Professional Documents
Culture Documents
COMPORTAMIENTO DE SISTEMAS DE
COMUNICACIN ANALOGICA
EN PRESENCIA DE RUIDO
5.1 Procesos estocsticos pasabanda. Teoremas.
Propiedades de los procesos estocsticos pasabanda p p p
WSS
5.2 Ruido. Definicin y clasificacin. Fuentes de ruido.
Ruido trmico y ruido aditivo gausiano Ruido trmico y ruido aditivo gausiano.
5.3 Efectos de ruido en sistemas de modulacin analgica
lineal. Relacin de seal a ruido (SNR) para DSB-SC,
SSB AM con deteccin de prod cto con deteccin de SSB, AM con deteccin de producto y con deteccin de
envolvente.
5.4 Efectos de ruido en sistemas de modulacin angular. g
SNR para PM y FM. FM con extensin de umbral y FM
con de-nfasis
5 5 Comparacin de sistemas analgicos
COMUNICACIONES ANALOGICAS, 1T, 2011
5.5 Comparacin de sistemas analgicos
Procesos Gaussianos
Sea X(t) un proceso estocstico observado entre t=0 y
t=T. Si definimos la variable aleatoria Y como el funcional
li l d X(t) lineal de X(t):
( ) ( )
T
Y t X t dt
}
0
( ) ( ) Y g t X t dt =
}
Se dice que X(t) es un proceso Gaussiano si cada Se dice que X(t) es un proceso Gaussiano si cada
funcional lineal de X(t) es una variable aleatoria
Gaussiana. Gaussiana.
COMUNICACIONES ANALOGICAS, 1T, 2011
Procesos Gaussianos
Se dice que la variable aleatoria Y tiene una distribucin
Gaussiana, si su funcin de densidad de probabilidad , p
tiene la siguiente forma:
2
( ) 1
Y
y
(
2
( ) 1
( )
2
2
Y
Y
Y
Y
y
f y e
o
to
(
=
(
Donde
Y
s la media de la distribucin y o
2
Y
es su
varianza varianza
COMUNICACIONES ANALOGICAS, 1T, 2011
Procesos Gaussianos
Normalizado para media igual a cero y varianza 1
2
2
1
( )
y
f y e
| |
|
|
\ .
= ( )
2
Y
f y e
t
\ .
=
Este tipo de procesos tiene dos
ventajas: ventajas:
Este proceso posee propiedades
que hacen posible los resultados
analticos analticos,
Los posesos aleatorios de los
fenmenos fsicos pueden ser
representados por este proceso
COMUNICACIONES ANALOGICAS, 1T, 2011
representados por este proceso.
Teorema de Lmite central
Proporciona la justificacin matemtica para usar el proceso
Gaussiano como un modelo para un nmero grande de fenmenos
fsicos en que la variable aleatoria observada, en un instante de
tiempo en particular es el resultado de un gran nmero elementos
aleatorios individuales. a eato os d dua es
Para formular este teorema, digamos que X
i,
i=1,2,, N, es un set
de variables aleatorias que satisfacen los siguientes requerimientos: de variables aleatorias que satisfacen los siguientes requerimientos:
Xi son estadsticamente independientes
Xi tienen la misma distribucin de probabilidad con media
X
y
varianza o
2
x
COMUNICACIONES ANALOGICAS, 1T, 2011
Teorema de Lmite central Teorema de Lmite central
Las Xi as definidas constituyen un set de variables aleatorias
idnticamente e independientemente distribuidas.
Estas VA son normalizadas como sigue:
( )
1
1 2 Yi X i N
( )
, 1, 2,...,
[ ] 0
i X
X
i
Yi X i N
E Y
o
= =
=
El teorema de Limite central
establece que la distribucin de
probabilidad de V
N
se aproxima a
di t ib i G i
var[ ] 1
1
i
N
N i
Y
V Y
N
=
=
una distribucin Gaussiana
(0,1) , en el limite cuando N se
aproxima al infinito
Variable aleatoria
1 i
N
=
Tomar en cuenta que el teorema del limite central da solamente la forma de
limitar la distribucin de probabilidad de la variable aleatoria normalizada V
N
cuando N se aproxima a infinito
Cuando N es finito, esto en ocasiones consigue que el limite gaussiano de
una relativamente pobre aproximacin para la distribucin real de V
N
a pesar
d N d b t t d
COMUNICACIONES ANALOGICAS, 1T, 2011
de que N puede ser bastante grande.
Propiedades de un proceso Propiedades de un proceso
Gaussiano
1. Si un proceso aleatorio X(t) es aplicado a un filtro lineal estable,
entonces el proceso aleatorio Y(t) desarrollado en la salida del entonces el proceso aleatorio Y(t) desarrollado en la salida del
filtro tambin es Gaussiano
2. Considere el set de variables aleatorias o muestras X(t1), X(t2), ,
X(tn), obtenidas observando el proceso aleatorio X(t) en los
tiempos t1,t2,,tn. Si el proceso X(t) es Gaussiano, entonces este p , , , p ( ) ,
set de variables aleatorias es conjuntamente Gaussiano para
cualquier n, con sus n densidades de probabilidad conjunta siendo
completamente determinada por especificar el conjunto de medias: completamente determinada por especificar el conjunto de medias:
[ ( )], 1, 2,...,
X i
E X t i n = =
COMUNICACIONES ANALOGICAS, 1T, 2011
( ) ( )
( , ) [( ( ) )( ( ) )]
k i
X k i k X t i X t
C t t E X t X t =
Propiedades de un proceso Propiedades de un proceso
Gaussiano
Extendiendo la propiedad a dos o mas procesos aleatorios: Considere las
variables aleatorias X(t1), X(t2),,X(tn), Y(u1), Y(u2), ,Y(um) obtenidas
observando los procesos aleatorios X(t) y Y(t) en los tiempos {ti i=1 2 n} y observando los procesos aleatorios X(t) y Y(t) en los tiempos {ti,i=1,2,..,n} y
{uk, k=1,2,,m} , respectivamente.
Se dice que los procesos X(t) y Y(t) son conjuntamente Gaussianos si este
set de variables aleatorias es conjuntamente Gaussiano para cualquier n y set de variables aleatorias es conjuntamente Gaussiano para cualquier n y
m.
[( ( ) )( ( ) )] ( ) E X t Y t R t u =
3. Si un proceso Gaussiano es estacionario, entonces el proceso
( ) ( ) ( ) ( )
[( ( ) )( ( ) )] ( , )
i k i k
i X t k Y t XY i k X t Y u
E X t Y t R t u =
es tambin estrictamente estacionario
COMUNICACIONES ANALOGICAS, 1T, 2011
Propiedades de un proceso Propiedades de un proceso
Gaussiano
4. Si el conjunto de variables aleatorias X(t1),X(t2),...,X(tn) obtenidas
al muestrear un proceso Gaussiano en los instantes t1 t2 tn estn al muestrear un proceso Gaussiano en los instantes t1,t2,...,tn estn
incorreladas, esto es:
[( ( ) )( ( ) )] 0 E X X k
( ) ( )
[( ( ) )( ( ) )] 0,
k i
k X t i X t
E X t X t i k = =
entonces estas variables aleatorias son estadsticamente
independientes, y su funcin de distribucin de probabilidad conjunta
puede expresarse como el producto de las funciones variables p p p
aleatorias de distribucin de probabilidad de las individuales en el
conjunto.
COMUNICACIONES ANALOGICAS, 1T, 2011
Ruido
El trmino ruido es usado habitualmente para designar seales no deseadas que
tienden a perturbar transmisin y procesamiento de las seales en sistemas de
i i b l l ti t l comunicaciones, y sobre las cuales no se tiene control.
En la practicas existen muchas potenciales fuentes de ruido en los sistemas de
i i t f t d comunicaciones, estas fuentes pueden ser
Externas al sistema por ej: ruido atmosfrico, ruido galctico, ruido hecho por el
hombre
Interna al sistema: estos surgen de fluctuaciones espontaneas de corriente o Interna al sistema: estos surgen de fluctuaciones espontaneas de corriente o
voltaje en circuitos elctricos
Estos representan una limitacin bsica en la transmisin y deteccin de
seales : los dos ejemplos mas comunes de fluctuaciones espontaneas en seales : los dos ejemplos mas comunes de fluctuaciones espontaneas en
circuitos elctricos son: shot noise y thermal noise (ruido de disparo y ruido
trmico)
COMUNICACIONES ANALOGICAS, 1T, 2011
Ruido de disparo Ruido de disparo
Se origina en dispositivos electrnicos como diodos y transistores
debido a la naturaliza discreta del flujo de corriente en estos
dispositivo. p
Si los electrones se emiten en instantes aleatorios t
k
, la corriente
puede modelarse como una suma infinita de pulsos de corriente. El puede modelarse como una suma infinita de pulsos de corriente. El
proceso X(t) resultante es estacionario y se denomina ruido impulsivo.
Suponga que en un foto detector un pulso de corriente es generado Suponga que en un foto detector un pulso de corriente es generado
cada vez que un electrn es emitido por el ctodo debido a la luz
incidente desde la fuente con una intensidad constante.
L l t itid ti l t i d t d Los electrones son emitidos en tiempos aleatorios denotados por t
k
,
donde -<k<.
Se asume que esta emisin de electrones se lleva a cabo durante largo
COMUNICACIONES ANALOGICAS, 1T, 2011
tiempo.
Ruido de disparo. 2 Ruido de disparo. 2
As, la corriente total que fluye a travs del foto detector puede ser
modelada como una suma infinita de pulsos de corriente: modelada como una suma infinita de pulsos de corriente:
( ) ( )
k
X t h t t
Donde h(t- t
k
) es el pulso de corriente
generado en el tiempo t
k
. Entonces el
proceso X(t) es un proceso estacionario
( ) ( )
k
k =
= = =
La probabilidad de que k electrones
sean emitidos en el intervalo [t,t+t0]
sigue una distribucin de Poisson con
COMUNICACIONES ANALOGICAS, 1T, 2011
! k
sigue una distribucin de Poisson, con
media t0
Ruido de disparo. 3
La media y la autocovarianza del proceso de ruido de disparo
X(t) l i d t d l
( )
X
h t dt
=
}
X(t) para el primer y segundo momento del proceso:
( ) ( ) ( )
X
C h t h t dt t t
= +
}
}
2
( ),
( )
X
X
AT
A T T
C
t t
t
=
<
=
( )
0 ,
X
T t
>
=
=
}
j
C constante que asegura que esta relacin
es adimensional
,
0
( )
2
C DSB
WN
COMUNICACIONES ANALOGICAS, 1T, 2011
Ruido en receptores AM usando Ruido en receptores AM usando
deteccin de envolvente
En una seal AM completa las bandas laterales y la portadora son transmitidas
La potencia promedio de la componente
2
La potencia promedio de la componente
de portadora de la seal AM
2
/ 2
C
A
La potencia promedio de la componente La potencia promedio de la componente
que contiene la informacin
( ) cos(2 )
C a C
A k m t f t t
2 2
/ 2
C a
A k P
Donde P es la potencia promedio de la
seal mensaje m(t) seal mensaje m(t)
La potencia de la seal AP completa es
( )
2 2
1 / 2
C a
A k P +
COMUNICACIONES ANALOGICAS, 1T, 2011
( )
Ruido en receptores AM usando Ruido en receptores AM usando
deteccin de envolvente
Como para un sistema DSB-SC la potencia promedio del ruido en el ancho
de banda del mensaje es WNo. La SNR del canal para AM es
( )
( )
2 2
,
0
1
2
C a
C AM
A k P
SNR
WN
+
=
0
Para evaluar la SNRo, se representa el ruido filtrado n(t) en trminos de sus
componentes de fase cuadratura. Quitando la componente DC se tendra en
la salida
( )
2 2
,
0
2
C a
O AM
A k P
SNR
WN
~
E t l fi d it l d l i d lit d
( )
( )
2
,
2
O AM
a
SNR
k P
~
Entonces la figura de mrito para la modulacin de amplitud es:
COMUNICACIONES ANALOGICAS, 1T, 2011
( )
2
,
1
AM a
C AM
SNR k P +
Ruido en receptores FM
( )
2 2
3 ,
0
3
2
C f
O FM
A k P
SNR
N W
=
0
( )
2
,
0
2
C
C FM
A
SNR
WN
=
W es el ancho de banda del mensaje
Ac amplitud de la portadora
fc frecuencia de la portadora
( )
( )
2
,
2
3
f O FM
SNR
k P
=
0
2WN
p
kf sensibilidad de frecuencia
m(t) seal mensaje
P potencia promedio
COMUNICACIONES ANALOGICAS, 1T, 2011
( )
2
,
FM
C FM
SNR W
Ejemplo
Considere una seal sinusoidal con frecuencia fm como seal modulante y
f
(
A
Considere una seal sinusoidal con frecuencia fm como seal modulante y
asuma una desviacin de frecuencia pico Af . Encuentre SNRo y SNRo/SNRc.
La seal modulada FM es:
( )
( ) cos 2 sin 2
c c m
m
f
s t A f t f t
f
t t
(
A
= +
(
E t ibi d ti Entonces reescribiendo se tiene que:
0
2 ( ) sin(2 )
t
f m
f
k m d f t
f
t t t t
A
=
}
0
m
f
}
Derivando a ambos lados con respecto al tiempo y resolviendo con respecto a
m(t)
f A
( ) cos(2 )
m
f
f
m t f t
k
t
A
=
COMUNICACIONES ANALOGICAS, 1T, 2011
Por lo tanto la potencia promedio de la seal mensaje m(t), desarrollada
para una carga de 1 ohm para una carga de 1 ohm
( )
2
2
2
f
f
P
k
A
=
f
Sustituyendo se tiene
( )
2
2
2 2
3
3
C
A f
A |
A
( )
( )
3 ,
0 0
3
3
4 4
C
C
O FM
A f
A
SNR
N W N W
|
A
= =
f
|
A
=
( )
, 2
3 3
O FM
SNR
f
|
A
| |
= =
|
W
| =
COMUNICACIONES ANALOGICAS, 1T, 2011
( )
,
2 2
FM
C FM
SNR W
| = =
|
\ .