DETECO DE SINAIS BINRIOS NA PRESENA DE RUDO GAUSSIANO

1. O PROCESSO BSICO DE DETECO Seja um sistema de transmisso binrio em que podemos transmitir dois sinais S 1(t) e S2(t), representando os binrios 1 e 0 respectivamente. Assim, poderemos escrever o sinal transmitido durante o intervalo de um smbolo (0,T) como: (I.1) O sinal recebido r(t), estar contaminado por rudo, que aqui consideraremos como Rudo Gaussiano Branco Aditivo (AWGN). Logo, temos: (I.2) O processo de deteco pode ser decomposto em duas fases: na primeira buscamos reduzir o sinal r(t) a um nmero, Z(t=T); o segundo passo consiste de decidir, baseado em Z(T), qual foi o smbolo transmitido, S 1(t) ou S2(t). A figura abaixo ilustra o processo de deteco:

Figura 1 - Diagrama Tpico de um Detector

sada do bloco 1, compreendido pelo filtro linear (cuja resposta ao impulso h(t)) e pelo amostrador, temos: (I.3) Onde a componente de sinal de Z(T) e aqui que o canal AWGN. a componente de rudo. Consideramos

Para o equacionamento do sistema, vamos lembrar que, se uma varivel aleatria X tem uma distribuio Gaussiana, a sua densidade de probabilidade dada por:

(I.4)

Onde

o desvio padro e temos:

o valor mdio, que neste caso zero. Logo, chamando o

desvio padro de

(I.5) Partindo de (I.5), e considerando a relao expressa por (I.3), podemos escrever as funes densidade de probabilidade condicional, P(Z| ) e P(Z| ), como: (note que aqui, por ).

simplicidade, trabalhamos com uma notao mais enxuta:

(I.6) e

(I.7) A figura a seguir ilustra as duas funes. Vale observar que Z(T) uma varivel aleatria gaussiana com mdia ou , dependendo do binrio transmitido (1 ou 0). Isto ocorre, pois

uma operao linear em um processo aleatrio gaussiano resulta em um processo aleatrio gaussiano. Note que destacamos o filtro h(t) como um filtro linear.

Figura 2 - Funes Densidade de Probabilidade Condicionais

O segundo passo do processo de deteco comparar o sinal Z(T) a um limiar de deciso , para determinar se o sinal transmitido foi Uma vez que o sinal recebido, ou .

, transformado em um nmero Z(T), a forma real do

sinal no muito importante; todos os tipos de sinais que sejam transformados no mesmo 2

valor Z(T) so idnticos para o propsito de deteco. Portanto, a energia do sinal (e no sua forma) o parmetro importante no processo de deteco. Assim, a analise de deteco de sinais em banda base a mesma para sinais em banda passante. O passo final no bloco 2 (comparador na figura 1) tomar a deciso de qual o smbolo transmitido. O receptor tem duas hipteses, H 1 e H2. A escolha de H1 equivalente a decidir que foi transmitido, e a escolha de H 2 equivalente a decidir que foi transmitido.

A hiptese H1 ser escolhida se Z(T) for maior que o limiar de deciso ( ), e a hiptese H2 se Z(T) for menor. Caso Z(T) seja igual ao limiar a deciso arbitrria. Ou seja:

(I.8)

2. O LIMIAR DE DECISO 2.1. O TEOREMA DE BAYES E SUA APLICAO Antes de acompanharmos o raciocnio para a determinao do limiar de deciso vamos recordar o Teorema de Bayes, que nos diz: (I.9)

ou, na forma discreta:

(I.10) onde: (I.11)

Exemplo 1: Sejam duas caixas. A caixa 1 contm 1000 peas, das quais 10% tem defeito, e a caixa 2 contm 2000 peas, das quais 5% tem defeito. Se uma caixa escolhida aleatoriamente, e ento uma pea escolhida aleatoriamente desta caixa, testada, e dada como boa, qual a probabilidade da pea ter vindo da caixa 1? Soluo: O que queremos determinar a probabilidade de termos escolhido a caixa 1, dado que pegamos uma pea sem defeito, ou seja, P(caixa1|pea boa). Pelo Teorema de Bayes (equao I.10) temos: 3

Onde P(PB) representa a probabilidade de pegarmos uma pea boa, e dada por:

Logo:

Antes de termos a informao que a pea selecionada era boa, a probabilidade de pegarmos uma ou outra caixa era idntica. A partir do fato de que uma pea boa foi escolhida, refinamos o valor da probabilidade de termos pego uma ou outra caixa (que o fato desconhecido). Por bom senso, como a caixa 2 tem mais peas boas que a caixa 1, partindo do fato de que pegamos uma pea boa, natural esperamos que mais provvel que esta pea tenha sado da caixa 2, e no da 1, como comprovado pelo resultado obtido a partir do Teorema de Bayes. Exemplo 2: Seja agora o seguinte jogo: dentro de uma caixa temos 3 moedas, uma moeda normal (com uma cara-CR e uma coroa-CO), uma moeda com duas caras (CR-CR) e uma moeda com duas coroas(CO-CO). Voc deve pegar uma moeda nesta caixa e, olhando apenas para uma de suas faces dizer qual a outra face (cara ou coroa). Qual a estratgia de deciso tima para este jogo? Soluo: Voc pode ver este problema como um problema de deteco de sinal. Um sinal transmitido, mas por causa do rudo do canal, o sinal recebido obscuro. Quando voc tira uma moeda da caixa, temos trs hipteses: Voc tirou a moeda normal (Hnr), voc tirou a moeda que s tem cara (Hnr), voc tirou a moeda que s tem coroa (Hco). Vamos chamar de a amostra recebida, cara ou coroa da face que voc viu, (j = cr, co).

Admita que as hipteses sejam igualmente provveis, ou seja, a probabilidade de voc tirar qualquer uma das trs moedas 1/3. Usando o Teorema de Bayes temos:

Para estabelecermos a estratgia de deciso vamos calcular a probabilidade de cada hiptese, para cada um dos dois sinais possveis (ou seja, a face visvel da moeda cara ou a face visvel da moeda coroa). Assim, temos que calcular 6 probabilidades, que so: Dado que a face visvel da moeda coroa, qual a probabilidade de ser a moeda boa. Qual a probabilidade de ser a moeda que s tem cara? Qual a probabilidade de ser a moeda que s tem coroa? Estes clculos devem ser repetidos admitindo-se que a face visvel da moeda cara. Logo temos: 4

Similarmente, obtemos as seguintes probabilidades quando a face visvel da moeda coroa:

Pelos resultados, verificamos que a estratgia de deciso tima a seguinte: Se uma cara recebida (vista), recebida (vista), , escolha a hiptese , escolha a hiptese (o outro lado tambm cara); Se uma coroa (o outro lado tambm coroa).

Para a maioria dos problemas de interesse em engenharia de comunicaes, os valores possveis para as amostras recebidas so contnuos, por causa do rudo Gaussiano aditivo no canal. Portanto, a forma mais til do Teorema de Bayes contm uma funo densidade de probabilidade contnua, e no discreta. A equao abaixo incorpora esta alterao.

(I.12)

(I.13) Onde a funo densidade de probabilidade condicional da amostra recebida, Z, .

condicionada a classe de sinal

Exemplo 3: Considere duas classes de sinais,

, caracterizadas pelas funes

densidade de probabilidade condicional triangular, mostradas abaixo. Um sinal recebido; ele poder ter qualquer valor no eixo Z. Se as funes pdfs no se sobrepem, ns podemos classificar o sinal recebido com certeza. Para o caso deste exemplo, precisamos de alguma regra para nos auxiliar na classificao do sinal recebido, uma vez que alguns sinais recebidos (Z) podem cair em uma regio em que as duas funes pdfs esto sobrepostas. Considere o sinal recebido, . Assuma que as duas classes de sinal, e , so 5

equiprovveis, e calcule a probabilidade de ter sido transmitido S1, dado que recebemos e a probabilidade de ter sido transmitido S 2 dado que recebemos do a probabilidade de receber aquele valor de

(note que as curvas te ou ).

, dado que foi transmitido

Sugira uma regra de deciso que possa ser usada pelo receptor para decidir a que classe de sinal pertence. Repita para o caso em que recebemos .

Figura 3 - PDFs para o exemplo 3

Soluo: Da figura ns podemos ver que = 0.5 e = 0.3. Assim:

E, similarmente, obtemos:

Uma regra decidir que o sinal recebido pertence a classe que resultou na maior probabilidade a posteriori (classe , pelos resultados acima). Esta regra denominada

regra da mxima probabilidade a posteriori. Uma regra equivalente, para o caso em que as probabilidades a priori so iguais, examinar o valor da funo pdf condicionada para cada classe de sinal e escolher a classe em que obtemos o mximo valor de probabilidade. Olhe para a figura acima e veja que esta regra se assemelha a nossa intuio, conduzindo a mesma escolha feita pela primeira regra. Esta regra denominada regra da mxima probabilidade (maximum likelihood rule). Considerando agora o sinal obtemos:

2.2. TESTE DA RAZO DE PROBABILIDADES E CRITRIO DO MXIMO A POSTERIORI Um ponto de partida razovel para estabelecermos a regra de deciso do receptor, escolher a hiptese , se > , e escolher a hiptese em caso contrrio. Se

as duas probabilidades forem iguais, a escolha arbitrria. Podemos colocar estas probabilidades em termos das funes pdf, utilizando o Teorema de Bayes. Ou seja:

Se Se

(I.14)

Esta equao pode ser rearranjada, tomando a forma apresentada abaixo: (I.15) Se

Se O lado esquerdo da equao acima chamado de razo de probabilidade, e a equao inteira denominada teste da razo de probabilidade. A equao (I.15) corresponde a tomar a deciso baseado na comparao do sinal recebido a um limiar. Uma vez que o teste se baseia na escolha da classe de sinal com mxima probabilidade a posteriori, o critrio de deciso chamado critrio do mximo a posteriori. Ele tambm chamado de critrio do mnimo erro, uma vez que, em mdia, este critrio resulta no nmero mnimo de decises incorretas. Vale ressaltar que este critrio timo somente quando cada um dos tipos de erro so igualmente perniciosos ou custosos. Quando alguns erros so mais custosos que outros, um critrio que incorpore o custo relativo dos erros pode ser mais bem empregado. 2.3. CRITRIO DA MXIMA PROBABILIDADE Muito frequentemente, nenhum conhecimento disponvel sobre as probabilidades a priori das hipteses ou classes de sinal. Mesmo quando esta informao disponvel, sua preciso algumas vezes suspeita. Nesses casos, as decises so usualmente tomadas admitindo-se um critrio conservador, isto , os valores das probabilidades a priori so selecionados tal que as classes sejam igualmente provveis (esta equiprobabilidade muitas vezes garantida pela presena de scramblers no sistema). Quando isto ocorre, o

critrio tratado no item anterior passa a se chamar Critrio da Mxima Probabilidade e, uma vez que = , a regra de deciso torna-se:

Se Se

(I.16)

2.4. LIMIAR DE DECISO Substituindo (I.6) e (I.7) em (I.15), verificamos que a hiptese ser escolhida se:

(I.17)

Reduzindo-se os termos comuns e expandindo-se as exponenciais, obtemos: (I.18)

Para simplificar, podemos aplicar o logaritmo natural a ambos os lados da equao acima. Ainda, se considerarmos que P =P , que normalmente o caso de interesse, temos:

Finalmente, verificamos que a escolha da hiptese H1 ou H2, est vinculada a grandeza , que denominada limiar de deciso. Se Z est acima do limiar, a hiptese escolhida, se est abaixo escolhemos . O limiar de deciso dado por: (I.19)

Se os sinais forem antipodais,

, temos

,e

O limiar de deciso pode tambm ser determinado da forma descrita a seguir. Olhando para a equao (I.16) verificamos que o limiar de deciso definido pelo valor de Z para o qual as duas funes densidade de probabilidade se igualam. Ou seja, (I.20) Das expresses (I.6) e (I.7) vemos que isto ocorre quando:

Logo, como j obtido anteriormente, o limiar de deciso 3. PROBABILIDADE DE ERRO DE BIT

Para o exemplo binrio mostrado na figura 2 existem duas formas de ocorrer erro. Um erro, , ocorrer quando enviado e, devido a rudo no canal, o sinal de sada do receptor, . A probabilidade disto ocorrer : (I.21)

Z(T), menor que o limiar de deciso (

Esta probabilidade ilustrada pela rea hachurada, a esquerda de Similarmente, um erro ocorrer quando probabilidade : (I.22)

, na figura-2. , cuja

enviado e Z(T) maior que

A probabilidade de erro de bit a soma ponderada das probabilidades dadas por (I.21) e (I.22). Ou seja, (I.23)

Considerando

equiprovveis temos (I.24)

Ainda, devido a simetria das funes densidade de probabilidades, temos ou Assim, temos finalmente: (I.26) (I.25)

Numericamente esta probabilidade igual a rea sob a cauda de qualquer uma das funes densidade de probabilidade, caindo a partir do limiar de deciso. Ou seja, por exemplo: (I.27)

Usando a expresso (I.7) temos: (I.28)

Fazendo

e (I.29)

A funo Q(x) chamada funo erro complementar, ou funo co-erro, e definida como: (I.30)

10

A funo erro complementar definida de vrias formas, contudo, todas as definies so essencialmente equivalentes. Esta funo no pode ser calculada facilmente, sendo normalmente tabelada. Uma boa aproximao de Q(x), vlida para x > 3, : (I.31)

4. O FILTRO CASADO 4.1. DEFINIO E RESPOSTA AO IMPULSO DO FILTRO CASADO No item 2 vimos como otimizar o limiar de deciso, , no sentido de minimizar os erros de deteco. Vamos agora considerar como otimizar o filtro mostrado no diagrama em blocos da figura 1. O filtro casado tem por objetivo maximizar a relao (I.32)

Para o instante de amostragem t = T.

Figura 4 - Filtro Casado

Se S(f) a Transformada de Fourier da componente de sinal de entrada do filtro, e H(f) a funo de transferncia do mesmo, ento temos: (I.33) Para encontrarmos o valor de a(t) componente de sinal na sada do filtro, vamos utilizar a Transformada Inversa de Fourier. Ou seja, (I.34)

Vamos agora determinar o valor da potncia de rudo na sada do filtro. O rudo considerado possui funo densidade espectral de potncia (na entrada do filtro) (I.35) . 11

Podemos mostrar que, se

representa a densidade espectral de potncia na entrada do

filtro, ento na sua sada teremos:

Pelos resultados apresentados pelo Teorema de Parseval, a potncia de rudo na sada do filtro ser dada por: (I.36)

De (I.32), (I.34) e (I.36) obtemos, para t = T; (I.37)

Nosso objetivo determinar

de modo a maximizar a equao (I.37). Para isto vamos

utilizar a desigualdade de Schwarzs, que nos diz: (I.38)

A igualdade na expresso acima s ocorre se arbitrria e (*) simboliza o conjugado complexo. Se ns identificarmos com e com

, onde K uma constante

, podemos escrever:

Substituindo (I.39) em (I.37) temos: (I.40)

e (I.41)

A integral na expresso (I.41) representa a energia, E, do sinal de entrada

. Logo, 12

(I.42)

Assim, a mxima relao

depende da energia do sinal de entrada e da densidade

espectral de potncia de rudo, e no do formato particular da forma de onda usada. (I.43) Onde representa a funo de transferncia tima do filtro, que maximiza . Para

determinarmos seja:

vamos utilizar mais uma vez a transformada inversa de Fourier, ou

Temos

. O termo

representa um deslocamento

no tempo de T segundos. Logo temos:

Assim, a resposta ao impulso do filtro que produz a mxima relao imagem espelhada do sinal, ilustram a resposta A)

em sua sada a

, atrasada pela durao do smbolo, T. As figuras a seguir

para um dado sistema.

B)

C) 13

D)

E)

4.2. CORRELATOR E FILTRO CASADO O termo filtro casado frequentemente usado como sinnimo de integrador de produto ou correlator. Se no vejamos: A sada Z(t) de um filtro causal pode ser descrita no domnio do tempo como a convoluo do sinal de entrada recebido, r(t), com a resposta ao impulso do filtro, h(t). Logo: (I.46) Mas h(t) = S(T-t), fazendo-se por convenincia K = 1. Logo, (I.47)

Quando t = T, temos: (I.48) A operao realizada na equao acima, a integrao do produto do sinal recebido, r(t), com a rplica do sinal transmitido, s(t), sobre o intervalo de um smbolo conhecida como correlao de r(t) com s(t). Considere que o sinal recebido, r(t), correlacionado com cada um dos sinais prottipos, , usando um banco de M correlatores. O sinal

14

cuja correlao com r(t) resultar na mxima sada

o sinal que melhor casa

com r(t). Ns utilizaremos posteriormente esta caracterstica da correlao para a deteco tima de sinais. importante notar que a sada do correlator e a sada do filtro casado so as mesmas somente para o instante t = T. A figura a seguir mostra as duas sadas quando a entrada uma onda senoidal.

Figura 5 - Sada para Filtro Casado e Correlator

Para entendermos as similaridades e diferenas entre um filtro casado e integrador de produto, devemos primeiro responder a pergunta: quais so as similaridades entre convoluo, como expresso pela equao (I.46), e correlao, como expresso pela equao (I.48)? Na correlao ns simplesmente multiplicamos duas funes e integramos seu produto (calculamos a rea sob a curva produto). Ns ento calculamos o quo prximo duas funes casam uma com a outra em um dado perodo de tempo. Com a convoluo ns varremos duas funes passando uma sobre a outra e calculamos uma sequncia de correlaes (uma para cada passo). O filtro casado, usado como demodulador, somente utiliza a correlao realizada para a durao do smbolo, T. Desde que as duas sadas so idnticas no instante de amostragem t = T, as funes de correlator e do filtro casado so usadas intercambiavelmente. 4.3. APLICAO DO FILTRO CASADO A expresso (I.29) nos permite calcular a probabilidade de erro de bit. A funo Q(x) decrementa com x; assim, a probabilidade de erro decrementa com o incremento da diferena entre os sinais recebidos amostrados ( ). A funo de transferncia do filtro (I.49) 15

casado deve ser tal que a probabilidade de erro se minimize ou, de outra forma, que a relao:

se maximize. Se ns maximizarmos eliminao do requerimento de buscar a maximizao da relao:

ao invs de , a derivao pode ser simplificada pela . Assim, se chamarmos , passamos a

(I.50)

Note que o numerador da equao (I.50) representa a potncia do sinal diferena na sada do filtro e, pode ser mostrado, que a varincia do rudo representa a potncia de rudo na sada do mesmo. Logo, a equao (I.50) representa a relao entre a potncia do sinal diferena e a potncia de rudo na sada do filtro. J verificamos que um filtro casado (ou correlator) maximiza a relao sinal/rudo na sua sada. Assim, se considerarmos um filtro que casado ao sinal diferena de entrada , podemos escrever, da equao

(I.42), que a relao sinal/rudo na sada do filtro dada por: (I.51)

Onde

a energia do sinal diferena para a entrada do filtro. Assim, usando o resultado

acima e a equao encontrada para a probabilidade de erro de bit (I.29), obtemos: (I.52)

5. PERFORMANCE DE PROBABILIDADE DE ERRO PARA SINALIZALO BINRIA 5.1. SINALIZAO UNIPOLAR A figura a seguir ilustra um exemplo de um sinal em banda-base para sinalizao unipolar onde:

Onde A > 0 a amplitude do sinal

. Assuma que o sinal unipolar mais o Rudo

Gaussiano esto presentes na entrada do filtro casado, com instante de amostragem t = T. 16

O detector correlator para tal tipo de sinal est mostrado na figura 7. O correlator multiplica e integra o sinal entrante, , com a diferena dos sinais prottipos , compara o resultado, , de , com o limiar de deciso, , e .

aps a durao de um smbolo, Quando equao (I.48):

, a componente de sinal,

, encontrada, usando a

Onde o smbolo quando

denota o valor esperado. Lembre-se que , ento,

. Similarmente,

. Assim, o limiar de deciso timo :

Se a sada do correlator,

, maior que o limiar, o sinal interpretado como .

; caso

contrrio ele interpretado como

Figura 6 - Exemplo de Sinalizao Unipolar

Figura 7 - Detector para Sinalizao Unipolar

A energia do sinal diferena dada por:

17

Portanto, da equao (I.52), a probabilidade de erro de bit dada por:

Onde

a energia mdia por bit.

5.2. SINALIZAO BIPOLAR Vamos admitir agora que um sinal binrio bipolar, onde temos:

Neste caso os sinais so chamados de antipodais, pois

. Um receptor com

correlator para este tipo de sinal pode ser configurado como mostrado na figura a seguir. Um dos correlatores multiplica e integra o sinal entrante, enquanto o outro faz com , com o sinal prottipo , .

. As sadas dos correlatores so designadas por

O ponto no espao de deciso formado pela diferena entre a sada dos correlatores, tal como segue:

A deciso tomada comparando-se este resultado com o limiar de deciso, que neste caso dado por:

Figura 8 - Detector para Sinalizao Bipolar

18

A energia do sinal diferena dada por:

Logo, a probabilidade de erro de bit dada por:

Onde a energia mdia por bit

. A figura 9 ilustra as curvas de

para

sinalizao unipolar e bipolar. Examinando as duas curvas, ns podemos ver que a sinalizao bipolar tem uma performance 3 dB superior a sinalizao unipolar. Como veremos posteriormente, a performance quanto a erro de sistemas com sinalizao antipodal do tipo bandpass (como por exemplo, a modulao PSK detectada coerentemente) a mesma que a deduzida acima, para a sinalizao antipodal em banda bsica (recepo com filtro casado). Tambm, ns veremos que a performance de sistemas com sinalizao ortogonal em bandpass (como por exemplo, a modulao FSK detectada coerentemente) a mesma daquela deduzida para sinalizao em banda-base unipolar (recepo com filtro casado).

Figura 9 - Probabilidade de Erro de Bit versus Eb/N0

19

20