Comunicaciones Conceptos Bsicos Previos 1

Conceptos Bsicos Previos

Comunicaciones
Universidad de Cantabria
1 Clasificacin de Seales

Seales Deterministas /Aleatorias x(t) / X(t)

Seales Peridicas / No Peridicas x(t+T
0
) = x(t)

Seales Continuas / Discretas x(t) / x[n]

2 Seales Deterministas

Repaso de conceptos de la asignatura Seales y Sistemas

2.1 Energa y Potencia
Potencia instantnea (Watt): R t i
R
t v
t p ) (
) (
) (
2
2
= =
si normalizamos asumiendo R=1 ) ( ) (
2
t x t p = , siendo x(t) una seal en
tensin o en corriente

Energa disipada en [-T/2, T/2] (Julios):

=
2
2
2
) (
T
T
T
x
dt t x E
Energa media finita (Julios): < =

dt t x E
x
) (
2

Potencia media disipada en [-T/2, T/2] (Watt):

= =
2
2
2
) (
1
T
T
T
x T
x
dt t x
T T
E
P
Potencia media finita (Watt): < =

2
2
2
) (
1
lim
T
T
T
x
dt t x
T
P

Si P
x
< Seal de potencia media finita:
por ejemplo las seales peridicas y los procesos estocsticos
Si E
x
< Seal de energa media finita:
por ejemplo las seales deterministas no peridicas

Otras definiciones de inters son:
Valor medio (nivel de continua o componente DC):

=
2
2
) (
1
lim
T
T
T
DC
dt t x
T
x
Valor rms (o valor eficaz):
x rms
P x =

Comunicaciones Conceptos Bsicos Previos 2
2.2 Caracterizacin frecuencial

Las seales de energa finita poseen Transformada de Fourier (TF):

= = df f X t x dt t x f X
e e
t f j t f j 2 2
) ( ) ( ) ( ) (
Teorema de Parseval:

= = df f X dt t x E
x
) ( ) (
2 2
,
siendo ) (
2
f X la Densidad Espectral de Energa (Julios/Hz).

Las seales de potencia media finita deterministas son las seales peridicas. Dado su
periodo T
0
=1/f
0
, su potencia se calcula como:

=
0
) (
1
2
0 T
x
dt t x
T
P
Estas seales no poseen TF
1

=
= =
0
0 0
2
0
2
) (
1
) (
T
nt f j
n
n
nt f j
n
dt t x
T
c c t x
e e

, sino Desarrollo en Serie de Fourier (DSF):

Teorema de Parseval:

=
= =
n
n
T
x
c dt t x
T
P
2
2
0
0
) (
1
,
siendo

=
=
n
n x
nf f c f S ) ( ) (
0
2
la Densidad Espectral de Potencia (Watt/Hz).


Ejercicio 1) Dibujar las siguientes seales
2
a)
y calcular analticamente y dibujar su TF
(o la DEP en el caso del apartado c).
|
.
|

\
|
=
T
t
t x ) ( solucin: ) ( sinc ) ( fT T f X =
b) ) 2 ( sinc 2 ) ( Wt W t x = solucin:
|
.
|

\
|
=
W
f
f X
2
) (
c) ) 2 cos( ) (
0
t f A t x = solucin: ) (
4
) (
4
) (
0
2
0
2
f f
A
f f
A
f S
x
+ + =


1
Se puede decir que poseen TF formada por deltas de Dirac en mltiplos de la frecuencia fundamental f
0
.
2
( ) ( )
x
x
x
x
x x
x
x
x
x
) sin(
) ( sinc
. 1 , 0
; 1 , 1

. 5 . 0 , 0
; 5 . 0 , 1
=

>

=

>

=
Comunicaciones Conceptos Bsicos Previos 3
2.3 Autocorrelacin determinista

Para seales de energa finita, la autocorrelacin mide la similitud entre una seal y
una versin retardada de ella misma:
( )

+ = dt t x t x R
x
) ( ) ( .
Algunas propiedades de la autocorrelacin son:
( )
2
) ( f X R
TF
x

( ) ( )
x x
R R =
( ) ( )
x x x
E R R = 0

Si se consideran seales peridicas, de periodo T
0
=1/f
0
, la autocorrelacin sigue la
expresin
( )

+ =
2
2
0
0
0
) ( ) (
1
T
T
x
dt t x t x
T
R ,
y posee las siguientes propiedades:
( ) ) ( f S R
x
TF
x

( ) ( )
x x
R R =
( ) ( )
x x x
P R R = 0

Ejercicio 2) Calcular y dibujar la autocorrelacin de las siguientes seales.
a)
|
.
|

\
|

T
t
solucin:
|
.
|

\
|
=
T
T R
x

) (
b) ) 2 cos( ) (
0
t f A t x = solucin: ) cos(
2
) (
0
2

A
R
x
= con
0
=2f
0


2.4 Filtrado de seales deterministas

La seal de salida de un sistema lineal e invariante en el tiempo (LTI) se obtiene
convolucionando la seal de entrada con la respuesta al impulso del sistema.

En el dominio de la frecuencia, es posible calcular la TF de la salida como el producto
de la TF de la seal de entrada con la respuesta frecuencial del sistema. En el caso de
seales peridicas, la DEP de la seal de salida es
2
) ( ) ( ) ( f H f S f S
x y
= .
L.T.I.
h(t)

x(t) y(t) = x(t)h(t)



Comunicaciones Conceptos Bsicos Previos 4
x
0 1
0.6
0.4
f
X
(x)
x
0 1
0.6
0.4
F
X
(x)
3 Seales Aleatorias

En esta seccin se realiza un repaso de los conceptos bsicos de la teora de la
probabilidad, las variables aleatorias y los procesos estocsticos tratados en las
asignaturas de Mtodos Matemticos para Telecomunicacin y Tratamiento de Seales.

3.1 Teora de la Probabilidad y Variable Aleatoria

En este apartado se considera, a modo de ejemplo, el estudio de un canal de
comunicaciones binario simtrico.
Es posible definir dos variables aleatorias discretas, X e Y, que representan,
respectivamente, el bit transmitido y el bit recibido. El rango de valores de dichas v.a.s
es
X
=
Y
= {0,1}.

Cualquier v.a. discreta queda completamente definida y caracterizada por las
probabilidades de ocurrencia de los valores del rango (en el ejemplo, P(X=0)=0.6 y
P(X=1)=0.4). A partir de dichas probabilidades es posible construir la funcin densidad
de probabilidad, f
X
(x), y la funcin de distribucin de probabilidad, F
X
(x).

= =
X i
x
i i X
x x x P x f ) ( ) ( ) ( X

= =
X i
x
i i X
x x u x P x F ) ( ) ( ) ( X

Otros estadsticos de inters son:

Media: 4 . 0 ) 1 ( 1 ) 0 ( 0 ) ( ] [ = = + = = = = =


X X X X P P x P x E
X i
x
i i X

Varianza: ( ) | | 24 . 0 ) ( ) ( ] [
2 2 2
= = = = =


X i
x
i X i X X
x P x - E Var X X X
A continuacin se detallan algunas expresiones relativas a la probabilidad de sucesos:

Probabilidad condicionada: P(A|B) = P(AB)/P(B)
Probabilidad conjunta: P(AB) = P(A|B)P(B) = P(B|A)P(A)
Probabilidad de la unin: P(AB) = P(A) + P(B) P(AB)
Probabilidad Total:

=
N
i
) )P(A A | P(B P(B)
i i
donde
i i j
i 1
A , A A
N
=
= =
Teorema de Bayes:
P(B)
A)P(A) | P(B
B) | P(A =
Independencia: P(AB) = P(A)P(B) P(A|B) = P(A) P(B|A) = P(B)


Canal
Fuente Receptor
0,1 0,1
Comunicaciones Conceptos Bsicos Previos 5
El siguiente esquema representa las probabilidades a priori y las verosimilitudes del
ejemplo del canal binario simtrico:

Ejercicio 3) En el ejemplo del canal binario simtrico y haciendo uso de las
expresiones de probabilidad anteriores, calcule:
a) La probabilidad de recibir un bit 0 y la probabilidad de recibir un bit 1.
Solucin: 0.56 y 0.44
b) La probabilidad de que lo enviado haya sido 0 cuando se ha recibido 0.
Solucin : 0.857
c) La probabilidad de error del enlace.
Solucin: P(error) = P(Y=0|X=1)P(X=1)+P(Y=1|X=0)P(X=0) = 0.2

Otro tipo de variable aleatoria son las v.a.s continuas, cuyo rango est formado por un
intervalo (o intervalos) de valores. Las variables aleatorias continuas quedan totalmente
caracterizadas bien por la funcin de distribucin de probabilidad,

= =
x
X X
dx x f x X P x F ) ( ) ( ) ( , o bien por la funcin densidad de probabilidad,
dx x dF x f
X X
/ ) ( ) ( = .

Algunos ejemplos son
v.a. uniforme:

= =
2
1
) ( cte x f
X
en | | , x
v.a. Gaussiana:
( )
e
X
X
x
X
X
x f
2
2
2
2
2
1
) (

=
o Funcin de distribucin complementaria:

=
x
u
du x Q
e
2
2
2
1
) (

Los estadsticos ms importantes son:
Media:

= = dx x xf E
X X
) ( ] [ X
Varianza: ( ) | | ( ) | |
2 2 2 2
) ( ] [
X X X X X
E dx x f x E Var = = = =

2
X - X X

Es importante recordar que la independencia de dos v.a.s se produce si y solo si
) ( ) | ( ) ( ) | ( ) ( ) ( ) , ( y f x y f x f y x f y f x f y x f
Y Y X X Y X XY
= = =
P(X=0)=0.6
P(X=1)=0.4
P(Y=1| X=1)=0.8
P(Y=1| X=0)=0.2
P(Y=0| X=1)=0.2
P(Y=1)=?
P(Y=0)=?
P(Y=0| X=0)=0.8
Comunicaciones Conceptos Bsicos Previos 6
3.2 Procesos Estocsticos
Una vez realizado el experimento aleatorio (consistente en generar una secuencia
binaria, convertir los bits en smbolos +A y A y darles forma rectangular) se obtiene
una seal x(t) determinista (una realizacin). El conjunto de todas las seales x(t) de
este ejemplo forman el proceso estocstico X(t). En un instante concreto t
0
, X(t
0
) es una
v.a.. Se puede decir que un proceso estocstico es una v.a. que cambia con el tiempo.

Estadsticos de un proceso estocstico (en general dependen del tiempo):
Media:

= = dx t x xf t t E
X X
) ; ( ) ( )] ( [ X
Autocorrelacin: ( ) | |

= = dx t t x x f x x t t E t t R
X X
) , ; , ( ) ( ) ( ,
2 1 2 1 2 1 2 1 2 1
X X
Potencia: ( ) ( ) ( ) ,
X X
Pot t E t R t t ( = =

2
X

Un p.e. se dice que es estacionario en sentido amplio si y slo si cte t
X
= ) ( y
( ) ( ) ( )
X X X
R t t R t t R = =
1 2 2 1
, . Para este tipo de procesos estocsticos, se define la
Densidad Espectral de Potencia como la transformada de Fourier de la autocorrelacin:
( ) { } ) (
X X
R TF f S =

La siguiente figura muestra los estadsticos de la salida de un filtro cuya entrada es un
proceso estocstico estacionario en sentido amplio:


Un proceso estocstico, N(t), se dice que es ruido blanco gaussiano (AWGN) si:
a) Es blanco:
0 0
( ) Watt/Hz ( ) ( )
2 2
TF
N N
N N
S f R = =
b) Su fdp es Gaussiana
3
e
n
N
n f
2
2
2
2
1
) (


= :

3
El AWGN posee potencia infinita, por lo que, estrictamente hablando, posee una fdp degenerada (=);
si bien es cierto que, si se filtra un proceso AWGN, el proceso resultante siempre es gaussiano (y con
potencia finita)
L.T.I.
h(t)

X(t)
2
) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) (
) 0 ( ) ( ) (
f H f S f S
R R h h R R
H t t
X Y
hh X X Y
X Y
=
= =
=


Y(t)
Codificador

1 +A
0 -A

Fuente de
informacin
binaria
0110010
Filtro
0 T
1
h(t)
t
x(t)
t
t
bits smbolos seal
Comunicaciones Conceptos Bsicos Previos 7

Ejercicio 4) Considere AWGN con densidad espectral de potencia N
0
/2 Watt/Hz a la
entrada de un filtro paso bajo ideal de ancho de banda W Hz. Calcule los siguientes
estadsticos del proceso estocstico de salida:
a) La densidad espectral de potencia. (solucin:
|
.
|

\
|

W
f N
2 2
0
)
b) La autocorrelacin. (solucin: ) 2 ( sinc
0
W W N )
c) La potencia media. (solucin: N
0
W)

4 Unidades Logartmicas

Decibelio (dB) es una medida relativa de potencias:
|
|
.
|

\
|
+
|
|
.
|

\
|
=
|
|
.
|

\
|
1
2
10
2
1
10
2
1
10
log 10 log 20 log 10
R
R
V
V
P
P
rms
rms

Relacin Seal-Ruido (Signal to Noise Ratio):
|
|
.
|

\
|
=
ruido
seal
P
P
SNR
10
log 10
Unidades de Potencia:
dBW: decibelios respecto a 1Watt
Pot (dBW) = 10log
10
(Pot(Watt))
dBm: decibelios respecto a 1mWatt
Pot (dBm) = 10log
10
(Pot(mWatt)) =30 + Pot(dBW)