UNIDAD I

INTRODUCCION A LOS SISTEMAS

DE COMUNICACIONES
SISTEMAS DE COMUNICACIONES I

Ing. Heddy Lu Giménez Naim

Universidad Nacional Experimental Politécnica

“Antonio José de Sucre”
Departamento de Ingeniería Electrónica

Junio 2015

LAPSO ACADEMICO: 2015-01

CONTENIDO
• Unidad I
– Introducción a los Sistemas de Comunicaciones.
• Definiciones Básicas
• Clasificación de los Sistemas de Comunicaciones
• Estructura de un Sistema de Comunicación
• Fuentes y Sistemas analógicos y Digitales.
• Medios de Comunicación
• Decibel
• Señales banda base y banda pasante
• Capacidad del Canal
• Transformada de Fourier
• Teorema del Muestreo
• Ancho de Banda
• Modulación
 SEÑAL
Duración Finita

Es una medición u observación útil para

Frecuencia Finita
describir algún fenómeno. Las señales son
representadas mediantes funciones. Posee valores de voltaje/corriente
finitos

Una señal es realizable o

Función Continua
físicamente posible si
cumple con :
Es una función no compleja

Es un proceso por el cual una señal dada x(t) es

SISTEMA
transformada en otra señal y(t).

Una Función Periódica f(t) cumple la siguiente

propiedad para todo valor de t.
f(t)=f(t+T)

Señales y Sistemas
Ing. Heddy Lu Giménez Naim
 Función Par f(t)

Una función (periódica o no) se

dice función par (o con simetría t
   
par) si su gráfica es simétrica
respecto al eje vertical, es decir,
la función f(t) es par si f(t) = f(-t)

Función Impar
f(t)

En forma similar, una función f(t) se

dice función impar o con simetría t
   
impar, si su gráfica es simétrica
respecto al origen, es decir, si cumple
lo siguiente: -f(t) = f(-t)

Funciones Pares e Impares

Ing. Heddy Lu Giménez Naim
Algunas funciones periódicas f(t) de periodo T pueden expresarse
por la siguiente serie, llamada Serie Trigonométrica de Fourier
f(t) = ½ a0 + a1cos(w0t)+a2cos(2w0t)+...
+ b1sen(w0t)+b2sen(2w0t)+...
Donde w0=2p/T.
Es decir,


f ( t )  12 a 0   [a n cos(n0 t )  b nsen (n0 t )]
n 1

Serie Trigonométrica de Fourier

Ing. Heddy Lu Giménez Naim
 Dada una función periódica f(t) ¿cómo se obtiene su serie de
Fourier?

f (t)  1
a
2 0
  [a n cos(n0 t )  b nsen (n0 t )]
n 1

Obviamente, el problema se resuelve si sabemos como calcular

los coeficientes a0,a1,a2,...,b1,b2,...

Esto se puede resolver considerando la ortogonalidad de las

funciones seno y coseno.

Investigar

Serie Trigonométrica de Fourier

Ing. Heddy Lu Giménez Naim
 
f (t)  1
a
2 0
  [a n cos(n0 t )  b nsen (n0 t )]
n 1

Multiplicando ambos miembros por cos(nw0t) e integrando de –T/2 a T/2,

obtenemos: T/2
a n  T  f ( t ) cos(n0 t )dt n  0,1,2,3,...
2
T / 2

Similarmente, multiplicando por sen(nw0t) e integrando de –T/2 a T/2,

obtenemos:
T/2
bn  2
T  f ( t )sen (n0 t )dt n  1,2,3,...
T / 2

Similarmente, integrando de –T/2 a T/2, obtenemos:

T/2
a0  2
T  f ( t )dt
T / 2

Coeficientes de Fourier
Ing. Heddy Lu Giménez Naim
 El intervalo de integración no necesita ser simétrico respecto al origen.

Como la ortogonalidad de las funciones seno y coseno no sólo se da en

el intervalo de –T/2 a T/2, sino en cualquier intervalo que cubra un
periodo completo:

(de t0 a t0+T, con t0 arbitrario)

las fórmulas anteriores pueden calcularse en cualquier intervalo que

cumpla este requisito.

Coeficientes de Fourier
Ing. Heddy Lu Giménez Naim
Encontrar la Serie de Fourier para la siguiente función de periodo T:

f(t)
1

t
... -T/ 0 T/ T ...
2 2

-1

Solución: La expresión para f(t) en –T/2<t<T/2 es

 1 para  T2  t  0
f (t)  
 1 para 0  t  T
2

Ejemplo
Ing. Heddy Lu Giménez Naim
 T/2
Coeficientes an: a n  T2  f ( t ) cos(n0 t )dt
T / 2

 0 T/2

 T    cos(n0 t )dt   cos(n0 t )dt 
2
 T / 2 0 

 1 0
1 T/2
 T2  sen (n0 t )  sen (n0 t ) 
 n0 T / 2 n0 0 


 0 para n  0

Ejemplo
Ing. Heddy Lu Giménez Naim
 T/2
Coeficiente a0: a0  2
T  f ( t )dt
T / 2

 0 T/2

 T    dt   dt 
2
 T / 2 0 

 0 T/2
 T2  t t  0
  T / 2 0 


Ejemplo
Ing. Heddy Lu Giménez Naim
 T/2
Coeficientes bn: bn  T2  f ( t )sen (n0 t )dt
T / 2

 0 T/2

 T    sen (n0 t )dt   sen (n0 t )dt 
2
 T / 2 0 
 1 0
1 T/2
 T
2
cos( n0 t )  cos( n0 t ) 
 n0 T / 2 n0 0 


 (1  cos(n))  (cos( n)  1)

1
n

2
n
 
1  (1)n ) para n  0

Ejemplo
Ing. Heddy Lu Giménez Naim
 Serie de Fourier: Finalmente la Serie de Fourier queda como

f ( t )  sen (0 t )  13 sen (30 t )  15 sen (50 t )  ...

4

1.5

En la siguiente figura se 1

Componentes
muestran: la componente
fundamental y los 0.5
armónicos 3, 5 y 7 así
como la suma parcial de
estos primeros cuatro 0
términos de la serie para
w0=p, es decir, T=2: -0.5
Suma
fundamental
-1 tercer armónico
quinto armónico
septimo armónico
-1.5
-1 -0.5 0 t 0.5 1

Ejemplo
Ing. Heddy Lu Giménez Naim
 Como la función sen(nw0t) es una función impar para todo n0 y
la función cos(nw0t) es una función par para todo n, es de
esperar que:

Función Par

• Si f(t) es par, su serie de Fourier no contendrá

términos seno, por lo tanto bn= 0 para todo n

Función Impar

• Si f(t) es impar, su serie de Fourier no contendrá

términos coseno, por lo tanto an= 0 para todo n

Funciones Pares e Impares

Ing. Heddy Lu Giménez Naim
Por ejemplo, la señal cuadrada, ya analizada en un ejemplo
previo: f(t)
1

t
... -T/ 0 T/ T ...
2 2

-1
Es una función impar, por ello su serie de Fourier no contiene
términos coseno:

f ( t )  sen (0 t )  13 sen (30 t )  15 sen (50 t )  ...

4


Ejemplo
Ing. Heddy Lu Giménez Naim
Si la serie de Fourier para una función f(t) se trunca para lograr una
aproximación en suma finita de senos y cosenos, es natural pensar que a
medida que agreguemos más armónicos, la sumatoria se aproximará más a f(t).

Esto se cumple excepto en las discontinuidades de f(t), en donde el error de la

suma finita no tiende a cero a medida que agregamos armónicos.

Consideremos el tren de pulsos anterior:

1.5 Serie con 1 armónico 1.5 Serie con 3 armónicos 1.5 Serie con 5 armónicos

1 1 1

0.5 0.5 0.5

0 0 0

-0.5 -0.5 -0.5

-1 -1 -1

-1.5 -1.5 -1.5

-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1

Fenómeno de Gibbs
Ing. Heddy Lu Giménez Naim
 1.5 Serie con 13 armónicos 1.5 Serie con 50 armónicos

1 1

0.5 0.5

0 0

-0.5 -0.5

-1 -1

-1.5 -1.5
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1

1.5 Serie con 100 armónicos

0.5

-0.5

-1

-1.5
-1 -0.5 0 0.5 1

Fenómeno de Gibbs
Ing. Heddy Lu Giménez Naim
 Si la función periódica f(t) representa una señal de voltaje o corriente, la
potencia promedio entregada a una carga resistiva de 1 ohm en un periodo está
dada por T/2


1 2
T [ f ( t )] dt
T / 2

Si f(t) es periódica, también lo será [f(t)]2 y el promedio en un periodo será el

promedio en cualquier otro periodo.

El teorema de Parseval nos permite calcular la integral de [f(t)]2 mediante los

coeficientes complejos cn de Fourier de la función periódica f(t):
T/2 

 [f (t)] dt   cn
1 2 2
T
O bien, en términos de los coeficientes an, bn: T / 2 n  

T/2 

   2 
1 2 1 2 1 2 2
T [f ( t )] dt a
4 0 (a n b n)
T / 2 n 1

Potencia y Teorema de Parseval

Ing. Heddy Lu Giménez Naim
Una consecuencia importante del teorema de Parseval es el siguiente resultado:

El valor cuadrático medio de una función periódica f(t) es igual a la suma de

los valores cuadráticos medios de sus armónicos, es decir,
2
T/2 
Cn
  0 
1 2 2
T [ f ( t )] dt C
T / 2 n 1 2

Donde Cn es la amplitud del armónico n-ésimo y C0 es la componente de

directa.

c n  12 C n c n  14 C 2n
2
Cn  a  b ,
2
n
2
n
cn  1
2 a b
2
n
2
n

Componentes y Armónicas
Ing. Heddy Lu Giménez Naim
 A la componente de frecuencia cero C0, se le llama componente de corriente
directa (cd) y corresponde al valor promedio de f(t) en cada periodo.

Los coeficientes Cn y los ángulos qn son respectivamente las amplitudes y

los ángulos de fase de las armónicas.

Así, una función periódica f(t) se puede escribir como la suma de

componentes sinusoidales de diferentes frecuencias wn=nw0.

A la componente sinusoidal de frecuencia nw0: Cncos(nw0t+qn) se le llama la

enésima armónica de f(t).

A la primera armónica (n=1) se le llama la componente fundamental y su

periodo es el mismo que el de f(t)

A la frecuencia w0=2pf0=2p/T se le llama frecuencia angular fundamental.

Componentes y Armónicas
Ing. Heddy Lu Giménez Naim
 Componentes de la Serie de Fourier
1.5

1
Componentes

0.5

-0.5
Suma
fundamental
-1 tercer armónico
quinto armónico
septimo armónico
-1.5
-1 -0.5 0 t 0.5 1

Componentes de la Serie de Fourier

Ing. Heddy Lu Giménez Naim
Propiedades

Transformada de Fourier
Ing. Heddy Lu Giménez Naim
Propiedades
Transformada de Fourier Ing. Heddy Lu Giménez Naim
Propiedades
Transformada de Fourier Ing. Heddy Lu Giménez Naim
Señales simples vs
Transformada de Fourier Ing. Heddy Lu Giménez Naim
Señales simples vs
Transformada de Fourier Ing. Heddy Lu Giménez Naim
 Absoluto

3dB (potencia media)

Cruce por Cero

Equivalente

Fraccional (99%)

Zona acotada (35 a 50dB)

Ancho de Banda
Ing. Heddy Lu Giménez Naim
Teorema del muestreo: se puede reconstruir una señal analógica a partir de sus valores instantáneos (muestras) equies-
paciados. A partir de estos valores existen  señales que pasan por esos puntos, pero si la señal original es de banda
limitada (?) y las muestras son tomadas los suficientemente cercanas (?), entonces hay una sóla señal que se puede
extrapolar de esas muestras (se determina unívocamente).

x(t) xs(t)
La señal x(t) es multiplicada por la función de muestreo s(t), obteniendo los valores muestra xs(t) 
s(t)
MUESTREO IDEAL
1.5

s(t) es un tren de impulsos de período Ts (intervalo de muesteo) s (t )   (t  nTs ) 1
n  

p(t)
xs(t) = x(t) · s(t)  X s ( ) 
1
X ( )  S   0.5
2
2 1 0
S ( ) 
Ts
 (  k s ) s = 2/Ts = 2fs  X s ( )   X (  k s )
Ts k
-2Ts -Ts 0
tiemp
Ts 2Ts

k
o

si s < 2m existe solapamiento (ALIASING). Si s  2m se puede recuperar X() con un LPF ideal de ganancia Ts
fs = frecuencia de Nyquist

Muestreo
Ing. Heddy Lu Giménez Naim
 Teorema de Nyquist: si una señal de banda limitada es muestreada a una frecuencia de
por lo menos el doble de su máxima componente, ENTONCES es posible recuperarla
unívocamente (a partir de sus puntos muestra) con un filtro pasabajos ideal.

Xs()

Muestreo
Ing. Heddy Lu Giménez Naim
La onda muestreadora está formada por pulsos que tienen amplitud y duración finitas.
MUESTREO PRACTICO
Los filtros de reconstrucción prácticos difieren de los ideales (banda o zona de transición).

Los mensajes son limitados en tiempo  no pueden ser limitados en banda.

 Pulsos: en general se emplea la técnica de muestreo y retención (Sample and Hold  S&H)  Retenedor Orden Cero

p(t)
x[t] xp[t] x(t) xs(t) 1 xp(t)
ROC
s(t) Ts t

   
x p (t )   x(nTs )  p(t  nTs )  p(t )   x(nTs )   (t  nTs ) X p ( f )  P( f )  f s  X ( f  kf s )  P( f )  X s ( f )
n n   k 

 P(f) ‘pesa’al espectro de la señal muestreada y lo distorsiona en las frecuencias superiores  efecto de apertura. Si el
efecto es muy grande se puede corregir por medio de un filtro ecualizador Heq(f) = 1/P(f) (si 1/τ >> W no es necesario).
 Filtros de reconstrucción reales: se recurre al empleo de bandas de seguridad  incrementar ωs

 Señal NO limitada en banda: se debe asegurar que la señal no tenga componentes superiores a s/2  se aplica un
filtro pasabajos en la entrada  Filtro anti-aliasing (es el peor inconveniente porque modifica la información).

Muestreo
Ing. Heddy Lu Giménez Naim