EL217 Ingeniería de Comunicaciones

Ruido y distorsión de canal

Lima, agosto 2022

Introducción

1. Ruido: definición, clasificación

2. Modelos de ruido
3. Ruido gaussiano: canal AWGN
4. Fading
5. Distorsión de canal
6. Espectros de potencia

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Temario

1. Concepto de ruido
2. Clasificación
3. Modelos de ruido
4. Distribución gaussiana y normal
RUIDO
Reflexiona un momento…

¿en qué consiste el ruido

externo? ¿cómo se clasifica
el ruido?
Concepto de ruido

• Se define como cualquier perturbación o señal no

deseada presente en la banda útil de un sistema de
comunicación.
• En general se presenta en el canal o medio de
transmisión.
• NO necesariamente el ruido es de naturaleza
eléctrica. Como ocurre con las perturbaciones en
Comunicaciones Ópticas.
 Ejemplo de ruido

El problema de eco o diafonía en sistemas de

telefonía.

Eco reflejado local

Central/PBX Central/PBX

PSTN PSTN

Eco detectado a la entrada del Gateway (10 ms después de su

transmisión). Es cancelada por el Gateway.

FIGURA 1 Generación de eco en un sistema de telefonía

Fuente: Elaboración propia
 Jitter:
fluctuación indeseada de un parámetro (amplitud,
frecuencia o fase) de una señal analógica o digital.

a) Cambio de frecuencia de la señal

Señal transmitida

Señal recibida

Frecuency jitter
FIGURA 2 Ejemplos de Jitter
Fuente: Elaboración propia
Ejemplos de Jitter
b) Cambio en la amplitud de la señal
Amplitud jitter

c) Cambio en la fase de la señal digital

Señal deseada

phase jitter
FIGURA 2 Ejemplos de Jitter
Fuente: Elaboración propia
Distorsión cromática:
Tipo de dispersión en sistemas de transmisión por
fibra óptica.
a) Por tipo de fibra (monomodo/multimodo)

b) Variación de índice de refracción

 Ejemplos de Distorsión cromática

c) Pérdidas por curvatura d) Variaciones de densidad

FIGURA 3 Ejemplos de distorsión en transmisión por fibra

Fuente: Universidad Tecnológica Nacional, Argentina
http://www.electron.frba.utn.edu.ar/
No olvides que…
• El ruido no necesariamente debe ser de
naturaleza electrónica.
• El ruido ocurre por lo general en el medio o
canal de transmisión como par de cobre, fibra
óptica o canal radio.
 Clasificación de ruido

Ruido no correlacionado Independiente de la señal

Ruido Externo Debido a factores externos

Ruido Interno Debido a factores internos

Ruido correlacionado Dependiente de la señal

Distorsión
No aparecen nuevas frecuencias
lineal
Distorsión no
lineal Aparecen nuevas frecuencias
 RUIDO

Ruido no correlacionado
◼Ruido externo

◼ Ruido atmosférico: ruido de precipitación

◼ Ruido extraterrestre o del espacio profundo
◼ Ruido Solar
◼ Ruido Cósmico o de cuerpo negro
◼ Ruido hecho por el hombre
◼ Ruido Industrial: ondas vibracionales
◼ Interferencia: radio / TV
Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
 RUIDO

◼ Ruido externo
◼ Ruido atmosférico: ruido de precipitación
Capa de inversión
elevada Capa caliente

… … …

Tx Rx

Superficie

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

RUIDO
◼ Ruido solar

20  400 Km (día/noche, verano/invierno, etc.)

Capa ionosférica (> 1000 °C)

60  120 Km

… …
Tx

Prof. Juan Huapaya Ingeniería

Tierra plana de las Telecomunicaciones
 RUIDO

◼ Ruido extraterrestre o del espacio profundo

◼ Ruido Solar
◼ Ruido Cósmico o de cuerpo negro

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

RUIDO

◼ Ruido hecho por el hombre:

◼ Ruido Industrial: fuentes de ondas vibracionales
◼ Interferencia: radiodifusión

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 RUIDO

Ruido no correlacionado
◼Ruido interno

◼ Ruido térmico: o de resistencia. Se conoce

como ruido blanco o de Johnson-Nyquist.
◼ Ruido de disparo: shot noise o impulsivo
◼ Ruido de tiempo de tránsito
◼ Ruido de modulación 1/f: ruido rosado
◼ Ruido browniano: movimiento aleatorio
Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
 RUIDO

◼ Ruido interno
◼ Ruido de disparo: shot noise o impulsivo
◼ Ruido térmico: thermal noise

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 RUIDO

◼ Ruido de tiempo de tránsito: variación de

retardo
◼ Ruido rosado o de parpadeo: flicker noise

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 RUIDO

◼ Ruido interno
◼ Ruido browniano o marrón: movimiento
aleatorio

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 RUIDO

Ruido correlacionado
Distorsión lineal: no se generan nuevas
frecuencias
◼ Ruido de distorsión de amplitud y fase
◼ Eco o diafonía
◼ Jitter de amplitud
◼ Desvanecimiento o fading
◼ Distorsión cromática
Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
 RUIDO

Distorsión lineal
◼ Ruido de distorsión de amplitud y fase

|H(w)| cte

-2B 2B w

h(w) = -wtd lineal

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 RUIDO

Distorsión lineal
◼ Eco o diafonía
Eco reflejado local

Central/PBX Central/PBX

PSTN PSTN

Eco detectado a la entrada del Gateway (10 ms después de su

transmisión). Es cancelada por el Gateway.

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 RUIDO

Ruido correlacionado
Distorsión no lineal: se generan nuevas
frecuencias
◼ Ruido de distorsión armónica
◼ Ruido de intermodulación

◼ Ruido de cuantización

◼ Ruido de sobrecarga de pendiente

◼ Ruido de submodulación

◼ Jitter de frecuencia y fase Ingeniería de las Telecomunicaciones

Prof. Juan Huapaya
 RUIDO

Distorsión no lineal
◼ Ruido de distorsión armónica

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Clasificación de ruido

Ruido no correlacionado Independiente de la señal

Ruido Externo Debido a factores externos

Ruido Interno Debido a factores internos

Ruido correlacionado Dependiente de la señal

Distorsión
No aparecen nuevas frecuencias
lineal
Distorsión no
lineal Aparecen nuevas frecuencias
No olvides que…

• El ruido puede ser correlacionado o no.

• El ruido puede ser interno o externo.
• El ruido puede ser lineal o no lineal.
• Pueden haber otras clasificaciones del ruido.
MODELOS DE RUIDO
 Modelos de ruido
El modelo descriptivo de Rayleigh

• Es un modelo descriptivo en el tiempo.

• Modela el ruido como una sumatoria de
ondas senoidales interferentes.
• Los componentes de fase k son irrelevantes:

+
n(t ) = c
k = −
k cos(wk t +  k ), wk = kw, w → 0
 Modelos de ruido
El modelo descriptivo de Rayleigh

• Señal de ruido como una sumatoria de ondas

senoidales interferentes.

n(t)

FIGURA 4 Modelo descriptivo de Rayleigh

Fuente: Elaboración propia
Modelos de ruido
El modelo descriptivo de Rayleigh

• Generación del modelo de ruido de rayleigh

Medidor de
potencia
n(t) FPBda Ckcos(wkt+k) Pf Watt

angosto

f

-wk wk w

• Luego para un tono interferente:

Ck2
Pf = → Ck = 2Pf
2
 Modelos de ruido
El modelo de frecuencia

• Modela la DEP de ruido para cada frecuencia wk a

una resolución f Hz.
• Para una mejor resolución (f→0) más hay mayor
retardo en la obtención de la DEP.

DEPn(w)

f

-wk wk w

FIGURA 5 Modelo de frecuencia (DEP de ruido)

Fuente: Elaboración propia
 Modelos de ruido
El modelo de frecuencia

• Generación del modelo de frecuencia

Medidor de
potencia
DEPn(w) FPBda senoide wk Pf Watt

angosto

f

-wk wk w

• Para cada tono wk se determina:

Pf = 2f Sn(wk) Watt

Sn(wk) = Pf /2f W/Hz

 Modelos de ruido
El modelo de frecuencia

• Relación con modelo descriptivo:

Ck = 2 Sn ( w k )f

+
ck2
DEPn ( w) =   (w + wk ) +  (w − wk ), wk = kw, w → 0
k = − 2

• Caso particular: DEP de ruido Blanco

Sn(w)
/2
... ...
w
FIGURA 6 DEP uniforme de ruido blanco
Fuente: Elaboración propia
 Modelos de ruido
El modelo de frecuencia

• DEP de Ruido Blanco:

• Potencia de Ruido Blanco:

 Modelos de ruido
El modelo de frecuencia

• DEP de ruido rosado, blanco y azul

DEP(f)

a)
c)
b)

FIGURA 7 DEP de ruido rosado, blanco y azul

Fuente: Manual de laboratorio PUCP
 Modelos de ruido
El modelo estadístico

• Modela el ruido como un proceso aleatorio en base a

su fdp p(x) y sus estadísticas.
• En general se puede extender el análisis para toda
señal f(t).
f(t)
Determinística
f(to)

to t

En to el valor de la función es f(t o)

FIGURA 8 Señal f(t) continua
Fuente: Elaboración propia
 Modelos de ruido
El modelo estadístico

• A la señal f(t) se puede asociar una función de

densidad de probabilidad fdp p(x)

f(t)
Aleatoria
___
f(to)

to t

En to se define una fdp p(x), siendo el valor más

probable el valor de la función

FIGURA 9 Señal f(t) aleatoria

Fuente: Elaboración propia
 Modelos de ruido
El modelo estadístico

• Se define p(x) como la función de densidad fdp

asociada al ruido n(t).
• La variable aleatoria de ruido x = n(t)

f(t) f(t) con ruido

Sistema de
comunicación

t t
n(t)

FIGURA 10 Sistema de comunicación afectada por una señal de ruido n(t)

Fuente: Elaboración propia
 Modelos de ruido
El modelo estadístico

• La función p(x) como ser exponencial, uniforme,

cuadrática, etc.
• Los parámetros más conocidos de una función de
probabilidad p(x) son:
+

‐ Media o valor medio: n = x = Ex  =  xp( x)dx

−
+
‐ Valor cuadrático medio:
n2   x
= x2 = E x2 = 2
p( x )dx
−
+
‐ Varianza:    (x − x) p(x)dx
 2 = E ( x − x) 2 =
2

−
 Modelos de ruido
El modelo estadístico

• Para una señal de ruido se considera por lo general

que su media o valor medio es cero.
• Por tanto la varianza 2 es una expresión de la
potencia de ruido con fdp p(x) dada por:

+
N = x 2 = 2 = 
−
x 2p( x )dx
 Modelos de ruido

• Los 3 modelos de ruido convergen en una sola

expresión para hallar la potencia de ruido dada
por:

Modelo Modelo de Modelo de

estadístico Rayleigh Frecuencia
Autocorrelación, espectro y DEP de señales
Modelos de ruido

Otro resultado que se deduce de los modelos es la

Relación Señal a Ruido SNRo que se utiliza para medir
la eficiencia del sistema frente al ruido de canal.
Rango de valores de SNRo:
- Sistema eficiente: SNRo  1000 = 30 dB
- Sistema bueno: SNRo = 20 a 30 dB
- Sistema regular: SNRo = 10 a 20 dB
- Sistema ineficiente: SNRo < 10 dB
No olvides que…

• El ruido tiene 3 naturalezas: tiempo, frecuencia y

proceso aleatorio.
• Los 3 modelos están relacionados.
• La relación señal a ruido es el principal parámetro
para medir la eficiencia de un sistema ante la
influencia del ruido.
 MODELOS DE RUIDO

Problema: Sea un sistema de comunicación con

una señal f(t) de mp = 4 V. A la salida del sistema
se tiene una relación Pseñal/mp2= 7/18 y un
psofómetro registra un tipo de ruido limitada a
15.625 mV y cuya fdp se muestra. Grafique la fdp
de ruido y determine la potencia de señal f(t) y
de ruido a la salida del sistema:
 x
p( x ) = ( + 1), x  a = 15.625 mV
2 a

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 MODELOS DE RUIDO
p(x)
Solución 

/2

-a a x

 a 2
a
x x a
Área unitaria:

−

p( x )dx =  ( + 1)dx =  (
0
a 2a
+ x)
0
=  ( + a) = 1
2

  = 2/3a

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 MODELOS DE RUIDO

Potencia de ruido:
 a 4 3
a
x x x a3 a3 2 7a 3
No =  
x p( x )dx =  x ( + 1)dx =  ( + = ( + )=
2 2
)
a 4a 3 4 3 3a 12
− 0 0

7 2 7
No = a = (15.625 mV )2 = 94.94 W
18 18
7 2 7
Potencia de señal: So = f ( t ) =
2
mp = ( 4)2 = 6.22 W
18 18
2
Relación señal a So mp
SNRo = = 2 = 65536 = 10 log(65536 ) = 48.16 dB
No a
ruido:
Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
Ruido gaussiano: canal AWGN
 Distribución Gaussiana y Normal

• La distribución gaussiana o normal describe el

comportamiento de los procesos de ruido de DEP
uniforme como el ruido blanco, térmico u otros.
• Se utiliza para canales AWGN (canal con ruido aditivo,
blanco, gaussiano y normal)
• A continuación se muestra la fdp gaussiana de media
m y varianza 2:

1 −( x − x )2 / 2 2
p( x ) = e
2
Distribución Gaussiana y Normal

FIGURA 11 Gráfica de una distribución gaussiana y normal

Fuente: F.G. Stremler ‘Introducción a Sistemas de Comunicaciones’
 Distribución Gaussiana y Normal
Se definen:

FDP p(x) Es una fdp gaussiana de media cero y varianza unitaria.

normalizada Permite evaluar la fdp usando métodos numéricos:

1
p( x ) = exp( − x 2 / 2)
2

Función de • Facilita el cálculo de probabilidades usando una tabla

área Q(x) de valores. Ver tablas I.1 e I.2:


1
e
−x2 / 2
Q( x ) = dx
2 x
Distribución Gaussiana y Normal

FIGURA 12 Función de área Q(x)

Fuente: F.G. Stremler ‘Introducción a Sistemas de Comunicaciones’
Distribución Gaussiana y Normal

FIGURA 13 Tabla I.1 para cálculo de Q(x)

Fuente: F.G. Stremler ‘Introducción a Sistemas de Comunicaciones’
Distribución Gaussiana y Normal

FIGURA 14 Tabla I.2 para cálculo de Q(x)

Fuente: F.G. Stremler ‘Introducción a Sistemas de Comunicaciones’
 Distribución Gaussiana y Normal

Propiedades de Q(x):
La función de área Q(x) presenta propiedades para una
fdp gaussiana de media m y varianza 2:
a) Complemento: Q(x) + Q(-x) = 1

xo − x x − xo
b) P( x  xo ) = Q( ) y P( x  x o ) = Q( )
 

c) xo − x x1 − x
a) P( xo < x < x1 ) = Q( ) - Q( )
 
No olvides que…

• El ruido blanco es el tipo de ruido más común en

telecomunicaciones.
• La función de área Q(x) se utiliza para simplificar
el cálculo de probabilidades para p(x) gaussiana
y normal.
 Ruido gaussiano: canal AWGN

Problema: La amplitud de una señal tiene distribución

gaussiana con media cero y valor cuadrático medio 2.
Halle la probabilidad de observar la amplitud por encima
de 3.

Solución: Usando b) tenemos:

3 − x
P( x  3 ) = Q( ) = Q(3) = 1.35 x10 −3 = 0.00135


Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN

Problema: Se solicita a un ingeniero electrónico de la UPC

a que calibre un sistema de alarma contra robos en una
institución bancaria. Por defecto la alarma debe activarse
con un nivel de tensión de 1 V, sin embargo se registra que
falla en un 35.2%. El ingeniero analizando las condiciones
normales del ambiente y el estado del sensor de
movimiento determina que con un nivel de tensión de 1.2V
se activa la alarma con una eficiencia de 99.72%.

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN
Determine la mínima tensión (umbral) con que se activa la
alarma y la potencia de ruido si se registra en el ambiente
ruido blanco y gaussiano de media cero y desviación
estándar . Estime además la probabilidad de que haya
falsa alarma.
1.2 V

1V
xo Umbral

t
Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
 Ruido gaussiano: canal AWGN
Solución:

Para x = 1 V la alarma falla en 35.2%:

xo − x x −1 1− xo
P( x < xo ) = 1 - Q( ) = 1 - Q( o ) = Q( ) = 0.352
  

1− xo
Por tabla I.1: = 0.38 → 1 – xo = 0.38  ............... (1)


Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

Ruido gaussiano: canal AWGN

Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN
Solución:

Para x = 1.2 V la alarma opera en 99.72%:

x o − 1 .2 1 .2 − x o 1 .2 − x o
P( x > xo ) = Q( ) = 1 - Q( ) = 0.9972 → Q( ) = 0.0028
  

1 .2 − x o
Por tabla I.1: = 2.77 → 1.2 – xo = 2.77  ............... (2)


Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

Ruido gaussiano: canal AWGN

Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN
Solución:
De (1) y (2) tenemos xo = 0.9682 V y  = 0.083 V. Por tanto:
Umbral: xo = 0.9682 V
Potencia de ruido: No = 2 = 7 mW

Para x = 0 V hay falsa alarma:

xo − 0 0.9682
P( x > xo ) = Q( ) = Q( ) = Q(11.57)
 0.083

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN
Solución:
1 −x2 / 2
Usando la aproximación para Q(x) cuando x es grande: Q( x )  e
x 2
Q(11.57)  2.945 x 10
-31
Por tanto: Prob. de que haya falsa alarma

Problema propuesto: Determine la potencia de ruido para el sistema de alarma anterior si

se registra una fdp de ruido en el ambiente dada por: P(x) = (1-x /a ), |x|  1mV ¿Mejora
2 2

el sistema de alarma si se presenta éste tipo de ruido? Justifique.

Rpta: No = 0.2 W

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN

Problema: Se instala un sistema de radar para aviación

naval, el cual cuenta con un psofómetro que determina que
el ruido en el ambiente tiene distribución gaussiana de
media cero, desviación estándar  y una potencia de 360
mW. Mientras no haya aviones cerca, el radar opera con una
tensión mínima o umbral de 0.8 V. En tales condiciones el
radar opera con una eficiencia de 99.56% al detectar
objetos lejanos hasta una distancia de 2000 Km. Más allá de
2000 Km el radar es gradualmente menos eficiente.
Ingeniería de las Telecomunicaciones
Ruido gaussiano: canal AWGN

Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN
a) Determine el nivel de tensión con el cual el radar detecta
objetos lejanos.

Umbral: xo = 0.8 V

Potencia de ruido:
No = 2=360 mW = 0.36 W →  = 0.6 V

Probabilidad de falla:
 x − xo 
Pe = 1 −  = P( x  xo ) = Q   = 1 − 0.9956 = 0.0044
  
Ingeniería de las Telecomunicaciones
Ruido gaussiano: canal AWGN

Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN

x − xo
= 2.62 → A = x = xo + 2.62

A = x = 0.8 + 2.62(0.6) = 2.372 V

b) Con que eficiencia la embarcación rastrea una aeronave a

4000 km de distancia si se sabe que el nivel de tensión del
radar es ahora 1.3 V
 xo − x   xo − A '   0.8 − 1.3 
 = P( x  xo ) = Q 
  
 = Q
  
 = Q
 0.6 
(
 = Q −0.83 )
Ingeniería de las Telecomunicaciones
Ruido gaussiano: canal AWGN

Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN

 = Q ( −0.83 )  1 − Q(0.83) = 1 − 0.2033 = 0.7967

 = 79.67%

Ingeniería de las Telecomunicaciones

 Ruido gaussiano: canal AWGN
c) La amplitud máxima de ruido (‘a’) si posteriormente la
embarcación cambia de posición en alta mar y el
psofómetro registra que el ruido mantiene su nivel de 360
mW con una nueva función de densidad de probabilidad o
fdp:

x
p( x) =  (1 − ), x a
a

Ingeniería de las Telecomunicaciones

Ruido gaussiano: canal AWGN

Otra forma:

Ingeniería de las Telecomunicaciones

Ruido gaussiano: canal AWGN

Ingeniería de las Telecomunicaciones

 Reflexiona un momento

• Un sistema de radiodifusión puede ser

considerado una fuente de ruido para otros
sistemas
• ¿Cuándo realizas una llamada por telefonía fija o
sistema móvil se pueden percibir otras
llamadas?
• En tal caso ¿consideras las otras llamadas
percibidas como señal de ruido o no? Explique
porqué.
FADING
 FADING

Desvanecimiento por multitrayecto

Fenómeno observado en trayectorias relativamente poco
despejadas de obstáculos y condicionado a las variaciones
climáticas del momento como vientos, tormentas, lluvias,
etc. y que introduce pérdidas o desvanecimientos en el
nivel de señal.

Clases de fading
Por su origen puede ser:

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 FADING

De 1er tipo: debida a causas atmosféricas, como el

desenfoque del haz radioeléctrico (una capa de inversión
elevada origina una reflexión parcial del haz), propagación
de ducto (una capa de aire caliente o de menor densidad
produce que el haz ‘viaje’ grandes distancias entre un ducto
formado por la capa caliente y la superficie de la Tierra) y
fenómenos de absorción (atenuación debida a la lluvia,
niebla, etc.)

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 FADING

Capa de inversión
elevada Capa caliente

… … …

Tx Rx

Superficie

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 FADING
De 2do tipo: tiene como origen el fenómeno
multicamino (‘multipath’), varios trayectos de propagación
debidas a reflexiones sobre: tierra plana (zonas llanas,
desérticas y sobretodo el mar), obstáculos (cerros,
quebradas), capas de inversión elevada (ionósfera,
tropósfera), etc.
La señal recibida es entonces la resultante de los diferentes
componentes por trayecto. La diferencia de fase es más
importante cuando más pequeña es la longitud de onda.

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 FADING

Capa ionosférica

…
…
Tx Rx

Tierra plana Obstáculos

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 FADING

De 3er tipo: de origen variado (difracción, refracción,

rugosidad, imperfecciones de las antenas). Producen
componentes de amplitudes muy pequeñas y de efecto
despreciable sobre el campo recibido.
Es de consideración a frecuencias altas ( ondas) y al
producirse con intensidad desvanecimientos de los tipos
anteriores.

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 FADING

Capa de inversión

Refracción
… …

Tx Rx

Difracción Rugosidad del terreno

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 FADING

Por su duración el fading puede ser:

Lento: desvanecimientos profundos de 15 a 20 dB, de 1 a
varias horas durante el día.
Rápido: desvanecimientos muy profundos de 30 a 45 dB,
de breve duración, algunos seg a varios minutos. Aparece
en general en la noche y en las 1ras horas del amanecer
sobre todo en verano

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

Distorsión de canal
 Distorsión de canal

La distorsión de una señal puede producirse a través de

una canal de características no ideales ya sea de magnitud
o de fase o ambos. Puede ser:

Distorsión lineal
La distorsión lineal es aquella que no modifica las
componentes espectrales de la señal sobre la que se aplica.
Esto es, la banda ocupada por la señal es la misma con y
sin distorsión.

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

Distorsión de canal

FIGURA 3: Sistema H(w) con distorsión de canal

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Distorsión de canal

Problema: Sea el siguiente sistema de transmisión:

f(t) = (t) H(w) r(t)

 w  − jwt o
H ( w ) = 1 −  + . cos( 2 n ).e , w  wc
 wc 

a) Graficar el espectro de H(w) para =1/8 y n=2.

b) Considerando los valores de a) determine la respuesta r(t).

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Distorsión lineal

Solución:
7 1 w  − jwto
a) Graficando H(w): H( w ) =  + cos(4 ).e , | w | w c
8 8 wc 

• |H(w)|cte X
• (w) es lineal 
H(w) no es libre distorsión
porque el módulo |H(w)|
no es constante.

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Distorsión de canal

b) Graficando la salida r(t):

e+ jx + e− jx
Utilizando la Identidad de Euler: cos( x) =
2
7 1 w 
H ( w) =  + cos(4 )  .e− jwto , | w | wc
8 8 wc 

R( w)  7 1 e+ j 4 w/ wc + e− j 4 w/ wc  − jwto 7 − jwto 1 − jw(to − 4 / wc ) 1 − jw(to + 4 / wc )

H ( w) = = +  .e = e + e + e
F ( w)  8 8 2  8 16 16

7 1 1
R( w) = F ( w)e − jwto + F ( w)e − jw(to − 4 / wc ) + F ( w)e − jw(to + 4 / wc )
8 16 16
Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
 Distorsión de canal
7 1 1
r (t ) = f (t − to ) + f (t − to + 4 / wc ) + f (t − to − 4 / wc )
8 16 16

En la salida r(t) las copias o réplicas

más pequeñas de f(t) se conocen como
"distorsión lineal de amplitud"

Este tipo de ruido es 'correlacionado' y es 'lineal' porque no se generan

nuevas frecuencias en la salida de H(w) Ingeniería de las Telecomunicaciones
Prof. Juan Huapaya
 Distorsión de canal

Distorsión no lineal

La distorsión no lineal es aquella que genera componentes

de frecuencias nuevas, que no existían en la señal original.
En los sistemas no lineales no es posible definir una función
de transferencia convencional, y se aproximan mediante una
característica de transferencia definida como una relación
entrada/salida polinómica.

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Distorsión de canal

r(t) = ao + a1f(t) + a2f2(t) + a3f3(t) + … + akfk(t) + …

Este tipo de distorsión ocasiona no solo distorsión en la señal

sino también interferencia con los canales vecinos, debido a
la dispersión del espectro como se observa en la figura
siguiente:

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Distorsión de canal

FIGURA 4: Efecto de un canal no lineal sobre una señal modulada

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Distorsión no lineal
Distorsión armónica:
Consiste en la aparición de armónicos cuando un tono de frecuencia se transmite por un sistema no lineal ej.
amplificadores, sistemas móviles, etc. Se mide mediante el parámetro THD (Distorsión Armónica Total):

Entrada Salida
distorsión armónica
Vin V1
Sistema
V2
V3 Vn
…
0 f1 f(Hz) 0 f1 f2 f3 fn f(Hz)

V22 + V32 + ... + Vn2

% THD = x 100
V1

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Distorsión no lineal

Problema: Se muestra el espectro de salida de un amplificador de sonido de 2 KHz. Determine el porcentaje

de distorsión armónica de segundo y tercer orden y la distorsión armónica total THD.

Salida (V)

2
1
f(KHz)
0 2 4 6

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Distorsión no lineal
Salida (V)

2
1
f(KHz)
0 2 4 6

Distorsión 2do orden:

Distorsión 3er orden:

Distorsión armónica total:

Ingeniería de las Telecomunicaciones

 Distorsión no lineal

Ruido de intermodulación:
Se produce cuando aparecen frecuencias no deseadas debido al producto cruzado (sumas y diferencias)
cuando dos o más tonos de frecuencia se transmiten por un sistema no lineal. Para el caso particular de dos
tonos de frecuencia f 1 y f2 se utilizan las expresiones:

V prod cruzados 2 do orden Productos cruzados para f2 > f1:

% IMD = x 100 |mf2  nf1| con m, n  Z
V12 + V22

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

Distorsión no lineal

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

Distorsión no lineal

Ingeniería de las Telecomunicaciones

Espectros de potencia
 Espectros de potencia
Sea un proceso aleatorio x(t) correspondiente a un
tipo de ruido con varias funciones de muestra (ver
figuras 1 y 2).
En t = t1 el proceso x(t) se caracteriza por la
variable aleatoria X1 = x(t1), en t = t2 el proceso
aleatorio se caracteriza por X2 = x(t2) y así
sucesivamente para caracterizar por completo el
proceso x(t), habría que usar una cantidad infinita
de variables aleatorias.
Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
 Espectros de potencia
X1 X2

x1(t)

x2(t)

x3(t)

.
.
.

xn(t)

FIGURA 1: Proceso aleatorio x(t)

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
Espectros de potencia

FIGURA 2: Ejemplo de proceso aleatorio

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
 Espectros de potencia

En un proceso x(t) hay 2 tipos de estadísticas:

Estadísticas de conjunto: Son los parámetros
media, valor cuadrático , 2, etc. de cada variable Xi
= x(ti)
Estadísticas de tiempo: Son los parámetros
media, valor cuadrático , 2, etc. de cada función
xi(t)

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Espectros de potencia

Hay varios tipos de procesos x(t):

Procesos estacionarios: las estadísticas de
tiempo son invariantes, es decir no varían con el
tiempo. De lo contrario son no estacionarios.
Procesos ergódicos: proceso estacionario donde
las estadísticas de tiempo son iguales a las
estadísticas de conjunto. En telecomunicaciones
todas las señales y los procesos de ruido se
consideran ergódicos y validan todas las relaciones
matemáticas utilizadas.
Prof. Juan Huapaya Ingeniería de las Telecomunicaciones
Espectros de potencia

Ingeniería de las Telecomunicaciones

Espectros de potencia

Ingeniería de las Telecomunicaciones

Espectros de potencia

Ingeniería de las Telecomunicaciones

 Espectros de potencia

Relaciones matemáticas derivadas de x(t)

Espectro de potencia: para la determinación de
la DEP utilizamos la relación:
Rxx ( ) = E[x(t1 )x(t 2 )] = E[x(t)x(t + )] =
+T / 2
1
R xx (  ) = lim
T → T
−T / 2

x( t )x( t + )dt  S x ( w ) W / Hz

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Espectros de potencia

Nivel DC: para la determinación del nivel de DC de

una señal utilizamos la relación:

+ +T / 2
1
−

E[x] = xp( x )dx = lim
T → T 
x( t )dt
−T / 2

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Espectros de potencia

Potencia: para la determinación de la potencia de

una señal utilizamos la relación de Parseval:

+ T/2 +
1 1

E[x ] = R xx (0) = x p( x )dx = lim x ( t )dt = 
2 2 2
S x ( w )dw
−
T → T
−T / 2
2 − 

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

 Espectros de potencia

Las mismas relaciones matemáticas se cumplen

para funciones de procesos aleatorios y(x), p.e.:
+
E[y] =  y( x)p( x)dx = ...
−

Prof. Juan Huapaya Ingeniería de las Telecomunicaciones

Gracias

Profesor Juan Huapaya Camacho

pceljhua@upc.edu.pe
jhuapay@gmail.com