You are on page 1of 47

UNIVERSIDAD DE SAN MARTÍN DE PORRES

Facultad de Ingeniería y Arquitectura


Escuela Profesional de Ingeniería Electrónica

CURSO
Señales y Sistemas

TEMA
Procesos Aleatorios
Densidad Espectral de Potencia

PROFESOR
Ing. Christian del Carpio Damián
PROCESOS
ALEATORIOS

2
CONCEPTO DEL PROCESO ALEATORIO

Una variable aleatoria “X” es, por definición, una función de


los resultados posibles “s de un experimento, ahora será
función tanto de s como del tiempo.
Se asigna a cada resultado s, de acuerdo con algún tipo de
regla, una función del tiempo.

x(t , s)

El conjunto de todas las funciones, designada por X(t,s), se


denomina proceso aleatorio.

3
CONCEPTO DEL PROCESO ALEATORIO

• Un proceso aleatorio X(t,s) representa un conjunto de


funciones temporales cuando t y s son variables.
• Cada función temporal se denomina función muestra.
• Un proceso aleatorio también representa una sola función
temporal cuando t es una variable y s se fija en un valor
específico.
• Un proceso aleatorio también representa una variable
aleatoria cuando se fija t y s se considera una variable.

4
ESTACIONARIEDAD

Un proceso aleatorio se dice que es estacionario si todas sus


propiedades estadísticas no cambian con el tiempo.

Estacionaridad de primer orden


Un proceso aleatorio estacionario de primer orden implica
que:

f X ( x1 ; t1 ) f X ( x1 ; t1 )

5
ESTACIONARIEDAD

Estacionariedad de segundo orden y en sentido amplio


Un proceso aleatorio estacionario de segundo orden implica
que:

f X ( x1 , x2 ; t1 , t2 ) f X ( x1 , x2 ; t1 , t2 )

Por lo tanto las medidas estadísticas de segundo orden


permanecen invariantes en el tiempo si el intervalo de
separación entre las variables permanecen constantes.

6
ESTACIONARIEDAD

Para estacionaridad de segundo orden se tiene

RX1 X 2 (t1 , t2 ) RX1 X 2 (t1 , t1 ) RX1 X 2 ( )

En forma general

RXX ( ) E[ X (t ) X (t )] X (t ) X (t )

7
ESTACIONARIEDAD

En un proceso aleatorio estacionario en el sentido amplio


(WS) se cumple que:

E[ X (t )] X constante
E[ X (t ) X (t )] RXX ( )

Un proceso aleatorio estacionario de segundo orden es un


proceso estacionario en el sentido amplio.

8
ESTACIONARIEDAD

Ejemplo 1
Demostrar que el proceso aleatorio
X (t ) A cos( 0t )

es estacionario en sentido amplio si suponemos que A y ωo


son constantes y Θ es variable aleatoriamente
uniformemente distribuida en el intervalo (0, 2π).

9
LA FUNCIÓN DE AUTOCORRELACIÓN

La función de autocorrelación de un proceso aleatorio X(t) es


la correlación E[X1X2] de dos variables aleatorias X1=X(t1) y
X2=X(t2) definidas para el proceso en los instantes t1 y t2

RXX (t1 , t2 ) E[ X (t1 ) X (t2 )]

RXX (t , t ) E[ X (t ) X (t )]

Para un proceso WS se tiene:

RXX ( ) E[ X (t ) X (t )]

10
LA FUNCIÓN DE AUTOCORRELACIÓN

Propiedades de la autocorrelación
Para procesos WS, se tiene que:

(1) |RXX ( ) | RXX (0)


(2) RXX ( ) RXX ( )
(3) RXX (0) E[ X 2 (t )]

(4) Si E[X(t)]=X 0 y X (t ) es ergódico con componentes


no periódicos entonces
lim RXX ( ) E[ x]2
| |

11
LA FUNCIÓN DE AUTOCORRELACIÓN

Propiedades de la autocorrelación
Para procesos WS, se tiene que:
(5) Si X(t) tiene una componente periódica entonces R XX ( ) tendrá
una componente periódica con el mismo periodo
(6) Si X(t) es un proceso ergódico con valor medio igual a cero y no tiene
componentes periódicas entonces
lim RXX ( ) 0
| |

(7) RXX ( ) no puede tener forma arbitraria

12
LA FUNCIÓN DE AUTOCORRELACIÓN

Se define el coeficiente de autocorrelación como:

RXX ( )
XX ( ) , 1 XX ( ) 1
RXX (0)

13
LA FUNCIÓN DE AUTOCORRELACIÓN

Ejemplo 2
Un proceso estacionario WS X(t) presente una función de
autocorrelación de la siguiente figura. Si la varianza del
proceso es igual a 0.25. Se pide graficar la media E[X(t)] en
el tiempo.
RXX( )

14
LA FUNCIÓN DE AUTOCORRELACIÓN
Ejemplo 3
Dada la siguiente función de autocorrelación para un proceso
ergódico estacionario con componentes no periódicas
4
RXX ( ) 25 2
1 6

Halle la varianza del proceso.

15
LA FUNCIÓN DE AUTOCORRELACIÓN
Ejemplo 4
Sea X(t) un proceso aleatorio estacionario WS con función
de autocorrelación
a| |
RXX ( ) e , a>0 es cte

Si se tiene la siguiente grafica, donde ωo es una constante y


Θ es una variable aleatoria uniforme en el intervalo (-π, π),
que es estadísticamente independiente de X(t). Determinar la
función de autocorrelación de Y(t)
X (t ) Y (t ) X (t ) cos( 0t )

cos( 0t )
16
CORRELACIÓN CRUZADA
Si se tienen dos procesos aleatorios X(t) e Y(t), se dice que
son estacionarios conjuntamente en sentido amplio si cada
uno de ellos satisface individualmente la condición de
proceso WS y su función de correlación cruzada es definida
como

RXY (t1 , t2 ) E[ X (t1 )Y (t2 )]

Así mismo se puede reescribir como

RXY (t , t ) E[ X (t )Y (t )]

17
CORRELACIÓN CRUZADA

Entonces si X(t) e Y(t) son al menos conjuntamente


estacionarios en sentido amplio, se tiene que

RXY ( ) E[ X (t )Y (t )]

18
CORRELACIÓN CRUZADA
Propiedades de la correlacion cruzada

(1) Si RXY (t , t ) 0
entonces X(t) e Y(t) se dice que son procesos ortogonales

(2) Si dos procesos son estadísticamente independientes, entonces


RXY (t , t ) E[ X (t )]E[Y (t )]
Si, además de ser independientes X(t) e Y(t) son al menos
estacionarios en sentido amplio, entonces RXY ( ) E[X]E[Y]

19
PROCESOS ERGÓDICOS

Media Temporal
• Sea X(t) un proceso aleatorio
• Se define la media temporal como

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

1N1
x x ( n)
Nn0
N: número de muestras

20
PROCESOS ERGÓDICOS

Valor cuadrático medio Temporal


• Sea X(t) un proceso aleatorio
• Se define el valor cuadrático medio temporal como

T
1
x2 lim x 2 (t )dt
T 2T T

N 1
1
x2 x 2 ( n)
Nn0
N: número de muestras

21
PROCESOS ERGÓDICOS

Autocorrelación temporal
• Sea X(t) un proceso aleatorio
• Se define la función temporal de autocorrelación como

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

N 1
1
( m) x ( n ) x ( n m)
N n 0

22
PROCESOS ERGÓDICOS

Todos los promedios temporales son iguales a los


correspondientes promedios estadísticos

E[ x] X
E[ ( )] RXX ( )

23
PROCESOS ERGÓDICOS

Ejemplo 5
Si se tiene la siguiente figura, hallar la autocorrelación
temporal RXX(m)

x(n)
3
2

0 1 2 n

24
PROCESOS ERGÓDICOS

Ejemplo 6
Una señal X(t) es modelada como un proceso aleatorio
ergódico de distribución uniforme en el rango [-5 15]. De
acuerdo a ello se pide determinar la potencia media del
proceso.

25
EL PROCESO ALEATORIO GAUSSIANO

1
[ x x ]T [ C X ] 1 [ x x ]
2
e
f X ( x1 , x2 ,...., xN ; t1 , t2 ,...., t N )
(2 ) N | [C X ] |

2
x1 X1 X1 C X1 X 2 C X1 X N
2
x2 X2 C X 2 X1 X2
x X CX
.
2
xn XN C X N X1 CX N X 2 XN

26
EL PROCESO ALEATORIO GAUSSIANO

Varianza: si es alta, el proceso se despega mucho de la


media.
Covarianza: alta correlación entre muestras representa alta
covarianza

27
PROCESOS DETERMINÍSTICOS

Un proceso es determinístico si valores futuros de una


función muestra pueden ser predecidos por valores
pasados.

28
PROCESOS DETERMINÍSTICOS

Ejemplo 7
El proceso aleatorio

X (t ) A cos( 0t )

Ejemplo 8
Sea x(t)=A donde A es una v.a. con fA(A) de finido como:
f A ( A)

1/10

-5 5 29
DENSIDAD
ESPECTRAL DE
POTENCIA

30
DENSISDAD ESPECTRAL DE POTENCIA

x(t)

-T T

x(t ) T t T
xT (t )
0 en otro caso

31
DENSISDAD ESPECTRAL DE POTENCIA

La transformada de Fourier de xT(t) será


T T
j t j t
XT ( ) xT (t )e dt x(t )e dt
T T

La energía contenida en x(t) en el intervalo (-T, T)

T T
2
E (T ) x (t )dt
T x 2 (t )dt
T T

Por el teorema de Parseval se tiene:

T
2 1
E (T ) x (t )dt | X T ( ) |2 d
T 2
32
DENSISDAD ESPECTRAL DE POTENCIA

La potencia media P(T) de x(t) en el intervalo (-T, T) será

1 T 1 | X T ( ) |2
P(T ) x 2 (t )dt d
2T T 2 2T

La función anterior no representa la potencia de una función


muestra completa

33
DENSISDAD ESPECTRAL DE POTENCIA

Potencia media

T
1 2 1 | X T ( ) |2
PXX lim x (t )dt lim d
T 2T T
T 2 2T

1 | X T ( ) |2
PXX lim d
2 T 2T

| X T ( ) |2
S XX ( ) lim
T 2T

34
DENSISDAD ESPECTRAL DE POTENCIA

Para procesos aleatorios, se tiene que:

T
1 1 E[| X T ( ) |2 ]
PXX lim E[ x 2 (t )]dt lim dt
T 2T T
2 T 2T

Por tanto se tiene que:

E[| X T ( ) |2 ]
S XX ( ) lim
T 2T

35
DENSISDAD ESPECTRAL DE POTENCIA

Propiedades de la DEP

(1) S XX ( ) 0
(2) S XX ( ) S XX ( ) X(t) real
(3) S XX ( ) es real
1
(4) S XX ( )d E[ X 2 (t )] RXX (0) PXX
2
T
1 1
(5) PXX S XX ( )d lim E[ x 2 (t )]dt
2 T 2T T

36
DENSISDAD ESPECTRAL DE POTENCIA

Para procesos WS, se tiene

1
PXX S XX ( )d E x 2 (t ) x2 RXX (0)
2

F
RXX ( ) S XX ( )
j
S XX ( ) RXX ( )e d
1
RXX ( ) S ( )e j d
2

37
DENSISDAD ESPECTRAL DE POTENCIA

Ejemplo 8
Para
X (t ) A cos( 0t )

Donde Θ es variable aleatoriamente uniformemente


distribuida en el intervalo (0, 2π). Determinar la DEP del
proceso

38
PROCESO ALEATORIO BLANCO

Una función muestra n(t) de un proceso aleatorio de ruido


estacionario en sentido amplio N(t) se denomina ruido
blanco si la DEP de N(t) es una constante a todas las
frecuencias. Por tanto se tiene

S NN ( ) N0 / 2

39
PROCESO ALEATORIO BLANCO – pasa bajas

sen 2 B
R nn ( ) N0 B
2 B

N0
4 B
Pnn 2 N0 B
2

B es el ancho de banda en Hz

40
PROCESO ALEATORIO BLANCO – pasa banda

sen B
R nn ( ) N0 B cos( )
B

Pnn N0 B

B es el ancho de banda en Hz

41
DENSIDAD ESPECTRAL DE POTENCIA
ENTRADA/SALIDA
Sistema Lineal

X(t ) H( ) Y(t )
Proceso Aleatorio Proceso Aleatorio
entrada salida

Sistema Lineal

S XX ( ) H( ) SYY ( )

42
DENSIDAD ESPECTRAL DE POTENCIA
ENTRADA/SALIDA

2
SYY ( ) H ( ) S XX ( )

43
Additive White Gaussian Noise (AWGN)

y(t ) x(t ) n(t )

SEÑAL x(t ) + y(t ) x(t ) n(t )

n(t )
AWGN

Se asume en la mayoría de los casos como siendo WS

44
Relación Señal / Ruido
SNR (Signal to Noise Ratio)

PXX
SNRdB 10log10
Pnn

PXX : Potencia de la señal


Pnn : Potencia del Ruido

45
Relación Señal / Ruido
SNR (Signal to Noise Ratio)

Receptor
y(t ) FILTRO
x(t ) + H(w) z(t )
z(t ) x '(t ) n '(t )

n(t )
AWGN

46
FUENTE:

PEYTON Z. PEEBLES, Jr. “Principios de probabilidad,


variables aleatorias y señales aleatorias” McGraw-
Hill/INTERAMERICANA DE ESPAÑA, 4ª ed., 2006

47

You might also like