You are on page 1of 51

Curso básico de

comunicaciones (14)
Glen D. Rodríguez R.
Procesos aleatorios gaussianos
Procesos aleatorios gaussianos
• Un P.A. x(t) es gaussiano si las V.A. x(t1),
x(t2),…,x(tn) son gaussianas conjuntas para
todo n y para todo conjunto (t1,t2,…,tn)
• Llameremos a x(ti) como xi. La dist.prob.
conjunta de los xi se da según ec.14.19
Proceso gaussiano en un sistema
Linear
• La respuesta de un sistema linear a un
input que es un proceso gaussiano es otro
proceso gaussiano. Sea x(t) el proceso
gaussiano input, h(t) la respuesta al
impulso unitario, y(t) el output.
Proceso gaussiano en un sistema
Linear
• Como x(t) es gaussiano, entonces todas las
x(t-τk) también son gaussianas. Luego todas
las y(t1), y(t2),…,y(tn) para cualquier n y
cualquier conjunto de ti son conbinaciones
lineares de gaussianas conjuntasÆ son
gaussianas conjuntas Æ y(t) es otro P.A.
gaussiano.
Representación geométrica de un
P.A.
Ruido blanco gaussiano
Receptor óptimo
• Retomemos el problema de comunicación M-
aria con AWGN (ruido aditivo blanco
gaussiano). ¿Qué receptor será el que minimice
la probabilidad de error?
• En el espacio de señales representaremos una
señal por un vector o punto. El P.A. se
representa por un punto o vector aleatorio. La
región en la que el punto aleatorio puede caer
se muestra sombreada, proporcionalmente a la
probabilidad.
Receptor óptimo
• Usamos M símbolos m1,m2,…,mM. Cada
símbolo corresponde a una cierta forma de
onda s1(t),s2(t),…,sM(t). Las ondas se
corrompen con AWGN nw(t) con`espectro
de potencia Snw(ω)=N/2
Receptor óptimo
• De las ec.14.30b, 14.33, 14.36 se deduce
que si alimentamos r(t) en el sistema del
sgte. slide, la salida será q(t), o sea que el
componente ortogonal del ruido puede ser
descartado sin afectar a la señal del
mensaje. Se sabe que nw(t) es
independiente de sk(t), y se puede demostrar
que nO(t) y n(t) son P.A. independientes. Por
ello nO es irrelevante en la detección y
sacarlo no afecta ni para bien ni para mal.
Proceso de decisión
Receptor óptimo
M-ario
(a) Filtro matched
(b)Detector de
correlación
Regiones de decisión y
Probabilidad de error
• Para obtener la prob.error debemos primero
determinar las regiones de decisión. Se divide el
espacio de señales en M regiones disjuntas
R1,R2,…RM correspondientes a los M mensajes. Si
“q” cae en la región Rk, se decidirá que se
transmitió mk. Las regiones se determinan de tal
forma que la prob.error sea mínima.
• La función de decisión está en la ec.14.45. El
^
detector óptimo decide m=m k si la función de
decisión N ln P(mi) – |q-si|2 es máxima para i=k.
Esto define las regiones de decisión.
Ejemplo QAM con mensajes
equiprobables
Ejemplo MPSK
Consecuencias
• De estas formulas se deduce: (a) Si se
usa el receptor óptimo, la prob.error no
depende de la forma de los símbolos, solo
de su posición en el espacio de señales
(b) Una configuración o constelación
depende de los símbolos y de las bases
escogidas en el espacio (c) La energía de
la configuración solo depende de los
símbolos (d) La prob.error por lo tanto
tiene relación con la energía promedio de
la configuración.
Consecuencias
• (e) Hay muchas posibles configuraciones
donde los símbolos ocupan posiciones
relativas iguales (o sea con traslación y
rotación) por lo que la prob.error es la
misma (f) Pero hay una o varias con
energía promedio mínima, la(s) cual(es)
son preferidas (g) esta configuración de
energía mínima puede aproximarse con
símbolos orotgonales.