Básicamente tenemos dos tipos de señales: determinísticas y aleatorias.Las
determinísticas tienen un valor conocido en cada instante de tiempo y pueden expresarse
matemáticamente como, por ejemplo, x(t) = 5 cos 10t. Sin embargo, también
son aleatorias las señales provenientes de las fuentes de información. Es aleatoria la señal de
video, la voz de un locutor de radio, el mensaje de un fax, etc. Lo cual es bastante lógico. Si
estas señales fueran determinísticas no tendrían sentido las comunicaciones.
¿Para qué transmitir algo si el receptor sabe a priori de qué se trata?
Señales de potencia y de energía Una señal eléctrica puede ser representada por un voltaje v(t), o una corriente i(t), que
entrega una potencia instantánea p(t) a través de un resistor R:
P(t)=v(t)/R
En sistemas de comunicaciones es común normalizar las ecuaciones anteriores
considerando a R = 1 Ω aunque en realidad pueda tener otro valor. En ese caso las
expresiones anteriores toman la forma general:
Densidad espectral
La densidad espectral de una señal caracteriza la distribución de energía o de potencia
de una señal en el dominio de la frecuencia.
Autocorrelación de una señal de energía
La correlación es un proceso de comparación. La autocorrelación se refiere a la
comparación de una señal con una versión desplazada de sí misma.
La función de autocorrelación de una señal real de energía tiene las siguientes
propiedades:
1. Rx (τ)=Rx(τ) es una funcion par
2. Rx(τ)≤ Rx(0) para todo τ tiene su valor maximo en el origen
3. Rx (τ)=↔Ψx(F) la autocorrelación y la densidad espectral de energía forman un Autocorrelación de una señal periódica (señal de potencia)
Las propiedades de la autocorrelación para una función real periódica son:
1. Rx(τ)=Rx(-τ) es una función par.
2. Rx(τ)≤Rx(0) tiene su valor máximo en el origen.
3. Rx(τ)↔Gx(f) la autocorrelación y la densidad espectral de potencia forman un
par transformado de Fourier
Señales aleatorias Veremos a continuación algunas características de las señales aleatorias y repasaremos
algunos conceptos básicos de estadísticas.
Sea X(A) una variable aleatoria. Representa la relación entre un evento aleatorio A y un
número real. Por conveniencia indicaremos a la variable aleatoria solamente por X, quedando
implícita su relación con A.
La fdp de una variable aleatoria continua es una función continua. Para el caso de las
tensiones eléctricas tomado antes como ejemplo, la función de densidad de probabilidad sería
una recta horizontal, de altura 1/40, y que se extiende desde x = 200 hasta x = 240. Esto
forma un rectángulo cuya área tiene valor 1, como debe ser.
En este caso decimos que la variable aleatoria tiene una distribución uniforme
Nótese que, para el caso de la fdp continua y uniforme del ejemplo de las tensiones, si
calculamos la función primitiva (la antiderivada) obtenemos como fda, función de distribución
acumulativa, una recta que cumple con la ecuación (18) y con todas las propiedades que se
enumeraron acerca de ella. Para el caso del dado, la fda sería “una recta escalonada”.
Procesos aleatorios
Un proceso aleatorio, X(A, t), puede ser visto como una función de dos variables: un
evento A y el tiempo t. Supongamos N muestras de una función del tiempo {X j (t)}. Cada una
de las muestras puede ser relacionada con la salida de diferentes generadores de ruido. Para
un evento específico A j tenemos una función del tiempo X(A j , t) = X j (t) (o sea una muestra de
la función). La totalidad de las muestras forman un conjunto o ensamble. Para un tiempo
específico t k , X(A, t k ) es una variable aleatoria X(t k ), cuyo valor depende del evento. Para un
evento específico A = A j y un tiempo específico t = t k , X(A j , t k ) es simplemente un número. Por
conveniencia designaremos a este proceso aleatorio como X(t) y la dependencia con A quedará
implícita. La Figura 1 muestra un ejemplo de proceso aleatorio. Se trata de N eventos; cada
evento depende del resultado aleatorio del mismo y del tiempo.
Promedios estadísticos de una variable aleatoria El valor de un proceso aleatorio no puede ser conocido a priori (ya que no se conoce la
identidad del evento A). Se busca entonces poder describir este proceso estadísticamente,
mediante su función de densidad de probabilidad (fdp). En general, la forma de la fdp de un
proceso aleatorio será diferente para diferentes tiempos. Y en general también, no es práctico
determinar empíricamente la fdp. Sin embargo, se puede obtener una descripción parcial a
través de la media y de la autocorrelación.
Procesos estacionarios
Un proceso aleatorio X(t) se dice estacionario en sentido estricto si ninguna de sus
propiedades estadísticas son afectadas por un desplazamiento sobre el eje de tiempos
Estacionario en sentido estricto implica estacionario en sentido amplio, pero no
viceversa. La mayoría de los procesos aleatorios usados en sistemas de comunicaciones son
estacionarios en sentido amplio.
Comprobar la ergodicidad de un proceso aleatorio es, en general, muy difícil.
En la práctica lo que se hace es una evaluación intuitiva para saber si es razonable
intercambiar los promedios temporales y los promedios de las muestras. En la mayoría de los
sistemas de comunicaciones (en ausencia de efectos transitorios) se asume la ergodicidad en
la media y en la autocorrelación.
Ya que en un proceso ergódico el promedio temporal es igual al promedio de las
muestras del conjunto, las variables eléctricas principales como valor dc, valor rms, etc, se
pueden relacionar, en este caso, con las propiedades estadísticas de la siguiente manera:
1. La cantidad { } ) (t X E m X
= es igual al nivel DC de la señal. Este resultado es bastante
intuitivo, ya que el valor medio estadístico coincide con el valor medio temporal, y el valor
medio temporal de una señal eléctrica representa la componente DC.
2. La cantidad 2
X m es igual a la potencia normalizada de la componente DC. También
es bastante intuitivo. Si m X es el valor medio de tensión eléctrica, entonces su cuadrado, 2
X m ,
representa la potencia continua normalizada.
3. El segundo momento de X(t), { } ) ( 2 t X E es igual a la potencia media normalizada
total (AC + DC). Este resultado quizás no es tan evidente como los dos anteriores. Pero una
manera de interpretarlo es viendo que X 2 (t) es la potencia instantánea normalizada (AC + DC)
de la señal X(t). Por lo tanto su valor medio representa la potencia media normalizada AC +
DC.
varianza representa la potencia media total normalizada (porque no hay potencia media DC).
7. La desviación estándar, σ X , es el valor rms de la componente AC de la señal. Surge
del punto 5, tomando la raíz cuadrada de la potencia media AC y teniendo en cuenta la
definición de valor rms.
8. Si m X = 0 entonces σ X es el valor rms total de la señal (ya que no hay tensión o
corriente continua).
Ruido en sistemas de comunicaciones
El término ruido se refiere a señales eléctricas indeseadas que están siempre presentes
en los sistemas eléctricos. La presencia de ruido superpuesto en una señal tiende a
enmascarar a dicha señal. Esto limita la capacidad del receptor para decidir correctamente
acerca de cuál fue el símbolo transmitido, además de limitar la velocidad de transmisión. Hay
diferentes fuentes de ruido, tanto naturales como artificiales (generados por el hombre). En
todo sistema de comunicaciones hay que pelear contra el ruido, diseñando las antenas y filtros
adecuados, o instalando los equipos en lugares apropiados.
Ruido blanco
La característica distintiva del ruido térmico es que su densidad espectral de potencia es
constante para todas las frecuencias que son de interés en la mayoría de los sistemas de
comunicaciones.
1. El valor medio o esperanza de la fdp Gaussiana es cero, por lo tanto el nivel
de tensión continua del ruido es cero. Esto es intuitivamente lógico, ya que los niveles
positivos de tensión de ruido compensan a los niveles negativos.
2. Como consecuencia del punto anterior, la potencia normalizada de la componente
de tensión continua también es cero.
3. La varianza σσσσ 2 es igual a la potencia media normalizada de la señal de
ruido. Y aquí parece haber una contradicción, ya que anteriormente se había dicho que la
potencia media de ruido es infinita. Lo que ocurre es que esto último es una abstracción como
4. La desviación estándar σσσσ, representa el valor rms o valor eficaz de la señal
de ruido. Siendo estrictos una vez más, σ es en realidad el valor rms de la componente AC,
pero como la componente DC es cero, finalmente la desviación estándar representa al valor
rms total del ruido.
Transmisión de señales a través de sistemas lineales
Una señal aplicada a la entrada de un sistema, puede ser descripta tanto en el dominio
del tiempo, como x(t), o en el dominio de la frecuencia, como X(f), (a través de su
transformada de Fourier). El análisis en el dominio del tiempo produce, ante una señal de
entrada x(t), una señal de salida y(t), siendo en tal caso h(t) la respuesta impulsiva de la red.
Si el análisis se hace en el dominio de la frecuencia entonces definimos la función de
transferencia H(f) de la red, que determina la señal de salida Y(f) en función de la frecuencia
Procesos aleatorios y sistemas lineales
Si un proceso aleatorio es aplicado a la
entrada de un sistema lineal e invariante en el tiempo entonces la salida será también un
proceso aleatorio.
Transmisión sin distorsión
Veamos ahora cuál es el requerimiento de una red o
función de transferencia para que la transmisión a través de la misma sea sin distorsión
Dilema del ancho de banda
Muchos teoremas importantes de las comunicaciones y de la teoría de la información se
basan en la suposición o existencia de canales con un ancho de banda limitado
(estrictamente). Sin embargo, considerar un ancho de banda así implica considerar una señal
de duración infinita, lo cual es impracticable. Por otra parte, considerar que el ancho de banda
se extiende de forma infinita también es irrazonable. Realmente, no hay una definición
universal para el ancho de banda.
Todos los criterios de ancho de banda tienen en común la intención de especificar una
medida del ancho B, para una densidad espectral de potencia definida para todas las
frecuencias tales que f<∞. En la Figura 6 se ilustran algunas de las definiciones más
comunes.
a) Ancho de banda de mitad de potencia. Es el intervalo de frecuencias en los puntos
donde G(f) cae a la mitad del valor máximo. Esto equivale a una caída de 3 dB.
b) Rectángulo equivalente (también llamado ancho de banda de ruido equivalente). Es
un ancho de banda definido como B N = P x /G x (f c ), donde P x es la potencia total de la
señal sobre todo el espectro de frecuencias y G x (f c ) es el valor de la densidad
espectral de potencia en el centro de la banda. Nótese que si P x se expresa en watts
y G x (f c ) en watts/hertz entonces B N resulta en hertz, como debe ser.
c) Ancho de banda entre ceros. Es quizás la clasificación más popular para el ancho de
banda en sistemas digitales. Es el lóbulo principal del espectro, allí donde se
distribuye la mayor cantidad de potencia.
d) Ancho de banda de 99%. Es el ancho de banda limitado por las frecuencias que
determinan una potencia del 99% del total.
e) Densidad Espectral de Potencia limitada. Establece un ancho de banda tal que, fuera
de él, G x (f) debe caer por debajo de un cierto nivel con respecto del nivel que hay
en el centro de banda. Valores típicos son 35 dB y 50 dB.
Resumen Hemos clasificado las señales según sean determinísticas o aleatorias. Por otra parte
también las clasificamos según sean señales de energía o señales de potencia, y hablamos de
densidades espectrales de energía y densidades espectrales de potencia, respectivamente. Las
señales que manejaremos en el resto del curso serán de alguno de estos dos últimos tipos y
sus espectros serán de energía o de potencia.
No hay comentarios:
Publicar un comentario