Académique Documents
Professionnel Documents
Culture Documents
Introducción
Suponga que un proceso aleatorio X(t) se aplica como entrada a un filtro lineal
invariante en el tiempo de respuesta al impulso h(t), produciendo un nuevo
proceso aleatorio Y(t) en la salida del filtro. En general, resulta difícil describir la
distribución de probabilidad del proceso aleatorio de salida Y(t), aun cuando la
distribución de probabilidad de proceso aleatorio de entrada X(t) esté
especificada por completo en −∞ < 𝑡 < ∞.
Figura 2: transmisión de un proceso aleatorio a través de un filtro lineal
invariante con el tiempo.
La transmisión de un proceso a través de un filtro lineal invariante en el
tiempo está gobernada por la integral de convolución:
Siempre que la esperanza (media) E[X(t)] sea finita para todo t y el sistema
sea estable, existe la posibilidad de que intercambiemos el orden de la
esperanza y la integración en la ecuación anterior y escribir de la siguiente
manera
Donde t y u denotan dos valores del tiempo ene l cual se observa el proceso
de salida. Por tanto, resulta viable utilizar la integral de convolución para
escribir
Haciendo los respectivos cambios en la ecuación para el valor cuadrático
medio 𝐸[𝑋 2 (𝑡)] sea finito para todo t y el sistema sea estable se tiene que:
Densidad espectral de potencia
Propiedad 1
Si se aplica un proceso gaussiano X(t) a un filtro lineal estable, entonces el
proceso aleatorio T(t) que se desarrolla a la salida del filtro también es
gaussiano.
Propiedad 2
Considere el conjunto de variables o muestras aleatorias X(t1), X(t2),…,X(tn),
debido al observar un proceso aleatorios X(t) en los tiempos t1, t2,…,tn. Si el
proceso X(t)es gaussiano, entonces este conjunto de variables aleatorias es
gaussiano para toda n, estando su función de densidad de probabilidad
conjunta enésima determinada completamente a especificar el conjunto de
medias:
Y el conjunto de funciones de covarianza
Propiedad 3
Si un proceso gaussiano es estacionario, entonces el proceso también es
estrictamente estacionario.
Propiedad 4
Si las variables aleatorias X(t1), X(t),.., X(tn), obtenidas mediante un proceso
gaussiano X(t) en los tiempos t1, t2,…,tn, no están correlacionados, esto es,
Ruido
Envolvente
Fase
Las distribuciones de probabilidad de r(t) y ψ(t) pueden obtenerse de las
correspondientes 𝑛𝐼 (𝑡) y 𝑛𝑄 (𝑡) del modo siguiente. Dejemos que 𝑁𝐼 𝑦 𝑁𝑄
denoten las variables aleatorias obtenidas al observar (en algún tiempo fijo)
el proceso aleatorio representado por las funciones de muestreo 𝑛𝐼 𝑡 𝑦 𝑛𝑄 (𝑡),
respectivamente.
Figura 9: ilustración del sistema de coordenadas para la representación del
ruido de banda angosta: a) En términos de las componentes de fase y
cuadratura. b) En términos de la envolvente y la fase
Después de esto, dejemos que R y ψ denoten las variables aleatorias que se
obtuvieron al observar (en algún tiempo) el proceso aleatorio representado por la
envolvente r(t) y la fase ψ(t) respectivamente.
Figura 10: Distribución de Rayleigh normalizada
Onda seno más ruido de banda angosta