancia, su energı́a se va esparciendo
en un área cada vez mayor, lo cual va a ser percibido por un equipo receptor como un desvanecimiento,
que en condiciones ideales, de espacio libre y usando antenas isotrópicas en transmisión y recepción, se
expresa por el coeficiente:
2
4πd
lf s = (1.92)
λ
Este coeficiente se conoce (del inglés, Free Space Path Loss) y en español como Desvanecimiento en
Espacio Libre o Pérdidas en Espacio Libre.
En función de la frecuencia tenemos que:

2
4πdf
lf s = (1.93)
c
Donde c es la velocidad de la luz.
Muchas veces el Desvanecimiento en Espacio Libre se usa en dB.
lf s (dB) = 10log(lf s ) (1.94)

4π
Lf s (dB) = 20log + 20log(d[Km]f ([M Hz])) (1.95)
0,3(km/µseg)
Entonces se obtiene la expresión más conocida para las pérdidas en espacio libre:
Lf s (dB) = 32,4 + 20log(f ) [M Hz] + 20log(d) Km (1.96)

Observe para las variables dadas en dB estamos acompañando la variable con la palabra (dB) pero es
muy común que se usen letras mayúsculas para referirse a las variables dadas en dB sin que necesariamente
aparezca la variable acompañada de (dB).
También es válido decir que
Lf s (dB) = P t(dB) − P r(dB) (1.97)
No hay que olvidar que aún con estos ajustes de ganancia, esta ecuación corresponde al caso ideal de
propagación en espacio libre. En un caso real, para las comunicaciones terrenales las Pérdidas en Espacio
Libre son apenas una referencia a la cual se suman otras pérdidas como las pérdidas por irregularidad del
terreno o las pérdidas por otros aspectos como: la altura del transmisor, la del receptor; si el ambiente de
propagación que puede ser urbano, suburbano, rural, abierto; o porque hay tipos especiales de vegetación
83
o falta de ella:
L(dB) = Lref erence + LT errainIrregularity + LEnvironment (1.98)

donde Lref erence corresponde a las pérdidas calculadas mediante la ecuación 1.96.
En condiciones de espacio libre, la potencia recibida se puede calcular como:
2
Pt λ
Pr = = Pt (1.99)
lf s 4πd
Si las antenas no son isotrópicas se les puede realizar ajuste, con lo cual se llega a la forma más común
de la Ecuación de Friis:
Pr = Pt Gt Gr /lsf (1.100)
Pr Pt Gr
Nota: Gr está multiplicando a la derecha, entonces está dividiendo a la izquierda, luego G = .
t lsf
Eso es correcto, pues la ganancia en la parte receptor contribuye a elevar el área efectiva de la antena
receptora y esa área está a la derecha de la ecuación. Entonces la potencia recibida se calcula como:
Pr (dB) = Pt (dB) + Gt (dB) + Gr (dB) − L(dB) (1.101)
1.9.4. Propagación en Lı́nea de Vista

En muchos casos en un sistema de comunicaciones existe linea de vista (LOS, del inglés Line of Sight)
entre el transmisor y el receptor, es decir, que no se presentan obstáculos entre ellos. Incluso, muchos
sistemas de comunicaciones están hechos para que funcionen solo en LOS, es el caso de los llamados
enlaces de microondas. Son un tipo de comunicación hecho para unir dos puntos (P2P o PTP, del inglés
Point to Point) para reemplazar el cableado o la fibra óptica en lugares donde amerita hacerlo, por ejemplo,
debido a las condiciones geográficas. En la Fig. 57 se presenta un ejemplo muy común cuando se trata de
unir dos puntos tan distantes que resulta necesario contar con repetidores en el intermedio del trayecto
que une los dos puntos.
Figura 57: Sistemas de comunicación punto a punto usados como repetidor
En estos sistemas se usan antenas muy directivas porque ellas logran concentrar toda la energı́a en
una dirección como ocurre cuando se usa una linterna y además evita varios fenómenos de propagación
relacionados con la interacción de las ondas electromagnéticas con objetos que pueden encontrarse en el
camino. La propagación en LOS es diferente a la propagación en el espacio libre cuando tiene lugar en
84
sistemas de comunicación terrenal pues las condiciones terrestres influyen en la propagación incluso cuando
no hay obstáculos. Pero además en los cálculos de propagación para los radioenlaces es necesario tener en
cuenta las pérdidas por cuenta de los diferentes conectores y clables usados, pero también las ganancias que
brindan las antenas directivas. Sobre este tema existe mucha literatura y puede ser buscada como cálculos
de radioenlaces o en inglés “link budget”.
1.9.5. El Fenómeno de Multitrayectoria o Multicamino

la mayorı́a de los sistemas de comunicaciones usan antenas que no son directivas o que no tienen tanta
directividad como las usadas en los enlaces de microondas. Con esto se buscan brindar un servicio de
comunicaciones a una zona de cobertura, como es el caso de las estaciones usadas en las comunicaciones
móviles celulares, en la televisión digital o en general en la radiodifusión. En este caso, es inevitable
encontrarse con el Fenómeno de Multitrayectoria, como se muestra en la Fig. 58, de manera que al receptor
llega no solo la señal directa, sino también la reflejada de diversos obstáculos.
Figura 58: Fenómeno de multitrayectoria.
1.9.5.1. El Efecto de Rice

En el mundo real, la potencia que llega a un receptor oscila todo el tiempo con un comportamiento que
depende de varios factores. Uno de ellos es que la recepción se realice en Lı́nea de Vista (LOS, del inglés
Line of Sight), aunque influyen muchos fenómenos de las ondas, predomina la señal que llega directamen-
te de la antena transmisora, pero es influenciada por débiles señales que llegan reflejadas de diferentes
obstáculos. Es el caso presentado en la Fig. 58
En Figura 59 se muestra la imagen que resulta al medir la potencia de la señal RF para este caso.
85
Figura 59: Nivel de potencia medida en LOS.
fuente: Tomado de F. Pérez Fontán. Nota: Esta no es la señal recibida sino lo que entrega un medidor de nivel de
potencia.
Desde el punto de vista de los procesos estocásticos, el nivel de señal que se recibe en lı́nea de vista
sigue la distribución de Rice.
El efecto de Rice se observa no solo en LOS, sino también en algunos casos ocurre en No Lı́nea de Vista
(NLOS, del inglés No Line of Sight), por ejemplo, cuando un obstáculo puede ser visto como un fuerte
reflector de la señal, lo cual ocurre a menudo en las comunicaciones móviles cuando la señal llega reflejada
de una superficie suave de un edificio que si tiene LOS.
1.9.5.2. El efecto de Rayleigh

Cuando no hay lı́nea de vista (NLOS), en el nivel de señal recibido predominan los débiles aportes de
energı́a que se reciben de manera indirecta, principalmente por el efecto de multitrayectoria, es decir la
multitud de ondas que llegan al receptor, recorriendo diferentes distancias, debido al efecto de la reflexión
que las ondas sufren al encontrarse con diferentes obstáculos en su propagación. Estos obstáculos pueden
ser edificios, señales de tráfico, árboles, personas y hasta gatos. La suma de las señales que llegan de esos
obstáculos causa en el receptor distorsiones tanto constructivas como destructivas.
Cuando predomina el efecto de multitrayectoria, la señal RF medida en el receptor muestra una com-
binación de variaciones rápidas (Fast Fading) y lentas (Slow Fading), como se muestra en la figura siguiente.
86
Figura 60: Niveles de potencia medidos en un punto donde se presenta el efecto de Rayleigh.
Fuente: Tomado de F. Pérez Fontán. Nota: Esta no es la señal recibida sino lo que entrega un medidor de nivel de
potencia.
Pero el efecto de Rayleigh no solo se observa en condiciones de NLOS, también se observa en un vehı́cu-
lo que se mantiene en LOS, alejándose de la fuente, mientras se desplaza por una zona rural con geografı́a
variable, como se muestra en la siguiente figura.
Figura 61: Efecto de Rayleigh en un caso de LOS.
Fuente: Tomado de F. Pérez Fontán. Nota: Esta no es la señal recibida sino lo que entrega un medidor de nivel de
potencia. En esta figura no se muestra el desvanecimiento por la distancia, que puede compensarse mediante un sistema
de amplificación automática.
Las variaciones rápidas (Fast Fading or Fast Variations or short term variations) son debidas al efecto
de multitrayectoria en sı́, mientras que las lentas (Slow Fading or Slow Variations or long-term variations)
son debidas principalmente al efecto de desvanecimiento por sombra (shadowing), el cual, a su vez es una
consecuencia de refracción de las ondas con respecto a las montañas y otros obstáculos. El anterior es el
peor escenario, se encuentra en ambientes urbanos densos de altas edificaciones, pero también en ambientes
rurales donde la señal es obstruida por densa masa de árboles. La siguiente figura muestra lo que pasarı́a
si las variaciones lentas son promediadas, (parte izquierda) y las variaciones rápidas que resultan al restar
a la señal las variaciones lentas (parte derecha).
87
Figura 62: El Desvanecimiento lento.
Fuente: Tomado de F. Pérez Fontán
[homero: se puede agregar una practica adicional: la que corresponde a mediciones de radiopropagación.
La idea es que soporte sobre emisión y recepción de señales FM. Por ahora se están probando la idea en
una práctica de laboratorio]
1.10. Equipo de Laboratorio y de medida

[Falta: Oscar Reyes] [Este es un tema qie puede ser tan dispendioso como se quiera. La estrategia
consiste en lo siguiente:
primero que todo debemos tener claro que el verdadero contenido formativo sobre este tema es el que
iremos incluyendo en la página web del libro, con apoyo de estudiantes, investigadores y experiencias
que iremos teniendo a mediad que enseñamos e investigamos.
Lo que escribiremos aquı́ se limita a una motivación sobre la importancia de las tecnologı́as de
medición.
También podemos ver este capı́tulo como un resumen de lo mı́nimo que hay que saber sobre tecno-
logı́as de laboratorio, siempre teniendo en cuenta que la página web está destinada a complementar,
pero más desde un punto de vista de pŕacticas, de tutoriales y aspectos didácticos.
También es importante un paralelo entre los equipos de medición tradicionales y los servicios que
pueden brindar los USRP también como equipo de laboratorio, Por ejemplo, un USRP podrı́a servir
como osciloscopio, como analizador de espectros, etc.
Todos los equipos de laboratorio son para conocerlos bien, para sacarles el máximo provecho y evitar
que se dañen.
]
1.10.1. El osciloscopio
1.10.2. El analizador de espectros
Aunque se dice que el ERE es un recurso intangible, que no se puede ver, ni oler, ni pesar, en realidad
es posible apreciarlo mediante el uso de un analizador de espectros.
El analizador de espectros se basa en el uso de un banco de filtros, cada uno de los cuales está acotado
a un ancho de banda lo más angosta posible centrado en una frecuencia diferente a los demás, de modo que
entre todos los filtros sea posible cubrir un ancho de banda de interés, centrado en una cierta frecuencia
intermedia (FI). El uso de un receptor superheterodino es clave para poder mover a la FI el espectro de
la señal que se desea analizar. Una pantalla toma la salida de cada filtro para crear la imágen espectral
que consiste en amplitudes de señal distribuidas sobre el eje de las frecuencias. El espectro que muestra
el analizador de espectros es dinámico ya que corresponde al comportamiento instantáneo de una señal, a
diferencia de los métodos teóricos usados para obtener el espectro, donde una señal es analizada muchas
veces en toda su extensión. También es posible obtener un espectro promediado y un espectro pico como
88
imágenes algo más estáticas.
Los analizadores de espectros pueden ser construidos también con tecnologı́a digital que imita al banco
de filtros por lo que tienen la misma apariencia.
[Falta: Oscar Reyes [OR] qué se espera, qué extensión? enfocado a uso, a estructura....?]. [HOB] Lo que yo
pienso está en los siguientes considerandos:
Hasta esta parte del libro, el estudiante conoce sobre RSF, TF, FFT, PSD. Aunque poco se ha
hablado del ERE.
podrı́amos incluir un nuevo concepto: el espectro dinámico para referirse a la ocupación variable que
una señal de radio realiza en el ERE.
En los estudios previos hemos identificado que hay conocimientos que son transversales para cualquier
otro tema de comunicaciones RF y a ellas debemos prestar la máxima atención. Una de ellas es el
analizador de espectros: se usa en laboratorio, en campo, en investigación
está claro que hay muchas fuentes de información en las que nos podemos apoyar para lograr que
este capı́tulo sea lo más eficiente y efectivo posible.
en este sentido, nuestro esfuerzo debe centrarse en “atar cabos”, es decir, darle los mı́nimos al lector
para que pueda llegar tan lejos como pueda
Para “atar cabos” creo que las fuentes disponibles no relacionan en un solo texto los aspectos claves
para nuestro propósito como: el espectro parece tener muchos enfoques (el Espectro radioelectrico,
la RSF, la TF, el espectro instantáneo, la PSD, el espectro pico, etc), creo que con el tema del anali-
zador de espectros, estos conceptos deben terminar de aclararse; qué es un analizador de espectros,
qué prestaciones tiene?, que cuidados requiere su uso?, qué fuentes o prácticas puede ayudarle a
conocer más?; puede gnuradio ser usado para construir un analizador de espectros? ¿cómo? ¿cuales
son sus potencialidades y sus desventajas?
como ya se explicó el uso de la FFT en el analisis de señales periodicas y de la PSD, podemos
simplemente formular recomendaciones para usarla como analizador de otras formas de espectros,
como por ejemplo para obtener el espectro dinámico, el espectro pico, el promediado.
algo similar puede decirse sobre los demás equipos.
1.10.3. El analizador vectorial de redes

Falta:Oscar reyes
Un analizador vectorial de redes (V N A, por sus siglas en inglés) es un instrumento que permite determi-
nar diferentes caracterı́sticas de una red de N puertos en una determinada banda de frecuencias. Algunas
de estas caracterı́sticas son: las impedancias de entrada y salida de la red, ası́ como sus parámetros de
dispersión (parámetros S).
Una de las principales caracterı́sticas de un analizador vectorial de redes es que, además de la infor-
mación de magnitud o densidad espectral de potencia, ofrece información de fase relativa a una señal de
prueba. Sus resultados se pueden visualizar en diagramas polares, carta de Smith e incluso en diagramas
de Bode.
Un analizador vectorial de redes se encuentra estructurado en cuatro etapas o componentes fundamen-

tales, que son: un generador de señales, un banco de pruebas (test set), un receptor y un procesador, figura
63.
89
Figura 63: Esquema de un analizador vectorial de redes.
1.10.4. El Generador Vectorial de Señales

Falta:Oscar reyes
1.10.5. El Analizador Vectorial de Señales

Falta: Oscar reyes
1.10.6. Medidor de RNI

Falta: Oscar Reyes
1.10.7. Equipos de medición basados en USRP

Falta: Oscar Reyes. La idea es hablar de los USRP, pero no para los intereses de un desarrollador, sino
de una persona que los ve como un equipo más de laboratorio, que prestan unos servicios como: medición,
generación, visualización. Algo que no puede faltar es: es el cuidado que hay que tener al trabajar con ellos
1.11. Medición de potencia propagada

El espacio libre se refiere al caso ideal en que las ondas se propagan libres de cualquier obstáculo como
sucederı́a por ejemplo en el cosmos. Pero tiene una gran utilidad también para condiciones terrestres, pues
brinda la posibilidad de realizar una aproximación gruesa, que puede ser complementada con factores te-
rrestres si resulta necesario obtener cálculos más precisos.
1.11.1. Valor RMS y potencia promedio

En la práctica, aunque el equipo de medición se ubique en un punto de interés (PoI) fijo, la amplitud
de las ondas que inciden en el equipo varı́an aleatoriamente, debido a la información que transportan y a
todos los fenómenos que ocurren en el canal inalámbrico. Consecuentemente varı́a en el tiempo la señal de
90
voltaje que entrega la antena del equipo de medición. Por esta razón, es necesario usar promedios de tiem-
po. Resulta entonces pertinente recordar la definición de valor RMS que uno de esos promedios aplicados
a una señal aleatoria de voltaje v(t):
s
Z T aver
1
VRM S = lı́m |V (t)|2 dt (1.102)
T aver→∞ T aver 0
Otro promedio de tiempo importante es el de potencia promedio, que se puede obtener a partir del
valor RMS ası́:
Z T aver
VRM S 2 1
P = = lı́m |V (t)|2 dt (1.103)
Z T aver→∞ ZT aver 0
Donde Z es la impedancia del medio en el cual viaja la señal.
1.11.2. Campo cercano versus campo lejano.

En la radio propagación de las ondas electromagnéticas se distinguen el campo cercano y el campo
lejano. Lo importante a tener en cuenta en las mediciones es que, a una distancia mayor a 3 longitudes
de onda, es posible considerar que el frente de una onda electromagnética que puede ser capturado por
una antena es plano y los campos eléctricos y el magnético son ortogonales entre sı́. No ocurre lo mismo
a distancias menores y, por lo tanto, se requieren equipos especializados para la medición. El primer caso
corresponde al campo lejano y el segundo al cercano. Los equipos de medición que provee la industria
para frecuencias altas en campo lejano permiten medir el campo eléctrico E(V/m) o el campo magnético
H(A/m) o la densidad de flujo de potencia S(W/m2 ).
1.11.3. Factor de antena

Una de las grandes dificultades para la realización de trabajos de campo radica en el diseño de un equi-
po capaz de medir la intensidad de un campo eléctrico incidente ei (t) en un PoI, empleando un receptor
de ondas RF y una antena. La antena es usada como un sensor de la intensidad del campo eléctrico en
el PoI, o más bien como un transductor de ese campo a una señal eléctrica aleatoria de voltaje vr (t) que
tiene un valor RMS Vr . De modo que la potencia promedio es:
Vr2
PR = (1.104)
ZAnt
Donde ZAnt es impedancia de la antena receptora. El factor (AF) de la antena receptora es precisamente
el coeficiente de proporcionalidad entre Ei y Vr :
Ei
Af R = (1.105)
Vr
Por esta razón es necesario conocer el AF para determinar la intensidad del campo eléctrico incidente a
partir Vr . Además, con los conceptos ya vistos, puede deducirse que Vr está relacionado con el área efectiva
de la antena ası́:
Vr 2 Ei 2 λ2
= Sr Aef f = ∗ Gr (1.106)
ZAnt 120π 4π
Por lo tanto, el factor de antena puede hallarse a partir de los parámetros de la antena y es función de
la longitud de onda:
s
Ei 480π 2
Af R = = (1.107)
Vr ZAnt λ2 Gr
Esta fórmula sugiere conocer simplemente la ganancia de la antena receptora y la impedancia de la
antena, mientras se hace variar la frecuencia o la longitud de onda en el rango de interés. También es
91
posible encontrar una expresión para el factor de antena a partir de la potencia transmitida ası́:
Pr Pt Gt Gr λ 2 Pt Gt
Sr = = ( ) = (1.108)
Aef f Aef f 4πr 4πr2
Pt Gt
Ei 2 = Sr 120π = 30 (1.109)
r2
1 √
Sustituyendo en Af R = 30Pr Gt . Esta fórmula sugiere la realización de un experimento usando un
Vr
transmisor de potencia y ganancia conocida, y ubicando un receptor a una distancia r también conocida,
para medir Vr y calcular el factor de antena según la ecuación 1.109.
La figura 64 resumen las relaciones de mayor interés, donde se observa que: la antena transmisora
también tiene un factor de antena Af T , el cual también puede entrar a jugar un papel importante en las
mediciones.
Figura 64: El factor de antena en la práctica.
𝑬𝒊
𝐴𝑓𝑇 𝐴𝑓𝑅
𝑮𝒕 𝑮𝒓
𝑉𝑡 2 𝑉𝑟 2
𝑃𝑡 = 𝑃𝑟 =
𝑍𝐴𝑛𝑡𝑒𝑛𝑎 𝑍𝐴𝑛𝑡𝑒𝑛𝑎
𝑬𝒊 𝟐 𝑷𝒕 𝑮𝒕
= 𝑺𝒓 =
𝟏𝟐𝟎𝝅 𝟒𝝅𝒓𝟐
T R
𝑍𝐴𝑛𝑡𝑒𝑛𝑎 = 50 Ω 𝑍𝐴𝑛𝑡𝑒𝑛𝑎 = 50 Ω
1.11.4. Parámetros S11 de las antenas

El parámetro S11 de una antena puede jugar también un papel importante en las mediciones de RNI.
En este sentido, lo que debe tenerse en cuenta es que S11 representa la relación entre la potencia reflejada
por la antena u la aceptada y por eso se conoce también como coeficiente de reflexión o pérdidas de retorno
de la antena. Por ejemplo, si S11 = 0 dB, toda la potencia es reflejada de la antena y nada es recibido.
Pero si S11 = −10 dB significa que si llegan 3 dB a la antena, -7 dB es lo reflejado por la antena y lo
demás es lo aceptado.
1.12. El espectro radioeléctrico

El espectro radioeléctrico (ERE) es un término usado principalmente por las autoridades para hacer
referencia a un valioso recurso que permite el desarrollo de las comunicaciones inalámbricas, que es el
espectro radioeléctrico (ERE). Hablar del ERE es un tema muy extenso ya que contempla aspectos técnicos,
normativos, económicos, como cualquier otro recurso. En este capı́tulo los esfuerzos se centran en las
competencias mı́nimas necesarias para que el investigador pueda: sacarle el mejor provecho posible a su
preparación en el uso de técnicas SDR; que son el objetivo del libro; se le facilite la búsqueda de información
complementaria cuando sea necesario.
1.12.1. Qué es el espectro radioeléctrico

El espectro radioeléctrico es un recurso valioso de cada nación y de todas las naciones en su conjunto.
Es decir, cada nación quiere usarlo internamente como un motor de desarrollo, pero debe hacer bajo acuer-
dos internacionales, pues por naturaleza es un recurso que está en todas partes, incluso fuera del planeta.
Por ello, es del interés de los polı́ticos, los economistas, los ingenieros, la industria, los investigadores, etc.
92
Entonces, cada uno de ellos puede tener un punto de vista especial. Por ejemplo, para un ingeniero, el ERE
es el medio usado para las comunicaciones inalámbricas, pero para un economista o un polı́tico el ERE es
un recurso valioso de la nación, comparable con otros como el petróleo, el oro o porqué no el agua. Eso
marca una diferencia importante. Por ejemplo el ingeniero se enfoca en su uso particular, como lo hace un
piloto para poder aprender a volar y prestar servicios aprovechando el aire y el espacio aéreo. En cambio las
autoridades, se enfocan en la necesidad de hacer que ese recurso se traduzca en progreso para las personas,
por eso se ocupan de establecer bandas de frecuencias, atribuirles servicios a esa bandas, asignar bandas
a los operadores, implementar estrategias para que la sociedad se beneficie del ERE, asegurarse de que no
haya uso indebido y hasta llegan a ver en el ERE una oportunidad para traer recursos para la gobernanza.
Entonces, como cualquier otro recurso, el ERE se puede vincular con todo lo bueno pero también con todo
lo malo que puede acontecer en una sociedad. Por eso, dar un concepto sobre qué es el ERE puede resultar
un tanto riesgoso o polémico. Para atenuar ese riesgo vamos a dar varios puntos de vista, pero a la postre,
el ERE es el conjunto de todos ellos:
El punto de vista legal: Este punto de vista es muy importante pues los abogados están en todas las
instituciones y finalmente toman parte en dirimir los conflictos que pueden suceder con este y con cualquier
otro recurso de la nación. En este sentido, lo que hay que tener en cuenta es que los abogados y en general
toda persona relacionada con la administración pública basan sus criterios en la legalidad, es decir en el
cumplimiento de normas y conceptos preestablecidos mediante: leyes, decretos, acuerdos. Para ellos el ERE
es algo muy preciso, y es lo que digan las normas que es, no lo que piense Albert Einstein quien quizá dirı́a
que eso depende de la velocidad a la cual viajamos. Desde este punto de vista, debemos volcarnos a las
normas de cada paı́s. En el caso de Colombia, lo primero que debe hacer un abogado es remitirse a la
constitución polı́tica de Colombia, que es la norma de todas las normas, pero que además, en el artı́culo
75 reza: “El espectro electromagnético es un bien público enajenable e imprescriptible sujeto a la gestión y
control del Estado. Se garantiza la igualdad de oportunidades en el acceso a su uso en los términos que fije
la ley. Para garantizar el pluralismo informativo y la competencia, el Estado intervendrá por mandato de
la ley para evitar las prácticas monopolistas en el uso del espectro electromagnético”. Que esto aparezca
en la constitución de un paı́s plantea unos retos de gobierno: el compromiso real para que este recurso
esté al servicio de la nación.
El punto de vista industrial y comercial: La industria se refiere, principalmente a las empresas

que se dedican a producir tecnologı́a. Los actores comerciales son principalmente los operadores de redes
para prestar servicios. Hay otros actores menores como empresas que se dedican a planeación, manteni-
miento, formación, etc. En todo caso, todos ellos se ajustan a las definiciones del espectro radioeléctrico
que se tienen a nivel nacional e internacional. Sin embargo, implı́citamente, lo que el espectro radioeléctrico
significa para el sector industrial y comercial es oportunidad. Por eso ellos le hacen un seguimiento muy
cercano, comparable a los mercados de acciones, para estar atentos a subastas de espectro, bandas en que
van a funcionar los nuevos sistemas de comunicaciones, en fin, oportunidades que se abren.
El punto de vista cientı́fico: Los ingenieros no deben olvidar que existe el mundo legal, en el cual
el espectro es el conjunto de las bandas de frecuencias que estén legalmente contempladas. Por ejemplo, en
Colombia se tiene el Cuadro Nacional de Atribución de Bandas de Frecuencias (CNABF). Sin embargo,
desde el punto de vista cientı́fico, el CNABF es solo una pequeña porción de lo que el ERE, en términos
reales, representa. Para los cientı́ficos el ERE es algo más que unas normas, es algo que está fı́sicamente
presente en todas partes, tanto en la tierra como en el cosmos en la forma de una capacidad dada en Hz
para los usos que sean posibles, no solo en las comunicaciones. Por ejemplo, los radio astrónomos pueden
obtener imágenes del cosmos a través de las señales de radio que reciben, pero también se usa el ERE para
obtener imágenes de radio de la tierra desde satélites especializados, se usa en la medicina, en radioterapias,
etc. Ahora, sea que lo acepten o no las normas establecidas, el ERE es realmente una pequeña porción del
espectro electromagnético ya que este último contempla todas las frecuencias posibles, desde la frecuencia
0 Hz hasta ∞ Hz. Para los cientı́ficos, el espectro electromagnético es sinónimo de luz, solo que consideran
que la luz visible ocupa un pequeño rango, y todo lo demás es luz no visible. Desde este punto de vista,
el ERE es parte de la luz no visible cuyo rango de frecuencias está muy por debajo de las frecuencias de
la luz visible. Lo que realmente marca el lı́mite para el rango de la frecuencias del ERE consiste en que
abarca todo el rango de frecuencias en el cual la radiación electromagnética que se produce al hacer uso del
ERE puede ser considerada como radiación no ionizante (NIR, del inglés Non Ionizing Radiation). Esto
es muy importante, ya que, de esta manera, el ERE puede ser usado en sistemas con radiación intencional
de energı́a hacia las personas, siempre y cuando se respeten unos lı́mites de radiación seguros para la salud
que establece la UIT-R. Por el momento no hay planes para usar el ERE por encima de los 300 GHZ ni
por debajo de los 3 [[kHz]], de modo que la mayorı́a coincide en que el ERE es el rango de frecuencias
que esta entre 3 [[kHz]] y 300 GHz, pero ese rango se refiere más bien al rango que tiene mayor interés
93
práctico al dı́a de hoy y todo puede cambiar, ya por ejemplo se hablan de sistemas que pueden funcionar a
3.000 GHz. En conclusión, el ingeniero y el cientı́fico deben manejar en paralelo la definición legal del ERE
para facilitar la gobernanza, sin que esto le impida tener su propia concepción. Sin embargo, los ingenieros
tienen mucho que aportar a las aclaraciones legales ya que la mera interpretación legal puede conducir a
muchas contradicciones como las siguientes:
Muchas veces se considera que los operadores móviles están en igualdad de condiciones porque tienen
igual ancho de banda asignado, aunque uno de ellos tenga todo ese ancho de banda representado en
frecuencias altas. En realidad las altas frecuencias le brindan a los operadores móviles mejor pene-
tración en las ciudades, pero menor cobertura en el sector rural, lo cual se deduce de los fenómenos
de radio propagación,
Es común escuchar a polı́ticos diciendo que todas las antenas de los sistemas de comunicaciones deben
ubicarse fuera de las ciudades. Algo que puede aplicar perfectamente en radiodifusión, pero no en
el caso de las comunicaciones bidireccionales, donde no solo transmite la radio base sino también el
equipo que está del lado de la persona que actúa como usuario.
1.12.2. Clasificación de las ondas de radio

Existen diferentes maneras de clasificar las ondas de radio, principalmente por su frecuencia y por
la longitud de onda. No resulta obvio comprender el criterio que ha servido para definir los grupos de
clasificación, pero en la longitud de onda está la clave ya que la interacción entre las ondas y los objetos
y formas terrestres cambia en función de la longitud de onda y eso hace que unas longitudes sean buenas
para una cosa pero no para otra. A continuación enunciamos las consideraciones más relevantes para esa
clasificación:
Como ya se ha dicho, las ondas electromagnéticas tienen las mismas propiedades que cualquier otra
onda, excepto por el mecanismo usado para su propagación.
De acuerdo a lo visto en el capı́tulo 1.9.3, a medida que la longitud de onda se hace más pequeña,
se eleva la dificultad para detectarlas en la distancia, ya que se desvanecen más rápido. En otras
palabras, entre más corta sea la onda, menos energı́a podemos capturar en una distancia determinada
de la fuente de radiación. Pero veamos ahora el lado positivo, entre más cortas sean las ondas
tienen mayores posibilidades para poder penetrar los edificios a través de aberturas como puertas y
ventanas mediante multitrayectorias que surgen por varios fenómenos de propagación, especialmente
el de reflexión. Eso es algo que se aprovecha por ejemplo en las comunicaciones celulares. Las ondas
largas también pueden penetrar usando otros principios, pero los equipos móviles celulares no pueden
soportar ondas muy largas debido a que no pueden contar con antenas muy grandes.
A medida que crece la longitud de onda, los objetos terrestres como: personas, edificios, montañas,
se hacen comparativamente cada vez más pequeños, de manera que las ondas los abrazan fácilmente
pasando como si ellos no existieran. Esto se aprovecha en muchos sistemas de comunicación para
ofrecer grandes coberturas, como es el caso de la radiodifusión bien sea para televisión o radiodifusión
sonora. Como aspecto negativo está la necesidad de usar antenas muy grandes, comparables a la
longitud de onda.
Cuando la longitud de onda es comparable al tamaño de la tierra, las ondas aparecen encerradas
dentro de un tubo que se forma entre la tierra y la ionósfera y resultan propagándose alrededor de
la tierra. Esto puede aprovecharse en comunicaciones trasatlánticas.
A ciertas longitudes de onda ellas atraviesan fácilmente la ionósfera, mientras que otras se reflejan
de ella o se refractan, es decir, van cambiando de dirección poco a poco. Las primeras pueden usarse
en comunicaciones satélites, las segundas en sistemas punto a punto de muy largo alcance.
Por lo anterior, la clasificación de las ondas de radio se realiza en función del comportamiento que los
humanos podemos observar en ellas para darles aplicaciones especiales.
En la tabla 1.2 se tiene la clasificación dada por la UIT-R en el Reglamento de Radio (RR).
94
Tabla 1.2: Clasificación de las ondas de radio según la UIT-R.
Nombre de la Rango de
Abreviaturas Longitud de onda Banda Popular
banda frecuencia
Frecuencia
ELF Extremandamente 100.000-10.000 Km 3-30 Hz
baja
Super baja Ondas super
SLF 10.000-1.000 Km 30-300 Hz
frecuencia largas
Ultra baja
ULF 1.000-100 Km 300-3.000 Hz
frecuencia
Muy baja Ondas muy

VLF 100-10 Km 3-30 kHz Ondas mirimétricas
frecuencia largas
LF Baja frecuencia 10.000 - 1.000 Km 30-300 kHz Ondas Kilométricas Ondas largas
Ondas Ondas
MF Media frecuencia 10 - 1 Km 300-3.000 kHz
hectométricas medias
Ondas
HF Alta frecuencia 1 km - 100 m 3-30 MHz Ondas cortas
decamétricas
Muy alta Ondas muy

VHF 10 - 1 m 30-300 MHz Ondas métricas
frecuencia cortas
Ultra alta
UHF 1 m - 100 mm 300-3.000 MHz Ondas decimétricas
frecuencia
Super alta Ondas

SHF 100-10 mm 3-30 GHz Micro ondas
frecuencia centimétricas
Frecuencia
EHF extremadamente 10- 1 mm 30-300 GHz Ondas milimétricas
alta
De esta clasificación podemos resaltar lo siguiente:

Las bandas han sido organizadas originalmente de acuerdo a la longitud de onda en: miriamétricas,
kilométricas, hectométricas, decamétricas, métricas, decimétricas, centimétricas y milimétricas. Tie-
ne mucho sentido porque corresponde a las interacciones que en esas bandas tienen las ondas con el
tamaño de los objetos terrestres que pueden entrar en contacto con las ondas como: las cordilleras,
las montañas enormes, las más pequeñas, las edificaciones y ası́ sucesivamente hasta llegar incluso
al vapor de agua.
OJO: falta la tabla que muestra propiedades y usos de las bandas por debajo de UHF. ver URL
https://docs.google.com/spreadsheets/d/1MdmUUvC8MjG3cPRtz2kr5fiRahxqeJcKOBXlSxMX1ns/edit#
gid=2059015211
95
Tabla 1.3: Clasificación de las ondas de radio según el IEEE. Parte 1/2.
UIT-R IEEE
Explicación
Banda Banda Rango
PROPIEDADES:
• El método de propagación es en línea de vista y mediante reflexiones de la tierra.
• Muy poca o casi ninguna reflexión de la ionósfera, con lo cual comienzan a ser interesantes para
comunicaciones satelitales
• Se ven bloqueadas por las montañas grandes
• pueden penetrar facilmente el foyage y los edificios penetrando por puertas y ventanas para brindar buena
recepción
• se reflejan de obtáculos comuenes para los humanos como: vehículos, carros, edificios, etc, de modo que la
recepción de propagación por multi trayectoria es lo más común
• la humedad comienza a afectar la propagación en las frecuencias más altas.
• el alcance más común es 48 a 64 kms.
• son las bandas más apropiadas para las técnicas de reuso, como es el caso de las comunicaciones celulares
0.3 • Con algunas condiciones climatológicas es posible alcanzar grandes distances por conducción troposférica
UHF
1 GHz USOS:
UHF • Radiodifusión en televisión
• hornos microondas
• radioastronomia
• telefonia celular
• redes WiFI
• Bluetooth
• ZigBee
• GPS
• radio aficionados
• radio satelital
• DBS
• Sistemas de control remoto
1
L Ondas largas
2 GHz
2
S Ondas cortas
4 GHz
• Compromiso entre S y X
• comunicaciones satelitales
• Wi-Fi IEEE 802.11a
• teléfonos inalámbricos, sistemas de monitoreo de bebes
4 • llaves inalámbricas para vehiculos
C
8 GHz • sistemas de vigilancia y radares de clima
• televisión satelital (solo recepción) con antenas de plato grande
• se ven influenciadas por precipitaciones y por polvo en el aire
• aplicaciones médicas de calentamiento
RELACIONADOS CON TECNICAS DE RADAR

• los más modernos radares incluyendo: los de apertura sintetizada, los de onda continua, los de pulsos
• comunicaciones computacionanles inalambricas
SHF • usada en la segunda guerra mundial en control de fuego.
• monitoreo del clima
• control del tráfico aéreo
• control de trafico maritimo
• traceo en el sector defensa
8 • detección de velocidad vehicular
X
12 GHz RELACIONADOS CON COMUNICACIONES TERRESTRES
• banda ancha terrestre, en algunos paises
• DOCSIS sobre microondas
RELACIONADOS CON COMUNICACIONES TERRESTRES
• comuincaciones en el espacio profundo, desde la tierra hasta cualquier punto del sistema solar
• Eso se conoce como X Band Communication
OTROS
• Radioaficionados
• resonancia electron paramagnética
• aceleradores de particulas
96
Tabla 1.4: Clasificación de las ondas de radio según el IEEE. Parte 2/2.
UIT-R IEEE
Explicación
Banda Banda Rango
• Significa "K-under" debido a que está por debajo de una banda K
• es sencible a la presencia de vapor de agua en la atmósfera (el fenómeno rain fade)
• no interfiere con sistemas de microondas terrestres como si lo hace la banda C por lo cual se pueden usar mayores
potencias
12 • permite la recepción de emisiones satelitales con pequeñas antenas parabólicas pudiendo enfocarse facilmente en
Ku
18 GHz un satélite aunque esté muy cerca de otro, hasta dos grados
• televisión satelital
• comunicaciones en estaciones espaciales
• pistolas de radar para controlar la velocidad vehicular
SHF
• Es la banda se presenta el pico de resonancia donde las ondas son absorvidas por el vapor de agua. El pico está
exactamente a 22,24 cm que equivale a longitud de onda de 1,35 cm
18 • por lo anterior, en esta banda no pueden haber aplicaciones de larga distancia, sino de corta distancia
K
27 GHz • Precisamentente, la letra "K" viene del aleman "kurz" que significa "corto" para referirse a banda solo para
aplicaciones de corta distancia
• Radioaficionados, operaciones satelitales para radioficionados
• Significa "K-above" debido a que está por encima de a banda K

• la longitud de onda está entre 1 cm y 7,5 mm
• Es más suceptoble al fenómeno de atenuación por lluvia que la banda Ku y por lo tanto que la banda C
• Enlaces satelitales en el enlace de subida o "up link", logrando las máximas velocidades de datos
• usada por el sistema Inmarsat I-5 y sera usada por las series de satélites: Iridium Next, Kacific K-1
27
Ka • radares de aviación militar de alta resolución
40 GHz
• medidores de velocidad de los vehiculos
• La misión Kepller la usa para bajar información datos científicos del telescopio espacial.
• El telescopio espacial James Webb
• experimentos de fondo cósmicos mediante microondas
• Redes Móbiles 5G en 28 GHz y en 38 GHz.
• No tiene un uso masivo

• la linea de vista es indispensable en todo enlace en esta banda y debe considerarse el efecto de desvanecimiento
por lluvia
• radares en longitudes de onda milimétrica
• no debe confundise con término de "Band V", donde V se refiere a cinco y que es parte de la banda UHF
• sistemas de comunicación terrestre de alta capacidad en longitudes de onda milimétrica
• En USA se atribuido parte de esta banda a sistemas inalámbricos no licenciados, que usan alta capacidad y
40
V alcance menor a una milla.
EHF 75 GHz
• otra parte de la banda se ha atribuido como "bandas ligeramente licenciadas" para sistemas inalambricos de
comunicaciones multi_gigabit.
• Wi-Fi de muy corto alcance con los estándares: WiGig, IEEE 802..11ad, IEEE 802..11ay para velocidades de datos
de 7 Gbps en distancias hasta 10 m
• Banda ancha inalámbrica:
• En el campo militar, la posiblidad de usar rayos angostos que caen en la banda de mayor absorción por oxigeno es
atractiva en enlaces satelitales seguros pues resultan protegidos por interceptaciones por adversarios desde tierra
• longitud de onda entre 2,7 y 4 mm
• radares en longitud de onda milimetrica
• aolicaciones militares de enfoque y de seguimiento
75
• radares para control de velocidad de crucero de automobiles
W 110
• aplicaciones de radar para astronomia en ondas milimétricas
GHz
• armas no letales que producen calor intolerable a la piel de las personas para hacerlas mover
• altas ratas de bits pero a altas altitudes en el espacio
• atribuida por ITU-R a servicios satelitales.
• El interes de los operadores satelitales por esta banda está en aumento pero hay pocos proyectos aún.
No No • Experimentación médica para reemplazar los rayos-X

aplica aplica • Dinámica molecular ultra rápida
• sensado remoto por microondas
Al traducir esas bandas a Hz, que es la medida de las bandas de frecuencia que realmente resulta
válida para los sistemas de comunicación, vemos que el rango de frecuencia para cada banda crece
exponencialmente a medida que hablamos de bandas de frecuencias más elevadas. Osea que en las
bandas más bajas hay mayor escasez del recurso espectro que en las altas, por ejemplo, el ancho de
banda de la banda ELF es de 27 Hz, lo cual es irrisorio con respecto, por ejemplo, al ancho de la
banda SHF, que es de 27 GHz.
97
En la tabla 1.2, podemos ver que el rango de frecuencias que tienen longitudes de onda entre 1 metro
y 1 mm, se conocen popularmente como microondas. Justamente, el IEEE ha emitido su propio sistema
de clasificación de las ondas de radio, para que sea más fina para las microondas, debido a que allı́ se
encuentra el mayor recurso espectro aprovechable por las tecnologı́as que hoy son de uso más masivo. La
clasificación se presenta en la tabla 1.3, por su tamaño continúa en la tabla1.4.
En esa tabla presentamos detalles sobre las propiedades de las ondas en cada banda para asociarla a
aplicaciones concretas. Cada campo de aplicación encuentra intereses en estas bandas. Veamos por ejemplo
el caso de las comunicaciones satelitales: todas estas bandas por encima de 30 MHz tienen cabida para este
tipo de comunicación; al mismo tiempo, las comunicaciones satelitales brindan cabida a muchos servicios
y por eso se habla de radiodifusión satelital (televisión y radio), imágenes de radio para observar la tierra
desde diferentes bandas del espectro, seguridad nacional e internacional, internet, etc; la banda K marca
una lı́nea especial para las comunicaciones satelitales, pues por las interacciones que se suscitan con el
vapor de agua hacen que aquı́ las ondas sufran la máxima absorción en la atmósfera. “K” viene del alemán
“kurz” que significa “corto” para enfatizar que aplica solo en comunicaciones de corta distancia. Por ello
en la banda K se observan casi nulas aplicaciones satelitales. Para referirse a las bandas vecinas a la K
se habla de la banda Ku y la Ka. La primera porque está con frecuencias por debajo (under) de K y la
otra por encima (above) de K. Otro ejemplo son las comunicaciones móviles celulares, que como es bien
sabido, se están preparando para entrar a la quinta generación (5G), ellas han estado usualmente en la
banda UHF, pero ya vemos intereses en bandas tan altas como la banda Ka. La radioastronomı́a también
es un ejemplo, en el que vemos intereses en casi todas las bandas: En los 30 MHz arranca lo que se conoce
en radioastronomı́a como la ventana de radio y termina en los 30 GHz, pues más allá están la influencia
con el vapor de agua, con el oxı́geno y además los intereses de otras aplicaciones. Pero entre 30 y 250 MHz
está la información que llega de la etapa temprana del universo.
1.12.3. Gestión del espectro

El valor estratégico que tiene el ERE amerita que los estados definan autoridades que se ocupen de
realizar todas las actividades que sean necesarias para planearlo en función de nuevas necesidades y de
nuevos avances tecnológicos, atribuirlo a los diferentes servicios, asignarlo a diferentes operadores y velar
por su uso legal y óptimo. El conjunto de todas esas actividades es lo que se conoce Gestión del Espectro
Radioeléctrico (GERE).
Existen dos grandes tipos de autoridades: las internacionales y las nacionales. A nivel internacional se
tiene la Unión Internacional de Telecomunicaciones (UIT), donde se encuentra el sector de radiocomuni-
caciones (UIT-R).
1.12.4. Gestión Internacional del Espectro

Los grandes esfuerzos internacionales son impulsados por la UIT-R. De allı́, se desprende varias or-
ganizaciones que trabajan para apoyar los esfuerzos de la UIT-R desde diferentes regiones en que se ha
dividido el mundo para este tipo de coordinaciones. En [6] se brinda información más detallada y directa
sobre la UIT-R. En este libro se busca brindarle al lector los conocimientos más relevantes para facilitarle
su acceso amigable a las fuentes de información que provienen de los entes internacionales de regulación.
1.12.4.1. La UIT y la UIT-R

No hay que olvidar que la aparición de las tecnologı́as de radiocomunicación impulsó la cooperación
internacional a gran escala desde la primera Conferencia Internacional de Telegrafı́a en la cual 29 paı́ses
firmaron la Convención Internacional de Telegrafı́a. En 1927 durante esa conferencia en Washington se
creó la CCITT (del francés: Comité Consultatif International Télégraphique et Téléphonique), la cual, con
la creación de la ONU (Organización de las Naciones Unidas) y la UIT, se constituyó en 1947 como la UIT-
R. Por lo tanto, son parte de la UIT-R casi todos los paı́ses del mundo, los mismos que son parte de la ONU.
A parte de lo que dicen todas las fuentes de información disponibles sobre la UIT-R, podemos agregar
que la UIT-R es un motor que impulsa permanentemente la normatividad para el uso del ERE en favor del
progreso y en respecto con el medio ambiente. Para ello realiza estudios técnicos, dá respuesta a cuestiones
prácticas, ofrece recomendaciones técnicas pero también involucra a los representantes a discutir y aprobar
uno de los principales acuerdos internacionales, conocido como el Reglamento de Radio [7].
98
1.12.4.2. El Reglamento de Radiocomunicaciones
Puede decirse que el Reglamento de Radiocomunicaciones (RR) es el acuerdo internacional para la go-
bernanza del espectro electromagnético en el rango entre 9 [[kHz]] y 275 GHz. Es una norma supranacional,
es decir, que está por encima de las normas nacionales. Por lo tanto, las normas nacionales que regulan el
ERE deben estar en consonancia con el RR. Si abrimos el RR, lo que encontraremos allı́ es, primero que
todo las definiciones más importantes, los diferentes servicios de radiocomunicaciones para luego entrar en
detalle a asociar bandas de frecuencias con servicios de radiocomunicaciones.
1.12.4.3. Los servicios de radiocomunicaciones

El artı́culo 1 del RR define unos 40 servicios de radio. A continuación ofrecemos una clasificación
global, que no aparece en el RR, pero sı́ que facilita la comprensión del RR. Se tienen dos grandes tipos de
servicios: terrenales y espaciales. Los primeros se refieren a todo lo que ocurre dentro del planeta tierra y
los segundos fuera del planeta. A su vez, cada uno de ellos pueden ser clasificados de manera más detallada
como se describe a continuación:
Servicios Terrenales. Son los que tienen lugar en el planeta tierra. Son 3:
• Servicios terrestres.
• Servicios aeronáuticos.
• Servicios marı́timos.
Servicios Espaciales. Los que tienen lugar fuera del planeta.
• Servicios satelitales.
• Otros.
Cada uno de los anteriores servicios pueden ser de tipo:

• Servicio fijo.
• Servicio móvil.
Para conocer con mayor profundidad estos temas, puede consultar los materiales disponibles en lı́nea
ası́:
Sitio Web del libro, sección Normatividad.
Sitio web de la UIT-R 3 .
3 Véase en el siguiente enlace: https://www.itu.int/es/ITU-R/Pages/default.aspx
99
Tabla 1.5: Servicios de radiocomunicaciones de conformidad con el Reglamento de
Radiocomunicaciones de la UIT.
Servicio de radiocomunicaciones
Número Descripción Abreviatura
1.20 Servicio fijo Fijo
1.21 Servicio fijo por satélite FSS
1.22 Servicio entre satélites ISS
1.23 Servicio de operaciones espaciales SOS
1.24 Servicio móvil Móvil
1.25 Servicio móvil por satélite MSS
1.26 Servicio móvil terrestre LMS
1.27 Servicio móvil terrestre por satélite LMSS
1.28 Servicio móvil marı́timo MMS
1.29 Servicio marı́timo móvil por satélite MMSS
1.30 Servicio de operaciones portuarias POS
1.31 Servicio de movimiento de embarcaciones SMS
1.32 Servicio móvil aeronáutico AMS
1.33 Servicio móvil aeronáutico (R) AMS (R)
1.34 Servicio móvil aeronáutico (OR) AMS (OR)
1.35 Servicio aeronáutico móvil por satélite AMSS
1.36 Servicio aeronáutico móvil por satélite (R) AMS (R) S
1.37 Servicio aeronáutico móvil por satélite (OR) AMS (O) S
1.38 Servicio de radiodifusión BS
1.39 Servicio de radiodifusión por satélite BSS
1.40 Servicio de radio determinación RDS
1.41 Servicio de radio determinación por satélite DRSS
1.42 Servicio de radio navegación RNS
1.43 Servicio de radio navegación por satélite RNSS
1.44 Servicio de radio avegación marı́tima MRNS
1.45 Servicio de radio navegación marı́tima por satélite MRNSS
1.46 Servicio de radio navegación aeronáutica. ARNS
1.47 Servicio de radio navegación aeronáutica por satélite ARNSS
1.48 Servicio de radio localización RLS
1.49 Servicio de radio localización por satélite RLSS
1.50 Servicio de ayudas a la meteorologı́a MetAids
1.51 Servicio de exploración de la Tierra por satélite EESS
1.52 Servicio de meteorologı́a por satélite MetSat
1.53 Servicio estándar de frecuencia y señal horaria SFTS
1.54 Servicio estándar de frecuencia y señal de tiempo por satélite SFTSS
1.55 Servicio de investigación espacial SRS
1.56 Servicio Amateur Aficionados
1.57 Servicio de aficionados por satélite Amateur-satélite
1.58 Servicio de radioastronomı́a RAS
1.59 Servicio de seguridad
1.60 Servicio especial
1.12.5. Autoridades de Regulación Nacional

En cada paı́s existen autoridades que regulan el espectro radioeléctrico. Hablaremos de Colombia a
modo de ejemplo y debido a que es lo que mejor conocen los autores, pero esperamos ampliar este análisis
en la página web del libro con los aportes que vayamos recibiendo de los mismos lectores. La principal
referencia es la Agencia Nacional del Espectro (ANE), pero también el Ministerio de Tecnologı́as de la
100
Información y las Comunicaciones. El primero es considerado como un ente asesor del segundo quien
realmente emite normas y realiza atribuciones del espectro. Pero en realidad la ANE también es una
autoridad sobre todo en términos del control del ERE, es decir, en todo aquello que se relaciona con
la legalidad del uso del espectro, por lo tanto tiene capacidad para tomar decisiones legales contra los
infractores. En todo caso, en este y todos los aspectos que atañen a estas autoridades y la normatividad
sobre el ERE se encuentra disponible en la página web de la ANE [8]. Existen otras entidades que apoyan
las radiocomunicaciones, pero de una manera más desligadas del ERE, como por ejemplo la Comisión de
Regulación de las Comunicaciones (CRC) encargada de aspectos estratégicos para que las comunicaciones
estén al servicio de las personas con calidad; la Agencia Nacional de Televisión (ANTV), entre otros.
1.12.5.1. El Ecosistema de la gestión del ERE

La gestión del espectro a nivel nacional puede ser visto como un ecosistema que puede describirse de
la siguiente manera:
En el centro vemos una serie de herramientas tecnológicas necesarias que involucraran: bases de datos
sobre frecuencias atribuidas, asignadas y mediciones; sistemas de simulación para analizar diferentes
escenarios de radioprogación; sistema de licencias, donde se tiene todo tipo de herramientas para
que los interesados puedan aplicar a diferentes procesos de asignación de frecuencias; plataforma de
soporte compuesta por una red de equipos de mediciones del espectro distribuida por todo el paı́s;
plataforma de análisis de reportes.
Figura 65: Ecosistema del ERE.
La Planeación: Es un proceso muy relacionado con la atribución, que es el término definido por la
UIT-R para referirse a la asociación que se hace entre bandas de frecuencias y servicios. Por eso, el
principal resultado aquı́ el CNABF en caso colombiano, en el cual se establece la distribución y las
condiciones de uso del ERE por servicios. Este proceso involucra estudios para establecer polı́ticas,
identificar necesidades, definir servicios y planes de atribución, ası́ como asignación de frecuencias.
El proceso de planeación del espectro puede tener varias complicaciones, por ejemplo muchas veces,
una modificación al CNABF pasa por pesados estudios sobre las implicaciones que esto puede tener
para los usuarios que se estaban beneficiando de las tecnologı́as en las bandas a modificar. Muchas
veces esos servicios y usuarios deben ser migrados a otras bandas o incluso eliminados para poder
llegar a limpiar las bandas para los usos que se pretenden en una nueva planeación.
Un ejemplo de ello es la televisión. Con la entrada de la televisión digital, la mayorı́a de los paı́ses
han tenido que buscar la manera de acomodar las nuevas bandas dentro del espectro ya atribuido a la
televisión pero dejando espacio para que la televisión analógica continué funcionando por un tiempo
101
que sea suficiente para no perjudicar a los usuarios. Cuando se dá el apagón analógico, se liberan el
ERE en las bandas ocupadas por la televisión analógica, lo cual se ve como una oportunidad para
nuevos servicios, eso es lo que se conoce como Dividendo Digital.
La asignación: El término “asignación” está reservado en el RR para referirse al proceso en el cual las
bandas de frecuencias son otorgadas a operadores que las requieren para prestar servicios. Existen
varias estrategias para asignar bandas de frecuencias como: la asignación directa o la asignación por
concurso. En todo caso, la asignación da como resultado los permisos otorgados para el uso del ERE.
Ejecución: Se refiere a los procesos en los cuales el ente regulador realiza tareas concretas para
controlar y vigilar el uso correcto del ERE, usando para ello tecnologı́a avanzadas pero también
procesos judiciales concretos. A este proceso también se relaciona la renovación de permisos y la
administración de ingresos producto de las asignaciones.
Seguimiento e investigación: Aquı́ se dedica especial esfuerzo a la participación del paı́s en las dis-
cusiones internacionales sobre los futuros usos que el espectro puede llegar a tener, pero sobre todo,
promoviendo investigaciones que permitan poder realizar aportes en esas discusiones.
1.12.5.2. Normatividad Nacional

Cada paı́s tiene normas especiales que es necesario conocer. Pero pudiéramos decir que en cada paı́s hay
un documento que es la norma de normas en materia de radio. En el caso de Colombia estamos hablando
del Cuadro Nacional de Atribución de Bandas de Frecuencias (CNABF), que más que un cuadro es un
manual deducido del ERE y ajustado a los casos particulares y normas concretas del paı́s. Para entrar en
detalle de este documento no hay nada como acudir al sitio web de la entidad encargada de su divulgación,
que el caso de Colombia es la ANE [8] y el MinTIC [9]
También es importante conocer otras normas que rigen a nivel nacional, afortunadamente el CNABF
hace referencia a ellas. En el caso de Colombia es importante conocer la Ley 1341, la cual representa
una revolución para las comunicaciones en Colombia ya que les da un giro para impulsar los servicios
convergentes, es en ella también donde se crea la ANE para afrontar los nuevos retos en cuanto al uso del
espectro para impulsar principalmente las IMT (del inglés, International Mobile Telecomunications), un
término ampliamente usado últimamente para referirse a las comunicaciones móviles de nueva generación.
1.12.6. Otros términos usados en Gestión del Espectro

Hablar el lenguaje de un campo es clave para tener éxito en cualquier emprendimiento que una persona
haga en ese campo. Podrı́amos decir que el lenguaje es mismo que maneja la UIT-R, pero no hay duda que
hay una serie de términos que se usan con mayor intensidad y que además no tienen un significado muy
obvio. En el siguiente recuento histórico dejaremos claro el significado de los términos más controversiales:
IMT significa Internacional Mobile Telecomunications y era el término de moda en el año 2000 entre
los actores de las comunicaciones. Pero es un término que ha sobrevivido en el tiempo y se usa cada vez
con mayor intensidad. En el año 2000 habı́an muchı́simos sistemas de comunicaciones móviles como GSM,
AMPS, D-AMPS, CDMA, CDMA-one, etc. Además habı́an muchos otros sistemas de comunicaciones que
funcionaban de manera muy separada a las comunicaciones móviles como: las redes de datos, la televisión,
la telefonı́a fija, etc. El sueño era llegar a tener uno solo para todos los paı́ses pero que además fuese un
sistema revolucionario permitiendo la convergencia con todos los demás sistemas de comunicaciones, a eso
se le llamó - La Convergencia de las Comunicaciones. Para ello, un poco antes del año 2000 se conformó un
consorcio de empresas y entes de regulación llamado 3GPP (del inglés, Third Generation Partenership Pro-
ject) encargado de darle vida a la Convergencia de las Comunicaciones desde las comuniaciones móbiles.
Como resultado, la UIT-R emitió un documento que servirı́a como hoja de ruta para la implementación
del sistema que a nivel de la UIT-R llamaban IMT-2000. Desde ese punto de vista, IMT-2000 es la re-
comendación de la UIT-R para construir los sistemas de comunicaciones móviles convergentes, donde la
principal novedad era: convergencia entre voz, datos e internet con bandas de frecuencias más amplias y que
preferiblemente comunes para todos los paı́ses. Más adelante se comenzó a usar el término IMT-advance y
hoy se habla simplemente IMT. Eso a nivel normativo, sin embargo, en la pŕactica el primer sistema que
logró convertirse en único fue el UMTS (del inglés, Universal Mobile Telecommunication System) convir-
tiendose en la tercera generación (3G) de las comunicaciones móviles. El siguiente sistema logró una mayor
convergencia y mayores anchos de banda y se conoce como LTE (del inglés, Long Term Evolution) y es el
sistema de cuarta generación (LTE). Se supone que los nuevos sistemas seguirán llamándose LTE, pero en
versiones más avanzadas.
102
En el campo de las comunicaciones móviles, a la hora de planear el uso del espectro también entran
en juego los métodos de duplexacion. Es decir, los métodos en que el espectro se usa permiten que una
comunicación móvil sea en dos direcciones, es decir, full duplex. Dos son las técnicas usadas para ello:
FDD: Frequency Division Duplexing, se destina una banda de frecuencias para el enlace de subida
(up link), desde el equipo celular a la radiobase, y otra banda para el enlace de bajada (down link),
desde la radiobase al equipo celular.
TDD: Time Division Duplexing, se destina una sola banda de frecuencias para el enlace de subida
y el de bajada, pero de ventanas diferentes de tiempo.
Otro sistema que ha tenido una importante evolución en los últimos tiempos es la televisión. Hoy se
habla de la TDT (del inglés, Terrestrial Digital Television) para referirse al nuevo sistema de televisión
que es completamente digital. Con la entrada de la TDT a un paı́s, surge la posibilidad de lo que se conoce
como el apagón analógico, que no es otra cosa que dejar de emitir la televisión analógica. Surge entonces
otro término - El Dividendo Digital, para referirse a la porción del espectro que se gana con la entrada de
la TDT y el apagón analógico. El Dividendo Digital es un tema de gran interés para las IMT y también
para la seguridad nacional y otros servicios, pero es muy probable que todos esos servicios terminen siendo
prestados a través de las mismas IMT.
1.13. Los modelos de capas para representar sistemas de

comunicaciones
Cualquier sistema de comunicaciones, por muy complejo que parezca, puede ser fácilmente represen-
tado mediante un modelo de capas. Esto aplica no solo en las telecomunicaciones, sino en cualquier otro
sistema. Esto es debido a que, por naturaleza, la comunicación se da de manera elemental a diferentes ni-
veles. Por ejemplo, en una empresa que vende artı́culos nacionales e importados pueden darse los siguientes
niveles de comunicación, la que se da entre: el vendedor y el cliente; los vendedores y su jefe de ventas; los
jefes de venta y su gerente; el gerente y las empresas proveedoras. En cada caso, se usa una forma espe-
cial de comunicación que puede involucrar formas de relación, términos especiales y hasta temas especiales.
En uso de modelos de capas en el presente libro cobra sentido por la gran cantidad de elementos que
pueden llegar a formar parte de un sistema de radiocomunicaciones. Las ventajas se pueden resumir en los
siguientes puntos. Permite:
• Ordenar los elementos del sistema. Cuando no se usan capas, los componentes de un sistema de
comunicaciones se parece a un ejército en el campo de batalla, donde todo funciona bien, pero resulta
difı́cil de comprender cómo operan los diferentes mandos. Al usar el modelo de capas el sistema de
comunicaciones se parece más bien a un desfile militar, donde al frente están los generales, luego los
coroneles y ası́ sucesivamente hasta llegar a los soldados.
Reducir cuando sea necesario, el número de elementos del sistema, por ejemplo agrupando elementos
en capas que encierran un mayor grupo de funcionalidades.
• Construir un sistema funcional con funciones elementales, pero que puede ir creciendo con nuevas
capas hasta llegar a ser tan complejo como sea necesario.
• Probar las funcionalidades de un sistema a nivel de una o algunas capas. Esto equivale a decir que
es posible aislar algunas capas del sistema de comunicaciones con el fin de realizar cualquier tipo de
pruebas, por ejemplo, para determinar en qué capa se puede estar presentando una falla.
Existen modelos de capas estandarizados, muy bien documentados que pueden ser usados para inter-
cambiar ideas y conocimientos entre ingenieros y demás expertos en telecomunicaciones. Ejemplo de ellos
son:
• El modelo OSI: Explica los sistemas de comunicaciones de datos usando ocho capas. Ası́, un sistema
particular de datos puede tener más o menos un número de capas, pero a la hora de llevarlo a una
discusión, siempre resulta posible presentar el sistema como el compuesto de ocho capas.
• El modelo IP: IP se refiere al Protocolo de Internet, (del inglés, Internet Protocol ). Se refiere a
todo el conjunto de protocolos que se usan en las redes IP.
• Otros. La Unión Internacional de Telecomunicaciones (UIT) usa modelos para explicar diferentes
sistemas de comunicaciones, como por ejemplo para explicar el sistema de Telecomunicaciones Móvi-
les Internacionales (IMT, del inglés International Telecommunication Union), el Internet de las cosas
(IoT, del inglés Internet of Things).
103
Los que usaremos en el presente libro no son modelos de capas recocidos, simplemente adaptados a nues-
tras necesidades que algunas veces son de diseño otras de documentación o simplemente de tipo pedagógico.
Para comenzar, vamos a revisar el modelo de capas que corresponde al sistema de comunicaciones que
se da en el transporte aéreo. Con la creación de las aeronaves, se creó el sistema más sencillo usado en el
transporte aéreo: la posibilidad de enlazar dos ciudades.
El modelo de capas que representa esta posibilidad es el que se tiene en la figura 66. El avión aprovecha
un pequeño corredor del Espacio Aéreo; en el aeropuerto convergen las personas y las aeronaves.
Figura 66: Modelo de capas para el transporte aéreo entre dos ciudades.
Aeropuerto ciudad Aeropuerto ciudad

de partida de llegada
Espacio aéreo
Con el tiempo, ese sistema de comunicación evolucionó hasta convertirse en una compleja red que une
miles de ciudades, como la que aparece en figura 67, siempre respetando los lineamientos que imponen las
autoridades encargadas de la administración del espacio aéreo.
104
Figura 67: Red de transporte aéreo.
fuente: https://www.paloaltoonline.com/
Las redes son mantenidas especialmente por las compañı́as aéreas. Ellas se apoyan en las capacidades
que les ofrecen los aeropuertos y las autoridades aeronáuticas para ofrecer al pasajero la posibilidad de
viajar desde cualquier punto a cualquier otro punto. Basta con que el pasajero muestre el ticket o pasaje
para que cualquier oficina de su compañı́a de aviación, en cualquier paı́s reconozca al pasajero, su origen
y destino. Este complejo mecanismo se resume en un simple modelo de capas como el que se presenta en
la figura 68.
105
Figura 68: Red de transporte aéreo.
Protocolo
Compañía (Ticket) Compañía
Avianca Avianca
Aeropuerto ciudad Aeropuerto ciudad

de partida de llegada
Espacio aéreo
En fin de cuentas, todo sistema de comunicación comienza por la conquista de un recurso para la
comunicación. En las telecomunicaciones, los recursos más usados son las lı́neas de cobre, la fibra óptica,
el espectro radioeléctrico (ERE) y la luz, como es el caso de los sistemas de comunicaciones conocidos
como Free Space Optics. Pero nada nos limita a pensar en otras posibilidades como el uso del ultrasonido
e incluso no serı́a descabellado llegar descubrir información que viaja sobre las ondas gravitacionales que
se desplazan por el universo.
En la figura 69 se propone un modelo de capas para contrastar el modelo del transporte aéreo con uno
de comunicación inalámbrica. De manera que en vez del espacio aéreo, se hace uso del ERE o más bien
una porción del ERE.
106
Figura 69: Modelo de capas para un sistema de comunicaciones inalámbricas en red.
Información Información
Protocolo
Módulo de (dirección) Módulo de
enrrutamiento enrrutamiento
Equipo Transmisor Equipo receptor
Información
ERE
Algunos conceptos importantes para este modelo son:

Las ondas electromagnéticas: Son el vehı́culo y son inherentes al ERE, como el avión es al aire
y permiten conducir información.
La modulación: Consiste en el proceso de montar la información sobre algún medio que tenga la
posibilidad de unir puntos distantes como por ejemplo la luz como es el caso de la fibra óptica, las
ondas radioeléctricas como es el caso en que se usan antenas, las ondas del sonido como lo hacen
los murciélagos, los pulsos eléctricos como se hace en comunicaciones por cable. En el caso de las
comunicaciones inalámbricas, la información puede montarse sobre una onda electromagnética en
forma de variaciones de la amplitud de la onda, lo cual es comparable con el uso de una linterna
en una cueva para enviar mensajes a un compañero variando la intensidad de la luz. Pero también
es posible hacer que la información viaje en forma de variaciones de la frecuencia donde aplica el
mismo ejemplo de la linterna y la cueva, pero usando diferentes colores de luz. La modulación de
fase también es posible pero está muy ligada a la de frecuencias y se explicará con mayor detalle en
el capı́tulo 2.3.3.
Para continuar con la comparación con el transporte aéreo, hemos introducido un módulo de enrru-
tamiento el cual agrega a la información un número que sirve como clave para que solo las personas que
la conozcan pueden acceder a la información, pero también puede ser visto como una dirección si cada
potencial usuario receptor tiene una clave única. Los elementos de un modelo de capas son principalmente
los siguientes:
Entidades pares: En cada capa se tiene un módulo en el transmisor que hace pareja con un módulo
en el receptor, esto es lo que se conoce como entidades pares.
Protocolo: Corresponde a todo aquello que pueda ser usado entre las entidades pares para en-
tenderse mutuamente. Por ejemplo la dirección usada por el módulo de enrrutamiento en la parte
transmisora es la misma usada por la entidad par en la parte receptora para acceder a la información
transmitida. En ese caso, el protocolo es esa dirección pues es ella la forma en que se entienden los
módulos de enrutamiento en ambos extremos.
Canal: Se refiere a aquello que se usa como medio o como vehı́culo para que viaje la información
desde un origen hasta un destino. Cada caso particular puede tener su propio canal. Ası́, en las
radiocomunicaciones punto a punto el canal está usualmente representado por una banda concreta
del ERE, pero limitada al espacio geográfico y quizá a una duración de tiempo, ya que el radio enlace
107
podrı́a tener un tiempo lı́mite para operar, por ejemplo durante un año entre las coordenadas A y las
coordenadas B. El canal inalámbrico representa enormes retos para los sistemas de comunicaciones
pues el proceso de transmisión y recepción no solo deben sortear la necesidad de emitir y recibir ondas
de radio sino el considerar los diferentes fenómenos que esas ondas pueden sufrir en su propagación.
La figura 70 muestra el modelo de capas que podrı́a ser usado para explicar el funcionamiento de la
radio difusión.
Figura 70: Modelo de capas para la radiodifusión.
Capa del
mensaje
Tratamiento del Tratamiento del
sonido sonido
Modulación en FI Demodulación en FI Capa de FI
Transmisor Receptor
superheterodino superheterodino
Capa de RF
Amplificación en RF Deteccióm
Antena Antena
Capa de
Canal
A diferencia de las comunicaciones punto a punto, en un sistema de radiodifusión se tiene una radio
base que emite una señal para que sea sintonizada por cientos o miles de receptores, como es el caso de lo
que se conocen como emisoras de radio y de televisión. Como podemos ver, se usan conceptos ya vistos.
Las dos capas superiores corresponden al estudio (las oficinas) de una emisora, donde están los equipos
que capturan el mensaje de la mejor manera posible, pero también el equipo que realiza la modulación de
una señal portadora de frecuencia intermedia que es común para cualquier equipo similar. Por ejemplo,
para la radiodifusión AM se ha establecido un valor de frecuencia intermedia igual a 455 [[kHz]], mientras
que en la de FM es de 10.5 [MHz]. Las razones para usar una frecuencia intermedia (FI) son las siguientes:
Facilita la separación entre dos tipos de equipos, los que funcionan con baja potencia y baja fre-
cuencia, que pueden usarse en las premisas de la emisora sin temor a causar daños a la salud y los
de alta potencia y altas frecuencias, pensados para lograr alcanzar las coberturas necesarias y en las
frecuencias necesarias, que deben ser ubicados bajo cuidados especiales, por ejemplo en una torre de
comunicación.
El transmisor superheterodino representa una solución para traducir la señal modulada con FI a una
señal modulada con la frecuencia RF. En términos espectrales, consiste en desplazar el espectro de
la señal modulada con FI para que quede centrado en la frecuencia fc como denotaremos en adelante
la frecuencia de la portadora o frecuencia RF.
Igualmente, el receptor superheterodino representa el paso de la señal modulada en la frecuencia RF
a la FI.
108
Gracias a que los valores de FI son estandarizados, es posible combinar el uso de equipos de diferentes
fabricantes para implementar una emisora de radiodifusión.
Los dispositivos electrónicos usados en cualquiera de las dos etapas se pueden producir a escala a
precios bajos ya que tienen funciones limitadas.
En la práctica, el modelo de capas de un sistema de radiodifusión puede ser algo más complejo ya
que el estudio se localiza usualmente en un lugar poblado, como una ciudad, mientras que los equipos de
transmisión, organizados en una radio base, se ubican usualmente en una montaña desde la cual es posible
emitir una señal con suficiente potencia para cubrir una gran zona geográfica. Eso significa la necesidad
de introducir un sistema adicional de comunicación punto a punto para comunicar el estudio con la radio
base. Por ahora no resulta conveniente entrar a revisar un modelo de capas para este caso.
109
Capı́tulo 2
Simulación en GNU Radio de un sistema de
comunicaciones de onda continua
Con este capı́tulo se busca desarrollar las primeras habilidades para simular señales y sistemas que son
de interés para las comunicaciones. Esto implica establecer relaciones entre el mundo fı́sico representado
en los temas vistos en el capı́tulo anterior y la manera en que todo eso puede ser representado mediante
software. Por lo tanto, este material representa un enlace entre sistemas continuos, sistemas discretos,
programación y comprobaciones.
Los temas han sido seleccionados en función de los siguientes requerimientos. Los temas del capı́tulo:
Permiten iniciarse en la programación en GNU Radio pero desde el punto de vista de la simulación.
Buscan un enlace entre el mundo fı́sico y el simulado.
Desde el punto de vista teórico, se orientan prioritariamente al ámbito de las señales y sistemas
discretos.
Uso de GNU Radio para realizar prácticas de señales discretas.
Involucran la modulación de onda continua.
Involucran la simulación con GNU radio de un sistema de radio difusión. Previo modelo de capas.
No impiden el uso equipos SDR en pŕacticas, pero su uso no es desde el ángulo de un desarrollador,
sino del que desea sacarles provecho como equipo de apoyo en mediciones y comprobaciones.
Antes de comenzar el desarrollo propuesto es importante reconocer la importancia de la simulación, la

cual se puede resumir en los siguientes puntos:
La simulación es un trabajo previo esencial en cualquier campo de la ingenierı́a. Puede ser visto
como parte del diseño de una solución, pues permite concebir un sistema y realizar pruebas sobre él,
aunque en términos fı́sicos no exista.
Mediante simulación es posible llevar a cabo pruebas de parámetros, situaciones o elementos que ni
siquiera existen aún.
Mediante simulación es posible separar algunos fenómenos que, en el mundo real es casi imposible.
Por ejemplo, en el mundo real todos los fenómenos de propagación se presentan al mismo tiempo,
mientras que en términos de simulación, cada uno puede ser aislado y eso permite probar soluciones
especı́ficas para atenuarlos.
Las simulaciones son muy económicas, las implementaciones reales pueden resultar muy costosas.
En el caso de las comunicaciones la simulación tiene un interés particular, ya que los elementos de
un sistema simulado, pueden pasar a ser parte de un sistema fı́sico, debido a que los sistemas fı́sicos
modernos tienen componentes de hardware y componentes de software.
2.1. Herramientas de Simulación que compiten con GNU

Radio
La simulación de señales y sistemas es una estrategia que se viene usando desde la aparición del compu-
tador. Se ha usado para poner a prueba diversos métodos digitales antes de pensar en su implementación
110
en sistemas reales. La diferencia con el estado del arte de hoy es que lo que está plasmado en una simulación
puede pasar a ser parte del mundo real tan pronto como el programador lo desee, siempre y cuando en la
simulación se respeten parámetros que limitan el mundo real. Pero muchas veces la simulación es realizada
con otros propósitos. Supongamos que deseamos descubrir un método para corregir el efecto Doppler que
se produce entre un radio transmisor y un radio receptor, es decir, en un canal inalámbrico. Para probar ese
método resulta útil poder simular un canal que no tenga otro efecto de propagación que el Efecto Doppler.
Cualquier lenguaje de programación puede ser usado en simulación y también como parte de un sistema
real de comunicaciones basada en SDR, pero algunas entidades han llevado más allá a ciertos lenguajes y
herramientas, entre los cuales tenemos los siguientes:
2.1.1. Matlab y Simulink

Se destaca lo siguiente:
• Es una plataforma de programación y a la vez un lenguaje de programación que solo corre sobre esa
plataforma.
• Tiene una larga tradición en simulación, lo que le ha permitido contar con librerı́as muy maduras y
es muy usada por los cientı́ficos.
• Requiere contar con licencia de Matlab y de las librerı́as que se vayan a usar.
• Las soluciones resultan siendo dependientes de Matlab. Es decir, si un usuario interesado en una
solución no cuenta con Matlab, no podrá usarla.
• Puede soportar un amplio rango de equipos SDR.
• Las soluciones son pensadas desde el punto de vista de computo debido a la necesidad de correr
sobre Matlab.
• Simulink facilita la programación gráfica, es decir, evita en gran manera la escritura de código.
2.1.2. LabView de National Instruments

Lo destacable
• Es un ambiente de programación gráfica de National Instruments (NI) que también puede producir
código en C++.
• Tiene bastante aceptación en la industria.
• En lo demás, tiene las mismas cualidades que MATLAB con simulink.
2.1.3. SystemVue de KeySight

• Es un ambiente de programación gráfica de KeySight que puede aceptar varios lenguajes de progra-
mación.
• Está muy orientada a la industria.
• Las licencias son muy costosas, solo al alcance de la industria, aunque se tiene en algunos laboratorios
de investigación de las universidades.
2.2. GNU Radio

GNU Radio es una de las opciones más importantes para llevar a la práctica las soluciones basadas
en SDR. Por lo menos es la opción más usada a nivel de investigación. La empresa National Instruments
también ha complementado su plataforma de software de LabView para que sea usada como una herra-
mienta de software para GNU Radio. Matlab e incluso Simulink de Matlab son también complementos
para soportar diversos tipos de hardware, como es el caso de los USRP. En principio, cualquier lenguaje
de programación puede servir para producir la componente de software en SDR, pero la mayorı́a de in-
vestigadores se inclinan por C++ y Python, por tener librerı́as que crecen muy dinámicamente con un
acompañamiento internacional. Precisamente esas librerı́as están en GNU Radio. De hecho, las librerı́as
que tiene el lenguaje Python son heredadas de las que tiene C++.
111
En la figura 1 se presenta un modelo que explica lo que representa GNU Radio, lo cual puede resumirse
ası́:
Figura 1: Modelo SDR que relaciona GNU Radio con el Hardware.
GRC: Python Flow Graph

(Se crea usando bloques de procesamiento)
SWIG (Port C++ blocks to Python)
GNU Radio Signal Processing Blocks

C++
GNU Radio es una librerı́a hecha y soportada en lenguaje C++.

Cualquier persona puede usar los recursos de esa librerı́a para crear simuladores e incluso sistemas
de comunicaciones reales de manera tan profesional como se requiera.
El uso de esa librerı́a no está limitada solo a programadores en el lenguaje C++, sino también a
quienes programan en Python. Para ello, se cuenta con un módulo SWIG que brinda al programador
una traducción del GNU Radio al lenguaje Python. O sea que es posible programar en Python
usando GNU Radio.
Una capa superior, brinda una interfaz llamada GRC (del ingles GNU Radio Companion) que permite
realizar programación gráfica, usando flujogramas que son interconexiones de bloques, lo cual facilita
enormemente la programación. Lo importante es que cuando se programa con flujogramas, el GRC
igual convierte el resultado en código Python para que la solución sea vista tan profesional como el
usuario lo desee.
Pero independientemente de todo eso, GNU Radio permite implementar sistemas de comunicaciones
que pueden funcionar en tiempo real.
GNU Radio también tiene otra capa que se discutirá más adelante, que permite implementar sistemas
de comunicación reales basados en SDR.
2.3. La modulación de onda continua

Bajo ciertas condiciones, una señal senoidal puede portar a una señal mensaje. Para ello, es necesario
hacer que la amplitud del mensaje modifique uno de los parámetros de la señal senoidal.
El objetivo de un sistema de comunicación es transmitir señales, que contienen información, a través

de un canal de comunicaciones que separa el transmisor del receptor. Las señales que conllevan informa-
ción son banda base por naturaleza, ya que usualmente ocupan una banda de frecuencia alrededor de la
frecuencia cero. El uso apropiado del canal de comunicación impone la necesidad de realizar adaptaciones
a la señal de información, por el ejemplo, para enviar información por un canal inalámbrico es necesario
correr el espectro de la señal de información de manera que se acomode a la frecuencia y ancho de banda
asignados al canal.
La modulación es el proceso que permite realizar esa adaptación entre la señal de información, también
conocida como una onda (señal) moduladora o modulante, y el canal. Una de esas formas consiste en
usar una onda senoidal, que llamamos señal modulada o señal portadora, como vehı́culo para alcanzar
grandes distancias. La idea consiste en acomodar la señal moduladora en uno de los parámetros de la
señal portadora, de modo que hay tres opciones: la amplitud, la fase y la frecuencia. Por esta razón tiene
tres grandes métodos de modulación: la Modulación de Amplitud (AM), la Modulación de Fase (PM) y
la Modulación de Frecuencias (FM). A partir de estos métodos se pueden derivar otros adicionales como:
modulación de doble banda lateral DSB, modulación de banda lateral única SSB, Modulación en banda
lateral vestigial VSB, entre otros. La modulación se realiza en el extremo de transmisión del sistema de
comunicación, mientras que, en el extremo receptor del sistema, generalmente requerimos que se recupere
112
la señal modulante, lo cual se consigue mediante un proceso conocido como demodulación, que es el inverso
del proceso de modulación. En la figura 2 se tiene el sistema que vamos a explicar paso a paso.
Figura 2: Modulador de onda continua
La portadora:
Las siguientes son ecuaciones válidas para la portadora:
c(t) = Ac cos(Θ) (2.1)
donde Ac es la amplitud de la señal, Θ es el ángulo y va variando a medida que la onda avanza. Dos
parámetros que para nuestro caso nunca pueden faltar es la frecuencia de la onda portadora fc y el tiempo
t. Por lo tanto, es necesario conocer cómo expresar la señal portadora en función de su frecuencia y el
tiempo. En este sentido, debemos tener en cuenta que tenemos dos tipos de frecuencia: la que está dada
en Hertz f y la frecuencia angular dada en radianes por segundo ω
c(t) = Ac cos(ωt + φ) (2.2)
donde φ es un ángulo de partida.
c(t) = Ac cos(2πf t + φ) (2.3)

El mensaje: La señal mensaje m(t) es una señal de voltaje, con caracterı́sticas fı́sicas ya que es con-
tinua, está limitada en amplitud, ancho de banda y su espectro es banda base.
La señal modulada: Está dada por la siguiente fórmula
s(t) = A(t)cos[2πfc t + φ(t)] (2.4)
Lo cual significa que tiene la opción de variar la amplitud o la fase, mientras que se tiene una frecuencia
de portadora fc que es fija.
2.3.1. La Modulación de Amplitud

La modulación de amplitud (AM) la señal mensaje m(t) ingresa al modelo anterior como:
A(t) = [1 + Ka m(t)] (2.5)

Donde Ka se conoce como coeficiente de modulación de amplitud. Los demás parámetros variables se
llevan a cero.
φ(t) = 0 (2.6)
De modo que se obtiene la señal modulada s(t).
s(t) = [1 + Ka m(t)]cos(2πfc t) (2.7)

En la figura 3 se presenta un ejemplo, donde se tiene como entrada un mensaje representado por una
señal de audio y una onda senoidal que sirve como portadora. En la parte inferior se tiene el resultado
de la modulación. Como puede apreciarse, se trata de la misma onda portadora, pero con variaciones de
amplitud que son proporcionales a la amplitud de la señal mensaje.
113
Figura 3: Ejemplo de la modulación AM
2.3.2. La Modulación de Amplitud de Doble Banda Lateral

En la modulación de amplitud de doble banda lateral (DSB)Double Side Band, la señal mensaje m(t)
entra al modelo anterior 2.4 como:
A(t) = m(t) (2.8)

Los demás parámetros variables se llevan a cero.
φ(t) = 0 (2.9)
De modo que se obtiene la señal modulada s(t).
s(t) = m(t) cos(2πfc t) (2.10)
2.3.3. La Modulación de Fase

En la modulación de fase (PM) el modelo anterior 2.4 cambia de la siguiente manera:
A(t) = Ac (2.11)
φ(t) = Kp m(t) (2.12)

Donde Kp se conoce como coeficiente de modulación de fase. Entonces se obtiene la señal modulada
s(t):
s(t) = Ac cos[2π(fc t + Kp m(t))] (2.13)
2.3.4. La Modulación de Frecuencia

En la modulación de frecuencia (FM) el modelo anterior cambia de la siguiente manera:
A(t) = Ac (2.14)
114
f (t) = fc + Kf m(t) (2.15)
φ(t) = 0 (2.16)
Donde Kf se conoce como coeficiente de modulación de frecuencia. Para conocer como la ecuación 2.19
impacta a la señal modulada debemos realizar el siguiente análisis previo:
dΘ(t)
ω(t) = (2.17)
dt
De modo que
ωt ω = const
Θ(t) = Rt (2.18)
0
ω(τ )dτ ω 6= const
Por lo tanto:
Ac cos(ωt) ω = const
s(t) = Rt (2.19)
Ac cos( 0 ω(τ )dτ ) ω 6= const
Para nuestro caso, tenemos que:
ω(t) = 2πf (t) = 2π[fc + Kf m(t)] (2.20)
Por lo tanto
Z t Z t Z t
ω(τ )dτ = 2π [fc + Kf m(τ )]d(τ ) = 2πfc t + 2πKf m(τ )d(τ ) (2.21)
0 0 0
Lo que significa que la variación de frecuencias equivale a una variación angular igual a:
Z t
Θ(t) = 2πfc t + 2πKf m(τ )d(τ ) (2.22)
0
De la expresión anterior se deduce la forma más común de la modulación FM, la cual está dada en
términos de la fase instantánea, recordándonos que la modulación FM representa también una forma de
modulación de fase.
Z t
s(t) = Ac cos[2πfc t + 2πKf m(τ )dτ ] (2.23)
0
Es posible asumir un nuevo coeficiente kf = 2πKf de manera que también es común encontrar la siguiente
expresión para la modulación FM:
Z t
s(t) = Ac cos[2πfc t + kf m(τ )dτ ] (2.24)
0
2.4. Simulación en GNU Radio de la modulación continua

de onda
Se realizará una simulación lo más completa posible de un sistema de radiodifusión.
2.4.1. Modelo de capas e identificación de requerimientos

En la figura 4 se presenta el modelo de capas del sistema, el cual nos guiará en la implementación del
sistema de radiodifusión en GNU Radio.
115
Figura 4: Modelo de capas para la simulación de un sistema de radiodifusión.
Protocolo
DAC
Capa de
ADC
Aplicación
Adaptación Adaptación
Sistema base
Modulación de onda Protocolo Demodulación de Onda
Continua Continua
Capa base
Técnicas pre-canal Técnicas post-canal

Canal
Canal AWGN
En este modelo, las lı́neas punteadas significan elementos que vamos a implementar mediante software,
las lı́neas continuas son elementos de hardware, como es el caso del micrófono o de un computador. Podemos
observar que nuestro sistema se divide en dos partes: el sistema base y la capa de aplicación. La idea es
ocuparnos de la implementación del sistema base, mientras que la capa de aplicación puede ser la que defina
la persona en función de las necesidades de transmitir señales de voz o de otro tipo de señales analógicas.
El sistema base, por otro lado cuenta con la subcapa de Modulación/Demodulación, una subcapa donde
se incluyen métodos muy especı́ficos para interactuar con el canal. El canal deberá ser también simulado.
Primero que todo, a partir de este modelo vamos a definir unos requerimientos comenzando desde la
capa inferior de la siguiente manera:
El canal:
Es un canal pasobandas, de manera que debe tener mı́nimamente los siguientes parámetros, una
frecuencia central Fc y un ancho de banda pasobandas B.
Solo se considerará el fenómeno de desvanecimiento, pero sin necesidad de atenuar la señal, sino
adicionando ruido blanco aditivo gaussiano.
Está claro que el ruido blanco es una señal que ocupa todo el espectro radioeléctrico, pero, como el
canal está acotado en su ancho de banda, estaremos hablando más bien de ruido blanco de banda
angosta.
Las técnicas pre-canal
En estas técnicas no vamos a profundizar mucho, a lo sumo incluiremos un filtrado.
Lo anterior es debido a las siguientes razones: Si bien existen métodos interesantes de procesamiento
analógico, la tendencia hoy dı́a es a la implementación de procesamiento digital; esas técnicas las
estudiaremos con más detalle en el siguiente capı́tulo donde aprenderemos a simular de manera
mucho más eficiente.
La modulación:
Procuraremos imitar al máximo lo que ocurre con la modulación en un sistema analógico de radio-
difusión.
Trataremos de implementar un sistema que sea genérico, el cual pueda cambiar la modulación para
que sea AM, DSB, FM o PM. En el caso de las modulaciones SSB, VSB, dejaremos abierta la
posibilidad para implementar moduladores alternativos.
La aplicación:
Vamos a aprovechar el micrófono, las bocinas y las tarjetas ADC y DAC del computador, como
elementos de hardware.
Puede surgir la necesidad de adaptar la señal de audio a las necesidades del sistema base, bien sea
por el ancho de banda que se defina o por cualquier otra razón.
116
2.4.2. Simulación del ruido blanco en GNU radio
Para la simulación del Ruido Blanco, se puede usar un flujograma de la figura 5, el cual puede ser
complementado con la instrumentación presentada en la figura 6.
Figura 5: Flujograma para generar el Ruido Blanco con GNU Radio
Fujograma usado: Ruido blanco.grc
No vamos a entrar en muchos detalles sobre el flujograma ya que está disponible en la página web de
este libro. Solo los siguientes aspectos pueden no estar tan claros en las fuentes disponibles:
Los bloques “Virtual Sink” y “Virtual Source” los estaremos usando durante toda la simulación
como una manera de etiquetar puntos de control en un flujograma. En este caso hemos etiquetado
los puntos a1 y a2, donde estamos conectando los equipos de medición que aparecen en la figura 6
Los bloques “QT GUI Frequency Sink” pueden ser usado como analizadores de espectro en magnitud
y una escala de dB como los analizadores de espectros más tradicionales. En este caso han sido
configurados para promediar el espectro de manera que se obtenga una imagen similar a la PSD,
aunque escalada.
Figura 6: Flujograma para observar el Ruido Blanco con GNU Radio
En el punto a podemos observar la señal de ruido blanco gaussiano. En realidad está acotado al
ancho de banda que permita la frecuencia de muestreo, que en este caso es samp rate = 272 kHz,
de modo que la frecuencia máxima en este caso es Fmax = 136 kHz.
El bloque “Band Pass Filter’ es un filtro pasobandas configurado dentro del margen que ofrece Fmax
para que solo el ruido que está en la banda B, centrada en Fc pase.
117
Los resultados los tenemos en la figura 7 donde podemos observar que:
Figura 7: Resultados de la observación del Ruido Blanco con GNU Radio
En el dominio de las frecuencias, la PSD del ruido blanco tiene la forma esperada entre −Fmax y
Fmax , con altura constante igual a N0 /2
En el dominio del tiempo, la señal de ruido tiene la forma ampliamente conocida.
En el caso del ruido blanco de banda angosta, la PSD igualmente tiene una altura constante de N0 /2
pero solo dentro del ancho de banda del filtro.
En el dominio del tiempo, vemos que el ruido blanco de banda angosta tiene una forma que se parece
más bien al de una señal modulada en amplitud, con pasos suaves entre una muestra y otra lo que
permite prever que la Función de Autocorrelación de esta señal ya no es una función delta.
2.4.3. Simulación de un canal AWGN paso bandas.

Para este caso hemos decidido realizar el montaje mediante bloques jerárquicos. Es una de los métodos
disponibles en GRC para crear un bloque compuesto de otros de manera que pase a formar parte de una
librerı́a personal. En nuestro caso es una librerı́a que el lector puede bajar del sitio web del libro y se
llama comdiguis. De modo que el bloque que se muestra en la figura 8 para el canal AWGN paso bandas
está disponible ya en esa librerı́a con el nombre “b Canal:AWGN passband ff”. Como podemos ver, el
canal incluye un sumador representado en el bloque “Add”, la fuente de ruido, el filtro pasobandas, pero
también un bloque “Delay” para brindar la posibilidad de configurarlo para que la señal entrante sufra un
retardo.
118
Figura 8: Bloque jerárquico del canal AWGN paso bandas
Flujograma usado: portadora por canal awgn paso bandas.grc
En la figura 9 se presenta el diagrama de flujo que permite experimentar con una portadora que pasa
a través del canal.
Figura 9: Sistema de transmisión de una portadora a través de un canal AWGN paso bandas
Los resultados se presentan en la figura 10. Como podemos ver, la portadora sin ruido tiene una PSD
que son dos deltas centrados en Fc y −Fc . En el caso de la portadora que atraviesa el canal, vemos que el
ruido afecta la amplitud. En el dominio de las frecuencias vemos que la afectación ocurre en el ancho de
banda del canal.
119
Figura 10: Resultados del paso de una portadora por un canal AWGN paso bandas
2.4.4. Simulación de la modulación de onda continua

En esta sección implementaremos en GNU Radio el sistema de comunicaciones con modulación en
doble banda lateral. Por ahora, en calidad de mensaje usaremos solo una señal senoidad que esté dentro de
BW = B/2. La solución la tenemos en el flujograma de la figura 11. Estamos usando una implementación
en GNU Radio que conserva la visión del Modelo de Capas, como se puede ver en el flujograma es posible
distinguir la capa del canal y la capa de Modulación. En realidad no estamos implementando por ahora
técnicas pre y post canal. Está claro que los bloques que aparecen por la parte superior pertenecen al
transmisor y los de la parte inferior al receptor.
120
Figura 11: Flujograma para el sistema base con modulación en doble banda lateral.
Flujograma usado: modulacion DSB paso bandas.grc
Los resultados se presentan en la figura 12 y nos permite comprender el efecto de la modulación en

tiempo y frecuencia con las imágenes que aparecen en la parte inferior. Las imágenes de la parte superior
muestran que el mensaje recibido es similar al mensaje enviado tanto en tiempo como en frecuencia.
121
Figura 12: Resultados de la Modulación DSB.
Flujograma usado: modulacion DSB paso bandas.grc
2.4.5. Implementación de la capa de aplicación.

Cuando se usa un mensaje senoidal no es posible observar todas las implicaciones que tiene la modula-
ción ya que se trata de un mensaje que ni es aleatorio ni tiene un ancho de banda razonable. En esta sección
estamos implementando una aplicación de audio para el sistema de comunicaciones ya implementado. El
Flujograma completo se encuentra en la figura 13. Como podemos observar, estamos generando una señal
de audio mediante un archivo. Al correr el flujograma, si todo es correcto deberemos escuchar en la bocina
del computador la señal demodulada.
122
Figura 13: Flujograma para el sistema base con Modulación DSB y una aplicación de audio.
Flujograma usado: modulacion DSB paso bandas audio2.grc
Los resultados se presentan en la figura 14.
Figura 14: Resultados de la Modulación DSB con aplicación de audio.
Flujograma usado: modulación DSB paso bandas audio2.grc
2.4.6. Conclusiones
La principal conclusión consiste en que el desempeño del simulador de un sistema de comunicacio-
nes pasobandas puede verse limitado debido a las altas frecuencias que se manejan. Pero el problema se
presenta incluso en el hardware de un sistema analógico, pues resultarı́a demasiado costoso implementar
circuitos que procesen la señal que llegan cuando la portadora puede variar dentro de un amplio rango de
frecuencia y además esas frecuencias son demasiado altas para ser soportadas. Las primeras soluciones se
basaron en una técnica conocida como heterodinado que consiste en hacer que toda señal sea preparada
previamente con una frecuencia portadora estándar, conocida como frecuencia intermedia. No vamos a
profundizar demasiado en este tema, ya que en la actualidad lo que se usa es el concepto de envolvente
compleja que se estudia en el capı́tulo siguiente.
123
Capı́tulo 3
La Conversión RF-EC. Aplicación en la
radiodifusión
Imaginemos que un atleta acaba de ganar el primer lugar en una competencia de atletismo y que al
entrevistarlo nos asombra con una revelación, él es ingeniero, trabaja para una compañı́a y entrena sin salir
de su oficina. Para ello usa una banda caminadora de manera que, mientras corre, está disponible para
atender a cualquier persona que se acerca caminando. Las señales RF, es decir las señales que representan
de alguna manera a las ondas que son parte del espectro radioeléctrico. Ellas representan el vehı́culo para
las radiocomunicaciones, viajan a la velocidad de la luz para llevar información de manera inalámbrica de
un punto a otro. El uso de la EC equivale a crear las condiciones para que ese vehı́culo, ubicado en altas
frecuencias, resulte a nuestro alcance, centrado en la frecuencia cero, gracias a la Conversión RF-EC.
La Conversión RF-EC es un término que se está introduciendo en este libro, de manera que no es un
término que pueda consultarse en otras fuentes, pero en realidad se refiere a un proceso bien conocido
que consiste en convertir una señal RF a su correspondiente Envolvente Compleja (EC) y viceversa. La
razón para introducir este concepto es meramente pedagógica y consiste en facilitar los conocimientos a las
personas interesadas en trabajar con SDR, ya que casi siempre se deberá trabajar con la EC de señales que
en el mundo fı́sico viajan a altas frecuencias representadas en señales RF o señales paso bandas. La manera
en que se define aquı́ la Conversión RF-EC ayuda a que el interesado pueda realizar una traducción muy
sencilla entre lo que viaja fı́sicamente entre las antenas y lo que realmente se puede ver usando técnicas de
programación como GNU Radio.
Este capı́tulo también se avanza en la formación de competencias en GNU Radio para lo cual se plantea
el reto de simular un sistema completo de radiodifusión FM, pero esta vez basado netamente en la EC.
3.1. la Envolvente Compleja y sus caracterı́sticas

3.1.1. El problema a resolver
A continuación se enuncia un problema como ejemplo que justifica el uso de este concepto.
Deseamos implementar un analizador de espectros en un computador portátil mediante una aplicación

basada en la FFT. Observar el espectro de la voz usando la FFT no representa un gran problema. Nece-
sitamos conectar un micrófono al computador, el cual tiene un ancho de banda, por ejemplo 30 [kHz] que
finalmente establece una frecuencia máxima para la voz. Cumpliendo el Teorema de Nyquist, la señal de
voz deberá ser muestreada a una frecuencia
fs ≥ 2fmax = 30[kHz] (3.1)

El problema se complica cuando se desea analizar una señal que proviene de una radio base de un
operador móvil. Será necesario conectar un receptor, el cual convierte la señal electromagnética a una
señal eléctrica amplificada de manera suficiente.
124
Figura 1: Analizador de espectros basado en computador
Pero ahora, la señal que queremos analizar tiene una frecuencia máxima muchı́simo mayor, por ejemplo
1900000000 [Hz] ya que, en nuestro caso estamos recibiendo una señal RF. En este caso el muestreo sı́ que
resulta extremadamente costoso y casi imposible de implementar, pues estamos hablando de una frecuencia
de muestreo de al menos 3, 8 [GHz]. Desde otro punto de vista, la FFT debe desarrollar tantas operaciones
que el espectro no podrá ser visto en tiempo real, incluso quizá el software que tengamos disponible no
acepte ese valor de muestreo y si lo hace también es posible que el computador se bloquee tan pronto
arranque la aplicación.
3.1.2. La solución: la Envolvente Compleja

La solución lógica consiste en incluir dentro del receptor un dispositivo que permita desplazar el espectro
de la señal de interés para centrarlo en una frecuencia mucho más baja a la que estaba centrado original-
mente, lo cual se conoce como una operación de heterodinado. El caso más extremo se tiene cuando el
receptor logra centrar el espectro en fc = 0 [Hz].
A manera de ejemplo, en la figura 2 se tiene una forma hipotética de la Transformada de Fourier de una
señal paso bandas, como es el caso de una señal RF.
Figura 2: Espectro de la señal pasobandas de interés
𝑌𝑐 (𝑓)
𝐴
-----------------------------------------------------------------------
2
𝑓
-fc fc
En la figura 2 el espectro es simétrico alrededor de la frecuencia f = 0 [Hz], por lo tanto pertenece a una
señal real, pues es bien sabido que la TF de una señal real es simétricamente conjugada. Sin embargo,
alrededor de la frecuencia fc el espectro no es simétrico, lo cual es usual en las comunicaciones.
En la figura 3 se muestra el resultado al que queremos llegar, donde el espectro aparece centrado en fc = 0
[Hz]. Pero ahora el espectro tiene doble altura con respecto al de la figura 2 con el fin de que conserve la
misma energı́a. Además, vemos que ahora el espectro no es simétrico, lo que significa que esa operación ha
125
afectado a la señal en el tiempo y ahora lo que tenemos es una señal compleja que llamaremos Envolvente
Compleja .
Figura 3: Espectro de la Envolvente Compleja
𝑌𝑐𝑒 (𝑓)
-----------------------------------------------------------------------
A
𝑓
Puede decirse que la Envolvente Compleja es la señal que resulta en el dominio del tiempo cuando
tomamos el espectro de una señal paso bandas de interés, que está centrado en una frecuencia fc > 0, y lo
desplazamos de forma que quede centrado en la frecuencia fc = 0 Hz, sin que se afecte la forma del espectro
y por lo tanto sin que se afecte la información que está contenida en él.
3.2. Conversión RF-EC en el dominio del tiempo

En varias partes del libro estaremos usando el concepto de Conversión RF-EC que facilita enormemente
el proceso de buscar la versión banda base, es decir, la Envolvente Compleja de una señal pasobandas.
Para lograr esta conversión se ha tenido en cuenta que:
La búsqueda de la Envolvente Compleja solo es de interés de señales pasobandas, y una señal paso-
bandas siempre está representada por una onda senoidal. En contraste, la versión bandabase siempre
se expresa como una función Euler compleja.
En el capı́tulo anterior se analizaron las tres posibles opciones más generales en que una onda senoidal
puede ser modulada: modificando su amplitud, su frecuencia o su fase.
También se demostró, que una modificación a la frecuencia se traduce necesariamente en una modi-
ficación a la fase, como se explicó al obtener la ecuación (2.23) para la modulación FM.
De todo lo anterior, se deduce que, la expresión más genérica para una onda senoidal modulada en versión
pasobandas y para su correspondiente versión bandabase son las que se muestran a la izquierda y a la
derecha respectivamente de la siguiente expresión:
Conversion RF −EC
A(t) cos [2πfc t + Q(t)] −−−−−−−−−−−−−−→ A(t)ej[Q(t)] (3.2)
3.2.1. Conversión EC-RF en el dominio del tiempo

La Conversión inversa no es más que el proceso contrario de la Conversión Directa y puede ser expresada
ası́:
Conversion EC−RF
A(t)ej[Q(t)] −−−−−−−−−−−−−−→ A(t) cos [2πfc t + Q(t)] (3.3)
3.2.2. La Conversión RF-EC en el dominio de las frecuencias

Aunque ya quedó explicado este caso, hemos querido formalizar la Conversión RF-EC en el dominio
de las frecuencias de la manera que se presenta en la figura 4.
126
Figura 4: La Conversión RF-EC en el dominio de las frecuencias
𝐘𝐂 𝒇 𝐘𝐞𝐜 𝒇
𝑨
𝑨
𝑪𝒐𝒏𝒗𝒆𝒓𝒔𝒊ó𝒏 𝑹𝑭−𝑬𝑪
𝟐
𝒇 𝒇
−fc fc
3.2.3. Ejercicio sobre la Conversión RF-EC

El siguiente ejercicio ayuda a reforzar aún más los conceptos vistos hasta el momento. Se requiere
encontrar una expresión para la Envolvente Compleja de una señal con Modulación FM.
Solución: Ya conocemos por la ecuación 2.23 que la expresión matemática de una señal pasobandas
FM es:
Z t
s(t) = Ac cos[2πfc t + 2πKf m(τ )dτ ] (3.4)
0
Donde, Ac es la amplitud de la portadora, fc es la frecuencia de la portadora, Kf es el coeficiente de
modulación, m(t) es el mensaje y t es la variable de tiempo.
Comparando con la definición de la Conversión RF-EC en 3.2 tenemos que:
A(t) = Ac
y la fase de una señal FM varı́a de acuerdo a la siguiente ecuación

Z t
Q(t) = 2πKf m(τ )dτ (3.5)
0
Por lo tanto, aplicando la Conversión RF-EC obtenemos la expresión para la Envolvente Compleja de una
señal con Modulación FM: Rt
Sec (t) = Ac ej2πKf 0 m(τ )dτ (3.6)
que es lo mismo que:
Z t Z t
Sec (t) = Ac cos[2πKf m(τ )dτ ] + jAc sin[2πKf m(τ )dτ ] (3.7)
0 0
Podemos concluir que la Envolvente Compleja de una señal FM es un vector rotante.
3.3. El Down Converter

Para obtener la Envolvente Compleja de una señal pasobandas, se usa un dispositivo que llamaremos
“Down converter” y que se presenta en la figura 5.
127
Figura 5: El Down Converter
𝑦𝐶𝐼 (𝑡) 𝑦𝐼 (𝑡)

X 𝐹𝑖𝑙𝑡𝑟𝑜 𝑃𝑎𝑠𝑎𝑏𝑎𝑗𝑎𝑠
2𝑐𝑜𝑠(2𝜋𝑓𝑐 𝑡)
𝑦𝐶 𝑡
𝑦𝐶𝑄 (𝑡) 𝑦𝑄 (𝑡)

X 𝐹𝑖𝑙𝑡𝑟𝑜 𝑃𝑎𝑠𝑎𝑏𝑎𝑗𝑎𝑠
−2𝑠𝑒𝑛(2𝜋𝑓𝑐 𝑡)
la Envolvente Compleja es la señal yc (t) = yI (t) + jyQ (t), yI (t) es conocida como la componente en
fase, yQ (t) como la componente en cuadratura de la Envolvente Compleja .
3.3.1. Demostración del Down Converter

La Transformada de Fourier es una herramienta útil para diseñar y demostrar la validez de este tipo
de soluciones.
1
y(f ) = [yec (f − fc ) + yec (−f − fc )] (3.8)
2
yCI (t) = yc (t)2 cos(2πfc t) =⇒ yCI (t) = yc (f − fc ) + yc (f + fc ) (3.9)
1
yCI (f ) = [yec (f − 2fc ) + yec (−f ) + yec (f ) + yec (−f − 2fc )] (3.10)
2
1
yI (f ) = [yec (−f ) + yec (f )] (3.11)
2
−1
yCQ (t) = −2yc (t) sin(2πfc t) =⇒ T F yCQ (f ) = [yc (f − fc ) − yc (f + fc )] (3.12)
2j
−1
yCQ (f ) = [yec (f − 2fc ) + yec (−f ) − yec (f ) − yec (−f − 2fc )] (3.13)
2j
1
[yec (f ) − yec (−f )]
yQ (f ) = (3.14)
2j
De modo que, el sistema de la figura 5 permite obtener la componente en fase y cuadratura de la
Envolvente Compleja yec (t) =⇒ yec (f ).
3.3.2. Demostración gráfica del Down Converter

Aplicaremos el Down Converter de la figura 5 a la señal que tiene la TF de la figura 2. Deberı́amos
obtener la TF de la Envolvente Compleja que es la que aparece en la figura 3.
128
Figura 6: Resultado del uso del Down Converter
𝑌𝑐𝑄 𝑓
1
𝑓
−2𝑓𝐶 −𝑓𝐶 𝑓𝐶 2𝑓𝐶
𝑌𝑐𝐼 𝑓
1
𝑗
𝑓
−2𝑓𝐶 −𝑓𝐶 𝑓𝐶 2𝑓𝐶
1
−
𝑗
𝑌𝑐𝑄 𝑓 + 𝑗𝑌𝑐𝑄 𝑓 = 𝑌𝑐𝑒 𝑓 𝑌𝑐𝑒 𝑓

1 2
𝑓
𝑓
−1
3.4. El Up Converter
La Conversión RF-EC es un concepto teórico. El Up Converter es el Dispositivo que aprovecha este
concepto para realizar la Conversión EC-RF y se presenta en la figura 7
Figura 7: Up converter
𝑦𝐼 (𝑡)
X
𝑐𝑜𝑠(2𝜋𝑓𝑐 𝑡) +
෍1 𝑦(𝑡)
−
𝑦𝑄 (𝑡)
X
2𝑠𝑒𝑛(2𝜋𝑓𝑐 𝑡)
129
3.5. Simulación de la Modulación de Onda Continua orien-
tada a SDR
Cuando se trabaja en programación para sistemas SDR no se requiere pensar en el uso de un Up-
Converter o de un Down-Converter, simplemente todo aquello que implica a la señal que va a viajar por el
canal inalámbrico o que se recibe de un canal inalámbrico se programa en función de Envolvente Compleja
. El hardware SRD es el que entra a jugar el papel de un Conversor RF-EC cuando se usa como receptor
o de un Conversor EC-RF si se usa como transmisor. Por lo tanto todas las implementaciones a nivel de
software son función de EC, no solo de señales sino también de elementos de procesamiento como filtros,
analizadores, etc. En esta sección se busca implementar un bloque que sirva como base para comprobar
conceptos sobre la EC o implementar cualquier tipo de modulación, aunque nos concentraremos en la
Modulación de Onda Continua.
Vamos a comenzar por implementar un bloque que sea capaz de producir la señal que aparece a la
derecha de la Conversión RF-EC, en la fórmula (3.2), pero traducida a su versión discreta que es la
siguiente:
Sec [n] = A[n]ejQ[n] (3.15)
donde, A[n] es la señal que permite manipular la amplitud de la función exponencial compleja y Q[n]
la señal que permite manipular la fase de la misma función exponencial compleja, con lo cual es posible
generar las más diversas posibilidades que puede tener la Envolvente Compleja . En la figura 8 se tiene
una representación de ese bloque que hemos llamado “e VCO fase fc” por las siguientes razones:
Figura 8: Bloque Oscilador Controlado por Voltaje que representa la Fase y Amplitud
𝑸[𝒏]
𝑨[𝒏]𝒆𝒋𝑸[𝒏]
𝑨[𝒏]
e: Lo usamos para todos los bloques que implementamos en forma de código embebido dentro del
bloque “Python Block” que ofrece el GRC.
VCO: del inglés Voltage controlled oscillator , Es el término heredado de los sistemas electrónicos,
donde la frecuencia de un oscilador puede ser manipulada mediante una señal entrante. En nuestro caso,
no tenemos una señal de voltaje sino una señal discreta, pero el término se sigue usando igual, pues la
señal discreta es en el fondo una representación de la señal de voltaje.
Fase: A diferencia del VCO tradicional y del que GNU Radio tiene por defecto, nuestro VCO permite
manipular la fase en vez de la frecuencia, aunque también vamos a incluir la posibilidad de manipular la
amplitud.
fc : En nuestro caso, fc significa que las señales de entrada son de tipo flotante, pero la de salida es de
tipo complejo.
En el código prevemos usar las siguientes variables principales:
Q es el vector de los datos de la señal Q[n].

A es el vector de los datos de la señal A[n].
Sec es el vector de los datos de la señal EC que buscamos como salida.
Desde este punto de vista, es necesario realizar una operación vectorial que se puede comprobar en
Pyhton, en modo terminal de comandos, ası́:
>>> import numpy as np

>>> Q = np . array ([0 ,0.2 , 0.4 , 3 , 4])
>>> A = np . array ([1 ,2 ,3 ,4 ,5])
>>> Sec = np . array ([1. j ,2 ,3 ,4 ,5])
130
>>> Sec [:]= A * np . exp (1. j * Q )
>>> Sec
array ([ 1.00000000+0. j , 1.96013316+0.39733866 j,
2 . 7 6 3 1 8 2 9 8 + 1 . 1 6 8 2 5 5 0 3 j , -3.95996999+0.56448003 j ,
-3.26821810 -3.78401248 j ])
El bloque “Python Block” tiene casi todo el código listo, de manera que lo ajustamos con la expresión
que hemos probado para obtener el siguiente código completo a embeber:
# Nota : si desea e n c o n t r a r este codigo listo para copiar y pegar , tenga en
cuenta las s i g u i e n t e s o p c i o n e s : 1) el codigo esta dentro de un bloques
e m b e b i d o 2) hemos g u a r d a d o una copia de estos bloques del bloque j e r a r q u i c o
b_help que hemos i n c l u i d o en la l i b r e r i a de bloques c o m d i g u i s que se aporta
con este libro .
import numpy as np
class blk ( gr . sync_block ) :

""" Es un VCO de dos e n t r a d a s :
Q : para m a n i p u l a r la fase en radianes ,
A : para m a n i p u l a r la
a m p l i t u d . """
def __init__ ( self ) :

gr . sync_block . __init__ ( self ,
name = ’ e_VCO_fase_fc ’ ,
in_sig =[ np . float32 , np . float32 ] ,
out_sig =[ np . complex64 ]
)
Q = input_items [0]
A = input_items [1]
Sec = output_items [0]
Sec [:] = A * np . exp (1. j * Q )
return len ( Sec )
El siguiente paso es crear un flujograma que facilite la experimentación con la EC manipulando la

amplitud, la fase y la frecuencia de una función exponencial compleja. El flujograma propuesto en figura
9, incluye tres bloques “QT GUI Range” , “Constant Source” y “Virtual Sink” para permitir el ajuste
de: la amplitud A, la fase P y la frecuencia F .
131
Figura 9: Flujograma para experimentar con la EC como un Vector Rotante
Flujograma usado: vector rotante full.grc
Figura 10: Resultados del Flujograma, al variar la Fase desde cero hasta 0, 872 radianes, la
frecuencia se ha fijado en cero y la amplitud en 1
Vector Rotante
Re
Im
𝐻𝑢𝑒𝑙𝑙𝑎 𝑑𝑒 𝑐𝑎𝑚𝑖𝑛𝑜
𝑎𝑣𝑎𝑛𝑧𝑎𝑑𝑜
132
Figura 11: El vector rotante cuando la frecuencia se ha fijado en 0, 7104 Hz, la fase en 0 radianes
y la amplitud en 1
𝑽𝒆𝒄𝒕𝒐𝒓 𝑹𝒐𝒕𝒂𝒏𝒕𝒆 Re
Im
Figura 12: El vector rotante cuando la amplitud ha sido variada aleatoriamente, mientras que la
fase y la frecuencia se ha fijado en cero
𝑽𝒆𝒄𝒕𝒐𝒓 𝑹𝒐𝒕𝒂𝒏𝒕𝒆 Re
Im
Para la manipulación de la frecuencia usamos la ecuación 3.5 pero es necesario traducirla previamente
a su forma discreta, con la cual obtenemos:
n−1
X
Q[n] = 2πKf Tsamp m[k] (3.16)
k=0
donde Tsamp es el periodo de muestreo de la señal.
Ahora, como vamos a combinar en un solo esquema la posibilidad de manipular al mismo tiempo la
133
frecuencia, la fase y la amplitud, mediante señales diferentes tenemos que la señal que se manipula será:
n−1
X
Q[n] = 2πKf Tsamp m1 [k] + Kp m2 [n] (3.17)
k=0
A[n] = Ka m3 [n] (3.18)

Pero si queremos probar la Modulación AM propiamente tenemos que:
A[n] = Ka (m3 [n] + 1) (3.19)

El flujograma propuesto en la figura 9 incluye un acumulador y un multiplicador representados en los
bloques “e Accum ff” y “Multiply Const” para tener en cuenta lo señalado en la fórmula 3.16. De modo
que en el punto P 1 tenemos la señal:
Pn−1
Ka m3 [n]ej(2πKf Tsamp k=0
m1 [k]+Kp m2 [n])
(3.20)
En la figura 10 se tiene el caso en el que se varı́a la fase, desde el valor cero hasta 0, 872. En la figura
11 se tiene el caso cuando la frecuencia se ha fijado en 0, 7104 [Hz]. En la figura 12 se tiene el caso cuando
la amplitud ha sido variada aleatoriamente mientras que la fase y la frecuencia se ha fijado en cero.
3.6. Simulación en banda base de un sistema de radiodifu-

sión
HOB: tenemos la idea de convertir este subcapı́tulo en un nuevo capı́tulo que tendrá los siguientes
fines:
tendrá dos partes: la primera consiste en proponer una metodologı́a de programación en gnura-
dio; la segunda consiste en usar esa metodologia en la implementación de un sistema completo de
radiodifusion simulada, por ahora.
sobre la metodologı́a (queremos tambien publicarla en un artı́culo), la idea es incluir varios items
como:
• El estudio de requerimientos: la idea es que no se comience la implementación de un sistema de
comunicaciones a la loca, sino haciendo ingenierı́a de software, sea esta muy sencilla o compleja.
En este sentido, todo comienza por la identificación de los requerimientos. Estos pueden ser de
usuarios, pero tambień técnicos y puede ir acompañada de bastante teoria pues es la teoria la
permite identificar parámetros a usar y prever el uso de recursos, como el tipo de modulación,
el canal, etc.
• Diseño: Todo comienza por distinguri las diferentes partes de la implementación como:
◦ seguir una metodologia que haga que la solución pueda ser entendida por ingenieros de
sistemas para adaptarla a soluciones más profesionales. En este sentido, podemos dar una
visión de hasta donsde pueden llegar las soluciones, por ejemplo las de radiocognitiva
donde hay similitud con las soluciones IoT: hay dispositivos que vigilan el espectro, bases
de datos por consultar, sistemas de comunicación que funcionan no sin antes consultar
esas bases de datos o incluso reportarse a ellas.
◦ el flujograma del sistema de comunicación puro. Para esta parte nos apoyaremos en modelo
de capas donde definiremos una serie de criterios como: uso de tipos de lineas (para mostrar
los elementos que son hardware, los que son software), colores (para diferenciar señales
reales de complejas o incluso lógicas (unos y ceros) de las señales de amplitud (señales
continuas o de origen continuo o analogico)), colores de flechas (para lo mismo anterior);
el uso de unas capas básicas: canal, capa base, aplicación
◦ las componentes de visualización, que pueden estar en el mismo flujograma, pero debemos
prever la posibilidad de que esa parte sea remota como en la tendencia en la vida real:
instrumentos son una cosa: sistema es otra.
◦ posibles bases de datos. Nuestras soluciones pueden comenzar a usar información de archi-
vos, pero debemos prever la posibilidad futura de ver las soluciones de SDR como parte de
las IoT, sin entrar en detalle en ellas, lo cual nos permite prever una buena metodologı́a
de desarrollo.
sobre el sistema completo de radiodifusión, está claro que lo que queremos es lograr dos cosas a la
vez: implementar la metodologia y aprender sobre el sistema de radiodifusión.
134
Ya se comprobó que no tiene sentido implementar la simulación de un sistema de comunicaciones
pasobandas debido a que resultarı́a irrealizable si se usan parámetros de frecuencias del mundo real, ya que
el principal obstáculo está en la necesidad de un muestreo que superarı́a las capacidades de cómputo y de
muestreo de los computadores de precio razonable. Lo que sı́ tiene sentido es implementar la simulación de
una versión banda-base, la cual permite lograr experimentar cualquier técnica que se desee implementar
en versión pasobandas.
3.6.1. Modelo de capas e identificación de requerimientos

En calidad de ejemplo, vamos a implementar la simulación de un sistema de radiodifusión lo más com-
pleto posible, para lo cual nos apoyaremos en el modelo de capas de la figura 13.
Figura 13: Modelo de capas para la simulación de un sistema de radiodifusión
Protocolo
DAC
Capa de
ADC
Aplicación
Protocolo Sistema base

Modulación banda base de Demodulación banda base de
onda Continua Onda Continua Capa base
Técnicas banda base pre-
Técnicas banda base post-canal
canal
Canal
Canal AWGN banda base
La idea consiste en implementar un sistema base de radiodifusión, sobre el cual se puede montar una
capa de aplicación para prestar el servicio a diferentes necesidades como por ejemplo conducir información
de voz, o cualquier otra que sea de naturaleza analógica.
Un modelo como estos, define unos requerimientos que facilita el desarrollo que deseamos implementar,
los analizaremos capa por capa, desde abajo hacia arriba. Es importante destacar que es completamente
necesario comenzar con la implementación de un sistema simulado antes de pasar a implementar un sistema
real basado en SDR, ya que en un sistema simulado es posible probar diversas técnicas para enfrentar los
desafı́os que un canal inalámbrico puede presentar. Por ejemplo, en un sistema simulado es posible probar
de manera aislada una solución para enfrentar el ruido blanco, otra para enfrentar el Efecto Doppler y
ası́ sucesivamente hasta contar con una solución que puede enfrentar todos los principales fenómenos de
propagación.
Los aspectos generales del modelo propuesto en la figura 13:

Los bloques que aparecen con lı́neas punteadas son bloques que se implementan mediante software,
mientras que los de lı́neas continuas son componentes de hardware, que en nuestro caso, son elementos
del hardware del computador en el cual vamos a implementar la simulación.
Los bloques y las flechas que están resaltadas en color azul manejan el concepto de Envolvente
Compleja , por lo tanto trabajan con señales complejas. El caso de la modulación, la entrada es real
y la salida es compleja, en el de la demodulación la entrada es compleja y la salida es real. Aquı́ es
donde está la gran diferencia con la figura 4, donde no habı́an bloques con señales complejas.
La simulación deberá correr en tiempo real, es decir, podremos estar hablando por un micrófono
del computador, mientras al mismo tiempo podemos estar escuchando fluidamente lo que llega a la
bocina.
Para la capa del canal tenemos que:
En el mundo real, el canal es algo fı́sico de naturaleza continua. En nuestro caso no porque estamos
implementando un simulador que nos permite tener en cuenta solo el efecto del ruido blanco en el
canal.
135
Al tener en cuenta el efecto del ruido blanco del canal, estamos atacando principalmente el fenómeno
de desvanecimiento que sufren las ondas en sus propagación, ya que en la medida en que las ondas
se atenúan, se acentúa la influencia del ruido.
Deberemos implementar una versión banda base del ruido blanco, ya que la señal que vamos a
transmitir por ese canal está también en versión bandabase, es decir en términos de la Envolvente
Compleja . Eso significa que debemos pensar en la Envolvente Compleja del ruido blanco.
Se deduce entonces, que la sub-capa que hemos llamado Técnicas pre-canal/post-canal se aplican
a señales que están convertidas a su Envolvente Compleja y se enfocan principalmente en el ruido
blanco.
Lo anterior no limita las posibilidades de implementar elementos adicionales al canal y a las técnicas
pre-canal para comprobar cómo puede afectar por ejemplo las desviaciones de fase, frecuencia, las
no linealidades y cómo corregirlas.
Para la capa de Modulación tenemos que:
El modelo se presta para que implementemos un sistema de radiodifusión en el que podamos cambiar
fácilmente el método de modulación, para tener por ejemplo un sistema de radiodifusión AM, DSB,
VSB, FM, PM, etc.
El problema de usar diferentes tipos de modulación está en que tenemos dos grandes tipos de
modulación: las que son de tipo lineal como AM, DSB, VSB; y las que no son lineales como FM y
PM. En este caso, las técnicas pre-canal pueden ser diferentes para esos dos casos.
Para la capa de aplicación tenemos que:
Se trata del sistema de información que aprovecha a nuestro sistema de comunicación.
En este caso nos planteamos el reto de enviar señales de audio que captura el micrófono del compu-
tador y recibirlas, para escucharlas en la bocina del mismo.
El ADC y el DAC se refieren a las tarjetas que el computador trae para realizar el proceso de
conversión análoga digital y digital análoga.
La capa de adaptación está allı́ por varias razones, en primer lugar, como estamos implementando
la simulación de un sistema que por naturaleza es analógico, la señal que entrega el ADC la veremos
como una señal muestreada, no como una señal convertida a bits. Además, es muy probable que
necesitemos realizar unas operaciones previas a la señal del audio bien sea porque las limitaciones
del canal ası́ lo impongan o porque queramos adaptarnos a lo que establece algún estándar de
radiodifusión.
3.6.2. El Canal AWGN banda base

Como podemos ver en la figura 13 lo que se entrega al canal es una EC, de manera que si vamos a
simular el canal, este debe interactuar con nuestra EC en condiciones similares, por lo tanto, el ruido que
afecta a la EC también debe estar en versión compleja. Aun cuando esto no sea un simulador, tenemos
que operar con la EC del ruido ya que el USRP captura ruido en pasobandas, pero su Down Converter lo
entrega en forma de EC.
3.6.2.1. El ruido blanco en versión banda base

En el capı́tulo 2.4.2 se mostró una implementación en GNU Radio de un flujograma que permite
generar y comparar el ruido blanco de banda ancha con el ruido blanco de banda angosta o NBWN.
Varios detalles de lo que implica este tipo de implementación fueron analizados allı́. El reto ahora, es
implementar algo similar pero el objeto de interés es la Envolvente Compleja del ruido blanco. El Ruido
Blanco tiene la particularidad de estar presente en todo el espectro, por lo tanto es al mismo tiempo de
naturaleza pasobandas y banda base. Sin embargo, cuando hablamos de versión banda base, nos referimos
a la señal que se obtiene cuando el ruido blanco pasa por un Down Converter. La señal que resulta debe
estar compuesta por una parte real y una imaginaria y es esencial para poder implementar un canal AWGN
banda base. Los aspectos a tener en cuenta en la simulación de la Envolvente Compleja del ruido blanco
son los siguientes:
Cualquier canal y cualquier elemento usado en los sistemas de comunicación, como las antenas, los
filtros, etc, tienen un ancho de banda limitado. De modo que, aunque el ruido blanco se supone
que tiene un ancho de banda infinito, solo debe interesarnos simularlo en el ancho de banda de
interés. En el fondo, lo que afecta a un sistema de comunicaciones es el NBWN, pero, a diferencia
del NBWN visto en el capı́tulo 2.4.2, aquı́ estamos buscando la versión banda base del NBWN, o
sea, la Envolvente Compleja del NBWN.
136
Lo que nos interesa generar es equivalente a hacer pasar una señal de ruido blanco por un Down
Converter y no hay que olvidar que este dispositivo incluye por defecto Filtros pasobajas de banda
angosta.
la Envolvente Compleja del NBWN puede ser vista como aquello que resulta al aplicar la Conversión RF-
EC al ruido, en el dominio de las frecuencias, de acuerdo a lo explicado en la figura 4. Para analizar esto en
GNU Radio, hemos implementado el flujograma de la figura 14, en la cual podemos apreciar lo siguiente:
Figura 14: Simulación en GNU Radio de la Envolvente Compleja de ruido blanco
Flujograma usado: b noise dB cc.grc
GNU Radio ya incorpora un bloque que genera el ruido blanco en versión de Envolvente Compleja ,
se trata del bloque “Noise Source” y es el mismo usado para generar ruido blanco, solo que debe ser
configurado en modo de salida compleja, lo cual hace que la salida del bloque cambie a color azul.
El problema de ese bloque es que el único parámetro de configuración no dice mucho sobre las ca-
racterı́sticas requeridas en una aplicación más práctica, por esa razón, en la figura 14 se presenta el
flujograma de un bloque jerárquico llamado “b noise dB cc” que genera el ruido en forma de EC en
función de unas necesidades concretas de la frecuencia de muestreo Fs y del valor N0 dB. Los demás
parámetros se deducen de la siguiente manera:
Ancho de banda del ruido:

BW = Fs /2 (3.21)
El valor N0 :
N0 = 10N0 dB/10
(3.22)
La Potencia promedio:
P = N0 ∗ 2 ∗ BW (3.23)
El Valor RMS: √
VRM S = P (3.24)
De manera similar, los demás bloques que acompañan el procesamiento o la visualización deben ser
configurados como de tipo complejo. Por eso sus entradas y/o salidas están en color azul en la figura
14.
137
Figura 15: Ruido Blanco Bandabase en el Diagrama Polar
Como se muestra en la figura 15 el ruido blanco banda base puede ser visto en el diagrama polar
como una nube centrada en cero y con una magnitud promedio igual al Valor RMS VRM S . Como
resultado de la aplicación de la Conversión RF-EC en el dominio de las frecuencias la PSD se eleva
dos veces y su altura es N0 como se muestra en la parte derecha de la figura 15
El parámetro Amplitud, en el bloque Noise Source corresponde al valor RMS V rms del ruido
• El bloque Rational Resampler se agregó como parte de los equipos de visualización, solo con el fin
de observar qué hay más allá del ancho de banda bandabase, que en este caso es BW = 4 [[kHz]].
Hay que entender, que el bloque Rational Resampler es en realidad un Filtro con capacidades de
interpolación, aunque dependiendo de la configuración también puede decimar.
Los resultados de esta implementación aparecen en la figura 16. A la izquierda tenemos la PSD de la
Envolvente Compleja del ruido blanco de banda angosta y a la derecha la gráfica en el dominio polar.
Los resultados muestran que, con el filtrado, la señal en el tiempo sufre una caı́da en amplitud y su
forma se vuelve más suave, pero se conserva la altura de la PSD.
Figura 16: Ruido Blanco Banda Base, su PSD y representación Polar
3.6.2.2. Un canal de ruido blanco gaussiano aditivo en versión bandabase

El canal de ruido blanco gaussiano aditivo es mejor conocido en inglés como Additive White Gaussian
Noise Channel (AWGN Channel). Es bien sabido que una señal en su viaje desde una antena transmisora
hasta una receptora atraviesa una gran cantidad de fenómenos. Es como si la señal entrara a un sistema
138
que la deforma de varias maneras y ese sistema es lo que llamamos canal de propagación. Uno de ellos es el
ruido y precisamente nos preparamos para revisar cómo luchar contra el efecto que este produce. Es muy
claro que si vamos a probar un método para atenuar el ruido blanco, resulta importante poder aislar todos
los demás fenómenos que pueden existir en el canal de propagación, de manera que el canal solo tenga la
posibilidad de inyectar a la señal ruido blanco. En el capı́tulo 2.4.3 ya se presentó una implementación de
este canal de propagación, lo que se busca ahora es la implementación de la versión banda base.
Para la implementación es importante tener en cuenta que la salida xnec [k] de un canal AWGN en
versión banda base ante una entrada xec [k] es xnec [k] = xec [k] + nce [k].
Donde nce [k] es la Envolvente Compleja en versión discreta del ruido blanco de banda angosta n(t).
En la figura 17 se tiene la implementación de un bloque jerárquico que es parte de la librerı́a comdiguis

para un canal de ruido blanco gaussiano aditivo.
Figura 17: Implementación en GNU Radio de un Canal de ruido blanco aditivo
Flujograma usado: b Canal AWGN cc.grc Nota: es parte de la librerı́a comdiguis
3.6.3. La Modulación FM Banda Base

La implementación de la capa de Modulación FM es relativamente sencilla, sin embargo vale la pena
dedicar esfuerzo a su análisis por tratarse de una Modulación que no es lineal, de modo que el espectro
se ensancha sustancialmente con respecto al espectro del mensaje. Para realizar la implementación es
conveniente comenzar con un modelo de capas simplificado como el propuesto en la figura 18.
Figura 18: Modelo de capas simplificado para implementar la modulación
Generación de un mensaje Visualización del mensaje Capa de

sinusoidal recibido
Aplicación
Sistema base
Modulación banda base de Protocolo Demodulación banda base de
onda Continua Onda Continua
Capa base
A continuación, se realiza un resumen sobre los aspectos conocidos de la Modulación FM que resultan
coherentes para una implementación basada en SDR. El siguiente resumen se apoya principalmente en el
libro de Haykin [10]: ya se ha dicho que un Modulador FM es un caso especial de un Modulador PM y no
es un sistema lineal, la consecuencia es que el espectro de una señal con Modulación FM es mucho más
ancho que el espectro del mensaje. En este sentido, lo relevante es que una emisión FM ocupa un ancho
de banda mucho mayor que una emisión AM.
Varios parámetros caracterizan una señal con Modulación FM:
139
El coeficiente de sensibilidad, usualmente representado como Kf el cual equivale al número de veces
que es necesario amplificar la señal mensaje para lograr el ı́ndice de Modulación requerido.
La desviación de frecuencias, usualmente representada como ∆F . Es una variable que toma un valor
cercano al ancho de banda que la señal Modulada alcanza y está dada por:
∆F = Kf Am (3.25)
donde Am es el valor máximo que puede alcanzar la amplitud del mensaje o señal modulante.
Otros parámentros son el Ancho de Banda y el Índice de Modulación pero su forma de calcular se
explica más adelante.
3.6.3.1. Caso en que el mensaje es reemplazado por una señal sinusoidal

La respuesta de cualquier Modulador de Onda continua cuando en calidad de mensaje se usa una señal
sinusoidal sirve como una forma de caracterización sobre todo en el dominio de las frecuencias, pues a
partir de esa respuesta es posible conocer cómo puede responder el modulador ante una auténtica señal
mensaje. En este sentido, vale la pena considerar que la señal mensaje es la siguiente:
m(t) = Am cos(2πfm t) (3.26)
En este sentido, la Modulación FM tiene las siguientes caracterı́sticas adicionales:

El ı́ndice de Modulación: Corresponde a la relación entre la desviación de frecuencias ∆f y la
frecuencia de modulación fm
∆f Kf Am
β= = (3.27)
fm fm
Con la introducción del parámetro β es posible hablar de dos tipos de Modulación FM: La modulación
FM de Banda Angosta, cuando β es pequeño en comparación a un radian; La Modulación FM de
banda ancha, cuando β es grande comparado con un radian. Sin embargo la Modulación FM de
Banda Angosta no tiene mucho sentido cuando se usa tecnologı́a SDR ya que ella es más bien parte
de las estrategias usadas para construir Moduladores FM mediante tecnologı́a analógica, mientras
que en las técnicas de SDR se usan métodos digitales.
Para conocer el espectro que en este caso resulta, es necesario realizar el siguiente análisis.
Tenemos que Rt
Sec (t) = Ac ej2πKf Am 0 cos(2πfm τ )dτ (3.28)
de modo que
Sec (t) = Ac ejβsin(2πfm t) (3.29)
Por lo tanto, Sce (t) resulta siendo una señal periódica en el tiempo y con una frecuencia fundamental
igual a fm . Recordemos que, de acuerdo a la RSF (1.11), toda señal periódica puede ser representada
mediante la Ecuación de Sı́ntesis de la RSF, por lo tanto:
∞
X
Sec (t) = Ck ej(j2πkfm t) (3.30)
−∞
donde Ck son los Coeficientes de Fourier y se hallan mediante la Ecuación de Análisis de la RSF
(1.13), por lo tanto, tenemos que:
TZ
m /2
1
Ck = Sec (t)e−j2πkfm t dt (3.31)
Tm
−Tm /2
TZ
m /2
1
= Ac ej[βsin(2πfm t)−2πkfm t] dt
Tm
−Tm /2
Reemplazando por una nueva variable:

2πt
x=
Tm
Llegamos a la siguiente expresión
Zπ
1
Ck = Ac ej[βsinx−kx] dx
2π
−π
140
La parte derecha de la ecuación anterior coincide con la definición de la Función de Bessel de primera
especie orden k, por lo tanto:
Ck = Ac Jk (β) (3.32)
Todo el análisis anterior sirve para afirmar que una señal FM obtenida usando un coeficiente de
sensibilidad Kf y de un mensaje sinusoidal de amplitud Am y frecuencia fm tiene un ı́ndice de
modulación β que determina la forma del espectro a partir de las Funciones de Bessel de primera
especie.
A partir de lo anterior, en la figura 19 se muestra cómo, a partir de las Funciones de Bessel, se
obtiene el espectro de una señal FM con mensaje sinusoidal, para dos casos: cuando β = 1 y cuando
β = 5.
Figura 19: Relación entre las Funciones de Bessel y el espectro de una señal FM con mensaje
sinusoidal
𝐽0 𝐽5
Espectro Funciones 𝐽1 𝐽6 Espectro
para de Bessel 𝐽2 𝐽7 para
𝛽=1 𝐽3 𝐽8 𝛽=5
𝐽4
𝑓𝑚
𝑓𝑚
𝑓
0 1 2 3 4 5 0
2∆𝑓 𝛽 2∆𝑓
Aplicación usada: F Bessel Mag.py
De la figura 19 puede deducirse que en cualquier caso, el Ancho de Banda de una señal FM es infinito,
pero fuera de cierto ancho de banda el espectro cae casi a cero. De allı́ se deduce la Regla de Carson
para calcular, de manera aproximada el Ancho de Banda que puede usarse en la práctica para la EC
de una señal FM cuando el mensaje es sinusoidal:
1
BW = ∆F + fm = ∆F (1 + ) (3.33)
β
de manera que el Ancho de banda de la versión pasobandas es:
1
B = 2∆F + 2fm = 2∆F (1 + ) (3.34)
β
3.6.3.2. Caso en que el mensaje tiene forma arbitraria

Después de todo ese análisis, solo resta identificar la regla para calcular, al menos de manera aproxi-
mada, el Ancho de banda de una señal FM en un caso más cercano a la práctica, cuando en vez de un
mensaje sinusoidal se de un mensaje m(t). En este caso, es importante establecer que:
En cualquier caso, el mensaje m(t) tiene un Ancho de Banda BWm .
El mensaje m(t) también tiene una amplitud pico Ap .
Entonces, la Señal FM estará caracterizada por la Relación:
Kf Ap
D= (3.35)
BWm
141
D es conocida como Relación de Desviación, pero es el equivalente a β que es el ı́ndice de modulación
en el caso en que el mensaje sea una señal sinusoidal.
También estará caracterizada por la Desviación de frecuencias ∆F :
∆F = Kf Ap (3.36)
De esta manera, para hallar el Ancho de banda de una señal FM con una señal mensaje arbitraria
m(t), es posible usar una forma modificada de la Regla de Carson, de manera que para la EC de la
señal FM tenemos un Ancho de Banda igual a:
1
BW = ∆F + BWm = ∆F (1 + ) (3.37)
D
De manera que para una señal FM pasobandas, el Ancho de banda es aproximadamente:
1
B = 2∆F + 2BWm = 2∆F (1 + ) (3.38)
D
3.6.4. Implementación de un Modulador FM mediante GNU Radio
Figura 20: Flujograma para comprobar la Modulación FM
Flujograma usado: FM banda base vco fase.grc
142
Figura 21: PSD de una señal con Modulación FM banda base y con mensaje sinusoidal
Flujograma usado: FM spectrum analys.grc
La gran variedad de métodos reseñados para implementar un modulador FM puede resultar abruma-
dor [10], por ejemplo existen métodos directos e indirectos que pasan por una implementación previa de
un modulador FM de banda angosta. La existencia de esa gran variedad de métodos es debido a los gran-
des retos que plantean las implementaciones en hardware. En el caso de una implementación en software,
como es el caso de SDR, ese problema es un tanto diferente, basta con usar un modelo matemático que
funcione bien. Por ejemplo un VCO puede estar basado en la expresión matemática más genérica para la
EC y puede ser usado como modulador FM, como en la implementación que se muestra en la figura 20
brindando resultados fantásticos para cualquier caso de aplicación práctica.
En la figura 21 se presentan los resultados de este modulador cuando se usa un mensaje sinusoidal.
Como podemos ver, se obtiene la PSD correspondiente a la esperada del análisis teórico visto para diferentes
valores de “β“ .
3.6.5. El PLL como Demodulador FM

Revisaremos las tres técnicas más populares usadas en la demodulación de forma suficiente para im-
plementarlas en GNU Radio:
Un PLL usado como detector de frecuencias.
El Discriminador de frecuencias.
El demodulador homodino.
Un PLL visto en tiempo continuo y en banda base:
El bucle de seguimiento es uno de los dispositivos más usados en los sistemas de control. Particularmen-
te nos referiremos al bucle de Seguimiento de Fase (PLL del inglés Phase Locked Loop) como el dispositivo
143
que permite realizar un seguimiento a la fase y consecuentemente a la frecuencia de la onda que recibe
como entrada. Existe mucha literatura sobre este tema, sin embargo poco se discute de la implementación
en forma de Envolvente Compleja para una implementación útil en SDR. GNU Radio tiene por si misma
facilidades para este tipo de implementación, sin embargo es importante contar con suficientes bases teóri-
cas para poder configurar adecuadamente las herramientas de GNU Radio.
Figura 22: El Bucle de Seguimiento de Fase - PLL
𝒔 𝒕 = 𝑨𝒄 𝒆−𝒋𝝓𝟏(𝒕) Detector de 𝒆(𝒕) Filtro de 𝒗(𝒕)

Error de Fase Bucle
VCO
𝒓 𝒕 = 𝑨𝒗 𝒆−𝒋𝝓𝟐 (𝒕)
En la figura 22 se tiene el diagrama de bloque de un PLL, donde la lı́nea punteada indica lo que se
agrega al PLL para adaptarlo como Detector de Frecuencias que no es otra cosa que el Demodulador FM
que buscamos. Los siguientes son los aspectos a tener en cuenta:
s(t) es la señal FM recibida expresada como la EC.
v(t) es la señal mensaje que se logra demodular, de modo que es una versión cercana, pero escalada
de m(t) que es el mensaje o la señal modulante.
Comparando lo que entra y lo que sale del VCO con lo mostrado en la figura 20 podemos deducir
que la señal r(t) es una señal con modulación FM.
El reto del PLL consiste en lograr que la fase de la señal r(t) sea lo más cercana posible a la fase de
s(t), excepto por el signo. Por eso se dice que está enganchado a la fase.
A menudo El Detector de Error de Fase es un multiplicador, que realiza la siguiente operación:
y(t) = s(t)r(t) = ej(φ1 −φ2 )
Lo anterior hace que ese detector sea un sistema no lineal. Necesita entregar una señal proporcional
a la fase, pero esta es un parámetro interno de otra función. Sin embargo, es posible establecer unas
condiciones, muy cercanas a la realidad, para que el sistema pueda ser visto como un sistema lineal.
La idea consiste en que, en la práctica, el error de fase es muy pequeño, décimas de π radianes, de
modo que el error de fase se puede obtener a partir de la parte imaginaria de y(t) ya que:
1
Im[e−j(φ1 −φ2 ) ] ≈ (φ1 − φ2 )
2
De manera que no resulta difı́cil hacer que el Detector de Error de Fase, una vez encuentra s(t)r(t),
entrega en realidad una señal e(t) que es proporcional al error de fase:
e(t) = Kp (φ1 − φ2 )
Incluso, se supone que es posible hallar e(t) como la arco tangente de y(t), ya que por ser pequeño
el ángulo no hay problema con una posible ambigüedad de fase.
Incluso cuando se cuenta con un bloque PLL listo para usar, es importante conocer muy bien algunos
parámetros necesarios para la configuración, como:
Ganancia de Bucle o “Loop Gain” (Hz): Es usado más bien cuando el PLL se implementa en
forma de hardware, de modo que no se tiene mucho control sobre el coeficiente de sensibilidad del
VCO Kv y la amplificación Km que pueda imprimir el multiplicador, de modo que el Loop Gain es
Ko = Km Kv Ac Av
El Filtro de Bucle: Es de alguna forma un Filtro pasobajas con un ancho de banda limitada y con
posibles parámetros adicionales como: la frecuencia natural, el factor de amortiguamiento.
144
Loop Bandwidth: Es una frecuencia de centésimas de radianes por segundo, pero influye en rango
de frecuencias que el dispositivo puede identificar. En el ejemplo que se presenta en el capı́tulo de
abajo se ofrece una forma de calcularlo para el caso de un PPL que es parte de GNU Radio.
En la figura 23 se presentan varios términos relacionados con el ancho de banda a saber:
• Hold in ó Rango de Bloqueo: Siempre y cuando el PLL esté ya enganchado, con este margen
de frecuencias es capaz de seguir variaciones muy lentas de frecuencias.
• Pull out: Es el margen de frecuencias para que, ante un salto brusco de la frecuencia de la
señal entrante, el PLL se mantiene siempre enganchado.
• Lock in: Si el PLL está desenganchado, dentro de este margen de frecuencias es capaz de
recuperar el enganche en menos de un periodo de la frecuencia de la señal de salida.
• Pull in ó Rango de Captura: Es el margen de frecuencias en el que el PLL es capaz de
reengancharse fácilmente en caso de perder el enganche por alguna razón, aunque le puede
tomar un tiempo mayor al periodo de la señal de salida.
Figura 23: Términos relacionados con ancho de banda en los PLL
Fuente: https: // es. wikipedia. org/ wiki/ Lazo_ de_ seguimiento_ de_ fase
Un PLL visto en tiempo discreto y en banda base: La programación que se puede implementar en
el tiempo discreto brinda algunas facilidades adicionales. Para ver este caso, usaremos la figura 24.
Figura 24: El Bucle de Seguimiento de Fase - PLL en tiempo discreto
𝒆𝑫 [𝒏] 𝒗[𝒏]
𝒔 𝒏 = 𝑨𝒆𝒋𝜽 [𝒏] Detector de Filtro de
Error de Fase Bucle
NCO
𝒓 𝒏 = 𝒆−𝒋𝜽 [𝒏] 𝒆𝑭 [𝒏]
El bloque Detector de Error de Fase Para este elemento aplican las siguientes observaciones.
Es posible implementar un Bloque Detector del Error de Fase que calcule frecuentemente el error.
θe [n] = θ[ n] − θ̂[ n], como se muestra en la figura 25. Si esta diferencia se mantiene constante, las
dos señales tienen la misma frecuencia y puede ser útil cuando por alguna razón la señal s[n] llega
afectada en frecuencia, por ejemplo, debido al Efecto Doppler, pero también en aplicaciones de FM.
Se genera entonces la señal correspondiente eD [n].
El bloque Detector de Error de Fase es el más versátil en un PLL y es el culpable de que existan
muchas variantes de PLL.
145
Figura 25: El error de fase
Como en el caso continuo, el Detector de Error de Fase no tiene acceso directo a la fase, por lo tanto
se considera que el PLL en esta forma es un dispositivo no lineal, pero, en la mayorı́a de los casos
puede ser aproximado a un sistema lineal debido a lo siguiente: cuando está en equilibrio, los ángulos
θ[n] y θ̂[n] son muy cercanos de manera que el error casi siempre tiende a cero y es posible identificar
el ángulo de error mediante un proceso lineal, como se explicó para el caso continuo.
El bloque NCO Del inglés Numerically Controlled Oscillator. Es el equivalente al VCO, lo hemos llamado
ası́, pues en términos discretos no se tienen niveles de voltaje sino números.
El Filtro de Bucle: El Filtro de Bucle es un filtro pasobajas, útil especialmente cuando la señal del PLL
está implementado en versión pasobandas, ya que luego de una multiplicación entre senoidales es necesario
filtrar las componentes de altas frecuencias. En el caso de una implementación, donde todo está en versión
bandabase no resulta necesario el filtro para esa tarea, pero puede servir para otras, como por ejemplo
para atenuar el ruido.
3.6.6. Implementación en GNU Radio de un Demodulador PLL

En el GRC de GNU Radio se dispone del bloque “PLL Freq Det” es básicamente un PLL adaptado
como un medidor de frecuencias, que no es otra cosa que un Demodulador FM. En la figura 26 se ha
implementado la capa FM de la siguiente manera:
En calidad de mensaje se tiene una fuente sinusoidal representada en el bloque “Signal Source”.
Seguidamente encontramos el Modulador FM implementados mediante dos bloques: “Multiply
Const” y “VCO (complex)”. El primero es para definir el Coeficiente de Sensibilidad de Modula-
ción, el cual está asociado a su vez un Índice de Modulación β, representado en el parámetro beta y
una desviación de frecuencias ∆F , representada en el parámetro ∆F .
En calidad de DeModulador tenemos los bloques “PLL Freq Det” y “Multiply” el primero para
detectar la frecuencia y el segundo para escalar la señal resultante. Este bloque tiene los siguientes
parámetros de configuración:
146
Figura 26: Flujograma que muestra la capa de Modulación FM con un PLL como Demodulador
Flujograma usado: De FM PLL.grc
Figura 27: Resultados de la Demodulación FM con PLL
• Todos los parámetros relacionados con frecuencias deben ser configurados en términos de la
frecuencia angular, es decir en radianes/segundo. Si se tiene el valor en Hz, simplemente se
introduce ese valor multiplicado por 2π.
• Loop Bandwidth: Es una frecuencia que es cientos de veces menor a un Hertz, o a 2π radianes
por segundo. Este parámetro debe ser seleccionado cuidadosamente para que el sistema funcione
dentro de un cierto ancho de banda. En el caso del Flujograma propuesto, hemos creado la
variable Loop BW y la hemos calculado a partir del ancho de banda N Wm que puede llegar a
tener el mensaje:
Loop BW = (2BWm /1000.)/100.
• M ax F req y M in F req. Se supone que equivale al ancho de banda, sin embargo en las pruebas
realizadas esto no queda tan claro ya que hemos experimentado con diversos valores y todos
fueron aceptados sin afectar el funcionamiento del bloque para las condiciones dadas, excepto
frecuencias por encima de 106 [Hz].
En la figura 27 se tienen los resultados de la simulación para dos casos: cuando la frecuencia del mensaje
m(t) es 340 Hz y cuando es 3640 [Hz], lo cual barre el rango necesario para el caso de la telefonı́a. Está claro
147
que v(t) es la señal demodulada. En una implementación real de FM, el mensaje puede alzar los 15[[kHz]].
La reconfiguración del flujograma en este caso parece consistir solo en cambiar el parámetro BW m para
que valga 15 [[kHz]]. En realidad, en cualquier implementación que se realice en términos de software
requiere revisar cuidadosamente la frecuencia de muestreo con cualquier cambio que se realice al ancho de
banda de las señales. En este caso particular, es necesario tener en cuenta que el ancho de banda de la señal
FM se ensanchará cada vez más con el ancho de banda de la señal mensaje, como lo expresa la Regla de
Carson (3.33), (3.37). Por esta razón, el flujograma propuesto en la figura 26 incluye el parámetro BW F M
para calcular el ancho de banda que va a tener la señal FM. Usando la ecuación 3.33, reemplazando fm por
BWm y expresándola en términos de β en lugar de ∆F tenemos que en el bloque “Variable” se configura
la variable BW como β ∗ BW m + BW m. Como resultado se obtiene que si BW m= 15 [kHz], se obtiene
que BW F=90 [[kHz]], luego la frecuencia de muestreo samp rate debe ser por lo menos 180 [[kHz]].
3.6.7. Discriminador de frecuencias con circuitos de pendiente

La idea parte de la teorı́a de señales y sistemas. Por un lado sabemos que una señal FM en banda
base es una exponencial compleja expresada en la ecuación (3.6), de modo que si a esa señal le aplicamos
la derivada, se obtiene la misma exponencial compleja pero el mensaje va a aparecer como parte de la
amplitud, de donde lo podemos tomar de manera más sencilla. Por otro lado, sabemos que un derivador
puede ser visto como un sistema LIT con una respuesta en frecuencia en forma de pendiente.
Finalmente, debemos considerar que la señal FM banda base en el dominio de las frecuencias ocupa un
ancho de banda entre −BW y BW , que es lo mismo que decir entre −B/2 y B/2, si se tiene en cuenta
que BW es el ancho de banda de la versión banda base y B es el de la versión pasobandas.Vamos a usar
dos circuitos de pendiente. El primero lo representaremos con la respuesta en frecuencia H1 (f ), el segundo
como H2 (f ). De momento nos concentraremos en el primero y su respuesta en frecuencia se presenta en la
figura 28.
Figura 28: Respuesta en Frecuencia de un Circuito de pendiente
𝑯𝟏 (𝒇) 𝑯𝟐 (𝒇)
𝒋 𝒋
Pendiente = 𝟒𝝅𝒂 Pendiente =−𝟒𝝅𝒂
−𝑩𝑾 𝑩𝑾 −𝑩𝑾 𝑩𝑾
a) Circuito de pendiente con H1 (f ) b) Circuito de pendiente reflejado con H2 (f )
La expresión para la respuesta al impulso del primer circuito de pendiente es:

j4πa(f + BW ), −BW 6 BW
H1 (f ) = (3.39)
0, otros
Si representamos la salida del discriminador como s1 (t) tenemos que:

1
S1 (f ) = H1 (f )S(f ) (3.40)
2

j2πa(f + BW )S(f ), −BW 6 BW
0, otros
De la teorı́a de Tratamiento de Señales y Sistemas, sabemos que si en el dominio de las frecuencias la señal
se multiplica por f , en el dominio del tiempo equivale a una derivación, de modo que:

ds(t)
s1 (t) = a + j2πBW s(t) (3.41)
dt
Teniendo en cuenta que nuestra señal de interés es una señal con modulación FM en banda base:
Rt
s1 (t) = Ac ej2πKf 0 m(τ )dτ
(3.42)
148
sustituimos en (3.41) y obtenemos:

Kf Rt
s1 (t) = j2πBW aAc 1 + m(t) ej2πKf 0 m(τ )dτ (3.43)
BW
Figura 29: Flujograma del bloque jerarquico “b discriminador frec cf”
Flujograma usado: Bloque ‘‘b discriminador frec cf’’ de la libreria ‘‘comdiguis’’
De manera que si logramos obtener s1 (t) es posible usar un sencillo algoritmo para obtener algo más
cercano a nuestro mensaje m(t), por ejemplo, dividiendo en j y aplicando una operación que entregue la
amplitud de una señal compleja para obtener:
|s1 (t)| = 2πBW aAc + 2πaAc Kf m(t) (3.44)
El problema que ahora surge es el término 2πBW aAc que aparece a la izquierda de la ecuación anterior.
Con la intención de eliminarlo es que, aparece la necesidad del segundo circuito de pendiente, representado
en la respuesta en frecuencia H2 (f ):
H2 (f ) = H1 (−f ) (3.45)
En la figura 29 se muestra la implementación en forma de un flujograma de un bloque jerárquico en GRC.
Allı́ el circuito de pendiente se ha implementado mediante un bloque “b derivador” que es otro blo-
que jerárquico mencionado ya en el capı́tulo 2, este bloque juega el papel de un derivador discreto. El
discriminador propuesto está hecho para obtener la señal:
v(t) = ks1 (t)k − ks2 (t)k = 4πaAc Kf m(t) (3.46)
3.6.8. Discriminador de frecuencias con derivadores

Aunque el método anterior también se basa en derivadores, su diseño parte de los circuitos de pendiente,
mientras que esta versión está más relacionada con una búsqueda directa del ángulo en la Envolvente
Compleja para luego derivarlo y obtener la frecuencia a partir de la derivada del ángulo. En estudia en [11]
con aplicación en Fibra Óptica y se describe de manera resumida en [12], comparándolo con otros métodos
y señalando las ventajas que tiene en la práctica, aunque en esa fuente la aplicación es en óptica:
Ofrece la mejor resolución y sensibilidad comparado con otros métodos. Se menciona una sensibilidad
de 10−6 radianes.
Alto rango dinámico.
149
y hemos decido mencionarlo aquı́ por su sencillez y efectividad.
La idea consiste en operar con la componente en fase y en cuadratura de
s(t) = sI (t) + jsQ (t)
para obtener el ángulo a partir de la operación de arco tangente, para luego derivarla y obtener la frecuencia
como:
dSQ (t)
dθ(t) sI (t) dt − sQ (t) dSdt
I (t)
v(t) = )= 2 2
= Kf m(t) (3.47)
dt sI (t) + sQ (t)
la implementación en GNU Radio se realizó en forma del bloque jerárquico “b discriminador frec umd cf”
que es parte de la librerı́a “comdiguis” disponible en la pagina web del libro y se representa en la figura
30.
Figura 30: Discriminador de frecuencias con derivadores
Flujograma usado: bloque “b discriminador f rec umd cf 00 delalibreria“comdiguis00
Es curioso que esta solución no pide ningún parámetro de configuración.
3.6.9. Pruebas en GNU Radio del protocolo de modulación

La idea es comprobar qué tanto se entiende el modulador FM con el demodulador FM. Es decir, si
efectivamente lo que recibe el modulador FM es lo que puede entregar el demodulador.
150
Figura 31: Flujograma para comprobar la capa de modulación con diferentes métodos de
demodulación
Flujograma usado: fm mod demod comparacion.grc
En la figura 31 estamos presentando una implementación que combina la Modulación y la Demodula-

ción, esta última con los tres métodos vistos.
En la figura 32 se presentan los resultados comparativos. Vemos que los métodos presentan buenos
resultados, sin embargo, aún falta analizar el efecto del paso de la señal modulada por un canal para poder
identificar mayores diferencias entre los métodos de demodulación.
151
Figura 32: Resultados comparativos de la demodulación con tres métodos
3.6.10. Pruebas en GNU Radio de un Sistema FM con señales de audio

En la figura 33 se ha implementado el flujograma para pruebas en tiempo real de un sistema de
comunicaciones FM con señales de audio. Se trata de una implementación real en el sentido de que el
mensaje es captado del mundo real, aunque sea leı́do de un archivo, ya que tiene unos parámetros muy
reales de tiempo y frecuencia, además porque a medida que la señal se modula y demodula, deberemos
poderla escuchar en la bocina del computador en tiempo real, es decir, sin distorsiones de tiempo que
hagan perder sentido a la comunicación.
152
Figura 33: Flujograma para un sistema de comunicaciones FM con señales de audio
Flujograma usado: sistema comunicacion FM simulacion.grc
153
Figura 34: Resultados de un sistema de comunicaciones sonora FM
El flujograma tiene las siguientes caracterı́sticas relevantes:

El mensaje tiene su propia frecuencia de muestreo, que en este caso corresponde a
samp rate audio = 11[kHz].
Es un parámetro tomado del archivo de audio, que es muy propio de la manera en que la señal fue
grabada y guardada en el archivo.
Con la frecuencia de muestreo de la señal de audio viene asociado su ancho de banda que de acuerdo
al Teorema de Nyquist es:
BWm ≤ samp rate audio/2
Las mediciones muestran que la amplitud pico del mensaje es:
Ap = 1
Podrı́a estar dada en voltios si queremos conservar una relación con el mundo fı́sico, pero puede ser
más sencillo comenzar a ver esa señal desde el punto de vista de la teorı́a de señales discretas, donde
eso es simplemente un número que cuantifica una amplitud.
Por otro lado, tenemos que la Modulación FM está configurada de la siguiente manera:
• En ese flujograma se ha decidido que la Relación de Desviación sea D = 15.
• De lo anterior se derivan los demás parámetros como ∆F = DBWm = 82, 5 [kHz].
• También se deduce la sensibilidad de frecuencia: Kf = ∆F/Ap = 82, 5 [[kHz]].
• Para conocer finalmente una aproximación del ancho de banda de la señal modulada mediante
la Regla de Carson: BW = ∆F + BWm = 176 [kHz].
• Finalmente seleccionamos una frecuencia de muestreo que sea mayor a dos veces el ancho de
banda de la señal FM, en este caso hemos tomado samp rate = 2, 3BW = 404, 799 [kHz].
154
El reto que aparece ahora es el siguiente: La señal mensaje tiene una frecuencia de muestreo muy
diferente a la frecuencia de muestreo de la señal FM: La primera vale samp ratea udio = 11 [kHz],
la segunda samp rate = 404, 799. Esto es un problema, ya que los bloques propuestos para la mo-
dulación y demodulación consideran que a la entrada tienen la misma frecuencia de muestreo que la
de salida. La solución se encuentra en la inclusión del bloque “Rational Resampler”, hecho precisa-
mente para poder realizar esa traducción entre frecuencias de muestreo, pero siempre respetando el
Teorema de Nyquist, esto significa que:
• Siempre es posible pasar de una frecuencia de muestreo más baja a una más alta mediante una
operación de interpolación. Solo hay que tener en cuenta que con esto el ancho de banda de la
señal no se va a ampliar, lo único que se va a lograr es contar con una señal sobre muestreada,
es decir, una señal con una frecuencia de muestreo mayor al mı́nimo que establece el Teorema
de Nyquist.
• Siempre es posible pasar de una frecuencia de muestreo más alta a una más baja mediante una
operación de decimación. Solo hay que tener en cuenta que la calidad de la señal no desmejora
solo si su ancho de banda es al menos dos veces menor a la nueva frecuencia de muestreo. De
no ser ası́, la operación de decimación va a actuar como un filtro pasobajas que comienza por
limitar el ancho de banda de la señal para que sea igual a dos veces la nueva frecuencia de
muestreo.
• La manera en que se recomienda configurar el bloque “Rational Resampler” es ası́: Al parámetro
“Decimation” otórguele el valor de la frecuencia de muestreo de la señal entrante, al parámetro
“Interpolation” otórguele el valor de la señal saliente.
Se ha incluido un analizador de espectros que muestra el espectro instantáneo. Observamos que el
espectro cambia todo el tiempo tanto su forma como el ancho de banda que está ocupando, siempre
dentro de los lı́mites previstos.
En la figura 34 se presentan parte de los resultados obtenidos al correr el flujograma que esta disponible
en la página web del libro, que se menciona en la portada. De la experimentación con este flujograma
podemos resaltar lo siguiente:
Todos los métodos de demodulación FM funciona muy bien para la señal con los parámetros normales
de la radiodifusión sonora, al menos para la región de las américas.
No se realizaron pruebas de desempeño, de modo que no podemos recomendar uno u otro método
de demodulación. En todo caso, desde el punto de vista de configuración no hay nada mejor que el
bloque “b discriminador fre umd cf” ya que no requiere ningún parámetro de configuración y en la
literatura mencionada aparece bien recomendado por su sensibilidad y rango dinámico.
3.6.11. Influencia del ruido en la Modulación FM

Para este análisis nos basaremos en el esquema de la figura 35 donde podemos ver que el canal adiciona
ruido blanco de banda angosta a la señal modulada se c(t) para producir la señal x(t). Hemos incluido un
discriminador de fase teórico para contar con la fase θ(t) a partir de la cual, mediante un derivador, se
traduce a frecuencia, lo cual no es otra cosa que una versión de la señal mensaje el cual trae agregado una
componente del ruido nd (t) que produce el discriminador de frecuencias.
Entonces, tenemos los siguientes aspectos a considerar:
Figura 35: Esquema para el análisis del efecto del ruido en un sistema de comunicaciones FM
𝑚(𝑡) 𝑀𝑜𝑑𝑢𝑙𝑎𝑑𝑜𝑟
𝑠𝑒𝑐 𝑡 = 𝐴𝑐 𝑒 𝑗𝜙(𝑡)
𝐹𝑀
𝐶𝑎𝑛𝑎𝑙
𝐴𝑊𝐺𝑁
𝐷𝑖𝑠𝑐𝑟𝑖𝑚𝑖𝑛𝑎𝑑𝑜𝑟 𝑑𝑒 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑠
𝑣 𝑡 = 𝜃(𝑡) 𝐷𝑖𝑠𝑐𝑟𝑖𝑚𝑖𝑛𝑎𝑑𝑜𝑟
𝐷𝑒𝑟𝑖𝑣𝑎𝑑𝑜𝑟
𝐾𝑜 𝑚 𝑡 + 𝑛𝑑 (𝑡) 𝑑𝑒 𝑓𝑎𝑠𝑒
𝑥 𝑡 = 𝑠𝑒𝑐 𝑡 + 𝑛𝑒𝑐 (𝑡)
155
Al usar técnicas SDR, todo el análisis se realiza en términos de la EC, de modo que toda señal y
sistema que mencionemos aquı́ está dado en términos de EC. Además usamos letras en mayúsculas
o subindicadas con ec cuando se trata de representar señales en versión de EC en el dominio del
tiempo.
La modulación FM en términos de RC está dada por la fórmula 3.6 que reproducimos ası́:
Rt
sec (t) = Ac ej2πKf 0 m(τ )dτ
= Ac ejφ(t)
En realidad nos interesa el efecto del ruido blanco de banda angosta, que representamos como n(t)
ya que una señal modulada, en términos prácticos, está siempre limitada en un ancho de banda
determinado.
El ruido blanco en términos de su EC nec (t)está dado por una componente en fase nI (t) y una en
cuadratura nQ (t), por lo tanto, se puede representar como:
nec (t) = nI (t) + jnQ (t) (3.48)
Entonces, podemos hablar de la magnitud del ruido blanco
1/2
r(t) = n2I (t) + n2Q (t)

(3.49)
y de la fase del ruido blanco
nQ (t)
ψ(t) = tan−1 (3.50)
nI (t)
De manera que la señal afectada por el ruido, que representaremos como xec (t) está dada por
xe c(t) = sec (t) + nec (t) = Ac eφ(t) + r(t)ejψ(t) (3.51)
Figura 36: Una señal FM afectada por ruido blanco
Flujograma usado: vector rotante full.grc
Figura 37: Análisis en el plano polar sobre el efecto del ruido en FM
r(t)
156
En la figura 36 presentamos los resultados de una simulación realizada con GNU Radio para obtener
una señal FM afectada por ruido blanco aditivo gaussiano. Como podemos ver en la parte izquierda,
el vector rotante que representa a la señal FM en términos de su EC, arrastra consigo una nube que
representa a nec (t). A la derecha se observa la componente en fase y en cuadratura de la sec (t)
En la figura 37 se analiza con más detenimiento el vector que representa a la señal sec (t) en el plano
complejo en un instante de tiempo.
Se deduce entonces, que el ángulo de la señal resultante x(t) cambia de la siguiente manera:

r(t)sin[ψ(t) − φ(t)]
θ(t) = φ(t) + tan−1 (3.52)
Ac + r(t)cos(ψ(t) − φ(t)
Las variaciones que puedan ocurrir a la señal r(t) pueden ser fácilmente eliminadas mediante un
Limitador que es un dispositivo capaz de mantener estable la magnitud de la señal. Para simplificar
la expresión anterior, vamos a suponer que la relación señal a ruido en x(t) es grande comparada
con la unidad y que podemos implementar un dispositivo ideal para medir el ángulo instantáneo,
de modo que r(t) en promedio es pequeña comparada con Ac y es entonces posible simplificar la
expresión de θ y el ángulo instantáneo que se lograrı́a medir es:
r(t)
θ(t) ≈ φ(t) + sin[ψ(t) − φ(t)] (3.53)
Ac
donde: Z t
φ(t) = 2πKf m(τ )dτ (3.54)
0
Como la expresión anterior corresponde al ángulo, la señal que sale de un discriminador es en realidad
la derivada ya que este se ocupa de entregar las variaciones de las frecuencia:
1 dθ(t)
v(t) =
2π dt
= Kf m(t) + nd (t)
donde nd (t) corresponde al paso de la señal de ruido n(t) a través del discriminador.
1 d
nd (t) = [r(t)sin[ψ(t) − φ(t)]] (3.55)
2πAc dt
A partir de todo ese análisis podemos concluir que el ruido blanco, al pasar junto con la señal modulada
por el discriminador de frecuencias resulta siendo algo diferente a ruido blanco e incluso es algo que aparece
no solo en función del ruido blanco sino también del mensaje a través de φ(t). En [10] capitulo 2.13 se
describen algunas aproximaciones adicionales para llegar a expresar el ruido a la salida del discriminador
como:
1 dnQ (t)
nd (t) = (3.56)
2πAc dt
O sea que nd (t) se puede determinar de manera efectiva a partir de la componente en cuadratura nQ (t) el
ruido blanco de banda angosta.
El objetivo ahora es conocer lo que ese nuevo ruido representa en el dominio de las frecuencias, de
modo que pensando en términos del domino de las frecuencias tenemos que:
nd (t) puede ser visto como la señal nQ (t) luego de pasar por un filtro con respuesta al impulso
1 jf
H(f ) = j2πf =
2πAc Ac
por lo tanto, en términos de Densidad Espectral de Potencia tenemos que:

f2
SN d (f ) = A2
SN Q (f )
c
de allı́ que
(
N0 f 2
A2
, |f | ≤ BW
SN d (f ) = c
0, Otros
Una vez la señal pasa por filtro que se limita al ancho de banda del mensaje BWm , tendremos que
la afectación que el ruido causa en el dominio de la frecuencia es la adición de:
157
(
N0 f 2
A2
, |f | ≤ BW
SN d (f ) = c
0, Otros
Figura 38: Análisis de ruido del receptor de FM
𝑺𝑵 𝑸 (𝒇) 𝑺𝑵 𝒅 (𝒇) 𝑺𝑵 𝒐 (𝒇)
𝑵𝑶
𝒇 𝒇 𝒇
−𝑩𝑻 0 𝑩𝑻 −𝑩𝑻 0 𝑩𝑻 −𝑾 0 𝑾
𝟐 𝟐 𝟐 𝟐
𝒂) 𝐷𝑒𝑛𝑠𝑖𝑑𝑎𝑑 𝑒𝑠𝑝𝑒𝑐𝑡𝑟𝑎𝑙 𝑑𝑒 𝑝𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑙𝑎
𝒃) 𝐷𝑒𝑛𝑠𝑖𝑑𝑎𝑑 𝑒𝑠𝑝𝑒𝑐𝑡𝑟𝑎𝑙 𝑑𝑒 𝑝𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑛𝑑 𝑡 𝑎 𝒄) 𝐷𝑒𝑛𝑠𝑖𝑑𝑎𝑑 𝑒𝑠𝑝𝑒𝑐𝑡𝑟𝑎𝑙 𝑑𝑒 𝑝𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑛0 𝑡
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑡𝑢𝑟𝑎 𝑛𝑄 𝑡 𝑑𝑒𝑙 𝑟𝑢𝑖𝑑𝑜 𝑑𝑒 𝑙𝑎 𝑠𝑎𝑙𝑖𝑑𝑎 𝑑𝑒𝑙 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑑𝑖𝑠𝑐𝑟𝑖𝑚𝑖𝑛𝑎𝑑𝑜𝑟. 𝑎 𝑙𝑎 𝑠𝑎𝑙𝑖𝑑𝑎 𝑑𝑒𝑙 𝑟𝑒𝑐𝑒𝑝𝑡𝑜𝑟.
𝑏𝑎𝑛𝑑𝑎 𝑎𝑛𝑔𝑜𝑠𝑡𝑎 𝑛 𝑡 .
En la figura 38 podemos observar en forma gráfica lo que este análisis significa y enunciar las siguientes
conclusiones de utilidad práctica:
El mensaje estará más afectado por el ruido en las frecuencias más altas que en las bajas.
Resulta fácil encontrar la potencia promedio del ruido que afecta a una señal FM ya es el área bajo
la curva de la PSD, de modo que:
R BW 2 3
PN d = N 0
A2 −BW
f df = 2N3A
0W
2
c c
Gracias a esto podemos pensar en un análisis adicional para encontrar aspectos relacionados con la
relación señal a ruido en sistemas de comunicación FM, pero esto está bien documentado en otras
fuentes como [10] en el capitulo 2.13.
3.6.12. Implementación final

3.6.12.1. Énfasis y De-énfasis en FM
La operación de énfasis y deénfasis es muy común en los sistemas de comunicaciones con modulación
FM. Desde el punto de vista de una implementación en GNU Radio es una capa que se le adiciona a un
sistema de comunicaciones FM, como se muestra en la figura 39.
158
Figura 39: Modelo de capas para ubicar la operación de énfasis de-énfasis
𝐶𝑎𝑝𝑎 𝐸𝑛𝑓𝑎𝑠𝑖𝑠 𝐷𝑒 𝐶𝑎𝑝𝑎 𝑀𝑜𝑑𝑢𝑙𝑎𝑐𝑖ó𝑛

− 𝑒𝑛𝑓𝑎𝑠𝑖𝑠 𝐷𝑒 − 𝑚𝑜𝑑𝑢𝑙𝑎𝑐𝑖ó𝑛
𝐶𝑎𝑝𝑎 𝑐𝑎𝑛𝑎𝑙
Flujograma usado: sistema comunicacion FM enfassis deenfasis.grc
Figura 40: Flujograma de un sistema completo de comunicaciones FM
Flujograma usado: sistema comunicacion FM enfassis deenfasis.grc
159
Figura 41: Resultados del sistema de comunicacion FM
El problema que se busca resolver es el siguiente: De acuerdo a lo visto en el capı́tulo anterior, la señal
que se obtiene luego de la de modulación FM resulta afectado por el ruido del canal de una manera más
fuerte en las frecuencias altas que en las bajas. Como solución, se busca aplicar un procesamiento a la
señal mensaje, antes de la modulación, para que, en el dominio de las frecuencias, la señal resulte más
amplificada en las frecuencias altas que en las bajas.
Este proceso es sencillo y está ampliamente documentado en la literatura [10]. De manera que vamos a
ocuparnos de estudiar los bloques que trae GNU radio para esta operación, en contraste con los métodos
de demodulación propuestos.
GNU Radio viene acompañado con los bloques “FM Preemphasis” y “FM Deemphasis”. Estos bloques
funcionan perfectamente con los parámetros que traen por defecto, siendo necesario ajustar solamente la
frecuencia de muestreo de la señal a procesar. Sin embargo, en una aplicación práctica es necesario tener
en cuenta que hay estándares que establecen los parámetros para esos bloques y dependen de las regiones
definidas por la UIT. Esta información puede ser consultada en Internet 1 .
El sistema completo ha quedado implementado, ya que basta con unir el flujograma de la figura 39 y
el de la figura 33.
El cual se presenta en la figura 40. No aparece la capa de “Técnicas banda base pre/post canal” debido a que
en los sistemas de comunicación FM las técnicas usadas para hacer frente a los retos que plantea un canal
están antes de la capa de modulación, como es el caso de lo que podrı́amos llamar capa de énfasis/de-énfasis.
Una inquietud que el lector puede tener es la siguiente: deberı́a haber un filtro después del demodulador
o del bloque de de-énfasis con el fin de ajustar el ancho de banda justo a lo que ocupa el mensaje, teniendo
en cuenta que el ancho de banda de la señal modulada es mucho más amplio en las técnicas de Modulación
FM. Incluso, si observamos la figura 41 podemos comparar la PSD a la entrada del canal con la PSD a la
salida del mismo y notamos que podemos estar admitiendo mayores niveles de ruido de lo estrictamente
1 ver más detalles en el enlace https : //www.radiomuseum.org/f orum/f mp re emphasisa nd de emphasis.html
160
necesario ya que esta entrando ruido más allá del ancho de banda requerido por la señal. La respuesta a
esa inquietud la resumimos en los siguientes puntos:
No hay que olvidar que la modulación FM es un método no lineal, lo cual en el dominio de las
frecuencias se traduce en un ancho de banda mucho mayor al que tiene el mensaje.
El espectro que se observa en la figura, aunque se le llame PSD; es más bien un periodograma
ya que el promedio no se realiza en el tiempo infinito. En otras palabras esa imagen espectral va
a estar cambiando de forma que en cada instante ocupará mayor o menor ancho de banda. El
verdadero ancho de banda se puede calcular de manera aproximada mediante la regla de Carson
vista anteriormente.
La señal que entrega el modulador está limitada adicionalmente por la frecuencia de muestreo de
esa señal. Es necesario que la frecuencia de muestreo de la señal, representada en nuestro caso por
la variable samp rate sea mayor a 2 veces el ancho de banda de la señal modulada, representado en
la variable BW . En el caso de la figura 40 se tienen una configuración de datos exactamente igual a
la explicada en el capı́tulo 3.6.10.
161
Capı́tulo 4
La Radio Definida por Software. Aplicación en
sistemas de radiodifusión
Este capı́tulo tiene el fin de estudiar lo que significa Software Defined Radio (SDR) y aplicar estos
conocimientos a un tipo especı́fico de hardware que tendremos como referencia. Para ello se ha seleccionado
el USRP-2920 de la empresa National Instruments. Otro objetivo es el de generalizar el conocimiento sobre
el hardware usando modelos de capas, con lo cual abre un panorama más amplio al lector para comprender
cualquier tipo de hardware SDR existente. El mayor énfasis de este capı́tulo es lograr que el lector conozca
lo que el hardware representa en la tecnologı́a SDR.
4.1. Integración de GNU Radio y SDR
Figura 1: Modelo de GNU Radio integrado con SDR
Gráfico de flujo de Python

GNU Radio
(Creado usando los bloques de procesamiento)
SWIG ( Puerto C++ bloques a Python)
Procesamiento de señales de GNU radio (C++)
------------------------------------Interfaz--------------------------------------------
USRP
Frontal genérico RF
Fuente: El gráfico ha sido adaptado de Marwanto [13]
La idea detrás de GNU Radio quedó explicada en el capı́tulo anterior, donde quedó claro que se trata
de una librerı́a de recursos que pueden ser usados bien sea mediante programación en el lenguaje C++,
en Python o inclusive mediante un lenguaje gráfico, basado en flujogramas. Para explicar la relación que
se teje entre GNU Radio y SDR usaremos el modelo de la figura 1, del cual se puede deducir lo siguiente:
Una solución SDR que combina GNU Radio y un USRP puede ser vista como un modelo de dos
capas: la capa GNU Radio y la capa USRP.
• La capa USRP permite que la componente de software que se desarrolla, se conecte directamente
con el hardware. Aunque en términos más genéricos, puede llamarse Front End Genérico de RF,
162
pues el término USRP es más bien un término de la compañia National Instruments para referirse
al tipo de equipos SDR que ellos comercializan.
En la práctica se requiere algo más: el hardware está conectado a un computador, el cual puede ser
tan grande o tan pequeño como sea posible. Incluso el computador puede ser parte del hardware.
Este hecho hace que en la práctica se tenga en realidad dos elementos por conectar: el computador
y el hardware que para nuestro ejemplo es un USRP. Por esa razón, se requiere introducir un medio
de comunicación para estos dos elementos. Ese medio usualmente está representado en los puertos
de comunicación que estos dos elementos tengan como: USB, Ethernet u otros. En la actualidad, los
equipos USRP optan por la opción de puerto Gigabit Ethernet, pero otros tipos de hardware como
Realtek RTL2832U, optan por puerto USB. En todo caso, cuando hay un medio de comunicación de
por medio, surge la necesidad de desarrollar una capa sobre este medio que se encarga de adaptar la
información a este medio. En otras palabras, se requiere un software que llamaremos driver, el cual
toma la información que entrega el software de la solución SDR, y la traduce para que pueda viajar
por el protocolo de comunicación. Del lado del Front End se requiere también un driver similar para
que la comunicación se dé. Para el caso de los USRP ese driver es conocido como UHD (USRP
Hardware Driver )
• GNU Radio es realmente una librerı́a de radiocomunicaciones para lenguaje C++, con una versión
en el lenguaje Python. El GRC es un ambiente de programación gráfica que aprovecha esa librerı́a
y produce código en Python o en C++.
• Es de uso libre.
• Las aplicaciones hechas con GNU Radio son muy livianas y pueden llevarse a producción sin que
dependan de una plataforma determinada.
• Es ampliamente usada por cientı́ficos y académicos.
4.2. Radio Definida por Software en Modo de Red

El término Modo de Red o “modo Network” es muy usado en los productos de la empresa Ettus, la
cual a su vez pertenece a National Instruments, pero este modo corresponde la configuración más común
en los laboratorios experimentales por ser la solución más económica y a la vez más potente. Consiste en
lograr un complemento perfecto entre un hardware SDR y un computador con el software apropiado. El
término network es usado debido a que el hardware se conecta al computador usualmente por un puerto
Giga Ethernet de manera directa. En principio, no se descarta que esa conexión sea por Wi-Fi o que los
componentes estén ubicados en lugares remotos distantes entre sı́, unidos por Internet, pero esto no es
usual pues entre el hardware y el computador se requiere enviar información muy pesada en tiempo real.
Figura 2: Un sistema de comunicaciones punto a punto Full Duplex.
𝑈𝑛 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑑𝑒 𝑐𝑜𝑚𝑢𝑛𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑐𝑜𝑛 𝑑𝑜𝑠 𝑡𝑟𝑎𝑛𝑠𝑐𝑒𝑝𝑡𝑜𝑟𝑒𝑠
𝑇𝑟𝑎𝑛𝑠𝑐𝑒𝑝𝑡𝑜𝑟 1 𝑇𝑟𝑎𝑛𝑠𝑐𝑒𝑝𝑡𝑜𝑟 2
163
Figura 3: Un transceptor (en inglés Transceiver).
𝑇𝑟𝑎𝑛𝑠𝑐𝑒𝑝𝑡𝑜𝑟
Aplicación de
software
𝐸𝑠𝑝𝑒𝑐𝑡𝑟𝑜
𝑟𝑎𝑑𝑖𝑜𝑒𝑙é𝑐𝑡𝑟𝑖𝑐𝑜
USRP (Universal Software Radio Peripheral ) es el término usado por la empresa Ettus para denomi-
nar el hardware de una solución SDR. Como se muestra en la figura anterior, en el USRP se concentra
la componente hardware del sistema de comunicación y en el computador la componente del software. Lo
que viaja por el cable que une estos componentes es precisamente la Envolvente Compleja, no sin antes
ser adaptada al protocolo Ethernet.
Para los USRP que solo funcionan en modo Network, se usa una nomenclatura especial, se considera
que pertenece a la serie Nx, donde la N significa Network y la x unos números seriales. Algunos ejemplos
son: USRP N200, USRP N210. Sin embargo, como la empresa Ettus fue adquirida por National Instru-
ments (NI), esta empresa está usando otra nomenclatura como: NI USRP 2920, NI USRP 2921, NI USRP
2922, NI USRP 2930, NI USRP 2932. Ese cambio de nomenclatura es aplicado por NI para indicar que
estos equipos funcionan con LabView que es la plataforma de NI que ahora incursiona en SDR. Una co-
municación completa en Modo Network se presenta en la figura 4.
Figura 4: Modelo de capas de un sistema de comunicación con USRP en Modo Network.
Información/Señales Información/Señales
Software Software
Hardware Hardware
Firmware Firmware
UHD UHD UHD UHD
Tarjeta Tarjeta Tarjeta Tarjeta

Ethernet Ethernet Ethernet Ethernet
computador 1 USRP 1 USRP 2 computador 2

Cable Gigabit Ethernet Cable Gigabit Ethernet
164
4.3. Un equipo SDR parara Modo de Red. El NI USRP-
2920
El NI USRP-2920 es un ejemplo tı́pico de un hardware pensado en una solución de comunicación basada
en SDR en modo network . Vale la pena usarlo como ejemplo para conocer lo que este tipo de equipos
usualmente contiene.
Figura 5: Foto del NI USRP-2920.
Es importante, tener claro desde un comienzo que estos USRP son construidos por la empresa Ettus Research.
Pero esta empresa fue adquirida en el 2015 por la empresa National Instruments (NI). De esta manera se
entiende por qué un mismo hardware tiene dos nombres diferentes: uno que le da Ettus y otro que le da
NI. Es ası́ como el NI USRP 2920 de National Instruments corresponde al USRP N210 de
Ettus, donde la N indica que se trata de un equipo que funciona en modo Network. El equipo viene con
un software de NI que permite configurar el equipo con el driver que le permite actuar como NI USRP
2920 o bien con el driver que le permite actuar como USRP N210. El primer caso se usa cuando el equipo
se usa con LabView sobre Windows, mientras el segundo, con GNU Radio sobre Ubuntu.
El manual de este equipo 1 , es suficiente para comprender lo que el equipo representa externamente,
ası́ como sus especificaciones técnicas y cuidados de uso. Nos detendremos más bien en el esquema interno.
1 http://www.ni.com/pdf/manuals/375839a.pdf
165
Figura 6: Modelo de capas del NI USRP 29xx visto por capas. En color naranja: bloques de
software embebido. En color verde: Hardware con parámetros controlables por computador.
Blanco: Hardware no controlable.
En los siguientes capı́tulos, el término “Usuario P” se refiere a la persona que está sentada en el compu-
tador, desarrollando una aplicación en GNU Radio o usando una para contactar el USRP.
4.3.1. El receptor del NI USRP-2920

Como puede apreciarse, la parte receptora consiste en una o dos antenas que son conectadas por el RF
switch. En muchos USRP la señal pasa inmediatamente por un banco de filtros que resultan sintonizados
mediante las órdenes que da el Usuario P desde la aplicación ubicada en el computador. La señal es luego
amplificada en el Low Noise Amp . La señal sigue a un amplificador que puede ser configurado por el
usuario P desde la aplicación. El esquema que sigue es lo que en el primer capı́tulo hemos llamado Down
Converter, en el cual la frecuencia del Oscilador controlado por voltaje (VCO) puede ser configurada desde
la aplicación, pero no los parámetros del Low Pass Filter, que tiene un ancho de banda fijo, inmodificable,
166
de 20 MHz.
El Usuario P tampoco puede modificar los parámetros del Conversor Análogo Digital (ADC), que muestrea
la señal a su entrada a una rata fija, invariable de 100 MS/s y además la cuantiza a 14 bits/muestra. El
Usuario P debe jugar con la ganancia o la atenuación para poder aprovechar todos los 14 bits por muestra,
pues la señal entrante es muy débil y no alcanzarı́a a levantarse de manera suficiente. Pero también es
necesario tener en cuenta que una sobre amplificación puede crear también un problema, el de saturación,
como se muestra en las siguientes dos figuras.
Figura 7: Señal a la entrada del cuantizador.
Señal sobre amplificada

Intervalos de cuantificación de amplitud
Señal sub amplificada
Intervalos de muestreo en el tiempo
Figura 8: Señal a la salida del cuantizador.
Porción de señal que se pierde

por exceder el rango dinámico
de la cuantificación.
Señal sobre amplificada
Rango dinámico del cuantificador
Señal sub amplificada
Por esta razón, es ideal que la señal resultante después de la amplificación quede con magnitud 1 o
167
incluso 0,8, ya que el rango dinámico del ADC es 1 Vp-p, para el caso
p del NI USRP 2920. Ası́, las ampli-
tudes de la componente I y la Q se puede deducir de la magnitud Imax 2 + Q2max = 1.
4.3.1.1. Cálculo de la frecuencia de muestreo para un NI USRP.

La señal pasa luego a la FPGA (la tarjeta madre), donde está el OSP (Onboard signal processor ) que
tiene algunos elementos de procesamiento digital, filtra la frecuencia central, de modo que no aparezca
allı́ un delta que corresponde a la portadora. Pero también en el OSP se le aplica a la señal un diezmado,
combinado con un filtrado digital, para bajar la rata de muestreo de la señal I/Q para que cumpla con
los deseos del programador que especificará un ancho de banda deseado que, en términos de frecuencia
de muestreo, resultará en un valor que para el NI USRP 292x está entre 200 kS/s y 25 MS/s. Debido
a las limitaciones del computador y la calidad del cable usado para unir el USRP con el computador, el
Usuario P puede considerar que el ancho de banda pasobandas está entre 200 [kHz] y 20 ó 25 MHz, como
se muestra en la siguiente figura.
Figura 9: Ancho de banda real que puede alcanzar el NI USRP 2920 con respecto a las
capacidades de la tarjeta hija
Ese ancho de banda se puede configurar en los bloques digitales alojados en el OSP. Esto ocurre de
manera indirecta, cuando el Usuario P selecciona el Coeficiente de diezmado Kd para el bloque Digital LP-
F/decimator con el fin de bajar la frecuencia de muestreo. Es importante tener en cuenta que, usualmente
ese coeficiente es un número entero y a la vez potencia de 2, de modo que:
Kd = 2m , donde m es entero positivo. (4.1)

Los experimentos desarrollados por el autor, con el NI USRP 2920, muestran que, aunque el sistema
acepta cualquier valor entero que sea par y positivo para ese coeficiente, si no se escoge como se señaló,
se deforma el espectro de la señal que sale del decimador respecto a la que recibe el decimador. El autor
también demostró que con el NI USRP 2920, hay un tope máximo para ese coeficiente y es
512. Eso significa que ası́ como el equipo tiene un tope máximo para la frecuencia de muestreo de 100
MSps, también tiene un tope mı́nimo de 195,3125 kS/s, ósea 100 e6 /512. Esto también significa que, el
mı́nimo ancho de banda que el USRP captura en pasobandas es 195,3125 [kHz], que equivale a 97,65625
[[kHz]] en bandabase.
La señal resultante es luego enviada por el cable gigabit ethernet. En conclusión, el USRP captura una
señal en toda la banda de 40 MHz, pero la procesa para enviar a la Rx GNU App el ancho de banda que el
Usuario P configure en función del Coeficiente de diezmado. También es claro que el usuario está obligado
a realizar el diezmado, ya que de otra suerte, estarı́a obligando al USRP a entregar una rata de muestras
que no es soportada por el sistema que une el USRP con el computador, o incluso por la capacidad del
mismo computador.
168
Figura 10: Análisis en banda base de frecuencias de muestreo y anchos de banda que se manejan
en el USRP 2920 en el modo de recepción.
En la figura anterior, vemos que la frecuencia de muestreo de 100 MS/s que por defecto maneja el
DAC está sobredimensionada con respecto al ancho de banda del filtro analógico paso bandas usado como
parte del down converter que es de 20 MHz, para capturar una señal de hasta 40 MHz. Pero esta a su vez
está sobredimensionada con respecto a lo que puede realmente viajar por el cable Gigabit Ethernet, lo que
puede procesar el computador y en general, por lo que en realidad desea el usuario P.
Los usuarios P que son principiantes cometen a menudo el error de usar un Kd no entero, el sistema lo
puede aceptar, pero lo redondea hacia arriba, para obtener el valor entero, como consecuencia la frecuencia
de muestreo que entrega el USRP puede ser un tanto mayor a la que el usuario cree que va a recibir, por
lo tanto, se pueden producir una inconsistencia entre la frecuencia de muestreo usada por el Usuario P
y la que realmente es, con lo cual se pueden producir distorsiones de señal en los siguientes bloques que
conecte. Es importante que el Usuario P se asegure que la frecuencia de muestreo que él ha programado
es la que el USRP le entrega, para ello, el GRC, como herramienta de programación tiene una ventana de
texto donde aparece la advertencia: Target sample rate: tantos MHz, Actual sample rate: tantos MHz. El
primer valor es lo que el usuario programó, el segundo, lo que el sistema pudo dar.
En resumen, en recepción, cuando se desea conocer los datos de configuración del USRP, tenemos los
siguientes cálculos.
Los datos de entrada:

El Ancho de banda designado al canal:
B
La frecuencia de muestreo interna del receptor del USRP:
samp rate usrp rx = 100 M Hz
El máximo valor para el coeficiente de diezmado del USRP:

Kdmax = 512
Los cálculos a realizar:

Frecuencia de muestreo deseada:
samp rated = B
Coeficiente de diezmado deseado:
Kdd = int(samp rate usrp/samp rated ) ,
donde int(x) significa parte entera de x. de manera que con lo anterior ocurre un redondeo hacia
abajo.
169
Nueva aproximación al coeficiente de diezmado:
Kda = 2int(log2 Kdd )
Coefiente de diezmado final:

Kd = min(Kd , Kdmax ) ,
donde min(x, y) significa el menor valor entre x e y.
La frecuencia de muestreo a la cual queda configurado el USRP es:
samp rate = samp rate usrp/Kd
El ancho de banda resultante, con el cual queda configurado el USRP es:

Br = samp rate
En transmisión, cuando se desea emitir un ancho de banda B. El proceso es el mismo con las siguientes
aclaraciones:
• samp rate usrp tx = 400 M Hz
• Kdtxmax : No lo conocemos para el equipo en cuestión, quizá es 4 veces mayor al usado en recepción,
ya que la frecuencia de muestreo en el transmisor es 4 veces mayor a la usada en recepción.
• Se supone que el transmisor realiza una interpolación en vez de un diezmado. Si se quiere ser muy
estricto en esto, lo que hay que hacer es:
• Calcular el coeficiente de interpolación como: Ki = 1/Ktxd .
• Luego obtener samp rate = samp rate usrp tx ∗ Ki .
• Pero la verdad, lo anterior se puede saltar, pues igual resulta que:
samp rate = samp rate usrp tx/Ktxd .
En la figura 11 se analizan los posibles valores de configuración que se pueden usar con el USRP 2920 y
vemos que da lo mismo hacer el análisis con los datos del receptor o los de transmisor, ya que el parámetro
de configuración que piden los bloques que controlan el USRP es solo la frecuencia de muestreo samp rate,
mientras que el coeficiente de diezmado es más bien algo que el equipo calcula de manera interna a partir
de la frecuencia de muestreo que configuremos.
Figura 11: Tabla sobre un análisis de valores de frecuencia de muestreo que acepta el USRP 2920
Del análisis anterior, se concluye que en términos generales, el USRP 2920 solo puede tomar 8 posibles
valores para la frecuencia de muestreo y consecuentemente para los coeficientes de diezmado y de interpo-
lación interna. Esos valores se muestran en la figura 12.
170
Figura 12: Tabla de valores de frecuencia de muestreo que acepta el USRP 2920
Una alternativa interesante para configurar la frecuencia de muestreo en los USRP es crear un blo-
que que realice el cálculo, a continuación se muestra un ejemplo para el código realizado para un bloque
‘‘Python Module’’:
import math
def usrp2920 ( B ) :
Kdmax =512
s a m p _ r a t e _ u s r p _ r x =100 e6
Kdd = int ( s a m p _ r a t e _ u s r p _ r x / B )
Kda = pow (2 , int ( math . log ( Kdd ,2) ) )
Kd = min ( Kda , Kdmax )
return s a m p _ r a t e _ u s r p _ r x / Kd
Con este bloque, la frecuencia de muestreo se calcula como:
samp rate = samp rate usrp.usrp2920(B)
4.3.2. El transmisor del NI USRP-2920

Puede entenderse de manera similar al receptor. En cualquier desarrollo que se realice con SDR es
importante conocer en detalle las especificaciones del equipo. Para tener una idea de lo que esto representa,
analizaremos a continuación las especificaciones del NI USRP-2920.
2
• Para una consulta más precisa, consultar el manual del equipo
• El ancho de banda analógico es de 20 MHz analógico, pero esto equivale en pasobandas a 40 MHz.
Además entra en juego el DAC, que muestrea a una rata fija, invariable de 400 MS/s la señal y la
cuantifica a 16 bits/muestra.
Figura 13: Elementos internos del USRP para la transmisión.
Tx GNU App Rx GNU App
Tx UHD Rx UHD
Low Pass
Filter
RF Filter TX DAC
RX1 Bank Amp
Switch 20 MHz LPF 400 MS/s
TX1
0° Complex Digital
To real Tx UHD
90° Low Pass Interpolator
Filter
DAC
GPS PLL VCO
20 MHz LPF
Ethernet
400 MS/s
Ant
GPS-Discipli-
ned Clock
Low Pass
2 http://www.ni.com/pdf/manuals/376358a.pdf Filter
PLL VCO ADC
NI USRP 293x ONLY
RX2 20 MHz LPF 100 MS/s
0° Real to Digital LPF/
complex
Rx UHD
90° Low Pass171 Decimator
Filter
RF Filter Low Noise Drive
Switch Bank Amp Amp ADC On board Signal Processor (OSP)
20 MHz LPF 100 MS/s
Daughter board
En la figura 13 se observa que en modo transmisión, el USRP usa un DAC con una frecuencia de muestreo
de 400 MS/s. También se observa que cuenta con el bloque Digital Interpolator para adaptar la frecuencia
de muestreo de la señal que le llega. Pero al igual que ocurrió con el coeficiente de diezmado, en el modo
recepción, aquı́ el coeficiente de interpolación también es obligatoriamente un número entero de la forma:
Ki = 2m , (4.2)
donde m es entero positivo.
4.3.3. El papel de GPS en un NI USRP.

El papel del GPS consiste en usar una señal satelital, del sistema GPS para lograr que el VCO de
cualquiera de los varios equipos genere una misma sinusoidal. Esto mejora enormemente la recepción de
una señal transmitida con otro USRP similar, ya que no se presenta desfase entre la portadora usada en
el transmisor y en el receptor. Pero esta opción solo la tienen los NI USRP-293x.
4.3.4. Los filtros en un NI USRP.

En la parte receptora
La siguiente figura presenta un ejemplo de la respuesta en frecuencia del banco de filtros, como no se
tenı́a en el momento la información para el NI USRP 2920, se presenta la del NI USRP E-310, para que el
lector tenga una idea de lo que ese banco de filtros significa.
Figura 14: Banco de filtros de la parte receptora del NI USRP E-310.
fuente: https://www.ettus.com/content/files/USRP-E310-Product-Sheet.pdf
Nota: no es claro que el NI USRP 2920 tenga un banco de filtros como estos, pues no aparecen en los manuales
El filtro a usar es seleccionado directamente por el Usuario P.A manera de resumen, las especificaciones
del receptor del NI USRP-2920 son las siguientes:
• La información más confiable sobre las especificaciones es la del manual de equipo 3 .

• Rango de frecuencias de 50 MHz a 2.2 GHz. (Las bandas de radio FM, GPS, GSM, radar, ISM).
• Pasos de frecuencia < 1 [kHz].
• Se usa un ADC de dos canales: 100 MS/s a 14 bits/muestra. Un canal es para la señal I y el otro
para la señal Q, como se deduce de esta referencia 4 .
• El rango dinámico del ADC es 1 Vp-p. La potencia de entrada al ADC es no lineal pues varı́a con
la frecuencia.
• Rata máxima real de muestreo I/Q: 25 MS/s a 16 bits/muestra; 40 MS/s a 8 bits/muestra. El manual
aclara que este valor puede verse limitado aún más por las limitaciones del computador usado y por
la velocidad de la conexión entre el USRP y el computador. A diferencia de la frecuencia de muestreo
del ADC, este valor se refiere a la rata de muestreo a la que realmente puede funcionar el sistema en
3 http://www.ni.com/pdf/manuals/376358a.pdf
4 http://www.ni.com/white-paper/13881/en/
172
tiempo real. En otras palabras, si se intentara aprovechar los 100 MS/s que entrega el ADC, verı́amos
que el sistema se bloquearı́a o producirı́a errores, debido a que esa velocidad no es soportada por los
bloques que siguen.
• Ancho de banda máxima real: 20 MHz para 16 bits/muestra; 40 MHz para 8 bits/muestra.
• Nota 2: Se deduce también que el ancho de banda máxima instantánea en tiempo real, es el valor
pasobandas que en términos reales se puede alcanzar, que representaremos como B. De modo que
en bandabase, el ancho de banda es BW=B/2. Ası́ toma sentido la frecuencia de muestreo que es
F s = 2 · BW = B. Por eso, vemos que en el caso de 8 bits/muestra, con 40 MS/s se alcanza un ancho
de banda de 40 MHz. Eso es lo máximo que el equipo permite. Pero el Front-End al que tiene acceso
el usuario P, es decir, el GRC, puede no tener la opción para programar este valor de 8 bits/muestra.
• El usuario P usualmente necesita un menor valor para la frecuencia de muestreo que entrega el USRP
Source. Para satisfacer esa necesidad, el USRP Source cuenta con un diezmador. El problema es que
el factor de diezmado no es cualquiera, sino que se aproxima al valor más cercano entre los siguientes:
8, 16, 32, 64, 128, 256, 512.
Otras notas de interés para configurar el bloque de GNU Radio conocido como USRP Source:
• Para los usuarios P de Simulink es un poco confuso que el muestreo sea realizado por el ADC. Esto
se entiende mejor si imaginamos que el ADC del USRP junto con el procesado que realiza luego el
OSP, equivalen en Simulink a la interconexión de los bloques: filtro paso bajas, muestreador (con el
bloque zero order hold), cuantizador (en caso de que la salida del USRP source sea configurada
para tipo entero). De modo que ADC+OSP lo que entregan es una señal, que usualmente veremos
como una señal de valores decimales con un número finito de posibles valores. En otras palabras es
la Envolvente Compleja de la señal que el usuario P desea capturar, pero en su versión muestreada
y cuantizada, por lo tanto, esta señal pertenece al mundo fı́sico.
• En Simulink de Matlab, el bloque USRP Source no pide frecuencia de muestreo sino coeficiente de
diezmado .
• El valor máximo de frecuencia de muestreo que se pudo programar sin problemas con un computador
Core i7 fue de 20 MSps, que equivale a un ancho de banda pasobandas de 20 MHz. Pero con
advertencias puede ser de 25 MSps. Teóricamente, con computadores mejor dotados se podrı́a elevar
más, pero sin pasar nunca de 50 MSps.
• Aunque la documentación dice que la frecuencia de muestreo cambia en función de número de bits
por muestra que se elija, vimos que al menos el bloque USRP Source no brinda esta opción.
• Si el parámetro Ch0: Bandwidth se deja en cero, el ancho de banda del receptor USRP se sintoniza
por defecto a una frecuencia cercana a la frecuencia de muestreo, porque se aplica el Teorema de
Nyquist en versión bandabase.
• Otros parámetros del receptor del USRP de la serie N2920 son:
• La letra “N” se refiere a “Network”, debido a que usa puerto Gigabit Ethernet para la unión
PC-USRP
• La velocidad de los datos entre el PC y el USRP por el puerto Ethernet es de hasta 50 MS/s
• Se pueden unir varios USRP como si fuesen uno solo para escalar en capacidad
4.3.5. En la parte transmisora

De manera similar, en la parte transmisora puede tenerse un banco de filtros como es el caso del NI
USRP E-310, como se muestra en la figura 15
173
Figura 15: Banco de filtros de la parte transmisora del NI USRP E-310.
fuente: https://www.ettus.com/content/files/USRP-E310-Product-Sheet.pdf
4.3.6. Actividades de Caracterización del equipo

Las especificaciones anteriores son datos tomados de la documentación del equipo NI USRP-2920. Sin
embargo, una verificación práctica brinda resultados más reales, pues muchas veces los manuales tienen
inconsistencias. Los siguientes son verificaciones realizadas:
• Se programó el bloque USRP Source una tasa de muestreo de 20 MHz, para capturar una señal de
ancho de banda pasobandas de 20 MHz, que puede equivaler a todo el espectro de FM. También se
le programó una salida de tipo Complex float 32. y esto se observó:
• Es algo perfectamente normal con un buen computador.
• Al correr el flujograma y observar los mensajes que aparecen en la ventana de texto inferior del
GRC, dice lo siguiente: decimation=dsp-rate/samp-rate: 5=100 MHz/20 MHz. Eso significa
que la frecuencia de muestreo fija usada por el USRP es 100 MS/s
• Hay otro dato interesante en esa ventana de texto:The requested decimation is odd; the user
should expect CIC rolloff. Select even decimation to ensure that a halfband filter is enable . O
sea que se está pidiendo un diezmado impar y que eso tiene consecuencias en que el usuario
P no reciba exactamente lo que espera, hay un filtro que no queda bien cuadrado, entonces
sugiere solicitar siempre un diezmado par para asegurar que se activa un filtro pasobajas con
un ancho de banda que es la mitad del ancho de banda pasobandas programado en el bloque
USRP Source.
• Se probó la misma configuración del USRP Source pero con salida tipo Complex Int16. Se ob-
servó que:
• Aparecen los mismos mensajes de texto, luego, la frecuencia de muestreo no se altera, es siempre
100 MS/s.
• Se probó la misma configuración con frecuencia de muestreo 10 MHz y salida Complex float32.
Funcionó a las mil maravillas.
• Se probó la misma configuración con frecuencia de muestreo 25 MHz y salida Complex float
32, con lo cual se produce un diezmado igual a 4. Funcionó bien durante unos segundos, luego
siguió funcionando, pero en la ventana de texto se podı́a observar una advertencia de Error:
error in pthread-setschedparam. Se dice que sigue funcionando porque en el osciloscopio la
señal continuaba apareciendo.
• Se probó la misma configuración con frecuencia de muestreo 100 MHz y salida Complex float32,
con lo cual se produce una diezmado igual a 1. No corre, la advertencia dice: The hardware
does not support the requested RX sample rate: Target sample rate: 100 MSps, Actual sample
rate: 50 MSps. o sea que el tope de frecuencia de muestreo que podemos pedir es de 50 MHz, si
pedimos más, el sistema redondea para entregar 50 MSps, si es que el computador los soporta.
Pero hay que tener en cuenta que hasta la misma velocidad del puerto Gigabit Ethernet puede
ser un problema.
• Se probó la misma configuración con frecuencia de muestreo 50 MHz y salida Complex float32,
No corre, dice que: Unable to set the thread priority. Performance may be negatively affected.
Error in pthread-setschedparam
174
• Se probó la misma configuración con frecuencia de muestreo 24 MHz y salida Complex float32.
Funcionó con advertencias: Target sample rate: 24 MHz, Actual sample rate: 25 MHz. También
mostró un error error in pthread-setschedparam
4.4. Cuidados con el uso de los equipos SDR

Es importante leer las instrucciones sobre los cuidados que se deben tener con los equipos USRP.
Usualmente estos mencionan los siguientes:
• Previsión de cargas electrostáticas que pueden dañar su equipo.

• Póngase en conexión a tierra sosteniendo algo que esté aterrizado, como por ejemplo el chasis de su
computador.
• Una conexión de transmisión/recepción en el mismo equipo debe realizarse con el cable suministrado
y a través del atenuador de 30 dB suministrado. El atenuador debe conectarse directamente al puerto
receptor.
• Se instala el software primero, antes de hardware.
• Si hace reinicio de PC, primero encienda el USRP, luego el PC.
Los siguientes son los cuidados que demandan más atención por el peligro de poder dañar las tarjetas
hijas:
• El receptor es un dispositivo extremadamente sensible y puede dañarse o deteriorarse fácilmente por
mal uso. Contrariamente, el transmisor es un equipo de alta potencia, si se compara con el receptor
• El uso natural del receptor serı́a el de recibir una señal inalámbrica que se ha propagado en la
distancia y consecuentemente se ha atenuado sensiblemente. Una señal de este tipo no pone en
peligro el receptor.
• Igualmente lo más natural serı́a usar el transmisor conectado a una antena para transmitir en la
distancia.
• El problema es que en condiciones de laboratorio puede dársele otros usos al transmisor y al receptor,
como estos:
• El transmisor se conecta directamente al receptor a través de un cable. En este caso, el riesgo
es para el receptor pues puede llegar a recibir una potencia más alta que la que puede soportar.
La prevención consiste en conectarle previamente al puerto del receptor la carga del atenuador
de 30 dB.
• El transmisor se usa sin antena, por ejemplo para observar en un osciloscopio la señal que
aparece en ese puerto. En este caso el receptor está en riesgo, pues la energı́a que necesita ser
emitida por la antena puede devolverse al transmisor y quemar el MOSFET. Ese fenómeno
se conoce como Onda Reflejada y consiste en que la energı́a que no pueda ser emitida por
una antena se devuelve al transmisor. Lo recomendable es que siempre se tenga una antena
conectada al puerto del transmisor.
4.5. El Teorema de Nyquist aplicado en SDR

El tı́tulo de este capı́tulo no significa que el Teorema de Nyquist cambia con el uso de GNU Radio.
Solo está orientado a brindar las siguientes orientaciones claves para usar este concepto correctamente en
GNU Radio:
• El Teorema de Nyquist dice que si una señal continua, banda base, tiene un ancho de banda BW,
puede ser muestreada a una frecuencia de muestreo Fs que es mayor o igual a dos veces BW: Fs ≥ 2
BW.
• Una señal puede ser bandabase por naturaleza, por ejemplo la voz y la mayorı́a de los mensajes de
información, pero también puede ser el resultado de hacer pasar una señal pasobandas, con un ancho
de banda B, por un Down Converter. En este caso BW = B2 , por lo tanto el Teorema de Nyquist
para este caso es ası́: Fs ≥ B.
175
4.6. Equipo SDR para soluciones en modo embebido
De manera similar al SDR NI2920 los dispositivos de modo embebido como el USRP E310 se pueden
caracterizar para poder encontrar los rangos de operación de manera que se pueda aprovechar eficientemente
el equipo. Un dispositivo de SDR puede ser visto como como un sensor del espectro radioeléctrico (ERE) y
a la vez como actuadores sobre el ERE. Además cuentan con conectividad IP mediante Ethernet y WiFi,
ası́ como con la posibilidad de convertirse en un terminal IoT.
4.6.0.1. Caracterı́sticas de los dispositivos SDR

Como dispositivo SDR con modo embebido se tomará como ejemplo el USRP E310 que tiene siste-
ma OpenEmbedded Linux con librerı́as GNU Radio y UHD instaladas que le permiten operar de forma
autónoma. Las caracterı́sticas del equipo E310 se resumen en la siguiente tabla:
USRP E310
Xilinx Zynq 7020 SoC ARM Cortex A9 866 MHz con FPGA
Banco de filtros RF Tx, Rx
UHD V3.9.1
RFNoC Si
Audio Jack Si
2x2 MIMO transceiver Si
Rango de frecuencias (Rx) 70 MHz - 6 GHz
Rango de frecuencias (Tx) 47 MHz - 6 GHz
Ancho de banda instantáneo
56 MHz
(AD9631 RFIC)
OpenEmbedded Linux, basado en el
SO
proyecto YOCTO Linux
Máxima potencia de entrada (Rx) 0 dBm
Máxima potencia de salida (Tx) 15 dBm
Tabla 4.1: Caracterı́sticas generales del equipo SDR.
El transceptor AD9631 RFIC presente en el dispositivo E310 puede soportar un ancho de banda de 56
MHz, sin embargo, para procesar señales en ese ancho de banda se requiere implementar algoritmos en la
FPGA usando herramientas como RFNoC, las cuales no se consideran para el desarrollo de este curso, sin
embargo, este módulo se puede aplicar en sistemas digitales.
La tasa de muestreo máxima que se puede obtener de la FPGA a los núcleos ARM (procesador) es
de 16 MS/s, lo cual se puede comprobar usando las herramientas del UHD rx samples to file en el PC
host, o corriendo un programa en modo embebido en el equipo E310 donde se varı́a la tasa de muestreo, de
manera que cuando se superan los 16 MS/s se generan alertas en el UHD que indican que se ha superado la
tasa de muestreo permitida. Otra caracterı́stica importante es encontrar una relación entre los valores de
ganancia Tx utilizados por software y los valores reales de ganancia Tx. Esto se puede realizar utilizando
un E310, operando en modo transmisor, un computador portátil o de escritorio (PC host) y un analizador
de espectros como se muestra en la Figura 16. La prueba de caracterización consiste en:
176
Figura 16: Montaje experimental para encontrar la relación entre la ganancia del UHD y la
potencia de salida del dispositivo E310.
Generar tonos desde el E310 a diferentes frecuencias (dentro de la banda 88-108 MHz) para verificar
la linealidad del amplificador Tx presente en el equipo E310.
Generar un tono desde el E310 a frecuencia central o frecuencia de portadora que esté en la banda
VHF 88-108 MHz.
Fijar una frecuencia central e ir variando la ganancia del UHD en GNU Radio, esto se puede hacer
en modo embebido o en modo network a través de la interfaz GUI de GNU Radio.
Tabular y graficar los datos obtenidos por el analizador de espectros para encontrar la zona lineal
de operación.
La Figura 17 muestra la relación existente entre los valores de ganancia dados por software en el UHD
y la potencia medida por el analizador de espectros, la potencia máxima de salida del dispositivo E310 es
15.13 dBm, la gráfica verde muestra la aproximación lineal entre la ganancia dada en UHD y el valor real
medido.
Figura 17: Relación existente entre la ganancia del UHD y la potencia medida con el analizador
de espectros.
20
15.13 dBm
Ganancia medida Analizador de es ectros dBm
−20
−40
−60
E310
y= 0.97UHD -56.17 (dBm)
−80
−10 0 10 20 30 40 50 60 70 80
Ganancia UHD
177
4.7. Uso del USRP E310 en modo embebido
1. Diseñar el flujograma en GNURadio y eliminar todas las interfaces gráficas como se muestra en la
figura 18.
Figura 18: Modo sin interfaces gráficas.
Para mostrar el funcionamiento del modo embebido se realizará el siguiente flujograma donde se
realizará el control remoto del USRP E310 a través de un servidor XMLRPC que se ejecuta dentro
del USRP y se transmitirán los datos del espectro a través de datagramas UDP como se muestra en
la figura 19.
178
Figura 19: Flujograma en modo No GUI. (flujograma usado flujograma modo embebido.grc)
2. Generar el archivo de python correspondiente al flujograma realizado, por ejemplo: monitoreo.py.

3. Descubrir la IP del E310 usando arp-scan de la siguiente forma:
sudo arp-scan --localnet
La salida del comando retornará las direcciones IP correspondientes a la red del área local donde se
encuentra conectado el computador como se muestra en la figura 20.
Figura 20: 192.168.0.100 dirección IP de ejemplo para el equipo SDR E310 luego de ser
descubierta por arp-scan.
4. Conectarse por ssh al E310:

ssh root@192.168.0.100
5. Copiar el archivo python al E310 mediante scp, por ejemplo:
scp monitoreo.py root@192.168.0.100:/home/root/libro comunicaciones
6. Ejecutar el programa de python copiado al radio, por ejemplo:
python /home/root/libro comunicaciones/monitoreo.py
7. Ahora en el PC host realiza el flujograma que se encarga de establecer un cliente XMLRPC para
poder controlar el radio con parámetros como frecuencia central, frecuencia de muestreo, y ganancia
del receptor como se muestra en la figura 21.
179
Figura 21: Lectura del espectro a través de UDP. (flujograma usado flujograma pc remoto.grc)
Al ejecutar ambos flujogramas se tendrá control del dispositivo SDR que está ejecutando un programa
en modo embebido.
Nota: Se debe tener en cuenta que la dirección IP utilizada no es fija, es decir, el radio está confi-
gurado en modo DHCP por lo tanto cuando ejecute los flujogramas deberá colocar la IP del radio
luego de ejecutar arp-scan y la IP del PC host para poder escuchar por UDP.
4.8. Un sistema de radiodifusión

Podrı́a decirse que la Radio Definida por Software representa el uso de la teorı́a de señales y sistemas
discretos llevada a la práctica. La aplicación práctica implica una relación entre el mundo fı́sico que es por
naturaleza continuo y el uso de técnicas de computación que es por naturaleza discreto.
Para entenderlo mejor, vamos a volver al sistema de radiodifusión expresado en el modelo de capas de
la figura 70. Un sistema de radiodifusión es por su origen analógico tanto por la naturaleza del mensaje
como de los equipos usados y la señal emitida. Sin embargo, con los avances tecnológicos, las soluciones
que hoy se tienen en el mercado combinan tecnologı́a digital y analógica, ya que no tiene lógica alguna
usar hoy tecnologı́a analógica para crear un sistema de comunicación por el solo hecho de que ese sistema
es analógico. Es por esa razón que cuando hacemos una visita a los estudios de una emisora AM o FM
encontramos que todos los equipos nuevos son digitales, aunque AM y FM son modulaciones analógicas.
Para entenderlo mejor, en la figura 22 se presenta un modelo de capas para un sistema de radiodifu-
sión analógico implementado con tecnologı́a digital, que en realidad es una combinación de tecnologı́as
analógicas y digitales. La combinación se realiza de la siguiente manera:
180
Figura 22: Modelo de capas de un sistema de radiodifusión analógico implementado con
tecnologı́a digital
Capa del
ADC Protocolo DAC mensaje
Tratamiento digital Tratamiento digital
Protocolo codificación
codificación Capa banda
Protocolo
Modulación banda base Demodulación banda base base
Bloques pre-canal Protocolo Bloques post-canal (en software)
DAC Protocolo ADC
Up converter Protocolo Down Converter
Capa de RF (en
Amplificación en RF Deteccióm
Hardware)
Antena Protocolo Antena
Capa de Canal
• Se conserva la naturaleza analógica del mensaje y de la señal emitida.

• Tan pronto se tiene la señal del mensaje, se traduce a datos mediante un conversor Análogo Digital
(ADC). Este proceso implica el uso de algunos conceptos como el Teorema de Nyquist para realizar
un muestreo adecuado a la señal; la cuantificación; la codificación PCM (del inglés Pulse Code
Modulation).
• Lo que sigue es el uso de métodos numéricos que se implementan en un equipo de cómputo tanto
para realizar un tratamiento digital del sonido del mensaje pero también, realizar la modulación.
• En lugar de usar frecuencias intermedias, la modulación se realiza en banda base, que equivale a
obtener una señal que tenga el mismo espectro de la señal modulada tradicionalmente, pero ahora,
centrado en la frecuencia cero.
• Lo anterior implica nuevos retos teóricos y técnicos, pues la señal modulada en banda base resulta
ser compleja y se conoce como la Envolvente Compleja.
• El reto teórico consiste en la necesidad de saber modular y demodular señales usando el concepto
de Envolvente Compleja.
• El reto técnico aparece con la capa que hemos llamado Capa RF, donde predominan tareas con
equipo analógico analógicas. Antes de entregar la señal a esta capa es necesario preparar la señal
para su paso a un medio analógico, eso es lo que hemos llamado Bloques Pre-canal. Luego, la señal
pasa al dominio continuo usando un Conversos Digital Análogo (DAC).
• El Up converter es un circuito que permite mover el espectro de la señal recibida para que quede
centrado en la frecuencia RF.
• La antena simplemente traduce la señal eléctrica en señal obtenida en señal electromagnética.
• Es claro que en la parte receptora se tienen componentes que hacen pareja con los mencionados
anteriormente, para recibir la señal, desplazar el espectro de esa señal a la frecuencia cero, usando
un Down Converter y ası́ sucesivamente.
Este modelo deja precisamente claro la tendencia natural para la implementación de los futuros sistemas
de comunicaciones basados en Software Defined Radio (SDR). Básicamente, un sistema de SDR tiene las
siguientes caracterı́sticas:
• Tienen una componente de software y una de hardware.
• En la componente de hardware se realiza unas tareas que son comunes para cualquier sistema de
comunicaciones: mover la señal en el dominio de las frecuencias para centrarla en la frecuencia
RF, amplificarla de acuerdo a las necesidades, transmitirla en forma de ondas de radio. En fin, la
componente de hardware corresponde a la Capa RF en la figura 22. Las prácticas propuestas en este
libro se apoyan mayormente en un hardware SDR de National instruments conocido como USRP.
181
• La componente de software se aloja en un computador y es allı́ donde se implementan soluciones
para sistemas especı́ficos de comunicaciones. A diferencia de lo que ocurre en los sistemas analógicos,
los métodos que aquı́ se implementan son muy cercanos a los teóricos, por ejemplo, una modulación
FM puede estar dada por una o varias fórmulas o por uno o más algoritmos.
• En la componente de software la programación se realiza para señales banda base, para lo cual
existen diversas herramientas de programación. La que usaremos en el presente libro se conoce como
GNU Radio. Se trata principalmente de una librerı́a que reúne las experiencias en el tema de una
gran comunidad de desarrolladores.
• Al lado de GNU Radio, también se cuenta con una herramienta conocida como GRC, que permite
realizar la programación gráfica, usando bloques, de manera similar a lo que se puede lograr usando
Simulink de Matlab. De hecho, Simulink de Matlab también puede ser usada para implementar
soluciones SDR.
4.8.1. La Conversión Análogo Digital

Como se vió anteriormente, en la parte transmisora se requiere usar un dispositivo ADC y en la
receptora un dispositivo DAC. Puede decirse que estos elementos sirven de compuerta entre el mundo
continuo y el digital. Conocer muy las capacidades y las limitaciones que tienen estos dispositivos es clave
para poder lograr un montaje funcional. A continuación se revisan los principales procesos y caracterı́sticas
de un ADC:
4.8.1.1. El muestreo. La frecuencia de muestreo y el ancho de banda

El ADC puede ser visto como un medidor de la tensión de una señal, que mide en tiempos discretos
separados entre sı́ en un tiempo Ts . Por lo tanto, las mediciones se presentan a la frecuencia de muestreo
Fs = T1s .
Los siguientes son los aspectos que merecen mayor atención:

• De acuerdo al Teorema de Nyquist, la señal muestreada puede llegar a tener una frecuencia máxima
igual a Fmax = F2s se tiene el principal parámetro. Eso significa que un ADC está limitado en ancho
de banda.
• El costo en dinero que puede tener un ADC se eleva exponencialmente con la frecuencia de muestreo
que soporte.
• El muestreo es un proceso reversible, al menos desde el punto de vista teórico siempre y cuando la
señal haya sido muestreada respetando el Teorema de Nyquist.
La puesta en práctica del Teorema de Nyquist es lo que produjo en los año 60 la revolución PCM, que es
cuando la telefonı́a, siendo la red más grande del mundo adoptó la tecnologı́a PCM en toda su dimensión.
La idea consistı́a en tomar la señal de voz de un teléfono, limitar su ancho de banda hasta 4 [kHz], mues-
trearla a una frecuencia de muestreo de 8 [kHz], con lo cual el periodo de muestreo o distancia de muestra
y muestra serı́a de 125µseg . Esa distancia de tiempo entre muestra y muestra se aprovechó para enviar
allı́ muchas más señales de voz también muestreadas. Se elevó entonces la capacidad de las redes, pues ya
no era necesario tener un par de hilos de cobre entre dos puntos para conducir cada llamada telefónica,
pues muchas llamadas telefónicas podı́an ahora viajar sobre un mismo par de hilos de cobre.
Usualmente los estudiantes no se convencen del mensaje que envı́a el Teorema de Nyquist y que puede
enunciarse ası́: si tu muestreas una señal usando una frecuencia de muestreo que sea igual o superior a
dos veces la frecuencia máxima que esa señal pueda llegar a tener, siempre podrás recuperar, sin pérdida
alguna, la forma continua de esa señal a partir de la versión discreta. Ó sea que el proceso de muestreo para
dejar de transmitir la señal todo el tiempo y hacerlo solo por instantes, no implica que la señal continua
haya dejado de existir.
4.8.1.2. La cuantificación. El Diapasón de cuantifiación

En un ADC La cuantificación es inseparable del proceso de muestreo. Surge debido a que un ADC
nunca puede llegar a entregar una señal muestreada como la que teóricamente esperamos. Esto es debido
a las siguientes posibles razones:
182
• La salida del ADC es un número acotado en bits. Algunos pueden permitir una configuración, por
ejemplo para usar 32 bits/muestra o 64 bits/muestra. Los usados en telefonı́a fija deben cumplir una
recomendación de la UIT-T que establece que son 8 bits/muestra.
• Por lo anterior, el proceso de cuantificación equivale a una especie de muestreo en amplitud. Pero la
cuantificación no es un proceso reversible como sı́ lo es el muestreo cuando se cumple el Teorema de
Nyquist.
En la figura 23 se presenta una comparación entre una señal continua y su versión cuantificada a la razón
de 3 bits/muestra.
Figura 23: Comparación entre una señal continua y una cuantificada a la razón de 3 bits/muestra
• Por lo anterior, un ADC tiene unos lı́mites inferior y superior para la amplitud de la señal que puede
entregar
• Pero algo no menos relevante es que un ADC también tiene unos lı́mites inferior y superior para
la señal que recibe. La diferencia entre esos dos limites es lo que se conoce como Diapasón de
cuantificación.
• Los siguientes son los problemas más comunes con el uso de ADC:
• La señal que entra al ADC puede ser tan débil que la cuantificación la deforma completamente
porque queda expresadas con muy pocos niveles de amplitud.
• La señal que entra al ADC puede ser tan fuerte que se sale del diapasón que soporta, de modo
que las amplitudes que se salen del diapasón desaparecen deformando la señal.
• La señal entrante puede tener un ancho de banda superior al soportado por el ADC, lo cual
hace que la señal resulte irrecuperable.
4.8.2. La Conversión Digital Análoga

La Conversión Digital Análoga es el proceso inverso de la Conversión Análoga Digital. En este sentido,
el DAC tiene parámetros similares al ADC.
4.9. Implementación de un sistema funcional de Radiodifu-

sión FM basado en SDR
El propósito ahora es llegar a implementar un sistema de comunicaciones FM con USRP, completamente
funcional aprovechando las implementaciones que ya se han realizado hasta el momento. Al parecer solo
resta reemplazar el canal AWNG por los USRP, sin embargo esto trae consigo algunos retos que debemos
superar.
183
Figura 24: Modelo para un sistema de radiodifusión FM
Protocolo
Capa de
ADC DAC
Aplicación
Sistema base
Protocolo
Enfasis De énfasis
Capa base
Protocolo
Modulación FM Demodulación FM
Técnicas banda base pre-canal Técnicas banda base post-canal
USRP Tx USRP Rx Canal
Radio Propagación
En la figura 24 tenemos el modelo sobre el cual nos vamos a basar. Si lo comparamos con el modelo
que tenı́amos para una implementación simulada 13 tenemos varias diferencias:
Por primera vez aparece como parte del canal una sub capa que hemos llamado Radio propagación, la
cual se refiere a que la señal modulada deberá viajar en forma de ondas electromagnéticas, afrontando
los diversos fenómenos de propagación que se presenten.
Tenemos una nueva sub capa que podemos llamar USRP Tx/USRP Rx.
Las dos sub capas anteriores pertenecen al mundo fı́sico y por eso los recuadrados están dados por
lineas continuas y negras.
Ahora tenemos de manera muy explicita que la modulación es FM.
También hemos incluido la sub capa Enfasis/De enfasis. Le hemos asignado un protocolo ya que la
pareja de bloques de esta capa se entienden por medio de un método que cada uno conoce.
Sobre la sub capa de radiopropagación.
Se trata de un medio donde tenemos un control muy limitado. Sin embargo, tenemos varios aspectos a
tener en cuenta:
Debemos asegurarnos de contar con los elementos RF necesarios y conocer sus caracterı́sticas y
limitaciones, incluyendo: las antenas, conectores, cables, el USRP y hasta el computador y cable que
une USRP con el computador. Todos ellos pueden influir en el proceso de la comunicación.
Debemos elegir sobre que banda vamos a transmitir, previa revisión de que esa banda esté libre y
que no estemos causando interferencias por fuera las normas establecidas.
Debemos buscar un área de trabajo donde existan pocos obstáculos, teniendo en cuenta que los
métodos implementados apenas si consideran la afectación por ruido blanco de banda angosta.
184
Figura 25: Flujograma de un sistema de radiodifusión FM.
Flujograma usado: sistema comunicacion FM usrp2.grc
Sobre la sub capa USRP-Tx/USRP-Rx.
Esta sub capa tiene varias novedades, para revisarlas nos remitimos al flujograma propuesto para la
implementación del sistema de radiodifusión sonora FM presentado en la figura 25, donde podemos observar
que:
Lo más relevante en esta sub capa es conocer las caracterı́sticas de la tecnologı́a que se está usando.
En este sentido, vale la pena destacar los principales errores que una persona comete aquı́:
• Se selecciona una frecuencia de muestreo que no soporta el hardware. Por ejemplo, ya se ha
dicho que los USRP, a pesar de brindar un amplio rango de frecuencias para la comunicación,
en términos de frecuencia de muestreo soporta solo ciertos valores que han sido especificados
en la tabla 12.
• Se viola el rango dinámico que el hardware soporta. Por ejemplo, en la mayorı́a de equipos
USRP la magnitud de la señal a la entrada del USRP debe ser inferior a uno, podrı́a ser por
ejemplo 0,8. Es necesario asegurarnos de que ası́ esté ocurriendo, de lo contrario, la señal que se
enviará no será la que deseamos, estará distorsionada y eso se traducirá de una u otra manera
en una disminución de la calidad. Se recomienda observar esa señal y de ser necesario, ajustar
su magnitud, usando la variable que hemos incluido para ello: “Gain Tx precanal”.
• También hemos incluido la variable “Gain Tx USRP” para controlar la ganancia en Db de los
amplificadores de RF con que cuenta el USRP para la transmisión, Ver “TX Amp” en la figura
6. La importancia de hacerlo depende de la distancia a la cual se encontrará del receptor, de
modo que la señal que reciba no resulte sobre amplificada por encima de los niveles de señal que
soporta el receptor, lo cual también se puede traducir en una baja calidad en la comunicación.
Esto puede ocurrir cuando el transmisor y el receptor se encuentran ubicados a pocos cuantos
metros, por ejemplo hasta 5 metros.
• Hemos incluido también la variable “Gain Rx USRP”: para controlar la ganancia en Db de
los amplicadores de RF que se tienen dentro de un USRP, en la parte receptora, ver “Drive
Amp” en la figura 6. Como ya se ha dicho, la parte receptora también tiene un rango dinámico
y la falla más común es que la señal que se recibe sea tan débil que queda por fuera de ese
rango y requiera una amplificación previa, antes de pasar por el Down Converter. Sin embargo,
también es común el caso contrario: que la señal tenga demasiada amplificación, ya que el
185
receptor se ubica cerca al transmisor y también quede por fuera del rango, pero esta vez por
sobre amplificación. Aunque no lo hemos puesto a prueba con FM, es posible que un bloque
que viene con GNU Radio, conocido como AGC (del inglés Automatic Gain Control) ayude no
solo a obtener la amplificación ideal para la señal recibida, sino que también es posible que sirva
como limitador para el ruido que puede llegar en la amplitud de la portadora. Esto es debido a
que en el capı́tulo 3.6.11 se habló de la necesidad de un limitador, pero nunca se propuso una
solución para implementarlo, es posible que el bloque AGC pueda servir como solución.
• En la parte transmisora hemos incluido el Filtro paso bajas representado en el bloque “Low
Pass Filter” con el fin de prevenir que ocurra algún tipo de emisión por fuera de la banda
prevista. Es posible que este filtro no sea necesario ya que el USRP tiene su propio filtro, cuyo
ancho de banda se puede configurar mediante el parámetro “Ch0:Bandwidth”. Lo mismo ocurre
en la parte receptora, queremos evitar saturar al discriminador con el ruido que puede haber
por fuera de la banda de interés, pero igualmente el USRP al parecer ofrece esa posibilidad.
186
Capı́tulo 5
Un sistema de comunicación digital por cable
Hay varias técnicas usadas en las radio comunicaciones que tienen su origen en los sistemas digitales
de comunicación por medios guiados como la fibra óptica o el cable trenzado. Hemos decidido agrupar
estas técnicas en este capı́tulo por varias razones: primero por su importancia, porque ası́ nacieron y ası́ se
entienden mejor; segundo porque deseamos que el lector pueda ver lo más pronto posible un sistema de
comunicaciones funcionando en condiciones reales, lo cual podemos lograr rápidamente si obviamos gran
parte de las complejidades que provienen de un canal inalámbrico. También es importante que podamos
lograr esto sin dejar de usar equipos SDR como los USRP ya que hay adaptadores de fibra óptica para
equipos SDR y también es posible la conexión de los equipos SDR por cable con señales pasobandas, pero es
posible contar con un bloque de GNU Radio que esconda los aspectos relacionados con señales pasobandas.
En todo caso, debemos ver este capı́tulo como una antesala a las comunicaciones inalámbricas que es lo
que atañe a esta obra, aunque también puede servir para las comunicaciones por fibra óptica debido a la
tendencia de usar SDR no solo en comunicaciones ópticas sino también en soluciones ópticas en general1 .
5.1. Modelo de capas a seguir en la implementación

Contar con un modelo de capas para implementar un sistema de comunicaciones es cómo contar con el
diseño principal de ese sistema. Del modelo de capas se desprenden los requerimientos para su construcción,
pero también permite infinidad de posibilidades tanto en desarrollo como en pruebas. Por ejemplo, si se
cuenta con el modelo de capas de un sistema a desarrollar, es posible desarrollarlo a varias manos, es decir,
entre varias personas, usando las capas como piezas que van a encajar en el modelo final. Los modelos
de capas también facilitan encontrar fallas o errores, por ejemplo analizando una capa o un conjunto de
capas por separado, separando las que funcionan bien de las demás. Además, ya se ha dicho que trabajar
con modelos de capas le ayudará al lector a fortalecer sus capacidades para usarlos como herramienta para
comprender cualquier sistema de comunicaciones por complejo que este sea.
En este capı́tulo se pondrán en práctica algunas de esas posibilidades. Comienza proponiendo el mo-
delo de capas como la solución general que se busca, para luego definir los requerimientos. Seguidamente,
el curso del desarrollo, el modelo se descompone en un submodelo con un número menor de capas para
abordarlo como una solución más sencilla, agregando cada vez más capas hasta alcanzar la complejidad que
sea necesaria para la solución final. La programación con GNU Radio y con GRC también se ve impactada
con los modelos de capas ya que, como aporte a la presente obra, hemos logrado crear una estrategia para
que los flujogramas resulten organizados por capas ordenadas y entendibles en contraste con los confusos
flujogramas que se encuentran en otras obras y en Internet.
El modelo que proponemos para realizar una implementación a lo largo del presente capı́tulo se presenta
en la figura 1.
1 Véase por ejemplo este enlace: https://www.rtl-sdr.com/an-rtl-sdr-based-optical-laser-interferometer-implementation
187
Figura 1: Modelo de capas para un sistema de comunicación digital por cable.
Protocolo
ADC DAC
Capa de
Re-cuantificación De-cuantificación aplicación
Protocolo
PCM de-PCM
Sistema base
Protocolo
Scrambling De-Scrambling
Protocolo Capa base

Modulación M-PAM Demodulación M-PAM
Transmisión recepción
Canal
medio guiado
De la cual se desprenden varios requerimientos de diseño como los siguientes:

Se busca crear un sistema base que recibe señales binarias, aplicar algunos métodos de procesamiento
y finalmente la modulación M-PAM para enviar información por cable para que sea recibida por otro
sistema similar en la parte receptora.
En la parte superior, en color amarillo, vemos que el sistema puede tener una capa de aplicación que
sirve para prestar diversos servicios como la posibilidad de transmitir la voz que se captura desde
el micrófono del computador y se puede reproducir en el punto final a través de unas bocinas, pero
también es posible otro tipo de aplicaciones como, por ejemplo, enviar una imagen, un vı́deo, un
documento, un texto, etc.
Los bloques que aparecen punteados, son de tipo software y es lo que deberemos desarrollar usando
GNU Radio.
En color verde tenemos el canal y aquellas técnicas que buscan adaptar la señal para que pueda
viajar por ese canal.
Vemos que a nivel de cada capa, las partes se entienden mediante algunas reglas que llamamos
protocolos. Por ejemplo, la persona que habla por el micrófono con otras distantes usa el idioma
español como protocolo, la capa PCM usa señales binarias como protocolo, etc.
Entre una capa y otra también hay intercambio de información y es lo que llamamos interfase.
El sistema buscará aprovechar el ancho de banda que le ofrece el canal para transmitir la mayor rata
de bits posible.
En los siguientes capı́tulos se abordan más detalles del modelo.
5.2. La capa del canal

Vamos a comenzar la implementación desde la capa inferior, como se hace tradicionalmente, aunque en
principio cualquier orden es correcto. Para esta parte, nos vamos a basar en el modelo de la figura 2, el cual
considera solo una parte de los requerimientos planteados en el modelo general de la figura 1. De manera
que podemos ver este capı́tulo como una primera fase para la implementación general que buscamos.
188
Figura 2: Modelo de capas para estudiar las técnicas básicas de canal.
Sistema base
Protocolo
Fuente binaria Sumidero binario
Capa base
Transmisión Recepción
Canal
Medio guiado
El desarrollo que buscamos consiste en generar, por software una señal binaria, para lo cual usamos
una fuente binaria. Luego, debemos realizar las adaptaciones que sean necesarias para que esa señal pueda
viajar por un medio guiado que puede ser un cable o una fibra óptica. A favor contaremos con las facilidades
que brinda la tecnologı́a SDR, como los equipos USRP, los cuales solucionan el problema de llevar la señal
por un cable desde el transmisor de un equipo USRP hasta el receptor del mismo o de otro equipo USRP.
Para realizar las transmisiones por fibra óptica es necesario adquirir un adaptador de fibra óptica que
igualmente se conecta al transmisor de un equipo USRP y otro adaptador que se conecta al receptor del
equipo USRP destinatario.
5.2.1. Aspectos básicos de un canal guiado

En este capı́tulo vamos a estudiar solo las caracterı́sticas del canal guiado con las que vamos a en-
frentarnos mediante técnicas que implementaremos dentro de lo que hemos llamado Técnicas pre-canal
y Técnicas post-canal. Se trata de caracterı́sticas que también se presentan en el canal inalámbrico, de
manera que este tema representa también, un avance para el estudio del canal inalámbrico. La ventaja del
canal guiado es que las señales que viajan sobre él están aisladas de los fenómenos complejos presentes en
el canal inalámbrico lo cual nos permite concentrarnos en un reto más acotado.
A pesar del auge que tienen las comunicaciones sin hilos, el cable y la fibra óptica siguen y seguirán
siendo imprescindibles sobre todo en las redes que brindan servicios a otras redes, como las redes WLAN,
las redes de transporte. Por ejemplo, lo que se conoce como troncales de cable submarino y que une los
continentes, estás son consideradas las redes más grandes y de mayor capacidad del mundo y están basadas
en fibra óptica, mientras que el cable es muy popular en lı́neas telefónicas, en enlaces entre componentes de
equipos, como los computadores, las pantallas, etc, pero es también popular en las redes de datos de área
local (LAN, del inglés Local Area Network ), donde se habla principalmente del cable trenzado no blindado
(UTP, del inglés, Unshielded Twisted Pair ).
Existen diferentes categorias de cable UTP como se muestra en la tabla 5.1.
Tabla 5.1: Estándares de cable trenzado.
Categorı́a Número de par de hilos Velocidad de datos (Mbps) Aplicación

Categorı́a 1 2 1 voz/modem
Categorı́a 2 2 4 Token Ring
Categorı́a 3 4 16 Token Ring de alta velocidad
Categorı́a 4 4 20 Token Ring de alta velocidad
Categorı́a 5 4 100 100BaseTX Ethernet
Categorı́a 6 4 1000 1000BaseT 100 m run
Hay otro tipo de cable que sı́ es blindado (STP, del inglés shielded Twisted Pair ) para soportar
interferencias electromagnéticas. En cualquier caso, las principales caracterı́sticas del cable como canal de
comunicación son las siguientes:
189
Lo que el canal puede conducir son señales eléctricas. Esto ya marca un primer reto para un sistema
de comunicación digital: la necesidad de un dispositivo que traduzca lo que deseamos enviar a una
señal eléctrica.
El ancho de banda: El cable puede ser visto como un filtro que deja pasar un rango de frecuencias.
Ese ancho de banda depende de muchos aspectos como: el grosor del cable, el tipo de metal usado,
la longitud del cable, entre otros.
El cable, visto como un filtro tiene una respuesta en frecuencias que no es plana, es decir que no es
la misma para todas las frecuencias.
Es afectado por el ruido.
Las señales se desvanecen con la distancia con lo cual cae la relación señal a ruido.
En la figura 3, se muestra la respuesta en frecuencia para el cable categorı́a 5, al cual se le atribuye un
ancho de banda de 100 MHz.
Figura 3: Respuesta en frecuencia del cable categoria 5.
fuente: electronics.stackexchange.com
En el caso de la fibra óptica también existen diferentes tipos. Sin embargo, para el tipo de desarrollo
que estamos realizando, lo que debemos tener en cuenta es lo siguiente:
Es importante destacar que aunque teóricamente la luz tiene capacidades infinitas, en la práctica
las emisiones por fibra óptica están limitadas a las capacidades de la fibra óptica, pero también de
los equipos usados para montar información o una señal RF sobre un rayo de luz que viaja sobre
la fibra óptica. La principal limitación de esos equipos es el rango de longitudes de ondas en el que
puede operar para transmitir y recibir información.
En condiciones normales, cuando la fibra no se somete a condiciones extremas, vamos a tener que
enfrentar las condiciones similares a las del cable: tenemos limitaciones en ancho de banda, bien sea
debido a la calidad de la fibra, a las caracterı́sticas del dispositivo que se adapta a nuestro equipo
SDR o, en últimas, debido a las limitaciones de nuestro propio equipo SDR. También observaremos
la influencia del ruido debido a varios factores que van desde el desvanecimiento que puede sufrir la
señal en su viaje hasta la posible influencia de los equipos usados.
Las diferencias con el cable las veremos principalmente en las magnitudes, ya que la fibra óptica
tiene un ancho de banda mucho más alto que el cable y una menor afectación por el ruido.
Por lo anterior, la fibra óptica es en el fondo el medio más óptimo para los primeros pasos de diseño
que deseamos dar, para no enfrentarnos aún a fenómenos complejos de propagación. Además, si
la fibra óptica se usa con ciertas estrategias, podrı́amos recrear con ella, de manera aislada, otros
190
varios fenómenos propios de la propagación inalámbrica, como el jitter, interferencias, no linealidades,
desvanecimiento, etc.
5.2.2. La necesidad de un filtro de transmisión
Figura 4: La necesidad de pulsos continuos en una comunicación de datos discretos.
Supongamos que se tiene una computadora y esta debe enviar información binaria hacia otra compu-
tadora mediante un cable de cobre, como se muestra en la figura 4. El cable impone inmediatamente unos
retos para la comunicación, en primer lugar las señales que puede conducir deben ser señales eléctricas,
entonces se hace necesario un proceso que permita traducir la información binaria en pulsos eléctricos. Eso
es lo que llamamos Formación de Pulsos (en inglés, Wave Forming), pero también se usa el término ”Pul-
se Shaping como ”Wave Shaping”. También hay varios nombres para los dispositivos que realizan esta
2
operación, pero podemos generalizarlos como Filtro de Transmisión. El problema es que ese filtro puede
tener otros elementos que van más allá de la formación de pulsos, como por ejemplo, puede incluir aspectos
relacionados con el acoplamiento, por lo tanto lo veremos más usualmente como dispositivo ”Formador de
Pulso”.
Pueden haber varias causas para darle forma a los pulsos, pero esencialmente es la necesidad de adap-
tar la información a unas condiciones que impone el canal. En este sentido, sobre un cable las señales
viajan en forma de pulsos eléctricos limitados a las condiciones del cable. El problema aparece no solo en
las comunicaciones por cable, sino incluso cuando el canal es inalámbrico, porque la información debe ser
montada de alguna manera sobre una onda electromagnética, en una banda limitada en ancho de banda y
centrada en la frecuencia de la portadora usando técnicas de SDR, donde entra en juego el Up Converter
y la antena para realizar gran parte del trabajo, pero en todo caso, debemos entregar las formas de ondas
apropiadas al Up Converter para que pueda realizar ese trabajo.
En las primeras soluciones han comenzado por usar pulsos con forma cercana a la rectangular como
las mostradas en la figura 4, ya que en la práctica no existen pulsos idealmente rectangulares. Pero más
adelante veremos aproximaciones más modernas como el Filtro de Nyquist y el Filtro Coseno Alzado.
5.2.3. El reto que impone el fenómeno de desvanecimiento

La dificultad surge con la permanente presencia de ruido en un canal de comunicaciones como se muestra
en la figura 5. Cuando la señal emitida se va desvaneciendo en su trayectoria, disminuye la relación señal a
ruido que se percibe en el receptor. En la figura 5 este efecto se muestra para el caso de una señal binaria
bipolar.
191
Figura 5: Afectación de la relación Señal a Ruido por el efecto de desvanecimiento.
Como consecuencia del ruido blanco, en el domino de las frecuencias el espectro tiende a diluirse dentro
del ruido como se muestra la figura 6.
Figura 6: PSD comparativa para señales binarias con y sin ruido.
𝑺𝑿 (𝒇)
Sin Ruido
Con Ruido
𝑵𝟎
𝟐
−𝟑𝑹𝒃 −𝟐𝑹𝒃 −𝑹𝒃 𝑹𝒃 𝟐𝑹𝒃 𝟑𝑹𝒃

𝒇(𝑯𝒛)
5.2.4. La Regeneración de Bits

En la figura 7 se tiene un esquema que muestra el proceso de Formación de los Pulsos, su paso por un
canal de Ruido Blanco Aditivo Gaussiano. El reto ahora está en la parte receptora donde se hace necesario
identificar, en medio del ruido, la información original. La solución más sencilla consiste en realizar un
muestreo a la señal recibida cada Tb segundos para lograr obtener una muestra para cada bit, que luego
es llevada a un bloque Decisor, donde es comparada contra un umbral de decisión para establecer que se
trata de un 1 o un 0.
Figura 7: Regeneración de bits.
010001 x(t)
Formador de pulso
Ruido Blanco
Gaussiano
Canal de
aditivo
Muestreo en
el tiempo Tb
010001
Decisor
192
5.2.5. La Interferencia Intersı́mbolo
Las señales de forma rectangular tienen la desventaja de ocupar un gran ancho de banda. Es posible
tratar de limitar ese ancho de banda, como se muestra en la figura 8, donde a mano izquierda vemos la
PSD comparativa y a mano derecha, podemos ver que la señal en el tiempo, debido a las limitaciones de
ancho de banda, que tiende a desfigurarse.
Figura 8: Señal ideal versus señal limitada en ancho de banda
De la figura 8 podemos observar lo siguiente: por un lado, los bits pueden seguir siendo distinguibles; por
el otro, vemos que los bits tienden a invadir bits vecinos, lo cual se conoce como Interferencia Intersı́mbolo
(ISI). En la figura 9 se muestra un ejemplo de lo que pudiera significar hacer pasar una señal binaria con
formas rectangulares por un filtro que restrinja notablemente el ancho de banda. Podemos apreciar como
la energı́a de un bit afecta al bit vecino. En la parte receptora, para intentar recuperar los bits, es posible
muestrear la señal recibida en los intervalos de muestreo que presenta la figura 9 para obtener la mejor
aproximación de la señal original y poder regenerar los bits, por ejemplo comparando cada muestra con el
nivel de amplitud cero, o sea que si la muestra tiene un valor mayor a cero es un uno, de lo contrario es
un cero. Sin embargo, observamos que se pueden presentar errores, los cuales pueden agravarse aún más
ante la presencia de ruido y distorsiones propias de un canal real.
Figura 9: Comparación de una señal aleatoria bipolar de forma ideal con la forma que puede
tomar al acotar su ancho de banda.
Señal original
Señal con ISI
Señal con ISI

y ruido
Cuando entra en juego el ruido, el problema se agrava más aún como se muestra en la tercera parte de
la figura 9.
5.2.6. El Diagrama de Ojo

Cuando las señales sufren deformación por ruido y por ISI se vuelve casi imposible poder apreciar
la calidad de la señal de manera directa. El Diagrama de Ojo viene a ayudar a resolver el problema de
visualización de esas afectaciones. Lo que hace es tomar la señal, dividirla en ventanas de observación de
193
duración Tb ó 1,5 Tb ó 2 Tb y tomar una imagen. Luego superpone todas las imágenes de las observaciones
para obtener la figura que conocemos como Diagrama de Ojo. En la página web del libro se tiene un vı́deo
sobre ’ClearCurve’ que explica muy bien lo que significa el Diagrama de Ojo. El enlace es el siguiente
https://sites.google.com/saber.uis.edu.co/comdig/m/wf
La figura 10 explica las partes del ojo.
Figura 10: Diagrama de Ojo.
Distorsión en el instante de
Margen sobre el muestreo
ruido
Distorsión en
los cruces por cero
Pendiente:
sensibilidad al error
Instante libre de ISI

Intervalo disponible para el
muestreo
fuente: Tomado del Libro de Haykin
En la figura 11 se tiene una comparación entre el Diagrama de Ojo de una señal binaria aleatoria de
forma casi rectangular, a la izquierda acotada a un ancho de banda igual a BW = 2Rb .
Figura 11: Diagrama de ojo de una señal binaria aleatoria.
a) Caso en que BW = 2Rb b) Caso en que BW = Rb
En la figura 12 se comparan otros dos casos de la misma señal: cuando el ancho de banda es BW = Rb /2
y cuando BW = Rb /2, 5. Como podemos ver, para el caso de BW = Rb /2 el Diagrama de Ojo muestra
que aún existe un instante casi libre de interferencias, lo cual lo hace viable. En cambio para el caso de
BW = Rb /2, 5 vemos que ya es inviable.
194
Figura 12: Diagrama de ojo de una señal binaria aleatoria.
a) Caso en que BW = Rb /2 b) Caso en que BW = Rb /2, 5
La consecuencia de restringir el ancho de banda debe ser visto junto con la influencia que causa el
ruido blanco. En la figura 13 se tiene la comparación entre la señal de forma rectangular sin ruido, a la
izquierda, con ruido, a la derecha.
Figura 13: Diagrama de ojo de una señal binaria aleatoria de forma rectangular.
a) Sin ruido b) Con ruido
En la figura 14 se continúa la comparación con los casos vistos anteriormente conservando las mismas
condiciones de ruido para cada caso.
195
Figura 14: Diagrama de ojo de una señal binaria aleatoria con ruido y diferentes anchos de banda.
a) BW = 2Rb b) BW = Rb
c) BW = Rb /2 d) BW = Rb /2,5
En conclusión, hemos podido comprobar experimentalmente, que:

Las señales de forma rectangular al tener un ancho de banda mayor que las demás, arrastran consigo
todo el ruido que se encuentra en ese ancho de banda. Por eso vemos que resultan más afectadas por
el ruido que los demás casos.
Vemos que cuando el ancho de banda es inferior a Rb/2 la ISI es de tal tamaño que no deja un
instante libre de interferencias que permita soñar con la posibilidad de poder regenerar los bits.
5.2.7. El formador de pulsos semi-rectangulares

Implementar un formador de pulsos rectangulares es de gran importancia para propósitos pe-
dagógicos y puede servir como base para comprender los demás casos de Filtros Formadores de Pulsos.
5.2.7.1. Implementación Continua

Se trata de una implementación más bien teórica que brinda información clave para la implementación
en el mundo real.
Figura 15: Formador de pulsos rectangulares.
Sistema LIT 1 0 1 1 0 1 0
1 0 1 1 0 1 0
ℎ(𝑡)
𝑡 𝑇𝑏
𝑇𝑏 𝑇𝑏
196
Como se muestra en la figura 15 la idea comienza por usar deltas para representar la señal de la
información binaria. De esta manera, podemos usar un sistema LIT que tenga la respuesta al impulso en
forma de una ventana rectangular, para que a la salida tengamos la señal con forma de pulsos rectangulares.
5.2.7.2. Implementación Discreta
Figura 16: Formador de pulsos rectangulares discretos.
1 0 1 1 0 1 0
ℎ[𝑛]
𝑛
𝑇𝑏
𝑇𝑏 𝑇𝑏
𝑇𝑠𝑎𝑚𝑝
Debemos tener en cuenta que en los sistemas discretos, como es el caso de los que se montan en GNU
Radio, cada bit es representado como un delta discreto, con amplitud 1 para los unos y con amplitud -1 ó 0
para los ceros. De manera que el sistema de Formación de Pulsos Rectangulares Discretos es un sistema
LIT con un impulso discreto h[n] que tiene la forma de una ventana rectangular discreta como se muestra
en la figura 16.
El problema de esta implementación consiste en que estamos incumpliendo el Teorema de Nyquist, ya

que si una señal binaria aleatoria tiene un ancho de banda infinito, pues la frecuencia de muestreo deberı́a
ser al menos 2 veces infinito.
Figura 17: Relación entre el formador de pulsos y el DAC.
𝒙[𝒏] 𝒙(𝒕)
1 0 1 1 0 1 0 1 0 1 1 0 1 0
LPF
DAC
𝑇𝑏
𝑇𝑏 𝑇𝑠𝑎𝑚𝑝
En el mundo real, los sistemas de comunicación implementados con métodos discretos deben terminar
entregando una señal a un Conversor Digital Análogo o DAC, de manera que al darle una forma a los
pulsos no estamos haciendo otra cosa que adaptando la señal para que sea entendida por el DAC, como se
muestra en la figura 17. También vemos que la salida del DAC no es una señal idealmente rectangular y
eso es debido a lo anteriormente mencionado, que la frecuencia de muestreo utilizada no es una señal con
formas rectangulares ideales.
197
Figura 18: PSD de una señal rectangular luego de pasar por un filtro paso bajas.
𝑺𝑿 (𝒇)
𝑽𝒂𝒕
𝑷𝑻𝒃 ( )
𝑯𝒛
𝒇(𝑯𝒛)
−𝑩𝑾 𝑩𝑾
𝑩
Por la misma razón, la PSD está acotada en el dominio de las frecuencias a un ancho de banda igual
a SpsRs/2 como se muestra en la figura 18, donde Sps es el número de muestras por sı́mbolo, que en este
caso son 4 muestras por bit.
5.2.8. El Criterio de Nyquist

El problema que intentamos resolver ahora es el siguiente: Sabemos que si intentamos enviar una señal
binaria aleatoria con formas rectangulares no vamos a tener éxito ya que la PSD de ese tipo de señales
tiene la forma mostrada en la figura 6 y ocupa un ancho de banda infinito. También hemos visualizado
la posibilidad de acotar ese ancho de banda, dejando aún la posibilidad de reconocer los bits a costa
de tener que lidiar con ISI. En el capı́tulo anterior hemos observado que con un cierto rango de valores
para el ancho de banda BW , es posible conservar al menos un instante de cada bit libre de ISI. Las pre-
guntas que surgen ahora es: ¿Cuál es el lı́mite que podemos alcanzar en términos de restricciones a ese
ancho de banda? ¿Cuál es la forma que toman los pulsos con esas restricciones? ¿Cómo generar esos pulsos?.
La forma de la transformada de Fourier de un pulso analı́tico o teórico, guarda relación con la forma
de la PSD de una señal digital aleatoria representada por esos mismos pulsos. Por ejemplo, si se tiene
una señal rectangular y se conoce la TF, entonces cuando se tiene una señal digital aleatoria, expresada
por pulsos rectangulares aleatorios, la PSD también va a tener una forma parecida a la TF de un pulso
rectangular.
198
Tabla 5.2: Paralelo entre TF pulsos y PSD de pulsos aleatorios.
Transformada de Fourier de una señal analı́tica x(t)
X(𝒕) X(𝒇)
Área de la señal
A 𝑻𝒃
A
TF
𝒕 𝒇
𝑻𝒃 −𝑹𝒃 𝑹𝒃 𝟐𝑹𝒃
X(𝒕) X(𝒇)
A 𝑹𝒃
A
TF
𝒕 𝒇
−𝑻𝒃 𝑻𝒃 𝑹𝒃
𝟐𝑻𝒃
X(𝒕) X(𝒇)
A
A 𝑻𝒃
TF
𝒕 𝒇
−𝑻𝒃 𝑻𝒃 𝑹𝒃
𝟐𝑻𝒃
PSD de una señal de pulsos aleatoria
𝒎(𝒕)
Eb= Energía del bit
𝑨𝟐 𝑻𝒃
A
PSD
𝒕 𝒇
𝑹𝒃 𝟐𝑹𝒃
-A 𝑻𝒃
𝒎(𝒕) Sm(𝒇)
𝑨𝟐 𝑻𝒃
A
PSD
𝒕 𝒇
𝑹𝒃
−𝑹𝒃 𝑹𝒃
-A 𝑻𝒃 𝟐 𝟐
199
La Tabla 5.2 ha sido preparada para comprender mejor lo anterior. En la parte superior de la tabla
está la forma más conocida de un pulso, se trata del pulso rectangular. También se presenta allı́ su forma
equivalente en el dominio de las frecuencias de acuerdo a la Transformada de Fourier. Los siguientes son
los detalles a destacar:
• En el dominio del tiempo la señal es rectangular y está acotada a la duración Tb seg. En el dominio
de las frecuencias en cambio, tiene forma de función sinc y tiene un ancho de banda infinito.
• Por lo anterior, este pulso ocupa un ancho de banda infinito.
El espectro pasa por cero en las frecuencias que son múltiplo entero de 1 sobre la duración del pulso
Tb , o sea por kRb = Tkb , donde k es un número entero. También vemos que el espectro tiene cualquier
cantidad de lóbulos de duración Rb , pero el lóbulo central tiene doble duración, lo que equivale a
considerar que allı́ hay dos lóbulos seguidos.
• Si el pulso en el tiempo tiene amplitud A y duración Tb , el espectro tiene una amplitud igual a ATb .
En la misma Tabla 5.2, debajo del pulso rectangular se tiene el caso contrario, donde la señal que en
el tiempo tiene forma de función sinc, de duración infinita y con amplitud igual a ARb . Entonces, por la
propiedad de Dualidad de la Transformada de Fourier, se tiene que la TF es un pulso cuadrado en el domi-
nio de las frecuencias, de altura A y un ancho de banda acotado, ya que ese pulso tiene un ancho igual a Rb .
Pero las señales anteriores son determinı́sticas. En la práctica, sobre todo en las comunicaciones, las
señales que llevan información son aleatorias. En la segunda parte de la Tabla 5.2 se tiene dos casos
equivalentes a los vistos anteriormente. En primer lugar vemos una señal de pulsos rectangulares, pero
aleatoria. Como estamos tratando con señales aleatorias, ya no podemos hablar de TF sino de PSD. Pero
casualmente, la PSD de esta señal coincide en cierta forma con la TF de un pulso determinı́stico, pero la
altura ahora A2 Tb . De manera similar, como se muestra más abajo, es posible generar una señal binaria
con pulsos aleatorios con forma sinc y en este caso, la PSD tiene forma rectangular.
Lo más destacable de este razonamiento es lo siguiente:

• Existe una relación entre la TF de una señal determinı́stica y la PSD de una señal donde esa señal
determinı́stica aparece aleatoriamente en una secuencia determinada.
1
Ya hemos dicho muchas veces que la PSD de una señal binaria bipolar con rata de bits Rb = Tb
tiene
la forma de la función sinc() al cuadrado, que se presenta en la figura 6.
200
Figura 19: Comparación de una señal aleatoria bipolar de forma ideal con la forma que puede
tomar al acotar su ancho de banda, de manera que quede libre de ISI en algunos instantes.
La búsqueda de una respuesta a la pregunta realizada al comienzo de este capı́tulo permite imaginar
que la señal que buscamos podrı́a tener la forma de la figura 19, ya que estarı́a acotada en el ancho de
banda, pero está libre de ISI en un instante de tiempo de cada bit.
Está demostrado 2 que la forma para un bit hace que la señal binaria aleatoria tenga la máxima res-
tricción en ancho de banda conservando un instante libre de ISI por bit, es la forma de una función sinc().
5.2.9. El Filtro de Nyquist

5.2.9.1. Implementación en forma continua
Figura 20: El Filtro de Nyquist implementado mediante un sistema LIT.
El Filtro de Nyquist, también conocido como Canal de Nyquist, puede ser visto como el sistema que
ante una entrada en forma de pulso rectangular responde con una salida en forma de función sinc(). A
2 Simon Haykin [10], 2001 pág 261-267
201
continuación se brinda una solución teórica, en el dominio de tiempo continuo, pero que da claras luces
para una implementación práctica en el dominio de tiempo discreto. La idea consiste en contar con un
t
sistema lineal e invariante en el tiempo (LIT) con una respuesta al impulso h(t) = sinc( ). Para que la
Tb
idea funcione, es necesario convertir de alguna manera los pulsos rectangulares correspondientes a la señal
digital en impulsos tipo Aδ(t), donde A = 1 para los 1 y A = −1 para los ceros. En la figura 20 se presenta
un ejemplo para el caso en que la señal digital binaria corresponde a los datos 1 0 1 1 0 1 0. Cabe aclarar
que la señal de salida en la figura 20 se ha realizado con propósitos pedagógicos para mostrar como se
superponen los diferentes pulsos que se van generando a la salida del sistema LIT, está claro que en la
práctica lo que aparece es una sola señal que es la suma de todos los pulsos. Lo importante es lograr que en
la señal de salida, cada Tb se logre identificar el valor de un bit, gracias a que hay un instante, en la duración
de ese bit, que está libre de ISI, ya que no está interferido por las señales que corresponden a los demás bits.
Solo resta definir cuál es la respuesta al impulso del sistema LIT. Ya se ha dicho que los pulsos tienen
que tomar la forma de una función sinc(). Como se aprecia en la figura 20, los pasos por cero deben darse
cada periodo de tiempo Tb de modo que la respuesta al impulso es la siguiente:
t
h(t) = sinc() (5.1)
Tb
En la representación gráfica de la figura 21, vemos que la respuesta al impulso del Filtro de Nyquist se
extiende desde −∞ hasta ∞.
Figura 21: Respuesta al impulso del Filtro de Nyquist.
𝒉(𝒕)
𝒕
-∞ ∞
-𝟒𝑻𝒃 -𝟑𝑻𝒃 -𝟐𝑻𝒃 -𝑻𝒃 𝑻𝒃 𝟐𝑻𝒃 𝟑𝑻𝒃 𝟒𝑻𝒃
5.2.9.2. El Filtro de Nyquist en versión Discreta

La idea es la misma usada en la implementación de un Formador de Pulsos Rectangulares Discretos que
ya se explicó anteriormente. La diferencia solo está en la forma de la respuesta al impulso del sistema LIT,
que debe ser la que se muestra en la figura 22. En la figura 23 se presenta un ejemplo de la implementación
cuando la señal binaria aleatoria es: 1011010
202
Figura 22: Respuesta al impulso discreta para el Filtro de Nyquist.
𝑉𝑒𝑚𝑜𝑠 4 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑒𝑛 𝑇𝑏 , 𝑆𝑝𝑠 = 4
𝒏
-𝟒𝑻𝒃 -𝟑𝑻𝒃 -𝟐𝑻𝒃 -𝑻𝒃 𝑻𝒃 𝟐𝑻𝒃 𝟑𝑻𝒃 𝟒𝑻𝒃
𝑉𝑒𝑚𝑜𝑠 8 𝑙ó𝑏𝑢𝑙𝑜𝑠 𝑦 4 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠

𝑝𝑜𝑟 𝑙ó𝑏𝑢𝑙𝑜, 𝑛𝑡𝑎𝑝𝑠 = 32
Figura 23: Implementación del Filtro de Nyquist.
1 0 1 1 0 1 0
𝑇𝑏
El único problema que queda en el aire con esta implementación consiste en que la respuesta al impulso
que hemos propuesto para la implementación práctica no puede tener una duración infinita. Esto, si bien
no tiene repercusiones en el dominio del tiempo, impacta a la respuesta en frecuencias ya que puede no ser
la esperada, que es idealmente rectangular.
En adelante W = R2b es el ancho de banda según el criterio de Nyquist:
sin(2πW t)
h(t) = sinc(2W t) = (5.2)
2πW t
El paso a la versión discreta puede hacerse teniendo en cuenta que t = nTs , donde Ts es el periodo de
Tb
muestreo, Ts = Sps , donde Sps (Samples per symbol) es el número de muestras que caen en la duración
del bit.
nTb n n
t = nTs = = = (5.3)
Sps Rb Sps 2W Sps
De modo que
2W n n
h[n] = sinc( ) = sinc( ) (5.4)
2W Sps Sps
Con lo cual se concluye que: El mı́nimo ancho de banda que requiere una señal binaria banda base es
W = R2b , lo cual es lo mismo que decir que la rata máxima de bits que se puede enviar representados en
203
una señal binaria por un canal banda base con Ancho de Banda W es Rb = 2W. Es esta expresión en que
el criterio de Nyquist se parece al Teorema de Nyquist, pero son cosas diferentes.
5.2.10. El Filtro Coseno Alzado

El Filtro de Nyquist presenta algunos problemas: se trata de un filtro ideal y por lo tanto su implemen-
tación en la práctica serı́a apenas una aproximación. Sin embargo, este criterio ha establecido una meta
que permite a los cientı́ficos buscar soluciones que se acerquen a este criterio. El codificador Duobinario es
un filtro que logra ese objetivo, sin embargo, es más común el uso del Filtro Coseno Elevado, que no logra
el mismo resultado, pero tiene mayor acogida por su sencillez.
Es posible superar las dificultades prácticas que se encontraron con el Filtro de Nyquist o canal de
Nyquist ideal extendiendo el ancho de banda desde W hasta un valor ajustable entre W y 2W. Recordemos
que W = Rb2
corresponde al criterio de Nyquist.
Ası́, el Filtro Coseno Elevado tiene la respuesta al impulso.
cos(απ2W t)
h(t) = sinc(2W t) (5.5)
1 − α2 16W 2 t2
En esta expresión, el denominador puede dar cero, cuando 1−16α2 W 2 t2 = 0, es decir, cuando α = 1
4W t
.
Por ello se usa también la expresión:
 π 1 1 Tb
 4
sinc( 2α ) , t = ± 4αW = 2α
h(t) = (5.6)
cos(απ2W t)
sinc(2W t) 1−16α , otros casos

2 W 2 t2
Pasándola al dominio discreto, como se hizo para el criterio de Nyquist se obtiene:



π
4
1
sinc( 2α ) , n = ± Sps
2α
h[n] = (5.7)
sinc(n/Sps) cos(απn/Sps)2

, otros casos
1−(2αn/Sps)
Figura 24: Respuesta al impulso del Filtro Coseno Alzado para diferentes valores de α.
α es conocido como el Roll Off Factor, que en español significa factor caı́da. En GNU radio se usa el
término en inglés. La respuesta en frecuencias del Filtro Coseno Alzado está dada por la siguiente expresión:


 1 , |f | ≤ W (1 − α)



1

π
H(f ) = [1 + cos( 2W α
[|f | − W (1 − α)])] , W (1 − α) < |f | ≤ W (1 + α) (5.8)

 2




0 , resto
204
El caso más común es cuando α = 1 y se dice que se tiene el coseno elevado con toda su caı́da (full
rolloff). Con el full rolloff la respuesta en frecuencia es:
1 πf
H(W ) = [1 + Cos( )], 0 < |f | < 2W, 0 para otros valores de f (5.9)
4W 2W
En todo caso, la respuesta en frecuencia para otros valores se puede tomar de la figura 25.
Figura 25: Respuesta en frecuencia del Filtro Coseno Alzado para varios valores de α.
Con el Filtro Coseno Elevado se requiere entonces un ancho de banda igual a Rb para α = 1 . Con
GNU Radio usualmente se emplea este filtro con un rolloff de α = 0, 5 o de α = 1. 3
De lo anterior se deduce que el ancho de banda de la señal que entrega un formador de pulsos basado
en un Filtro Coseno Alzado se calcula de la siguiente manera:
BW = W (1 + α) (5.10)
donde W es el Ancho de Banda de Nyquist y se calcula ası́:
W = Rb /2 (5.11)
En GNU Radio se usa tanto el término Roll Off Factor como Excess Bandwidth para hacer referencia
al mismo coeficiente. El término Excess Bandwidth se refiere al número de veces que el ancho de banda
elegido supera al ancho de banda de Nyquist W.

Pueden haber muchas maneras de implementar el concepto en GNU Radio, de manera que nos limita-
remos a mostrar una posible realización que hemos implementado para los propósitos de esta obra.
5.2.11.1. Dominio del tiempo

En la figura 26 se presenta un ejemplo en el que se generan en paralelo 4 tipos de formas de pulsos a
partir de una señal de datos binarios.
3 Ver más detalles en el libro de Haykin [17], capı́tulo 4.5, página 261
205
Figura 26: Flujograma para generar varias formas de pulsos.
Flujograma usado: waveformign.grc
Para esta solución podemos resaltar lo siguiente:

Como entrada hemos usado una fuente vectorial que nos brinda la posibilidad de configurarle una
combinación deseada de unos y ceros repetitivamente.
Como sistema LIT, en el GRC de GNU Radio nos puede servir el bloque “Interpolating FIR Filter”
y se configura ası́:
• Taps: Recordemos que en términos de GNU Radio, los “Taps” son cada una de las muestras
de la respuesta al impulso para un filtro.
• Interpolation: Como se ha visto en el capı́tulo anterior, por cada muestra de entrada que
recibe el Wave Forming entrega Sps muestras a la salida, por lo tanto, este bloque eleva Sps
veces la frecuencia de muestreo de la señal. A esto se refiere GNU Radio con el parámetro
Interpolation.
• Los bloques “Delay” los hemos puesto solo por estrategia de visualización.
En la figura 27 vemos un comparativo entre la señal binaria y la que entrega el Filtro Formador de Pulsos
206
Figura 27: Comparación entre la señal binaria lógica 1010011101010011 que entra a varios tipos
de Filtros Formadores de Pulsos y las correspondientes salidas.
Flujograma usado: waveforming.grc
Donde podemos observar lo siguiente:

Las señales a las salidas de los filtros tienen la misma rata de bits, pues vemos el mismo número de
bits en el tiempo de 0, 5 ms, pero las salidas parecen señales continuas con respecto a la entrada, en
realidad tienen una frecuencia de muestreo Sps veces mayor. En el ejemplo dado Sps = 8.
En este ejemplo hemos incluido un filtro que no se ha visto aún, el RRC, que es tema del siguiente
capı́tulo.
El bloque ”Python Module”sirve para programar en él las funciones que generan las respuestas al
impulso para diferentes filtros, para el caso dado, se tienen las siguientes funciones:
• wform.nyq(Sps,ntaps): Genera el vector de valores de la respuesta al impulso del Filtro de
Nyquist, para un número determinado. Ntaps es el tamaño del vector, Sps es el número de
muestras por sı́mbolo.
• wform.rcos(Sps,ntaps,rolloff1): Lo mismo pero para el Filtro coseno Alzado, para un valor
determinado de rolloff.
• wform.rect(Sps): lo mismo, para generar formas rectangulares.
5.2.11.2. Código usado para generar las respuestas al impulso de un Filtro de Nyquist
y un RC
A continuación se presenta el código desarrollado en Python para el Módulo ”Python Module”
207
# Nota : si desea e n c o n t r a r este codigo listo para copiar y pegar , tenga en
cuenta las s i g u i e n t e s o p c i o n e s : 1) el codigo esta dentro de un bloques
e m b e b i d o 2) hemos g u a r d a d o una copia de estos bloques del bloque j e r a r q u i c o
b_help que hemos i n c l u i d o en la l i b r e r i a de bloques c o m d i g u i s que se aporta
con este libro .
import math
import numpy
# ##########################################################################
## Forma r e c t a n g u l a r ##
# ##########################################################################
def rect ( Sps ) :
return Sps *[1. ,]
# ##########################################################################
## Filtro de Nyquist ##
# ##########################################################################
def nyq ( Sps , ntaps ) :
n = numpy . linspace ( - int ( ntaps /2) , int ( ntaps /2 -1) , ntaps )
h = numpy . sinc ( n / Sps )
# return h / numpy . amax ( h )
return h
# #########################################################################
## Filtro Coseno Alzado ##
# #########################################################################
def rcos ( Sps , ntaps , beta ) :
if beta ==0:
h = nyq ( Sps , ntaps )
else :
h = ntaps *[0 ,]
for n in range ( ntaps ) :
k =n - ntaps /2. # Asi h [ n ] quedara c e n t r a d a en la mitad del vector
if abs ( k ) == Sps /(2.* beta ) :
h [ n ]= numpy . sinc (1./(2.* beta ) ) * math . pi /4.
else :
h [ n ]= numpy . sinc ( k / Sps ) * math . cos ( beta * k * math . pi / Sps ) /
(1. -(2.* beta * k / Sps ) **2)
Amp = numpy . amax ( h )
return h / Amp
5.2.11.3. Diagramas de Ojo

Las figuras 28 y 29 presenta el Diagrama de Ojo para diferentes casos, de donde podemos concluir lo
siguiente:
Figura 28: Diagrama de Ojo para dos tipos de Formadores de Pulsos.
a) Filtro de Nyquist b) Filtro coseno alzado, rolloff=1.0
208
Figura 29: Diagrama de Ojo para dos tipos de Formadores de Pulsos.
a) Filtro Coseno Alzado, rolloff=0,5 b) Filtro coseno alzado, rolloff=0,35
En todos los casos observamos un instante que está libre de ISI.

En el caso del Filtro de Nyquist el costo de alejarse del instante de muestreo libre de ISI es más alto
que en los casos en que se usa el Filtro Coseno Alzado y disminuye a medida que aumenta el rolloff.
5.2.11.4. Dominio de las frecuencias

Para obtener una comparación en el dominio de las frecuencias, hemos modificado la fuente, para
que sea una fuente binaria aleatoria bipolar. También hemos reemplazado el bloque de visualización en el
tiempo por uno que muestra la PSD, como se muestra en la figura 30.
Figura 30: Flujograma para obtener comparaciones en el dominio de las frecuencias.
Flujograma usado: waveforming psd.grc
Los resultados se presentan en la figura 31 donde podemos observar que:
209
Figura 31: Comparación en el dominio de las frecuencias de diferentes tipos de Formadores de
Pulsos.
Flujograma usado: waveforming psd.grc Disponible en la pagina web del libro.
El caso de las formas rectangulares ocupa todo el espectro que está entre la −samp rate/2 y
samp rate/2, donde samp rate es la frecuencia de muestreo de la señal.
Vemos que en principio el Filtro de Nyquist es realizable aunque no de manera ideal.
El Filtro Coseno Alzado responde de una manera muy cercana a lo previsto teóricamente para un
valor determinado de rolloff.
5.2.12. El Filtro de acoplamiento

Los filtros de acoplamiento son totalmente necesarios en un receptor de señales digitales. A continua-
ción, se describe el problema que conlleva a su uso. Este tema se analiza aquı́ para las señales binarias, pero
fácilmente puede deducirse que aplica para sı́mbolos de cualquier señal digital basada en constelaciones.
La figura 32 resume de la manera más sencilla posible como una señal digital binaria emitida g(t) desde
un transmisor es afectada por ruido blanco aditivo, antes de pasar a un sistema de regeneración que se
encuentra en el receptor. El sistema presentado en la figura sugiere la necesidad de usar un Filtro Lineal
e Invariante en el Tiempo (LIT) para atenuar el efecto del ruido o para lograr elevar de alguna manera la
relación señal a ruido antes de tomar una decisión sobre la presencia de un uno o un cero en un instante
determinado.
Figura 32: Receptor lineal.
Usualmente la señal recibida pasa por una etapa de acondicionamiento que permite resaltar un instante
de tiempo, dentro de la duración de cada bit, en el cual la relación señal a ruido es máxima.
210
Figura 33: El Filtro de Acoplamiento y su posición respecto a otros elementos cercanos al canal.
La pregunta que surge es: ¿Para las condiciones dadas, cómo deberı́a ser ese filtro LIT?
La respuesta y(t) del filtro es la suma de la respuesta g0 (t) a la señal útil g(t) y la respuesta n(t) al
ruido blanco w(t) que hay a la entrada del filtro, todo esto observado en la duración T de un bit. Estamos
suponiendo que a la entrada del Formador de Pulsos se tiene información en forma de bits, pero el análisis
igual aplica para cuando allı́ se tienen sı́mbolos que pueden incluso ser complejos, como los que entrega un
modulador banda base. Entonces tenemos que la entrada del filtro es:
x(t) = g(t) + w(t) (5.12)

y la salida es:
y(t) = g0 (t) + n(t), 0 ≤ t ≤ T (5.13)
Sea η la relación entre el valor que toma g0 (t) en el instante óptimo T para el muestreo y la media
cuadrática o potencia media del ruido. Se conoce mejor como Relación Señal a Ruido del Pulso Pico:
|g0 (T )|2
η= (5.14)
E[n2 (t)]
En el libro de Haykin [10] se realiza un análisis para determinar la respuesta óptima hopt (t) para el
Filtro LIT que debe ser usado en el receptor para lograr el máximo valor antes de pasar al proceso de
regeneración de bits o sı́mbolos. Lo que allı́ se logra demostrar que η = ηmax , cuando la respuesta al
impulso es:
hopt (t) = khg (T − t) (5.15)

O en el dominio de las frecuencias para η = ηmax ,
∗
Hopt (f ) = kHG (f )e−j2πf T (5.16)
∗
Donde Hopt (t) es la transformada de Fourier de hopt (t), HG (f ) es el conjugado de la transformada de
Fourier de hg (t).
Z
y(t) = x(t) ∗ h(t) = x(τ )h(t − τ )dτ (5.17)
En la práctica se pueden usar los lı́mites de integración entre −∞ y ∞, pero también entre 0 y T si se
desea reiniciar el proceso cada vez que ingresa un nuevo sı́mbolo. En conclusión, la respuesta al impulso
más óptima para el filtro, en las condiciones dadas, excepto por el valor de escala k, es la versión reflejada y
atrasada de g(t) que representa la forma del pulso elegida para transmitir los sı́mbolos de información que
usualmente son bits. Teniendo en cuenta que h(t) tiene una forma simétrica, en lugar de la convolución,
es posible usar la operación de autocorrelación que puede haber entre x(t) y h(t).
Z
y(t) = x(t) o h(t) = x(t)h(t + τ )dτ (5.18)
Por esta razón se habla de acoplamiento entre la señal emitida y la usada en la recepción como res-
puesta al impulso para el Filtro LIT.
En una aplicación práctica podemos olvidarnos del desplazamiento T ya que solo tiene el efecto de
producir un retardo en la respuesta, de modo también resulta válido decir que la operación de correlación
211
entre la señal recibida y la forma de pulso g(t) usada en la transmisión, es la forma más óptima para
eliminar el ruido blanco. También podemos decir que si g(t) tiene una forma simétrica en el tiempo, se
puede usar la operación de convolución en lugar de la correlación.
5.2.12.1. Filtro de acoplamiento de pulsos rectangulares

Aquı́ se analiza el caso ideal en que una señal pudiese ser emitida con una forma rectangular de Ampli-
tud A y duración T. La siguiente figura muestra lo que ocurre cuando una señal rectangular g(t) llega al
receptor y luego pasa por el filtro de acoplamiento, se produce entonces la señal triangular g0 (t) que tiene
un máximo en T igual a kA2 T . También es posible deducir que es posible lograr un acoplamiento similar
usando, en calidad de filtro, un integrador que se carga durante la señal y luego se descarga. En ambos
casos el mejor instante para el muestreo es T.
Figura 34: a) Pulso Rectangular; b) Salida del Filtro de Acoplamiento; c) Salida del Integrador.
El uso de un circuito de integración y descarga se muestra en el siguiente diagrama de bloques.
Figura 35: Filtro de acoplamiento basado en un circuito de Integración y Descarga.
En la figura 36 se presenta el diagrama de ojo que ha sido obtenido en GNU Radio a la entrada y salida
212
de un filtro de acoplamiento para señales digitales con forma rectangular y en presencia de ruido blanco.
De aquı́ podemos deducir que:
Figura 36: Diagrama de Ojo antes y después del acoplamiento.
a) Antes del acoplamiento. b) Después del acoplamiento.
El filtro de acoplamiento permite abrir sensiblemente el ojo, liberándolo, del ruido blanco.
Con la aplicación del Filtro de acoplamiento las señales cuadradas pasan a ser comparables con las
producidas por otros Formadores de Pulsos en el sentido que ahora solo hay un instante en cada
pulso libre de ISI.
5.2.12.2. Filtro Raı́z Cuadrada de Coseno Alzado

Anteriormente se discutió el Filtro de Nyquist y el Filtro Coseno Alzado. El problema que surge ahora
es: Si el transmisor usa un filtro de esos, ¿Cuál serı́a el filtro de acoplamiento a usar en el receptor?.
De acuerdo a la teorı́a vista sobre Filtro de acoplamiento, el filtro de acoplamiento a usar en el receptor
debe tener, como respuesta al impulso, una forma inversa y atrasada de la forma de pulsos usados en la
transmisión. El problema ahora es que si bien vamos a disfrutar de un buen acoplamiento para atenuar el
ruido, se está echando a perder la funcionalidad primaria del filtro. Esto es debido a que en el regenerador
de bits, en el receptor, se ve perjudicado, pues a su entrada se espera una señal que proviene de un generador
de pulsos que garantiza un instante libre de ISI. Pero ahora no es ası́, ya que tenemos dos Filtros similares
conectados en serie en vez de uno. Esto se puede observar en el flujograma propuesto en la figura 37 donde,
además hemos incluido un canal AWGN para poder ubicar mejor al lector.
Figura 37: Flujograma que muestra la presencia de dos Filtros Formadores de Pulsos en Serie.
Flujograma usado: Acoplam nyquist nyquist.grc
Ası́ mismo, hemos configurado el canal sin ruido y hemos obtenido los Diagramas de Ojo que se
presentan en la figura 38, de los cuales podemos observar lo siguiente:
En la parte receptora, el parámetro “Interpolation”se configura con el valor 1, ya que en este caso
no se produce un cambio en la frecuencia de muestreo.
213
A la salida del filtro de acoplamiento vemos una degradación en los instantes de tiempo que se
esperan que estén libres de ISI.
Se supone que la situación puede empeorar con la presencia de ruido, el cual es filtrado por el Filtro
de Acoplamiento, pero ya sabemos que siempre alcanza a pasar algo de ruido.
Está claro que si ese problema existe con el Filtro de Nyquist, también va a existir con el Filtro RC,
el cual es el caso más general.
En el dominio de las frecuencias no se tiene un efecto negativo ya que la señal que viaja por el canal
es la que produce el Filtro Formador de Pulsos que en este caso es el Filtro de Nyquist.
Figura 38: Diagrama de Ojo cuando el acoplamiento se hace con el filtro de Nyquist.
a) Entrada del Filtro de Acoplamiento. b) Salida del Filtro de Acoplamiento.
La solución a este problema, consiste en usar en el transmisor un Filtro Raı́z Cuadrada de Coseno
Alzado (RRC, del inglés Root Raised Cosine), el cual tiene el siguiente efecto: La señal a la salida del
Wave Forming, en el transmisor no tiene el instante libre de ISI, pero sı́ la PSD esperada, mientras en el
receptor, a la salida del filtro de acoplamiento ya se tiene el instante libre de ISI, pues el Filtro RCC usado
en el transmisor, seguido del Filtro RCC usado en el receptor, conforman de manera conjunta un Filtro RC.
Es importante tener en cuenta que la raı́z cuadrada aplica a la respuesta en frecuencia, no en tiempo,
de modo que:
Sı́ para el Filtro Coseno Alzado se tiene:

TF
hRC (t) → HRC (f ) (5.19)
Entonces, para el Filtro Raı́z del Coseno Alzado se tiene la respuesta en frecuencia:
p
|HRRC (f )| = |HRC (f )| (5.20)
Para cumplir esta condición en el dominio del tiempo, la respuesta al impulso del Filtro RRC resulta
un tanto complicada:

1 4
 Tb (1 + α( π − 1))

 ,t=0





 α 2 π 2 π Tb
h(t) = Tb 2 [(1 + π )sin( 4α ) + (1 − π )cos( 4α )] , t = ± 4α
√
(5.21)




 1 sin[π Ttb (1−α)]+4α Ttb cos[π Ttb (1+α)]



 Tb π t [1−(4α t )2 ]
, t = otros
Tb Tb
Donde α es el roll-off factor.
214
Figura 39: Respuesta al Impulso del Filtro RRC para diferentes valores del factor Roll-off
En su forma discreta la respuesta al impulso del filtro RRC se traduce a la siguiente forma:

1

 Sps
(1 + α( π4 − 1)) ,n=0





 α 2 π 2 π Sps
h[n] = Sps√2 [(1 + π )sin( 4α ) + (1 − π )cos( 4α )] , n = ± 4α (5.22)




 n n cos[π n (1+α)]
 1 sin[π Sps (1−α)]+4α
 Sps Sps
, n = otros

Sps n n 2
π Sps [1−(4α Sps ) ]
En la figura 39 se tiene un comparativo de la respuesta al impulso del Filtro RRC para diversos valores
del rolloff, de donde podemos observar que:
Ahora estamos observando que los pasos por cero no ocurren exactamente en tiempos que sean
múltiplos enteros de Tb , lo que nos hace presumir que ahora no hay un instante libre de ISI.
5.2.12.3. Implementación en GNU Radio

La implementación de los Filtros RRC son muy similar a los ya mostrados para los Filtros RC y se
muestra en la figura 40. Las únicas diferencias son las siguientes:
Figura 40: Un Filtro RC implementado como dos Filtros RRC conectados en serie para lograr
acoplamiento.
Flujograma usado: verbacoprrcrrcflujo.grc
215
Figura 41: Diagrama de ojo a la salida del Filtro RRC como Formador de Pulsos comparada con
la salida del Filtro de Acoplamiento.
a) Salida del Filtro Formador de Pulsos tipo

RRC. b) Salida del Filtro de Acoplamiento RRC.
En la parte transmisora vemos que se usa un Filtro RRC para la formación de los pulsos.
En la parte receptora se usa el mismo Filtro RRC con fines de Acoplamiento.
Los dos Filtros resultan conectados en serie lo que equivale a un solo filtro RC.
Los bloques “Interpolation FIR Filter”deben ser configurados con el parámetro “Tap” igual a
wform.rcos (Sps, ntaps, rolloff), el parámetro Interpolation se configura con el valor de Sps.
En la parte receptora, el parámetro Interpolation se configura con el valor 1, ya que en este caso no
se produce un cambio en la frecuencia de muestreo.
Claramente, el Filtro RC está implementado como dos Filtros RRC conectados en serie.
En la figura 41 vemos una comparación entre el Diagrama de Ojo que produce el Filtro Formador de
Pulsos y el que se produce a la salida del Filtro de Acoplamiento, sin tener en cuenta las afectaciones por
ruido. De esta figura podemos observar que:
Los Pulsos que se forman con el Filtro RRC en la parte transmisora, no presentan un instante claro
libre de ISI.
El paso por el segundo Filtro RRC, que es el que realiza el acoplamiento en la parte receptora,
presenta un Diagrama de Ojo que coincide con el Diagrama de Ojo del Filtro RC, debido a que la
señal ha pasado por dos Filtros RRC conectados en serie que equivalen a un solo filtro RC.
Aunque en estos ejemplos no hemos agregado ruido a la señal, no hay que olvidar que los Filtros de
Acoplamiento son hechos para atenuar el ruido blanco. Lo que estamos queriendo decir es que si las
afectaciones mostradas ocurren sin presencia de ruido, pues con la presencia del ruido estas van a
ser mayores.
5.2.12.4. Código usado para generar las respuestas al impulso de un Filtro RRC
Otro diferenciador importante consiste en la necesidad de complementar el código del bloque “Python
Module”descrito en un capı́tulo anterior, de manera que contenga la función que permite calcular la
respuesta al impulso de un Filtro RRC para cualquier valor del “rolloff” y de “ntaps”. El trabajo consiste
en complementar el código ya mostrado anteriormente con la siguiente función:
# #############################################################################
## Forma Raiz de Coseno Alzado ##
# #############################################################################
import math
import numpy
def rrcos ( Sps , ntaps , beta ) :

if beta ==0:
h = nyq ( Sps , ntaps )
else :
h = ntaps *[0 ,]
beta4 =4.* beta
for n in range ( ntaps ) :
k =n - ntaps /2. # para que h [ n ] quede c e n t r a d a en la mitad del vector
216
if k ==0:
h [ n ]=1+ beta *(4./ math . pi -1.)
elif abs ( k ) == Sps / beta4 :
ha =(1.+2./ math . pi ) * math . sin ( math . pi / beta4 )
hb =(1. -2./ math . pi ) * math . cos ( math . pi / beta4 )
h [ n ]=( ha + hb ) * beta / math . sqrt (2.)
else :
ks = k / Sps
kspi = math . pi * ks
Num = math . sin ( kspi *(1 - beta ) ) + beta4 * ks * math . cos ( kspi *(1+ beta ) )
Den = kspi *(1. -( beta4 * ks ) **2)
h [ n ]= Num / Den
Amp = numpy . amax ( h )
return h / Amp
5.3. Implementación de la capa base

Para este nuevo reto, el modelo de capas a implementar consiste en realizar una implementación que
descansa sobre la capa de canal implementada en el capı́tulo anterior. El nuevo modelo a seguir es el que
se tiene en la figura 42.
Figura 42: Modelo a seguir en la implementación de la capa base
En este modelo se introducen los siguientes requerimientos:

Se introduce un bloque de modulación M-PAM.
Ya no se usa una fuente binaria, sino un archivo de datos binarios, que en el fondo puede ser cualquier
archivo del computador que bien puede ser un texto, una imagen o cualquier otro documento.
Hay una pequeña diferencia entre usar una fuente binaria y un archivo de datos binarios. La primera
es realmente aleatoria, la segunda es parcialmente aleatoria. Supongamos que el archivo es de texto
y allı́ hemos escrito el mensaje “Universidad Industrial de Santander”. Cuando el archivo sea leı́do
ese mensaje será enviado una y otra vez hasta que el sistema sea apagado. Está claro que la señal
binaria que representa ese mensaje es más bien periódica. Pero aún cuando el mensaje sea muy largo
esa falta de completa aleatoriedad va a existir debido a que hay letras que tienen mayor probabilidad
de aparecer que otras. Por esa razón se introduce la sub-capa de Scrambling.
5.3.1. El Scrambling
El Scrambling es un término para el cual difı́cilmente se encuentra una traducción, pero busca resolver
el siguiente problema: Varias de las técnicas de procesamiento de señales que se usan en las comunicacio-
nes digitales están concebidas para señales digitales que son completamente aleatorias. Pero eso no ocurre
con la señal PCM que tenemos, de acuerdo a nuestro modelo de capas, ya que, en el proceso que realiza
el ADC, existen unos niveles de amplitud que son más probables que otros, ası́ por ejemplo, es común
observar largas secuencias de 1 s y de 0 s. Con el scrambling se busca convertir la señal PCM a un código
que sea completamente aleatorio, que no es otra cosa que lograr que la correlación entre muestra y muestra
217
sea prácticamente igual a cero, como ocurre con el ruido blanco. Lograr que la señal PCM compita con
una señal binaria completamente aleatoria, es importante para poder implementar con éxito las técnicas
digitales para el uso óptimo del canal, pero también para aprovechar mejor el canal.
Para realizar el Scrambling se utiliza una secuencia de pseudo ruido (PN, del inglés Pseudo Noise)
(PRBS, es otra sigla usada para referirse a lo mismo, del inglés Pseudo Random Binary Sequence).
La operación de Scrambling es relativamente sencilla y puede ser representada mediante la intercone-

xión de la figura 43. Allı́ b(t) es el mensaje expresado en forma de señal binaria bipolar, c(t) es la secuencia
PN, expresada también como señal binaria bipolar y bs(t) es la señal luego del scrambling.
Figura 43: La operación de scrambling vista como una interconexión
En la figura 44 se presenta un ejemplo de scrambling, cuando la secuencia PN es 10101000011001100

y el mensaje es 11110111011101111, entonces la señal aleatorizada es 1000010101100100. En la figura 44
las 3 señales han sido graficadas en escalas diferentes para poderlas apreciar mejor.
Figura 44: Ejemplo de scrambling
De igual manera es posible demostrar que el esquema de la figura 43, puede usarse también para el
de-scrambling, para ello se usa la señal bs(t) como entrada, el mismo código PN usado en el scrambling y
se obtiene bsr(t) como salida que es la misma señal b(t).
218
Figura 45: Comparación de la PSD de una señal con y sin scrambling
La figura se recortó en amplitud ya que la parte azul tenia valores demasiado altos
Figura 46: Flujograma en GNU Radio para comprobar el scrambling
Figura 47: Composición del Bloque b scrambling ff
219
Figura 48: Scrambling en GNU Radio
Figura 49: PSD comparativa. Color rojo con Scrambling. Color azul sin Scrambling
De este ejemplo se deduce también que la señal que resulta del scrambling hereda la aleatoriedad que
tiene la secuencia PN, con lo cual se logra el objetivo de hacer que la PSD de la señal que se obtiene sea
la que corresponde a una señal binaria aleatoria bipolar.
Para conocer el impacto del scrambling en el dominio de las frecuencias, en la figura 45 se muestra
una comparación entre la PSD obtenida para la señal sin scrambling (color azul) y la señal con scrambling
(color rojo), donde podemos apreciar que la señal con scrambling tiene la PSD que corresponde a una señal
binaria aleatoria.
Una comprobación mediante GNU Radio se puede realizar mediante el Flujograma que se muestra en
la figura 46. Allı́ vemos la necesidad de convertir la señal binaria, que entrega la capa PCM, a una señal
bipolar antes de realizar la operación de Scrambling. En la parte receptora, se repite la misma operación
cuidando de usar el mismo código que en el transmisor.
En la figura 47 se muestra la composición interna del bloque b scrambling ff. También es importante
resaltar que una implementación en GNU Radio no se realiza con señales rectangulares como las de la
figura 44, sino con señales discretas, como en la figura 48
En este caso, hay que tener en cuenta que una señal binaria aleatoria, con una sola muestra por bit
tiene una PSD similar a la del ruido blanco, de manera que es una constante en todas las frecuencias, lo
cual no ocurre con la señal binaria antes del scrambling. Esto se muestra en la figura 49.
5.3.2. La modulación M-aria por Amplitud de Pulsos M-PAM

Introducir a nuestro modelo un método de modulación adicional al PCM puede ser importante en
muchos casos. Por ejemplo, la introducción de M-PAM permite elevar la rata de bits que viajan por un
medio, sin requerir un mayor ancho de banda. La verdad, el tema ha sido introducido en este libro debido
a que varios métodos avanzados de comunicaciones digitales que se verán más adelante, no aceptan como
entrada la señal PCM sino una señal con M niveles de amplitud que en el fondo no es otra cosa que
una M-PAM. Por otro lado, esta es la oportunidad para que el lector conozca sobre la existencia de esta
modulación, pues aunque no es común en los sistemas de comunicación inalámbrica si que lo es en sistemas
que usan medios de transmisión guiados como el cable o la fibra óptica. Pero además es base para construir
otros métodos de modulación.
220
Figura 50: Comparación entre una señal binaria y la respectiva 4-PAM en GNU Radio
Flujograma usado: mpam2.grc
En la figura 50 se tiene una señal binaria, en la parte superior y el resultado de pasar esa señal por un
modulador M-PAM, cuando M = 4. Podemos observar las siguientes caracterı́sticas:
M es el número de niveles de amplitud que puede tomar la señal M-PAM.
M = 2m , donde m es un número entero.
El número de bits por muestra es bps = log2 (M ) = m.
Aquı́ surge un nuevo término: los sı́mbolos, que se refiere a cada muestra de amplitud que representa
a bps bits.
la señal binaria tiene una tiempo de muestreo Tb , mientras que la señal M-PAM tiene un tiempo de
muestreo TS = bpsTb
Consecuentemente surge el término Rata de Simbolos, representada como Rs para referirse a la
velocidad a la que viajan los sı́mbolos. Está claro que:
Rs = Rb /bps (5.23)
La frecuencia de muestreo a la salida del modulador M-PAM es log2 (M ) veces menor que la de la
señal binaria.
La modulación puede ser representada mediante la tabla 5.3, conocida como Tabla de Verdad para
la Modulación de interés.
221
Tabla 5.3: Tabla de verdad de la modulación 4-PAM
TABLA DE VERDAD. 4-PAM

La Clave: Dibits Sı́mbolos dados en amplitud de señal
00 0
01 1
10 2
11 3
El orden de los Dibits comúnmente el del Código de Grey, sin embargo, nosotros hemos usado el
orden del código de Base-2.
5.3.3. M-PAM vista en el tiempo continuo y en frecuencia

Pero aún no hemos comprobado lo más relevante de la modulación M-PAM y eso pertenece al dominio
del tiempo continuo, es decir la señal que realmente viaja por el cable. En la figura 51 se puede observar
una versión continua con pulsos de forma rectangular, en la parte superior, y la correspondiente señal
M-PAM en versión continua con pulsos rectangulares. Al ser señales continuas, pueden viajar en forma
de niveles de voltaje por un cable y lo que nos interesa ahora es poder comparar estas dos señales en el
dominio de las frecuencias.
Figura 51: Comparación entre una señal binaria y la respectiva 4-PAM continua
En la figura 52 se puede observar una comparación entre la PSD de la señal binaria continua y una señal
M-PAM continua, donde podemos observar claramente que la señal M-PAM tiene el espectro comprimido
m = log2 (M ) veces. Supongamos ahora que queremos aprovechar solo 6 lóbulos del espectro, filtrando los
demás: 3 lóbulos de la derecha a la frecuencia cero y 3 de la izquierda, pero el lóbulo central lo contamos
por 2 ya que tiene el doble de ancho que los demás. Entonces la señal M-PAM en condiciones similares de
transmisión ocupa m veces menos ancho de banda, lo que significa M-PAM tiene m veces mayor eficiencia
espectral que la modulación PCM. Como se verá más adelante, no todo es perfecto, pues la modulación
M-PAM es más sensible al ruido blanco, lo cual no es problema si el receptor está suficientemente cerca al
transmisor para garantizar la relación señal a ruido apropiada.
222
Figura 52: Comparación de la PSD de una señal binaria con la de una señal 4-PAM
5.3.4. Implementación práctica con GNU Radio

En las comunicaciones digitales abundan los tipos de Modulación M-aria, las cuales usan M sı́mbolos
para representar en cada uno de ellos un paquete de bits.
En la figura 53 se presenta un flujograma para la modulación M-PAM que es funcional pero no está muy
optimizado pues está hecho con fines especialmente pedagógicos. Como puede verse, la señal luego de pasar
por el scrambling, debe ser convertida nuevamente a una señal PCM binaria unipolar, para luego volver a
darle la forma de una señal cuantificada ya que ası́ es la entrada que pide el bloque “Packed to Unpacked”
para producir la señal M-PAM.
Figura 53: Flujograma en GNU Radio para la modulación M-PAM después de scrambling
Flujograma usado: mpam2.grc
5.3.5. El Criterio de Nyquist y del Coseno Alzado en las señales M-arias.

Aplica de manera similar a las señales binarias. La diferencia está en que las señales binarias llevan
bits y por lo tanto la duración de los bits es lo que cuenta. En las señales M-arias, se tienen sı́mbolos y
la duración de los sı́mbolos es lo que cuenta. Por eso, en las señales M-arias se usa Rs , que es la rata de
sı́mbolos, en lugar de Rb .
En la figura 54 se presenta un ejemplo en el que se compara una señal 4-PAM que pasa por un formador de
pulsos rectangulares y por un Formador de Pulsos basado en el Filtro Coseno Alzado con un rollof f = 1.
223
Figura 54: Señal 4 PAM al pasar por el Formador de Pulsos
Flujograma usado: WaveForming MPAM.grc
En la figura 55 se presenta el Diagrama de Ojo comparativo para los mismos dos casos
Figura 55: Diagrama de Ojo para una Modulación 4-PAM
a) El Formador de Pulsos es un Filtro de b) El Formador de Pulsos es un Filtro de RC,

Nyquist con Rolloff=1
5.3.6. El Acoplamiento en las señales M-arias

Como ya conocemos cómo aplica el Criterio de Nyquist y del Coseno Alzado, queda claro que el
acoplamiento aplica de manera similar y no se requiere realizar ningún tipo de explicación adicional. En el
dominio de las frecuencias, la PSD tiene un comportamiento de una señal M-PAM que pasa por un Filtro
Formador de Pulsos es similar al de las señales binarias que pasan por el mismo filtro. Incluso el ancho de
banda igual, con la ecuación 5.10, solo que ahora:
W = Rs /2 (5.24)
donde Rs es la rata de los simbolos que lleva la modulación M-PAM.
224
Figura 56: PSD de una señal 4-PAM con 3 tipos de Filtros Formadores de Pulsos
Flujograma usado: waveform mpam espectro.grc
5.4. la capa de aplicación para señales de audio

En la figura 57 se plantea el modelo que nos reta a implementar una aplicación de audio para el sistema
que ya tenemos. La idea es poder ver un ejemplo algo más complejo para una aplicación, pero también
repasar conceptos más cercanos a la telefonı́a, pero que pueden aplicar de manera similar a sistemas que
requieren una reacomodación de las señales para cumplir con unos estándares.
Figura 57: La capa de aplicación
5.4.1. Re-Cuantificación
Se supone que el ADC entrega una señal que ha sido sometida al proceso de muestreo, cuantificación y
codificación. Sin embargo, los sistemas de comunicación plantean retos muy concretos sobre todo cuando
se trata de cumplir con normas y estándares. Por ejemplo los estándares de la telefonı́a exigen que cada
muestra del mensaje, es decir la señal de audio, esté representada mediante 8 bits. Eso significa que el
número de bits por muestra es N bps = 8 y la señal deberá estar cuantificada con 2N bps = 256 niveles de
cuantificación, lo cual no es lo mismo que entrega el ADC. Lo mismo ocurre con la frecuencia de muestreo,
que puede requerir algún tipo de modificación con respecto a la que entrega el ADC, pues en el caso de la
telefonı́a la frecuencia de muestreo es de 8kHz. En todo caso, cuando se trata de sistemas de comunicación
digital, si el mensaje proviene de una fuente analógica, es muy importante tener claro el número de bits
que representan a cada muestra de la señal mensaje, de la misma manera en que hay que tener muy
presente el rango dinámico, la frecuencia de muestreo y su relación con el ancho de banda. Cuando algo
no cuadra con esos requerimientos, pues resulta necesario introducir modificaciones como es el caso de la
re-cuantificación.
225
Figura 58: Resultado de la re-cuantificación con 32 niveles
En la figura 58 se presenta un ejemplo para el caso en que N bps = 4, donde se puede apreciar que la
señal después de la cuantificación la señal sigue siendo de amplitudes discretas, pero aproximadas a los
niveles de cuantificación, que en este caso son 16. En la realización práctica de la re-cuantificación pueden
usarse varios trucos como: la conversión de un tipo de variable a otro o simplemente desempaquetar solo
los bits más significativos que componen a cada muestra.
Está claro que este paso muchas veces no es necesario, sobre todo cuando se requiere enviar fielmente la
señal que entrega la fuente del mensaje, en este caso, podemos ver este tema más desde el punto de vista
pedagógico para practicar la cuantificación. En este sentido, vale la pena observar como, en el caso de la
figura 58, la señal re-cuantificada tiene amplitud cero para las muestras 3,4,5,6,7,8. Eso es muy significativo
para las señales de voz, pues significa que si una persona habla muy suavemente, la cuantificación se aplica
de manera más agresiva que cuando la persona grita. Ese problema se resuelve con un tipo de cuantificación
que no es lineal como es el caso de la cuatificación que se combina con la Ley A o con la Ley µ, las cuales
son parte del estandar en telefonı́a.
5.4.2. Modulación por Codificación de Pulsos - PCM

El término PCM como un tipo de modulación nació en los años 60 cuando se visualizaba el paso de la
telefonı́a analógica a digital, enviando bits por cable en forma de códigos de linea. Los códigos de linea es
una manera de representar los bits mediante una amplitud y hay varias formas de hacerlo, pero haremos
referencia solo a dos casos: cuando un uno se representa con un nivel de voltaje y un cero con cero voltaje;
cuando un uno se representa mediante un voltaje positivo y un cero mediante un voltaje negativo. Para
nuestro caso, PCM corresponde simplemente a la representación en bits que tiene la señal mensaje, tal y
como se muestra en el ejemplo de la figura 59
Figura 59: Comparación entre una señal cuantificada y su conversión a PCM. Nbps=8
En términos de GNU Radio, la modulación PCM puede ser vista simplemente como el proceso de des-
empaquetado de los bits que representan las amplitudes, usando por ejemplo el bloque “Unpack K Bits”.
En la figura 60 se presenta un ejemplo de Flujograma, organizado por capas, con la parte transmisora
226
(arriba) y la receptora (abajo).
Figura 60: Ejemplo de Flujograma para obtener la señal PCM
Aunque en los desarrollos profesionales de GNU Radio obtener la señal PCM no es común, pues significa
hilar demasiado fino, desde el punto de vista experimental y pedagógico si lo es, por ejemplo para poder
medir bits perdidos, practicar técnicas de scrambling, conocer la PSD de señales binarias aleatorias, etc.
En este caso es importante observar que el paso de una señal cuantificada a una señal PCM va acompañada
de un aumento en la frecuencia de muestreo ya que ahora se requiere una muestra por bit, muestras que
antes de PCM habı́a una muestra por cada nivel de amplitud de la señal cuantificada. Esto no se puede
observar en la figura 59 ya que por cuestiones pedagógicas, la señal cuantificada se está mostrando de
manera continua, cuando realmente solo hay una muestra por cada 8 bits.
5.5. El caso de Fast Ethernet

El Fast Ethernet puede ser visto como una modificación del sistema base propuesto. El sitio web del
libro se tiene un vı́deo que muestra algunos de estos aspectos aplicados a las redes Fast Ethernet. Este es
el enlace directo:
https://sites.google.com/saber.uis.edu.co/comdig/wf
227
Capı́tulo 6
Un sistema de radio comunicación digital sobre
un canal guiado
Está claro que GNU Radio está pensado en las comunicaciones inalámbricas principalmente, pero he-
mos decidido iniciar este estudio con un medio guiado, debido a que este tipo de medios tiene parámetros
más fáciles de controlar que el caso del canal inalámbrico que es un medio no guiado, donde las señales
digitales son altamente sensibles a los diversos fenómenos de propagación, que en el caso de las ondas elec-
tromagnéticas, son muy complejos. Cada fenómeno de propagación requiere un acercamiento y una solución
particular, este acercamiento particular se torna difı́cil cuando todos los fenómenos se presentan al mismo
tiempo sin poder ser aislados, esto lo que ocurre con el canal inalámbrico. Por ejemplo, si lo que se desea
estudiar son los métodos para luchar contra el ruido, es necesario crear las condiciones para poder expe-
rimentar una transmisión sobre un canal que solo tenga ruido y donde los demás fenómenos estén ausentes.
Ahora, desde el punto de vista de aplicación práctica, usar medios guiados para enviar señales de RF no
es algo tan descabellado. Años atrás los operadores de telecomunicaciones vieron como sus “redes de cobre
se fueron transformando en oro” gracias a técnicas RF que les permitieron sacarle el máximo provecho a
todo ancho de banda que tiene el cobre para ofrecer servicios convergentes combinando no solo telefonı́a,
sino televisión e internet, en fin todos los servicios básicos de comunicación en un solo par de hilos. Hoy
mismo estamos viviendo una agresiva expansión de la tecnologı́a conocida como Fibra Óptica hasta el
Hogar (FTTH, del inglés Fiber to the Home) y también está en boca del desarrollo de soluciones ópticas
basadas en SDR incluyendo también la técnica conocida como RF sobre fibra óptica.
6.1. Modelo de capas a seguir para la implementación

El modelo que nos guiará en la discusión y en la implementación es el que se propone en la figura 1.
De este modelo podemos identificar varios requerimientos como los siguientes:
Figura 1: Modelo de capas para una comunicación digital de voz por RF sobre un medio guiado.
228
El modelo consta de tres partes:
• El canal: Nuestro canal sigue siendo un medio guiado, eso nos permite obviar por ahora varios
fenómenos de propagación del canal inalámbrico, pero a diferencia del medio guiado ya visto,
las señales viajan en RF, es decir, sobre una onda portadora a altas frecuencias, o lo que se
conoce como pasobandas.
• Capa base: Busca satisfacer las necesidades de comunicación para una aplicación superior
que entrega información binaria que debe viajar a la mayor velocidad posible por un canal RF
limitado en ancho de banda.
• Capa de aplicación: Se trata de todo aquello que podamos enviar por ese canal para satisfacer
necesidades de los usuarios, como archivos, voz, vı́deos, imágenes. Solo que por ahora, esa
aplicación está siendo simulada por una fuente binaria.
La modulación digital: Está pensada para resolver el problema de acomodar, de alguna manera,
un mensaje binario sobre una portadora de RF. Podemos decir que esa modulación consta de dos
partes:
• La que realiza la subcapa “Modulación con EC”, la cual genera la señal modulada, pero en
versión bandabase, esto no es otra cosa que la Envolvente Compleja de la señal modulada.
• La que realiza el equipo SDR, que se ubica en la subcapa “Transmisión/Recepción RF”.
Las técnicas pre-canal: Son similares a las tratadas en el capı́tulo anterior, solo que ahora deberán
lidiar con señales moduladas en versión de su Envolvente Compleja. Las técnicas pre-canal
buscan preparar la señal para que sea entendida por el DAC que hay en el USRP; introducir in-
formación clave para luchar contra diversos fenómenos de propagación. En la parte receptora, las
técnicas post canal, buscan descubrir entre la señal recibida aquello que pueda ser entendible por
parte de la demodulación digital.
Subcapa Transmisión/Recepción RF: Es donde está el equipo SDR. En el modo de transmisor
se ocupa de convertir a continua la señal recibida y desplazar su espectro de manera que resulte
centrado en la frecuencia de RF deseada. Es obvio que en el modo de recepción se realiza el proceso
inverso.
6.2. La modulación digital pasobandas y su versión banda-

base
Este capı́tulo explica la modulación digital paso bandas desde un enfoque poco común en la literatura,
pero muy necesario para el estado tecnológico de hoy. Los siguientes son los conocimientos necesarios para
poder llegar a realizar una implementación real basada en Software Defined Radio con un equipo como el
USRP para realizar una transmisión real.
• La señal con modulación paso bandas es una onda senoidal de frecuencia fc que lleva información
codificada ya sea en la fase, la amplitud, la frecuencia, o una combinación de esos parámetros, los
cuales, consecuentemente, varı́an en el tiempo, de acuerdo a la siguiente ecuación:
y(t) = B(t)cos(2π[fc + f (t)]t + ϕt) (6.1)

• Los sistemas de comunicaciones modernos, cómo las comunicaciones móviles 4G o los enrutadores
WiFi no usan un solo tipo de modulación, como en los tiempos de antes. Más bien escogen de manera
inteligente la modulación que mejor se adapta a las condiciones del canal en el momento. Además,
usan mayormente la fase y la amplitud de la portadora, lo cual se puede representar ası́:
y(t) = B(t)cos[2πfc t + ϕ(t)] (6.2)

• Como ya se ha visto, si este concepto se lleva a SDR con USRP, la señal paso bandas anteriormente
descrita es la que entrega el USRP, mientras que la programación en SDR debe enfocarse en producir
la señal que se le debe entregar al USRP que no es otra cosa que la Envolvente Compleja yCE (t)
de y(t). Eso significa que, programar una modulación en SDR para un sistema de comunicación
real, es programar la versión banda base de esa modulación paso bandas, que no es otra cosa que la
Envolvente Compleja.
yCE (t) = 2B(t)ejϕ(t) (6.3)
229
• Desde el punto de vista de la Envolvente Compleja, el mensaje no modula parámetros de una
portadora senoidal, sino a un parámetro de la Envolvente Compleja de esa portadora senoidal que
es una señal exponencial compleja. En otras palabras, la portadora, para el caso de la Envolvente
Compleja, es una señal exponencial compleja. También podemos decir que lo que se modula es una
portadora en versión banda base o en versión de Envolvente Compleja.
• En los métodos de modulación más básicos, los parámetros de la señal exponencial compleja van
cambiando a medida que llega nueva información que debe llevar.
• La regla que define como cambian los parámetros de la señal exponencial compleja puede ser ex-
presada por medio de una tabla que es comúnmente conocida como tabla de verdad o mediante un
diagrama de constelaciones.
Tabla 6.1: Plantilla para la Tabla de Verdad.
Tabla de Verdad
La clave valor del parámetro modificado
La tabla 6.1 es una plantilla de la Tabla de Verdad y debe ser entendida de la siguiente manera: se
supone que hay una clave digital que modula a uno o más parámetros de la Envolvente Compleja,
de manera que la información pueda viajar como una variación de ese o esos parámetros. La clave
usualmente está dada en forma de una combinación de m = log2 (M ) bits. O sea que, dependiendo
de cómo se combine esos m bits se modificará de una u otra manera uno o más parámetros de la
señal exponencial compleja. Pero, teniendo en cuenta que el bloque de modulación usado en GNU
Radio exige que la entrada sea una señal M-PAM, entonces la clave puede estar dada en M posibles
valores de amplitud. En el fondo, cada valor de amplitud equivale a una combinación de bits, porque
la M-PAM puede ser vista como la traducción de cada combinación de bits a un valor de amplitud.
Todos los tipos de modulación que estudiaremos a continuación pueden ser vistos como una mo-
dificación de la modulación M-PAM, ya que todos los moduladores que vamos a ver requieren que
la entrada sea M-PAM. Pero además, la PSD que se logra obtener tiene una forma muy parecida
a la PSD de la señal M-PAM. En otras palabras, la modulación M-PAM es la que convierte bits
en sı́mbolos, pero no es apropiada para ser enviada por un USRP, ya que no es estrictamente una
Envolvente Compleja de algo.
• Todo lo anterior se explica mejor con ejemplos que se ilustran en las siguientes secciones.
6.3. La modulación BPSK

Esta modulación se distingue porque:
• La clave es de tipo: Binario, de modo que el código o clave que puede modificar los parámetros de
la portadora puede tomar valores de 1 o 0.
• El parámetro de la portadora que es modificado es: La fase. Consecuentemente solo se tienen dos
posibles estados para la fase. Usualmente la fase toma los valores 0 o π, pero también es BPSK si
toma los valores −π/2 y π/2 o cualquier otros dos valores separados entre sı́ en un ángulo π.
• Para generar la Envolvente Compleja lo usual es considerar que la fase pueda tomar los valores 0 o
π, por lo tanto, la Envolvente Compleja está dada por:
yCE (t) = yI (t) + jyQ (t) (6.4)

donde: (
yI (t) = Aej0 , para entrada 0
(6.5)
yQ (t) = Aejπ , para entrada 1
y donde A es la magnitud de los sı́mbolos que son entregados al USRP. Lo anterior equivale a decir
que: (
yI (t) = A, para entrada 0
(6.6)
yQ (t) = −A, para entrada 1
230
• La Tabla de Verdad 6.2 resume lo anterior ası́:
Tabla 6.2: Tabla de Verdad de la Modulación BPSK
TABLA DE VERDAD BPSK

Clave Fase
0 0
1 π
Otra manera de decir lo mismo es la siguiente.
Tabla 6.3: Tabla de Verdad de la Modulación BPSK. versión 2
TABLA DE VERDAD BPSK

Clave Valor complejo
0 Aej0
1 Aejπ
Otra manera de expresar lo mismo que la Tabla de verdad es usando un Diagrama de Constelaciones en
el cual se muestra, de manera gráfica, en un diagrama polar, lo mismo que se quiere decir con la Tabla de
Verdad. Para el caso de la Modulación BPSK el diagrama de constelaciones es el de la figura 2.
Figura 2: Diagrama de constelaciones BPSK.
La señal paso bandas se obtiene con el paso de esa señal por el Up Converter que se puede modelar
con el esquema de la figura 3.
Figura 3: Esquema señal paso banda.
231
La calidad de la señal enviada, respecto al ruido del canal está en función de la amplitud D de la señal
s(t) que entrega el USRP. Varios elementos del USRP, como filtros y amplificadores, pueden alterar la
amplitud:
s(t) = Dcos[2πfc t + ϕ(t)] (6.7)

donde
(
0, para entrada 0
ϕ(t) = (6.8)
π, para entrada 1
y donde D = AKa y Ka representa la amplificación total que aplica el USRP.
Para llegar a conocer el desempeño de esta modulación ante el ruido, es necesario formular esta expre-
sión en términos de la energı́a Es que lleva cada sı́mbolo, la cual para el caso de la BPSK es lo mismo que
la energı́a Eb que lleva cada bit, pues cada sı́mbolo contiene solo un bit en el caso de la BPSK. Esa energı́a
es igual a la potencia promedio de la señal multiplicada por la duración del bit.
Eb = P Tb (6.9)
A su vez, sabemos que:
√
D 2
VRM S = (6.10)
2
Por lo tanto, la energı́a contenida en cada bit, en la señal modulada paso bandas, es en promedio:
D2 Tb
Eb = (6.11)
2
De aquı́, que.
r
2Eb
D= (6.12)
Tb
Para obtener finalmente que:
r
2Eb
s(t) = cos[2πfc t + ϕ(t)] (6.13)
Tb
donde
(
0, para entrada 0
ϕ(t) =
π, para entrada 1
De modo que cuando la señal pasobandas está antes de la antena transmisora del USRP se puede
expresar como:
s(t) = Ka A cos[2πfc t + ϕ(t)] (6.14)

donde
(
0, para entrada 0
ϕ(t) =
π, para entrada 1
Pero, más allá de la antena, el parámetro Eb se desvanece por el efecto de la propagación y aparece una
componente adicional, el ruido.
En la figura 4 se presenta un ejemplo de la PSD de una señal BPSK para el caso especı́fico en que la rata
de bits es Rb = 1, 5625kbps
232
Figura 4: PSD de una señal BPSK, con Rs=1,5625 kBaud, Rb=1,5625 Kbps.
6.4. Diferentes tipos de modulación basadas en constelacio-

nes
La modulación BPSK está basada en una constelación como la mostrada en la figura 2, pero bajo el
mismo principio funcionan los tipos de modulación digital más conocidos como la Modulación QPSK (del
inglés Quadrature Phase Shift Keying), la M-PSK (del inglés M Phase Shift Keying), la M-QAM (del inglés
M-Quadrature Amplitud Modulation). Todas ellas funcionan bajo un mismo principio, como el explicado
para BPSK.También vamos a comparar esas modulaciones con la M-PAM que se vió anteriormente por
dos razones: La implementación en GNU Radio a menudo pasa por obtener primero la M-PAM; la PSD
de una señal con una de las modulaciones a estudiar, es muy similar a la de la respectiva M-PAM.
6.4.1. La Modulación QPSK

Con este tipo de modulación iniciamos el estudio de varios métodos de modulación que incluyen M
puntos de constelación.
En el caso de la Modulación QPSK o Modulación por desplazamiento de fase, (del inglés Quadrature Phase
Shift Keying), se tienen M = 4 puntos de constelación que están sobre un cı́rculo y espaciados entre sı́ en
un ángulo de π/2, como se muestra en la figura 5.
Figura 5: Constelación para la Modulación QPSK.
6.4.1.1. El ordenamiento de la constelación

Para cualquiera de los métodos de modulación con M puntos de constelación se pueden realizar las
siguientes observaciones para organizar la constelación y consecuentemente la Tabla de Verdad que la
233
define:
Cada punto de constelación puede ser activado mediante una clave, que es una combinación de bits.
bps = log2 (M ) (6.15)
Surge un importante reto: Lograr organizar los puntos de constelación de manera que no se eleve
innecesariamente la probabilidad de pérdida de bits, que es lo mismo que la Rata de Errores de Bits
(BER).
Veamos un ejemplo de lo que pudiera ocurrir: En la parte receptora los puntos de constelación
se ven influenciados por ruido, de manera que en ciertos casos, un punto de constelación puede
llegar invadiendo el espacio de la constelación que corresponde a un punto vecino. Eso hace que
el regenerador de sı́mbolos tome una decisión errónea, con lo cual se habrá presentado un sı́mbolo
erróneo, que pueden significar hasta bps bits erróneos, ya que cada sı́mbolo está compuesto de bps
bits.
Lo más natural es definir la constelación comenzando con la fase φ = 0. En caso de requerirse una
rotación de la constelación, se introducirı́a un factor tipo ejφd .
La manera de solucionar el problema de un innecesario aumento de la Probabilidad de Error de bits, con-
siste en lograr que los puntos de constelación resulten ordenados, de manera tal, que no tengan más de un
bit diferente a los puntos adyacentes. De manera que si se presenta un error en un sı́mbolo debido a que
invade un sı́mbolo vecino, solo se presentará un bit erróneo.
Figura 6: Tablas de conversión de Binario a Gray.
Es allı́ donde toman importancia los códigos de Gray. En la figura 6 se presentan tres casos para los
códigos de Gray: Cuando M = 4, M = 8, M = 16. Como podemos observar en todos los casos, cada
código de Gray se diferencia de un vecino solo en un bit. También hemos conservado la relación con la
modulación M-PAM por dos motivos: Los valores de la M-PAM sirven como identificador de cada punto
de constelación, pero el principal motivo es porque los bloques que ofrece GNU Radio para los diferentes
métodos de modulación digital piden como entrada no una señal binaria sino una M-PAM.
Ahora podemos obtener fácilmente la constelación para la Modulación QPSK y consecuentemente la

Tabla de Verdad, como se muestra en la figura 7.
234
Figura 7: Constelación y Tabla de Verdad para la Modulación QPSK.
b) Tabla de Verdad QPSK
a) Constelación QPSK
Podemos destacar en la Modulación QPSK los siguientes aspectos:

En calidad de clave, los sı́mbolos están compuestos de a dos bits, que es lo que se conoce como dibits.
Al estar los puntos de constelación separados en π/2, la modulación QPSK puede ser vista como dos
moduladores BPSK en paralelo: Un modulador BPSK que hace uso de la parte real de la Envolvente
Compleja y otro que usa la parte imaginaria.
Lo anterior nos induce a pensar que la probabilidad de pérdida de bits en la Modulación QPSK es
similar a la BPSK, pero la QPSK tiene mayor eficiencia espectral ya que sobre un mı́nimo ancho de
banda puede transportar dibits en vez de bits.
En la la figura 8 podemos ver otra opción para la constelación y la Tabla de Verdad de la Modulación
QPSK, la cual es la que usaremos con GNU Radio.
Figura 8: Constelación y Tabla de Verdad para la Modulación QPSK con giro.
b) Tabla de Verdad QPSK con giro

a) Constelación QPSK con giro
Para esta segunda opción, en la figura 9, presentamos un ejemplo donde tenemos una señal binaria que
es la señal modulante, la correspondiente señal M-PAM. Allı́ podemos ver también la Envolvente Compleja
que se espera a la salida del modulador QPSK bandabase y en la parte inferior vemos la correspondiente
señal pasobandas que se espera en la antena. Estas gráficas se han realizado para un caso ideal, en que
las señales bandabase pudieran ser idealmente rectangulares y los saltos de fase pudieran ser realmente
bruscos. Los casos reales se discuten más adelante, cuando hablemos de la implementación en GNU Radio.
Podemos ver que a diferencia de la modulación BPSK la parte imaginaria no es cero sino una señal bipolar
como lo es también la parte real:
235
Figura 9: Ejemplo de la Modulación QPSK en el dominio del tiempo.
Para comparar esta modulación con la BPSK cuando se aplican sobre un mismo ancho de banda, en
la figura 10 presentamos la PSD de la Modulación QPSK en las mismas condiciones usadas para obtener
la PSD presentada en la figura 4 para una señal BPSK.
Figura 10: PSD para una señal QPSK.
Tenemos que: La forma de la PSD es la misma de la Modulación BPSK y la única diferencia está en que
la QPSK lleva una rata de bits que es el doble de la que lleva la BPSK. Esto significa que la modulación
QPSK tiene una eficiencia espectral que es dos veces mayor que la modulación BPSK.
6.4.2. La Modulación M-PSK y sus caracterı́sticas distintivas

La Modulación M-PSK es similar a la QPSK, pero el hecho que M sea mayor a 4 marca fuertes diferen-
cias, sobre todo que se aleja sensiblemente de la modulación BPSK. Analizaremos de manera especı́fica el
caso en que M = 8, es decir el caso de la Modulación 8-PSK, cuyo diagrama de constelaciones se presenta
en la figura 11. Como puede verse, los puntos de constelación se han organizado en función de los códigos
de Gray como se explicó en el capı́tulo anterior.
236
Figura 11: Constelación y Tabla de Verdad para la Modulación 8PSK.
b) Tabla de Verdad 8PSK

a) Constelación 8PSK
Para observar las diferencias con respecto a las modulaciones vistas nos apoyaremos también en la
figura 12.
Figura 12: Modulación 8PSK. Ejemplo en el dominio del tiempo.
Podemos observar que:

M = 8, de manera que la constelación tiene 8 puntos o posibles diferentes sı́mbolos.
Consecuentemente el número de bits por sı́mbolo es bps = 3.
La modulación 8PSK no incluye cambios de amplitud, solo de fase, consecuentemente, la constelación
incluye magnitud constante.
Comparando esta modulación con las demás cuando se aplican sobre un mismo ancho de banda,
tenemos que:
237
Figura 13: PSD de para una señal QPSK.
• La forma de la PSD es la misma de la Modulación QPSK y de la BPSK y se presenta en la

figura 13 donde la única diferencia que se aprecia en el aumento en la rata de bits.
• La rata de bits es igual a Rb = bps ∗ Rs , o sea Rb = 3 ∗ Rs .
Lo anterior significa que la Modulación 8PSK tiene una eficiencia espectral tres veces mayor que la
modulación B-PSK y 3/2 mayor que la QPSK. Pero también es previsible que esta modulación sea
más sensible al ruido.
6.4.3. La Modulación M-QAM

Este es el caso más complejo de las modulaciones a tratar, pero en el fondo es el caso más genérico,
del cual se pueden desprender todas las demás. Comenzamos por la Tabla de Verdad 6.4.
Tabla 6.4: Tabla de Verdad 16QAM.
Tabla de Verdad Genérica de 16QAM

16-PAM Clave Simbolo Constelacion
0 0000 A0 ejφ0
1 0001 A1 ejφ1
2 0011 A2 ejφ2
3 0010 A3 ejφ3
4 0110 A4 ejφ4
5 0111 A5 ejφ5
6 0101 A6 ejφ6
7 0100 A7 ejφ7
8 1100 A8 ejφ8
9 1101 A9 ejφ9
10 1111 A10 ejφ10
11 1110 A11 ejφ11
12 1010 A12 ejφ12
13 1011 A13 ejφ13
14 1001 A14 ejφ14
15 1000 A15 ejφ15
De esta tabla podemos ver algunos detalles:

Los bits a enviar deberán previamente ser organizados en paquetes de a bps = log2 (M ) bits, que
para nuestro caso serán paquetes de cuatri-bits en código Gray.
Vemos que puede haber una relación con la tabla de verdad de la modulación M-PAM.
Vemos que la información puede modular la magnitud y la fase de la Envolvente Compleja, ya que
para cada clave i le corresponde un valor Ai y φi .
Encontrar los valores de Ai y φi en la modulación M-QAM no es tan sencillo como en la modulación
M-PAM. Pues van a aparecer más de un sı́mbolo vecino ubicados a la misma distancia de cada punto
de constelación. Aún ası́ es necesario garantizar, como ya se dijo para todas las modulaciones digitales
basadas en constelaciones, que los sı́mbolos vecinos no se diferencien del nuestro en más de un bit. Para
238
lograrlo, la constelación se debe armar como se ha hecho en la figura 14 donde el código de Gray se va
ubicando en el orden que señalan las flechas azules. De esta manera, si tomamos por ejemplo el punto
−1, 1, allı́ está ubicado el código 1101 y sus vecinos son 1111, 1100, 1001 y 0101 y vemos que todos los
códigos vecinos se diferencian de nuestro código solo en un bit. En las coordenadas de la constelación se
han usado los valores enteros −3, 1, 1 y 3 para facilitar la ubicación de los puntos en la constelación y
para que la constelación y la Tabla de Verdad parezcan más sencillas, pero se pueden dividir por un valor
de escala, como se muestra en la columna escalamiento para lograr que la Envolvente Compleja que se
genere tenga una potencia promedio deseada, por ejemplo, en el caso de los equipos USRP, es conveniente
que los valores que toma la Envolvente Compleja estén por debajo del valor 1, pero si queremos comparar
esta modulación con otras, es importante que todas se generen con la misma potencia promedio y para eso
sirve el factor de escalamiento que hemos introducido.
Figura 14: Constelación y Tabla de Verdad para la Modulación 16QAM.
a) Constelación 16QAM
b) Tabla de Verdad 16QAM
De esta constelación, podemos ver algunos detalles adicionales:

Los valores Ai y φi para cada sı́mbolo de constelación i deben ser tomados de manera que los puntos
de constelación resulten lo más separados posible y homogéneamente distribuidos en el área polar.
Las flechas en la constelación muestran el orden en que se debe ir escribiendo el código de Gray en
la constelación.
Por lo anterior es más común hablar de 16QAM, 64QAM, 256QAM y no en cambio de un 8QAM.
El siguiente aspecto importante está en el dominio del tiempo, para lo cual hemos incluido el ejemplo de
la figura 15
239
Figura 15: 16QAM en el dominio del tiempo
Podemos observar ahora que:

Vemos que la señal pasobandas, que es la que realmente se emite, siendo una onda senoidal que
cambia de amplitud y fase con cada nueva combinación de m = log2 (M ) bits a enviar.
Igualmente, la Envolvente Compleja realiza un cambio con cada nueva combinación de m = log2 (M )
bits a enviar, pero lo que resultan son dos señales con simbolos rectangulares que corresponden a la
parte real y a la imaginaria de la Envolvente Compleja.
Por lo anterior es claro que la rata de simbolos está relaciona con la de bits ası́:
Rb
Rs = (6.16)
log2 (M )
Vemos que existe una cierta relación de la Envolvente Compleja con la señal con modulación M-PAM.
Finalmente, es importante observar lo que ocurre en el dominio de las frecuencias, para lo cual nos remitimos
a la figura 16.
Figura 16: 16-QAM en el dominio de las frecuencias
Lo que podemos observar ahora es lo siguiente:

La PSD tiene una forma similar a la de las señales binarias aleatorias bipolares, pero, al igual que
los demás tipos de modulación vistos, los pasos por cero son en kRs , donde k es un número entero
y Rs es la rata de sı́mbolos, que se calcula con la Ecuación 6.16.
240
Es importante destacar que la única diferencia que se observa en la PSD con respecto a la PSD de
otros tipos de modulación está en el valor de la rata de bits Rb que puede conducir esta modulación
que es mayor a las demás modulaciones vistas, lo que significa que tiene la mayor eficiencia espectral.

En la figura 17 se presenta un ejemplo de implementación en GNU Radio de la modulación 16QAM,
pero sirve para cualquier otra modulación como se explica más adelante. Para esta implementación, se
tienen las siguientes observaciones:
La fuente de información debe ser de números enteros, como es el caso de las señales cuantificadas.
Para este ejemplo hemos usado una fuente de amplitudes aleatorias que oscilan entre 0 y 255, pero
puede oscilar entre cualquier otro valor.
Figura 17: Implementación en grc de GNU Radio de un modulador 16QAM.
Flujograma usado: b symb source Nota: es parte de la librerı́a comdiguis
En esta implementación no es necesario realizar el paso a señal PCM, simplemente bloque ‘‘Packed
to Unpacked’’ lo realiza internamente, para luego producir una señal equivalente en información
pero con amplitudes dadas en números enteros entre 0 y M − 1. En otras palabras lo que este bloque
realiza es una modulación M-PAM.
El bloque ‘‘Chunks to Symbols’’ aplica propiamente la modulación, que no es otra cosa que una
traducción de los valores de amplitud recibidos a sı́mbolos complejos de acuerdo a la tabla de verdad.
La tabla de verdad se configura mediante el parámetro ‘‘Symbol Table’’ del bloque ‘‘Chunks to
Symbols’’. Se trata de un vector que contiene todos los posibles sı́mbolos de la constelación.
Es posible asignarle al objeto nuestra propia constelación, ordenada de la manera consecutiva. A
continuación se presentan varios ejemplos probados por consola pero que facilmente se pueden llevar
a un flujograma:
>>> import numpy
>>> # Caso QPSK

>>> M =4
>>> MPAM = numpy . linspace (0 ,M -1 , M )
>>> Constelacion = numpy . exp (2. j * math . pi * MPAM / M )
>>> Constelacion
array ([ 1.0000000 e +00+0.0000000 e +00 j , 6.1232340 e -17+1.0000000 e +00 j ,
-1.0000000 e +00+1.2246468 e -16 j , -1.8369702 e -16 -1.0000000 e +00 j ])
241
>>> # Caso 8 PSK
>>> M =8
>>> MPAM = numpy . linspace (0 ,M -1 , M )
>>> Constelacion = numpy . exp (2. j * math . pi * MPAM / M )
>>> Constelacion
array ([ 1.00000000 e +00+ 0.000000 00 e +00 j , 7.07106781 e -01+7.0 7106781 e -01 j ,
6.12323400 e -17+1 .0000000 0 e +00 j , -7.07106781 e -0 1+7.0710 6781 e -01 j ,
-1.00000000 e +00+1 .224646 80 e -16 j , -7.07106781 e -01 -7.07106781 e -01 j ,
-1.83697020 e -16 -1.00000000 e +00 j , 7.07106781 e -01 -7.07106781 e -01 j ])
Igualmente, con comandos de Python, facilmente adaptables a GNU Radio, es posible obtener sus
propios puntos de constelación ordenados con el código de Gray. A continuación se muestra un
ejemplo para la constelación de la modulación 8PSK
>>> from gnuradio import digital
>>> import numpy
>>> import math
>>> M =8
>>> MPAM_Gray = numpy . array ( digital . utils . gray_code . gray_code ( M ) )
>>> MPAM_Gray
array ([0 , 1 , 3 , 2 , 6 , 7 , 5 , 4])
>>> Constelacion = numpy . exp (2. j * math . pi * MPAM_Gray / M )
>>> Constelacion
array ([ 1.00000000 e +00+ 0.000000 00 e +00 j , 7.07106781 e -01+7.0 7106781 e -01 j ,
-7.07106781 e -01+7 .071067 81 e -01 j , 6.12323400 e -17+1.0 0000000 e +00 j ,
-1.83697020 e -16 -1.00000000 e +00 j , 7.07106781 e -01 -7.07106781 e -01 j ,
-7.07106781 e -01 -7.07106781 e -01 j , -1.00000000 e +0 0+1.224 64680 e -16 j ])
>>> # Si asi lo p r e f i e r e s puede girar la constelacion , por ejemplo en pi /8 rad

>>> Constelacion = Constelacion * numpy . exp ( -1. j * math . pi /8)
>>> Constelacion
array ([ 0.92387953 -0.38268343 j , 0 . 9 2 3 8 7 9 5 3 + 0 . 3 8 2 6 8 3 4 3 j ,
-0.38268343+0.92387953 j , 0 . 3 8 2 6 8 3 4 3 + 0 . 9 2 3 8 7 9 5 3 j ,
-0.38268343 -0.92387953 j , 0.38268343 -0.92387953 j ,
-0.92387953 -0.38268343 j , -0.92387953+0.38268343 j ])
GNU Radio también incluye varias funciones para calcular los puntos de constelación de diferentes
tipos de modulación, pero ellos aparecen ordenados en una forma particular que puede tener ventajas
para facilitar la prevensión y corrección de errores, pero al mismo tiempo puede resultar confusa
para la aplicación de técnicas adicionales de canal que requieren conocer el orden de los puntos de
constelación como es el caso de la Codificación Diferencial que se trata más adelante. A continuación
se muestran ejemplos de generación de puntos de constelación usando funciones que proporciona
GNU Radio:
>>> from gnuradio import digital
>>> digital . c o n s t e l l a t i o n _ b p s k () . points ()

(( -1+0 j ) , (1+0 j ) )
>>> digital . c o n s t e l l a t i o n _ q p s k () . points ()

(( -0.7071070075035095 -0.7071070075035095 j ) ,
(0.7071070075035095 -0.7071070075035095 j),
( -0.7071070075035095+0.7071070075035095 j),
(0.7071070075035095+0.7071070075035095 j))
>>> digital . c o n s t e l l a t i o n _ 8 p s k () . points ()

((0.9238795042037964+0.3826834559440613 j),
( -0.9238796234130859+0.38268327713012695 j),
(0.9238795638084412 -0.3826834261417389 j),
( -0.9238795042037964 -0.3826834261417389 j ) ,
(0.3826834261417389+0.9238795042037964 j),
( -0.38268351554870605+0.9238795042037964 j),
(0.3826836049556732 -0.9238794445991516 j),
( -0.382683128118515 -0.9238796830177307 j ) )
>>> digital . c o n s t e l l a t i o n _ 1 6 q a m () . points ()
242
((0.3162277638912201 -0.3162277638912201 j),
( -0.3162277638912201 -0.3162277638912201 j ) ,
(0.9486832618713379 -0.9486832618713379 j),
( -0.9486832618713379 -0.9486832618713379 j ) ,
( -0.9486832618713379 -0.3162277638912201 j ) ,
(0.9486832618713379 -0.3162277638912201 j),
( -0.3162277638912201 -0.9486832618713379 j ) ,
(0.3162277638912201 -0.9486832618713379 j),
( -0.9486832618713379+0.9486832618713379 j),
(0.9486832618713379+0.9486832618713379 j),
( -0.3162277638912201+0.3162277638912201 j),
(0.3162277638912201+0.3162277638912201 j),
(0.3162277638912201+0.9486832618713379 j),
( -0.3162277638912201+0.9486832618713379 j),
(0.9486832618713379+0.3162277638912201 j),
( -0.9486832618713379+0.3162277638912201 j))
GNU Radio incluye un bloque llamado “Constellation Object”, ver figura 18, que crea un objeto que
requieren la mayorı́a de los bloques que guardan relación con las constelaciones. Ese objeto no es
otra cosa que una especie de tabla que guarda todos los detalles de la constelación como: los puntos
de constelación pero también otros detalles.
varios bloques de GNU Radio relacionados con el procesamiento de las constelaciones reclaman la
existencia del objeto de constelación mencionado anteriormente. Otros en cambio solo piden los
puntos de constelación que tambien se pueden entregar por medio de ese objeto por ejemplo con un
comando tipo: MiConstelacion.points(), donde “MiConstelacion” es el nombre dado al objeto.
bloque “Constellation Object” tiene un parámetro algo confuso de entender llamado “Symbol Map”.
Este parámetro y los demás que allı́ aparecen no son para nada de lo tratado hasta el momento.
Está más bien relacionado con el uso de la codificación diferencial que se trata más adelante,pero no
lo usaremos pues el mapeo a que hace referencia lo implementaremos de manera separada.
Figura 18: El bloque Constellation Object.
En la figura 19 se presenta un ejemplo del resultado de la Modulación 16 QAM implementada en GNU

Radio.
243
Figura 19: Ejemplo de la modulación 16QAM implementada en GNU Radio.
De estos resultados podemos resaltar lo siguiente:

A diferencia de los ejemplos mostrados hasta el momento, en GNU Radio se maneja, naturalmente,
señales discretas, de manera que solo hay una muestra por bit, ası́ como una muestra por sı́mbolo.
Es posible apreciar que los sı́mbolos tienen una frecuencia de muestreo bps = log2 (M ) menor que
los bits, lo cual es natural ya que cada sı́mbolo representa a bps bits.
6.5. Curvas de BER

En una comunicación Digital, Errores de Bits o Bit Error es el número de bits en un volumen de datos
transmitidos que llegan alterados al receptor debido a su paso por el canal, donde la señal es afectada por
el ruido, interferencias y/o distorsiones. BER (Bit Error Ratio) es el número de bits con errores dividido
entre el total de bits transmitidos en un intervalo de tiempo de interés. Es usualmente medido en forma
de porcentaje. La probabilidad de error Pe o Probabilidad de Perdida de Bits es sinónimo de BER, pero
es usualmente presentada como un porcentaje.
Veamos un ejemplo. Tenemos la siguiente secuencia a transmitir:

0110001011
Una vez transmitida, al receptor llega lo siguiente:

0010101001
En este ejemplo, podemos ver que 3 bits recibidos no coinciden con los transmitidos, luego se están presen-
tando un bit Error de 3. La BER se calcula como los 3 bits incorrectos divididos entre 10 bits transmitidos,
lo cual resulta en una BER de 0.3 y equivale a una probabilidad de pérdida de bits del 30 %.
6.5.1. El problema a resolver

A continuación nos dedicaremos a descubrir cual es el problema que se busca resolver mediante las
curvas de BER.
244
En este momento hemos estudiado varios tipos de modulación (BPSK, QPSK, M-PSK, M-QAM) que
son comunes en las comunicaciones inalámbricas. Se ha comprobado que si el canal está limitado en una
banda B, con cualquiera de esas modulaciones se conduce una misma rata de sı́mbolos Rs sobre esa banda
fija B. De hecho, cualquiera de esas modulaciones, en esas condiciones, tiene la misma PSD. En la figura
16 se mostró la PSD de la modulación 16QAM bandabase. Ahora presentamos la PSD de la Modulación
BPSK en la figura 20, la PSD de la Modulación QPSK en la figura 21 y la PSD de la Modulación 8PSK
en la figura 22.
Figura 20: PSD de una señal BPSK.
Figura 21: PSD de una señal QPSK.
Figura 22: PSD de una señal 8PSK.
Vemos que para todas esas Modulaciones, la PSD es la misma y la diferencia entre esas modulaciones
está en la rata de bits, que es diferente para cada una de ellas, ya que Rb = Rs bps, donde bps = log2 (M )
y M es el número de puntos de constelación.
Pensarı́amos entonces que lo recomendable es una Modulación con un valor infinitamente alto para
M , ya que entre más alto sea M mayor es la eficiencia espectral de la Modulación dada. En realidad las
245
cosas no son ası́ tan sencillas, el problema para las modulaciones de mayor grado (M mayor) se ven más
afectadas por el ruido. En la figura 23 se presenta un caso en que todas las constelaciones, a pesar del nivel
de ruido conservan una forma que permite distinguir cada punto, de modo que para este caso la mejor
modulación es la 16 QAM ya que además tiene mayor eficiencia espectral que las demás.
Figura 23: Comparación de BPSK, QPSK, 8PSK y 16QAM ante el ruido. Caso1
Sin embargo, en la figura 24 se tiene un segundo caso, en la que la relación señal a ruido es inferior,
observamos cómo los sı́mbolos en la modulación 16 QAM tienden a solaparse entre sı́. Lo mismo ocurre
con la 8PSK aunque en menor grado. Eso significa que se va a presentar una pérdida de sı́mbolos muy alta
y quizá inaceptable. Por lo tanto, en este caso, la mejor modulación es la QPSK.
Figura 24: Comparación de BPSK, QPSK, 8PSK y 16QAM ante el ruido. Caso2
246
En los sistemas de comunicaciones modernos, un sistema puede usar varios tipos de modulación, de
manera que tiene la posibilidad de escoger la que más convenga de acuerdo a la relación señal a ruido
que le brinde el canal. Entonces surge la pregunta que estamos buscando: ¿Qué criterio de decisión puede
servir para escoger una u otra modulación?
6.5.2. La solución al problema

La respuesta está en conocer previamente el desempeño de cada tipo de modulación ante un referente
apropiado. Ese referente es el ruido blanco gaussiano aditivo. Es prácticamente imposible crear unas con-
diciones reales para probar un sistema de comunicaciones ante el ruido, ya que en un canal inalámbrico
existen muchos otros fenómenos que el ruido blanco gaussiano aditivo. Por lo tanto, resulta importante
hacer la experimentación mediante simulación, para lo cual es necesario implementar un Canal de Ruido
Blanco Gaussiano Aditivo (AWGN, del inglés Additive White Gaussian Noise). La idea es poder medir la
rata de bits perdidos para cada tipo de modulación en condiciones similares para diferentes relaciones de
señal a ruido.
En este caso, no es usual usar una relación señal a ruido como la que se usa en las comunicaciones
analógicas sino maś bien una relación Eb /No , donde Eb es la energı́a de cada bit, la cual se calcula como:
P
Eb = P Tb = (6.17)
Rb
donde P es la potencia promedio de la señal actual sin tener en cuenta ruido, Tb es la duración de cada bit
y Rb es la rata de bits. También es común usar la relación Es /No , donde Es es la energı́a de cada sı́mbolo,
la cual se calcula como:
P
Es = P Ts = (6.18)
Rs
donde Ts es la duración de cada sı́mbolo y Rs es la rata de sı́mbolos.
Figura 25: Curvas de BPSK, QPSK y 8PSK y 16PSK
Al encontrar la probabilidad de pérdida de bits para cada valor de Es /No o de Eb /No , se puede construir
una gráfica que se conoce como la Curva de BER (del inglés Bit Error Ratio) o de SER (Simbol Error
Ratio). En la figura 25 se tiene un ejemplo de las curvas de BER para las modulaciones BPSK, QPSK y
8PSK y 16PSK. De su observación podemos deducir lo siguiente:
Entre más abajo esté la curva de BER para una Modulación, mejor desempeño muestra esa modu-
lación ante el ruido blanco aditivo gaussiano.
247
De acuerdo a la figura 25, las Modulaciones QPSK y la BPSK están coincidiendo, eso significa que
la modulación QPSK es notablemente mejor, pues aunque tiene el mismo desempeño ante el ruido
que la BPSK, es ya bien sabido que tiene mayor eficiencia espectral.
Vemos que entre más alto sea el valor de M, para una modulación M-PSK menor es su desempeño
ante el ruido.
Supongamos que nuestro sistema debe soportar una pérdida de bits de al menos 10−6 y en cierto
momento de interés se presenta una relación Eb /N0 = 16. Podemos ver que las siguientes modula-
ciones cumplen las condiciones dadas: BPSK, QPSK y 8PSK, entonces la modulación que más le
conviene al sistema en esas condiciones es la 8-PSK, ya que aunque cumple las condiciones dadas y
además tiene mayor eficiencia espectral que las demás.
Las curvas de BER también pueden ser dadas en función de Es/No como se muestra en la figura 26.
Figura 26: Curvas de BER Diversas Modulaciones.

La BER puede ser evaluada usando simulación estocástica computarizada, lo cual se conoce mejor como
el Método de Monte Carlo. Pero es bastante común también su cálculo analı́tico asumiendo un sencillo
modelo del canal de transmisión y una fuente de datos, en este caso uno de los modelos es el de Bernoulli,
el cual proporciona unas fórmulas ya listas para cada tipo de modulación.
A continuación se explica una implementación realizada por los autores para obtener las curvas de
BER con el GRC de GNU Radio usando el método de Monte Carlo.
El primer paso consiste en contar con un medidor confiable de BER. En GRC de GNU Radio existe
uno llamado ‘‘Error Rate’’. Sin embargo, hemos optado por desarrollar uno propio ya que el anterior no
brinda detalles necesarios para construir una Curva de BER como el número de bits procesados, el número
de errores obtenidos. El bloque que hemos implementado lo hemos llamado ‘‘e Symbol Rate’’. El mismo
bloque puede servir para para obtener mediciones de sı́mbolos perdidos, por lo tanto para obtener Curvas
de SER (Symbol Error Ratio) como se muestra en la figura 27, ya que a la entrada del bloque “Chunk
to Symbols” y a la salida del bloque “Constellation Decoder” ya se tiene la señal en forma de sı́mbolos
M-PAM, lo cual es válido para diferentes tipos de modulación.
248
Figura 27: Flujograma para obtener valores de la Curva de SER.
Flujograma usado: Medicion BER.grc
Con esta implementación podemos realizar las siguientes observaciones:

Para obtener una comparación sobre el desempeño de un tipo de modulación con respecto a otra no
es necesario recurrir a una implementación real.
Lo único que hay que tener en cuenta es que la comparación se realice en condiciones similares
También es importante que la implementación sea lo más sencilla posible ya que, dependiendo del
grado de perfección que se desee para la medición de esos valores, el simulador tendrá que procesar
un alto volumen de datos para estabilizar el promediado para obtener el valor de SER para un valor
dado de Eb /N0 .
En este sentido, solo hay que incluir, aparte de los elementos de modulación, un generador de ruido
que permita variar el nivel de ruido en función del valor de la relación Eb /N0 o Es /N0 . Eso lo hemos
logrado con un sencillo canal compuesto por el bloque ‘‘Noise Source’’ y el ‘‘Add’’.
El parámetro Amplitud del bloque ‘‘Noise Source’’ corresponde en realidad a la desviación
estándar del ruido a generar, que para el caso dado, corresponde al valor RMS del ruido y a su
vez corresponde al valor medio de los valores que toma la magnitud de la señal.
Se sabe que la potencia promedio de una señal aleatoria es el valor RMS al cuadrado, de modo que
la potencia promedio del ruido que entrega el ‘‘Noise Source’’ está relacionada con el valor RMS
ası́: √
VRM S = Pr (6.19)
En el capı́tulo 1.6.15 se estudió el ruido blanco gaussiano y se dijo que su PSD está distribuida en
todas las frecuencias y tiene un valor constante igual a N20 .
En el capı́tulo 3.6.2.1 quedó claro que cuando se trata de la Envolvente Compleja del ruido blanco,
su PSD tiene un valor constante en todas las frecuencias igual a N0 .
Aunque una señal como el ruido blanco ocupa todas las frecuencias, también es cierto que lo que
se está generando el bloque ‘‘Noise Source’’ es una versión muestreada de ruido blanco en banda
base
También es importante tener en cuenta que, de lo que se trata en este caso, es de la Envolvente
Compleja del ruido blanco discreto con una frecuencia de muestreo igual a la rata de sı́mbolos.
Del capı́tulo 1.6.12 se sabe que la potencia promedio de una señal es igual al área bajo la curva de
su PSD.
Por lo anterior, vale la pena recordar el Teorema de Muestreo explicado en el capı́tulo 4.8.1.1, el
cual, para el caso del ruido blanco nos permite afirmar que, debido al muestreo, el bloque genera un
ruido blanco pero limitado en su ancho de banda, entre la frecuencia Fmin = −Rs /2 y Fmax = Rs /2,
por lo tanto la potencia promedio del ruido blanco es:
√
VRM S = Pr (6.20)
Pn = (Fmax − Fmin )N0 = Rs N0 (6.21)
Nota: esto es válido solo cuando el número de muestras por sı́mbolo Sps = 1, al menos el punto de
la medición, pues en este caso se cumple que la frecuencia de muestreo es la misma que la rata de
sı́mbolos.
249
Teniendo en cuenta la ecuación 6.18, puede decirse que la rata de sı́mbolos está relacionada con la
Energı́a y la Potencia de los sı́mbolos recibidos de la siguiente manera:
Ps
Rs = (6.22)
Es
Por lo tanto,
Ps
Pn = (6.23)
Es /N0
De aquı́ surge la siguiente importante deducción: La relación Es/N0 es igual a la relación entre la
potencia promedio de la señal útil con la del ruido blanco, que no es otra cosa que lo que se conoce
como Relación Señal a Ruido o SNR (del ingles Signal to Noise Relationship) que es la relación entre
la potencia de la señal y la potencia del ruido.
Ps
Es /N0 = = SN R (6.24)
Pn
Finalmente, encontramos que el bloque ‘‘Noise Source’’ debe ser configurado con el siguiente valor
para el parámetro ‘‘Amplitude’’:
r s
√ Ps Ps
VRM S = Pn = = (6.25)
SN R Eb /N0
El bloque ‘‘e symbol Rate’’ puede también calcular bits perdidos si en sus dos entradas se conectan
señales binarias en vez de M-arias, que es como está la configuración de la figura 27.
El término SER y BER aparentan ser lo mismo, lo cual se puede ver en el siguiente ejemplo: Si
entre 106 sı́mbolos transmitidos se presentan 10 erróneos, se tiene que la probabilidad de pérdida de
sı́mbolos es:
10
[SER = 6 = 10−5 (6.26)
10
Supongamos ahora que se usa la modulación 8-PSK, la cual lleva bps = logs2 (8) = 3 bits por sı́mbolo.
Entonces se habrán enviado en realidad 3 106 y se habrán presentado 30 errores, de modo que:
30
BER = = 10−5 (6.27)
3 106
Pero en realidad no es tan ası́. Como vimos al hablar de los códigos de Gray, cuando se presenta un
error, porque un sı́mbolo ha sido confundido por uno vecino en la constelación, solo se ha perdido un
bit, no los bps bits que hay en cada sı́mbolo. Si no se aplica una codificación especial puede ocurrir
lo contrario, que la pérdida de cada sı́mbolo se traduzca en una pérdida más dramática de bits. Por
lo tanto, dependiendo el grado se sofisticación del modulador y el demodulador, la curva de BER
puede llegar a mostrar resultados más alagadores o más pesimistas que la de SER. En todo caso, la
curva de SER revela resultados más genéricos que la BER.
Aunque GNU Radio tiene buenas herramientas para obtener el espectro de las señales, no cuenta
en realidad con un bloque o función que calcule propiamente la PSD de una señal. Es por esa razón
que no podemos ver con GNU Radio viene clara una demostración de la PSD del ruido blanco en
función por ejemplo de la frecuencia de muestreo.
250
Figura 28: Flujograma para obtener la Curva de BER para cualquier tipo de modulación.
Flujograma usado: bertool plus.grc
El bloque “e Symbol Rate”, usado apropiadamente, permite obtener valores de BER o de SER para distin-
tos valores de Eb /N0 o Es /N0 , pero no crea realmente una Curva de BER o de SER. GNU Radio y menos
aún el GRC traen herramientas para obtener las Curvas de BER o de SER. En Matlab y en Simulink de
Matlab se tiene una solución que consiste en crear un software para el sistema de comunicación y otro
software para llamar al primero con diferentes valores de Es/No. Lo que proponemos en la figura 28 es
algo mucho más sencillo y novedoso.
La solución consiste en la implementación del bloque ‘‘B BERTool’’, el cual tiene las siguientes cuali-
dades:
Funciona como un canal de ruido blanco Gaussiano Aditivo, es decir un canal AWGN. Pero tiene
un comportamiento particular:
Por un lado, va cambiando internamente la potencia del ruido de una manera conveniente para crear
las más diversas condiciones para medir la BER o la SER.
Además de pedir como entrada la señal modulada, también pide la señal de los bits o de los sı́mbolos
transmitidos y la de los bits o de los sı́mbolos recibidos en el receptor.
El bloque cuenta entonces con todos los datos para realizar los cálculos para obtener una curva de
BER o de SER, la cual la entrega en forma de un vector de N snr valores.
Solicita un valor mı́nimo y uno máximo para la relación Es /N0 . El bloque también pide el número
de puntos para cada curva de BER o SER, lo cual se configura en el parámetro N snr.
El funcionamiento del bloque comienza por crear un vector de N snr con valores tomados entre el
valor mı́nimo y máximo dado para la relación Es /N0 . Ese vector lo usa para generar el nivel de
ruido apropiado para obtener un vector con los valores de la Curva de BER o de SER para poder
entregar un vector de N snr elementos de la Curva de BER o de SER. Esta curva se va ajustando
todo el tiempo a medida que crece el número de bits o de sı́mbolos que entran por las entradas in TX
e in Rx.
La salida del bloque es un vector de N snr valores de la Curva de BER o de SER que puede irse
graficando en un bloque ‘‘QT GUI Vector Sink’’.
En la figura 29 se tienen las curvas obtenidas para los tipos de modulación estudiados.
251
Figura 29: Curvas de BER obtenidas con GNU Radio.
Flujograma usado: bertool plus M.grc
6.6. Formación de Pulsos y Acoplamiento en comunicacio-

nes Digitales inalámbricas
En GNU Radio el Wave Forming es también un paso necesario cuando se tiene una señal con modu-
lación digital. La diferencia es que esa señal será compleja ya que se tratará de una señal que espera el
Up Converter, el cual a su vez se encuentra en el Hardware de una solución SDR. Antes de llegar al Up
Converter la señal debe pasar por un conversor digital análogo (DAC) como es el caso del hardware usado
en el NI USRP 2920 visto en el capı́tulo 1 y que se resume en la figura 30.
Figura 30: El Formador de Pulsos en una solución SDR.
En la figura 31 se tiene un ejemplo de la señal que entrega un modulador digital BPSK en GNU Radio,
la cual es compleja por tratarse de la versión bandabase. Como puede verse, esa señal está un tanto alejada
de la correspondiente en el mundo real, que son los cuadros que aparecen punteados en la figura 31.
252
Figura 31: Ejemplo de la señal que entrega el modulador BPSK.
Nota: En lı́nea azul grueso la componente real, en rojo la imaginaria, en punteada la que corresponde en el mundo
fı́sico. Ts - duración del sı́mbolo
Figura 32: El Wave Forming como intermediario entre el Modulador y el DAC.
6.6.0.1. Wave Forming basado en pulsos rectangulares

En la figura 33, en color azúl muestra la señal que se podrı́a tener a la salida del bloque Wave Forming
si este se configura para que cada sı́mbolo se repita cuatro veces en la misma duración Ts. Entonces, se
obtiene una señal con una frecuencia de muestreo 4 veces mayor a la anterior la cual es más parecida a la
esperada en el mundo real.
Figura 33: En lı́nea azul la componente real y en rojo la señal a la salida del bloque Wave
Forming. En negro la salida del DAC. Sps=4.
El DAC entrega como resultado la señal que aparece en color negro para la parte real y una de nivel
cero para la parte imaginaria. Tampoco se ha logrado reproducir la señal continua en forma ideal como
la mostrada en forma punteada en la figura 31, ya que esa señal tendrı́a un espectro de ancho de banda
infinito, lo que significa que es necesario que haya infinitas muestras por bit en la señal que se entrega al
DAC, lo cual es imposible desde todo punto de vista. Se obtiene más bien una señal que tiene una forma
similar a la esperada y que de paso tiene un ancho de banda finito igual a:
samp rate Sps

BW = = (6.28)
2 2Ts
253
Donde samp-rate es la frecuencia de muestreo de la señal que entra al ADC y Sps es el número de
muestras por sı́mbolo, (del inglés samples per symbol ), lo cual es coherente con el Teorema de Nyquist.
En la figura 34 se tiene otro ejemplo para el caso de la modulación 8PSK.
Figura 34: Envolvente Compleja con forma rectangular para la Modulación 8PSK.
6.6.0.2. El Filtro Coseno Alzado
Figura 35: Flujograma con Modulación Digital y Formador de Pulsos.
Flujograma usado: WaveForming QPSK.grc
254
Figura 36: Resultados de Wave Forming aplicado a la modulación QPSK, con Filtro RC y
rolloff=0.5
Flujograma usado: WaveForming QPSK.grc
255
Figura 37: Resultados de Wave Forming aplicado a la modulación 8PSK, con Filtro RC y
rollof f = 1
Flujograma usado: WaveForming 8PSK.grc
Figura 38: Diagrama de Ojo de una señal con Modulación 8PSK, con Filtro RC, rolloff=1
a) Parte real b) Parte Imaginaria
En la figura 35 se presenta el flujograma de un sistema básico que permite generar una señal M-PAM,
que pasa a un Modulador basado en constelaciones implementado en el bloque ‘‘Chunks to Symbols’’
y finalmente pasa por el formador de pulsos implementado mediante el bloque ‘‘Interpolating FIR
Filter’’. Sobre el Formador de pulsos podemos decir los siguiente:
256
Para el formador de pulsos hemos usado exactamente el mismo bloque que hemos usado para el
caso de señales reales, lo único diferente es su configuración que requiere lo siguiente: El parámetro
‘‘Type’’ se configura como Complex → Complex(RealT aps), que significa que la entrada y la
salida del bloque son complejas, pero la respuesta al impulso la introducimos como valores reales.
Cualquier tipo de modulación puede ser configurada en el bloque ‘‘Chunks to Symbol’’.
Cualquiera de los Formadores de pulsos vistos puede ser configurado en el bloque ‘‘Interpolation
FIR Filter’’.
Si corremos este flujograma, para Sps = 8, Modulaición QPSK, Filtro RC con rollof f = 0,5 obtenemos los
resultados presentados en la figura 36. En la figura 37 tenemos otro ejemplo para el caso de la modulación
8PSK, usando Filtro RC, con rollof f = 1
De la misma manera, es posible encontrar el diagrama de ojo, pero claro está, para la parte real y la
imaginaria como se muestra en la figura 38.
Igualmente, en este tipo de modulaciones aplican los filtros de acoplamiento para eliminar el ruido
blanco, lo cual se deduce de lo ya explicado. Por lo tanto, también se usa ampliamente el Filtro RRC.
6.7. Consecuencias de otros Fenómenos

6.7.1. Desviación angular
En términos de señal paso bandas, se refiere a la desviación angular que existe entre dos señales. En la
figura 39 se tiene un ejemplo para la modulación BPSK, donde la versión original está en color azul y la
versión desfasada en 45 grados está en color rojo.
Figura 39: Señal BPSK y su versión desfasada en 45 grados.
En la figura 40 se tiene otro ejemplo para el caso en que el desfase es de 90 grados. En los sistemas
de comunicación, el desfase es prácticamente un fenómeno obligatorio dado principalmente por el paso
de la señal a través de diferentes condiciones del medio de transmisión, que para nuestro caso es el canal
inalámbrico. También se puede producir en el paso de la señal por diferentes circuitos de radio que se
tienen tanto en los equipos de transmisión como de recepción. Incluso, aún en el caso hipotético en que la
señal llegue sin desfase alguno, este puede aparecer al intentar bajar la señal a bandabase, ya que es poco
probable que la fase del oscilador local del Down converter esté en fase con la señal recibida.
257
Figura 40: Señal BPSK y su versión desfasada en 90 grados.
Cuando se usan las técnicas de SDR la desviación de fase que llega al receptor no alcanza a ser co-
rregida completamente en el hardware, de manera que se presenta en la Envolvente Compleja discreta
que se recibe. En la figura 41 se presenta un ejemplo para el caso de la modulación 16QAM, en la parte
superior se tiene la constelación generada en el modulador de la parte transmisora, en la parte inferior
está la constelación que se obtiene en el receptor cuando se presenta la desviación angular.
258
Figura 41: Constelación de la Modulación 16QAM y su versión con desviación de fase.
La implementación de un simulador de un canal banda base con desviación de fase puede realizarse de
la siguiente manera:
z(t) = s(t)ejφ (6.29)
donde s(t) es la Envolvente Compleja de la señal que el transmisor entrega al canal; φ es el desfase que
introduce el canal; y z(t) es la salida del canal.
6.7.2. Desviación en frecuencia

Las desviaciones entre la frecuencia usada en la transmisión y la que llega a un receptor, luego de
que la señal atraviesa un canal, son también un fenómeno casi obligado, sobre todo cuando el canal es
inalámbrico. La causa principal es el Efecto Doppler, aunque pueden haber otras como por ejemplo las
imperfecciones en los circuitos que generan la portadora tanto en el transmisor como en el receptor. En la
figura 42 se presenta un ejemplo, donde la señal en color rojo aparece dos veces desviada de la original, sin
embargo, en la práctica esta desviación suele ser de unos pocos Hertz.
259
Figura 42: Desviación Frecuencias entre dos señales BPSK.
Como en el caso de la desviación de fase, al usar técnicas de SDR, las desviaciones de frecuencias no
alcanzan a ser corregidas completamente con el hardware, de modo que es un problema que se traslada
a las componentes de software. En este sentido, nos ocuparemos ahora en conocer cómo es la Envolvente
Compleja de una señal con desviación de frecuencias comparada con una sin ella. En este caso, la desviación
está dada por la siguiente expresión:
z(t) = s(t)ej2πfdesv t (6.30)
donde s(t) es la Envolvente Compleja de la señal que el transmisor entrega al canal; fdesv es la desviación
de frecuencia que introduce el canal; y z(t) es la salida del canal.
Desde este punto de vista, es fácil deducir que una señal con desviación de frecuencias, puede ser observada
a la salida del Down converter como una constelación similar a la mostrada en la figura 41 pero no estática,
sino girando en contra de las manecillas del reloj si la desviación es positiva o en favor de las manecillas
del reloj si es negativa.
6.7.3. Frequency Lock Loop (FLL) y Phase Local Loop (PLL)

Un método sencillo para estabilizar una constelación consiste en que el bloque de sincronización tenga
la información sobre la constelación usada. Se basa en la implementación de un Bucle de Costas (Costas
Loop) para medir la señal recibida en búsqueda del error que presenta con respecto al punto de constelación
más cercano en la constelación que se tiene como modelo. La siguiente figura ha sido tomada de Wikipedia
y refleja muy bien la idea: una señal m(t) puede llegar con una desviación de frecuencias $, se involucra
un VCO para corregirla.
Figura 43: Frequency Lock Loop.
fuente: https://en.wikipedia.org/wiki/Costas-loop
De manera similar funciona el FLL (Frequency Lock loop) , pero m(t) es una Envolvente Compleja.
El bloque puede fallar cuando las desviaciones son exageradamente altas. El bloque se conecta usualmente
después del ecualizador.
260
Figura 44: Resultados del sistema de comunicación FM.
Figura 45: PLL para cuando la entrada es la Envolvente Compleja.
En la figura 44 se tiene una interconexión que puede ser usada para construir un bloque FLL en GNU
Radio teniendo en cuenta que en GNU Radio no contamos con la señal pasobandas sino con la Envolvente
Compleja. Por ello, lo que el generador debe suministrar es una onda compleja. El medidor de velocidad lo
que mide es la velocidad del vector rotante para ordenar al VCO generar la onda compleja con la frecuencia
apropiada. Lo mismo pasa para construir un bloque PLL, como se muestra en la figura 45, solo que ahora
el VCO lo que entrega es un valor complejo ejφ .
Otro bloque el “Costas Loop”. Este bloque está pensado para ser usados en modulaciones M-PSK,
utiliza un bucle de segundo orden y por lo tanto se define con un parámetro de ancho de banda de bucle.
La otra cosa que este bloque necesita es el orden de la modulación M-PSK, de modo que es 2 para BPSK, 4
para QPSK y 8 para 8PSK. En la 46 podemos ver que los sı́mbolos a la entrada del bloque “Costas Loop”
están todos en el cı́rculo de unidad, pero girando debido a que aún no se está realizando la compensación
de frecuencia ni la fase. A la salida del bloque de bucle Costas, podemos ver la constelación bloqueada más
el ruido extra que no podemos suprimir.
261
Figura 46: Antes y después de aplicar FLL.
6.7.4. La codificación Diferencial para atacar la ambigüedad de fase

Obsérvese que en nuestra discusión anterior la corrección de las desviaciones de frecuencia o de fase se
basan en un conocimiento previo de la forma de la constelación, pero debido a que la constelación tiene
una forma simétrica es posible que la constelación recibida y procesada resulte girada en un ángulo tal que
tenga la misma apariencia de la constelación transmitida. Entonces ocurre que cada punto puede resultar
expresando un sı́mbolo diferente al transmitido. Para resolver este problema hay que aprovechar que, en
todo caso, se mantiene el orden de la secuencia de los sı́mbolos, es decir, los sı́mbolos siguen llegando en el
mismo orden en que fueron emitidos, solo que con fases diferentes.
6.7.4.1. Proceso de codificación diferencial

La idea es no transmitir los sı́mbolos tal y como se originan sino los que resulten de la diferencia entre
ellos, de modo que la información útil no se asocia a un punto de constelación sino a la diferencia entre
puntos de constelación. En la parte receptora se obtiene cada sı́mbolo a partir de su relación con otro
sı́mbolo adyacente.
En la parte transmisora, la solución se implementa mediante un codificador diferencial. Para el caso

más sencillo, supongamos que los sı́mbolos transmitidos son simplemente bits y que en un instante deter-
minado, a la entrada del codificador se tiene el bit xi . La salida yi se calcula ası́.
yi = yi−1 ⊕ xi (6.31)
Donde ⊕ es la operación de suma binaria o suma por módulo 2.
En la parte receptora, se realiza la operación inversa
xi = yi ⊕ yi−1 (6.32)
De modo que en el receptor el valor de xi no está en un determinado sı́mbolo yi sino en la diferencia
con respecto al sı́mbolo anterior yi−1 .
262
Para llevar a cabo esta idea en el caso en que se usan sı́mbolos compuestos por k bits, es necesario
aplicar la operación a paquetes de k bits, ası́, en el caso de BPSK, k = 1; en QPSK, k = 2; en 8PSK,
k = 3; en 16QAM, k = 4. Cabe notar que k = log2 (M ), donde M es el número de puntos de constelación
de la modulación de interés.
Veamos un ejemplo para la modulación 8PSK:
• El sı́mbolo actual es xi = 110

• El sı́mbolo anterior era yi−1 = 101
• La salida del encoder es: yi = yi−1 ⊕ xi = 101 ⊕ 110 = 011
• En el decoder se realiza la operación: xi = yi ⊕ yi−1 = 011 ⊕ 101 = 110
Veamos un ejemplo más completo para la misma modulación:
Supongamos que la señal a la entrada del codificador es 110010011100 y que puede ser ser vista como
sı́mbolos de a 3 bits de la siguiente manera:
x = [110][010][011][100]
Supongamos que al iniciar el proceso el codificador está en estado:
y0 = [111]
Con la llegada del primer sı́mbolo al codificador se produce la salida de la siguiente manera:
y1 = y0 ⊕ x1 = 111 ⊕ 110 = 001
Con el segundo sı́mbolo
y2 = y1 ⊕ x2 = 001 ⊕ 010 = 011
Con el tercer sı́mbolo
y3 = y2 ⊕ x3 = 011 ⊕ 011 = 000
Con el cuarto sı́mbolo
y4 = y3 ⊕ x4 = 000 ⊕ 100 = 100
Veamos ahora lo que ocurre en la parte receptora
Al decodificador llega la señal:
y = [111][001][011][000][100]
Con la llegada del primer sı́mbolo al decodificador se produce la salida de la siguiente manera:
x1 = y0 ⊕ y1 = 111 ⊕ 001 = 110
Con el segundo sı́mbolo
x2 = y1 ⊕ y2 = 001 ⊕ 011 = 010
Con el tercer sı́mbolo
x3 = y2 ⊕ y3 = 011 ⊕ 000 = 011
Con el cuarto sı́mbolo
263
x4 = y3 ⊕ y4 = 000 ⊕ 100 = 100
Como podemos ver, la salida del decodificador es: 110010011100 y es igual a la entrada del codificador.
6.7.4.2. La codificación diferencial generalizada

La operación yi−1 ⊕ xi no es la única forma para una codificación diferencial. De manera más genérica,
se puede usar una función u = F (x, y) siempre y cuando la ecuación u0 = F (y0 , x) solo tenga una solución
para cualquier y0 y u0 .
6.7.4.3. Problemas de la codificación diferencial

La codificación diferencial tiene una desventaja significativa: Multiplica errores. Esto es, si un sı́mbolo
yi es recibido incorrectamente, habrán dos sı́mbolos de información xi y xi+1 decodificados incorrectamen-
te ya que ambos dependen de yi , pues: xi = yi ⊕ yi−1 , pero xi+1 = yi+1 ⊕ yi . Por esa razón, la rata de
sı́mbolos perdidos se dobla.
Pero hay otro problema: solo aplica para aquellos tipos de modulación donde la información va expre-
sada solo con claves de fase como es el caso de BPSK, QPSK, 8PSK y en general M-PSK.
Por lo anterior, existen otras alternativas para para resolver ambigüedad de fase. Por ejemplo, en la
televisión digital satelital, con el sistema DVB-S, se usan syncword sobre una trama de sincronización, de
manera que si en esa trama se detecta que las syncword están invertidas de alguna manera, todos los datos
proceden a ser invertidos de manera consecuente.
6.7.4.4. Implementación en GNU Radio de la Codificación Diferencial

GNU Radio trae una pareja de bloques dedicado a este tipo de codificación, son los bloques ‘‘Differential
Encoder’’ y ‘‘Differential Decoder’’, como se muestra en la figura 47. Estos bloques trabajan con
señales reales M-arias, que hasta el momento hemos llamado señales M-PAM.
Figura 47: Flujograma para implementar la capa base que incluye codificación diferencial y
modulación con EC.
Flujograma usado: cod diff2.grc
En el ejemplo de la figura 47 hemos tenido que agregar un canal, el bloque ‘‘b Canal simple cc’’ de
por medio que nos permitiera inyectar desviaciones angulares controladas para comprobar el comporta-
miento del codificador diferencial.
264
6.7.4.5. Implementación en GNU Radio de la codificación diferencial con mapeo
La solución implementada en el punto anterior tiene aún un gran problema: Solo funciona cuando los
puntos de constelación están ordenados de manera consecutiva, lo cual no es el caso común pues la mayorı́a
de las veces encontraremos esos puntos ordenados con el Código de Gray o incluso en un orden totalmente
diferente.
La solución que se propone a continuación funciona igual de bien cuando los puntos de constelación
están ordenados de acuerdo al código de Gray o con cualquier otro método. La idea es analizar previamente
la constelación usada para identificar la manera de poder reordenar las muestras de la señal que entra al
modulador de un modo tal que a la salida aparezca como puntos de constelación ordenados de manera
decimal. Eso sin alterar los beneficios que tiene el orden usado internamente para los puntos de constelación
ya que no se está modificando la Constelación, solo el orden en que las muestras entran.
En la Figura 48 se muestra el flujograma de la solución, donde se destacan como nuevos elementos: un

bloque “Map” antes del modulador, otro después del Demodulador y unas nuevas variables.
La novedad está en el siguiente procedimiento:
Figura 48: PSD de para una señal super super QPSK
Flujograma usado: cod diff map.grc
En un bloque ”Python Module”, que para el ejemplo dado hemos llamado “coding” se crean las
funciones que permiten encontrar, para cualquier constelación, el orden en que están organizados
sus puntos de constelacion. Como resultado obtendremos un código de mapeo directo y uno inverso.
El siguiente es el código en Python:
import numpy
import math
def sum_modulus (a ,b , modulus ) :

# realiza una suma de a y b en modulo modulus
return ( a + b ) %modulus
def angle_map ( c o n s t e l l a t i o n _ p o i n t s ) :
# esta funcion entrega todos los angulos p o s i t i v o s entre 0 y 2 pi
angles = numpy . angle ( c o n s t e l l a t i o n _ p o i n t s )
return sum_modulus ( angles , 2* math . pi , 2* math . pi )
def inverse_map ( c o n s t e l l a t i o n _ p o i n t s ) :
M = len ( c o n s t e l l a t i o n _ p o i n t s )
angles = angle_map ( c o n s t e l l a t i o n _ p o i n t s )
angles = sum_modulus ( angles , - angles [0] , 2* math . pi ) # giro a agulo cero
delta_angle = 2* math . pi / M # angulo entre puntos
cod_inv = numpy . round ( angles / delta_angle )
cod_inv = cod_inv . astype ( numpy . int ) # c o n v e r s i o n a entero
return cod_inv
265
def direct_map ( c o n s t e l l a t i o n _ p o i n t s ) :
M = len ( c o n s t e l l a t i o n _ p o i n t s )
codinv = inverse_map ( c o n s t e l l a t i o n _ p o i n t s )
coddirect = numpy . array ([0]* M )
for j in range ( M ) :
temp = numpy . where ( codinv == j )
coddirect [ j ]= temp [0][0]
return coddirect
No importa como esté definida la constelación, pero el bloque “Constellation Object” debe tenerla
registrada en el parámetro “Constellation Points”, por ejemplo:
Constellation Points : digital . c o n s t e l l a t i o n _ 8 p s k () . points ()
Para el ejemplo dado, el objeto de constelación se llama “MiconstellationObject”y los puntos de

constelación los estamos invocando desde la variable “Constelacion”ası́:
Constelacion : M i c o n s t e l l a t i o n O b j e c t . points ()
Se calcula el código de mapeo directo y el inverso para el caso particular. En el ejemplo dado se ha
calculado dentro de la variable “mapdirect” configurada como
mapdirect : coding . direct_map ( Constelacion )
y la variable “mapinverse” configurada como

mapinverse : coding . inverse_map ( Constelacion )
Se configura el bloque “Map”, en el transmisor, con “mapdirect”

Map : mapdirect
y el del receptor con “mapinverse”

Map : mapinverse
6.8. Implementación en GNU Radio de la capa Pre-Canal

Para concluir la implementación del sistema propuesto en el modelo de capas de la figura 1 lo que se
propone es complementar el flujograma presentado en la figura 47 con la solución que se propone para las
técnicas pre-canal en la figura 49.
Figura 49: Flujograma para implementar las técnicas pre-canal.
Flujograma usado: RFoCable 2.grc
Las siguientes son recomendaciones para lograr un sistema funcional:
266
El sistema propuesto hasta el momento es más bien de tipo pedagógico, por eso incluye varios
elementos que han de ser ajustados manualmente, lo cual no debe ser problemático cuando el canal
es guiado. En el siguiente capı́tulo, al enfrentarnos a un canal no guiado, buscaremos soluciones más
automatizadas, más realistas que también pueden aplicar para el canal guiado, solo que hemos creı́do
que no vale la pena complicar las cosas aún.
No hemos tratado el tema de la sub capa M-PAM, pero ya lo hicimos en el capı́tulo anterior de
modo que hemos estimado que no es necesario incluirlo. En todo caso el lector puede ir al sitio web
de libro y encontrar los flujogramas completos que incluyen toda la solución.
Lo mismo podemos decir para la capa de aplicación, para contar con un sistema completamente
funcional.
267
Capı́tulo 7
El canal inalámbrico
7.1. Consecuencias del Fenómeno de Multitrayectoria

7.1.1. El Jitter
La distorsión producida por el fenómeno de multitrayectoria puede ser intra-sı́mbolo, cuando el efecto
de las reflexiones es más corto que la duración de los sı́mbolos, pero también se da el caso de que sea
intersı́mbolo (ISI) debido al retardo que pueden tener ciertas reflexiones y a la deformación que ocurre en
el dominio de las frecuencias, entonces los bits o los sı́mbolos puede resultar superpuestos en el receptor,
lo que también se conoce como Jitter.
El término Jitter es un poco más amplio, pues no es exclusivo para el fenómeno de multitrayectoria.
Se denomina Jitter (término inglés para fluctuación) a la variabilidad temporal durante el envı́o de señales
digitales, una ligera desviación de la exactitud de la señal de reloj puede producirlo. El Jitter puede ser
una de las consecuencias del fenómeno de multitrayectoria que siguen las ondas en su propagación desde el
transmisor al receptor. En la televisión digital terrestre (TDT), con el standard DVB-T2, el Jitter es algo
muy propio del sistema, pues este sistema ha sido pensado para lograr que cada operador use frecuencias
únicas en todo el territorio asignado (SFN, en inglés single frequency network ). En este caso, el operador
despliega las estaciones de radiodifusión que sean necesarias para cubrir todo el territorio asignado. En-
tonces, como todas las estaciones deben radiar la misma señal, a un punto de interés llega no solo la señal
de la antena más cercana sino aportes de otras antenas, con lo cual la señal se ve afectada por el Jitter
que depende de la geografı́a y la distancia en que se encuentre el receptor. El Jitter es algo no deseado, es
inevitable, pero puede ser premeditado como en el caso de la TDT.
Figura 1: Red de frecuencias únicas en TDT.
En ese caso, cómo se tienen varias áreas o celdas cubiertas con la misma banda de frecuencias, radiando
la misma señal, pueden llegar a interferirse en ciertas zonas, lo importante es que el Jitter no sobrepase
unos valores que hagan que la señal útil sea irrecuperable. El Jitter puede estar variando, como se muestra
en la figura 2 donde Aj refleja esa variabilidad que se da cuando varı́a el canal, por ejemplo, porque el
usuario o las fuentes reflectoras se mueven.
268
Figura 2: El Jitter.
También es claro que el Jitter es una de las causas de lo que se conoce como Interferencia Intersimbolo
(ISI), finalmente lo que se observa es que la energı́a de unos sı́mbolos se solapan con la de otros, pero
en muchos casos al Jitter se le puede dar un tratamiento especial, diferente a la ISI producida por las
restricciones de ancho de banda del canal, cuando el Jitter puede ser visto como una inestabilidad en la
frecuencia en que llegan los sı́mbolos al receptor, lo cual se traduce en la necesidad de realizar un timing
o clock recovery, pero de manera continuada o adaptativa.
7.1.2. Desvanecimientos lentos y rápidos. Efecto de Rayleigh

Consecuencias del desvanecimiento rápido:
En un sistema de comunicaciones digitales basado en GNU Radio, este fenómeno se verá como una tem-
bladera de las constelaciones rápida, pero con pocas desviaciones. En la siguiente figura hay un ejemplo
visto en dos instantes de tiempo, donde se observa que la nube de puntos de una constelación se ha movido
ligeramente de su posición. En una observación continua veremos entonces las constelaciones danzando
alrededor de la posición original.
Figura 3: Consecuencias en la constelación del desvanecimiento rápido.
Consecuencias del desvanecimiento lento. En la figura 4 se presenta un ejemplo de lo que puede ocu-
rrirle a una constelación BPSK.
269
Figura 4: Consecuencias en la constelación del desvanecimiento lento.
7.1.3. Afectación por no linealidades

La multitrayectoria también trae consecuencias que son comunes en el paso de una señal por un medio
no lineal, lo cual se ve principalmente reflejado en el dominio de las frecuencias, donde algunas frecuencias
o rangos de frecuencia de la señal resultan más o menos amplificadas que otras.
Para mostrar un ejemplo de esta afectación vamos al caso de SDR, con lo cual nos referiremos directa-
mente a lo que ocurre con la Envolvente Compleja. El ejemplo se presenta en la figura 5, donde vemos que
la señal que se origina en la parte transmisora tiene una PSD que es plana en todas las frecuencias. Para
lograrlo, hemos conectado el medidor de PSD a la salida del modulador, antes del Formador de Pulsos, de
modo que solo se tiene una muestra por sı́mbolo, con lo cual la señal modulada pueda ser vista, desde el
punto de vista espectral, como un ruido blanco. Otro medidor de la PSD lo hemos conectado en el receptor,
pero no inmediatamente a la salida del canal sino después del proceso de muestreo que permite obtener
solo una muestra por sı́mbolo. Vemos que la señal recibida, en color azul, tiene fuertes desviaciones de
magnitud en el dominio de las frecuencias.
Figura 5: Variaciones espectrales debido a no linealidades del canal.
Flujograma usado: Canal no linealidades.grc
En la figura 6 se presenta un ejemplo del impacto que las no linealidades del canal pueden tener sobre
la forma la constelación de una señal con modulación QPSK y comó podemos ver, resulta en una desfigu-
ración que hace casi imposible reconocer directamente los sı́mbolos.
270
Figura 6: QPSK impactada por no linealidades del canal.
Figura 7: Waterfall para una señal QPSK afectada por no linealidades variables del canal.
Pero lo peor de esta afectación, es que no es estática sino que varı́a con el tiempo, lo cual se puede
apreciar mediante un analizador de espectros configurado en modo waterfall para mostrar como el espectro
varı́a en el tiempo, como se muestra en la figura 7.
7.2. Simulación de un canal inalámbrico en GNU Radio

Simular el canal resulta tremendamente útil. Supongamos que vamos a implementar un método para
corregir los estragos que produce la multitrayectoria. Para probar ese método es necesario contar con un
canal en el cual se puedan aislar los fenómenos que no sean de multitrayectoria. Eso es posible cuando
se cuenta con un canal simulado. Podemos ver el canal como un sistema que tiene una señal de entrada
y una salida: la primera es la señal que entrega el equipo de transmisión y la segunda es la que entrega
el equipo de recepción que obviamente estará afectada por los fenómenos de propagación. Es decir que,
tanto el transmisor como el receptor operan con la Envolvente Compleja, resulta lógico que el canal sea
271
implementado en banda base para lo cual es necesario poder llevar a banda base los efectos que pueden
ocurrir a la señal paso bandas. En la figura 8 se presenta el esquema de un canal realizado en GNU Radio.
Figura 8: Flujograma para el canal inalámbrico.
• Bloques‘‘Pad Source’’ y ‘‘Pad Sink’’: Son los puertos de entrada y salida del canal.
• Bloque ‘‘Delay’’: Permite configurar el retardo que puede estar produciendo el canal a la señal
recibida. Si este valor cambia en el tiempo puede simular en cierta manera la presencia de Jitter.
• Bloque ‘‘Multiply Const’’: Permite configurar las pérdidas que el canal introduce, aunque este
bloque no resulta muy necesario si lo que se requiere es lograr una cierta relación señal a ruido.
• Bloque ‘‘Constant Source’’: Permite configurar una desviación de fase que se presenta en cual-
quier caso en un canal, principalmente por componentes no lineales, por retardos o por falta de
sincronismo entre el transmisor y el receptor.
• Bloque ‘‘Signal Source’’: Permite configurar una desviación de frecuencias, como la que puede
presentarse por el Efecto Doppler o simplemente porque puede no coincidir exactamente la frecuencia
usada en el transmisor con la usada en el receptor.
• Bloque ‘‘Multiply’’: Reúne todas las desviaciones multiplicativas que se aplican a la señal de
recibida.
• Bloque ‘‘b-noise-dB-cc’’: Agrega ruido blanco aditivo a la señal que entrega el canal. Gracias
a esto se puede configurar la relación señal a ruido que se puede producir con la propagación de la
onda.
• En la parte inferior se tiene una interconexión para generar variaciones aleatorias de magnitud como
las que se producen por el efecto de Rayleigh.
7.3. Técnicas para corregir los efectos del canal

7.3.1. Clock Recovery o Timing
Ya sabemos que, para la recepción de un bit o un sı́mbolo digital, usualmente existe un instante, dentro
de ese bit o sı́mbolo que es el más óptimo para analizar qué es lo que viene viajando allı́. Eso se ha tratado
en el tema de acoplamiento y regeneración de bits o sı́mbolos. El problema que ahora surge consiste en lo
siguiente: Los fenómenos de propagación dificultan enormemente el timing ya que el instante óptimo no
será fijo en la señal de entrada, sino que estará variando en el tiempo. Podemos imaginar esto como una
fila de hormigas que intentan llegar a su destino manteniendo una misma distancia entre ellas, pero por
cuestiones imprevisibles esa distancia varı́a, pero es posible implementar una especie de peaje donde cada
hormiga es separada para que entren a la cueva conservando una misma distancia.
272
La solución se conoce como Timing, Timing Recovery o Clock Syncronization, que básicamente consiste
en lograr, de manera automática, seleccionar el mejor instante de muestreo de la señal digital recibida en
un USRP, aún cuando se estén presentando variaciones de tiempo para ese instante. Esto equivale también
a seleccionar la muestra donde el Diagrama de Ojo aparece más abierto. Pero la tarea va más allá de un
Diagrama de Ojo, pues en la mayorı́a de los casos, el mejor instante para el muestreo no se encuentra ni
siquiera entre las muestras de la señal discreta recibida. Es decir, en el proceso de muestreo, que se realiza
previo al timing, es posible que el mejor instante de muestreo no sea captado por una de las muestras.
Ası́, por ejemplo, en la siguiente figura, en la parte izquierda, el mejor instante de muestreo es parte de las
muestras, pero en la parte derecha no lo es.
Figura 9: Timing.
Hay varios algoritmos que podemos utilizar para recuperar el reloj en el receptor, y casi todos ellos im-
plican algún tipo de bucle de control con retroalimentación. Otros se apoyan generalmente en una palabra
conocida como un preámbulo.
El bloque Polyphase Clock Sync, usa una técnica de recuperación de reloj de filtrado polifásico que
se describe en el libro de Fred Harris . Este bloque nos brinda dos cosas: En primer lugar, realiza la recu-
peración del reloj, en segundo lugar, realiza el acoplamiento entre señal transmitida y recibida para luchar
con el problema de ISI.
Para usar el bloque se supone que en el transmisor se ha empleado un Filtro Raı́z del Coseno Alzado
(Filtro RCC). El principio de funcionamiento consiste en hacer pasar la señal por otro Filtro Raı́z de Co-
seno Alzado para realizar el acoplamiento y luego calcular la primera diferencia de la señal resultante para
relacionarla con su desplazamiento del reloj. Como se muestra en la figura siguiente todo parece perfecto
en este caso, pues el instante óptimo se encuentra dentro de las muestras recibidas. El filtro de diferencia
([-1, 0, 1]) genera el diferencial del sı́mbolo, y como muestra la siguiente figura, la salida de este filtro en el
punto de muestreo correcto es 0. Podemos entonces invertir esa afirmación y en su lugar decir que cuando
la salida del filtro diferencial es 0, hemos encontrado el punto de muestreo óptimo.
273
Figura 10: Punto óptimo.
El problema es mayor cuando el punto óptimo no aparece dentro de las muestras recibidas, como se
muestra en la siguiente figura.
Figura 11: Punto óptimo no aparece dentro de las muestras recibidas.
Por esta razón, el bloque Polyphase Clock Sync usa un número mayor de filtros cada uno con un
desfase diferente. Si se tienen suficientes filtros con diferentes desfases, uno de ellos dará el valor del timing
que buscamos. En la siguiente figura se muestra el resultado de incluir 5 filtros, lo que significa 5 desfases
diferentes y podemos ver que la señal etiquetada como d (sym0) / dt + phi3 tiene un punto de muestreo
exactamente igual a 0. Esto nos indica que nuestro punto de muestreo ideal se produce con este desfase.
Por lo tanto, si tomamos un filtro RRC de nuestro receptor y ajustamos su fase phi3 (que es 3 ∗ 2π/5),
entonces podemos corregir la falta de sincronización y seleccionar el punto de muestreo ideal para este caso.
274
Figura 12: Búsqueda del punto óptimo.
El resultado del timing en una constelación se ejemplifica en la siguiente figura en la cual se tiene en
la parte izquierda la constelación de la señal a la entrada del bloque y en la parte derecha la de la salida.
Figura 13: Constelación antes y después del timing.
7.3.2. Alineación de tiempo

7.3.2.1. Los aspectos teóricos
El problema consiste en que el instante en que comienza un Byte es desconocido para el receptor.
Ası́, por ejemplo, en la siguiente tabla se representan los bytes y los bits que podrı́a estar entregando un
transmisor.
275
Tabla 7.1: Secuencia a la salida del transmisor.
Byte 23 56 1 99
Bits 0 0 1 0 1 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0 0 1 1
Pero en la siguiente, debido a un retardo que es usualmente desconocido, aunque están llegando los
mismos bits, son interpretados como bytes diferentes a los transmitidos.
Tabla 7.2: Secuencia interpretada de manera errónea debido al retardo introducido por el canal.
Byte 69 231 0 44
Bits 0 1 0 0 0 1 0 1 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0
Como consecuencia, no se obtienen en el receptor los bytes transmitidos a partir de los bits que va
recibiendo.
Para resolver el problema es posible usar un protocolo superior que permita marcar el comienzo de
una emisión o de paquetes de emisión. Esto puede realizarse con un codificador y es lo que se conoce como
Alineación de Tiempo, pero es mejor conocida por su nombre en inglés como Time Alignment.
7.3.2.2. Implementación en GNU Radio
Figura 14: Flujograma de un sistema con modulación PCM sin Alineación de tiempo.
Flujograma usado: PCM simple.grc Nota: es parte de la librerı́a comdiguis
En la figura 14 se presenta un flujograma donde, por simplicidad, solo se incluye:
La capa del mensaje con las siguientes caracteristicas:

Se tiene una fuente (File Source) en la parte transmisora y un sumidero (File Sink) en la parte
receptora.
La fuente lee un archivo de texto y entrega una señal con valores enteros representados en Bytes,
por lo tanto es una señal que varı́a entre -128 y 128.
La capa PCM con las siguientes caracterı́sticas:
Desempaqueta los bytes, para entregar la señal en forma de bits. El hecho de tener la señal repre-
sentada ahora en un código binario es lo que se conoce como Modulación por Codificación de Pulsos
(PCM).
276
La señal entregada se caracteriza principalmente por el parámetro Rb que es la rata de bits.
La capa del canal que se caracteriza en lo siguiente:
El bloque “Delay” sirve para tener la posibilidad de introducir un retardo dado en muestras, que en
este caso serı́a un retardo dado en bits.
El bloque “Throttle” está allı́ solo debido a que ası́ el programa que resulte del flujograma va a
correr en tiempo real respetando la frecuencia de muestreo que se le programe a ese bloque. Sin este
bloque ese programa va a correr con la máxima velocidad que le permita el sistema del computador.
Figura 15: Observación de las señales cuando no se presentan retardos en el canal.
Flujograma usado: PCM simple.grc Nota: es parte de la librerı́a comdiguis
En la figura 15 se tienen los resultados cuando el canal presenta un pequeño retardo. Lo que podemos
observar es que la señal binaria en el en transmisor, en el punto T2, es la misma del receptor, en el punto
R2, solo que aparece retrasada en lo que dura un bit. No ocurre lo mismo con la señal en la salida de la
fuente, en el punto T1, con respecto a la que entra al sumidero, en el punto R1, lo cual es precisamente el
problema que deseamos resolver con la Alineación de tiempo.
En la figura 16 se presenta el mismo flujograma pero con Alineación de tiempo. En esta solución
podemos observar las siguientes novedades:
En la parte transmisora se ha cambiado el bloque encargado de la modulación PCM por el bloque
“b PCM Encoder Bb”.
En la parte receptora tenemos el bloque “Packet Decoder”.
Sobre el bloque “b PCM Encoder Bb” tenemos las siguientes observaciones:
Es un bloque de la libreria “Lib Bloques Comdiguis” que acompaña el presente libro.
Aplica la modulación PCM para convertir la señal entrante en binaria. En otras palabras, a cada
byte entrante se le extraen los bits.
Pero adicionalmente, organiza los bits en tramas, en una especie de tren que tiene un encabezado y
una carga útil.
277
Figura 16: Flujograma de un sistema con modulación PCM y con Alineación de tiempo.
Flujograma usado: PCM time alignment simple.grc Nota: es parte de la librerı́a comdiguis
El encabezado está dado por un código binario que se entrega mediante el parámetro AccessCode y
debe ser un número de bits que sea múltiplo de 8, de modo que su tamaño en bytes Bacode sea un
número entero.
Bacode = len(AcessCode)/8
Donde len(X) es la función que calcula el tamaño del vector X.
La carga útil tiene un tamaño en bytes que entrega mediante el parámetro “Bpayload”.
Se usa también un preámbulo de tamaño Bprea que, en el caso del bloque dado, son 10 bytes por
defecto.
El tamaño del encabezado BpCode hace que la rata de bits de información útil a la entrada del
bloque Rbi sea menor que la rata de bits a la salida Rb.
Resulta importante poder calcular Rbi a partir de Rb . Para ello es necesario calcular el número de
bytes en el código ası́:
BpCode = Bacode + Bprea (7.1)
Bprea es el tamaño del preámbulo dado en bytes, como se muestra en la figura 17. De manera que:
Rb
Rbi = BpCode
(7.2)
1+ Bpayload
Sobre el bloque “Packet Decoder” tenemos las siguientes observaciones:

Vigila y detecta el encabezado de la trama.
Si no lo encuentra no entrega nada como salida.
Si lo encuentra lo retira para dejar pasar solo la información útil.
En la figura 18 puede observar el resultado de aplicar Alineación de tiempo, como podemos ver, a pesar de
que la señal binaria en el punto R2 esté atrasada con respecto al punto T2, la señal que llega al sumidero,
en el receptor, en el punto R1, conserva la misma forma que en el punto T1.
Figura 17: Trama de Alineación de tiempo.
278
Figura 18: Observación de las señales cuando se aplica Alineación de Tiempo.
Flujograma usado: PCM time alignment simple.grc Nota: es parte de la librerı́a comdiguis
7.3.3. El Control Automático de la Ganancia

De acuerdo a lo visto, es inevitable que la señal a la salida de USRP receptor esté variando su magnitud
de manera impredecible. Un AGC puede permitir estabilizar ese parámetro de una manera aceptable para
su observación y procesamiento. El sistema puede ser implementado basado en el sistema retroalimentado
de bucle cerrado que aparece en la figura 19.
Figura 19: Elemento de área donde puede localizarse el receptor.
𝐸𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑑𝑒
𝐸𝑛𝑡𝑟𝑎𝑑𝑎 𝑔𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑏𝑙𝑒
𝑆𝑎𝑙𝑖𝑑𝑎
𝐶𝑜𝑛𝑡𝑟𝑜𝑙 𝑣𝑜𝑙𝑡𝑎𝑗𝑒
𝑑𝑒 𝑔𝑎𝑛𝑎𝑛𝑐𝑖𝑎
- 𝐷𝑒𝑡𝑒𝑐𝑡𝑜𝑟
+
𝑅𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎
Básicamente se cuenta con una referencia, que es el nivel deseado de señal. El detector está midiendo
permanentemente el nivel de señal a la salida. La diferencia de los anteriores valores permite regular
la ganancia del amplificador. Una descripción más detallada se encuentra en el trabajo de [14] quien
desarrolló un AGC en GNU Radio que se resume en la figura 20.
279
Figura 20: AGC según Tom Rondau.
El sistema permite realizar un seguimiento continuo del nivel de señal, pero es claro que no contribuye
a mejorar la relación señal a ruido. En realidad, todo radio receptor contiene un AGC.
7.3.4. El ecualizador
En muchos casos la señal que pasa por un canal sufre diversas alteraciones en función de la frecuencia.
La ecualización del canal busca determinar cuáles son esas alteraciones, intentando descubrir la respuesta
en frecuencias del canal para luego sintonizar un filtro con la respuesta en frecuencia inversa para corregir
el efecto del canal.
Figura 21: Variaciones espectrales del canal (rojo) versus respuesta en frecuencias del ecualizador.
• Filtro digital: El principal componente de un ecualizador es un simple filtro digital, que no es otra
cosa que un sistema Lineal e Invariante en el Tiempo (LIT), bueno, al menos se comporta como un
sistema LIT por momentos. Pues se supone que un sistema LIT tiene una respuesta al impulso única,
nosotros en cambio la iremos variando en el tiempo, en función de las necesidades de ecualización
que se presenten por el comportamiento del canal. En todo caso si podemos decir que un sistema
que tiene una respuesta al impulso h[n], una entrada x[n] y una salida y[n], como el de la siguiente
figura.
280
Figura 22: Sistema LIT.
y[n] = x[n] ∗ h[n] (7.3)

En los sistemas reales, como es el caso de GNU Radio, h[n] es un conjunto de valores Wk cada uno
de los cuales representa el valor de amplitud de la muestra k de h[n], como se muestra en la siguiente
figura.
Figura 23: Respuesta al impulso de un ecualizador.
De modo que podemos, aplicando el concepto de convolución, decir que.
p
X
y[n] = w[n] ∗ x[n] = wk x[n − k] (7.4)
k=1
En GNU Radio se tienen bloques que juegan el papel de filtro digital, para lo cual hay que configu-
rarle un vector w que contiene los pesos Wk . Esos pesos se conocen en GNU Radio como taps.
• El ecualizador fijo: Un filtro como el anterior, con una respuesta al impulso adecuada, podrı́a
resolver la necesidad de ecualización un canal que es estable en el tiempo.
281
Figura 24: Proceso de entrenamiento del ecualizador.
Generador del s[n] d[n] Generador de

Modulación entrenamiento
mensaje
Canal
x[n]
Generador de
y[n]  d[n] entrenamiento
d[n]
+
e[n]=d[n]-y[n]
w 
Receptor del Regeneración Algoritmo y[n] -
mensaje De bits Adaptativo
Capa de Ecualizador
Capa del mensaje modulación Capa de canal
Figura 25: El ecualizador funcionando con pesos obtenidos durante el entrenamiento.
Generador del d[n]=s[n] d[n] Generador de

mensaje
Canal
x[n]
Generador de
entrenamiento
+
e[n]=d[n]-y[n]
w 
mensaje De bits Adaptativo
Capa de Ecualizador
• El ecualizador adaptativo: Cuando el canal tiene cambios muy fuertes en el tiempo, la única
solución puede ser un ecualizador que se adapte a esos cambios.
282
Figura 26: Ecualización adaptativo.
Generador del d[n]=s[n] d[n] Generador de

mensaje
Canal
x[n]
Filtro Generador de
y[n]  s[n] Adaptativo entrenamiento
+
e[n]=d[n]-y[n]
w 
mensaje De bits Adaptativo d[n]=s[n]
Capa de Ecualizador
Figura 27: Respuesta variante al Impulso de un ecualizador.
• Filtro basado en los mı́nimos cuadrados medios (LMS): Se refiere en realizar a la búsqueda
del mı́nimo error cuadrático medio que el sistema pueda producir. Filtro de Wiener y Hopf o Filtro
LMS.
Los problemas a resolver son dos: El de obtener esa respuesta al impulso adecuadas y el de recalcularla
cada vez que el canal cambie de estado. Esto se logra, si el filtro digital es complementado con un
Algoritmo que estudie lo que se espera de él para recalcular los pesos o taps del filtro. Es necesario
informar a este algoritmo lo que de él se espera y esto se puede realizar mediante una señal de error.
283
Figura 28: Filtro adaptativo.
Ahora es tiempo de preguntarnos qué operaciones realiza el Algoritmo Adaptativo. El algoritmo

deberá seleccionar valores para el vector w y analizar cómo ellos van influyendo en el error e[n]
hasta lograr que la media cuadrática del error sea la mı́nima posible. De esta manera, el ı́ndice de
desempeño elegido es el valor cuadrático medio.
J = E[(d[n] − y[n])2 ] (7.5)

El criterio para encontrar los pesos consiste en lograr que ese ı́ndice de desempeño sea el mı́nimo, con
lo cual llegamos a aplicar el criterio de aproximación conocido como el mı́nimo de la media cuadrada
o LMS (en inglés Least Mean Square).
J = Jmin (7.6)
Como d[n] es la señal que se desea a la salida del filtro, entonces puede decirse que se desea que.
p
X
y[n] = = wk x[n − k] (7.7)
k=1
Por lo tanto se desea que:
p
!2
X
J =E [d[n] − = wk x[n − k]] (7.8)
k=1
Ahora debemos tener en cuenta la siguiente propiedad de las series:
2
X 2
X 2 X
X 2
ak ∗ aj = ak aj (7.9)
k=1 k=1 k=1 k=1
Entonces obtenemos.
p p p
X X X
J = E[d2 [n]] − 2 wk E[d[n]x[n − k]] + wj wk E[x[n − j]x[n − k]] (7.10)
k=1 j=1 k=1
Se pueden realizar algunas simplificaciones si se tiene en cuenta que:
• La señal x(t) es la función muestra de un proceso estacionario X(t) y su versión muestreada x[n]
tiene media.
µX [n] = µX = 0 = E[x[n]] (7.11)
284
• De lo anterior se deduce que la varianza.
E[(x[n] − µx )2 ] = E[x2 [n]] = σx2 (7.12)

• Sabiendo que la función de autocorrelación está definida como:
E[x[n]x[n − k]] = RX [k] (7.13)

• Y que la función de correlación entre d[n] y x[n] es:
E[d[n]x[n − k]] = RDX [k] (7.14)

Se deduce que:
p p p
X X X
J = σx2 − 2 wk RDX [k] + wj wk RX [k − j] (7.15)
k=1 j=1 k=1
Lo que resta es identificar qué pasa con los pesos w cuando J = Jmin , con lo cual podrı́amos llegar
a despejar los pesos óptimos wo , como se muestra en la siguiente figura.
Figura 29: El mı́nimo de la media cuadrática.
El mı́nimo error cuadrático medio Jmin se presenta cuando el gradiente (la pendiente) del error cuadráti-
co medio J es cero. De modo que si nos interesa hallar Wk = W0k para ese caso, debemos despejar Wk
δJ
cuando = 0.
δWk
p
δJ X
gk = = −2RDX [k] + 2 wj RX [k − j] (7.16)
δWk
k=1
Igualando a cero el vector gradiente gk , se obtiene la expresión de optimización de los mı́nimos cua-
drados de Wiener-Hopf, también conocida como ecuaciones de Wiener Hopf :
p
X
RDX [k] = wj RX [k − j] (7.17)
j=1
Veamos el conjunto de todos los valores que intervienen en esta ecuación. Ellos se pueden organizar en
forma matricial.
285
   
RDX [1] w1

 RDX [2] 


 w2 

 .   . 
rDX =  ; w0 =  ; (7.18)

 . 


 . 

 .   . 
RDX [p] wp
 
RX [0] RX [1] ... RX [p − 1]

 RX [1] RX [0] ... RX [p − 2] 

 . 
RX =  (7.19)

 . 

 . 
RX [p − 1] RX [p − 2] ... RX [0]
RX es conocida como la matriz simétrica de Toepliz. Representando RX y w0 de la forma vectorial siguiente:
w0 = [w1 , w2 , ..., wp ]T rDX = [RDX [1], RDX [2], ..., RDx [p]]T (7.20)
Se obtiene la forma matricial de la expresión de optimización.
rDX = wo RX (7.21)
Facilitando el despeje de los pesos ası́:
−1
wo = rDX RX (7.22)
−1
RX es la inversa de RX y se supone que existe pues RX no es singular.
• Filtro Recursivo basado en los mı́nimos cuadrados medios (RLS)
Se trata del mismo Filtro LMS solo que se usa un método conocido como el descenso más pronun-
ciado (deepest descent) para obtener una ecuación donde los pesos pueden ser hallados de manera
recurrente, realizando un ligero ajuste a los pesos previamente calculados.
wk [n + 1] = wk [n] + µx[n − k]e[n], k = 0, 1, ..., N (7.23)

µ Es un paso que el algoritmo usa para ir buscando el valor Jmin ideal a partir de un valor Jmin ya calculado .
Este es quizá el método más utilizado en ecualización adaptativa. A continuación algunos apuntes
sobre experiencias de trabajo con este tipo de filtros:
• En cuanto mayor sea el parámetro del tamaño del escalón µ, tanto más rápida la capacidad de
rastreo del ecualizador adaptable.
• Un parámetro grande de µ quizá resulte en un error cuadrático medio de exceso inaceptable-
mente alto, es decir, excede exageradamente a Jmin .
• Entre más pequeño sea µ encontramos que después de un gran número de interacciones el com-
portamiento del algoritmo de mı́nimos cuadrados es casi similar al del Algoritmo de Descenso
Pronunciado, que utiliza el gradiente real en vez de la estimación de error para el cálculo de
los pesos del filtro.
• La elección en la práctica de un valor adecuado para µ implica establecer un compromiso entre
el rastreo rápido y la reducción del error cuadrático medio de exceso.
• El bloque LMS de Simulink tiene una opción para usar una forma normalizada del algoritmo
LMS para que resulte limitada ası́: 0 < µ < 2.
Proceso que realiza el filtro:

1. En cada paso se halla un nuevo Jmin ya calculado = Jmin calculado + µ.
2. Luego analiza la diferencia con el Jmin ideal .
3. Si no alcanza este Jmin−ideal , entonces vuelve al punto 1.
286
Para el caso, cuando no se usa el algoritmo normalizado, el material “Ecualización adaptativa de un
canal digital ” del profesor Lorenzo Dı́az [15] es el más explı́cito encontrado hasta ahora. En esa obra, el
profesor Lorenzo afirma que es muy difı́cil encontrar el valor óptimo de µ en tiempo real, pero que hay una
manera aproximada y rápida:
2
0<µ< (7.24)
3LPX
Donde L: Es el tamaño del filtro, es decir el tamaño del vector de pesos y Px . La potencia media de la
señal.
7.3.5. La ecualización en GNU Radio

GNU Radio viene con dos ecualizadores fácilmente utilizables. El ecualizador de CMA Equalizer y
el LMS DD Equalizer. El CMA, o Algoritmo de Módulo Constante, es un ecualizador ciego, porque no
necesita mucha información sobre la señal originalmente transmitida, pero sólo funciona con señales que
tienen una amplitud constante, o módulo, como es el caso de la modulación M-PSK ya que los puntos de
constelación están en un cı́rculo. El algoritmo de CMA acepta el número de taps a utilizar en el ecualiza-
dor, que se basará en una combinación de una conjetura educada, las mejores prácticas conocidas y quizás
algún conocimiento real del canal en sı́.
La siguiente figura ha sido obtenida al conectar un bloque CMA Equalizar de 11 taps a la salida de un
Polyphase Clock Sync. La constelación y el espectro a la izquierda corresponden a la entrada del ecuali-
zador, las de la derecha a la salida.
El “LMS DD Equalizer” usa un filtro de predicción basado en el principio del mı́nimo error medio
cuadrático (en inglés Least Mean Square) con decisión directa (DD) con respecto a una información que
se conoce sobre la señal originalmente transmitida. En el caso del bloque usado en GNU Radio, lo que se
conoce de la señal originalmente transmitida en la forma de la constelación. El filtro va recalculando los
taps del filtro vigilando que la salida corresponda con la constelación que se tiene como modelo. Puede
fallar cuando SNR es demasiado alta, arruinando el desempeño. Este bloque además tiene mayor comple-
jidad computacional.
287
Figura 30: Resultado del la Ecualización. A la izquierda sin ecualización. A la derecha con
ecualización.
Flujograma implementado: Canal no linealidades.grc
288
Capı́tulo 8
Comunicaciones multiusuario
8.1. Introducción
En este capı́tulo se abordan los problemas y métodos modernos para aprovechar al máximo el canal en
comunicaciones multiusuarios.
8.2. Multiplexación por división de tiempo TDM. La revo-

lución PCM.
Veamos el problema que dió origen a aparición del Multiplexado por División de Tiempo (TDM) en los
años 60: Todos los hogares soñaban con tener un teléfono, pero los costos del servicio no estaban al alcance
de todos. La telefonı́a era analógica y establecer una llamada entre dos personas requerı́a establecer una
conexión fı́sica, alambrada entre ellas, como se muestra en la siguiente figura.
Figura 1: Central local
Central Local (CL)
289
Figura 2: Central de transito
CT1 CT2
Paquete de líneas de cobre CL2
CL1
CL3
CL: Central Local

CT: Central de Transito
El problema: Se volvió insostenible el creciente número de operadoras en las centrales telefónicas, sin
que bajarán sensiblemente los costos de conexión. La telefonı́a seguı́a siendo solo para los elites. La UIT se
propuso impulsar una revolución para lograr que cada hogar tuviese un teléfono. Esa es conocida como la
revolución PCM (por sus siglas en ingles Pulse Code Modulation). La idea es que la voz de cada llamada
se convierte a PCM, las centrales telefónicas cambiarı́an la conmutación manual por la conmutación por
circuitos que se podı́a realizar de manera automática, por medios computarizados. Pero el mayor avance
consistió en lograr que cada lı́nea que une dos centrales telefónicas, que antes podı́a llevar solo una llamada
en un momento determinado, pudiera ahora llevar cientos de llamadas multiplexadas por división de tiempo.
La siguiente figura muestra resume el principio de TDM.
290
Figura 3: Ejemplo de TDM
𝑆(𝑡)
𝑆(𝑡)
Como puede verse, entre los dos puntos comunicantes viaja una sola señal, en cada uno de los teléfonos
receptores llega una señal que es una versión PAM (por su signficiado en ingles Pulse Amplitud Modula-
tion) de la emitida. Puede decirse que cada señal que llega al destino resulta muestreada, pues llega una
pequeña duración de ella cada periodo Ts. Por lo tanto, este proceso no resulta en pérdida de información
si se respeta el teorema de Nyquist. De modo que s(t) es la señal TDM. En este caso, surge el concepto
de canal de tiempo, pues la manera en que un usuario de distingue de otro en el medio de propagación es
una ventana de tiempo.
En la práctica, la telefonı́a usó una forma más avanzada de TDM. Consiste en que antes de emitir la
señal s(t) esta se convierte a unos y ceros. Para ello, la señal s(t) es muestreada de manera que haya una
muestra por cada ventana de duración Ts, luego se cuantizan y finalmente se traduce a una señal binaria
que no es otra cosa que una una señal PCM (por su significado en ingles Pulse Code Modulation) produce
la señal PCM que no es un proceso Una versión más avanzada de él aunque esta figura no lo muestra, una
vez la señal se multiplexa es convertida a PCM. De modo que la señal TDM usada hoy dı́a es digital como
se muestra en la siguiente figura.
291
Figura 4: Teléfono digital
En telefonı́a al multiplexor a menudo se le llamó concentrador, ya que recibe muchas lı́neas y entrega
pocas. El multiplexor digital usado en la telefonı́a también incluı́a capacidades de conmutación. Era jus-
tamente la era de la conmutación de circuitos que consistı́a en cambiar la ventana de tiempo asignada a
una llamada de modo que ası́ cambiará el destinatario.
Una red más real requerı́a usar centrales telefónicas para que una llamada pudiese llegar a cualquier
destino.
Figura 5: Modelo con las redes telefónicas
Al poco tiempo se complementó el modelo con las redes de transporte especializadas, inicialmente,
292
en interconectar centrales telefónicas. La tecnologı́a usada en esas redes se llama SDH (por su significado
en ingles Synchronous Digital Hierarchy) y hoy sirven para interconectar todas las redes de voz y datos,
mediante enlaces de fibra óptica, incluyendo cable submarino, enlaces de microondas y enlaces satelitales.
Figura 6: Red SDH
8.3. MULTIACCESO POR DIVISIÓN DE FRECUENCIAS

(FDMA)
8.3.1. Problema que justicia esta tecnologı́a:
Al comenzar la era de las comunicaciones móviles surgen diversos sistemas de primera generación 1G
como: NMT (Nordic Mobile Telephone), AMPS (en ingles Advanced Mobile Phone System), TACS (Total
Access Communication System), C-450, Radicom, RTMI, NTT. El reto principal consistı́a en lograr de
muchos usuarios pudieran conectarse a una misma radiobase. La solución consistió simplemente en asignar
una banda de frecuencias a cada llamada.
Figura 7: Ejemplo de multiacceso
El multiacceso es la manera en que múltiples usuarios logran compartir un mismo recurso inalámbrico
para resultar conectados a una misma radiobase.
293
8.4. El Multiacceso por División de Tiempo (TDMA)
Con FDMA solo las élites tenı́an acceso a las comunicaciones móviles, pues resultaban extremadamente
costosas. Como ocurrió con la telefonı́a fija, la UIT ahora se propuso la meta de lograr que cada persona
tuviese un celular y eso requerı́a una nueva revolución tecnológica para hacer más eficiente y flexible el uso
del espectro. Surgieron entonces las comunicaciones móviles de Segunda Generación (2G). La novedad era
esencialmente la implementación de TDMA. Como se deduce de la siguiente figura, el terminal de usuario
debe preparar la señal digital para ir enviándola por una ventana de tiempo que se repite periódicamente.
Surge ası́ un nuevo tipo de canal para enviar información- el canal de tiempo.
Figura 8: Ejemplo de multiacceso
En la figura vemos que al usuario A ocupa el canal 1, el B el 2 y el C el 3. Con TDMA surgen los
sistemas móviles de segunda generación (2G) que se caracteriza por: ser digital, ser asequible, llevar voz y
datos. Entre los sistemas 2G se tienen: GSM, D-AMPS (también conocido como sistema TDMA), cdma-one
(también conocido como IS-95), PDC.
8.5. Técnicas adicionales usadas en las comunicaciones móvi-

les
8.5.1. Técnicas o esquemas de diversidad
El problema a resolver con estas técnicas puede ser planteado de la siguiente manera:
El Teorema de Shannon nos plantea un reto importante, que puede ser resuelto mediante técnicas de
codificación del canal. Pero en un sistema de comunicaciones es muy común que los errores aparezcan con-
centrados de manera indeseada. Por ejemplo, cuando vimos el comportamiento de los niveles de potencia de
la señal RF cuando se presenta el fenómeno de multitrayectoria, vimos que la señal puede presentar fuertes
caı́das, con respecto a la media. Supongamos que una caı́da de esas es debido al paso de carros entre el
receptor y la radio base, el caso es que eso hace que se produzca una ràfaga de un volumen alto bits perdidos
concentrados en un instante de tiempo. El volumen puede ser tan alto que los algoritmos de codificación
del canal no tienen nada que hacer. Entonces dirı́amos que el Teorema de Shannon falla en estos casos?.
294
La respuesta es que se requieren técnicas adicionales, como los esquemas de diversidad para lograr que
los errores queden de alguna manera distribuidos uniformemente y la codificación del canal funcione mejor.
Los esquemas de diversidad se tratan de métodos para mejorar la recepción de una señal mensaje
usando dos o más canales con diferentes caracterı́sticas, pero usualmente sin agregar otra redundancia que
la que pueden imprimir los métodos de codificación del canal. Desde este punto de vista, puede decirse que
esta técnica es complementaria a los métodos de codificación del canal, para lograr que la codificación del
canal sea más efectiva. Es una técnica común para combatir el desvanecimiento variable y las interferencias
cocanal que experimentan las señales en su paso por un canal que producen ráfagas de errores. Se basan
en que canales individuales experimentan diferentes niveles de desvanecimiento y de interferencia. La idea
es transmitir y/o recibir múltiples versiones de la misma señal para hacerles un tratamiento en el receptor
que permita obtener una mejor versión del mensaje que cuando se usa un solo canal.
8.5.2. Diversidad de tiempo. Interleaving, FEC

Se usa principalmente cuando el sistema de comunicación usa canales de tiempo, como ocurre al usar
TDMA en un sistema de comunicaciones móviles, donde a la comunicación de un usuario le corresponde so-
lo una ventana en el tiempo o Time-Slot dentro de un canal de frecuencia. Es el caso de las comunicaciones
móviles digitales en general, pero el caso más claro son los sistemas de comunicaciones móviles de segunda
generación (2G), los cuales usan, en la interfaz aire, PCM y multiplexado por división de tiempo (TDM)
como principal innovación con respecto al sistema de comunicaciones móviles de primera generación (1G)
el cual usaba métodos analógicos en la interfaz aire. Una señal TDM tiene muchos canales de tiempo, y
resulta lógico pensar que cada uno de ellos pasa por diferentes condiciones de propagación. Por ejemplo,
si la señal entre una radiobase y un usuario es interrumpida por el paso de algún obstáculo en medio de
ellos, esto puede impactar a algunos canales de tiempo pero no a todos. En este caso toma sentido una
técnica conocida como bit-interleaving que consiste en mezclar los bits de todos los canales de tiempo de
manera que, si se pierde un canal de tiempo, no se pierdan todos los bits de unos ciertos time-slots sino
que esa pérdida se reparta homogéneamente entre todos los usuarios, de modo que cada usuario pierda solo
unos pocos bits. Ahora es cuando surge el reto de poder recuperar los pocos bits perdidos y cuando toma
sentido otra técnica adicional conocida como Forward Error Correction (FEC). Esta consiste en agregar
redundancia al mensaje, de manera previa o posterior al interleaving, para lograr reconocer en el receptor
los bits perdidos y poder recuperarlos. El interleaving evita entonces las ráfagas de errores, mejorando el
desempeño de las técnicas FEC que son efectivas cuando hay pocos bits perdidos en cada canal de tiem-
po. Es importante notar que el interleaving no significa enviar el mensaje de manera redundante, son las
técnicas FEC las que introducen información que permita al receptor descubrir errores. Desde este punto
de vista interleaving y FEC son capas diferentes en un sistema de comunicaciones: la capa de interleaving
se encarga de distribuir bits, la FEC de mantener un sistema capaz de corregir errores para lo cual en
el transmisor se tiene una especie de codificador y en el receptor un decodificador. La cuestión es que la
capa de FEC es más efectiva con el interleaving y esta última tiene sentido sólo si se va a usar FEC, lue-
go, van de la mano, pero queda claro que el interleaving no aplica redundancia, pero es el FEC quien lo hace.
Figura 9: Ejemplos de la diversidad de tiempo utilizando el intercalado.
No intercalado
Código Código Código Código
𝒙𝟎 𝒙𝟏 𝒙𝟐 𝒙𝟑
Intercalado
Pero el bit interleaving también tiene sentido incluso cuando la comunicación no se basa en TDMA.
Supongamos que se tiene una comunicación digital inalámbrica solo entre dos puntos. Está claro que FEC
Ejemplo de la diversidad
295 de tiempo usando intercalado
va a funcionar mejor si los errores se concentran en ráfagas, va a ser más difı́cil corregir esos errores que
cuando quedan repartidos de manera uniforme en el tiempo.
8.6. Diversidad de espacio

En los sistemas de comunicación cableada corresponde a la transmisión de una misma información por
diferentes cables. En el caso de las comunicaciones inalámbricas es menos obvio pues no es la idea usar
varios canales para la comunicación. Se trata más bien de una Diversidad de Antena, usando varias antenas
para transmitir y/o recibir, lo cual debe ir seguido de técnicas de procesamiento digital para recuperar el
mensaje a partir de esa diversidad que permite que cada antena aporte algo diferente que ayuda a la tarea
de recuperación. Cuando el transmisor y el receptor usan varias antenas, se habla de técnicas MIMO (por
su significado en ingles Multiple Input Multiple Output). Pero también se habla de macrodiversity o site
diversity, cuando las antenas que participan en la comunicación están muy alejadas entre sı́ como es el
caso de la existencia de varios puntos de acceso (access point) como se hace en las redes WLAN. Cuando
esas distancias entre las antenas son menores a una longitud de onda se habla de microdiversidad y MIMO
es un ejemplo de ella. Estas técnicas pueden combinarse adicionalmente con codificación para cada canal,
con lo cual se habla de space-time coding(STC), ası́ como con técnicas de beamforming para hacer que las
antenas busquen a los usuarios, por ejemplo, cuando la concentración de usuarios cambia en el curso del dı́a.
Figura 10: Diversidad de espacio
R𝐱
𝐓𝐱
P𝟏 P𝟐
296
Figura 11: Diversidad de espacio
8.6.1. Diversidad de polarización

Consiste en enviar y/o recibir varias versiones de un mensaje usando diferentes polarizaciones de antena.
Es en el fondo un caso especial de diversidad de espacio ya que usualmente se usan al menos dos antenas
para darle a cada una polarización diferente.
Figura 12: Ejemplo de diversidad de polarización
Polarizado
Vertical
Alta
Correlación
CANAL
Baja
Correlación Polarizado
Horizontal
Diversidad Espacial Diversidad de patrones Diversidad de polarización
8.6.2. Diversidad de frecuencias

El mensaje se transmite y/o recibe usando varios canales de frecuencia. Como en los casos anteriores,
no necesariamente debe haber transmisión redundante, pues también es muy común la distribución pre-
meditada de la información en varios canales. Supongamos un sistema de comunicaciones móviles donde
el espectro disponible se ha dividido en sub-bandas A,B,C,D. Supongamos también que a un usuario se
le asigna la sub-banda A, pero en la práctica la información transmitida para todos los usuarios ha sido
previamente mezclada, de modo que resulta repartida en todas las sub-bandas. Entonces, el usuario, en
modo de recepción, deberá poder recibir todas las sub-bandas para poder pretender extraer lo que le co-
rresponde. La técnica que más claramente se relaciona con este ejemplo es la que se conoce como OFDM
usada en las comunicaciones móviles de Cuarta Generación (4G) y en la televisión digital.
297
Figura 13: Múltiples tuberı́as de capa fı́sica (PLP)
Otra posibilidad es el uso de la técnica de conocida como FHSS (Frequency Hopping Spread Spectrum),
usada en las redes WIFI y Bluetooth.
8.6.3. Diversidad de multi usuario

Consiste en que el transmisor o radiobase agenda de manera oportunista al usuario, estudiando las
condiciones del canal entre ella y todos los usuarios para seleccionar al usuario que tiene mejores cualidades
para la comunicación. La idea es elegir el mejor instante para atender a cada usuario de la manera más
óptima posible.
8.6.4. Diversidad cooperativa

Se trata de una especie de diversidad de ganancia de antena que se alcanza usando antenas de otros
usuarios o nodos.
8.6.5. Diversidad de códigos

Un ejemplo es lo que puede lograrse usando la técnica conocida como DS-SS (Direct Sequence Spread
Spectrum) que predomina en las comunicaciones móviles de tercera generación (3G) que facilita el uso
redundante del ancho de banda.
8.7. La Duplexación
Es la solución que permite a los usuarios conectados a una radiobase mantener una comunicación bi-
direccional.
Duplexación por División de Frecuencias (FDD) se usa una banda de frecuencias para la información
que va desde el usuario a la radiobase, es decir para el Enlace de subida o up-link y otra banda para
la información que va desde la radiobase al usuario. Es decir el Enlace de bajada o Dowlink.
FDD es el método de Duplexación más usado desde el comienzo de las comunicaciones móviles hasta
el dı́a de hoy. A manera de ejemplo, la figura 14 muestra la distribución de la banda conocida como 1900
MHz, entre los operadores móviles establecidas en Colombia. Allı́ vemos por ejemplo que a la banda A
destinada para up-link le corresponde la banda A destinada para Downlink.
Obsérvese también que en medio de esas grandes bandas existe una central que sirve de guarda, pero que
hoy dı́a busca ser aprovechada mediante otro tipo de Duplexación, La Duplexación por División de
Tiempo (TDD).
298
Figura 14: Banda 1900 como posibilidad de ser aprovechada por duplexación por división de
tiempo TDD.
Banda
A D B E F C Central A' D' B' E' F' C'
15 MHz 5 15 MHz 5 5 15 MHz 20 MHz 15 MHz 5 15 MHz 5 5 15 MHZ
a) Canalización de la banda 1900 en Colombia
Banda
DIS T C O1 M C O2 T (PCS) Central DIS T C O1 M C O2 T (PCS)
5 5 5 5 7,5 7,5 5 20 MHz 20 MHz 5 5 5 5 7,5 7,5 5 20 MHz
b) Ocupación de la banda en Colombia Tigo-Colombia Móvil (T). Movistar (M). Comcel (C). Espectro disponible (DIS)
1950 MHz
1970 MHz
1910 MHz
1945 MHz
1965 MHz
1975 MHz
1990 MHz
1850 MHz
1865 MHz
1870 MHz
1885 MHz
1890 MHz
1895 MHz
1930 MHz
La figura 15 resume la distribución de bandas de frecuencia de los términos estudiados.
Figura 15: Resumen de FDMA-FD, TDMA-FDD, FDMA-TDD.
Downlink
Uplink Downlink Uplink
𝑓
FDMA-FDD TDMA-FDD TDMA-TDD
299
8.7.1. La celda y la radiobase
Figura 16: La celda y la radiobase
𝒇𝒄𝟔 𝒇𝒄𝟕 𝒇𝒄𝟔 𝒇𝒄𝟕
𝒇𝒄𝟐 𝒇𝒄𝟑 𝒇𝒄𝟏 𝒇𝒄𝟐

𝒇𝒄𝟑 𝒇𝒄𝟏
𝒇𝒄𝟒 𝒇𝒄𝟓 𝒇𝒄𝟒 𝒇𝒄𝟓
Cluster de celdas Reuso
8.7.2. El reuso
8.7.3. El handoff
8.8. Spread Spectrum (SS) y el Multiacceso por División de

Códigos (CDMA)
Es la tecnologı́a que hace posible el multiplexado por división de códigos (CDM) y consecuentemente el
multiacceso por división de códigos (CDMA), que dio origen a un sistema 2G conocido como CDMA-ONE,
que inicialmente competı́a con los sistemas GSM y D-AMPS. La batalla en 2G por el mercado mundial la
ganó GSM debido a la gran expansión que logró al provenir de la unión de todos los paı́ses europeos. Pero
CDMA-ONE logró demostrar que era la tecnologı́a que permitı́a el uso más flexible del espectro.
Problema que impulsa la tecnologı́a Spread Spectrum: La necesidad no está originalmente en

las comunicaciones móviles, sino simplemente en la comunicación entre dos puntos. Por ejemplo, entre el
piloto de un avión militar y el comando en tierra. Durante la segunda guerra mundial era ideal poder
emitir señales que el enemigo no pudiese detectar. La idea consiste en lograr distribuir la energı́a de la
señal útil en una banda muy ancha, para que su PSD se parezca a la del ruido blanco. Ası́ el enemigo solo
detectará en sus equipos de medición la presencia de ruido blanco. Hoy esta tecnologı́a es ampliamente
usada para la implementación de enlaces de microondas en bandas de frecuencia de uso libre, las cuales
son muy congestionadas. En este sentido, SS permite establecer enlaces incluso en bandas que ya están
ocupadas sin interferirlas.
300
Figura 17: Spread Spectrum
Para su análisis resulta útil usar un sistema equivalente en banda base, como el siguiente:
Figura 18: Sistema equivalente en banda base.
1
bt es usualmente una señal binaria con Rb = , pero puede ser cualquier señal digital banda base,
Tb
por ejemplo la envolvente compleja 8-PSK, con Rsym = 1/Tsym .
c(t) es una señal de ruido que se caracteriza por tomar valores en 1 y -1 cada Tc , donde Tc << Tb o
Tc << Tsym .
301
Figura 19: Señales de ejemplo.
Veamos la PSD de estas señales:
302
Figura 20: PSD de las señales.
𝑺𝑩 (f)
𝑺𝑪 (f) = 𝑺𝑩 (f)
−𝑹𝒄 −𝑹𝒃 𝑹𝒃 𝑹𝒄
Banda de interés
Podemos observar que:

• La PSD de la señal c(t)ym(t) = b(t) ∗ c(t) se expande hasta una frecuencia N = R c
Rb
veces mayor, a
la vez que cae en altura, hasta el punto que, dentro de una banda de interés para la transmisión/re-
cepción Sc (f ) y Sm (f ) resultan siendo similares a la del ruido blanco. Por lo anterior, c(t) aunque
es binaria bipolar es considerada una señal de ruido.
• Es ideal que c(t) sea totalmente aleatoria para que tenga la PSD mostrada, pero esto es difı́cil de
lograr ya que c(t) debe ser conocida tanto en el transmisor como en le receptor.
• En la práctica, c(t) es generada por un dispositivo conocido como GENERADOR DE SECUENCIAS
DE PSEUDORUIDO. La idea es lograr que exista un generador idéntico en la parte transmisora y
en la receptora. Esta limitación hace que c(t) no tenga caracterı́sticas completamente aleatorias, al
punto que incluso c(t) resulta siendo una señal periódica, aunque el periodo puede ser tan grande
que esta periodicidad puede ser ignorada en el análisis. Por esta razón, c(t) es en la práctica una
señal o secuencia de pseudoruido.
• Entre más grande será el factor de dispersión (SF- del inglés Spreading Factor ) N = R
Rb
c
o N = RR c
s ym
,
menos se notará la señal emitida m(t) en receptores diferentes al nuestro, los cuales la verán más
bien como ruido blanco.
Análisis de la parte receptora: Es importante resaltar que la señal i(t) que en el canal se suma
de manera indeseada a nuestra señal útil m(t) puede ser, más que ruido blanco, potentes señales de otras
emisiones indeseadas, es decir, interferencias que producen otros sistemas de comunicación de la banda
de frecuencia de nuestro sistema. Por eso, revisaremos el peor caso de la PSD de una señal i(t) como se
muestra en la figura 21
303
Figura 21: Peor de los casos de la señal i(t).
𝑺𝑰 (f)
𝑺𝑹 (f) = 𝑺𝑴 (f) + 𝑺𝑰 (f)
𝑺𝑴 (f)
Banda de interés
r(t) = m(t) + i(t); z(t) = r(t) ∗ c(t) (8.1)
z(t) = [m(t) + i(t)] ∗ c(t) = [b(t) ∗ c(t) + i(t)] ∗ c(t) (8.2)
z(t) = b(t) ∗ c2 (t) + i(t) ∗ c(t) (8.3)

2
Si c(t) es binaria bipolar de amplitud 1, entonces c (t) = 1.
z(t) = b(t) + i(t) ∗ c(t) (8.4)

| {z } |{z}
N uestro mensaje se recupera La senal de interf erencia se dispersa en las f recuencias
Figura 22: Señal b(t).
Banda de interés
Finalmente, un filtro de acoplamiento y un decisor de umbral permiten recuperar la señal b(t).
8.8.1. Tipos de Spread Spectrum

Hoy se habla de dos grandes tipos de espectro disperso:
• El que hace uso de las secuencias de pseudoruido, que es justo el tema explicado anteriormente y se
conoce mejor como DS - SS (Direct Sequence Spread Spectrum).
304
• El que hace uso de saltos de frecuencias y que se conoce mejor como FH – SS (Frequency Hopping
Spread Spectrum).
8.8.2. El Multiacceso por División de códigos (CDMA)

DS-CDMA (Direct Sequence Code Division Multiaccess).
Este tipo de multiacceso fue usado por la empresa estadounidense Qualcomm en el sistema móvil 2G
conocido como CDMA - ONE. Este sistema pronto perdió la batalla en los mercados, pero demostró que
esta forma de multiacceso era más flexible y más eficiente que TDMA en comunicaciones que combinan
voz y datos.
CDMA usa tecnologı́a DS-SS y a menudo se conoce también como DS – CDMA. La figura 23 muestra
cómo se usa el espectro cuando se usa CDMA.
Figura 23: Distribucion del espectro con CDMA.
Códigos t
Downlink
8.9. Multiacceso por División de Códigos de banda ancha

(WCDMA)
Finalizado el siglo XX la UIT se propuso comenzar el año 2000 con una nueva revolución en las comu-
nicaciones: Lograr que cada persona, independientemente de su condición económica, tuviese la posibilidad
de estar siempre conectado, desde cualquier lugar, en cualquier momento, mediante cualquier terminal y
en cualquier situación.
8.9.1. Convergencia de las comunicaciones

Hasta ese momento, las redes de telecomunicaciones se desarrollaban para prestar servicios independien-
tes. Por ejemplo, la telefonı́a fija, permitı́a: Hacer llamadas, usar buzones de llamadas, llamadas bipartidas,
etc. Pero solo entre usuarios de telefonı́a fija. Por supuesto se podı́a llamar desde un teléfono fijo a un móvil,
pero los costos eran exorbitantemente mayores. Lo mismo ocurrı́a con las redes de datos, tenı́an servicios
propios, que si bien era posible acceder por medio de la telefonı́a fija o la móvil, se hacı́a con una muy baja
calidad y unos costos absurdos.
Retos tecnológicos:
• Organizar el núcleo de todas las redes, ahora ese núcleo se llamarı́a REDES DE NUEVA GENERA-
CIÓN (NGN).
305
Figura 24: Redes clásicas y redes de nueva generación.
REDES CLASICAS REDES DE NUEVA GENERACIÓN

Servicios Independientes Servicios
Gestión Independiente Contenido Servers
Gestión
Backbone
Network
Media
Acceso
Acceso
Acceso
Móvil Fijo Datos TV Cable
Redes de Acceso, Transporte

Y Conmutación Diferentes Móvil
Fijo Datos TV Cable
El impacto principal de las NGN consistı́a en posibilitar el desarrollo de servicios comunes a todas las
posibilidades de los usuarios.
• Retos polı́ticos: En Colombia, la polı́tica nacional se consolida en la ley 1341 de 2009 ley 1341 de
2009 y en el Plan de Gobierno Vive Digital.
• Acuerdo internacional para producir un sistema único para las comunicaciones móviles, las cuales
eran la clave para lograr la revolución trazada.
8.9.2. El UMTS
Hoy ese sistema UMTS (Universal Mobile Telecommunication System), que corresponde a la tercera
generación de comunicaciones móviles (3G). Algunos también le llaman WCDMA ya que implementa la
tecnologı́a de multiacceso conocida como Multiacceso por División de Códigos de banda ancha, para lograr
que los usuarios puedan establecer comunicaciones con requerimientos flexibles de uso de las bandas de
frecuencia disponibles.
8.9.3. IMT-2000
Es la recomendación que emitió la UIT para impulsar las comunicaciones móviles 3G. Fue escrito
con apoyo del 3GPP (Third Generation Partnership Project). Un conjunto de entidades interesadas en
estos avances que incluyen: proveedores de tecnologı́a, operadores, etc. El número 2000 hace referencia al
esperanzador año 2000 y también a la necesidad de sumar bandas de frecuencias para el nuevo sistema,
cercanas a los 2000 MHz. 2000 kbps también era la meta establecida para la velocidad de datos que podrı́an
tener los usuarios desde sus terminales móviles usando la nueva Interfaz aire. IMT (International Mobile
Telecommunications) significa la necesidad de un sistema único mundial.
8.9.4. WCDMA:
El sistema de tercera generación UMTS usa CDMA de banda ancha (WCDMA) que se diferencia de
CDMA en los siguientes aspectos:
Se usan bandas de frecuencia de ancho 5 MHz, que es notablemente mayor al usado en CDMA-ONE.
306
Se usan códigos de Walsh para distinguir los usuarios. Se trata de una familia de señales que tienen
una forma similar a las secuencias de pseudoruido, pero son todas ortogonales entre sı́. La siguiente figura
muestra un ejemplo de ocho funciones de Walsh.
Figura 25: Funciones de Walsh.
1
𝐶0 (𝑡) -1
1
𝐶1 (𝑡) -1
1
𝐶2 (𝑡) -1
1
𝐶3 (𝑡) -1
1
𝐶4 (𝑡) -1
1
𝐶5 (𝑡) -1
1
𝐶6 (𝑡) -1
1
𝐶𝑁−1 (𝑡) -1
𝑡
𝑇𝐶
𝑇𝑏 = 𝑁 ∙ 𝑇𝐶
Funciones o códigos de Walsh de orden N=8
N es el número de diferentes códigos de Walsh. Coincide con el número máximo de usuarios simples.
También coincide con el número de chips en l duración de un bit. Por tanto SF = N xN = 2n , donde n es
un entero.
El término “usuario simple” se ha usado porque en principio un usuario podrı́a llegar a usar varios
códigos en la práctica.
Debido a su ortogonalidad se cumple que:
Z 0
Cn (t) ∗ Ck (t)dt = 0, ndif erentedek1, n = k (8.5)
Tb
Gracias a esto los usuarios no se interfieren entre sı́.
Ejercicio: Comprobar si el código C2 (t) y el C5 (t) son ortogonales en el periodo Tb .
307
Figura 26: Ejercicios funciones de Walsh.
Z 0
C2 (t) ∗ C5 (t)dt = 0 (8.6)
Tb
Ası́ que C2 (t) y C5 (t) son ortogonales en ese periodo.
Ejercicio: Tenemos el siguiente sistema de comunicación. 4 usuarios envı́an un mensaje cada uno a
una radio base, donde esos 4 mensajes deben ser extraı́dos a partir de la señal s(t).
Figura 27: Sistemas de comunicaciones.
Para obtener cada señal mk (t) en el demux se usa el esquema de la figura 27 para cada una de esas
señales. Veamos el caso del usuario k=2. Dentro del demux se halla r(t) ∗ c2 (t)
z2 (t) = [m1 (t) ∗ c1 (t) ∗ c2 (t)] + [m2 (t) ∗ c2 (t) ∗ c2 (t)] + [m3 (t) ∗ c3 (t) ∗ c2 (t)] + [m4 (t) ∗ c4 (t) ∗ c2 (t)] (8.7)
Es importante aclarar que durante el tiempo, cada una de las señales mk (t) tiene un valor constante
Ak . Veamos un ejemplo para m2 (t). Si m2 (t) es la siguiente
308
Figura 28: Ejemplo m2 (t).
Z 0 Z 0 Z 0 Z 0 Z 0
z(t)dt = m1 (t)∗c1 (t)∗c2 (t)dt+ m2 (t)∗c22 (t)dt+ m1 (t)∗c3 (t)∗c2 (t)dt+ m4 (t)∗c4 (t)∗c2 (t)dt
Tb Tb Tb Tb Tb
(8.8)
Z 0 Z 0 Z 0 Z 0 Z 0
z(t)dt = A1 ∗c1 (t) ∗ c2 (t)dt + A2 +A3 c3 (t) ∗ c2 (t)dt + A4 c4 (t) ∗ c2 (t)dt (8.9)
Tb Tb Tb Tb Tb
Debido a la ortogonalidad entre los códigos en el intervalo Tb tenemos que:

Z 0 Z 0
1
z(t)dt = A2 ∗ Tb => z(t)dt = A2 (8.10)
Tb Tb Tb
En conclusión: Vemos que para cada ventana de tiempo de duración Tb es posible encontrar el valor
de cada mensaje sin ningún tipo de afectación de parte de los mensajes de los otros usuarios.
Por el hecho de usar códigos ortogonales este tipo de técnica de espectro ensanchado se conoce como
Orthogonal Variable Spreading Factor (OVSF) y es considerado como una forma de CDMA. Esto es debido
a que cada código de Walsh tiene un ancho de espectro diferente y por lo tanto se produce un SF diferente
a mensaje, pero nunca superior a SF=N.
Se combina TDMA con CDMA.
309
Figura 29: Distribución del espectro combinando TDMA con CDMA.
códigos Uplink Downlink
𝑐6 𝑐6
𝑐5 𝑐5
𝑐4 𝑐4
𝑐3 𝑐3
𝑐2 𝑐2
𝑐1 𝑐1
f
5 MHz 5 MHz
La figura 29 muestra cómo se aprovecha la banda de frecuencias destinada a una radio base. En UMTS,
esa banda es de 5 MHz. Surge la pregunta lógica ¿Cómo se podrı́a representar en esa gráfica el uso que
las diferentes radio bases hacen del espectro? Recordemos que en los sistemas basados en TDMA (como
GSM y D-AMPS) la banda de frecuencias asignada a un operador es dividida en N subbandas centradas
en las frecuencias de las portadoras fc1, fc2, fc3. . . , fn que se asignan a N celdas aledañas de modo que
no se presenten interferencias perceptibles por los usuarios de cualquier celda. Se conforma entonces, un
clúster de N celdas, como se muestra en la figura 30:
Figura 30: Cluster de N celdas.
cluster
𝒇𝒄𝟏 𝒇𝒄𝟐
{
𝒇𝒄𝟒
𝒇𝒄𝟏 𝒇𝒄𝟐
𝒇𝒄𝟑 𝒇𝒄𝟓
𝒇𝒄𝟒
𝒇𝒄𝟑 𝒇𝒄𝟓
𝒇𝒄𝟔 𝒇𝒄𝟕
{
𝒇𝒄𝟔 𝒇𝒄𝟕
cluster
que reutiliza la banda de frecuencias
asignada al operador móvil
8.9.5. El reúso en UMTS

Se usan secuencias de pseudoruido (PN – del inglés Pseudo - noise) para distinguir las celdas.
310
Figura 31: El reúso en UMTS
cluster
𝒄𝟏 𝒄𝟐
{
𝒄𝟒
𝒄𝟏 𝒄𝟐
𝒄𝟑 𝒄𝟓
𝒄𝟒
𝒄𝟑 𝒄𝟓
𝒄𝟔 𝒄𝟕
{
𝒄𝟔 𝒄𝟕
cluster
que reutiliza la banda de frecuencias
asignada al operador móvil
De modo que, admirablemente, con UMTS un operador móvil podrı́a contar mı́nimamente con 10 MHz
(5 MHz para el Uplink y 5 para el Downlink, si usa duplexación FDD (la mayorı́a lo hace)). No necesita
subbandas de frecuencias para conformar clusters de celdas, pues UMTS reutiliza una banda de 5MHz
mediante códigos de Pseudoruido.
Cabe aclarar que una banda tiene en todo caso una capacidad limitada de trafico dada por la limi-
tación de potencia de los transmisores usados principalmente en las radio bases. Cada usuario conectado
demanda parte de esa energı́a que emite la radio base de manera proporcional a la velocidad de datos del
servicio que el usuario utiliza. Por ello, no es raro que los operadores tengan en la práctica varias bandas
UMTS, Cuando esto ocurre, pudiera decirse que el multiacceso en UMTS combina CDMA con TDMA y
con FDMA, aunque a la combinación de todo eso, en la práctica, se conoce simplemente como WCDMA.
8.9.6. Respiración de las celdas en UMTS

Este tema se ha dejado se ha dejado para que el estudiante lo investigue y ponga a prueba los conoci-
mientos adquiridos para comprender fácilmente otros. Durante esta investigación no olvide que: una radio
base y también un terminal tienen potencia limitada; a diferencia de otros sistemas. UMTS busca atender
con calidad similar a un usuario que está cerca de la radio base y a otro que está lejos de ella.
8.10. OFDM – OFDMA

OFDM es un multiplexado por División de Frecuencias (FDM), que usa portadoras que son ortogonales
entre sı́. La figura 32 muestra 4 portadoras ortogonales.
311
Figura 32: OFDM
k=0
𝐶0 (𝑡)
k=1
𝐶1 (𝑡) න 𝐶𝑘 𝑡 𝐶𝑛 𝑡 dt
k=2 𝑇
𝐶2 (𝑡)
0, 𝑘≠𝑛
= ቊ
1, 𝑘=𝑛
k=3
𝐶3 (𝑡)
k=4
𝐶4 (𝑡)
Tiempo (muestras)
Todas las señales senoidales cuyas frecuencias sean múltiplo entero de una cierta frecuencia f0 , son
ortogonales entre sı́.
8.10.1. Realización práctica de OFDM

Haber descubierto que una señal OFDM se puede producir usando el algoritmo FFT (Fast Fourier
Transform) es una de las causas del amplio uso que ha tenido en las comunicaciones de Cuarta Generación
(4G), que se han materializado en el sistema LTE (Long Term Evolution).
Figura 33: sistema LTE (Long Term Evolution
Ts
t
m[0]= s[0]
m0(t)
t
t
m[1]= s[1]
m1(t) sI(t)
t
Mues- Conversor
trea- Discreto/
t dor, IFFT continuo
Ts m[2]= s[2] sQ(t)
m2(t)
t
t
m[N-1]= s[N-1]
mN-1(t)
t
312
m0 (t), m1 (t), . . . , mN −1 (t) son las señales a multiplexar, ellas pueden ser señales reales binarias, pero
también pueden ser señales digitales moduladas en su versión de envolvente compleja, como se muestra en
la figura, donde cada señal tiene una componente I y una Q y por lo tanto trae sı́mbolos de duración Ts.
El muestreador hace que solo una muestra por cada sı́mbolo pase al siguiente bloque llamado IFFT
(Inverse Fast Fourier Transform). Este bloque ejecuta la operación inversa de Representación en Series de
Fourier Discreta:
N −1
X 2πkn
m[k]ej N , n = [0, N − 1] (8.11)
k=0
La figura 34 muestra el paso del primer sı́mbolo de cada mensaje por los bloques del multiplexor. La
IFFT recibe ese paquete y entrega N muestras de la señal multiplexada.
Figura 34: Paso del primer sı́mbolo por los bloques del multiplexor.
Ts
t
m[0]= s[0]
m0(t)
t
t
m[1]= s[1]
m1(t) sI(t)
t
Mues- Conversor
trea- Discreto/
t dor, IFFT continuo
Ts m[2]= s[2] sQ(t)
m2(t)
t
t
m[N-1]= s[N-1]
mN-1(t)
t
sn  k 0 mk e j 2kn / N

Ts – Duración de N 1 , n=[0,N-1]
un símbolo
Lo mismo se repite para el segundo sı́mbolo como lo muestra la figura 35.
313
Figura 35: Paso del segundo sı́mbolo por los bloques del multiplexor.
Se produjo otro paquete de N muestras de la señal s[n]. Esas muestras van siendo organizadas en serie
y convertidas en una señal continua por el bloque “Conversor Discreto/Continuo”.
Figura 36: Paso del N sı́mbolo hasta llegar al bloque “Conversor Discreto/Continuo”.
Como la señal discreta es:

N −1
X 2πkn
s[n] = m[k]ej N , n = [0, N − 1] (8.12)
k=0
Es importante notar que con un sola muestra m[k] de todos los usuarios se obtienen N muestras de
la señal s[n]. Eso significa que durante un periodo N, la muestra m[k] se mantiene constante. Luego, s[n]
314
varı́a N veces más rápido que m[k]. Sea m[k], n una versión de m[k] sobre muestreada N veces, o sea que
por cada valor m[k] se produce m[k, 0] = m[k], , m[k, 1] = m[k], ... , m[k, N − 1] = m[k], entonces se
justifica la siguiente expresión.
N −1
X 2πkn
s[n] = m[k, n]ej N , n = [0, N − 1] (8.13)
k=0
Entonces puede deducirse que si esa señal se hace pasar por un conversor discreto a continua, se obtiene:
N −1
X 1
s[n] = mk (t)ej2πkf0 t , f0 = , t = [0, ∞] (8.14)
Ts
k=0
Esta fórmula nos revela que esta interconexión es equivalente a la figura 37.
Figura 37: Efecto de Aliasing.
Efecto del aliasing.
Es importante tener en cuenta los efectos del aliasing que se presenta con las señales senoidales discretas,
como se muestra en la siguiente figura, en la cual puede deducirse que c7 [n] = c1 [n], donde * se usa para
señalar que es el conjugado. Si estas dos señales se miran en un plano complejo, veremos que son vectores
rotantes que giran a una misma velocidad, pero en direcciones contrarias. Por lo tanto también puede
decirse que:
c7 [n] = ej2π7n/N = C−1 [n] = ej2πn/N (8.15)

Lo mismo ocurre entre c6 [n] y c2 [n], ası́ como entre c5 [n] y c3 [n].
315
Figura 38: Efecto aliasing.
Como el USRP no mira las frecuencias que están entre 0 Hz y la frecuencia de muestreo Fs Hz, sino
entre −Fs /2 y +Fs /2, equivale a decir que solo reconoce la existencia de las portadoras c−N/2 [n], . . .
c−1 [n], c0 [n], c1 [n], . . . , cN/2 [n]. Por esta razón, el espectro OFDM se obtiene centrado en la frecuencia
cero como se muestra en la siguiente figura tomada de GNU Radio. Homero: falta lo más importante:
mostrar implementación en GNU radio y resultados
316
Capı́tulo 9
Codificación
9.1. Introducción
Ideas a incluir en la introducción:
En 1950 la televisión a blanco y negro analógica comenzó a extenderse por el mundo y convertirse
en uno de los eventos más memorables. En ese momento ya se habı́a extendido el uso del teléfono,
pero resultaba muy costoso usarlo en llamadas de larga distancia.
Pero ya desde 1948, Shannon ya estaba comenzando a usar la palabra bit para llegar a producir la
revolución digital que estamos viviendo hoy, donde la información fluye en forma digital por cables
o sin ellos.
En ese momento, la tecnologı́a digital parecı́a algo innecesario ya que por un lado significaba tecno-
logı́a más costosa y por el otro requerı́a mayores anchos de banda.
En realidad, la tecnologı́a digital tiene sus desventajas, pero las ventajas son mayores. El progreso
que ha habido en la electrónica, pero también en las técnicas de codificación del canal y en algoritmos
de procesamiento digital han sido claves para que las comunicaciones digitales se impongan.
9.2. Conceptos previos

9.2.1. Polinomio generador de código
Cualquier código binario puede ser representado mediante un determinado polinomio G(x), de cierto
grado r. También puede decirse que cualquier polinomio de estos puede generar un código binario, por eso
se habla de un polinomio generador Por ejemplo, el Polinomio Generador podrı́a ser.
G(x) = x3 + 1, el cual es de grado es r = 3 (9.1)
G(x) = 1x3 + 0x2 + 0x + 1x0 (9.2)

El código binario corresponde a los coeficientes: 1001 Los signos de suma en los polinomios generadores
son suma por módulo 2. Por eso podrı́amos decir que X 2 + X 2 = 0, ya que1 ⊕ 1 → 0.
9.3. Aritmética de módulo 2

Vale la pena recordar la aritmética de módulo 2, donde las sumas y las restas funcionan como com-
puertas XOR.
0⊕0→0 (9.3)
1⊕0→1 (9.4)
0⊕1→1 (9.5)
1⊕1→0 (9.6)
317
9.3.1. Campos de Galois
9.4. Fundamentos de codificación del canal

9.4.1. Teorema de Shannon
Ideas a incluir en este capı́tulo:
El Teorema de Shannon o Teorema de codificación del canal ruidoso establece las fronteras para la
máxima información teórica que se puede transferir a un canal con un cierto nivel de ruido.
Increı́blemente, los últimos lı́mites en la teorı́a de la información y codificación fueron determinados
justo cuando esta ciencia nació, con los primeros artı́culos de Shannon.
El resultado más conocido de Shannon es el teorema de la capacidad de un canal. El teorema establece
que para muchas clases comunes de canal existe un parámetro que ha sido llamado Capacidad de
Canal C, sobre el cual viajan códigos a una rata R < C que pueden alcanzar transmisiones con
cualquier grado de confiabilidad, pero estos códigos no existen para R > C.ası́.
El teorema también establece que para una canal de ancho de banda B (Hz) y afectado solo por
ruido blanco aditivo gaussiano (AWGN del inglés Additive White Gaussian Noise), la capacidad C
(en bps) solo depende de dos parámetros: el ancho de banda B y la relación señal a ruido SNR (del
inglés Signal to Noise Relationship), ası́.
C = Blog2 (1 + SN R) (9.7)
Este teorema ha significado un reto para las siguientes generaciones de investigadores que se han
enfrascado en lograr que sus algoritmos se acerquen al menos a ese lı́mite establecido por Shannon.
En los procesos de codificación y decodificación está en gran manera la clave para alcanzarlo.
9.4.2. El proceso de codificación y decodificación digital del canal

El problema de la codificación es planteado por el canal. Como ya se ha dicho en otros capı́tulos los
efectos del canal en el proceso de la comunicación es la razón por la cual aumenta constantemente el
número de elementos o nuevos métodos de tratamiento de la información. Pareciera que con lo visto en
capı́tulos anteriores, ya se ha visto todo sobre esos métodos, pero la realidad es que por más soluciones
que se implementen siempre existirá la posibilidad de que la información llegue al destino con errores.
Figura 1: Ruta de recepción de un mensaje.
Entonces surgen varias preguntas:
318
¿Es posible reconocer en qué momento se están presentando los errores?
¿Qué acciones es posible tomar cuando se han detectado errores?
La solución a estas preguntas está en lo que se conoce como Codificación del Canal. La idea es enviar junto
con la información ciertos datos adicionales que permitan detectar la pérdida de bits, lo cual llamaremos
codificación y se realiza en el transmisor. Finalmente, en el receptor se debe realizar el proceso de la de-
tección de los errores, su corrección y la decodificación para recuperar los datos enviados, como se muestra
en la siguiente figura.
Figura 2: Proceso de codificación
9.4.3. Los retos de la teorı́a de codificación del canal

El primer reto consiste en poder corregir el máximo número de errores mientras se usa la mı́nima
redundancia (rata) posible El segundo reto consiste en construir códigos que tengan procesos eficientes de
codificación y decodificación
9.5. Códigos de Repetición

9.5.1. El Código de Repetición (3,1)
Para presentarle rápidamente un ejemplo de codificación al lector, a continuación se analiza el ejemplo
más sencillo de codificación. Consiste en transmitir 3 veces cada bit. Entonces se tiene una tabla de verdad
como la Tabla 9.1, a la cual también se refieren como un diccionario
Tabla 9.1: Tabla de verdad. Código de repetición (3,1)
Bit de información Palabra asignada
0 000
1 111
En el receptor, para el ejemplo dado, se pueden recibir 8 posibles versiones de datos a interpretar. En
el receptor podrı́a usarse la abla 9.2 como una especie de tabla de verdad para interpretar la información
útil:
319
Tabla 9.2: Tabla de verdad. Código de repetición (3.1) desde la perspectiva del receptor
Tribits recibidos Bit Interpretado Número de Errores identificados
000 0 0
001 0 1
010 0 1
100 0 1
111 1 0
110 1 1
101 1 1
011 1 1
Ventajas de esta codificación: es muy fácil codificar y decodificar
1
Desventaja: Baja rata 3
En el sitio web del libro, sección Multimedia, sub sección codificación se tiene al menos un vı́deo sobre
este tipo de codificación
9.5.2. El Código de repetición basado en una matriz 2x3

El código se obtiene a partir de una matriz G Por ejemplo

1 0 1
G= (9.8)
0 1 1
Como la matriz es de dimensión 2x3, el el mensaje se organiza en bloques de a 2 bits o sı́mbolos.
m = µ1 , µ 2 ∈ F 2 (9.9)
Mediante una multiplicación matricial se obtiene la señal a transmitir.
T = m/x/G (9.10)
Para el ejemplo

1 0 1
T = (µ1 , µ2 ) (µ1 , µ2 , µ1 + µ2 ) (9.11)
0 1 1
como el último componente es la suma de los dos primeros, este puede indicar si hay o no error, por
ejemplo si u1 = 1, u2 = 1, entonces para el último miembro debe ocurrir que u1 ⊕ u2 = 0.
El código es el conjunto de todas las posibles combinaciones de sı́mbolos a transmistir. Para el ejemplo
dado el código tiene 4 posibles palabras, pues al organizar la información por dibits, se tendrán 22 = 4
posibles dibits diferentes. Para este ejemplo, también se dice que T pertenece a un espacio F23 . Eso significa
que en ese espacio pueden haber 23 = 8 posibles combinaciones, pero que solo 4 son de información válida.
La ventaja con respecto al código del capı́tulo anterior, es que por cada 2 componentes del mensaje se
2
envı́a en 3 elementos, entonces la Rata es La desventaja: se puede detectar 1 error, pero no se puede
3
corregir.
9.6. Principales parámetros de la codificación

9.6.1. Distancia de Hamming entre dos palabras
Se usa normalmente para comparar una palabra digital original con respecto a otra que puede ser una
versión codificada o una versión recibida con errores. La distancia de Hamming es el número de bits que
difieren en esas dos palabras. En la figura 3 se muestran dos palabras a comparar.
320
Figura 3: Comparación entre dos palabras.
En ellas, la distancia de Hamming es 4, lo cual significa que se necesitan 4 errores para transformar una
palabra en la otra. La manera en que se simboliza matemáticamente la distancia de Hamming es la siguiente:
d(101101, 110100) = 3
Significa que la distancia entre los códigos 101101 y 110100 es 3.
9.6.2. Distancia de Hamming de un código

Supongamos que se desea emitir un mensaje que solo tiene las vocales abiertas: a,e,o. De manera que a
cada vocal le asignamos un código, entonces tenemos por ejemplo las siguientes tres palabras 100, 111, 011.
Para cada pareja de palábras de un código se pueden tener diferentes distancias, para este ejemplo tenemos:
d(100,111)=2
d(100,011)=3
d(111,011)=1
La Distancia de Hamming para el código dado, de varias palabras es el mı́nimo de todas las distancias.
Para el ejemplo dado es 1. Es claro que entre más grande sea esta distancia, mejor será el código, pues es
más grande la diferencia entre las palabras, de modo que los errores que puedan resultar son más fácilmente
identificables.
Veamos un ejemplo de codificación usando una matriz 3x6.
El mensaje binario se divide en bloques de 3 bits, de manera que uno de esos bloques podrı́a repre-
sentase mediante un sı́mbolo m, por ejemplo:
m = [110] ∈ F 3 (9.12)
La matriz de codificación a usar es la siguiente:

 
1 0 0 1 1 0
G = 0 1 0 1 0 1 (9.13)
0 0 1 0 1 1
La señal a transmitir serı́a entonces T = u x G.

Ejemplo para los simbolos 110 y 101.
 
1 0 0 1 1 0
(1, 1, 0) 0 1 0 1 0 1 = (1, 1, 0, 0, 1, 1) (9.14)
0 0 1 0 1 1
 
1 0 0 1 1 0
(1, 0, 1) 0 1 0 1 0 1 = (1, 0, 1, 1, 0, 1) (9.15)
0 0 1 0 1 1
321
Podrı́amos hacer lo mismo para 23 = 8 palabras, se dice que el código pertenece a un F26 , es decir un
espacio que tiene 26 = 64 posibles elementos, pero sólo 23 = 8 son parte del código. Si realizamos el análisis
para todas las posibles palabras, descubriremos que la distancia de hamming es igual a 3, pues al menos
3 bits serán diferentes entre cualquiera de las componentes del código. Si una palabra de un código C se
representa como x y otra como y, se dice que la distancia de Hamming es: h(x,y)= el número de sı́mbolos
de x que diferente de y y para todo un código C, la distancia es:
d(C) = min h(x, y) | x, y ∈ C, x 6= y (9.16)

Podemos imaginar que el campo F26 es el que se presenta en la siguiente figura.
Figura 4: El espacio F26 Los puntos negros representan las posibles palabras que pueden resultar
en el campo y los cı́rculos representan las palabras del código
En la gráfica podemos observar que cada palabra del código tiene una cobertura de radio d. Quiere
decir que si al receptor llega la señal con errores, en todo caso cada palabra recibida caerá dentro del área
de cobertura de una palabra del código y es lo que permitirá corregir el error. Por eso es importante que
el código cuente con coberturas grandes, que abarquen todo el espacio.
La gráfica anterior se refuerza si observamos que un bloque (n,k), que es un código C(n,k) y proviene
de una matriz G de n x k, es un subespacio de un espacio vectorial F n y las filas de G son la base de C.
9.6.3. La rata del código.

En cualquier caso de codificación se tiene un mensaje de k que luego de la codificación sale con n
palabras.
Figura 5: Rata del código.
322
La rata de codificación Rc señala qué tan eficiente es el código en términos de la cantidad de información
redundante que es necesario transmitir.
k
Rc = (9.17)
n
9.6.4. La ganancia del código

Es la diferencia entre los niveles de relación señal a ruido (SNR) del sistema que no incluye codificación
y el que la incluye.
9.7. Clasificación de los códigos según sus caracterı́sticas

9.7.1. Códigos lineales
Se dice que un código es lineal cuando se cumple lo siguiente:
si
m1 → c1
m2 → c2
Entonces se cumple que.

m1 ⊕ m2 → c1 ⊕ c2
Donde m es una palabra del mensaje de k bits de información; c es una palabra de código de n bits de
información; ⊕ significa suma de módulo 2 bit a bit. De modo que la suma de cualquier dos palabras de
código es una palabra de código que corresponde a la suma de las correspondientes palabras del mensaje.
9.7.2. Los códigos de bloques

Los códigos de bloques son los vistos en los anteriores ejemplos, donde a cada palabra de un mensaje
le corresponde exclusivamente una palabra de código que usualmente se agrega al final de la palabra del
mensaje en forma de una palabra de paridad.
Figura 6: Código de bloques.
9.7.3. Los códigos convolucionales

Pueden ser vistos como una variación de los códigos de bloques si se tiene en cuenta lo siguiente:
Tanto en los códigos de bloques como en los convolucionales, un mensaje se divide en bloques de
bits o palabras que se pueden representar como u2 , u1 , u0 .
En los códigos de bloques se usa una matriz G que sirve de base para obtener la señal a transmitir,
de modo que:
....u2 , u1 , u0 G (....V2 = u2 G, v1 = u1 G, v0 = u0 G) (9.18)
−
→
En algunas fuentes se usa la representación polinomial que es la siguiente:
.... + u2 D2 + u1 D + u0 G(D) .... + u2 GD2 + u1 GD + u0 G (9.19)

−−−→
323
Para el caso de los códigos convolucionales, lo que se tiene es una matriz para cada posición de la
palabra de bits del mensaje G0 , G1 , . . . ,Gs . También puede decirse que se tiene un polinomio de
matrices:
G0 + G1 + ... + Gs Ds (9.20)
Donde D puede ser visto como un retardo unitario (del inglés Delay). o sea que G0 se aplica a la
primera palabra del mensaje que llega, G1 a la que llega con un retrazo, etc.
De modo que, en la codificación convolucional, la señal a transmitir se calcula ası́:
(....u2 , u1 , u0 ) G(D) (..., v2 = u2 G0 + u1 G1 + u0 G2 , v1 = u1 G0 + u0 G1 ), v0 = u0 G0 (9.21)

−−−→
Como puede verse, cada palabra a transmitir, se obtiene usando varias palabras mientras se desplazan
las matrices usadas, lo cual puede ser visto como una convolución
La representación polinomial para decir lo mismo anterior es la siguiente:
.... + u2 D2 + u1 D + u0 G(D) ... + (u2 G0 + u1 G1 + u0 G2 )D2 + (u1 G0 + u0 G1 )D + u0 G0 ) (9.22)

−−−→
Lo destacable de los códigos convolucionales es que una palabra a transmitir lleva información no
solo de la palabra presente del mensaje sino también de palabras anteriores. Por ejemplo la palabra
a transmitir v2 se obtiene no solo a partir de la palabra del mensaje u2 sino de u1 y de u0 . Por eso
se dice que los códigos convolucionales tienen memoria, es decir, guardan información de palabras
transmitidas anteriormente.
Ejemplo de una matriz para un código convolucional.
D2 + 1

G(D) = (9.23)
D2 + D + 1
Implementación para la anterior matriz Vı́deo
9.7.4. Códigos binarios versus no binarios.
9.8. Técnicas de detección de errores

9.8.1. Chequeo de repeticiones.
9.8.2. Chequeo de paridad (Parity Check).
Ha sido uno de los primeros métodos usados para detectar errores de un mensaje enviado desde un
transmisor hasta un receptor pasando por un canal que puede producir interferencia y consecuentemente
pérdidas de bits. En mensaje es visto de manera binaria, el mensaje a transmitir es visto como un bloque
de bits, usualmente 8 bits, pero algunos de ellos, usualmente solo uno, el último, se destina para el proceso
de control de paridad.
El proceso de insertar los bits de paridad:

Ocurre en el transmisor.
contar el número de unos que hay en la información que se aloja en el bloque.
Si el número de unos es impar, se agrega un uno en el espacio destinado al control de paridad, de lo
contrario, en ese espacio se agrega un cero.
El proceso de control de errores:
Ocurre en el receptor.
A cada bloque recibido se le cuentan los unos y siempre deberá dar un número par, de lo contrario,
se habrá detectado un error Vı́deo
324
9.8.3. Chequeo de polaridad
9.9. El mecanismo de corrección de Errores

9.9.1. Solicitud Automática de Repetición (ARQ)
Solicitud automática de repetición (ARQ del inglés Automatic Repeat Request). Es la solución más
obvia, donde la Corrección de errores se implementa como un sistema de solicitud de retransmisión parcial
de la información.
9.9.2. Corrección de Errores hacia adelante (FEC)

Control de Errores hacia adelante (FEC del inglés Forward Error Correction). Consiste en la posibili-
dad de implementar la Corrección de errores como un proceso de recuperación de la información a partir
de información redundante que ha sido emitida en el proceso de codificación realizado en el transmisor.
La Corrección de Errores hacia adelante (FEC del inglés Forward Error Correction) es una técnica usada
en las comunicaciones digitales para darle la posibilidad al receptor de identificar un cierto número de
errores en la señal de información recibida y corregirlos sin necesidad de recurrir a una retransmisión de
la información, aunque a costa de usar un mayor ancho de banda en el canal. Por lo tanto es un elemento
esencial en los sistemas de comunicación digital de tiempo real de voz, vı́deo y otros servicios donde no
resulta conveniente usar métodos de transmisión.
La idea central consiste en que el transmisor codifica el mensaje de una manera especial, usando cierta
redundancia, para lo cual usa un Código de Corrección de Errores (ECC- Error Correcting Code). La idea
fue presentada por primera vez en 1940 por el matemático americano Richard Hamming cuando inventó el
ECC conocido como Hamming Code. El ejemplo más sencillo es precisamente el Código de Repetición
(3,1) explicado anteriormente.
Algunos codificadores FEC brindan la posibilidad de calcular la rata de errores de bit (BER del inglés
Bit Error Ratio), lo cual resulta valioso para otros algoritmos de sintonización.
9.10. Propiedades para la detección y corrección de Errores

Para la detección de errores: Para detectar d errores de un bit entre dos palabras, es necesario un
código con una distancia de Hamming de al menos d+1. O sea, que con una distancia de Hamming de d
se pueden detectar d-1 errores.
Para corregir d errores de un bit entre dos palabras es necesario un código con una distancia de
Hamming de al menos 2d+1. O sea que con una distancia de Hamming d se pueden corregir (d-1)/
errores.
Ejemplo C=0000000000,0000011111,1111100000
Distancia de Hamming =5
Se pueden detectar d-1=4 errores
Se pueden corregir (d-1)/2 = 2 errores
Teorema básico de corrección de errores:
Un código C permite detectar hasta s errores si.
dist(C) ≥ S + 1 (9.24)
Un código C permite corregir hasta t errorres si.
dist(C) ≥ 2t + 1 (9.25)
325
9.11. Códigos de redundancia cı́clica (CRC)
Código de chequeo de redundancia cı́clica (CRC, del inglés - Cyclic and Redundancy Check).
Originalmente se tiene una secuencia de datos Por ejemplo: 1111111000000011110000000111
Esa secuencia se divide en bloques de n elementos. Por ejemplo si n=7 y se continúa con el ejemplo
anterior, se tienen 4 bloques cada uno con un espacio al final para agregar k elementos.
Tabla 9.3: Ejemplo de código de redundancia cı́clica.
1111111 0000000 1111000 0000111
Por eso se habla de un código tipo

C(n, k) (9.26)
El espacio en blanco a la derecha de cada bloque es para agregar información clave para facilitar la
detección de errores. Esa información se deduce a partir un código binario que sea conocido tanto
en el transmisor como en el receptor. A menudo no se habla de una palabra binaria en sı́, sino de un
polinomio generador de esa palabra.
9.11.1. Proceso de codificación usando CRC

El Proceso de codificación de una secuencia de datos usando un polinomio generador G(x) en el
transmisor es el siguiente:
• Se selecciona el polinomio generador Por ejemplo G(x) = x3 + 1
• Se prepara la secuencia de datos Por ejemplo:
1111111
Se supone que a ella le corresponde un polinomio que se puede representar como M(x).
• Tanto M(x) como G(x) se expresan como secuencias de bits. Para el ejemplo usado tenemos
M (x) → 1111111
G(x) → 1001
T(x) será el polinomio de la señal a transmitir
• Se agregan r ceros a la secuencia M(x), con lo cual se obtiene Q(x). Continuando con el ejemplo.
Q(x) → 1111111000
• Se calcula el código CRC como el residuo que resulta al dividir G(x) por Q(x). Para nuestro
ejemplo tenemos que:
G(x)/Q(x)
1001 / 1111111000.
⊕1001
0110111000
⊕1001
010011000
⊕1001
00001000
⊕1001
0001
El código CRC son las r últimas cifras del residuo, es decir 001 y se puede representar como
R(x)
• Se determina el resultado o señal a transmitir T(x) adicionando el residuo obtenido en el punto
anterior a Q(x).
Para nuestro ejemplo T (x) = Q(x) + R(x)
1111111000
001
1111111001
326
• Vemos que finalmente T(x) es el mismo mensaje complementado con el código CRC.
9.11.2. Proceso de detección de errores usando Check sum

Se realiza un proceso similar al visto en el proceso de codificación CRC. Si el residuo es 0 significa
que no hay errores, de lo contrario hay errores. En calidad de ejemplo, veamos cómo se tratarı́a la señal
recibida del ejemplo anterior:
1111111001
⊕1001
0110111001
⊕1001
010011001
⊕1001
00001001
⊕1001
0000
En este ejemplo vemos que el residuo es cero, cuando la señal transmitida es idéntica a la recibida, es
decir, cuando no se presentan errores.
Veamos un ejemplo, cuando se pierde un bit, por ejemplo cuando al receptor llega la señal: 1011111001
1011111001
⊕1001
0010111001
⊕1001
00101001
⊕1001
001101
⊕1001
0100
Vemos que se obtiene un residuo diferente de cero cuando la señal recibida es diferente a la transmitida.
9.11.3. Cualidades del CRC

Detecta todos los errores de 1 bit.
Si se escoje de manera apropiada G(x) se detecta.
Todo error de 2 bits.
Todo error de bits impares.
Todo error de ráfagas con una longitud que es menor al grado r
Es fácil de implementar en hardware binario.
Es fácil de analizar matemáticamente.
Es bueno para detectar errores comunes, causados por ruido en el canal de transmisión.
9.12. La codificación de Reed Solomon

Es uno de los tipos de codificación más notables ya que su uso se extendió al disco compacto (CD), el
DVD, los discos duros, Blue-rays, otros sistemas de almacenamiento, los códigos QR, la televisión digital,
WiMax, Comunicaciones satelitales, entre otros. Fue introducido en 1960 por Irving S. Reed y Gustave
Solomon. Estrictamente pertenece al tipo de codificación cı́clica no binaria y lo que hace es agregar t
sı́mbolos de chequeo a los datos para detectar cualquier combinación de hasta t sı́mbolos erróneos o
corregir hasta t/s sı́mbolos Este código tiene las siguientes cualidades:
327
Es un tipo de código lineal sistemáticamente cı́clico y es no-binario, usada en FEC. Desde este punto
de vista, el chorro de datos del mensaje se divide en bloques de datos, se le agrega a estos bloques
una redundancia que solo depende de las entradas actuales.
Se apoyan en un área de la matemática conocida como Campos de Galois o campos finitos. Estos
campos se caracterizan por las operaciones aritméticas (+,-,x) siempre tienen un resultado dentro del
campo. Precisamente, porque las herramientas de programación no soportan aritmética de campo
de Galois, la implementación tradicional de este código es en hardware.
Se representa como RS(n,k),
Figura 7: Codificación de Reed Solomon.
donde: n = 2s−1 es la longittud del bloque resultante, s: es el número de bits que tiene cada simbolo
del mensaje, k: es el número simbolos del mensaje en cada bloque, t es el número de simbolos erroneos
que es posible corregir en la palabra del código. n es un número entero entre 3 y 2s − 1; k < n, s es
entero entre 3 y 16.
Este código es capaz de corregir tanto errores en ráfagas como datos perdidos (erasures). Se usa
principalmente en la corrección de ráfagas de errores.
La ganancia de codificación de este código: es muy alta, aunque menor que los códigos LDPC y los
TURBO códigos. Por esta alta ganancia, el código de Reed Solomon se usa en muchas aplicaciones
incluyendo almacenamiento y transmisión de información:
• Almacenamiento (cintas de almacenamiento, discos compactos,DVD, etc).
• Comunicaciones móviles.
• Radioenlaces.
• Comunicaciones satelitales.
• Televisión digital
La información puede estar dada en bits, pero también en bytes o en otro tipo de palabras. Por esa
razón es ampliamente usada no solo en las comunicaciones sino también en sistemas de respaldo de
información. Véase por ejemplo este Vı́deo
El principio de la codificación consiste en:
Se organiza la información en una matriz de dimensiones QxQ.
Por ejemplo, si la información se organiza en una matriz 4x4 y está dada en bytes, en cierto momento
podrı́an ser letras del alfabeto como en el siguiente caso:
 
A B C D
 E F G H
U = I

J K L
M N O P
Contar con una matriz de dimensiones Qx(Q+k), donde el espacio QxQ de la matriz es una matriz
de identidad y los demás espacios corresponden al código a usar.
Continuando con el ejemplo anterior, y teniendo en cuenta que la información está dada en bytes,
la matriz puede ser la siguiente:
 
01 00 00 00
00 01 00 00
 
00 00 01 00
G= 00 00 00 01

 
 1b 1c 12 14
1c 1b 14 12
328
Se obtiene la matriz de la señal a transmitir como T=u x G.
Continuando con el ejemplo, la información a transmitir está dada por la matriz siguiente:
 
A B C D
E F G H
 
I J K L
T = uxG= M N O P 

 
 51 52 53 49
55 56 57 25
Se toma la matriz obtenida y se transmite fila por fila.
Continuando con el ejemplo anterior, la señal a transmitir es la siguiente:
A B C D E F G H I J K L M N O P 51 52 53 49 55 56 57 25
mensaje paridad
| {z } | {z }
El principio de la de-codificación, cuando no hay errores consiste en:

Contar con una matriz que sea el inverso a la matriz usada para la decodificación.
 
01 00 00 00
 00 01 00 00
 
 00 00 01 00
Para el ejemplo dado anteriormente, esa matriz es. G−1 =
 00

 00 00 01
 8d f6 7b 01
f6 8d 01 7b
Se obtiene la señal recibida en forma matricial como r = T X G−1
Cuando hay errores, la decodificación se realiza en 5 niveles:
Sı́ndrome de cálculo: dice si ocurrió un error durante la transmisión de datos
Localización del error: dice donde se presentó el error la magnitud del error
Evaluación del error: corrige el error.
Tres son los posibles resultados de la decodificación:
Si 2s + r < 2t , donde s son sı́mbolos con errores, r son sı́mbolos borrados, entonces la palabra de
código originalmente transmitida podrá ser siempre recuperada
El decodificador detectará que no puede recuperar la palabra de código original e indicará este hecho.
El decodificador decodificará erróneamente y recuperará una palabra de código de manera incorrecta
y sin indicación alguna.
Otras aplicaciones de la codificación Reed Solomon.
Los métodos de codificación pueden encontrar una gran cantidad de aplicaciones.
Ejemplo aplicado a bases de datos. El mismo ejemplo anterior, aplicado al respaldo de bases de datos se encuentra en el siguiente vı́deo:
Codificador Reed Solomon aplicado para el respaldo de bases de datos
Hay también una gran multitud de aplicaciones como es el caso de los QR Codes:
Reed Solomon aplicado a Códigos QR
9.13. Reed Solomon RS(255,223)en la práctica

En la práctica es común encontrar una configuración del Reed Solomon, donde cada palabra de código
que se produce es de 255 bytes, de los cuales k=223 son bytes del mensaje y 2t=32 son bytes de paridad:
n=255,
k=223,
consecuentemente, s=8,
2t=32,
t=16
Eso indica que este código permite corregir hasta 16 sı́mbolos erróneos en la palabra de código, en cualquier
parte del código y de manera automática.
329
9.14. Modelo de capas de DVB-T
Figura 8: Modelo de capas de la capa fı́sica de dvb-t.
fuente: ETSI EN 301 958
9.15. Scrambling en DVB-T

El scrambling es un tema que ya ha sido explicado en el capı́tulo 1. Para el caso de la DVB-T el
scrambling tiene las siguientes particularidades:
La secuencia PN se genera mediante una interconexión de 15 registros, una compuerta XOR y una
AND.
330
Figura 9: Esquema de scrambling
Initialization Sequence
1 0 0 1 0 1 0 1 0 0 0 0 0 0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
00000011...
Enable Randomized/de-randomized
data output
Original/randomized
data input
. Esta interconexión puede entenderse con la teorı́a que se explica en el libro de Haykin, capı́tulo 7,
sobre generación de señales PN.
Los registros están conectados en serie y con cada pulso de reloj, el estado de un registro pasa al
siguiente registro.
Los estados de los registros son los de la secuencia de inicialización que aparece en la figura, cuyo
polinomio generador es p(x) = 1 + x14 + x15
El esquema es equivalente a la Fig. 1, pero si bs(t) se cambia de polaridad, o sea que se multiplica
por -1.
Los registros 14 y 15 entregan su estado a una compuerta XOR y su salida va pasando nuevamente
al primer registro y al mismo tiempo a una compuerta AND.
El scrambling ocurre en una compuerta XOR, a la cual entran el código PN y la señal útil.
El periodo que resulta para la secuencia PN es de 188*8=12032 bits.
El primer byte de cada paquete de la señal de video es de sincronización y no debe ser aleatorizado.
Sin embargo el generador PN sigue generando bits aunque no se usen en esos bytes especı́ficos.
Justamente, la entrada Enable es la que desactiva o activa el scrambling para estos casos. La entrada
Enable puede ser vista como un vector cuyos bits cambian cuando es necesario detener el scrambling.
9.16. FEC en DVB-T
331
Capı́tulo 10
*Variables comúnmente usadas en los
flujogramas que acompañan a este libro
b: bit.
B: Byte (cuando se refiere a unidad de medición).
S: se usa la S en mayúscula para indicar “Sample” o muestra. Se dejo ası́ debido a que esa práctica
está extendida en los manuales de los USRP y en los materiales que se encuentran en Internet que
usualmente están inglés.
s: Se usa la s en minúscula para indicar “symbol”.
Para señales en el canal o bloques de la capa de precanal:
B: Es el ancho de banda pasobandas del canal inalámbrico. Se refiere a la banda útil del espectro
radioeléctrico (ERE) que se puede usar para una comunicación dada.
B eFM: El ancho de banda de una emisora FM.
BW: Ancho de banda bandabase. A diferencia de B, este valor aplica para la envolvente compleja
de la señal útil que viaja por el ERE.
Ch Frec offset: Permite configurar canal para que produzca desfases de frecuencia.
Ch Jitter: Sirve para variar el valor Epsilon del bloque Channel Model de modo que el canal
produzca una inestabilidad del reloj o Jitter variable.
DelayAcc: Retardo a introducir al Filtro de Acoplamiento con acumulador para lograr el mejor
desempeño posible
Fc : frecuencia de la portadora de radiofrecuencias, la frecuencia central de la banda de frecuencias
asignada para la comunicación.
Kd: Coeficiente de decimación que aplica el bloque decimador que hay internamente, en el USRP.
Kd d: Es el coeficiente de decimación deseado, es decir, el que resultarı́a si el USRP pudiese manejar
cualquier coeficiente de decimación. Sirve como insumo para obtener Kd.
Kd rx o Kd tx: Se usan cuando se requiere diferenciar entre el coeficiente de decimación usado en
recepción y el usado en transmisión.
Ki: Coeficiente de interpolación que aplica el bloque interpolador que hay internamente en el USRP.
N Lob p B: Número de lóbulos del espectro de una señal digital, en el ancho de banda B. El lóbulo
del medio, por tener doble ancho, se cuenta por dos. Usualmente es igual a Sps.
NodB: es la altura de la PSD del ruido blanco, conocido como No.
ntaps: Es el número de componentes que tiene la respuesta al impulso del filtro FIR usado.
rcc taps: Son lo taps, es decir las componentes de la respuesta al impulso, para un filtro Root Raid
Cosine.
Rolloff: Es el parámetro esencial de un Filtro Coseno Alzado. También le llaman alpha o Excess
Bandwidth.
Samp rate: Es la frecuencia de muestreo que maneja el USRP, luego es la frecuencia de muestreo
de la envolvente compleja que viaja por el cabe Ethernet.
Samp rate adc: Es la frecuencia de muestreo que usa el DAC ubicado internamente en la tarjeta
hija de transmisión del USRP. . Es igual a 400 MSs para el NI-USRP 2920.
332
Samp rate d: Es la frecuencia de muestreo de la señal de la envolvente compleja que desearı́amos
entregar al USRP, pues es la que se obtiene teóricamente.
Samp rate d: Es la frecuencia de muestreo de la señal de la envolvente compleja que desearı́amos
entregar al USRP, pues es la que se obtiene teóricamente.
Samp rate dac: Es la frecuencia de muestreo que usa el ADC ubicado internamente en la tarjeta
hija de recepción del USRP. Es igual a 100 MSs para el NI-USRP 2920
Samp rate rx : Es igual que samp rate, solo que se usa cuando queremos diferenciar este parámetro
de la frecuencia de muestreo usada en transmisión. De modo que es la frecuencia de muestreo de la
señal de la envolvente compleja que entregamos al USRP Sink.
Samp rate tx: De manera similar a samp rate rx, esta es la frecuencia de muestreo de la señal de
la envolvente compleja que recibimos del USRP Source.
Sps: samples per symbol es el número de muestras que lleva un sı́mbolo de la envolvente compleja
que pasa al canal.
SymTune: Sintonización de los sı́mbolos que entran al demodulador M-PAM al momento de armar
los paquetes de bits que componen cada muestra del mensaje. Lo que se hace es retrasar en el valor
SymTune los sı́mbolos hasta que sean reconocidos correctamente por el demodulador.
TimingDelay: Es el tiempo (en número de muestras) de retardo que debe ser introducido a la señal
que llega al muestreador del receptor con el fin de seleccionar el mejor instante de muestreo, aquel
en el que el diagrama de ojo está más abierto.
W: Ancho de banda de Nyquist o del criterio de Nyquist para ISI.
Para las señales fuente:
NbpS: Number of bits per sample Es el número de bits que representan a cada muestra del mensaje.
Nniveles Q: Número de niveles de cuantificación de la señal mensaje cuantificada.
Samp rate audio: Es la frecuencia de muestreo de la señal mensaje de audio, que en este caso es
de audio. Esto para diferenciarla de samp rate que la estaremos usando para el USRP.
Vp: Amplitud máxima que puede alcanzar la señal mensaje antes de ser cuantificada.
Para señales moduladas:
bps: Bits per symbol número de bits que representan cada sı́mbolo de la señal modulada.
Constelacion: Representa la tabla de verdad de la modulación usada.
M: Orden de la modulación usada.
MiconstellationObject: Es una constelación, pero hecha bajo unas normas comunes para una
familia de bloques GNU Radio, como por ejemplo el bloque Constellation Decoder.
Rs: Es la rata de sı́mbolos útil que se entrega al canal. No incluye sı́mbolos usados en señalización,
sincronismo o alineamiento de tramas.
SymDelay: Es el retraso que habrı́a que introducir a los bits transmitidos para que puedan ser
comparados en una misma escala de tiempo con los recibidos.
Tsym: Duración de un sı́mbolo.
Para señales codificadas:
AccessCode: Código de acceso. Es el vector que contiene el código de acceso
Preamble: Preámbulo. Es el vector que contiene el preambulo del código
Code: El código. Es el vector que contiene el código. A su vez, el código es el AccessCode junto con
el Preamble
Bpayload: bytes en la carga útil. Es el tamaño en bytes de la carga útil en un paquete con codificación
BaCode: Bytes en el código de accceso. Corresponde al número de bytes que contiene el AccessCode
Bpre Bytes en el preámbulo del código. Corresponde al número de bytes que contiene el preámbulo
del código
BpCode: Bytes por código. Corresponde al número de bytes que ocupa el código junto con su
preámbulo.
Capas de multiplexado:
C PN: Almacena un vector de un código de pseudo ruido.
333
ChipSysDelay: Es el equivalente a SymSysDelay pero dado en número de chips, cuando se usa
DS-SS. Es demasiado útil en el bloque b de ds spreadspect cc ya que el código que se va a aplicar
debe ser previamente retrasado en el valor para que funcione correctamente el de-ensanchamiento.
Nspt s: número de sı́mbolos por time slot. Es el número de sı́mbolos que un usuario pone en cada
ventana de tiempo (time-slot) que ocupa en la trama multitplexada.
Nu: Número de usuarios.
Rbu: Rata de bits por usuario, cuando hay más de un usuario en el sistema de comunicación, como
por ejemplo cuando se usa multiplexado.
Rch: Rata de chips.
Rs subchannel: se refiere a la rata sı́mbolos que lleva cada subcanal para el caso de señales mul-
tiplexadas, donde cada canal aporta una rata de sı́mbolos, pero la señal multiplexada lleva la suma
de las ratas de sı́mbolos de todos los subcanales
Rsu: Es la rata de sı́mbolos de cada usuario que corre por el canal, cuando el canal se usa para
enviar información de varios usuarios, como cuando se usa el multiplexado.
SF: El Spreading Factor es número de veces que el espectro se ensancha. Es la relación entre el
ancho de banda que ocupa la señal ensanchada con respecto al que ocuparı́a sin la técnica DSSS.
Spch: Es samples per chip. el número de muestras asignadas a cada chip.
spch: Samples per chip. Es el número de muestras por chip que se usa cuando una señal ensanchada
con DS-SS se entrega a un USRP. Es el equivalente a sps, solo que en DS-SS no se envı́an sı́mbolos,
sino chips.
SymSysDelay o MuxDelayComp: Es retardo que sufre la señal de la información al viajar
por todo el sistema hasta llegar al punto de destino. Sirve para introducir un retardo a la señal
transmitida a la hora de compararla con la recibida.
t-s: time slot es una celda de tiempo usada en TDM.
Us: Usuario
Para la instrumentación:
Nscope span: Es el número de sı́mbolos que se desean mostrar en un osciloscopio.
Tmax scope: Es la duración de la ventana que se grafica en el osciloscopio.
334
Bibliografı́a
[1] B. Y. H. Nyquist, “Certain Topics in Telegraph Transmission Theory,” IEEE, vol. 90.
[2] Y. H. Mejia, H. Ortega, and M. D. Pineda, “A model for urban microcell radio propagation
prediction focused on reliable implementation,” 2012 IEEE Colombian Communications Conference
(COLCOM), no. 1, pp. 1–6, 2012. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/epic03/
wrapper.htm?arnumber=6233651
[3] A. Ashok, “Procesamiento de señales analógicas y digitales.” 202.
[4] H. Ortega, “Creación y edición de módulos oot con sus bloques ı́ndice 1. ,” p. 54, 2017.
[5] P. D. Welch, “The use of fast Fourier Transform for the Estimation of power Spectra: A method based
on time averaging over short, modified periodograms.” IEEE Transactions on audio and electroacous-
tics, vol. 15, no. 2, pp. 70–73, 1967.
[6] J. Restrepo, “UIT , UIT-R Conceptos Básicos.” 2016.
[7] “Radio Regulations, ITU Recommendations,” 2016.
[8] “Pagina oficial de la agencia nacional del espectro,” 2019, [Web; accedido el 29-04-2019]. [Online].
Available: URL{https://www.ane.gov.co/}
[9] “Pagina oficial del ministerio de tecnologı́as, de la información y las comunicaciones.” 2019,
[Web; accedido el 29-04-2019]. [Online]. Available: URL{https://www.mintic.gov.co/portal/604/
w3-channel.html}
[10] S. Haykin, Communication systems, 2001.
[11] A. Dandridge and A. B. Tveten, “Homodyne Demodulation Scheme for Fiber Optic Sensors Using
Phase Generated Carrier,” IEEE Journal of Quantum electronics, vol. QE-18, no. 10, pp. 1647–1653,
1982.
[12] J. Lorenzo, C. Hernández, and A. R. Antonio, “Diseño de un modulador de FM mediante PLL para
la interrogación de sensores interferométricos de fibra óptica.” vol. 39, no. 128, pp. 335–351, 2018.
[13] A. Marwanto, M. A. Sarijari, N. Fisal, S. Kamilah, S. Yusof, and R. A. Rashid, “Experimental Study
of OFDM Implementation Utilizing GNU Radio and USRP - SDR,” no. December, pp. 132–135, 2009.
[14] C. B. Thomas Rondeau, Artificial Intelligence in Wireless Communications, 2009.
[15] D. Lorenzo, “Ecualización adaptativa de un canal digital,” pp. 1–25, 2004. [Online]. Available:
https://drive.google.com/file/d/1XoqU-Hh8m18M3muvptJiY-LHh5bgdcwV/view
335
Abreviaciones y definiciones
ANE Agencia Nacional del Espectro: es la entidad que se encarga de planear estratégicamente el uso del
espectro radioeléctrico, ası́ como su vigilancia y control en todo el territorio nacional colombiano..
101, 102
BER widthBit Error Rate.. 248
GNU Radio GNU Radio Companion Herramienta de desarrollo libre y abierta que provee bloques de
procesamiento de señal para implementar sistemas de radio definida por software. Puede utilizarse
con hardware de RF de bajo costo para crear radios definidas por software, o sin hardware en
un ambiente de simulación. Es utilizada extensivamente por ambientes académicos, aficionados y
comerciales para dar soporte a la investigación en comunicaciones inalámbricas y en sistemas de
radio en el mundo real.. 24, 31–34, 40, 42, 45, 54, 56, 58–60, 68, 78
MinTIC Ministerio de las Tecnologı́as de la Información y las Comunicaciones. 102
PCM Pulse Code Modulation Ası́ se conoce al método de transmisión de la información, cuando esta es
representada por unos y ceros en el canal.. 276, 277
PFD Power Flux Density. Se refiere a la Densidad del Flujo de Potencia. 82
SDR Software Defined Radio. 92

SER widthSymbol Error Rate.. 248
Time Alignment Alineación de tiempo. Es una técnica usada en las transmisiones binarias que permite
a la parte receptora distinguir el inicio de cada byte en medio de un chorro de unos y ceros. Consiste
en insertar periódicamente un código que es conocido tanto por el transmisor como por el receptor,
de manera que, cuando en el receptor se identifica ese código, se sabe que lo que sigue es el inicio de
la carga útil. 276
336

Comunicaciones digitales SDR

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Comunicaciones digitales SDR

Cargado por

Copyright:

Formatos disponibles

Comunicaciones Digitales basadas

en radio definida por software.

Homero Ortega Boda

ESCUELA DE INGENIERÍAS ELÉCTRICA ELECTRÓNICA Y TELECOMUNICACIONES–

Homero Ortega Boada

Óscar Mauricio Reyes Torres

Primera edición Octubre 2019

Todos los derechos reservados

Comunicaciones Digitales basadas en radio

Página Web del libro:

Comunicaciones Digitales basadas en radio

El conocimiento de las comunicaciones digitales desde la perspectiva

2. Simulación en GNU Radio de un sistema de comunicaciones de onda continua 110

4. La Radio Definida por Software. Aplicación en sistemas de radiodifusión 162

5. Un sistema de comunicación digital por cable 187

6. Un sistema de radio comunicación digital sobre un canal guiado 228

7. El canal inalámbrico 268

8. Comunicaciones multiusuario 289

1. Sensado de la Propagación de las ondas de agua . . . . . . . . . . . . . . . . . . . . . . . . 20

1. Modelo SDR que relaciona GNU Radio con el Hardware. . . . . . . . . . . . . . . . . . . . . 112

1. Analizador de espectros basado en computador . . . . . . . . . . . . . . . . . . . . . . . . . 125

1. Modelo de GNU Radio integrado con SDR . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

1. Red de frecuencias únicas en TDT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268

1. Central local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289

1. Ruta de recepción de un mensaje. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318

1.1. Ejemplo variable aleatoria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.1. Caracterı́sticas generales del equipo SDR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176

5.1. Estándares de cable trenzado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189

6.1. Plantilla para la Tabla de Verdad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230

7.1. Secuencia a la salida del transmisor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276

9.1. Tabla de verdad. Código de repetición (3,1) . . . . . . . . . . . . . . . . . . . . . . . . . . . 319

SDR Software define radio

SDR Software define radio

SDR Software define radio

SDR Software define radio

• Combina la enseñanza de las comunicaciones con la de GNU Radio.

1.1. Señales y sistemas continuos en el dominio del tiempo

1.1.1. Señales senoidales

Una señal senoidal pura puede ser representada matemáticamente como

c(t) = A cos(2πf t + φ) (1.1)

c(t) = A(t) cos(2πf t + φ) (1.2)

Si varı́a sólo la frecuencia instantánea de la senoidal:

c(t) = A cos (2πf t + φ(t)) (1.4)

1.1.2. Relación entre señales, ondas y campos

Figura 1: Sensado de la Propagación de las ondas de agua

1.1.3. La respuesta al impulso y la convolución

1.1.3.1. Conceptos básicos

x(t) = a1 x1 (t) + a2 x2 (t) + a3 x3 (t) + ... (1.7)

La operación de convolución se denota de la siguiente manera:

y(t) = x(t) ∗ h(t) (1.10)

1.1.4. Representación de señales en el dominio de la frecuencia

1.1.6. La Transformada de Fourier

• De manera similar, se obtiene la Ecuación de Sı́ntesis:

Y (f ) = X(f )H(f ) (1.18)

1.1.8. Transformada de Fourier de algunas señales

• Pulso rectangular: se define la función pulso rectangular rect(t) como:

Entonces, la TF de una señal pulso rectangular de duración τ y amplitud A es:

• Pulso sinc: para una señal sinc se tiene la siguiente relación:

siendo B el ancho de banda de la señal medido en Hz.

1.2.2. Conversión Analógica-Digital / Digital-Analógico

Desde el punto de vista teórico, al no respetarse el Teorema de Nyquist se presentarı́a un solapamiento

1.2.3. Primeras pruebas con GNU Radio