Teorema de Shannon-Hartley

En teoría de la información, el teorema de Shannon-Hartley es una aplicación del

teorema de codificación para canales con ruido. Un caso muy frecuente es el de un
canal de comunicación analógico continuo en el tiempo que presenta un ruido
gausiano.

El teorema establece la capacidad del canal de Shannon, una cota superior que
establece la máxima cantidad de datos digitales que pueden ser transmitidos sin error
(esto es, información) que pueden ser transmitidos sobre dicho enlace de
comunicaciones con un ancho de banda específico y que está sometido a la presencia
de la interferencia del ruido.

En las hipótesis de partida, para la correcta aplicación del teorema, se asume una
limitación en la potencia de la señal y, además, que el proceso del ruido gausiano es
caracterizado por una potencia conocida o una densidad espectral de potencia.

La ley debe su nombre a Claude Shannon y Ralph Hartley.

Declaración del teorema

Considerando todas las posibles técnicas de codificación de niveles múltiples y

polifásicas, el teorema de Shannon-Hartley indica que la capacidad del canal C es:[1]

donde:

• B es el ancho de banda del canal.

• C es la capacidad del canal (tasa de bits de información bit/s)
• S es la potencia de la señal útil, que puede estar expresada en
vatios, milivatios, etc., (W, mW, etc.)
• N es la potencia del ruido presente en el canal, (mW, μW, etc.)
que trata de enmascarar a la señal útil.

Desarrollo histórico

A finales de los años 20, Harry Nyquist y Ralph Hartley desarrollaron una serie de
ideas fundamentales relacionadas con la transmisión de la información, de manera
particular, en el contexto del telégrafo como sistema de comunicaciones. En aquellos
años, estos conceptos eran avances de gran alcance de carácter individual, pero no
formaban parte del corpus de una teoría exhaustiva.

Fue en los años 40, cuando Claude Shannon desarrolló el concepto de capacidad de
un canal basándose, en parte, en las ideas que ya habían propuesto Nyquist y Hartley
y formulando, después, una teoría completa sobre la información y la transmisión de
esta, a través de canales.
Tasa de Nyquist

En 1927, Nyquist determinó que el número de pulsos independientes que podían

pasar a través de un canal de telégrafo, por unidad de tiempo, estaba limitado a dos
veces el ancho de banda del canal.

donde fp es la frecuencia del pulso (en pulsos por segundo) y B es el ancho de banda
(en hercios). La cantidad 2B se llamó, más adelante, tasa de Nyquist, y transmitiendo
a esta tasa de pulsos límite de 2B pulsos por segundo se le denominó señalización a
la tasa de Nyquist.

Nyquist publicó sus resultados en 1928 como parte de su artículo "Certain topics in
Telegraph Transmission Theory".

Ley de Hartley

Durante ese mismo año, Hartley formuló una manera de cuantificar la información y su
tasa de transmisión a través de un canal de comunicaciones. Este método, conocido
más adelante como ley de Hartley, se convirtió en un importante precursor para la
sofisticada noción de capacidad de un canal, formulada por Shannon.

Hartley indicó que el número máximo de pulsos distintos que se pueden transmitir y
recibir, de manera fiable, sobre un canal de comunicaciones está limitado por el rango
dinámico de la amplitud de la señal y de la precisión con la cuál el receptor puede
distinguir distintos niveles de amplitud.

De manera específica, si la amplitud de la señal transmitida se restringe al rango de [ −

A... + A] voltios, y la precisión del receptor es +/- ΔV voltios, entonces el número
máximos de pulsos distintos M está dado por:

Tomando la información para ser el logaritmo del número de los mensajes distintos
que podrían ser enviados, Hartley después construyó una medida de la información
proporcional al ancho de banda del canal y a la duración de su uso. A veces sólo se
habla de dicha proporcionalidad cuando se cita a la ley de Hartley.

Posteriormente, Hartley combinó la observación de Nyquist,[2] y su propia

cuantificación de la calidad o ruido de un canal en términos del número de niveles de
pulso que podían ser distinguidos, de manera fiable y denotados por M, para llegar a
una medida cuantitativa de la tasa de información que se puede obtener.

La ley de Hartley se explica, cuantitativamente, de manera usual, como la tasa de

información alcanzable de R bits por segundo, (b / s):

Hartley no resolvió, de manera precisa cómo el parámetro M debe depender de las

estadísticas de ruido del canal, o cómo la comunicación podía ser fiable incluso
cuando los pulsos individuales correspondientes a símbolos no se pudieran distinguir,
de manera fiable, de los niveles de M; con las estadísticas del ruido gaussiano.

Los diseñadores de sistemas tienen que elegir un valor muy conservador de M para
alcanzar la mínima tasa de error.

El concepto de una capacidad libre de errores aguardó hasta que Claude Shannon
investigó sobre las observaciones de Hartley con respecto a la medida logarítmica de
la información y las observaciones de Nyquist sobre el efecto de las limitaciones del
ancho de banda del canal.

El resultado de la tasa de Hartley se puede ver como la capacidad de un canal M sin

errores de 2B símbolos por segundo. Algunos autores se refieren a ello como
capacidad. Pero ese supuesto canal, libre de errores, es un canal ideal, y el resultado
es, necesariamente, menor que la capacidad de Shannon de un canal con ruido de
ancho de banda B, que es el resultado Hartley-Shannon que se estimó más adelante.

Teorema de codificación de canales con ruido y capacidad

El desarrollo de la teoría de la información de Claude Shannon durante la Segunda

Guerra Mundial estimuló el siguiente gran paso para entender qué cantidad de
información se podría comunicar, sin errores y de manera fiable, a través de canales
con ruido gausiano de fondo.

Fundamentado sobre las ideas de Hartley, el teorema de Shannon de la codificación

de canales con ruido (1948) describe la máxima eficiencia posible de los métodos de
corrección de errores versus los niveles de interferencia de ruido y corrupción de
datos. La prueba del teorema muestra que un código corrector de errores construido
aleatoriamente es, esencialmente, igual de bueno que el mejor código posible. El
teorema se prueba con la estadística de tales códigos aleatorios.

El teorema de Shannon demuestra cómo calcular la capacidad de un canal sobre una

descripción estadística del canal y establece que, dado un canal con ruido con
capacidad C e información transmitida en una tasa R, entonces si

existe una técnica de codificación que permite que la probabilidad de error en el

receptor se haga arbitrariamente pequeña. Esto significa que, teóricamente, es posible
transmitir información casi sin error hasta un límite cercano a C bits por segundo.

El inverso también es importante. Si

la probabilidad del error en el receptor se incrementa sin límite mientras se aumente la

tasa. De esta manera no se puede transmitir ninguna información útil por encima de la
capacidad del canal. El teorema no trata la situación, poco frecuente, en que la tasa y
la capacidad son iguales.
Teorema de Shannon-Hartley

El teorema de Shannon-Hartley establece cuál es la capacidad del canal, para un

canal con ancho de banda finito y una señal continua que sufre un ruido gaussiano.
Conecta el resultado de Hartley con el teorema de Shannon de la capacidad del canal
en una forma que es equivalente a especificar la M en la fórmula de Hartley de la tasa
de información en términos de la relación señal/ruido, pero alcanzando fiabilidad a
través de la codificación correctora de errores, más fiable, que los niveles de pulso
distinguibles.

Si existiera una cosa tal como un canal analógico con ancho de banda infinito y sin
ruido, uno podría transmitir cantidades ilimitadas de datos sin error, sobre este, por
cada unidad de tiempo. Sin embargo, los canales de comunicación reales están
sujetos a las limitaciones impuestas por el ancho de banda finito y el ruido.

Entonces, ¿cómo el ancho de banda y el ruido afectan a la tasa en la que la

información puede ser transmitida sobre un canal analógico?

Aunque parezca sorprendente, las limitaciones del ancho de banda, por si solas, no
imponen restricciones sobre la tasa máxima de información. Esto es porque sigue
siendo posible, para la señal, tomar un número infinitamente grande de valores
distintos de voltaje para cada pulso de símbolo, siendo cada nivel levemente distinto
del anterior que representa a un determinado significado o secuencia de bits. Sin
embargo, si combinamos ambos factores, es decir, tanto el ruido como las limitaciones
del ancho de banda, encontramos un límite a la cantidad de información que se puede
transferir por una señal de potencia limitada, aun cuando se utilizan técnicas de
codificación de niveles múltiples.

En el canal considerado por el teorema de Shannon-Hartley, el ruido y la señal se

suman. Es decir, el receptor mide una señal que sea igual a la suma de la señal que
codifica la información deseada y una variable aleatoria continua que represente el
ruido. Esta suma crea incertidumbre en cuanto al valor de la señal original.

Si el receptor tiene cierta información sobre el proceso aleatorio que genera el ruido,
se puede, en principio, recuperar la información de la señal original considerando
todos los posibles estados del proceso del ruido. En el caso del teorema de Shannon-
Hartley, se asume que el ruido es generado por un proceso gaussiano con una
varianza conocida. Puesto que la varianza del proceso gaussiano es equivalente a su
potencia, normalmente se llama a esta varianza la potencia de ruido.

Tal canal es llamado canal aditivo del ruido blanco gaussiano, porque el ruido
gaussiano es añadido a la señal; blanco significa igual cantidad de ruido en todas las
frecuencias dentro del ancho de banda del canal.[3]

Implicaciones del teorema

Comparación de la capacidad de Shannon con la ley de Hartley

Comparando la capacidad del canal con la tasa de información de la ley de Hartley,

podemos encontrar el número eficaz de los niveles distinguibles M:
La raíz cuadrada convierte con eficacia el cociente de potencias de nuevo en un
cociente de voltaje, así que el número de niveles es aproximadamente proporcional al
cociente entre el valor de la raíz cuadrada media de la amplitud de la señal y la
desviación estándar del ruido.

Esta semejanza entre la capacidad de Shannon y la ley de Hartley no se debe

interpretar como M niveles de pulsos pueden enviarse literalmente sin ninguna
confusión. Se necesitan más niveles, para permitir codificación redundante y la
corrección de errores, pero la tasa de datos neta que puede acercarse con la
codificación es equivalente a usar M en la ley de Hartley.

Formas alternativas

Caso dependiente de la frecuencia (ruido de color)

En la versión simple de arriba, la señal y el ruido están completamente incorreladas, y

en ese caso S + N es la potencia total de la señal y del ruido recibidos juntos. Una
generallización de la ecuación antedicha para el caso donde el ruido adicional no es
blanco (es decir, la relación S/N no es constante con la frecuencia sobre el ancho de
banda) como muchos canales estrechos independientes y gaussianos en paralelo:

donde:

• C es la capacidad del canal en bits por segundo

• B es el ancho de banda del canal en Hz
• S(f) es el espectro de potencia de la señal
• N(f) es el espectro de potencia del ruido
• f es la frecuencia en Hz

Nota: el teorema se aplica solamente a los ruidos que son procesos gaussianos
estacionarios. La manera en que esta fórmula introduce el ruido dependiente de la
frecuencia no sirve para describir todos los procesos del ruido continuo en el tiempo.
Por ejemplo, consideremos un proceso del ruido que consista en sumar una onda
aleatoria cuya amplitud sea 1 o -1 en cualquier momento del tiempo, y un canal que
añada dicha onda a la señal original. Los componentes de la frecuencia de la onda son
altamente dependientes. Aunque tal ruido puede tener una alta potencia, es bastante
fácil transmitir una señal continua con mucha menos potencia que la necesaria si el
ruido subyacente fuera una suma de los ruidos independientes de cada banda de
frecuencia.
Aproximaciones

Para las relaciones señal/ruido grandes o pequeños y constantes, la fórmula de la

capacidad puede ser aproximada:

• Si S / N > > 1, entonces

donde

• De manera análoga, si S / N < < 1, entonces

En esta baja aproximación de SNR (signal to noise ratio, relación señal a ruido), la
capacidad es independiente del ancho de banda si el ruido es blanco, la densidad
espectral de dicho ruido es N0 vatios por hercio, (W/Hz). En este caso el total de la
potencia del ruido es .

Ejemplos numéricos

• Si el SNR es 20 dB, y el ancho de banda disponible es 4 kHz, apropiada para

las comunicaciones telefónicas, entonces C = 4log2(1 + 100) = 4log2(101) =
26.63 kbit/s. Obsérvese que el valor S / N = 100 es equivalente al SNR de 20
dB.

• Si se requiere transmitir en 50 kbit/s, y el ancho de banda usado es 1 MHz,

entonces la mínima relación S/N requerida está dada por 50 = 1000log2(1 + S /
N) de forma que S / N = 2C / W − 1 = 0.035 correspondiente a un SNR de -14.5
dB. Esto demuestra que es posible transmitir con señales que son mucho más
débiles que el nivel de ruido de fondo como en las comunicaciones de espectro
ensanchado.

Referencias

1. ↑ Se tiene en cuenta que es la tasa máxima teórica de datos limpios (o

arbitrariamente la tasa mínima de error) que pueden ser enviados, con una
determinada potencia media de señal S, a través de un canal de comunicación
analógico que sufre un ruido blanco gausiano de potencia N
2. ↑ El número de pulsos independientes que podían pasar a través de un canal
de un ancho de banda deB herzios era 2B pulsos por segundo
3. ↑ Se debe tener en cuenta que dicho ruido puede deberse a fuentes aleatorias
de potencia y también a codificaciones y medidas de error en el emisor y
receptor respectivamente. Puesto que la suma de variables aleatorias
gaussianas independientes es también una variable aleatoria gaussiana el
análisis se simplifica, si se considera que tales fuentes del error son también
gaussianas e independientes.