Académique Documents
Professionnel Documents
Culture Documents
Señales y Espectro
Este libro presenta las ideas y técnicas fundamentales para los sistemas
de comunicación digital. Se hace hincapié en los objetivos de diseño del sistema
y en la necesidad de llegar a un equilibrio entre los parámetros básicos del
sistema, como la relación señal/ruido (SNR), la probabilidad de error y el gasto
en ancho de banda. Nos ocuparemos de la transmisión de información (voz,
vídeo o datos) a través de una ruta (canal) que puede consistir en cables, guías
de onda o espacio.
Los sistemas de comunicación digital son cada vez más atractivos debido
a la creciente demanda de comunicación de datos y porque la transmisión digital
ofrece opciones de procesamiento de datos y flexibilidades que no están
disponibles con la transmisión analógica. En este libro, un sistema digital se trata
a menudo en el contexto de un enlace de comunicaciones por satélite. A veces
el tratamiento se realiza en el contexto de un sistema de radio móvil, en cuyo
caso la transmisión de la señal suele sufrir un fenómeno denominado
desvanecimiento. En general, la tarea de caracterizar y mitigar los efectos de
degradación de un canal de desvanecimiento es más difícil que la de realizar
tareas similares para un canal no desvanecido.
La característica principal de un sistema de comunicación digital (DCS) es
que durante un intervalo de tiempo finito, envía una forma de onda desde un
conjunto finito de posibles formas de onda, en contraste con un sistema de
comunicación analógica, que envía una forma de onda desde una variedad
infinita de formas de onda con una resolución teóricamente infinita. En un DCS,
el objetivo en el receptor no es reproducir una forma de onda transmitida con
precisión; en cambio, el objetivo es determinar a partir de una señal perturbada
por el ruido qué forma de onda del conjunto finito de formas de onda fue enviada
por el transmisor. Una medida importante del rendimiento del sistema en un DCS
es la probabilidad de error (PE).
1.1 PROCESAMIENTO DE LA SEÑAL DE COMUNICACIÓN DIGITAL
1.1.1 ¿Por qué digital?
¿Por qué los sistemas de comunicación, tanto militares como comerciales,
"se están volviendo digitales"? Hay muchas razones. La principal ventaja es la
facilidad con la que se regeneran las señales digitales, en comparación con las
señales analógicas. La figura 1.1 ilustra un pulso digital binario ideal que se
propaga a lo largo de una línea de transmisión. La forma de la forma de onda se
ve afectada por dos mecanismos básicos: (1) dado que todas las líneas y
circuitos de transmisión tienen alguna función de transferencia de frecuencia no
ideal, existe un efecto distorsionador sobre el pulso ideal; y (2) el ruido eléctrico
no deseado u otra interferencia distorsiona aún más la forma de onda del pulso.
Ambos mecanismos causan que la forma del pulso se degrade en función de la
longitud de la línea, como se muestra en la Figura 1.1. Durante el tiempo que el
pulso transmitido puede ser identificado de forma fiable (antes de que se degrade
a un estado ambiguo), el pulso es amplificado por un amplificador digital que
recupera su forma ideal original. De este modo, el pulso "renace" o se regenera.
Los circuitos que realizan esta función a intervalos regulares a lo largo de un
sistema de transmisión se denominan repetidores regenerativos.
Los circuitos digitales están menos sujetos a distorsión e interferencia que
los circuitos analógicos. Debido a que los circuitos digitales binarios operan en
uno de los dos estados - totalmente encendidos o completamente apagados -
para ser significativos, una perturbación debe ser lo suficientemente grande
como para cambiar el punto de operación del circuito de un estado a otro. Esta
operación de dos estados facilita la regeneración de la señal y, por lo tanto, evita
que el ruido y otras perturbaciones se acumulen en la transmisión. Las señales
analógicas, sin embargo, no son señales de dos estados; pueden tener una
variedad infinita de formas. Con circuitos analógicos, incluso una pequeña
perturbación puede hacer que la forma de onda reproducida se distorsione de
forma inaceptable. Una vez que la señal nalog es distorsionada, la distorsión no
puede ser eliminada por amplificación. Debido a que el ruido acumulado está
irrevocablemente ligado a las señales analógicas, no pueden ser perfectamente
regeneradas. Con las técnicas digitales, las tasas de error extremadamente
bajas producen
donde t denota tiempo. El valor más pequeño de T0 que satisface esta condición
se denomina período de x(t). El período T0 define la duración de un ciclo
completo de x(t). Una señal para la que no hay ningún valor de T0 que satisfaga
la ecuación (1.2) se denomina señal no periódica.
1.2.3 Señales analógicas y discretas
Una señal analógica x(t) es una función continua del tiempo; es decir, x(t) se
define de forma única para todas las t. Una señal analógica eléctrica surge
cuando una forma de onda física (por ejemplo, el habla) se convierte en una
señal eléctrica mediante un transductor. En comparación, una señal discreta
x(kT) es aquella que existe sólo en tiempos discretos; se caracteriza por una
secuencia de números definidos para cada tiempo, kT, donde k es un entero y T
es un intervalo de tiempo fijo.
1.2.4 Señales de energía y potencia
Una señal eléctrica puede representarse como una tensión v(t) o una corriente
i(t) con potencia instantánea p(t) a través de una resistencia definida por
Esta ecuación establece que la energía de una señal es igual al área bajo la
curva x(f) versus la curva de frecuencia. La densidad espectral de energía
describe la energía de la señal por unidad de ancho de banda medida en
julios/hertz. Hay contribuciones de energía iguales de ambos componentes de
frecuencia positiva y negativa, ya que para una señal real, x(t), X(f) es una
función uniforme de la frecuencia. Por lo tanto, la densidad espectral de energía
es simétrica en frecuencia respecto al origen, y por lo tanto la energía total de la
señal x(t) puede expresarse como
El teorema de Parseval para una señal periódica de valor real[1] toma la forma
de
donde los términos cn son los complejos coeficientes de las series de Fourier de
la señal periódica. (Ver Apéndice A.)
Para aplicar la Ecuación (1.17b), sólo necesitamos conocer la magnitud de los
coeficientes, cn. La función de densidad espectral de potencia (PSD) Gx(f) de la
señal periódica x(t) es una función de frecuencia real, uniforme y no negativa que
da la distribución de la potencia de x(t) en el dominio de la frecuencia, definida
como
La ecuación (1.18) define la densidad espectral de potencia de una señal
periódica x(t) como una sucesión de las funciones delta ponderadas. Por lo tanto,
la densidad espectral de una señal periódica es una función discreta de la
frecuencia. Usando la PSD definida en la Ecuación (1.18), ahora podemos
escribir la potencia media normalizada de una señal de valor real como
Si se satisfacen los ítems del 1 al 3, Rx() satisface las propiedades de una función
de autocorrelación. La propiedad 4 puede derivarse de la propiedad 3 y, por lo
tanto, no es necesario incluirla como prueba básica.
1.4.2 Autocorrelación de una señal (de potencia) periódica
La función de autocorrelación de una señal de potencia x(t) de valor real se
define como
Cuando la señal de potencia x(t) es periódica con el período T0, el promedio de
tiempo en la Ecuación (1.22) puede ser tomado en un solo período T0, y la
función de autocorrelación puede ser expresada como
donde X(t1) y X(t2) son variables aleatorias obtenidas observando X(t) en los
tiempos t1 y t2, respectivamente. La función de autocorrelación es una medida
del grado en que se relacionan dos muestras de tiempo del mismo proceso
aleatorio.
1.5.2.2.2 Estacionalidad
Se dice que un proceso aleatorio X(t) es estacionario en sentido estricto si
ninguna de sus estadísticas se ve afectada por un cambio en el origen temporal.
Se dice que un proceso aleatorio es estacionario con sentido amplio (WSS: Wide
Sense Stationary) si dos de sus estadísticas, su media y su función de
autocorrelación, no varían con un cambio en el origen temporal. Por lo tanto, un
proceso es WSS si
Estacionario con sentido estricto implica estacionario con sentido amplio, pero
no al revés. La mayoría de los resultados útiles en la teoría de la comunicación
se basan en señales de información aleatorias y ruido estacionario con sentido
amplio. Desde un punto de vista práctico, no es necesario que un proceso
aleatorio sea estacionario durante todo el tiempo, sino sólo durante algún
intervalo de observación.
Para los procesos estacionarios, la función de autocorrelación en la Ecuación
(1.33) no depende del tiempo sino de la diferencia entre t1 y t2. Es decir, todos
los pares de valores de X(t) en puntos en el tiempo separados por t1 t2 tienen el
mismo valor de correlación. Por lo tanto, para los sistemas estacionarios,
podemos denotar RX(t1, t2) simplemente como RX().
1.5.2.3 Autocorrelación de un proceso aleatorio estacionario de gran alcance
Así como la varianza proporciona una medida de aleatoriedad para las variables
aleatorias, la función de autocorrelación proporciona una medida similar para los
procesos aleatorios. Para un proceso estacionario de sentido amplio, la función
de autocorrelación es sólo una función de la diferencia de tiempo t1 t2, es decir,
Para un proceso WSS de media cero, RX() indica hasta qué punto los valores
aleatorios del proceso separados por segundos en el tiempo están
estadísticamente correlacionados. En otras palabras, RX() nos da una idea de la
respuesta de frecuencia que se asocia con un proceso aleatorio. Si RX() cambia
lentamente a medida que aumenta de cero a algún valor, indica que, en
promedio, los valores de la muestra de X(t) tomados en t1 y t1 son casi los
mismos. Así, esperaríamos que una representación del dominio de frecuencia
de X(t) contenga una preponderancia de frecuencias bajas. Por otro lado, si RX()
disminuye rápidamente a medida que aumenta, esperaríamos que X(t) cambie
rápidamente con el tiempo y por lo tanto contenga en su mayoría frecuencias
altas.
Las propiedades de la función de auto-correlación de un proceso estacionario de
sentido amplio de valor real son las siguientes:
1.5.3 Promedio de tiempo y ergodicidad
Para calcular mX y RX() mediante promedios de conjunto, tendríamos que
promediar todas las funciones de la muestra del proceso y necesitaríamos tener
un conocimiento completo de las funciones conjuntas de densidad de
probabilidad de primer y segundo orden. Por lo general, no se dispone de esos
conocimientos.
Cuando un proceso aleatorio pertenece a una clase especial, conocida como
proceso ergódico, sus promedios de tiempo son iguales a los promedios de su
conjunto, y las propiedades estadísticas del proceso pueden determinarse
mediante promedios de tiempo sobre una sola función de muestra del proceso.
Para que un proceso aleatorio sea ergódico, debe ser estacionario en sentido
estricto. Sin embargo, en el caso de los sistemas de comunicación, en los que
estamos satisfechos de cumplir las condiciones de una estacionalidad con
sentido amplio, sólo nos interesan las funciones de media y autocorrelación.
Podemos decir que un proceso aleatorio es ergódico en la media si
Por lo tanto, la autocorrelación del ruido blanco es una función delta ponderada
por el factor N0/2 y que se produce a 0, como se muestra en la figura 1.8b. Tenga
en cuenta que Rn() es cero para 0; es decir, dos muestras diferentes de ruido
blanco, sin importar cuán cerca en el tiempo que se tomen, no están
correlacionadas.
La potencia media Pn de ruido blanco es infinita porque su ancho de banda es
infinito. Esto puede ser visto combinando Ecuaciones (1.19) y (1.42) para
producir
Aunque el ruido blanco es una abstracción útil, ningún proceso de ruido puede
ser realmente blanco; sin embargo, se puede suponer que el ruido encontrado
en muchos sistemas reales es aproximadamente blanco. Sólo podemos
observar ese ruido después de que haya pasado a través de un sistema real que
tendrá un ancho de banda finito. Así pues, siempre que la anchura de banda del
ruido sea sensiblemente mayor que la del sistema, se puede considerar que el
ruido tiene una anchura de banda infinita.
La función delta en la ecuación (1.43) significa que la señal de ruido n(t) está
totalmente decorada a partir de su versión con desplazamiento temporal, para
cualquier 0. La ecuación (1.43) indica que dos muestras cualesquiera de un
proceso de ruido blanco no están correlacionadas. Dado que el ruido térmico es
un proceso gaussiano y las muestras no están correlacionadas, las muestras de
ruido también son independientes[3]. Por lo tanto, el efecto en el proceso de
detección de un canal con ruido blanco gaussiano aditivo (AWGN) es que el ruido
afecta a cada símbolo transmitido de forma independiente. Este tipo de canal se
denomina canal sin memoria. El término "aditivo" significa que el ruido
simplemente se superpone o se añade a la señal, que no hay mecanismos
multiplicadores en funcionamiento.
Dado que el ruido térmico está presente en todos los sistemas de comunicación
y es la fuente de ruido más importante para la mayoría de los sistemas, las
características del ruido térmico -aditivo, blanco y gaussiano- se utilizan con
mayor frecuencia para modelar el ruido en los sistemas de comunicación. Dado
que el ruido gaussiano de media cero se caracteriza completamente por su
varianza, este modelo es particularmente fácil de usar en la detección de señales
y en el diseño de receptores óptimos. En este libro asumiremos, a menos que se
indique lo contrario, que el sistema está corrompido por el ruido blanco gaussiano
de media cero, aunque a veces esto sea una simplificación excesiva.
1,6 TRANSMISIÓN DE SEÑALES A TRAVÉS DE SISTEMAS LINEALES
Habiendo desarrollado un conjunto de modelos para señales y ruido, ahora
consideramos la caracterización de los sistemas y sus efectos sobre dichas
señales y ruido. Dado que un sistema puede caracterizarse igualmente bien en
el dominio del tiempo o en el dominio de la frecuencia, se desarrollarán técnicas
en ambos dominios para analizar la respuesta de un sistema lineal a una señal
de entrada arbitraria. La señal, aplicada a la entrada del sistema, como se
muestra en la Figura 1.9, puede describirse como una señal de dominio temporal,
x(t), o por su transformada de Fourier, X(f). El uso de análisis de dominio de
tiempo produce la salida de dominio de tiempo y(t), y en el proceso, h(t), se
definirá la respuesta característica o de impulso de la red. Cuando la entrada se
considera en el dominio de frecuencia, definiremos una función de transferencia
de frecuencia H(f) para el sistema, que determinará la salida Y(f) del dominio de
solicitud de frecuencia. Se supone que el sistema es lineal y que el tiempo es
invariable. También se supone que no hay energía almacenada en el sistema en
el momento en que se aplica la entrada.
O la fórmula:
Figura 1.10 (a) La señal de entrada x(t) es una función de impulso de la unidad.
(b) La señal de salida y(t) es la respuesta de impulso del sistema h(t)
la sección A.5, donde se puede ver que las Ecuaciones (1.46) y (1.47) son el
resultado de un proceso directo.
1.6.2 Función de transferencia de frecuencia
La señal de salida Y(f) del dominio de frecuencia se obtiene tomando la
transformada de Fourier de ambos lados de la ecuación (1.46). Puesto que la
convolución en el dominio del tiempo se transforma en multiplicación en el
dominio de la frecuencia (y viceversa), la Ecuación (1.46) produce
siempre, por supuesto, que X(f) 0 para todos los f. Aquí H(f) {h(t)}, la
transformada de Fourier de la función de respuesta de impulso, se llama la
función de transferencia de frecuencia o la respuesta de frecuencia de la red. En
general, H(f) es complejo y se puede escribir como
donde los términos "Re" e "Im" denotan "la parte real de" y "la parte
imaginaria de", respectivamente.
La función de transferencia de frecuencia de una red lineal invariable en
el tiempo puede medirse fácilmente en el laboratorio con un generador sinusoidal
a la entrada de la red y un osciloscopio a la salida. Cuando la forma de onda de
entrada x(t) se expresa como
Por lo tanto, para lograr una transmisión ideal sin distorsión, la respuesta
general del sistema debe tener una respuesta de magnitud constante y su
desplazamiento de fase debe ser lineal con frecuencia. No basta con que el
sistema amplifique o atenúe todos los componentes de frecuencia por igual.
Todos los componentes de frecuencia de la señal también deben llegar con
idéntico retardo de tiempo para poder sumar correctamente. Ya que el retardo t0
está relacionado con el desplazamiento de fase y la frecuencia del radián 2 f por
En donde:
Figura 1.11 Función de transferencia de filtro ideal. (a) Filtro pasabanda ideal.
(b) Filtro pasabanda ideal. c) Filtro de paso alto ideal.
Figure 1.11 Ideal filter transfer function. (a) Ideal bandpass filter.(b) Ideal low-
pass filter. (c) Ideal high-pass filter.
una aplicación de una entrada en el tiempo t0. Por lo tanto, debe quedar claro
que el filtro ideal descrito en la Ecuación (1.58) no es realizable.
Ejemplo 1.2 Efecto de un filtro ideal en el ruido blanco
El ruido blanco con densidad espectral de potencia Gn(f)=N0/2, mostrado
en la Figura 1.8a, forma la entrada al filtro de paso bajo ideal mostrado en la
Figura 1.11b. Encuentra la densidad espectral de potencia GY(f) y la función de
autocorrelación RY() de la señal de salida.
Solución
Comparando este resultado con la ecuación (1.62), vemos que RY() tiene
la misma forma que la respuesta de impulso del filtro de paso bajo ideal mostrado
en la figura 1.12. En este ejemplo, el filtro pasa bajo ideal transforma la función
de autocorrelación del ruido blanco (definida por la función delta) en una función
sinc. Después de filtrar, ya no tenemos ruido blanco. La señal de ruido de salida
tendrá una correlación nula con las copias desplazadas de sí misma, sólo en
desplazamientos de n/2fu, donde n es un número entero distinto de cero.
1.6.3.2 Filtros realizables
El ejemplo más simple de un filtro de paso bajo realizable está compuesto
de resistencia () y capacitancia (C), como se muestra en la Figura 1.13a; se le
llama filtro C, y su función de transferencia puede expresarse como[7].
Como se podía predecir, ya no tenemos ruido blanco después del filtrado. El filtro
C transforma la función de autocorrelación de entrada del ruido blanco (definido
por la función delta) en una función exponencial. Para un filtro de banda estrecha
(un producto C grande), el ruido de salida mostrará una correlación más alta
entre las muestras de ruido de un cambio de tiempo fijo que el ruido de salida de
un filtro de banda ancha.
1.6.4 Señales, circuitos y espectros
Las señales se han descrito en términos de sus espectros. Del mismo modo, las
redes o circuitos se han descrito en términos de sus características espectrales
o de sus funciones de transferencia de frecuencia. ¿Cómo se ve afectada la
anchura de banda de una señal como resultado del paso de la señal a través de
un circuito de filtro? La figura 1.15 ilustra dos casos de interés. En la Figura 1.15a
(caso 1), la señal de entrada tiene un espectro de banda estrecha, y la función
de transferencia de filtro es una función de banda ancha. De la Ecuación (1.48),
vemos que el espectro de la señal de salida es simplemente el producto de estos
dos espectros. En la Figura 1.15a podemos verificar que la multiplicación de las
dos funciones espectrales dará como resultado un espectro con un ancho de
banda aproximadamente igual al menor de los dos anchos de banda (cuando
una de las dos funciones espectrales va a cero, la multiplicación da cero). Por lo
tanto, en el caso 1, el espectro de la señal de salida está limitado únicamente
por el espectro de la señal de entrada. De manera similar, vemos que para el
caso 2, en la Figura 1.15b, donde la señal de entrada es una señal de banda
ancha pero el filtro tiene una función de transferencia de banda estrecha, el
ancho de banda de la señal de salida está limitado por el ancho de banda del
filtro; la señal de salida será una interpretación filtrada (distorsionada) de la señal
de entrada.
Figura 1.15 Las características espectrales de la señal de entrada y del circuito contribuyen a
las características espectrales de la señal de salida. a) Caso 1: El ancho de banda de salida
está limitado por el ancho de banda de la señal de entrada. b) Caso 2: La anchura de banda de
salida está limitada por la anchura de banda del filtro.
El efecto de un filtro en una forma de onda también se puede ver en el dominio
del tiempo. La salida y(t) resultante de convolar un pulso de entrada ideal x(t)
(con amplitud Vm y ancho de pulso T) con la respuesta de impulso de un filtro C
de paso bajo puede escribirse como[8].
Donde
Figura 1.17 Tres ejemplos de filtrado de un pulso ideal. a) Ejemplo 1: Salida de buena fidelidad.
b) Ejemplo 2: Salida de buen reconocimiento. c) Ejemplo 3: Salida de mal reconocimiento.
1.7 ANCHO DE BANDA DE LOS DATOS DIGITALES
1.7.1 Banda Base versus Paso de Banda
Una manera fácil de traducir el espectro de una señal de paso bajo o de
banda base x(t) a una frecuencia más alta es multiplicar o heterodinear la señal
de banda base con una onda portadora cos 2πfct, como se muestra en la Figura
1.18. La forma de onda resultante, xc(t), se denomina señal modulada de doble
banda lateral (DSB) y se expresa como