You are on page 1of 6

Comunicaciones Digitales

Introduccin
En las ciencias fsicas y matemticas se establecen modelos matemticos para
la descripcin de fenmenos fsicos, entre estos modelos se tenemos a los
determinsticos y a los estocsticos. Para que un modelo sea determinstico no
debe existir incertidumbre en su comportamiento a travs del tiempo en
cualquier instante. Debido a que en los fenmenos del mundo real intervienen
varios factores desconocidos resulta inapropiado el uso de modelos
determinsticos. Sin embargo es posible un modelo descrito en trminos
probabilsticos lo que se considera como la probabilidad de un valor futuro que
est entre dos lmites.

Definicin matemtica de un proceso aleatorio


Las dos propiedades de los procesos aleatorios son: 1) son funciones del
tiempo y 2) son aleatorios debido a que no se pueden determinar las formas de
onda antes de realizar un experimento.
Para la descripcin de un proceso aleatorio es conveniente pensar en trminos
de un espacio muestral. De manera especfica cada resultado est asociado
con un punto de la muestra. El total de puntos de la muestra es el compendio
de todos las respuestas posibles del experimento y lleva el nombre de espacio
muestral. Cada uno de los puntos de la muestra del espacio muestral es una
funcin del tiempo. Un proceso aleatorio o estocstico es el espacio muestral
compuesto por funciones de tiempo.
Si consideramos un experimento aleatorio, teniendo resultados s de un espacio
muestral S. A cada punto s de la muestra le asignamos una funcin de tiempo
X ( t , s ) ,T t T

Siendo 2T el intervalo de observacin total. La funcin de la muestra del


proceso aleatorio es un punto fijo s de la grfica de funcin

x i( t)=X ( t , s )
En la figura anterior se observa que para un tiempo fijo t, se obtiene el conjunto
de nmeros
{x 1 ( t k ) , x 2 ( t k ) , , x n (t k )}={ X ( t k , s1 ) , X ( t k , s2 ) , , X ( t k , s 3 ) }

Que constituye una variable aleatoria


Procesos estacionarios
Luego de tratar con los procesos aleatorios en el mundo real, se descubri que
muchas veces la caracterizacin estadstica del proceso es independiente del
tiempo en que se inicia la observacin del proceso; con estas caractersticas el
proceso se lo llama estacionario, caso contrario el proceso es no estacionario.
De forma general, un proceso estacionario se origina de un fenmeno fsico
estable, mientras que un proceso no estacionario surge de un fenmeno
inestable.
Funciones de la media de correlacin y de covarianza

Si consideramos un proceso aleatorio estrictamente estacionario X (t ). la


media del proceso est definida por el valor esperado de la variable aleatoria
cuando se observa el proceso en algn instante de tiempo t
x ( t )=E[ X ( t ) }]

+
x ( t )= x f x ( t )( x )dx

Donde f x (t ) es la funcin densidad e probabilidad de primer orden. Se


deduce que es un proceso aleatorio independiente del tiempo, como
consecuencia la media un proceso estrictamente estacionario es una
constante.
x ( t )=x , para todo t

Con autocorrelacin est definida por la siguiente expresin


R x ( t 1 , t 2) =E [ X ( t 1, t 2 ) ]

+ +
R x ( t 1 , t 2) = x1 x 2 f x (t ) x ( t ) (x 1 , x 2 )d x 1 d x 2
1 2

La funcin de autocorrelacin de un proceso estrictamente estacionario slo


depende d ela diferencia de tiempo t 1 t 2

R x ( t 1 , t 2) =R x ( t 2t 1 )

con autocorrelacin
C x ( t 1 ,t 2 )=E [ (X ( t 1, ) x )( X ( t 2, ) x ) ]

2
C x ( t 1 ,t 2 )=R x ( t 2t 1 ) x
Procesos ergdicos

Los promedios totales o esperanzas de un proceso aleatorio X (t ) son


promedios entre los extremos del proceso. Es factible tambin definir
promedios de muestra a largo plazo o promedios de tiempo que son promedio
a lo largo del proceso. Entonces nos interesa relacionar promedios totales con
promedios de tiempo para que los ltimos representen un medio prctico que
est disponible para la estimacin de los promedios totales de un proceso
aleatorios. Si tenemos una funcin muestra x(t) de un proceso estacionario
X ( t ) , con un intervalo de observacin definido entre T t T el valor de cd
de x(t) se define mediante el promedio de tiempo
T
1
x ( T ) = x ( t ) dt
2 T T

T
1
E [ x ( T ) ]= E [ x (t ) ] dt
2 T T

T
1
E [ x ( T ) ]= dt
2 T T x

E [ x ( T ) ]=x

Afirmamos que X (t ) es ergdico en la medida si se satisfacen dos


condiciones

El promedio de tiempo x ( T ) se acerca al promedio total x en el


lmite cuando el intervalo de observacin T tiende a infinito; es to es,
lim x ( T )= x
T

La varianza de x ( T ) , tratada como una variable aleatoria, tiende a 0

en el lmite cuando el intervalo de observacin T se acerca a infinito;


esto es,


T
var

lim
T
Densidad espectral de potencia
Ahora nos enfocaremos en la caracterizacin de procesos aleatorios en
sistemas lineales utilizando ideas en el dominio de la frecuencia.
Por definicin, la respuesta impulso de un filtro invariante en el tiempo da como
resultado la transformada inversa de Fourier de la respuesta en frecuencia del
sistema. H(f) representa la respuesta en frecuencia del sistema

Ruido
Este trmino se usa para designar seales que no son deseadas que perturban
la transmisin y el procesamiento de seales en sistemas de comunicacin y
sobre los que no se tiene un control completo. En la prctica se pueden tener
varias fuentes de ruido, estas pueden ser externas o internas al sistema. Entre
las fuentes internas tenemos las fluctuaciones espontneas de corriente o
voltaje, los ejemplos ms comunes son el ruido de disparo y el ruido trmico.
Ruido de Disparo
Se origina en dispositivos electrnicos como los diodos y los transistores
debido a la naturaleza discreta del flujo de corriente en estos dispositivos.
Por ejemplo en un fotodetector se generan pulsos de corriente cada vez que el
ctodo emite un electrn debido al uso de un fuente de intensidad constante.
La corriente total que fluye por el fotodetector se puede modelar como una
suma infinita de pulsos de corriente.

El valor medio del nmero de electrones, emitidos en los tiempos t y t0 se


define por

Donde el parmetro es una constante denominada velocidad de proceso.


Ruido trmico
Es el nombre que se le da al ruido que se origina del movimiento aleatorio de
los electrones en un conductor. El valor medio cuadrtico del voltaje del ruido
trmico que aparece en las terminales de un resistor

De manera alternativa el valor medio cuadrtico del generador de corriente de


ruido es

Ruido blanco
El anlisis de ruido en los sistemas de comunicacin se lo hace de forma
idealizada y se lo denomina ruido blanco, que tiene una densidad espectral de
potencia independiente de la frecuencia de operacin se denomina blanco
porque la luz blanca contiene cantidades iguales de todas las frecuencias
dentro de al banda visible de radiacin elecromagntica. Su cantidad de
densidad espectral de potencia es

Ruido de banda angosta


El receptor de un sistema de comunicacin podra incluir un preprocesador
para la seal recibida, este preprocesamiento podra tomar la forma de un filtro
de banda angosta que tendra un ancho de banda lo suficientemente grande
para dejar pasar la componente modulada de la seal que se recibe, no sera lo
bastantemente grande para no admitir ruido. El ruido que aparece en esta
salida se lo conoce como ruido de banda angosta.
Para los anlisis de los efectos de este ruido en el desempeo de un sistema
de comunicacin, se necesita una representacin matemtica. Existen dos
tipos de representaciones, que dependen de la aplicacin de inters:
1. El ruido de banda angosta se define en trminos de un par de
componentes denominadas componente en fase y en cuadratura.
2. El ruido de banda angosta se define en trminos de otras dos
componentes denominadas la envolvente y la fase.