2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr.

Teoría
Estimación
1
Comunicaciones II








Conferencia 17: Probabilidad de error para señales en AWGN –
Parte 2
UNIDAD VI: DETECCIÓN E INTRODUCCIÓN A LA TEORÍA DE LA ESTIMACIÓN


Instructor: Israel M. Zamora, MS Telecommunications Management
Profesor Titular, Departamento de Sistemas Digitales y Telecomunicaciones.
Universidad Nacional de Ingeniería
Universidad Nacional de Ingeniería
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
2
Outline
• Análisis de Zonas
• Procedimiento de cómputo de probabilidad de
error
– Ejemplo práctico
• Probabilidad de error de algunos esquemas
de transmisión pasabanda binario
• Probabilidad de error de algunos esquemas
de transmisión pasabanda M-ario
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
3
Análisis de Zonas
( ) { }
{ } { }
{ } { } { }
( ) o transmitid es m que dado 1,2,...N, j ,
2
N
, s Ν σ μ, Ν ~ R
y
m b r a ...P m b r a P m b r a P
m b r a ,..., b r a , b r a P m Z P
tenemos Así . ´s, b y , - ser podría ´s a M, 1,2,..., i donde
b r a ,..., b r a , b r a r ,..., r , r Z Z
por do representa ser puede Z casos, los de mayoría la en que Note
i
o
ij
2
i N N N i 2 2 2 i 1 1 1
i N N N 2 2 2 1 1 1 i i
i i
N N N 2 2 2 1 1 1 N 2 1 i
i
=
|
.
|

\
|
=
< < < < < < =
< < < < < < = e
· · =
< < < < < < = =
r
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
4
Procedimiento de cómputo de probabilidad de error (1)
( )
( ) { }
N N N 2 2 2 1 1 1 N 2 1
i
i
iN i2 i1
b r a ,..., b r a , b r a r ,..., r , r Z
por do representa ser puede Z casos, de mayoría
la En M. 1,2,..., i , Z decisión de región la determine y
M 1,2,..., i , s ,..., s , s
señales) de ón constelaci (o mensaje de puntos los Calcule
< < < < < < =
=
= =
i
s
Paso 1:
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
5
Procedimiento de cómputo de probabilidad de error (2)
( )
{ } ( ) ( )
( ) { } ( ) ( )
i c i e
N
1 j
i j j i c
o
ij j j i j j j
i c
m P - 1 m P m b r a P m P
Luego Q. función la de s en término F función la Escriba
N 1,2,..., j ,
2
N
, s N ~ R , a F b F m b r a P
calcule N, 1,2,..., j cada para
: miento subprocedi
siguiente el usando m P calcule M, 1,2,..., i cada Para
= ¬ < < =
=
|
.
|

\
|
÷ = < <
=
=
I
=
j
m
Paso 2:
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
6
Procedimiento de cómputo de probabilidad de error (3)
( )
( )
i
M
1 i
i e e
m P les equiprobab símbolos para
m P
M
1
P
Calcule
¯
=
=
Paso 3:
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
7
Ejemplo (1/6)
•Determine la probabilidad media de error por símbolo para la constelación
de señales mostrada abajo (NRZ Polar)
S
1
(t)
T
m
1
=0
-A
S
2
(t)
T
m
2
=1
A
m
1

-A\T
A \T
S
1

S
2

Z
1
Z
2

2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
8
Ejemplo (2/6)
( ) ( ) ( )
( ) ( ) ( )
( )
2
2
T
0
2
2
T
0
2
2
2
2
2
T
0
2
2
T
0
2
2
1
2
21 1
2
1 21 2
2
11 1
2
1 11 1
T A dt A (t)dt s E
T A dt A - (t)dt s E
donde
T A s ó t T A t s t s
T -A s ó t T A t s t s
: gráfica la De
2
1
= = =
= = =
= = =
= ÷ = =
í í
í í
m m
m m
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
9
Ejemplo (3/6)
{ } { } 0 r r Z , 0 r r Z
T A s , T A s 1 m 0, m Fijamos
1 1 1 1
2 1
2
21
2
11 2 1
> = < =
= ÷ = ¬ = =
m m m m
Paso 1:
0
2 2
21 11
=
+ ÷
=
+
=
T A T A s s
¸
Donde para señales equiprobables, tenemos que el umbral de decisión o frontera entre las
regiones de decisión es igual a:
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
10
Ejemplo (4/6)
( ) { }
( ) { } ( )
( ) { }
( )
( ) ( )
|
|
.
|

\
|
= ¬
|
|
.
|

\
|
÷ =
|
|
|
|
.
|

\
|
÷ ÷
÷ = > ÷ =
= = = =
|
.
|

\
|
÷
= > > ÷ =
|
.
|

\
|
÷ =
|
.
|

\
|
< =
2
o
e
2
o
c
2
o
2
c
2
o
11
c
o 2 o
11 c
N
2T
A Q 0 P
N
2T
A Q 1 0 P
2
N
T A 0
Q 1 0 0 r P 1 0 P
: ndo substituye
2
N
σ y s μ 0, y r R con
μ
Q R P donde 0 0 r P 1 0 P
2
N
, T A N
2
N
, s N ~ R con 0 0 r P 0 P
, Calculamos
1
1
1
1
m
m
m
m
¸
o
¸
¸
Paso 2-1:
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
11
Ejemplo (5/6)
( ) { }
( )
( ) { }
( ) ( )
|
|
.
|

\
|
= ¬
|
|
.
|

\
|
÷ =
|
|
.
|

\
|
=
|
|
|
|
.
|

\
|
÷
= > =
= = = =
|
.
|

\
|
÷
= >
|
.
|

\
|
=
|
.
|

\
|
> =
2
o
e
2
o
c
2
o
2
o
2
c
2
o
21
o 2 o
21 c
N
2T
A Q 1 P
N
2T
A Q 1 1 P
N
2T
A - Q
2
N
T A 0
Q 1 0 r P 1 P
: ndo substituye
2
N
σ y s μ 0, y r R con
μ
Q R P donde
2
N
, T A N
2
N
, s N ~ R con 1 0 r P 1 P
, Calculamos
1
1
1
m
m
m
¸
o
¸
¸
Paso 2-2:
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
12
Ejemplo (6/6)
( ) ( )
( ) ( ) | |
|
|
.
|

\
|
=

|
|
.
|

\
|
+
|
|
.
|

\
|
=
+ =
= =
¯ ¯
= =
2
o
2
o
2
o
e e
2
1 i
i e
M
1 i
i e e
N
2T
A Q
N
2T
A Q
N
2T
A Q
2
1

1 P 0 P
2
1

m P
2
1
m P
M
1
P
Calcule
Paso 3:
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
13
P
e
para BPSK Coherente
|
|
.
|

\
|
= + =
=
|
|
.
|

\
|
=
|
|
.
|

\
|
÷ u = < =
0
1
0
2
) 0 ( ) 0 ( ) 1 ( ) 1 (
) 0 (
2 2
} 1 0 { ) 1 (
que tenemos ,
2
N
E
Q P P P P P
P
N
E
Q
N
E
r P P
N
ero y PSD on media c Con AWGN c
b
e e e,BPSK
e
O
b
O
b
e
Probabilidad de Error:
n s r + =
11 1

÷ ÷
t
=
2
11 1 1
1 1
1 ) s r (
N
exp
N
) r ( f
O O
m R
El receptor obtiene
donde la pdf de R=r
1
dado que la señal s
1
(t) fue transmitida es
y decide que s
1
(t) fue enviado si r
1
>0 y s
2
(t) en otro caso.
El receptor comete un error si s
1
(t) fue enviado y r
1
<0. Es decir, r
1
eZ
2.

Así, la probabilidad de error dado que el mensaje m
1
fue transmitido es:
Se nota que:
O
b
máx
N
E
SNR
2
=
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
14
P
e
BFSK Coherente
í
+ = o =
b
T
j ij j i j
n s dt ) t ( ) t ( r r donde
0

Binary Frecuency Shift Keying con detección Coherente
2 1
2
, j ,
N
, s ~N ) t ( s r
O
ij i j
=
|
.
|

\
|

Con p(0)=p(1)=0.5
|
|
.
|

\
|
=
0
b
BFSK e,
0
N
E
Q P
2
N
DSP y cero media con AWGN Con
b
E
b
E
2
s
1
s
0
) (
2
t m
) (
1
t m
b
E d 2 =
Probabilidad de Error:
|
.
|

\
|
=
|
.
|

\
|
2 2
11 1 1
O
b
O
N
, E N
N
, s ~N ) t ( s r |
.
|

\
|
=
|
.
|

\
|
2
0
2
12 1 2
O O
N
, N
N
, s ~N ) t ( s r
|
.
|

\
|
=
|
.
|

\
|
2
0
2
21 2 1
O O
N
, N
N
, s ~N ) t ( s r
|
.
|

\
|
=
|
.
|

\
|
2 2
22 2 2
O
b
O
N
, E N
N
, s ~N ) t ( s r
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
15
P
e
QPSK Coherente (1/2)
La probabilidad media de error de QPSK para símbolos
equiprobables está dado por:
¯
=
=
4
1
4
1
i
i e e
) m ( P P
Note que las regiones de decisión son iguales y los puntos señales son simétricas. De allí
que todas las P
e
(m
i
) son iguales. En los que sigue, sólo nos enfocamos a calcular el
resultado con m
1
=10.
) ( P ) ( P
c e
10 1 10 ÷ =
} r , r { P ) Z ) r , r ( r ( P ) ( P
c
10 0 0 10 10
2 1 1 2 1
< < · ÷ · < < = e = =
donde
2 1 2 10
0 1
, j , ) / ,N N(s r
j j
= ÷
y estas dos variables aleatorias gaussianas son independientes. Así
} r { P } r { P ) ( P
c
10 0 10 0 10
2 1
< > =
2
2
0 0
1
2
2
2
2
1
|
|
.
|

\
|
|
|
.
|

\
|
÷ =
|
|
.
|

\
|
u =
|
|
.
|

\
|
÷
u
|
|
.
|

\
|
|
|
.
|

\
|
÷
u ÷ =
O O
N
E
Q
N
E
/ N
/ E
/ N
/ E
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
16
Esquema QPSK Coherente (2/2)
Probabilidad de Error de Símbolo:
|
|
.
|

\
|
~ >>
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
|
|
.
|

\
|
|
|
.
|

\
|
÷ ÷ = ÷ =
0 0
0
2
0
2
2 1
2 1 1 1
N
E
Q P
N
E
si
N
E
Q
N
E
Q
N
E
Q P P
e
O
c e
Podemos expresar esto en función de la energía Tx. Por bit:
|
|
.
|

\
|
~ >>
|
|
.
|

\
|
÷
|
|
.
|

\
|
=
0
b
e
0
b
0
b
2
0
b
e
N
2E
2Q P
N
E
si
N
2E
Q
N
2E
2Q P
1
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
17
P
e
MSK Coherente
s
4
:0
s
3
:1
s
2
:0
s
1
: 1
b
E
b
E ÷
b
E
b
E ÷
Así para valores elevados por E
b
/N
0,
la
probabilidad de error medio para un sistema
MSK es aproximadamente el mismo que el
correspondiente para un sistemas BPSK
Coherente (ignore el factor de escala de 2).

Esto es así al precio de un incremento en la
complejidad del receptor.
Probabilidad de Error de Símbolo:
|
|
.
|

\
|
~ >>
|
|
.
|

\
|
÷
|
|
.
|

\
|
= =
0
b
e
0
b
0
b
2
0
b
QPSK e, MSK e,
N
2E
2Q P 1
N
E
si
N
2E
Q
N
2E
2Q P P Z
3
Z
4

Z
2
Z
1

2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
18
P
e
QAM Coherente (1/2)
|
|
.
|

\
|
·
÷
|
.
|

\
|
÷ ~
÷
O
S
Maria QAM , e
N
E
M
Q
M
P
1
3 1
1 2
|
|
.
|

\
|
|
.
|

\
|
÷ ~
÷
O
O
Maria QAM , e
N
E
Q
M
P
2 1
1 2
Se puede demostrar que la probabilidad de error del símbolo en la QAM M-aria está dada
aproximadamente por:
En consecuencia, podemos reescribir la ecuación anterior en términos de E
S
como:
En el caso M=4 es de interés especial. La relación de señales para este valor de M es la misma
correspondiente a la QPSK. En realidad, haciendo M=4 en la ecuación de arriba y advirtiendo
que para este caso especial E
S
=E donde E es la energía por símbolo, encontramos que la
fórmula resultante para la probabilidad de error de símbolo se vuelve idéntica a ecuación de la
diapositiva 8 que se reproduce aquí.
|
|
.
|

\
|
~
0
2
N
E
Q P
e
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
19
2
1
3
2 1 1

|
|
.
|

\
|
·
÷
÷ ÷ s
÷
O
S
Maria QAM , e
N
E
M
Q P
El resultado anterior es exacto para M=2
k
donde k par. Cuando k es impar, no hay sistema PAM
L-ario (\M). Pero esto no es problema. Se puede demostrar casi directamente que la
probabilidad de error de símbolo se encuentra confinada con cota superior a través de la
expresión siguiente:
para cualquier k>1, y E
b.S
es la energía por bit promedio.

|
|
.
|

\
|
·
÷
s
O
S , b
N
kE
M
Q
1
3
4
P
e
QAM Coherente (2/2)
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
20
P
e
BFSK No coherente
Probabilidad de Error:
|
|
.
|

\
|
÷ =
0
b
e
0
2N
E
exp
2
1
P
2
N
DSP y cero media con AWGN Con
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
21
P
e
M-arios
Probabilidad de Error:
4
2
2
0
>
|
|
.
|

\
|
~ M
M
π
sen
N
E
Q P
e,M-PSK
s
i

t / M
La probabilidad de recepción
correcta es la integral del área
sombreada de la figura. Esta
probabilidad puede ser limitada
por alguna frontera. Por tanto,
para valores grandes de E/N
o
la
probabilidad de error de símbolo
es aproximadamente dada por:
Caso: Esquema M-ario PSK
M log E E
2 b
=
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
22
P
e
M-arios
Probabilidad de Error:
Caso: Esquema M-ario FSK
M log E E donde
N
E
1)Q (M P
2 b
o
FSK - M e,
=
|
|
.
|

\
|
÷ s
Para FSK M-ario, el receptor óptimo corresponde a un
banco de M correlaciones o filtros acoplados. En los
sistemas de muestreo t=kT, el receptor toma decisiones
basadas en la mayor de las salidas del filtro acoplado. La
probabilidad de error de símbolo puede limitarse
superiormente a:
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
23
Rendimiento de algunos esquemas
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
24
1. Probabilidad de error de bit a partir de la probabilidad de error de
símbolo.
• Hay dos enfoques para definir una probabilidad de error de bit equivalente, P
b
,
o tasa de errores de bit (BER), a partir de la probabilidad de error de símbolo,
P
e
. Esto depende de:
• la estructura del espacio de señales, y
• el mapeo de los puntos de señales espaciales en secuencias de bits
equivalentes
2. Definición 1: En este caso, asumimos que al ir de un punto de señal a
un punto de señal adyacente, solamente cambia un bit en la palabra
binaria representación representada en la señal.





Nota: PSK M-ario empleando código Gray y QAM M-ario cumplen esta
condición
M
P
P
e
b
2
log
=
P
b
(BER) a partir de P
e

2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
25
3. Definición 2: Denotamos n=log
2
M. Asumimos que todos los errores de
símbolos son igualmente probables. Definimos P
b
como la razón de A,
que es el número medio de bits con errores de símbolo de n-bits, con
relación a n, el cual es el número de bits por símbolos. Definiremos una
fórmula explícita para P
b
.
Observe que, en un sistema M-ario, cada símbolo se encuentra en error
con una probabilidad:

Para un símbolo dado, suponga que k bits están en error. Entonces,
hay maneras que esto puede suceder, lo cual resulta en:



para M muy grande.
Nota: Los sistemas FSK M-ario se encuentran bajo esta condición.
1 ÷ M
P
e
P
b
(BER) a partir de P
e

|
|
.
|

\
|
k
n
¯
=
÷
÷
=
÷
|
|
.
|

\
|
= =
n
k
e
e
e
b
P
P
M
M
M
P
k
n
k
n n
A
P
1
2 ) 1 ( 2 ) 1 (
1
2S 2009 - I. Zamora Uni VI-Conf 17: Detec. e Intr. Teoría
Estimación
26

Sign up to vote on this title
UsefulNot useful