Comdig Artes Perez

Comunicaciones digitales
Antonio Arts Rodrguez

Departamento de Teora de la Seal y Comunicaciones
Universidad Carlos III de Madrid
Fernando Prez Gonzlez
Universidad de Vigo
Jess Cid Sueiro
Roberto Lpez Valcarce
Universidad de Vigo
Carlos Mosquera Nartallo
Universidad de Vigo
Fernando Prez Cruz
DERECHOS RESERVADOS, c _2012 Los autores
Este manuscrito electrnico es slo para uso personal no comercial, y
no puede ser publicado y/o redistribuido en cualquier forma ni ser
transformado y/o utilizado parcialmente sin el permiso de los autores.
Para referenciar el manuscrito, por favor, emplee la pgina web
www.tsc.uc3m.es/antonio/libro_comunicaciones
PRLOGO
Tras una larga gestacin y una corta vida, el libro Comunicaciones digitales fue desca-
talogado en 2010. Tras volver el copyright a los autores analizamos las distintas alternativas
a nuestro alcance, y decidimos publicar, tras corregir todas las erratas detectadas hasta la
fecha, el manuscrito en la web para que pueda seguir siendo utilizado por todo aquel que lo
desee.
Junio de 2012
Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c _ 2012 Los autores
PRLOGO DE LA EDICIN IMPRESA
El libro que tiene en sus manos es el resultado de un largo y azaroso proceso, casi
siempre a punto de naufragar, que pretenda producir el texto del que nos hubiese gustado
disponer para impartir docencia sobre comunicaciones digitales y que no encontrbamos.
No imaginbamos, en aquel tiempo lejano, la magnitud del esfuerzo necesario para llevar a
buen puerto este proyecto.
La estructura y el estilo narrativo del libro estn orientados hacia su uso como manual de
aprendizaje. Hemos intentado, sin abandonar el rigor, acomodar la extensin de cada tema,
mtodo o herramienta conforme a la dicultad de su aprendizaje segn nos dicta nuestra
experiencia. Esta orientacin puede ocasionar que el lector eche en falta algn contenido
que resulta comn en otros textos con vocacin de manual de referencia de comunicaciones
digitales. Un apartado al nal de cada captulo trata de guiar al lector ofreciendo una serie
de referencias donde poder profundizar en lo aqu expuesto.
En este libro se tratan la mayor parte de los contenidos sobre comunicaciones digita-
les que actualmente se imparten en una titulacin como Ingeniera de Telecomunicacin,
y particularmente pretende posibilitar al alumno la comprensin de los actuales sistemas y
estndares de comunicaciones. Tras un par de captulos donde se repasan los resultados de
seales y sistemas y probabilidad y procesos estocsticos ms relevantes para las comuni-
caciones digitales, se aborda el estudio de los fundamentos de la modulacin y la deteccin.
A partir de aqu se procede de forma sistemtica con el anlisis de las modulaciones linea-
les monoportadora, el diseo de receptores para este tipo de modulaciones cuando el canal
introduce distorsin, las modulaciones de fase y frecuencia, las modulaciones multiporta-
dora y las modulaciones de espectro ensanchado y, por ltimo, los lmites establecidos por
la Teora de la Informacin. El libro concluye con el estudio de las tcnica de proteccin
contra errores y las tcnicas de sincronizacin. Se abarcan as las tcnicas de modulacin,
codicacin y diseo de receptores de la prctica totalidad de sistemas y estndares de co-
municaciones digitales sobre medios conductores o transmisin inalmbrica, tales como
UMTS, DVB, ADSL, Wi-Fi (IEEE 802.11x), WiMAX (IEEE 802.16x), Bluetooth o Zigbee
(IEEE 802.15.4), por poner algunos ejemplos.
Adems de algunas tcnicas concretas empleadas en los sistemas actuales, como los
cdigos Reed-Muller, los barajadores convolucionales o las modulaciones PPM (Pulse Po-
sition Modulation) que no se estudian en este texto, en este libro no se abordan las co-
municaciones inalmbricas en canales con desvanecimiento, las comunicaciones digitales
pticas ni las tcnicas de codicacin de fuente, que en ocasiones son tratadas en textos con
VI
nombres similares al nuestro.
Pueden congurarse distintos cursos empleando este libro. Podemos programar un curso
de introduccin a las comunicaciones digitales con material seleccionado de los captulos
de seales y sistemas y probabilidad y procesos estocsticos en funcin del nivel de forma-
cin de los alumnos, el tema de modulacin y deteccin en canales gausianos y el tema de
lmites en comunicaciones digitales. Podemos tambin programar un curso basndonos los
temas de modulaciones lineales, la primera parte del captulo de deteccin en canales con
interferencia intersimblica, las modulaciones de fase y frecuencia, las modulaciones multi-
portadora y las modulaciones de espectro ensanchado y parte de las tcnicas de codicacin
para proteccin contra errores. Podemos programar un curso de tcnicas de tratamiento digi-
tal de seales en comunicaciones con la segunda mitad del captulo de deteccin en canales
con interferencia intersimblica, los receptores para modulaciones de espectro ensanchado
y los receptores multiusuario y el captulo de sincronizacin. Tambin pueden programarse
cursos en base a captulos completos que exploren de forma sistemtica el texto.
Este libro no habra visto la luz de no haber sido por algunos Profesores que contribu-
yeron a modernizar el estudio de las comunicaciones digitales en Espaa mediante un uso
sistemtico de tcnicas de tratamiento estadstico de seales y de quienes nos considera-
mos discpulos. A Anbal R. Figueiras Vidal y Miguel ngel Lagunas Hernndez, nuestro
sincero agradecimiento.
Agradecemos a Alberto Prieto, de la empresa Tredess 2010, Jos Luis Ledo, de Gsertel,
Modesto Gmez y Justo Rodal, de Televs, y Fidel Garca Pedraja, primero en Telettra
Espaa y posteriormente en Alcatel el habernos ayudado a convertir en productos nuestros
conocimientos. Un agradecimiento muy especial es para Jos Luis Fernndez Carnero, de
Televs, quien hace diecisis aos intuy el potencial de las comunicaciones digitales y
crey en nosotros como investigadores.
Queremos agradecer la labor de revisin de partes de libro y las sugerencias realiza-
das por Emilio Parrado Hernndez, Jos Luis Alba Castro, Jos Emilio Vila Forcn, Mar-
cos Martn Fernndez, Vernica Santalla del Ro, Juan Jos Murillo Fuentes, Francisco Ja-
vier Payn Somet, Luis Prez Freire, Ignacio Santamara Caballero, Juan Ramn Troncoso
Pastoriza, Mario de Prado Cumplido, Harold Molina Bulla, Joaqun Mguez Arenas, Luis
Castedo Ribas, Jos Miguel Leiva Murillo, Santiago Zazo Bello, Pedro Comesaa Alfaro,
Sergio Cruces lvarez, ngel Mara Bravo Santos, scar W. Mrquez Flrez, Mara Julia
Fernndez-Getino Garca, Jaume Riba y Nuria Gonzlez Prelcic, y muy especialmente a
Marcelino Lzaro Teja, Ricardo Santiago Mozos y Eduardo Rodrguez Banga.
Tambin queremos agradecer a Gregori Vzquez Grau, Javier Ramos Lpez y Luis Cas-
tedo Ribas, como participantes que fueron en algunas de las etapas de este proyecto, su
trabajo, sus sugerencias y, sobre todo, su generosidad.
A los alumnos de las asignaturas de Teora de la Comunicacin, Comunicaciones
Digitales y Transmisin en Banda Ancha de las titulaciones de Ingeniera de Telecomu-
nicacin e Ingenieras Tcnicas de Telecomunicacin de la E.P.S. de la Universidad Carlos
III de Madrid, y a los alumnos de las asignaturas de Fundamentos de Comunicaciones
Digitales y Transmisin Digital de la Escola Tcnica Superior de Enxeeiros de Tele-
comunicacin de Vigo, por sufrir y ayudar a mejorar mltiples y lamentables versiones de
VII
partes de este libro, nuestro ms sincero agradecimiento.
Este libro ha sido escrito principalmente en la parte de nuestro tiempo que le corres-
ponda a nuestras familias. Por su paciencia y comprensin, el resultado de este esfuerzo va
dedicado a ellas.
Benavente, marzo de 2007
NDICE
1. Introduccin 1
1.1. Comunicaciones digitales y analgicas . . . . . . . . . . . . . . . . . . . . 1
1.2. Elementos de un sistema de comunicaciones digitales . . . . . . . . . . . . 3
1.3. Canales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4. Estructura del libro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2. Seales y sistemas 9
2.1. Seales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1. Clasicacin de seales . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2. Medidas de seales . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.3. Seales de inters . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.4. Espacios de Hilbert para seales de energa nita . . . . . . . . . . 20
2.2. Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1. Clasicacin de los sistemas . . . . . . . . . . . . . . . . . . . . . 25
2.2.2. Sistemas lineales e invariantes . . . . . . . . . . . . . . . . . . . . 27
2.3. Representacin de seales y sistemas mediante transformadas . . . . . . . 31
2.3.1. Respuesta de los sistemas lineales e invariantes a las exponenciales
complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.2. Transformada de Fourier para seales y sistemas en tiempo continuo 34
2.3.3. Transformada de Fourier para seales y sistemas en tiempo discreto 46
2.3.4. Transformada Z para sistemas lineales e invariantes . . . . . . . . . 51
2.3.5. Transformada Discreta de Fourier . . . . . . . . . . . . . . . . . . 64
2.3.6. Representacin de seales paso banda . . . . . . . . . . . . . . . . 72
2.4. Muestreo, diezmado e interpolacin . . . . . . . . . . . . . . . . . . . . . 75
2.4.1. Muestreo de seales en tiempo continuo . . . . . . . . . . . . . . . 75
2.4.2. Interpolacin y diezmado de secuencias . . . . . . . . . . . . . . . 82
2.4.3. Simulacin de seales y sistemas . . . . . . . . . . . . . . . . . . 85
2.5. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3. Teora de la probabilidad y procesos estocsticos 93
3.1. Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.1.1. Asignacin de probabilidades a sucesos . . . . . . . . . . . . . . . 95
X NDICE
3.2. Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.2.1. Distribucin de probabilidades y funcin de densidad de probabilidad 97
3.2.2. Esperanza matemtica . . . . . . . . . . . . . . . . . . . . . . . . 99
3.2.3. Distribuciones de inters . . . . . . . . . . . . . . . . . . . . . . . 100
3.2.4. Funcin de una variable aleatoria . . . . . . . . . . . . . . . . . . 106
3.2.5. Variables aleatorias conjuntamente distribuidas . . . . . . . . . . . 110
3.2.6. Probabilidades condicionales . . . . . . . . . . . . . . . . . . . . . 115
3.2.7. Distribuciones mixtas . . . . . . . . . . . . . . . . . . . . . . . . . 123
3.2.8. Teorema central del lmite . . . . . . . . . . . . . . . . . . . . . . 125
3.3. Procesos estocsticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
3.3.1. Caracterizacin de procesos estocsticos . . . . . . . . . . . . . . . 128
3.3.2. Estacionariedad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
3.3.3. Ergodicidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3.3.4. Sistemas lineales con entradas estocsticas . . . . . . . . . . . . . 144
3.3.5. Densidad espectral de potencia . . . . . . . . . . . . . . . . . . . . 148
3.3.6. Procesos gausianos, seal y ruido . . . . . . . . . . . . . . . . . . 154
3.3.7. Procesos gausianos complejos . . . . . . . . . . . . . . . . . . . . 157
3.3.8. Modulacin de procesos continuos . . . . . . . . . . . . . . . . . . 161
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
3.A. Teorema de Wiener-Khinchine . . . . . . . . . . . . . . . . . . . . . . . . 172
4. Modulacin y deteccin en canales gausianos 175
4.1. Un modelo de comunicacin digital . . . . . . . . . . . . . . . . . . . . . 175
4.2. Modulador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
4.3. Demodulador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
4.3.1. Correlacionador . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
4.3.2. Filtro adaptado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
4.3.3. Canal discreto equivalente . . . . . . . . . . . . . . . . . . . . . . 194
4.4. Decisor y codicador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
4.4.1. Desarrollo del decisor ptimo . . . . . . . . . . . . . . . . . . . . 195
4.4.2. Clculo de probabilidades de error . . . . . . . . . . . . . . . . . . 202
4.4.3. Codicador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
4.5. Transmisin indenida de smbolos . . . . . . . . . . . . . . . . . . . . . 224
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
4.A. Procedimiento de ortogonalizacin de Gram-Schmidt . . . . . . . . . . . . 237
4.B. Estadstico suciente para la deteccin . . . . . . . . . . . . . . . . . . . . 243
5. Modulaciones de amplitud 247
5.1. PAM en banda base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
5.1.1. Espectro de la seal PAM en banda base . . . . . . . . . . . . . . . 250
5.1.2. Transmisin de PAM en banda base sobre canales gausianos . . . . 252
NDICE XI
5.2. El criterio de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
5.2.1. Pulsos en coseno alzado . . . . . . . . . . . . . . . . . . . . . . . 259
5.2.2. Otras consecuencias del criterio de Nyquist . . . . . . . . . . . . . 261
5.2.3. Probabilidades de error . . . . . . . . . . . . . . . . . . . . . . . . 263
5.3. Transmisin de PAM sobre canales lineales . . . . . . . . . . . . . . . . . 263
5.3.1. El diagrama de ojo . . . . . . . . . . . . . . . . . . . . . . . . . . 271
5.4. PAM paso banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
5.4.1. Espectro de la seal PAM paso banda . . . . . . . . . . . . . . . . 282
5.4.2. Receptores para PAM paso banda . . . . . . . . . . . . . . . . . . 284
5.4.3. Caractersticas del ruido en el receptor . . . . . . . . . . . . . . . . 286
5.4.5. Probabilidades de error . . . . . . . . . . . . . . . . . . . . . . . . 291
5.5. Implementacin discreta de sistemas PAM . . . . . . . . . . . . . . . . . . 293
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
6. Deteccin en canales con interferencia intersimblica 305
6.1. El problema de la interferencia entre smbolos . . . . . . . . . . . . . . . . 306
6.1.2. Medida de la interferencia entre smbolos . . . . . . . . . . . . . . 307
6.1.3. Cota del ltro adaptado . . . . . . . . . . . . . . . . . . . . . . . . 309
6.2. Detector de mxima verosimilitud de secuencias en presencia de ISI . . . . 311
6.2.1. Expresin del detector ML de secuencias . . . . . . . . . . . . . . 312
6.2.2. El algoritmo de Viterbi . . . . . . . . . . . . . . . . . . . . . . . . 313
6.2.3. Probabilidad de error del detector ML de secuencias . . . . . . . . 320
6.3. Igualacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
6.3.1. Igualador lineal bajo el criterio forzador de ceros . . . . . . . . . . 328
6.3.2. Igualador lineal bajo el criterio de error cuadrtico medio . . . . . . 331
6.4. Igualador con realimentacin de decisiones . . . . . . . . . . . . . . . . . 337
6.4.1. Concepto de realimentacin de decisiones . . . . . . . . . . . . . . 337
6.4.2. Estructura del igualador DFE . . . . . . . . . . . . . . . . . . . . . 340
6.4.3. Igualador DFE bajo el criterio de error cuadrtico medio . . . . . . 341
6.4.4. Consideraciones sobre el diseo del igualador DFE . . . . . . . . . 345
6.5. Igualador fraccionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
6.6. Prestaciones asintticas de los igualadores . . . . . . . . . . . . . . . . . . 354
6.6.1. Igualador lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
6.6.2. Igualador con realimentacin de decisiones . . . . . . . . . . . . . 356
6.7. Ajuste del receptor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360
6.7.1. Esquemas no realimentados . . . . . . . . . . . . . . . . . . . . . 361
6.7.2. Igualacin adaptativa . . . . . . . . . . . . . . . . . . . . . . . . . 364
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
XII NDICE
6.A. Probabilidad de error de smbolo del detector ML . . . . . . . . . . . . . . 381
6.B. Estimacin lineal ptima . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
6.C. Minimizacin de la densidad espectral de potencia del error de igualacin . 385
6.D. Demostracin del teorema de factorizacin espectral . . . . . . . . . . . . 386
7. Modulaciones de fase y frecuencia 389
7.1. Modulaciones de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389
7.1.1. Modulaciones QPSK con desplazamiento temporal . . . . . . . . . 390
7.1.2. Receptores para modulaciones de fase . . . . . . . . . . . . . . . . 394
7.1.3. Modulaciones de fase diferencial . . . . . . . . . . . . . . . . . . . 394
7.2. Modulaciones por desplazamiento de frecuencia . . . . . . . . . . . . . . . 398
7.2.1. Seal transmitida FSK . . . . . . . . . . . . . . . . . . . . . . . . 399
7.2.2. Espectro de la seal FSK . . . . . . . . . . . . . . . . . . . . . . . 401
7.2.3. Receptores para FSK . . . . . . . . . . . . . . . . . . . . . . . . . 403
7.3. Modulacin MSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405
7.3.1. Seal transmitida MSK . . . . . . . . . . . . . . . . . . . . . . . . 406
7.3.2. Espectro de la seal MSK binaria . . . . . . . . . . . . . . . . . . 411
7.3.3. Receptores para MSK binaria . . . . . . . . . . . . . . . . . . . . 412
7.4. Modulaciones de fase continua . . . . . . . . . . . . . . . . . . . . . . . . 413
7.4.1. Seal transmitida CPM . . . . . . . . . . . . . . . . . . . . . . . . 414
7.4.2. Detector coherente ML para CPM . . . . . . . . . . . . . . . . . . 421
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424
7.A. Espectro de una seal multipulso sin memoria . . . . . . . . . . . . . . . . 428
7.B. Receptor Incoherente ptimo . . . . . . . . . . . . . . . . . . . . . . . . . 430
7.B.1. Receptor ML Incoherente para CPFSK ortogonal binaria . . . . . . 432
8. Modulaciones multipulso 435
8.1. Modulaciones multiportadora . . . . . . . . . . . . . . . . . . . . . . . . . 435
8.1.1. Modulaciones multiportadora en tiempo continuo . . . . . . . . . . 437
8.1.2. Modulaciones multiportadora en tiempo discreto . . . . . . . . . . 442
8.1.3. Receptores para modulaciones multiportadora . . . . . . . . . . . . 450
8.1.5. Canal discreto equivalente en banda base . . . . . . . . . . . . . . 452
8.1.6. Eliminacin de la ISI y la ICI en modulaciones multiportadora . . . 456
8.1.7. La OFDM vista como un proceso en bloques . . . . . . . . . . . . 460
8.1.8. Igualacin Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 463
8.2. Modulaciones de espectro ensanchado . . . . . . . . . . . . . . . . . . . . 464
8.2.1. Espectro ensanchado por secuencia directa . . . . . . . . . . . . . 468
8.2.2. Espectro de la seal espectro ensanchado por secuencia directa . . . 470
8.2.3. Receptores para modulaciones de espectro ensanchado por secuen-
cia directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471
NDICE XIII
8.2.6. Inmunidad a las interferencias de banda estrecha . . . . . . . . . . 475
8.2.7. Espectro ensanchado por salto en frecuencia . . . . . . . . . . . . . 477
8.2.8. Receptores RAKE . . . . . . . . . . . . . . . . . . . . . . . . . . 481
8.2.9. Diseo de pulsos para espectro ensanchado . . . . . . . . . . . . . 487
8.3. Acceso mltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
8.3.1. Seales multiusuario en CDMA . . . . . . . . . . . . . . . . . . . 496
8.3.2. Diseo de secuencias de cdigo para CDMA . . . . . . . . . . . . 501
8.3.3. Deteccin Multiusuario . . . . . . . . . . . . . . . . . . . . . . . . 510
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518
9. Lmites fundamentales en las comunicaciones digitales 529
9.1. Modelos probabilsticos de canal . . . . . . . . . . . . . . . . . . . . . . . 530
9.1.1. Canales digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . 532
9.1.2. Canal gausiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 536
9.1.3. Canal gausiano con entrada digital . . . . . . . . . . . . . . . . . . 539
9.2. Canales digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 540
9.2.1. Informacin y entropa . . . . . . . . . . . . . . . . . . . . . . . . 540
9.2.2. Capacidad de canal . . . . . . . . . . . . . . . . . . . . . . . . . . 546
9.2.3. Teorema de codicacin de canal . . . . . . . . . . . . . . . . . . 552
9.3. Canal gausiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 560
9.3.1. Informacin mutua y entropa diferencial . . . . . . . . . . . . . . 560
9.3.2. Capacidad del canal gausiano . . . . . . . . . . . . . . . . . . . . 563
9.3.3. Teorema de codicacin de canal y curva de capacidad . . . . . . . 567
9.3.4. Canal gausiano con entrada digital . . . . . . . . . . . . . . . . . . 572
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 576
9.A. Justicacin de la medida de entropa . . . . . . . . . . . . . . . . . . . . 581
9.B. Demostracin de algunas desigualdades . . . . . . . . . . . . . . . . . . . 584
9.C. Relacin entre las medidas de variables aleatorias continuas y discretas . . . 587
10. Codicacin para proteccin contra errores 591
10.1. Introduccin y deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . 591
10.2. Cdigos bloque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 599
10.2.1. Cdigos bloque lineales . . . . . . . . . . . . . . . . . . . . . . . 600
10.2.2. Cdigos cclicos y su estructura algebraica . . . . . . . . . . . . . 605
10.2.3. Cdigos BCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612
10.2.4. Cdigos Reed-Solomon . . . . . . . . . . . . . . . . . . . . . . . 616
10.2.5. Decodicacin de los cdigos BCH y RS . . . . . . . . . . . . . . 619
10.2.6. Prestaciones de los cdigos bloque . . . . . . . . . . . . . . . . . . 622
10.3. Cdigos convolucionales . . . . . . . . . . . . . . . . . . . . . . . . . . . 627
10.3.1. Cdigos convolucionales lineales . . . . . . . . . . . . . . . . . . 627
XIV NDICE
10.3.2. Decodicacin de los cdigos convolucionales . . . . . . . . . . . 630
10.3.3. Prestaciones de los cdigos convolucionales . . . . . . . . . . . . . 633
10.4. Modulaciones codicadas en rejilla . . . . . . . . . . . . . . . . . . . . . . 646
10.4.1. TCM bsicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 647
10.4.2. TCM con bits sin codicar . . . . . . . . . . . . . . . . . . . . . . 651
10.4.3. Otros TCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 657
10.5. Tcnicas de codicacin avanzada . . . . . . . . . . . . . . . . . . . . . . 660
10.5.1. Cdigos turbo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 661
10.5.2. Cdigos LDPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 671
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 682
11. Sincronizacin 687
11.1. Caractersticas de la seal recibida: el problema de la sincronizacin . . . . 687
11.2. Receptor ML ptimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 690
11.3. Lazo enganchado en fase (PLL) . . . . . . . . . . . . . . . . . . . . . . . 697
11.3.1. Anlisis del PLL . . . . . . . . . . . . . . . . . . . . . . . . . . . 700
11.3.2. Otras consideraciones . . . . . . . . . . . . . . . . . . . . . . . . 705
11.4. Sincronizacin de smbolo . . . . . . . . . . . . . . . . . . . . . . . . . . 706
11.4.1. Esquemas realimentados . . . . . . . . . . . . . . . . . . . . . . . 710
11.5. Recuperacin de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
11.5.1. Recuperacin de fase dirigida por decisin . . . . . . . . . . . . . 715
11.5.2. Recuperacin de fase no asistida por los datos . . . . . . . . . . . . 716
11.6. Ajuste de frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 721
11.6.1. Ajuste de errores de frecuencia grandes . . . . . . . . . . . . . . . 722
11.6.2. Ajuste de errores de frecuencia pequeos . . . . . . . . . . . . . . 726
11.7. Sincronizacin de modulaciones multiportadora . . . . . . . . . . . . . . . 729
11.7.1. Impacto de los errores de sincronizacin en modulaciones multipor-
tadora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 730
11.7.2. Sincronizacin pre-DFT . . . . . . . . . . . . . . . . . . . . . . . 734
11.7.3. Sincronizacin post-DFT . . . . . . . . . . . . . . . . . . . . . . . 737
11.8. Sincronizacin para modulaciones de espectro ensanchado . . . . . . . . . 738
11.8.1. Adquisicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 739
11.8.2. Seguimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 741
11.8.3. Ajuste de fase y frecuencia . . . . . . . . . . . . . . . . . . . . . . 743
11.8.4. Salto en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . 743
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 744
11.A. Resultados asintticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 753
11.B. Criterio ML para SNR reducida . . . . . . . . . . . . . . . . . . . . . . . 755
11.C. Cicloestacionariedad y sincronizacin . . . . . . . . . . . . . . . . . . . . 756
11.D. Estimacin gruesa de frecuencia . . . . . . . . . . . . . . . . . . . . . . . 758
CAPTULO 1
INTRODUCCIN
1.1. COMUNICACIONES DIGITALES Y ANALGICAS
Por qu comunicaciones digitales? Para comprender el sentido de la pregunta es nece-
sario entender que muchas de las seales que deseamos comunicar estn originalmente en
formato analgico y que cabe, por tanto, transmitirlas usando alguna de las tcnicas clsicas
en comunicaciones analgicas, como la modulacin de amplitud (amplitude modulation,
AM) o la modulacin de frecuencia (frequency modulation, FM). Un ejemplo puede ser
una seal de voz que es captada por el micrfono de un telfono mvil de primera genera-
cin y que, modulada en FM, se transmite por radio hasta la estacin base. Como alternativa,
se puede pensar en digitalizar la seal de voz y transmitir los bits resultantes utilizando cual-
quiera de las tcnicas empleadas en este libro.
El concepto comunicaciones digitales suele evocar la idea de seales de voltaje que
cambian entre dos niveles que representan el uno y el cero y que, aunque distorsionadas al
ser transmitidas por el canal, pueden ser reconstruidas en el destino gracias a su carcter
discreto. Como veremos, estas formas de onda no son precisamente las ms ecientes para
comunicar informacin y existen soluciones mejores; sin embargo, son un buen ejemplo de
cmo la discretizacin ayuda a conseguir una comunicacin able. De hecho, la diferencia
fundamental entre comunicaciones digitales y analgicas es que en las primeras el nmero
de formas de onda transmitidas posibles es nito, lo que no ocurre en el segundo caso. Pode-
mos pensar, por tanto, que en un instante de tiempo dado el transmisor tiene a su disposicin
un conjunto nito y discreto de formas de onda que puede hacer corresponder con los bits a
transmitir.
Ahora que hemos aclarado de qu estamos hablando cuando nos referimos a las comu-
nicaciones digitales, retomemos la pregunta que nos hacamos al principio e identiquemos
sus ventajas frente a las comunicaciones analgicas. Cabe sealar, en primer lugar, que en
muchas ocasiones la propia naturaleza digital de la informacin hace que no quepa otra
alternativa, por ejemplo, cuando se desea transmitir un chero de texto. En otros casos es
la naturaleza del canal, en s ms adecuado para la transmisin de seales digitales, la que
aconseja el uso de tcnicas de comunicaciones digitales. Esto ocurre, por ejemplo, en los
2 INTRODUCCIN
dispositivos de almacenamiento ptico, como el DVD (Digital Versatile Disc).
Una destacable ventaja de las comunicaciones digitales con respecto a las analgicas es
el grado de abstraccin que permite alcanzar, independizando la comunicacin de la natu-
raleza de la informacin a enviar. Para un sistema de comunicaciones digitales se aplica el
viejo dicho un bit es un bit, que puede entenderse como que su objetivo no es otro que
comunicar de manera able cada bit, con independencia de qu representa
1
. Fue Claude
Shannon quien se encarg de demostrar en los aos 40 que el problema de la transmisin
de informacin se poda descomponer en dos sin prdida terica de prestaciones: primero se
busca la forma ms eciente de representar como una secuencia binaria la seal a transmitir;
despus se busca la forma ms eciente de transmitir la secuencia binaria.
Otra gran ventaja de las comunicaciones digitales se conoce como el efecto regenerati-
vo. Cuando se deseaba transmitir informacin a larga distancia (p.ej., a travs de un cable
submarino), la atenuacin sufrida por la seal enviada obligaba a que los sistemas de comu-
nicaciones analgicas incorporasen repetidores, esto es, dispositivos que captan, amplican
y retransmiten dicha seal. El inconveniente de los repetidores es que no slo amplican la
seal, sino tambin el ruido, por lo que al nal de una cadena con muchos repetidores la
calidad de la seal en el extremo receptor poda ser muy pobre. Empleando comunicaciones
digitales es posible emplear repetidores regenerativos, esto es, que reconstruyen la seal an-
tes de retransmitirla. De este modo, si la calidad de un solo enlace es sucientemente buena,
la reconstruccin puede tener lugar sin apenas errores, lo que hace que la informacin en
el extremo receptor pueda extraerse sin una prdida de calidad apreciable. Curiosamente,
es el efecto regenerativo el que tambin propicia que se realicen copias de un medio de
almacenamiento ptico a otro manteniendo la calidad.
Adems, las comunicaciones digitales permiten aprovechar todo el potencial de los sis-
temas electrnicos digitales para alcanzar el objetivo de fabricar terminales ms baratos y
pequeos. Gracias al formato digital, es posible emplear tcnicas de tratamiento digital de
seales que dotan a los sistemas de nuevas funcionalidades, entre las que destaca la exi-
bilidad. Un terminal de comunicaciones digitales moderno contiene una enorme cantidad
de software; de hecho, se tiende hacia terminales denidos mediante software, que pue-
dan actualizarse automticamente para incorporar nuevas versiones del estndar bajo el que
operan, o incluso de diferentes estndares, dependiendo del uso que se de al terminal. Asi-
mismo, el formato digital permite aplicar sobre las seales ciertas operaciones que en el caso
analgico no estn resueltas satisfactoriamente, como ocurre con la criptografa, gracias a la
cual se consigue conferir privacidad a la comunicacin.
Finalmente, los sistemas digitales permiten construir fcilmente mecanismos de multi-
plexacin temporal y encaminamiento, que resultaran muy complejos con sistemas anal-
gicos.
Pero no todo van a ser ventajas: as, las seales obtenidas al digitalizar una seal analgi-
ca necesitan ms ancho de banda para poder ser transmitidas con un nivel similar de calidad.
Por fortuna, en la prctica se han conseguido desarrollar algoritmos de codicacin de fuen-
1
En realidad, cuando se trata de taricar, los operadores de telefona mvil bien saben que un bit no es un
bit: enviar un bit de un mensaje de texto cuesta ms de 500 veces ms que un bit de voz.
1.2 ELEMENTOS DE UN SISTEMA DE COMUNICACIONES DIGITALES 3
te tan ecientes que la situacin ha dado la vuelta, siendo posible en la actualidad emplear
una fraccin del ancho de banda ocupado por la seal analgica; no obstante, estos algo-
ritmos demandan una elevada potencia de clculo que encarece el coste de los terminales.
A ello hay que aadir, por supuesto, el coste de los conversores analgico/digital y digi-
tal/analgico. Slo gracias a los rpidos avances en las tecnologas de circuitos integrados
se han podido reducir estos costes.
Otra desventaja de las comunicaciones digitales es la necesidad de sincronizar perfec-
tamente los relojes empleados en transmisin y recepcin. Como comprobaremos en este
texto (Captulo 11), ello ha obligado a concebir ingeniosos algoritmos de sincronizacin.
1.2. ELEMENTOS DE UN SISTEMA DE COMUNICACIONES DIGITALES
La Figura 1.1 es un diagrama de bloques que contiene los elementos fundamentales de
un sistema de comunicaciones digitales. La fuente de informacin puede ser, como ya he-
mos indicado, analgica o digital. En el primer caso podemos tener, por ejemplo, la seal
captada por un micrfono o por una cmara; en el segundo, la fuente podra ser un servi-
dor web. La misin del bloque denominado codicacin de fuente es la de representar la
informacin de fuente con la menor cantidad de bits posible; es por ello que en ocasiones se
habla de compresin de la informacin. Para lograr este propsito el codicador de fuente
elimina la redundancia presente en la seal a su entrada. Pinsese, por ejemplo, en una se-
al de televisin, en la que el locutor apenas vara de posicin de un cuadro de la imagen
al siguiente; en tal caso es ms eciente transmitir slo la informacin que nos dice cmo
vara la imagen en un cuadro con respecto al anterior que el cuadro completo. Naturalmente,
cuanta ms redundancia, mayor compresin se puede alcanzar.
Fuente de
informacin
Codificador
de fuente
Codificador
de canal
Modulador
Canal
Sumidero
Decodificador
de fuente
Decodificador
de canal
Demodulador
Figura 1.1. Diagrama de bloques de un sistema de comunicaciones digitales.
El bloque denominado codicacin de canal protege los bits fruto de la compresin
contra errores producidos en el canal. Es fcil entender que cuanta ms redundancia se haya
eliminado ms importante ser cada bit, en el sentido de que si se recibe errneamente,
sus efectos se propagarn cuando se descomprima la seal recibida. Cmo protege los
bits el codicador de canal? Aadiendo redundancia. Ciertamente, en este punto el lector
4 INTRODUCCIN
puede hallarse un tanto desconcertado: hemos eliminado redundancia y ahora volvemos a
introducirla. Pero hay que pensar que se trata de otro tipo de redundancia, destinada a evitar
que se produzcan errores en el canal. Una forma sencilla, aunque poco eciente, de cdigo
de canal consiste en repetir cada bit un nmero impar n de veces y en el decodicador
decidir por mayora: si en los n bits recibidos hay ms unos que ceros, se decide que se
transmiti un uno; en caso contrario, un cero. En el Captulo 10 comprobaremos que existen
formas de construir cdigos de canal mucho mejores, en el sentido de que la probabilidad
de equivocacin por bit transmitido es menor.
La secuencia de bits que sale del codicador de canal debe ser ahora transformada en
formas de onda que se adapten a las caractersticas del canal. Por ejemplo, si el canal es
limitado en banda, no se gana nada transmitiendo potencia fuera de ella. El cometido del
modulador digital es hacer corresponder las formas de onda de un conjunto nito y discreto
con los bits que se tienen a su entrada. En el caso ms sencillo que recordbamos en el apar-
tado anterior, la transmisin de un bit de valor uno se corresponde con una forma de onda
rectangular de un determinado nivel de voltaje, mientras que el cero se corresponde con otro
nivel distinto. Pero se pueden concebir esquemas ms ecientes sin ms que considerar un
nmero mayor de niveles posibles, haciendo la correspondencia entre varios bits y una for-
ma de onda. Por ejemplo, los bits de entrada al modulador se pueden agrupar de tres en tres
para transmitir un pulso rectangular que pueda tomar uno de entre 2
3
= 8 niveles posibles.
La clave de un buen diseo est en elegir adecuadamente las formas de onda para que su
nmero sea lo mayor posible (y as enviar ms bits por cada forma de onda transmitida) y
sean lo sucientemente distintas como para que al ser deterioradas en el canal se puedan
seguir distinguiendo en el receptor.
El canal se corresponde con el medio fsico sobre el que transmitimos la seal que sale
del modulador. Por ejemplo, el canal puede ser el cable de pares de la lnea telefnica,
o el espacio libre en el caso de seales de radio. Por desgracia, todos los medios fsicos
deterioran la seal transmitida al menos de dos maneras: por un lado distorsionan la forma
de onda y por otro corrompen la seal incorporando ruido. En ltima instancia son estos
efectos indeseables los que dan sentido a muchas de las tcnicas que estudiaremos en este
libro.
Los bloques de la gura denominados demodulador digital, decodicador de canal y
decodicador de fuente simplemente realizan las funciones inversas al modulador digital,
codicador de canal y codicador de fuente, respectivamente. Por ejemplo, el demodulador
digital debe convertir la forma de onda recibida en un grupo de bits, para lo que suele buscar
aquella forma de onda transmitida que ms se parece a la recibida.
Por lo que respecta al bloque denominado sumidero ste implica la vuelta al mundo
analgico en aquellos casos en que la seal a transmitir es de esta naturaleza, y la presenta-
cin o almacenamiento en aquellos casos en que la fuente es digital. Por ejemplo, en el caso
de una seal de voz, el bloque sumidero convierte los bits de entrada en una seal audible.
Los bloques codicador de fuente, codicador de canal y modulador componen el trans-
misor, mientras que el demodulador, el decodicador de canal y el decodicador de fuente
componen el receptor. En aplicaciones en que se necesita es mantener una comunicacin
digital bidireccional, es frecuente encapsular transmisor y receptor en un nico equipo que
1.3 CANALES 5
se conoce como mdem, trmino que procede de la combinacin de las palabras modula-
dor y demodulador. El ejemplo ms conocido es el mdem telefnico, empleado para
comunicar informacin digital sobre el cable de pares telefnico.
Los algoritmos de codicacin y decodicacin de fuente son fuertemente dependientes
de las caractersticas de la seal de entrada, por lo que suelen ser descritos en textos enfoca-
dos a aplicaciones especcas. Por otra parte, dado que nuestro objetivo es la comunicacin
able (con una baja probabilidad de error) de bits independientemente de su naturaleza, el
mbito del presente texto ser exclusivamente el de los bloques sombreados en la Figura
1.1.
1.3. CANALES
La existencia de un canal es la razn que justica la existencia de un sistema de comu-
nicaciones, y la forma en que un canal degrada la seal que ponemos a su entrada es la gua
para el diseo del sistema de comunicaciones. Por esta razn, conviene que nos detengamos
a analizar, al menos, los tipos de canales ms importantes.
Un primer tipo de canales son aquellos en que el medio fsico empleado para la trans-
misin es un conductor elctrico, tal como el par de hilos de cobre que conectan un terminal
telefnico con la central o centralita a la que est asociado, el cable coaxial que conecta el
mdem de una red de cable con su distribuidor correspondiente, los ocho hilos de un cable
de pares trenzados de los utilizados para conectar un ordenador al conmutador de la red de
rea local o los cuatro hilos paralelos de un cable USB (Universal Serial Bus).
Los principales mecanismos de degradacin que introduce este medio son la atenuacin
de la seal puesta a su entrada y la adicin del denominado ruido trmico. La atenuacin va
a depender, entre otros factores, de la longitud de los hilos o el cable, pero no de la longitud
en unidades de medida como el metro, sino en longitudes de onda de la seal que lo atraviesa
(supuesto que es una sinusoide), lo que implica que sinusoides de distintas frecuencias van
a sufrir distintas atenuaciones. Para una seal en general, este efecto se va a traducir en una
distorsin de su forma de onda. El segundo efecto, el ruido trmico o ruido de Johnson, se
produce por el movimiento desordenado de los electrones en un material conductor y es de
naturaleza aleatoria. Es, en la mayora de los casos, el factor que limita ms severamente la
abilidad de la comunicacin.
Un segundo tipo de canal es el denominado canal radioelctrico o canal radio, que en-
globa todas aquellas transmisiones electromagnticas en el espacio libre. Suele dividirse en
canal radio jo (si tanto la antena transmisora como la receptora estn en una ubicacin f-
sica ja) y canal radio mvil (si al menos una de las antenas est en movimiento). Ejemplos
de estos canales son los radioenlaces jos en HF (High Frequency, de 3 a 30 MHz), el
canal radio mvil en el sistema de telefona mvil GSM en las bandas de 900 o 1.800 MHz
o el canal entre un satlite de comunicaciones y un receptor terrestre en la banda Ka (entre
18 y 40 GHz).
Los mecanismos de propagacin electromagntica son distintos en bandas distintas de
frecuencia, pero en espacio libre el efecto es slo una atenuacin (aunque puede ser distinta
6 INTRODUCCIN
a frecuencias distintas). El principal mecanismo de distorsin de la forma de onda es debido
a las mltiples reexiones y refracciones que pueden sufrir las ondas electromagnticas en
su propagacin, lo que se conoce con el nombre de propagacin multitrayecto, que provoca
que en la antena receptora aparezcan rplicas de la onda original a distintos retardos y con
distintas amplitudes. Adicionalmente, en el canal radio mvil (o en canales jos si cambian
las condiciones de propagacin), todos estos efectos varan con el tiempo, lo que origina un
nuevo problema que no vamos a considerar en este texto y que se suele denominar trans-
misin en canales con desvanecimiento. A los lectores interesados les recomendamos como
primera opcin la consulta de los captulos correspondientes en algunos libros generales de
comunicaciones digitales como [61].
En el canal radioelctrico no hemos mencionado la presencia del ruido trmico porque
no aparece en la propagacin radioelctrica, lo que no quiere decir que lo vayamos a poder
evitar, ya que en el momento de realizar la conversin electromagntica a elctrica en la
antena, encontramos el primer elemento metlico, por no mencionar toda la circuitera elc-
trica o electrnica posterior. Aunque en trminos absolutos la magnitud del ruido trmino
que introduce la antena puede ser muy pequea, la seal que recibe esta misma antena tam-
bin puede ser muy pequea, por lo que el ruido trmico vuelve a ser el factor limitante ms
importante tambin en este canal.
La aparicin del ruido trmico en el canal radioelctrico pone de maniesto que rara vez
nos encontraremos con un canal compuesto por un nico medio fsico (en este caso, pro-
pagacin radioelctrica y circuitos elctricos o electrnicos). Un ejemplo extremo de esta
situacin puede ser el canal telefnico en banda vocal que ha sido profusamente utilizado
en dcadas pasadas: imaginemos que queremos realizar una comunicacin entre Madrid y
Buenos Aires empleando mdems de canal telefnico; adems del par de hilos entre el m-
dem y la central probablemente la seal atraviese un gran nmero de medios de transmisin
como enlaces va radio terrestres, satelitales, cables submarinos, cables coaxiales terrestres,
etc., adems de posibles conversiones analgico-digital y digital-analgico. Para lograr una
caracterizacin til de este tipo de canales compuestos se suele agrupar todas las distorsio-
nes sobre la forma de onda como un nico sistema lineal o no lineal y todas las fuentes de
ruido aditivo en una nica, generalmente representada como ruido trmico.
Un tercer tipo de canal, que no vamos a considerar en este texto, son los canales pticos,
tanto guiados (bras pticas) como no guiados. El principal motivo de su ausencia en este
texto es que, en general, requiere un desarrollo distinto (como demuestra la existencia de nu-
merosos libros dedicados exclusivamente a las comunicaciones pticas) debido, entre otras
razones, al poco desarrollo de los dispositivos que permiten realizar pticamente operacio-
nes como las que vamos a considerar y, adems, porque el ruido presente en los dispositivos
fotnicos, de tipo impulsivo, es de naturaleza radicalmente distinta al ruido trmico.
De lo expuesto hasta ahora podra deducirse que todos los codicadores de canal y mo-
duladores se aplican para comunicaciones que podramos denominar instantneas, pero
no es as. El cuarto tipo de canal que vamos a considerar es el canal magntico, que encon-
tramos en discos duros y cintas magnticas. Tngase en cuenta que, desde el punto de vista
del diseo del sistema de comunicacin importa poco que el retardo entre la entrada al canal
(grabacin en el caso del canal magntico) y la salida (lectura en el caso del canal magn-
1.3 CANALES 7
tico) sea de microsegundos o de aos (siempre que no exista realimentacin del receptor al
transmisor). Este canal, al igual que los canales radioelctrico y de medio conductor, intro-
duce una distorsin a la forma de onda (aunque los mecanismos que generan esta distorsin
sean de naturaleza distinta) y un ruido que, aunque no es el ruido trmico, presenta unas
propiedades muy similares a ruido trmico ltrado. Resulta impensable hoy en da producir
discos duros o sistemas de almacenamiento en cinta magntica sin emplear tcnicas como
las que se describen en este texto.
Otro interesante ejemplo de canal no instantneo es el que aparece en los sistemas de
marcado de agua digital. El marcado de agua digital se reere a un conjunto de tcnicas
utilizadas para enviar informacin escondida en un objeto multimedia. Por ejemplo, una
marca de agua puede incrustarse de forma invisible en una imagen digital; dicha marca
puede contener informacin sobre el propietario legal de la imagen, anotaciones relativas a
la misma o datos que garanticen su integridad. En estos casos, el canal es la propia imagen
en donde se desea esconder la marca, que por su parte hace las veces de seal transmitida.
La comunicacin se ve dicultada por el hecho de que, para garantizar la invisibilidad, la
energa de la imagen (nivel de ruido) suele ser mucho mayor que el de la marca (nivel de
seal), por lo que se suelen emplear tcnicas de proteccin contra errores como las que
describiremos en este libro para conseguir comunicar la cantidad de informacin deseada.
Adems de las fuentes intrnsecas de degradacin que introducen los canales y que he-
mos analizado hasta ahora puede existir adems otro tipo de interferencias de fuentes no
naturales que es necesario tener en cuenta en algunos canales concretos. Si esa interferencia
est provocada por otras comunicaciones simultneas solemos hablar de interferencia radio-
elctrica o interferencia a secas en el caso del canal radioelctrico y diafona en el caso de
canal de medio conductor. Si adems esta interferencia est producida por otras comunica-
ciones de las mismas caractersticas realizadas por otros usuarios se denomina interferencia
multiusuario.
Otras interferencias suelen denominarse ruido generado por el ser humano si la fuente
de la interferencia es alguna mquina o aparato elctrico o electromecnico (por ejemplo,
las interferencias generadas por los tubos uorescentes de iluminacin o por las bujas de
los motores de explosin en el canal radio, o los transitorios que generan los arranques de
motores en la lnea elctrica considerada como canal). En algunos mbitos como el militar
tambin existen interferencias que se realizan de forma deliberada para degradar un siste-
ma de comunicaciones por parte del enemigo, que en este contexto recibe el nombre de
jammer. En general, aunque las principales fuentes de degradacin siguen siendo el ruido
trmico y la distorsin de la forma de onda, la presencia de estas interferencias condiciona el
diseo de los sistemas de comunicacin y fuerza el empleo de tcnicas para su mitigacin.
Estas tcnicas incluyen, por ejemplo, el empleo de modulaciones resistentes a interferen-
cias (vase el Apartado 8.2.6), de receptores multiusuario (vase el Apartado 8.3.3), o de
canceladores de interferencias.
8 INTRODUCCIN
1.4. ESTRUCTURA DEL LIBRO
En el contexto de las redes de ordenadores, en que se establece un modelo de capas para
la comunicacin, nuestro texto se centra en la llamada capa fsica, cuyo cometido no es otro
que la transmisin able de bits de un extremo a otro. Es por ello que en dicho modelo
la capa fsica es aqulla sobre la que descansan todas las dems; se necesitan unas buenas
prestaciones de la capa fsica para que el rendimiento del sistema completo sea aceptable.
Los Captulos 2 y 3 repasan los conceptos fundamentales de seales y sistemas, y teora
de la probabilidad, respectivamente, y que son necesarios para la comprensin del resto del
libro. Aquellos lectores que tengan conocimientos previos en estos temas pueden saltarse su
lectura, aunque se recomienda un rpido vistazo para hacerse con la notacin empleada.
El Captulo 4 sirve para sentar las bases de la modulacin y deteccin, empleados en ca-
ptulos posteriores. Ello se consigue con la llamada formulacin en espacio de seales que
permite que el anlisis de un sistema de comunicaciones digitales se pueda abstraer de las
formas de onda empleadas. La extensin de dicha formulacin a la transmisin indenida
de informacin sirve de preludio al Captulo 5, que se ocupa de las modulaciones de ampli-
tud, describiendo las tcnicas que clsicamente se han utilizado para transmitir datos sobre
canales paso bajo y paso banda. Un concepto fundamental que aparece en el contexto de
este tipo de modulaciones es el de interferencia intersimblica, que se debe a la dispersin
temporal sobre las formas de onda transmitidas introducida por el medio fsico. El Captulo
6 se dedica precisamente a discutir tcnicas para mitigar la interferencia intersimblica y
posibilitar as la comunicacin.
Las limitaciones de algunos canales se traducen en distorsiones no lineales que dicul-
tan el empleo de modulaciones de amplitud. Una alternativa consiste en la utilizacin de
modulaciones de fase y frecuencia, que se discuten en el Captulo 7. La combinacin de
modulaciones de frecuencia con modulaciones de amplitud da lugar a las llamadas modu-
laciones multiportadora que recientemente se han convertido en el formato ms extendido
por sus excelentes propiedades en canales dispersivos y su relativa facilidad de implementa-
cin. El estudio de estas modulaciones se aborda en el Captulo 8. Una alternativa, tambin
descrita en el Captulo 8, es el empleo de modulaciones de espectro ensanchado.
El estudio de todos estos formatos de modulacin plantea de forma natural cules son
los lmites fundamentales de las comunicaciones digitales. Estos lmites, sorprendentemente
obtenidos por Shannon en los aos cuarenta, constituyen parte de la base de la teora de la
informacin, que se presenta en el Captulo 9, donde, adems, se introduce la codicacin
de canal como forma pragmtica de acercarse a dichos lmites. La codicacin de canal
es precisamente el tema sobre el que versa el Captulo 10, en el que se discuten tanto las
tcnicas de codicacin clsicas, los cdigos bloque y los cdigos convolucionales, como las
modulaciones codicadas en rejilla o tcnicas avanzadas de codicacin como los cdigos
turbo o los cdigos LDPC. Finalmente, el Captulo 11 se ocupa de una importante cuestin
a veces soslayada en los libros de texto: la sincronizacin. sta se reere a la recuperacin
en el receptor de algunos parmetros empleados por el transmisor, como el reloj de smbolo
o la frecuencia de la portadora, y sin cuyo conocimiento las prestaciones se ven seriamente
afectadas.
CAPTULO 2
SEALES Y SISTEMAS
En este captulo se ofrece una revisin de los conceptos fundamentales de seales y
sistemas con algunas extensiones de la teora bsica que son de inters en el estudio de los
sistemas de comunicaciones como son el espacio de Hilbert de las seales de energa nita
o la representacin de seales paso banda.
2.1. SEALES
Una seal es una representacin matemtica de la evolucin de una magnitud fsica (o
una medida) respecto de algn o algunos parmetros; generalmente tiempo o espacio. Es-
ta magnitud fsica puede ser voltaje, intensidad elctrica, presin, temperatura, intensidad
lumnica, etc.; e incluso puede que ni tan siquiera tenga un sentido fsico claro, como la
cotizacin burstil de una empresa determinada, o la poblacin mundial. Lo realmente in-
teresante del estudio de las seales es que suponen una abstraccin respecto a la magnitud
fsica concreta, pasando esta a ser considerada como una funcin matemtica, x(), que tie-
ne como variables independientes los parmetros con respecto a los cuales vara. A lo largo
de todo el texto vamos a considerar que existe un nico parmetro y que este es el tiempo.
A continuacin vamos a abordar los siguientes aspectos relacionados con el estudio de
las seales: criterios que nos permiten su clasicacin, medidas que podemos realizar sobre
ellas, algunas seales concretas especialmente tiles y una representacin algebraica de las
seales que va a ser de inters en captulos posteriores. Adems, emplearemos este apartado
para ir introduciendo la notacin que se utilizar a lo largo de todo el texto.
2.1.1. Clasicacin de seales
Un primer paso en el estudio de las seales consiste en su clasicacin de acuerdo con
determinados criterios. Veamos a continuacin los criterios ms importantes.
Seales en tiempo continuo y en tiempo discreto. Si la variable independiente puede
tomar cualquier valor real decimos que la seal es en tiempo continuo y la denotamos como
10 SEALES Y SISTEMAS
x(t) (t R, siendo R el cuerpo de los nmeros reales). Si la variable independiente toma
solo valor en los nmeros enteros decimos que la seal es en tiempo discreto (tambin
denominada secuencia) y la denotamos como x[n] (n Z, siendo Z el anillo de los nmeros
enteros).
Ejemplo 2.1
Un ejemplo de seal en tiempo continuo es
x(t) = t
y un ejemplo de seal en tiempo discreto es
x[n] = n
que representamos en la Figura 2.1.
4
4
3
3
2
2
1
1
1
1
2
2
3
3
4
4
t
x(t)
0
4
4
3
3
2
2
1
1
1
1
2
2
3
3
4
4
n
x[n]
0
Figura 2.1. Ejemplos de seales en tiempo continuo y en tiempo discreto.
Ntese que la diferencia entre ambas seales no est en su descripcin analtica (el valor de la
seal es igual al valor de la variable independiente), sino en que x(0,5) es igual a 0,5 y x[0,5] no
existe, no est denido.
En algunos casos las secuencias se obtienen a partir de muestras de seales en tiempo conti-
nuo, pero en otros la propia magnitud fsica que representa la seal es de naturaleza discreta.
Al n y al cabo, una secuencia no es sino una lista de nmeros ordenados.
Seales analgicas y digitales. Si la seal puede tomar uno entre un conjunto nito de
valores decimos que la seal es digital y la denotamos con letras maysculas como X(t) o
X[n] (segn sea en tiempo continuo o en tiempo discreto). Si la seal puede tomar uno de
entre un conjunto innito de valores decimos que la seal es analgica y la denotamos con
letras minsculas como x(t) o x[n].
Comnmente se asocia el trmino seal digital a seales en tiempo discreto y digitales,
pero no hay que confundir una propiedad que afecta a la variable independiente (tiempo
continuo o tiempo discreto) con una propiedad que afecta a los valores que toma la seal
propiamente dicha (analgica o digital).
2.1 SEALES 11
Ejemplo 2.2
La Figura 2.2 representa ejemplos de seales digitales en tiempo continuo y en tiempo discreto
que slo pueden tomar los valores 1 y 1. Las seales del ejemplo anterior eran seales analgi-
cas.
4 3 2 1 1 2 3 4
1
1
t
X(t)
0 4 3 2 1 1 2 3 4
1
1
n
X[n]
0
Figura 2.2. Ejemplos de seales digitales en tiempo continuo y de tiempo discreto.
Seales deterministas y aleatorias. Este criterio de clasicacin, comnmente citado en
numerosos textos, es un criterio falso porque no puede aplicarse a ninguna seal concre-
ta, sino al modelo matemtico que empleamos para representar las seales. Estrictamente
hablando, no podemos hablar de seales deterministas y seales aleatorias, sino de un mo-
delo determinista y un modelo aleatorio o estocstico para representar el conocimiento que
poseemos sobre las seales.
Bajo un modelo determinista, si suponemos que conocemos x(t) (o x[n]) estamos supo-
niendo que conocemos la amplitud de x(t) para todos los valores de t; por ejemplo, sabemos
que x(75,4) es igual a 2,1 y no cualquier otro, y as con todos lo valores de t. Bajo un modelo
estocstico, si suponemos que conocemos x(t) (o x[n]) estamos suponiendo que conocemos
las propiedades estadsticas de x(t) para todos los valores de t, pero no el valor concreto de
x(t); por ejemplo, sabemos que el valor medio (esperanza matemtica) de x(75,4) es igual
a 0,5, o que la varianza de x(75,4) es igual a 1,1, o que el valor x(75,4) tiene una descrip-
cin probabilstica gausiana de media 0,5 y varianza 1,1, pero no sabemos con certeza el
valor de la seal en ese instante.
El modelo realmente importante dentro de las comunicaciones es el modelo estocstico,
pues es el nico capaz de representar la informacin que puede contener una seal. Como
veremos a lo largo del texto, informacin es equivalente a incertidumbre sobre el valor
concreto que toma una seal, un parmetro, etc. Sin embargo, el tratamiento empleando
el modelo estocstico resulta por lo general ms complicado y farragoso, por lo que all
donde se pueda se recurrir a un modelo determinista. En este captulo vamos a considerar
nicamente el modelo determinista, tratando el modelo estocstico en el captulo siguiente.
Seales peridicas y aperidicas. Una seal es peridica si los valores que toma se repi-
ten de forma cclica. Matemticamente podemos expresarlo de la siguiente forma: una seal
x(t) (o x[n]) es peridica con periodo T (o N) si existe un valor T R (o N Z) para el
que se cumple que
x(t) = x(t +T) t (2.1)
( x[n] = x[n +N] n )
El menor valor de T (o N) para el que se cumple (2.1) se denomina periodo fundamental y
se denota como T
0
(o N
0
). Si una seal no es peridica se dice que es aperidica.
Seales reales y complejas. Una seal compleja es aquella que toma valores en el cuerpo
de los complejos, x(t) C o x[n] C. Una seal real es aquella que slo toma valores en
el cuerpo de los reales; x(t) R o x[n] R. Salvo que se especique lo contrario, siempre
que nos reramos a una seal sin especicar si es real o compleja entenderemos que es una
seal compleja.
Denimos las partes real e imaginaria de una seal como (omitimos la denicin para
secuencias por ser idntica)
1ex(t)
.
=
x(t) +x
(t)
2
(2.2)
Jmx(t)
.
=
x(t) x
(t)
2j
(2.3)
donde j =
1 y

indica complejo conjugado. Puede comprobarse que las partes real e
imaginaria son seales reales. A partir de las partes real e imaginaria reconstruimos la seal
como
x(t) = 1ex(t) +jJmx(t) =
x(t) +x
(t)
2
+j
x(t) x
(t)
2j
= x(t) (2.4)
y podemos interpretar una seal real como aquella cuya parte imaginaria es idnticamente
nula.
Otra descomposicin de una seal compleja en dos seales reales se realiza (como rea-
lizaramos la descomposicin de un nmero complejo) mediante su mdulo, [x(t)[, denido
como
[x(t)[
.
=
_
x(t) x
(t) =
_
1e
2
x(t) +Jm
2
x(t) (2.5)
y su fase, x(t), denida como
x(t)
.
= arctan
Jmx(t)
1ex(t)
(2.6)
de la forma
x(t) = [x(t)[e
jx(t)
= [x(t)[ cos(x(t)) +j[x(t)[ sen(x(t)) (2.7)
2.1 SEALES 13
Seales pares e impares. Una seal x(t) (o x[n]) es par si cumple
x(t) = x(t) t (2.8)
( x[n] = x[n] n )
Una seal x(t) (o x[n]) es impar si cumple
x(t) = x(t) t (2.9)
( x[n] = x[n] n )
De manera anloga a las partes real e imaginaria de una seal, podemos denir las
partes par, cvx(t), e impar, Odx(t), de una seal como (omitimos la denicin para
secuencias por ser idntica)
cvx(t) =
x(t) +x(t)
2
(2.10)
Odx(t) =
x(t) x(t)
2
(2.11)
y expresar cualquier seal en funcin de sus partes par e impar
x(t) = cvx(t) +Odx(t) (2.12)
Podemos comprobar fcilmente que la parte par de una seal es a su vez una seal par y que
la parte impar es una seal impar.
Seales hermticas y antihermticas. Otro tipo de simetra similar a la paridad o impari-
dad es la hermiticidad. Una seal x(t) (o x[n]) es hermtica si cumple
x(t) = x
(t) t (2.13)
( x[n] = x
[n] n )
lo que implica que la parte real es par y la imaginaria es impar. Una seal x(t) (o x[n]) es
antihermtica si cumple
x(t) = x
(t) t (2.14)
( x[n] = x
[n] n )
lo que implica que la parte real es impar y la imaginaria par.
Podemos denir las partes hermtica, 1ex(t), y antihermtica, /hx(t), de una se-
al como (omitimos la denicin para secuencias por ser idntica)
1ex(t) =
x(t) +x
(t)
2
(2.15)
/hx(t) =
x(t) x
(t)
2
(2.16)
y expresar cualquier seal en funcin de sus partes hermtica y antihermtica
x(t) = 1ex(t) +/hx(t) (2.17)
Aun a costa de parecer un triste remedo de un famoso dilogo de los hermanos Marx,
podemos cruzar algunas de las clasicaciones anteriores y establecer aseveraciones como
la parte par de la parte hermtica de una seal compleja es una seal real, o la parte
antihermtica de la parte impar de la parte imaginaria de una seal es idnticamente nula.
2.1.2. Medidas de seales
Empleando los criterios vistos hasta ahora podemos clasicar una seal determinada,
pero no podemos distinguir entre dos seales que cumplan los mismos criterios. Un paso
ms all en el estudio de seales consiste en representar una seal mediante un conjunto de
medidas sobre ella. Veamos a continuacin las medidas ms importantes.
Valor medio. Es la media temporal de la amplitud de la seal y ser, en general, un nmero
complejo. Formalmente se dene como
Seales en tiempo continuo
Aperidicas
x = x(t)
.
= lm
T
1
2T
_
T
T
x(t) dt (2.18)
Peridicas
x = x(t)
.
=
1
T
0
_
(T
0
)
x(t) dt (2.19)
donde
_
(T
0
)
denota integracin a lo largo de un intervalo de duracin T
0
, sea
cual sea el inicio de este intervalo.
Seales en tiempo discreto
Aperidicas
x = x[n]
.
= lm
N
1
2N + 1
N
n=N
x[n] (2.20)
Peridicas
x = x[n]
.
=
1
N
0
nN
0
x[n] (2.21)
donde
nN
0
denota suma a lo largo de un intervalo de duracin N

0
, sea cual
sea el inicio de este intervalo.
2.1 SEALES 15
Valor de pico. Es el valor mximo del mdulo de la seal
x
p
.
= m ax
t
[x(t)[ (2.22)
x
p
.
= m ax
n
[x[n][ (2.23)
Energa. Es una medida cuadrtica de naturaleza real y no negativa denida como
E
x
= c x(t)
.
=
_

[x(t)[
2
dt (2.24)
E
x
= c x[n]
.
=
n=
[x[n][
2
(2.25)
Si E
x
es una cantidad nita, decimos que x(t) (o x[n]) es una seal de energa nita. Si E
x
excede toda cota, decimos que x(t) (o x[n]) es una seal de energa innita.
Potencia. Es una medida cuadrtica de naturaleza real y no negativa que resulta de inters
para seales de energa innita y representa la energa por unidad de tiempo. Se dene como
Aperidicas
P
x
= T x(t) =
[x(t)[
2
_
.
= lm
T
1
2T
_
T
T
[x(t)[
2
dt (2.26)
Peridicas
P
x
= T x(t) =
[x(t)[
2
_
.
=
1
T
0
_
(T
0
)
[x(t)[
2
dt (2.27)
Aperidicas
P
x
= T x[n] =
[x[n][
2
_
.
= lm
N
1
2N + 1
N
n=N
[x[n][
2
(2.28)
Peridicas
P
x
= T x[n] =
[x[n][
2
_
.
=
1
N
0
nN
0
[x[n][
2
(2.29)
2.1.3. Seales de inters
Analizaremos a continuacin algunas seales concretas que sern de utilidad a lo largo
del texto.
Delta de Dirac. La funcin delta de Dirac, (t), tambin conocida como funcin impulso
se emplea para modelar fenmenos fsicos en tiempo continuo y corta duracin. Estric-
tamente hablando ni tan siquiera es una funcin matemtica, sino una distribucin o una
funcin generalizada. Denimos la funcin delta de Dirac como la que cumple la igualdad
_

x(t) (t t
0
) dt = x(t
0
) (2.30)
para cualquier seal x(t) continua y cualquier instante t
0
. Esta denicin admite la inter-
pretacin de una descomposicin de la seal x(t) mediante funciones delta reescribindola
como
x(t) =
_

x() (t ) d (2.31)
Una interpretacin ms intuitiva de la funcin (t) puede realizarse a partir de sus pro-
piedades:
1. Toma valor cero fuera del instante cero
(t) = 0 t ,= 0
2. El rea bajo la funcin es igual a 1
_

(t)dt = 1
3. Es una funcin par
(t) = (t)
Tambin puede denirse la funcin delta como
(t) = lm
0
(t) (2.32)
siendo
(t) la seal representada en la Figura 2.3. En general, cualquier seal que cumpla
las dos ltimas propiedades de las reseadas anteriormente y disponga de un parmetro que
permita controlar su duracin hasta hacerla instantnea puede dar origen a (t).
La funcin delta de Dirac se representa tal y como muestra la Figura 2.4, dada la impo-
sibilidad de dibujar una funcin de rea 1 y duracin instantnea.
2.1 SEALES 17
0 t
1/
(t)
Figura 2.3. Seal que origina una funcin delta de Dirac cuando el valor del parmetro
tiende a cero.
t 0
1
(t)
t 0
a
a(t)
Figura 2.4. Representacin de (t) y su versin escalada, a(t).
Delta de Kronecker. Es el equivalente en tiempo discreto de la delta de Dirac pero, al
contrario que sta, su denicin no plantea ningn problema
[n]
.
=
_
1 si n = 0
0 si n ,= 0
(2.33)
Tambin puede emplearse para la descomposicin de secuencias de la forma
x[n] =
k=
x[k] [n k] (2.34)
Funciones escaln. Se denen a partir de las funciones delta como
u(t)
.
=
_
t
() d =
_
0 para t < 0
1 para t > 0
(2.35)
u[n]
.
=
n
k=
[k] =
_
0 para n < 0
1 para n 0
(2.36)
Sinusoides complejas. Una sinusoide compleja en tiempo continuo se dene mediante la
frmula
x(t) = e
jt
= cos t +jsen t (2.37)
donde es un parmetro de naturaleza real denominado frecuencia. controla la rapidez
de las oscilaciones de la seal y se mide en radianes por segundo. Valores distintos de dan
lugar a seales distintas, y a mayor valor de , mayor rapidez en la variacin de la amplitud
de la seal.
Una representacin alternativa del parmetro de frecuencia se obtiene mediante su ex-
presin en ciclos por segundo o hercios mediante la igualdad f = /2
x(t) = e
j2ft
= cos 2ft +jsen 2ft (2.38)
Las sinusoides complejas en tiempo continuo son siempre seales peridicas, siendo su
periodo fundamental T
0
= 2/ = 1/f.
Se dice que dos sinusoides de frecuencias
1
y
2
poseen una relacin armnica si se
cumple que
2
= k
1
, siendo k un nmero entero. En ese caso decimos que la sinusoide de
frecuencia
2
es el k-simo armnico de la sinusoide de frecuencia
1
.
Una sinusoide compleja en tiempo discreto se dene de manera anloga mediante la
frmula
x[n] = e
jn
= cos n +jsen n (2.39)
Existen, sin embargo, dos diferencias fundamentales respecto a las sinusoides complejas en
tiempo continuo:
1. Una sinusoide compleja en tiempo discreto no es siempre una seal peridica. Para
que una sinusoide compleja sea peridica de periodo N ha de vericarse que e
jn
=
e
j(n+N)
para todo n. Como e
j(n+N)
= e
jn
e
jN
, ha de cumplirse que e
jN
=
1 = e
j2k
o, lo que es lo mismo, que la frecuencia sea un mltiplo racional de 2
(2k/N, con k y N nmeros enteros) para que la sinusoide sea una seal peridica.
2. Valores distintos de no generan siempre seales distintas. Si generamos una seal
con un valor de igual a
0
y otra con un valor de igual a (
0
+ 2k) sien-
do k un nmero entero, comprobamos que ambas seales son la misma, puesto que
e
j(
0
+2k)n
= e
jn
e
j2kn
= e
j
0
n
.
Este hecho nos da un margen de variacin efectiva de 2 del parmetro en las
sinusoides complejas discretas, que suele tomarse como (, ].
Exponenciales reales. Una exponencial real en tiempo continuo se dene mediante la
frmula
x(t) = e
t
(2.40)
donde es un parmetro real. Si es mayor que cero, la seal es montona creciente y si
es menor que cero, montona decreciente. Cuanto mayor es el valor absoluto de , ms
rpidamente crecer o decrecer la funcin.
Una exponencial real en tiempo discreto se dene mediante la frmula
x[n] = r
n
(2.41)
donde r es un parmetro real. Si r es mayor que uno, la seal es montona creciente, si r
es positivo y menor que uno, montona decreciente; y si r es negativo no es montona ni
creciente ni decreciente.
2.1 SEALES 19
Exponenciales complejas. Una exponencial compleja en tiempo continuo se dene como
el resultado de multiplicar una exponencial real por una sinusoide compleja
x(t) = e
t
e
jt
= e
(+j)t
= e
st
(2.42)
donde s = +j.
De manera anloga denimos una exponencial compleja en tiempo discreto como el
resultado de multiplicar una exponencial real por una sinusoide compleja
x[n] = r
n
e
jn
= (re
j
)
n
= z
n
(2.43)
donde z = re
j
.
Funcin sinc. Otra funcin que aparece comnmente en anlisis de seales y sistemas es
la funcin sinc, denida como
sinc(t)
.
=
sen(t)
t
(2.44)
y que podemos ver (parcialmente) representada en la Figura 2.5. Es una funcin par de dura-
4 3 2 1 0 1 2 3 4 t
1
sinc(t)
Figura 2.5. Funcin sinc
cin innita cuyos cruces por cero se producen en todos los nmeros enteros a excepcin del
cero, donde toma su valor mximo, 1. Conforme t tiende a innito la funcin va decreciendo
en amplitud como 1/t.
Su versin en tiempo discreto se obtiene sin ms que sustituir t por an, donde a es un
parmetro de escala. En el caso en que a = 1 tenemos sinc(n) = [n].
Funcin pulso. Otra funcin de uso frecuente, denida como
(t)
.
=
_
1 para [t[ < 1/2
0 para [t[ > 1/2
(2.45)
Su versin en tiempo discreto es mucho menos frecuente.
2.1.4. Espacios de Hilbert para seales de energa nita
Las seales admiten una representacin como vectores dentro de un espacio vectorial.
Esta representacin nos permite dotar de una estructura algebraica a las seales que consi-
deremos en cualquier problema y nos abre la posibilidad de aplicar una gran cantidad de
herramientas de anlisis y sntesis desarrolladas para espacios vectoriales.
Analicemos en primer lugar la estructura de espacio vectorial para comprobar si las
seales pueden ser consideradas como vectores. Un espacio vectorial V es un conjunto de
elementos que denominamos vectores que poseen las siguientes propiedades:
1. Existe una ley de composicin interna, que denominamos suma y representamos por
el signo + que, aplicada a dos vectores x e y (x, y V ) de la forma x +y, da como
resultado otro vector del espacio (x + y V ), cumpliendo adems las siguientes
propiedades:
1.1. Conmutativa: x, y V ; x +y = y +x.
1.2. Asociativa: x, y, z V ; x + (y +z) = (x +y) +z.
1.3. Existencia de elemento neutro: 0 V / x V ; x +0 = 0 +x = x.
1.4. Existencia de elemento inverso: x V (x) / x + (x) = 0.
2. Existe una ley de composicin externa que denominamos producto con un conjun-
to C de elementos denominados escalares (que deben tener la estructura de cuerpo)
que, aplicada a un escalar ( C) y a un vector x (x V ) de la forma x, da
como resultado otro vector del espacio(x V ), cumpliendo adems las siguientes
propiedades:
2.1. Asociativa: , C; x V ; (x) = ()x.
2.2. Existencia de elemento neutro: 1 C / x V ; 1x = x.
2.3. Distributiva con respecto a la suma: C; x, y V ; (x + y) =
x +y.
2.4. Distributiva con respecto al producto por un escalar: , C; x
V ; ( +)x = x +x.
Si consideramos el caso general de una seal compleja (tanto en tiempo continuo como
en tiempo discreto), la ley de composicin interna del espacio vectorial es la suma punto a
punto de la seal. Vericando sus propiedades, vemos que cumple que la suma de seales es
otra seal; que es irrelevante el orden en que realicemos la suma (esto es, que es conmuta-
tiva); que es asociativa; que el elemento neutro es la seal idnticamente nula (x(t) = 0), y
que el elemento inverso de una seal es la misma seal cambiada de signo; en denitiva, la
suma cumple las propiedades de la ley de composicin interna. Los escalares son nmeros
complejos (que tienen la estructura de cuerpo al igual que los nmeros reales) y la ley de
composicin externa es la multiplicacin de una seal por un nmero complejo. Podemos
vericar fcilmente que tambin esta operacin cumple todas las propiedades requeridas y,
2.1 SEALES 21
por tanto, podemos concluir que las seales cumplen todos los requisitos para ser conside-
radas como vectores de un espacio vectorial.
La estructura de espacio vectorial genrico como el que hemos expuesto es, sin embargo,
demasiado simple como para tener utilidad. Una estructura ms elaborada la encontramos
en los espacios vectoriales de Hilbert o, simplemente, espacios de Hilbert. Esta estructura
nos va a permitir, por ejemplo, reintrepretar algunas de las medidas de seales expuestas en
el Apartado 2.1.2.
Un espacio de Hilbert es, bsicamente, un espacio vectorial con producto escalar
1
. El
producto escalar es una aplicacin de pares de vectores en el campo de los escalares (los
complejos en nuestro caso), f:(V, V ) C, que denotamos como x, y y que cumple las
siguientes propiedades:
1. x, y = y , x
2. (x +y) , z = x, z +y , z
3. x, x 0
4. x, x = 0 x = 0
A partir del producto escalar denimos una norma para el espacio vectorial como
[[x[[ =
_
x, x (2.46)
y, a partir de la norma, una medida de distancia entre vectores
d(x, y) = [[x y[[ (2.47)
Incluso podemos medir el ngulo entre dos vectores x e y como
= arc cos
_
1ex, y
[[x[[ [[y[[
_
(2.48)
Para la seales y, en general, para cualquier espacio vectorial genrico no existe una
nica posibilidad de denicin de producto escalar: podemos escoger como producto escalar
cualquier funcin que cumpla los requisitos establecidos anteriormente. Cada denicin de
producto escalar da lugar a un espacio de Hilbert distinto, con mtrica y norma distinta.
Vamos a exponer a continuacin la estructura de dos espacios de Hilbert para seales de
energa nita, uno para seales en tiempo discreto y otro para seales en tiempo continuo
que denominaremos, respectivamente, l
2
y L
2
.
El espacio l
2
se dene mediante el siguiente producto escalar
x, y =
n=
x[n]y
[n] (2.49)
1
Estrictamente, es un espacio vectorial con producto escalar que cumple la propiedad de completitud. La
propiedad de completitud se cumple cuando toda sucesin de Cauchy es convergente en la mtrica inducida por
el producto escalar. Si no posee esta propiedad el espacio vectorial recibe el nombre de espacio pre-Hilbert.
y nos da una medida del parecido o similitud entre dos seales. El producto escalar de dos
seales cuya variacin con el tiempo sea similar ser grande y el de dos seales cuya
variacin con el tiempo sea distinta ser pequeo. Cuando el producto escalar de dos
seales es igual a cero decimos que las seales son ortogonales, lo que indica que forman
entre ellas un ngulo de 90
(segn podemos comprobar a partir de (2.48)).

Una medida derivada del producto escalar es la funcin de ambigedad temporal , r
x
[k],
que algunos autores denominan funcin de autocorrelacin determinista (y que no debe
confundirse con la funcin de autocorrelacin de procesos estocsticos que veremos en el
Captulo 3). Se dene como el producto escalar de una seal con ella misma desplazada una
cantidad k (que denotaremos como x
k
),
r
x
[k] = x, x
k
=
n=
x[n]x
[n k] (2.50)
y da una idea de la variabilidad y concentracin de la energa de la seal: una seal que
ucte rpidamente tendr una funcin de ambigedad temporal que vare rpidamente con
respecto a k, y una seal cuya energa est concentrada en un corto espacio de tiempo tendr
una funcin de ambigedad temporal estrecha. Ntese adems que r
x
[0] = c x[n].
La norma inducida por (2.49) resulta ser la raz cuadrada de la energa de la seal
[[x[[ =
_
x, x =
n=
[x[n][
2
=
_
c x[n] (2.51)
y la distancia es la bien conocida distancia eucldea,
d(x, y) = [[x y[[ =
n=
[x[n] y[n][
2
(2.52)
Como propiedades de inters de la norma podemos citar la desigualdad de Cauchy-Schwarz,
que establece
[x, y[ =
n=
x[n]y
[n]
[[x[[ [[y[[ =
n=
[x[n][
2
n=
[y[n][
2
(2.53)
cumplindose la igualdad slo si y[n] es una versin escalada en amplitud de x[n] (y[n] =
Kx[n], para algn K R).
El producto escalar tambin permite encontrar de forma sencilla la representacin de
una seal en una base del espacio vectorial. El ejemplo ms claro lo encontramos en la des-
composicin de una secuencia mediante la funcin delta de Kronecker, (2.34). El conjunto
de seales [n k], k = , . . . , 0, . . . , forma una base ortonormal del espacio vec-
torial l
2
; esto es, se cumple que
k
,
i
=
n=
[n k][n i] = [k i] (2.54)
2.1 SEALES 23
Las coordenadas de una seal x[n] en cualquier base, y en esta en particular, se obtienen
como producto escalar de la seal x[n] con cada uno de los elementos de la base; en nuestro
caso
x
k
= x,
k
=
n=
x[n][n k] = x[k] (2.55)
Una vez obtenidas las coordenadas, x[n] se representa como
x[n] =
k=
x
k
[n k] =
k=
x[k][n k]
que es exactamente la ecuacin (2.34). Bajo esta interpretacin queda claro que los valores
x[k] de (2.34) son algo ms que un cambio de variable (n por k), pues no representan una
seal (un vector) sino que son simplemente las coordenadas (escalares) de x[n] en una base
del espacio vectorial formada por funciones delta.
El espacio L
2
se dene de manera anloga a l
2
sin ms que cambiar sumatorios por
integrales. El producto escalar es
x, y =
_

x(t)y
(t) dt (2.56)
y tiene el mismo sentido que en l
2
: nos da una medida del parecido o similitud entre dos
seales.
La funcin de ambigedad temporal posee ahora una variable independiente de natura-
leza continua, , y se dene como
r
x
() = x, x
=
_

x(t)x
(t ) dt (2.57)
La norma inducida por (2.56) tambin resulta ser la raz cuadrada de la energa de la seal
[[x[[ =
_
x, x =
[x(t)[
2
dt =
_
c x(t) (2.58)
y la distancia es
d(x, y) = [[x y[[ =
[x(t) y(t)[
2
dt (2.59)
La desigualdad de Cauchy-Schwarz toma la forma
[x, y[ =
x(t)y
(t) dt
[[x[[[[y[[ =
[x(t)[
2
dt
[y(t)[
2
dt (2.60)
cumplindose la igualdad slo si y(t) = Kx(t), para algn K.
El conjunto de funciones delta de Dirac (t ), (, ) es una base para
el espacio L
2
. La obtencin de las coordenadas de una seal x(t) respecto a esta base se
realiza mediante (2.30) y la representacin de la seal en funcin de los elementos de la
base mediante (2.31).
Para seales de potencia no nula los espacios descritos no tienen utilidad porque, en
general, los sumatorios o integrales que denen el producto escalar van a ser divergentes.
En este caso podemos plantear otros productos escalares que dan lugar a espacios de Hilbert
distintos introduciendo restricciones como, por ejemplo, limitar el intervalo de integracin
o suma, denir el espacio vectorial slo para aquellas seales que cumplen determinados
requisitos, etc.
2.2. SISTEMAS
Un sistema es una representacin matemtica de una entidad fsica que ante el estmulo
de una o varias magnitudes fsicas (seales) ofrece como respuesta otras magnitudes (sea-
les). Las seales que estimulan al sistema se denominan entradas del sistema y las seales
con que responde el sistema se denominan salidas del sistema. Si las seales de entrada y
salida son en tiempo continuo decimos que el sistema es en tiempo continuo, y si las seales
de entrada y salida son en tiempo discreto decimos que el sistema es en tiempo discreto.
Aqu vamos a considerar nicamente el caso en que tenemos una nica entrada, x(t) o x[n],
y una nica salida, y(t) o y[n].
Aunque no existe total unanimidad en la literatura, se suelen denominar como ltros
a los sistemas que diseamos y construimos con un propsito determinado. En este texto
emplearemos el trmino ltro con este propsito, aunque en ocasiones nos reramos a los
ltros con el nombre genrico de sistemas.
Un sistema queda denido mediante la transformacin T que realiza de la entrada para
obtener la salida
y(t) = T x(t) (2.61)
( y[n] = T x[n] )
y este apartado est dedicado al estudio de esta transformacin. En un caso general, esta no
es una tarea fcil porque si bien en algunos casos somos capaces de encontrar una expresin
analtica sencilla que relaciona la entrada con las salida del sistema, en otros no, como se
muestra en los dos ejemplos siguientes.
Ejemplo 2.3
Considere el caso de un generador de tensin conectado a una resistencia de valor R ohmios. El
sistema va a consistir en la resistencia, que transforma la tensin que proporciona el generador,
x(t), en la corriente que atraviesa la resistencia, y(t). El sistema queda denido mediante la
ecuacin
y(t) = T x(t) =
1
R
x(t)
Ejemplo 2.4
Considere una conversacin telefnica entre dos personas. El sistema va a consistir en todos los
elementos que realizan la transmisin en uno de los sentidos, transformando la presin sonora
2.2 SISTEMAS 25
presente en el micrfono de la primera persona, x(t), en la presin sonora a la salida del auricular
de la segunda persona, y(t). Para encontrar la relacin entre x(t) e y(t) debemos expresar en
primer lugar la relacin entre la presin sonora presente en el micrfono y la tensin en bornas
del micrfono, a continuacin la relacin entre esta tensin y la tensin a la salida del terminal
telefnico, y as hasta el altavoz presente en el auricular de la segunda persona. Con tiempo y
paciencia puede que llegsemos a encontrar la relacin entre x(t) e y(t), pero lo peor es que todos
esos clculos valdran slo para una conversacin especca entre estas dos personas concretas,
porque un cambio tan simple como es el establecimiento de una nueva llamada entre estas dos
personas trae como consecuencia que la compaa telefnica puede haber cambiado el circuito
que emplea para conectar estos dos abonados, y hay que volver a repetir el clculo.
Este ltimo ejemplo pone de maniesto que es necesaria una abstraccin de los principios
fsicos que gobiernan el comportamiento del sistema y recurrir, como hemos realizado con
las seales, a un tratamiento sistemtico.
Para ello vamos en primer lugar a establecer una clasicacin de los sistemas para,
posteriormente, centrarnos en el estudio de los sistemas que cumplen dos propiedades: li-
nealidad e invarianza temporal. Siempre que sea posible, abordaremos de forma conjunta el
estudio de los sistemas en tiempo continuo y en tiempo discreto.
2.2.1. Clasicacin de los sistemas
Los sistemas pueden clasicarse en funcin de que cumplan o no determinadas propie-
dades. Las ms importantes son:
Memoria. Se dice que un sistema es sin memoria cuando la salida en un determinado
instante no depende de valores pasados ni futuros de la entrada. Se dice que el sistema tiene
memoria cuando incumple esta propiedad.
Ejemplo 2.5
El sistema denido por la ecuacin
y(t) = x
2
(t) (2.62)
es un sistema sin memoria. El sistema denido por la ecuacin
y[n] = x[n 1] (2.63)
es un sistema con memoria
Causalidad. Se dice que un sistema es causal (o no anticipativo) cuando la salida en un
determinado instante no depende de valores futuros de la entrada. Se dice que el sistema es
no causal cuando incumple esta propiedad. Formalmente podemos expresarlo de la siguiente
manera: un sistema es causal si y slo si dadas cualesquiera dos seales de entrada x
1
(t)
y x
2
(t) que cumplen x
1
(t) = x
2
(t) t < t
0
, sus salidas correspondientes, y
1
(t) e y
2
(t)
cumplen y
1
(t) = y
2
(t) t < t
0
.
Para sistemas en tiempo discreto la denicin es idntica sin ms que cambiar x
1
(t),
x
2
(t), t
0
, y
1
(t) e y
2
(t) por, respectivamente, x
1
[n], x
2
[n], n
0
, y
1
[n] e y
2
[n].
De manera anloga, denimos un sistema como anticausal (o anticipativo) cuando la
salida en un determinado instante no depende de valores pasados de la entrada. Su denicin
formal se obtiene a partir de la de causalidad sin ms que cambiar < por >.
Ejemplo 2.6
El sistema denido por (2.62) es causal y anticausal al mismo tiempo. El sistema denido por
(2.63) es causal y no anticausal. El sistema denido por la ecuacin
y[n] = nx[n + 1] (2.64)
es anticausal y no es causal. El sistema denido por la ecuacin
y(t) =
_
t+1
x() d (2.65)
no es ni causal ni anticausal.
Un aspecto importante relacionado con la causalidad, es que cuando la variable indepen-
diente de las seales es el tiempo, todos los sistemas fsicamente realizables son causales.
Invertibilidad. Se dice que un sistema es invertible cuando siempre es posible recuperar
la entrada al sistema conociendo la salida. Formalmente: un sistema es invertible si y slo
si dadas cualesquiera dos seales de entrada x
1
(t) y x
2
(t) distintas en al menos un punto,
sus salidas correspondientes y
1
(t) e y
2
(t) son distintas en al menos un punto. La denicin
para sistemas en tiempo discreto es anloga.
Ejemplo 2.7
El sistema denido por la Ecuacin (2.63) es invertible, y el sistema que obtiene la entrada en
funcin de la salida queda denido por la ecuacin
x[n] = y[n + 1]
El sistema denido por la Ecuacin (2.62) no es invertible porque no se puede recuperar el signo
de la seal de entrada.
Estabilidad. Aunque existen diversos criterios de estabilidad, el ms utilizado en el estu-
dio de sistemas es el denominado entrada acotada, salida acotada (Bounded Input Boun-
ded Output , BIBO). Este criterio establece que un sistema es estable si para cualquier
entrada acotada la salida est acotada. Formalmente: si la seal de entrada al sistema, x(t),
cumple [x(t)[ < A para un valor de A nito, el sistema es estable BIBO si y slo si existe
un valor real nito B tal que [y(t)[ < B. La denicin para sistemas en tiempo discreto es
anloga. Cuando un sistema no es estable se dice que es inestable.
Ejemplo 2.8
El sistema denido por la Ecuacin (2.62) es estable BIBO y un valor de B para el que se
cumple la denicin es A
2
. El sistema denido por la Ecuacin (2.65) no es estable BIBO como
demostramos fcilmente haciendo que la entrada sea x(t) = 1.
2.2 SISTEMAS 27
Linealidad. Un sistema es lineal si cumple las propiedades de aditividad y homogeneidad.
Formalmente: un sistema es lineal si y slo si dadas cualesquiera dos seales de entrada
x
1
(t) y x
2
(t) cuyas salidas respectivas son y
1
(t) e y
2
(t), cuando presentamos a la entrada
del sistema la seal z(t) = x
1
(t) + x
2
(t), con y escalares de valor arbitrario, la
salida del sistema es T x
1
(t) + x
2
(t) = y
1
(t) + y
2
(t). La denicin para sistemas
en tiempo discreto es anloga.
Ejemplo 2.9
El sistema denido por la Ecuacin (2.63) es lineal, como podemos comprobar fcilmente ha-
ciendo T x
1
[n] +x
2
[n] = x
1
[n 1] +x
2
[n 1] = y
1
[n] +y
2
[n].
El sistema denido por la Ecuacin (2.62) no es lineal, ya que existe algn valor de t y/o al-
gn par de funciones x(t) e y(t) para los que T x
1
(t) + x
2
(t) =
2
x
2
1
(t) +
2
x
2
2
(t) +
2x
1
(t)x
2
(t) ,= y
1
(t) +y
2
(t).
Invarianza. Un sistema es invariante, o mejor invariante en el tiempo, si el comportamien-
to del sistema no depende del instante en que se le aplique la excitacin. Formalmente: un
sistema es invariante si y slo si dada una entrada x(t) y su salida correspondiente y(t), se
cumple que T x(t t
0
) = y(t t
0
) para cualquier valor de t
0
. La denicin para sistemas
en tiempo discreto es anloga. Cuando un sistema no es invariante se dice que es variante o
variante en el tiempo.
Ejemplo 2.10
El sistema denido por la Ecuacin (2.62) es invariante ya que T x(t t
0
) = x
2
(t t
0
) =
y(t t
0
). El sistema denido por la Ecuacin (2.64) es variante ya que existe algn valor de
n y/o alguna funcin x[t] para los que T x[n n
0
] = nx[n n
0
+ 1] ,= y[n n
0
] =
(n n
0
)x[n n
0
+ 1].
2.2.2. Sistemas lineales e invariantes
Un tipo de sistemas de particular inters son aquellos que cumplen las dos ltimas pro-
piedades de las mencionadas anteriormente: linealidad e invarianza. Estos sistemas, inde-
pendientemente de su complejidad, quedan representados mediante una seal, la respuesta
del sistema a la seal impulso; adems, la respuesta del sistema ante cualquier otra entrada
puede obtenerse mediante una operacin, denominada convolucin, entre la seal de entrada
y la respuesta al impulso del sistema.
Sistemas lineales e invariantes en tiempo discreto
En un sistema lineal e invariante L, la salida puede expresarse, aplicando la propiedad
de linealidad, como
y[n] = Lx[n]
= L
_

k=
x[k] [n k]
_
=
k=
x[k] L[n k]
=
k=
x[k] h
k
[n] (2.66)
donde
h
k
[n] = L[n k] (2.67)
Aplicando ahora la propiedad de invarianza, tenemos que h
k
[n] = h
0
[n k], que,
sustituido en (2.66), nos permite expresar la salida del sistema como
y[n] =
k=
x[k] h
k
[n]
=
k=
x[k] h
0
[n k]
=
k=
x[k] h[n k] (2.68)
donde h[n] = L[n] es la seal denominada respuesta al impulso del sistema lineal e
invariante, L. La respuesta al impulso permite caracterizar el comportamiento del sistema
ante cualquier entrada, calculando la salida mediante (2.68), operacin que denominamos
convolucin y denotamos con el smbolo de la forma
x[n] h[n] =
k=
x[k] h[n k] (2.69)
2.2 SISTEMAS 29
Sistemas lineales e invariantes en tiempo continuo
De manera anloga al caso en tiempo discreto, en un sistema lineal e invariante en tiempo
continuo L, la salida puede expresarse, aplicando la propiedad de linealidad, como
y(t) = Lx(t)
= L
_
_

x() (t ) d
_
=
_

x() L(t ) d
=
_

x() h
(t) d (2.70)
donde
h
(t) = L(t ) (2.71)

Aplicando la propiedad de invarianza, tenemos que h
(t) = h
0
(t ), que, sustituido
en (2.70), nos permite expresar la salida del sistema como
y(t) =
_

x() h
(t) d
=
_

x() h
0
(t ) d
=
_

x() h(t ) d (2.72)

donde h(t) = L(t) es la seal denominada respuesta al impulso del sistema lineal e inva-
riante, L. Como en el caso en tiempo discreto, la salida del sistema se calcula mediante la
convolucin de la seal de entrada con la respuesta al impulso, denindose la convolucin
para tiempo continuo como
x(t) h(t) =
_

x() h(t ) d (2.73)

Propiedades de la operacin de convolucin
Aunque la convolucin es la operacin que nos permite calcular la salida de un sistema
lineal e invariante, podemos considerarla en s misma como una operacin que, a partir de
dos seales, ofrece como resultado otra seal. Independientemente de que se trate de su ver-
sin para tiempo discreto o tiempo continuo, esta operacin tiene las siguientes propiedades:
Conmutativa. Considerando dos seales x e y (suprimimos los parntesis o corchetes para
tratar de forma simultnea los casos discreto y continuo), se cumple
x y = y x
Asociativa. Considerando tres seales x, y y z, se cumple
x y z = x y z
Elemento neutro. El elemento neutro de la convolucin es la seal delta. Considerando la
seal x, se cumple
x = x = x
Elemento inverso. Aunque no existe siempre, el elemento inverso de una seal x respecto
a la convolucin es la seal x
i
que cumple
x x
i
= x
i
x =
Propiedades de los sistemas lineales e invariantes
Supuesto que un sistema cumple las propiedades de linealidad e invarianza, repasemos
ahora las cuatro restantes propiedades o criterios de clasicacin que utilizbamos en el
Apartado 2.2.1. Las demostraciones se proponen como ejercicio. Las formularemos nica-
mente para el caso discreto, siendo su denicin anloga para el caso continuo.
Memoria. Un sistema lineal e invariante (en lo sucesivo, al referirnos genricamente a un
sistema, supondremos que cumple las propiedades de linealidad e invarianza) es sin memoria
si y slo si su respuesta al impulso h[n] toma la forma
h[n] = K[n] (2.74)
donde K es una constante, en general compleja.
Causalidad. Un sistema es causal si y slo si su respuesta al impulso h[n] cumple
h[n] = 0 n < 0 (2.75)
De manera anloga, un sistema es anticausal si y slo si su respuesta al impulso h[n] cumple
h[n] = 0 n > 0 (2.76)
Invertibilidad. Un sistema es invertible si y slo si existe la inversa respecto a la convo-
lucin de su respuesta al impulso, h[n]. Esto es, si existe un h
i
[n] que cumple
h
i
[n] h[n] = [n] (2.77)
Siendo h
i
[n] la respuesta al impulso de su sistema inverso.
Estabilidad. Un sistema es estable BIBO si y slo si su respuesta al impulso, h[n], cumple
n=
[h[n][ < (2.78)
2.3 REPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 31
2.3. REPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANS-
FORMADAS
En muchas ocasiones no es fcil (e incluso no es posible) describir el comportamiento
de las seales en funcin de su variacin temporal, o el comportamiento de un sistema lineal
e invariante a partir de los valores que toma su respuesta al impulso. Una representacin
alternativa y complementaria de las seales y los sistemas que puede ayudarnos en esta
labor es la proporcionada por lo que denominamos genricamente como transformadas.
En este apartado vamos a estudiar su uso, comenzando por justicar el uso de las trans-
formadas de ncleo exponencial para, posteriormente, describir y analizar la Transformada
de Fourier tanto para tiempo continuo como para secuencias, la Transformada Z, la Trans-
formada Discreta de Fourier; nalizando con la representacin de las seales que denomi-
naremos como paso banda haciendo uso de otra transformada, la de Hilbert.
2.3.1. Respuesta de los sistemas lineales e invariantes a las exponen-
ciales complejas
Si un sistema lineal e invariante con respuesta al impulso h(t) se excita con una expo-
nencial compleja, x(t) = e
st
, a la salida obtenemos
y(t) =
_

h() x(t ) d
=
_

h() e
s(t)
d
= e
st
_

h() e
s
d
= e
st
H(s) (2.79)
que no es sino la misma seal de entrada multiplicada por el escalar H(s). En anlisis
matemtico, cuando un operador ofrece como resultado ante una funcin la misma funcin
multiplicada por un escalar decimos que esa funcin es una autofuncin del operador y
el escalar es el autovalor asociado a dicha autofuncin. As, las exponenciales complejas
son autofunciones de todos los sistemas lineales e invariantes. Para cada valor distinto del
parmetro s obtenemos distintas autofunciones, cada una de ellas con su correspondiente
autovalor asociado, H(s).
Si consideramos dos sistemas lineales e invariantes distintos, con respuestas al impulso
h
1
(t) y h
2
(t), ambos tienen al conjunto de las exponenciales complejas como autofunciones
(como el resto de los sistemas lineales e invariantes), pero los autovalores asociados, H
1
(s)
y H
2
(s) son distintos. Podemos, pues, pensar en representar cada sistema lineal e invariante
mediante el conjunto de los autovalores asociados a las exponenciales complejas. Dicho
conjunto, teniendo en cuenta que el parmetro s puede tomar cualquier valor dentro del
plano complejo, podemos considerarlo como una funcin compleja sobre el plano complejo.
Esta funcin, H(s), recibe el nombre de funcin de transferencia en el dominio s o de
Laplace.
La funcin de transferencia H(s) queda determinada de manera unvoca a partir de la
respuesta al impulso del sistema, h(t), mediante la ecuacin
H(s) =
_

h(t) e
st
dt (2.80)
extrada de (2.79). Esto signica que tanto H(s) como h(t) contienen la misma informacin
sobre el sistema, existiendo adems una frmula que nos permite recuperar h(t) a partir de
H(s) de manera unvoca. Esta frmula es
h(t) =
1
2j
_
+j
j
H(s) e
st
ds (2.81)
donde es cualquier valor para el que la integral (2.80) es convergente cuando s = +j.
Analicemos brevemente lo que hemos conseguido hasta ahora. Un sistema lineal e in-
variante queda unvocamente determinado mediante una seal, su respuesta al impulso, y a
partir de esta seal obtenemos otra representacin del sistema que consiste en una funcin
sobre el plano complejo. La pregunta que cabe realizar ahora es la siguiente: si la funcin
sobre el plano complejo (la funcin de transferencia en el dominio de Laplace) la hemos
obtenido a partir de una seal, qu nos impide aplicar esta misma operacin, (2.80), a cual-
quier seal, sea o no respuesta al impulso de un sistema lineal e invariante?. La respuesta es
muy simple: no hay ninguna razn que lo impida, pero, para qu?. Vamos a verlo.
La Transformada de Laplace para una seal en tiempo continuo x(t) se dene como
2
X(s)
.
=
_

x(t) e
st
dt (2.82)
siendo s la variable independiente en el dominio transformado de Laplace, de naturaleza
compleja, cuyas partes real e imaginaria denotamos, respectivamente, como y (s =
+ j). La Ecuacin (2.82) tambin se conoce como ecuacin de anlisis de la Transfor-
mada de Laplace. En general nos referimos a X(s) como la Transformada de Laplace de
la seal x(t) pero, como hemos visto anteriormente, en el caso en que la seal a la que
calculamos la transformada sea la respuesta al impulso de un sistema, el resultado de la
transformada recibe el nombre de funcin de transferencia. La Transformada Inversa de La-
place (o ecuacin de sntesis de la Transformada de Laplace) se obtiene a partir de (2.82) y
es
x(t) =
1
2j
_
+j
j
X(s) e
st
ds (2.83)
2
En parte de la literatura esta denicin de la Transformada de Laplace se conoce como bilateral, en
contraposicin a la Transformada de Laplace denominada unilateral, denida como
X(s)
.
=

0
x(t) e
st
dt
tomando cualquier valor para el que la integral (2.82) es convergente.
Hasta aqu la denicin. Veamos ahora qu sucede al calcular la Transformada de La-
place de la salida de un sistema lineal e invariante, y(t),
Y (s) =
_

y(t) e
st
dt
=
_

( x(t) h(t) ) e
st
dt
=
_

x() h(t ) d e
st
dt
=
_

x()
_

h(t ) e
st
dt d
=
_

x()
_

h(t
) e
s(t
+)
dt
d
=
_

x() e
s
_

h(t
) e
st
dt
d
=
_

x() e
s
H(s) d
= H(s)
_

x() e
s
d
= H(s)X(s) (2.84)
Este resultado, conocido como propiedad de convolucin, nos dice que la Transformada de
Laplace transforma una operacin con seales poco intuitiva como la convolucin (en el
sentido que es difcil predecir a simple vista cmo ser el resultado de la convolucin de dos
seales) en una ms sencilla como el producto. Conociendo la funcin de transferencia de
un sistema podemos predecir fcilmente cmo se comportar ante una entrada determinada.
En tiempo discreto realizamos un desarrollo anlogo, introduciendo una exponencial
compleja, x[n] = z
n
, en un sistema lineal e invariante con respuesta al impulso h[n]
y[n] =
k=
h[k] x[n k]
=
k=
h[k] z
nk
= z
n
k=
h[k] z
k
= z
n
H(z) (2.85)
donde H(z) es una funcin compleja sobre el plano complejo z que denominamos funcin
de transferencia en el dominio Z.
Para una seal genrica en tiempo discreto x[n] denimos su Transformada Z como
3
X(z)
.
=
n=
x[n]z
n
(2.86)
siendo z la variable independiente en el dominio transformado Z, de naturaleza compleja,
cuyos mdulo y fase denotamos, respectivamente, como r y (z = r e
j
). La Transformada
Z Inversa (o ecuacin de sntesis de la Transformada Z) se obtiene a partir de (2.86) y es
x[n] =
1
2j
_
X(z) z
n1
dz (2.87)
donde
_
denota la integracin a lo largo de un contorno circular de radio r y centrado en el
origen, en el sentido contrario a las agujas del reloj, siendo r cualquier valor para el que el
sumatorio (2.86) es convergente.
La Transformada Z tambin posee la propiedad de convolucin; esto es, la salida de un
sistema lineal e invariante, y[n], puede expresarse en el dominio z como
Y (z) = X(z)H(z) (2.88)
siendo X(z) la Transformada Z de la seal de entrada y H(z) la funcin de transferencia
del sistema. La demostracin de esta propiedad, similar a (2.84), se deja como ejercicio para
el lector.
Como regla general que emplearemos a lo largo del texto, cuando hablemos de una
seal en el dominio natural o temporal nos referiremos a su expresin cuando la variable
independiente es el tiempo, x(t) o x[n], segn corresponda. Tambin nos referiremos a x(t)
o x[n] como forma de onda. Cuando hablemos de una seal en el dominio transformado
nos referiremos a su expresin cuando la variable independiente es s, z u (que veremos a
continuacin), segn el contexto. Cuando hablemos de una seal sin ms nos referimos a la
propia seal independientemente de la naturaleza de su variable independiente.
2.3.2. Transformada de Fourier para seales y sistemas en tiempo
continuo
La interpretacin y manipulacin de las transformadas de Laplace y Z resulta engorrosa
en la mayora de los casos por tratarse de funciones complejas sobre el plano complejo. Dado
que estas funciones se obtiene a partir de otra, x(t) o x[n], cuya variable independiente es de
naturaleza real (tiempo continuo) o entera (tiempo discreto), podemos decir que la expresin
de una seal en los dominios de Laplace o Z es redundante. En otras palabras, si en el
3
En parte de la literatura esta denicin de la Transformada Z se conoce como bilateral, en contraposicin
a la Transformada Z denominada unilateral, denida como
X(z)
.
=
n=0
x[n]z
n
dominio natural nos basta con una variable independiente real o entera para representar toda
la seal, en el dominio transformado no nos hace falta una variable independiente compleja
para realizar el mismo cometido.
Para seales en tiempo continuo podemos particularizar la Transformada de Laplace en
cualquier recta en el plano y obtener as una reduccin de la dimensionalidad de la variable
independiente de compleja a real. Si la particularizamos en la recta imaginaria, s = j,
obtenemos la Transformada de Fourier en tiempo continuo, que denimos para una seal
x(t) como
X(j)
.
= X(s)
s=j
=
_

x(t) e
jt
dt (2.89)
y es una funcin compleja de la variable real . A la variable se le da el nombre de
frecuencia. Por extensin del nombre que recibe en anlisis funcional la descomposicin
de operadores en funcin de sus autovectores y autovalores, descomposicin espectral, a
X(j) se le suele denominar espectro de x(t) o representacin espectral de x(t).
La transformada inversa (o ecuacin de sntesis de la transformada) se obtiene particu-
larizando (2.83) para = 0,
x(t) =
1
2
_

X(j) e
jt
d (2.90)
Si la seal sobre la que aplicamos la Transformada de Fourier es la respuesta al impulso
de un sistema lineal e invariante, h(t), el resultado H(j) es la funcin de transferencia
en dominio de Fourier, tambin denominada funcin de trasferencia en el dominio de la
frecuencia o respuesta en frecuencia del sistema.
Se dice que existe la Transformada de Fourier de una seal x(t) si la integral (2.89) es
convergente para todo valor de . Lamentablemente, no existe ninguna condicin necesaria
y suciente que garantice su existencia; esto es, no existe ninguna propiedad tal que si
la seal la cumple existe su transformada, y si no la cumple no existe su transformada.
Somos capaces, eso s, de encontrar muchas condiciones sucientes (que nos aseguran la
existencia de la transformada) como, por ejemplo, que la seal sea de energa nita o que
sea absolutamente integrable.
La condicin de existencia limita en gran medida la aplicacin de la Transformada de
Fourier, ya que seales tan comunes como las de amplitud constante o las sinusoides no
poseen transformada. Si relajamos el criterio de existencia y permitimos que para un valor
de frecuencia la integral diverja (esto es, permitimos la existencia de funciones delta en el
dominio transformado) obtenemos lo que se conoce como Transformada de Fourier Gene-
ralizada, que nos permite obtener una representacin en el dominio transformado de seales
como las sinusoides complejas, las seales peridicas, la funcin escaln o las seales de
amplitud constante. Salvo indicacin en contrario, de ahora en adelante, cuando nos rera-
mos a la Transformada de Fourier entenderemos que se trata de la Transformada de Fourier
Generalizada.
La denicin de la Transformada de Fourier por s misma no nos dice gran cosa si no
somos capaces de relacionar de forma intuitiva su forma de onda con su representacin
(t)
TF
1
(t t
0
)
TF
e
jt
0
1
t
TF
2ju() j
sinc(t)
TF

_

2
_
e
at
u(t)
1ea>0
TF
1
a +j
1
TF
2 ()
e
j
0
t
TF
2 (
0
)
u(t)
TF
1
j
+()
(t)
TF
sinc
_

2
_
te
at
u(t)
1ea>0
TF
1
(a +j)
2
k=
(t kT)
TF
2
T
k=
_

2k
T
_
k=
a
k
e
j
2k
T
t
TF
2
k=
a
k

_

2k
T
_
Cuadro 2.1. Pares transformados bsicos.
espectral. En el Cuadro 2.1 podemos encontrar las transformadas de algunas funciones ele-
mentales pero, adicionalmente, conviene realizar los siguientes comentarios:
La transformada de una seal real es, en general, una funcin compleja. Vase como
ejemplo la transformada de una delta desplazada del origen de tiempos.
Si la amplitud de la forma de onda vara lentamente, el mdulo de su transformada
tomar valores mayores para frecuencias cercanas a 0. Un caso extremo lo constitu-
yen las seales de amplitud constante cuya transformada toma valor distinto de cero
nicamente en la frecuencia 0.
Si la amplitud de la forma de onda vara rpidamente, el mdulo de su transformada
tomar valores grandes para frecuencias lejanas de 0. La transformada de una sinusoi-
de compleja es una funcin delta situada a la frecuencia de la sinusoide; si mayor es
la frecuencia de la sinusoide, ms rpidamente variar su amplitud y la funcin delta
estar situada a frecuencia ms alta.
El valor de la amplitud de la forma de onda en un instante determinado inuye en
todas las frecuencias y, anlogamente, el valor de la transformada en una frecuencia
determinada inuye en la amplitud de la forma de onda en todos los instantes. Como
ejemplo, podemos comprobar cmo la transformada de una funcin que toma valor
distinto de cero slo en un punto, la funcin delta, tiene componentes espectrales en
todas las frecuencias, o cmo la transformada inversa de una funcin delta toma valor
no nulo en todos los instantes de tiempo.
En funcin de los valores que toma X(j) (o H(j)) se establecen las siguientes de-
niciones sobre seales (o sistemas):
Si X(j) (o H(j)) toma valor distinto de cero nicamente en un intervalo de longi-
tud nita de frecuencia, se dice que la seal (o sistema) es de banda limitada. En caso
contrario, se dice que es de banda ilimitada.
Si X(j) = 0 (o H(j) = 0) para [[ >
0
se dice que la seal (o sistema) es paso
bajo con frecuencia de corte
0
(equivalentemente, se dice que es paso bajo con ancho
de banda
0
).
Si X(j) = 0 (o H(j) = 0) para
1
> [[ >
2
(
1
<
2
) se dice que la seal
(o sistema) es paso banda con frecuencia de corte inferior
1
, frecuencia de corte
superior
2
y ancho de banda
2
1
.
Si X(j) = 0 (o H(j) = 0) para
1
> [[ >
2
(
1
>
2
) se dice que la
seal (o sistema) es de banda eliminada, con frecuencia de corte inferior de la banda
eliminada
2
, frecuencia de corte superior de la banda eliminada
1
y ancho de la
banda eliminada
1
2
.
Si X(j) = 0 (o H(j) = 0) para
0
> [[ se dice que la seal (o sistema) es
paso alto con frecuencia de corte
0
. Ntese que ni las seales (o sistemas) de banda
eliminada ni paso alto son de banda limitada.
Propiedades de la Transformada de Fourier en tiempo continuo
A continuacin enunciaremos las propiedades ms importantes de la Transformada de
Fourier en tiempo continuo, haciendo mayor hincapi en las implicaciones en el estudio de
seales y sistemas de cada propiedad que en su demostracin matemtica.
Para evitar su continua repeticin, en cada una de las propiedades emplearemos la si-
guiente notacin
x(t)
TF
X(j)
y(t)
TF
Y (j)
Linealidad.
x(t) +y(t)
TF
X(j) +Y (j) (2.91)
Supone la proporcionalidad entre las amplitudes en los dominios natural y transformado y
la conservacin de propiedades tales como la distributividad respecto a la suma. La demos-
tracin se obtiene fcilmente a partir de la denicin de la transformada.
Propiedad de convolucin.
x(t) y(t)
TF
X(j)Y (j) (2.92)
Las implicaciones de esta propiedad son las ya discutidas para la Transformada de Laplace:
si Y (j) es la funcin de transferencia de un sistema lineal e invariante, la salida del sistema
en el dominio de la frecuencia es el producto de la entrada por la funcin de transferencia. Su
demostracin se obtiene particularizando la propiedad de convolucin de la Transformada
de Laplace, (2.84).
Desplazamiento temporal.
x(t t
0
)
TF
e
jt
0
X(j) (2.93)
Un desplazamiento temporal de la seal no afecta al mdulo de la transformada. Afecta slo
a la fase, sumando un trmino de valor t
0
. La propiedad se demuestra de forma directa
aplicando (2.89) a x(t t
0
).
Derivacin.
d x(t)
dt
TF
jX(j) (2.94)
Una derivacin en el tiempo supone una atenuacin en frecuencias bajas (cercanas a cero)
y un realce en frecuencias altas. Podemos incluso considerar el derivador como un sistema
lineal e invariante cuya funcin de transferencia es H(j) = j. La demostracin de la
propiedad se realiza tomando la derivada de (2.90).
Integracin.
_
t
x() d
TF
X(j)
jw
+X(j0)() (2.95)
Es la propiedad contraria a la derivacin. Ntese el trmino X(j0)() que aparece cuando
el valor de la transformada a frecuencia cero, que se corresponde con la integral
_
x(t) dt,
es distinto de cero.
Cambio de escala.
x(at)
TF
1
[a[
X
_
j
a
_
(2.96)
siendo a un valor real. Si comprimimos una seal en el tiempo (a > 1), expandimos su
espectro, y viceversa. Esto indica que hay un compromiso duracin-ancho de banda, que no
es sino una manifestacin del Principio de Incertidumbre. Basado en esta propiedad puede
comprobarse que si una seal es de duracin temporal nita, su ancho de banda es innito
y, contrariamente, si una seal tiene ancho de banda nito, su forma de onda tiene duracin
innita.
Dualidad.
X(jt)
TF
2x() (2.97)
Esta propiedad nos dice que ambos dominios son (salvo factores de escala e inversiones de
la variable independiente), intercambiables. Compruebe en los ejemplos de transformadas
de el Cuadro 2.1 cmo algunos de los pares son duales de otros. La demostracin de esta
propiedad se realiza cambiando t por en (2.90).
Producto.
x(t)y(t)
TF
1
2
X(j) Y (j) (2.98)
La aplicacin de esta propiedad al estudio de sistemas no lineales sin memoria (interpretando
y(t) como T x(t)/x(t) y calculando su Transformada de Fourier) nos ayuda a compren-
der el tipo de transformacin que realizan en el dominio de la frecuencia sobre una seal
dada. Tambin nos ayuda a comprender el efecto que supone la observacin de una seal
durante un tiempo limitado (interpretando y(t) como una seal de valor 1 en el intervalo de
observacin y 0 fuera de este). Esta propiedad se obtiene de la aplicacin de la propiedad de
dualidad a la propiedad de convolucin.
Modulacin.
e
j
0
t
x(t)
TF
X(j(
0
)) (2.99)
Esta propiedad es fundamental en comunicaciones por ser la base de las modulaciones li-
neales. Nos dice que multiplicar una seal por una sinusoide compleja implica un despla-
zamiento en frecuencia de valor el de la sinusoide. Se obtiene como caso particular de la
propiedad del producto.
Derivacin en frecuencia.
jt x(t)
TF
d X(j)
d
(2.100)
Puede obtenerse como caso particular de la propiedad del producto o bien aplicando la
propiedad de dualidad a la propiedad de derivacin en el tiempo.
Simetra.
x(t)
TF
X(j) (2.101)
La aplicacin de esta propiedad a seales pares e impares (o a las partes par e impar de
una seal) nos dice que si una seal es par (x(t) = x(t)), su transformada tambin lo
es (X(j) = X(j)), y que si una seal es impar (x(t) = x(t)), su transformada
tambin lo es (X(j) = X(j)). Se obtiene cambiando t por t en (2.89).
Conjugacin.
x
(t)
TF
X
(j) (2.102)
La aplicacin de esta propiedad a seales reales e imaginarias puras (o a las partes real e
imaginaria de una seal) nos dice que si una seal es real (x(t) = x
(t)), su transformada es
hermtica (X(j) = X
(j)), y que si una seal es imaginaria pura (x(t) = x
(t)),
su transformada es antihermtica (X(j) = X
(j)). Tambin nos dice que la parte real

de una seal compleja se transforma en la parte hermtica de la transformada, y que la parte
imaginaria de una seal compleja se transforma en la parte antihermtica de la transformada.
Combinando esta propiedad con la anterior podemos establecer aseveraciones como: la
transformada de una seal real y par es real y par, o la transformada de una seal real e impar
es imaginaria pura e impar. Se obtiene aplicando (2.89) a x
(t).
Conservacin del producto escalar o Relacin de Parseval.
_

x(t)y
(t) dt =
1
2
_

X(j)Y
(j) d (2.103)
Se demuestra a partir de la propiedad de conservacin del producto escalar en el espacio
vectorial de seales de energa nita.
Conservacin de la energa o Teorema de Rayleigh.
_

[x(t)[
2
dt =
1
2
_

[X(j)[
2
d (2.104)
se obtiene como caso particular de la Relacin de Parseval y generalmente es confundido
con esta. Esta propiedad permite interpretar el mdulo al cuadrado de la Transformada de
Fourier, [X(j)[
2
, como una densidad de energa: la parte izquierda de la igualdad (2.104)
es la medida de la energa de x(t) y, por tanto, la parte derecha de la igualdad tambin lo es;
si la energa se obtiene mediante integracin de una funcin, esa funcin puede interpretarse
como densidad de energa. Como la variable independiente de esa funcin es la frecuencia,
[X(j)[
2
se denomina densidad espectral de energa.
Podemos comprobar adems que la densidad espectral de energa es la Transformada de
Fourier de la funcin de ambigedad temporal denida en (2.57).
Todas estas propiedades se encuentran enumeradas en el Cuadro 2.2.
Transformada de Fourier de seales peridicas
Un caso especial en la representacin espectral de las seales en tiempo continuo lo
constituyen las seales peridicas. Salvo para el caso trivial de una seal idnticamente
nula (que puede ser considerada como peridica con el periodo que se desee), la aplicacin
directa de la ecuacin de anlisis de la Transformada de Fourier, (2.89), sobre una seal
peridica da como resultado una integral divergente.
Linealidad x(t) +y(t)
TF
X(j) +Y (j)
Convolucin x(t) y(t)
TF
X(j)Y (j)
Desplazamiento temporal x(t t
0
)
TF
e
jt
0
X(j)
Derivacin
d x(t)
dt
TF
jX(j)
Integracin
_
t
x() d
TF
X(j)
jw
+X(j0)()
Cambio de escala x(at)
TF
1
[a[
X
_
j
a
_
Dualidad X(jt)
TF
2x()
Producto x(t)y(t)
TF
1
2
X(j) Y (j)
Modulacin e
j
0
t
x(t)
TF
X(j(
0
))
Derivacin en frecuencia jt x(t)
TF
d X(j)
d
Simetra x(t)
TF
X(j)
Conjugacin x
(t)
TF
X
(j)
Relacin de Parseval
_
x(t)y
(t) dt =
1
2
_
X(j)Y
(j) d
Teorema de Rayleigh
_
[x(t)[
2
dt =
1
2
_
[X(j)[
2
d
Cuadro 2.2. Propiedades de la Transformada de Fourier en tiempo continuo.
Para solventar este problema recurrimos al Desarrollo en Serie de Fourier para seales
en tiempo continuo, que nos permite representar una seal peridica como combinacin
lineal de sinusoides complejas relacionadas armnicamente. A partir de aqu aplicamos la
transformada sobre cada una de las sinusoides y obtenemos la transformada que estbamos
buscando.
El Desarrollo en Serie de Fourier de una seal x(t) peridica con periodo T se dene
mediante el siguiente par de ecuaciones
a
k
=
1
T
_
(T)
x(t) e
j
2k
T
t
dt (2.105)
x(t) =
k=
a
k
e
j
2k
T
t
(2.106)
denominadas, respectivamente, ecuaciones de anlisis y sntesis del Desarrollo en Serie de
Fourier para tiempo continuo. Los valores a
k
se denominan coeciente del Desarrollo en
Serie de Fourier y son, en general, de naturaleza compleja.
Aplicando la Transformada de Fourier sobre (2.106) obtenemos
x(t) =
k=
a
k
e
j
2k
T
t
TF
2
k=
a
k

_

2k
T
_
(2.107)
Representacin de seales y sistemas en el dominio de Fourier para tiempo
continuo
La Transformada de Fourier de una seal es, como hemos dicho anteriormente, una
funcin compleja con una variable independiente real. Como tal funcin compleja podemos
representarla en funcin de sus partes real e imaginaria (coordenadas cartesianas) como
X(j) = 1eX(j) +jJmX(j) (2.108)
o en funcin de su mdulo y fase (coordenadas polares) como
X(j) = [X(j)[ e
jX(j)
(2.109)
De estas dos formas alternativas, generalmente se preere emplear la representacin en
mdulo y fase. Una de las razones para ello es que la representacin de la salida de un
sistema lineal e invariante en coordenadas polares toma la forma
Y (j) = X(j)H(j) = [X(j)[ e
jX(j)
[H(j)[ e
jH(j)
= [X(j)[ [H(j)[ e
j(X(j)+H(j))
(2.110)
lo que nos permite analizar separadamente los trminos de mdulo y fase
[Y (j)[ = [X(j)[ [H(j)[ (2.111)
Y (j) = X(j) +H(j) (2.112)
Si intentamos realizar la misma descomposicin en partes real e imaginaria obtenemos
1eY (j) = 1eX(j) 1eH(j) JmX(j) JmH(j) (2.113)
JmY (j) = 1eX(j) JmH(j) +JmX(j) 1eH(j) (2.114)
donde se mezclan la partes real e imaginaria de la seal de entrada y de la funcin de trans-
ferencia del sistema.
Otra de las razones que aconsejan el empleo de la representacin polar es que el cuadra-
do del mdulo de la transformada tiene una interpretacin directa como densidad espectral
de energa de la seal, como vimos al presentar el Teorema de Rayleigh, (2.104).
Al mdulo de la Transformada de Fourier se le suele denominar caracterstica de am-
plitud de la seal (o del sistema, si se trata de una funcin de transferencia) y, a la fase,
caracterstica de fase.
Volviendo a (2.111) y (2.112), un sistema contribuye de forma multiplicativa en la ca-
racterstica de amplitud de la seal y aditivamente en la caracterstica de fase. Comencemos
analizando la contribucin a la caracterstica de fase de un sistema lineal e invariante.
Cuando la caracterstica de fase de un sistema es de la forma
H(j) = t
0
(2.115)
siendo t
0
una constante real, decimos que el sistema es de fase lineal . La interpretacin en
el dominio natural del efecto que produce un sistema lineal e invariante de fase lineal es
clara si escogemos una caracterstica de amplitud como [H(j)[ = 1, porque la salida ser
y(t) = x(t t
0
), como vimos al analizar la propiedad de desplazamiento temporal de la
Transformada de Fourier, (2.93).
La caracterstica de fase lineal es deseable en los sistemas que aparecen en una cade-
na de transmisin, porque implica una coherencia temporal. Para medir las desviaciones
respecto a la caracterstica de fase lineal se emplea el retardo de grupo, denido como
() =
d H(j)
d
(2.116)
Si un sistema es de fase lineal, su retardo de grupo es constante e igual a t
0
y, segn lo
expuesto anteriormente, podemos decir que la seal tardara t
0
segundos en atravesar
el sistema. Si el retardo de grupo no es constante podemos decir que cada componente
frecuencial de una seal, X(j
0
), tardara un tiempo (
0
) en atravesar el sistema. Si la
seal de entrada al sistema fuese una funcin delta, que tiene concentrada toda su energa
en el instante t = 0, al atravesar un sistema de retardo de grupo no constante se dispersara
la energa porque cada componente frecuencial tarda un tiempo distinto en atravesarlo. Un
ejemplo que puede ayudarnos a comprender la inuencia que puede tener la variacin de la
caracterstica de fase de una seal es el siguiente.
Ejemplo 2.11
Sea un sistema cuyas caractersticas de amplitud y fase son
[H(j)[ = 1 y H(j) =
_
/2 > 0
/2 < 0
(2.117)
Si tenemos a la entrada del sistema la funcin delta (x(t) = (t)), a la salida tenemos
y(t) = h(t) =
1
t
(2.118)
que pone de maniesto los efectos que puede tener un sistema de fase no lineal sobre la forma de
onda de una seal.
Analicemos ahora la contribucin sobre la caracterstica de amplitud de un sistema lineal
e invariante. En primer lugar, sera conveniente expresar la contribucin del sistema en forma
aditiva (como es la de de la fase) en lugar de multiplicativa, como est expresada en (2.111).
Para lograrlo podemos emplear logaritmos, que transforman sumas en productos. Tomando
el logaritmo en ambos lados de (2.111) obtenemos
log [Y (j)[ = log [X(j)[ + log [H(j)[ (2.119)
Dentro de las medidas logartmicas, la ms empleada es 20 log
10
que, cuando se aplica a
magnitudes adimensionales como la funcin de transferencia tiene como unidad de medida
el decibelio dB. Aplicndola a (2.119) tenemos
20 log
10
[Y (j)[ = 20 log
10
[X(j)[ + 20 log
10
[H(j)[ (2.120)
y decimos que el sistema tiene una ganancia de 0 dB a una frecuencia determinada si su
caracterstica de amplitud es igual a 1, o que tiene una ganancia de 20 dB(o una atenuacin
de 20 dB) si su caracterstica de amplitud es igual a 0,1. Por ser adimensional, no podemos
decir que la caracterstica de amplitud es x dB a una frecuencia determinada, pero s que
a esa frecuencia la seal es y dB mayor o menor que la caracterstica de amplitud a otra
frecuencia.
Antes de continuar con el anlisis de la caracterstica de magnitud de los sistemas li-
neales e invariantes conviene denir un tipo especial de sistemas que emplearemos como
referencia. Son los ltros ideales. Si en la Pgina 37 nos hemos referido a los sistemas con
limitacin de banda y, dentro de ellos a los sistemas paso bajo, paso alto, paso banda y banda
eliminada, ahora denimos un ltro paso bajo como un sistema paso bajo cuya funcin de
transferencia toma nicamente los valores 0 y 1; es decir, la funcin de transferencia toma
la forma
H(j) =
_
1 [[ <
0
0 [[ >
0
(2.121)
y decimos que
0
es la frecuencia de corte, o que el ancho de banda del ltro es
0
. A las
frecuencias [[ <
0
se les denomina banda de paso y a las frecuencias [[ >
0
, banda
eliminada. Los ltros ideales paso alto, paso banda y banda eliminada se denen de la misma
forma. La denominacin de ideales les viene tanto de su comportamiento (ganancia de 0
dB en la banda de paso y de dB en la banda atenuada) como de la imposibilidad de
realizacin (su respuesta al impulso es una funcin no causal y de duracin ilimitada).
Los ltros que fsicamente podemos realizar se aproximan en mayor o menor medida a
los ideales, pero no existe una frecuencia a partir de la cual su caracterstica de magnitud
sea exactamente 0 (atenuacin de dB), aunque s muy pequea. Existen, sin embargo,
diversos criterios que nos permiten establecer una medida de ancho de banda, entendiendo
que no se trata de una limitacin estricta de la banda de paso del sistema. Los ms empleados
son (consideramos los criterios para ltros paso bajo, siendo su extensin al resto de tipos
inmediata):
Ancho de banda 3 dB. Toma como frecuencia de corte la frecuencia ms pequea para la
que el cuadrado de la caracterstica de amplitud est 3 dB por debajo de su valor
mximo. En este y en el resto de criterios se emplean medidas de energa y, dado que
la densidad espectral de energa de la salida es la de la entrada multiplicada por la
caracterstica de amplitud al cuadrado del sistema, todas las medidas estarn referidas
al cuadrado de la caracterstica de amplitud.
Ancho de banda 6 dB. Igual que el anterior, pero con una referencia de 6 dB.
Ancho de banda del p %. Toma como frecuencia de corte aquella en la que se cumple
_
0
[H(j)[
2
d
_
[H(j)[
2
d
=
p
100
(2.122)
Valores tpicos de p son 90, 95 99.
Ancho de banda equivalente de ruido. La frecuencia de corte se dene como
0
=
_
[H(j)[
2
d
m ax
[H(j)[
2
(2.123)
y representa el ancho de un ltro ideal con ganancia m ax
[H(j)[
2
en la banda de
paso cuya energa de su respuesta al impulso fuese la del ltro que estamos caracteri-
zando.
Ancho de banda de primer nulo. Si la caracterstica de amplitud toma valor 0 para algu-
na frecuencia, consideramos
0
como la ms pequea (en valor absoluto) de estas
frecuencias.
Por ltimo, para representar grcamente las caractersticas de amplitud y fase de siste-
mas con respuesta impulsional real suelen emplearse los denominados diagramas de Bode,
que utilizan tambin escala logartmica para la frecuencia, de la forma en que se muestra
en la Figura 2.6. Esta representacin no es posible si el sistema tiene respuesta impulsional
1 10 100 0.1 0.01
20log
10
|H(j)|
1 10 100 0.1 0.01 0

/4
/2
H(j)
Figura 2.6. Ejemplo de diagrama de Bode de un sistema.
compleja porque, en ese caso, el comportamiento en frecuencias positivas no dene total-
mente al sistema.
2.3.3. Transformada de Fourier para seales y sistemas en tiempo
discreto
Si para seales en tiempo continuo obtenamos la Transformada de Fourier como parti-
cularizacin de la Transformada de Laplace en s = j, la obtencin de la Transformada de
Fourier en tiempo discreto Transformada de Fourier para secuencias se realiza particula-
rizando la Transformada Z en la circunferencia de radio unidad, z = e
j
. Concretamente, la
Transformada de Fourier en tiempo discreto de una seal x[n] se dene como
X(e
j
)
.
= X(z)
z=e
j
=
n=
x[n] e
jn
(2.124)
y es una funcin compleja de la variable real .
La transformada inversa (o ecuacin de sntesis de la transformada) se obtiene particu-
larizando (2.87) para r = 1,
x[n] =
1
2
_
2
X(e
j
) e
jn
d (2.125)
Las transformadas de Fourier en tiempo continuo y tiempo discreto son en realidad dos
formas distintas de la misma transformada; una de ellas para seales con variable inde-
pendiente continua y la otra para seales con variable independiente discreta
4
. Dada esta
igualdad, nos limitaremos principalmente en este apartado a ir sealando las diferencias que
existan entre ambas transformadas.
La primera de ellas es la periodicidad de la Transformada de Fourier en tiempo discreto.
Las expresiones e
j
0
n
y e
j(
0
+2k)n
con k un nmero entero cualquiera son, como discu-
timos en la Pgina 18, expresiones distintas de la misma secuencia y, por tanto, el valor de
la transformada a una frecuencia
0
ser igual al de la frecuencia
0
+ 2k. Esto implica
que la Transformada de Fourier de cualquier secuencia sea siempre una funcin peridica
de periodo 2.
Se dice que existe la Transformada de Fourier de una seal x[n] si el sumatorio (2.124)
es convergente para todo valor de . Al igual que en tiempo continuo, no existe ninguna
condicin necesaria y suciente que garantice su existencia aunque s encontramos mu-
chas condiciones sucientes como, por ejemplo, que la seal sea de energa nita o que
sea absolutamente sumable. En tiempo discreto tambin vamos a permitir la existencia de
funciones delta en el dominio transformado y, salvo indicacin en contrario, cuando ha-
blemos de Transformada de Fourier estaremos rerindonos a la Transformada de Fourier
Generalizada.
En el Cuadro 2.3 podemos encontrar las transformadas de algunas funciones elemen-
tales. Podemos comprobar que todas las transformadas que aparecen en el cuadro son fun-
ciones peridicas de periodo 2. Ntese tambin cmo cambia el sentido de frecuencias
4
Esto no sucede con las transformadas de las que derivan cada una de ellas, Laplace y Z, que son per se
transformadas distintas.
altas de tiempo continuo a tiempo discreto, porque en este ltimo caso una frecuencia 2 es
equivalente a frecuencia 0, y la frecuencia ms alta que tenemos en tiempo discreto es :
lo ms rpido que podemos hacer cambiar la amplitud de una secuencia consiste en alternar
su signo de muestra a muestra.
[n]
TF
1
[n n
0
]
TF
e
jn
0
a sinc[an]
0<a<1
TF
k=
_
2k
2a
_
1
TF
2
k=
( 2k)
e
j
0
n
TF
2
k=
(
0
2k)
u[n]
TF
1
1 e
j
+
k=
( 2k)
a
n
u[n]
[a[<1
TF
1
1 ae
j
(n + 1)a
n
u[n]
[a[<1
TF
1
(1 ae
j
)
2
k=
[n kN]
TF
2
N
k=
_
k
2
N
_
nN)
a
k
e
jk(2/N)n
TF
2
k=
a
k
_
k
2
N
_
Por lo dems, las deniciones realizadas sobre limitacin de banda para seales y sis-
temas en tiempo continuo y las discusiones sobre la forma ms adecuada de representar
seales y sistemas en el dominio transformado, siguen siendo vlidas para tiempo discreto.
Propiedades de la Transformada de Fourier en tiempo discreto
Antes de entrar a detallar las propiedades de la Transformada de Fourier en tiempo
discreto, conviene recordar las propiedades que existan para tiempo continuo y no existen
para tiempo discreto y las nuevas propiedades que aparecen en tiempo discreto.
La propiedad ms importante que se pierde es la propiedad de dualidad, porque ahora
la naturaleza de la variable independiente en el dominio natural es discreta y en dominio
transformado, continua. Adems de esta, las propiedades de derivacin e integracin son
sustituidas por sus equivalentes en tiempo discreto: diferenciacin y acumulacin. La pro-
piedad de cambio de escala tambin desaparece como tal porque una operacin de escalado
en tiempo discreto puede implicar hasta cuatro operaciones: muestreo, supresin de ceros,
reinsercin de ceros y reconstruccin de valores. La razn es que los procesos de escalado
de la variable independiente en tiempo discreto implican, adems del propio escalado, pr-
dida o necesidad de informacin. De estas cuatro operaciones, dos sern tratadas aqu como
propiedades (insercin y supresin de ceros), y las otras dos (muestreo y reconstruccin)
merecen una atencin especca y sern tratadas en el Apartado 2.4.
Veamos ahora las restantes, comentando nicamente sus diferencias respecto a sus equi-
valentes en tiempo continuo. Para evitar su continua repeticin, en cada una de las propie-
dades emplearemos la siguiente notacin
x[n]
TF
X(e
j
)
y[n]
TF
Y (e
j
)
Linealidad.
x[n] +y[n]
TF
X(e
j
) +Y (e
j
) (2.126)
Propiedad de convolucin.
x[n] y[n]
TF
X(e
j
)Y (e
j
) (2.127)
Desplazamiento temporal.
x[n n
0
]
TF
e
jn
0
X(e
j
) (2.128)
Observe cmo el trmino e
jn
0
que multiplica a X(e
j
) es una funcin peridica de pe-
riodo 2 (aunque su periodo fundamental es 2/n
0
) por ser n
0
un nmero entero.
Diferenciacin.
x[n] x[n 1]
TF
(1 e
j
) X(e
j
) (2.129)
Esta propiedad se demuestra a partir de las de desplazamiento temporal y linealidad.
Acumulacin.
n
k=
x[n]
TF
X(e
j
)
1 e
jw
+X(e
j0
)
k=
( 2k) (2.130)
Insercin de ceros. Si a partir de la secuencia x[n] generamos otra secuencia x
0L
[n] in-
sertando L 1 ceros entre dos valores de x[n] de la forma
x
0L
[n] =
k=
x[k][n kL] =
_
x
_
n
L
si n =

L
0 si n ,=

L
(2.131)
donde

L indica mltiplo entero de L, se cumple que
x
0L
[n]
TF
X(e
jL
) (2.132)
Comparando esta propiedad con la de escalado de la Transformada de Fourier para seales
en tiempo continuo, vemos que el sentido es el mismo en el caso en que el factor de escala
a sea igual a 1/L: una expansin del eje temporal. El nico trmino que ha desaparecido es
el factor 1/[a[, porque en tiempo discreto no ha variado la energa de la secuencia al insertar
los ceros. La demostracin de esta propiedad se realiza aplicando la ecuacin de anlisis de
la transformada a (2.131).
Supresin de ceros. Si a partir de la secuencia x
0L
[n] que cumple
x
0L
[n] = 0 n ,=

L (2.133)
y cuya Transformada de Fourier es X
0L
(e
j
) generamos otra secuencia x[n] = x
0L
[nL], se
cumple que
x[n]
TF
X
0L
(e
j/L
) (2.134)
Es la propiedad contraria a la anterior y supone una compresin del eje temporal.
Producto.
x[n]y[n]
TF
1
2
X(e
j
)
2
Y (e
j
)
.
=
1
2
_
(2)
X(e
j
)Y (e
j()
) d (2.135)
La operacin denotada como
2
y denida en esta ecuacin se denomina convolucin peri-
dica de periodo 2, cuya nica diferencia con la convolucin no peridica vista hasta ahora
es el intervalo de integracin. Podemos comprobar que si intentamos realizar una convolu-
cin no peridica entre dos seales peridicas, en general, la integral diverge.
Modulacin.
e
j
0
n
x[n]
TF
X(e
j(
0
)
) (2.136)
Derivacin en frecuencia.
jnx[n]
TF
d X(e
j
)
d
(2.137)
Simetra.
x[n]
TF
X(e
j
) (2.138)
Conjugacin.
x
[n]
TF
X
(e
j
) (2.139)
Las discusiones sobre existencia de simetras realizadas en el caso en tiempo continuo para
esta propiedad y la anterior siguen siendo vlidas para tiempo discreto.
Conservacin del producto escalar o Relacin de Parseval.
n=
x[n]y
[n] =
1
2
_
(2)
X(e
j
)Y
(e
j
) d (2.140)
Conservacin de la energa o Teorema de Rayleigh.
n=
[x[n][
2
=
1
2
_
(2)
[X(e
j
)[
2
d (2.141)
El mdulo al cuadrado de la Transformada de Fourier, tambin en tiempo discreto, admite
la interpretacin como densidad espectral de energa.
Transformada de Fourier de secuencias peridicas
Para calcular la Transformada de Fourier de secuencias peridicas evitando la divergen-
cia de la ecuacin de anlisis recurrimos al Desarrollo en Serie de Fourier para secuencias,
que nos permite representar una seal peridica como una combinacin lineal de un nmero
nito de de sinusoides complejas relacionadas armnicamente. A partir de aqu aplicamos la
transformada sobre cada una de las sinusoides y obtenemos la transformada de la secuencia.
El Desarrollo en Serie de Fourier de una seal x[n] peridica con periodo N se dene
mediante el siguiente par de ecuaciones
a
k
=
1
N
nN)
x[n] e
jk
2
N
n
(2.142)
x[n] =
kN)
a
k
e
jk
2
N
n
(2.143)
denominadas, respectivamente, ecuaciones de anlisis y sntesis del Desarrollo en Serie de
Fourier para secuencias. Al igual que sucede con la transformada del mismo nombre, los
desarrollos en serie de Fourier para tiempo continuo y tiempo discreto son dos formulaciones
del mismo desarrollo en serie. Al igual que la Transformada de Fourier para seales en
Linealidad x[n] +y[n]
TF
X(e
j
) +Y (e
j
)
Convolucin x[n] y[n]
TF
X(e
j
)Y (e
j
)
Desplazamiento temporal x[n n
0
]
TF
e
jn
0
X(e
j
)
Diferenciacin x[n] x[n 1]
TF
(1 e
j
) X(e
j
)
Acumulacin

n
k=
x[n]
TF
X(e
j
)
1e
jw
+X(e
j0
)
k=
( 2k)
Insercin de ceros x
0L
[n] =
k=
x[k][n kL]
TF
X(e
jL
)
Supresin de ceros x[n] = x
0L
[nL]
TF
X
0L
(e
j/L
)
Producto x[n]y[n]
TF
1
2
X(e
j
)
2
Y (e
j
)
Modulacin e
j
0
n
x[n]
TF
X(e
j(
0
)
)
Derivacin en frecuencia jnx[n]
TF
d X(e
j
)
d
Simetra x[n]
TF
X(e
j
)
Conjugacin x
[n]
TF
X
(e
j
)
Relacin de Parseval

n=
x[n]y
[n] =
1
2
_
(2)
X(e
j
)Y
(e
j
) d
Teorema de Rayleigh

n=
[x[n][
2
=
1
2
_
(2)
[X(e
j
)[
2
d
Cuadro 2.4. Propiedades de la Transformada de Fourier en tiempo discreto.
tiempo discreto, los coecientes a
k
del Desarrollo en Serie de Fourier para secuencias son
peridicos, pero con periodicidad N.
Aplicando la Transformada de Fourier sobre (2.143) obtenemos
x[n] =
nN)
a
k
e
jk(2/N)n
TF
2
k=
a
k
( k
2
N
) (2.144)
2.3.4. Transformada Z para sistemas lineales e invariantes
La Transformada Z, denida mediante sus ecuaciones de anlisis, (2.86), y sntesis,
(2.87), (que reproducimos nuevamente por comodidad)
X(z)
.
=
n=
x[n]z
n
(2.86)
x[n] =
1
2j
_
X(z) z
n1
dz (2.87)
es til sobre todo para el estudio de sistemas lineales e invariantes. Antes de entrar a analizar
la caracterizacin de estos sistemas, vamos a examinar un concepto de vital importancia en
la Transformada Z: la regin de convergencia (Region Of Convergence, ROC).
A diferencia de la Transformada de Fourier, la Transformada Z existe siempre
5
pero, en
general, no sobre todo el plano complejo z. Denimos la regin de convergencia como el
conjunto de todos los valores de z (regin del plano z) para los que el sumatorio de la ecua-
cin de anlisis, (2.86), es convergente. Los valores de z para los que
k=
x[n]z
n
=
se denominan polos de X(z). La ROC cumple las siguientes propiedades:
Propiedad 1. La ROC es un anillo en el plano z centrado en el origen.
Propiedad 2. La Transformada de Fourier de una secuencia x[n] existe si la ROC incluye la
circunferencia de radio unitario.
Propiedad 3. Por denicin, la ROC no contiene ningn polo de X(z).
Propiedad 4. Si x[n] es una secuencia de duracin nita, la ROC es todo el plano z con la
posible excepcin de z = 0 y/o z = .
Propiedad 5. Si x[n] es una secuencia de lado derecho (x[n] = 0 n < N
1
< ) la ROC
es la regin exterior a una circunferencia, tal y como se muestra en las Figuras
2.7(a) y 2.7(b) (la ROC es el rea sombreada). El punto z = puede o no
pertenecer a la ROC. La Transformada de Fourier existe en un caso como el
mostrado en la Figura 2.7(a) porque la ROC incluye la circunferencia unidad
y no existe en un caso como el mostrado en la Figura 2.7(b).
Propiedad 6. Si x[n] es una secuencia de lado izquierdo (x[n] = 0 n > N
1
> ) la
ROC es la regin interior a una circunferencia, tal y como se muestra en la
Figura 2.7(c). El punto z = 0 puede o no pertenecer a la ROC.
Propiedad 7. Si x[n] es una secuencia que se extiende desde a sin anularse (secuen-
cia indenida que no es ni de lado derecho ni de lado izquierdo) la ROC es
una regin anular acotada por dos circunferencias, tal y como se muestra en la
Figura 2.7(d).
Propiedad 8. La ROC es una regin conexa (no puede estar compuesta, por ejemplo, por
dos anillos).
A modo de resumen, podemos decir que la ROC es una regin anular acotada por las
circunferencias en que se sitan los polos de X(z).
El Cuadro 2.5 muestra la Transformada Z de algunas funciones elementales, donde
x[n]
Z
X(z) denota que X(z) es la Transformada Z de la secuencia x[n]. Observe
cmo una nica expresin analtica de X(z) puede corresponder con secuencias distintas,
dependiendo de la ROC que escojamos o, visto de otra forma, cmo secuencias distintas
1
Plano z
1
Plano z
(a) (b)
1
Plano z
1
Plano z
(c) (d)
Figura 2.7. Ejemplos de ROC: exterior a una circunferencia incluyendo la circunferencia
unidad (a), exterior a una circunferencia sin incluir la circunferencia unidad (b), interior a
una circunferencia (c), y anular (d).
pueden dar la misma expresin analtica de X(z), pero en ROC distintas. Este hecho nos
da a entender que para especicar la Transformada Z de una secuencia no es suciente con
especicar la expresin analtica de la transformada, sino tambin su ROC.
El Cuadro 2.6 muestra las propiedades ms importantes de la Transformada Z, donde
empleamos la notacin
x[n]
Z
X(z) ROC = R
x
y[n]
Z
Y (z) ROC = R
y
Observe cmo muchas de las operaciones que expresan las propiedades conllevan un cambio
5
Estrictamente es siempre que su crecimiento o decrecimiento sea, como mucho, exponencial. Todas las
seales de inters en comunicaciones cumplen esta propiedad.
Par transformado ROC
[n]
Z
1 Todo el plano z
[n n
0
]
Z
z
n
0
Todo el plano z excepto z = 0 si
n
0
> 0 z = si n
0
< 0
u[n]
Z
1
1 z
1
[z[ > 1
u[n 1]
Z
1
1 z
1
[z[ < 1
a
n
u[n]
Z
1
1 az
1
[z[ > [a[
a
n
u[n 1]
Z
1
1 az
1
[z[ < [a[
na
n
u[n]
Z
az
1
(1 az
1
)
2
[z[ > [a[
a
n
u[n 1]
Z
az
1
(1 az
1
)
2
[z[ < [a[
e
j
0
n
u[n]
Z
1
1 e
j
0
z
1
[z[ > 1
de la ROC.
Podemos comprobar cmo todas estas propiedades de la Transformada Z se reducen a
sus correspondientes propiedades de la Transformada de Fourier para secuencias si hacemos
z = e
j
.
Propiedades de la funcin de transferencia
En la Pgina 30 analizamos cuatro propiedades que podan o no cumplir los sistemas
lineales atendiendo a las caractersticas de la respuesta al impulso. Veamos ahora las impli-
caciones de estas propiedades sobre la funcin de transferencia en el dominio z.
Memoria. Un sistema lineal e invariante (en lo sucesivo, al referirnos genricamente a un
sistema, supondremos que cumple las propiedades de linealidad e invarianza) sin memoria
tiene una funcin de transferencia
H(z) = K (2.145)
donde K es una constante, en general compleja y su ROC es todo el plano z. La demostra-
cin de esta propiedad se obtiene tomando la Transformada Z de (2.74).
Causalidad. En un sistema causal, la ROC de su funcin de transferencia ser la regin
exterior de una circunferencia incluyendo z = , porque un sistema es causal si y slo
si su respuesta al impulso h[n] cumple h[n] = 0, n < 0. El radio de esta circunferencia
Propiedad Denicin ROC
Z
X(z) +Y (z) Al menos, R
x
R
y
Convolucin x[n] y[n]
Z
X(z)Y (z) Al menos, R
x
R
y
Desplazamiento
temporal
x[n n
0
]
Z
z
n
0
X(z) R
x
, con la posible
adicin o sustrac-
cin de z = 0
z =
Insercin de ceros x
0L
[n] =
k=
x[k][n kL]
Z
X(z
L
) R
1/L
x
Supresin de ceros x[n] = x
0L
[nL]
Z
X
0L
(z
1/L
) R
L
x
Multiplicacin por
una exponencial
compleja
z
0
n
x[n]
Z
X(z/z
0
) [z
0
[R
x
Derivacin nx[n]
Z
z
d X(z)
dz
R
x
Simetra x[n]
Z
X(1/z) 1/R
x
Conjugacin x
[n]
Z
X
(z
) R
x
Teorema del valor
inicial
Si x[n] = 0 n < 0, x[0] = lm
z
X(z)
Teorema del valor
nal
Si lm
n
x[n] es nito, su valor es
lm
n
x[n] = lm
z1
(1 z
1
)X(z)
Cuadro 2.6. Propiedades de la Transformada Z.
ser el mdulo del polo de H(z) ms alejado del origen pues, como hemos mencionado
anteriormente, la ROC est acotada por las circunferencias en que se sitan los polos de
X(z).
De manera anloga, la ROC de la funcin de transferencia de un sistema anticausal ser
la regin interior a una circunferencia incluyendo z = 0. El radio de esta circunferencia ser
el mdulo del polo de H(z) ms cercano al origen.
Invertibilidad. Si un sistema es invertible, la funcin de transferencia de su sistema inver-
so ser
H
i
(z) =
1
H(z)
(2.146)
como podemos comprobar sin ms que tomar la transformada de (2.77). Lamentablemen-
te, que podamos obtener H
i
(z) no signica que un sistema sea invertible: si, para alguna
frecuencia
0
se cumple que H(e
j
0
) = 0 (denominados ceros de transmisin), todo el
contenido de la seal de entrada al sistema en esa frecuencia se pierde a su salida, y es
imposible de recuperar la seal original.
Estabilidad. Un sistema es estable BIBO si y slo si la ROC de su funcin de transfe-
rencia contiene la circunferencia unidad. La convergencia de la ecuacin de anlisis de la
Transformada Z, (2.86), en la circunferencia unidad se cumple si y slo si
n=
[x[n]z
n
[
z=e
j
< (2.147)
de donde, operando, llegamos a
n=
[x[n]e
jn
[ =
n=
[x[n][ < (2.148)
que es exactamente la condicin de estabilidad BIBO para sistemas lineales e invariantes,
(2.78).
A continuacin haremos uso de estas propiedades en una familia concreta de sistemas
lineales e invariantes.
Sistemas denidos por ecuaciones en diferencias con coecientes constan-
tes
Un caso particular de sistemas ampliamente utilizados son aquellos cuya relacin entre
entrada y salida queda denida por una ecuacin en diferencias con coecientes constantes,
porque su funcin de transferencia en el dominio z va a ser una funcin racional. En este
apartado vamos a caracterizar la funcin de transferencia de estos sistemas
6
.
En un caso general, la ecuacin en diferencias que dene el sistema toma la forma
N
k=0
a
k
y[n k] =
M
k=0
b
k
x[n k] (2.149)
donde x[n] e y[n] son, respectivamente, la entrada y la salida del sistema. Para asegurar la
linealidad e invarianza temporal del sistema es suciente imponer adicionalmente condicio-
nes iniciales nulas, (x[] = y[] = 0), lo que nos garantiza, adems, la causalidad del
sistema. Alternativamente podemos imponer condiciones nales nulas, (x[] = y[] = 0),
lo que tambin nos garantiza linealidad e invarianza a costa de la anticausalidad del sistema.
Hablamos de una realizacin del sistema como lineal, invariante y causal o, simplemente,
realizacin causal de (2.149) si imponemos condiciones iniciales nulas, y hablamos de una
realizacin anticausal de (2.149) si imponemos condiciones nales nulas.
6
Para no repetir continuamente el trmino sistemas denidos por ecuaciones en diferencias con coecientes
constantes, cuando en este apartado nos reramos genricamente a sistemas, estaremos hablando de este tipo
particular de sistemas.
Para calcular la funcin de transferencia del sistema, calculamos la Transformada Z de
ambos lados de (2.149), teniendo en cuenta que
x[n]
Z
X(z) (2.150)
y[n]
Z
Y (z) (2.151)
aplicando sucesivamente las propiedades de desplazamiento temporal y linealidad de la
Transformada Z obtenemos
M
k=0
b
k
x[n k]
Z
k=0
b
k
z
k
X(z) (2.152)
N
k=0
a
k
y[n k]
Z
k=0
a
k
z
k
Y (z) (2.153)
y de aqu, nalmente
N
k=0
a
k
z
k
Y (z) =
M
k=0
b
k
z
k
X(z) (2.154)
de donde obtenemos la funcin de transferencia como
H(z) =
Y (z)
X(z)
=
M
k=0
b
k
z
k
N
k=0
a
k
z
k
(2.155)
La funcin de transferencia, H(z), toma la forma de un cociente de polinomios en z,
donde los coecientes de la entrada y sus versiones retrasadas en la ecuacin diferencial
(2.149), b
k
, son los coecientes del polinomio del numerador de H(z) y los coecientes
de la salida y sus versiones retrasadas en la ecuacin diferencial (2.149), a
k
, son los coe-
cientes del polinomio del denominador de H(z). Este hecho nos permite calcular la funcin
de transferencia de este tipo de sistemas de forma directa sin ms que identicar dichos
coecientes. Las funciones que toman la forma de cociente de polinomios, como H(z) en
(2.155), se denominan funciones racionales.
Sin embargo, aunque la obtencin de la expresin de la funcin de transferencia se
realice de forma automtica empleando los coecientes a
k
y b
k
, el cociente de polinomios no
permite un anlisis fcil del comportamiento del sistema. Para realizar este anlisis debemos
descomponer cada uno de estos polinomios a partir de sus races, como
H(z) =
M
k=0
b
k
z
k
N
k=0
a
k
z
k
=
b
0
a
0
M
k=1
(1 d
k
z
1
)
N
k=1
(1 c
k
z
1
)
(2.156)
donde c
k
y d
k
son las races de los polinomios del denominador y numerador, respectiva-
mente. Estas constantes son los ceros (d
k
) y polos (c
k
) de la funcin de transferencia del
sistema en el dominio z. Es necesario recordar que, en general, las constantes a
k
, b
k
, c
k
y
d
k
son nmeros complejos, pero aun en el caso en que los coecientes de la ecuacin en
diferencias a
k
y b
k
sean constantes reales (sistema real), las races c
k
y d
k
pueden tomar
valores complejos.
Una conclusin importante que podemos extraer de (2.156) es que la funcin de trans-
ferencia queda, a excepcin de una ganancia b
0
/a
0
, unvocamente determinada por la ubi-
cacin de sus polos y ceros. Estos polos y ceros pueden representarse en lo que se conoce
como un diagrama de polos y ceros, tal y como se muestra en la Figura 2.8.
c
1
c
2
c
3
c
4
c
5
c
6
d
1
d
2
d
3
d
4
d
5
d
6
Plano z
1
Figura 2.8. Ejemplo de diagrama de polos y ceros.
Sobre el diagrama de polos y ceros podemos determinar rpidamente si las realizaciones
causal o anticausal del sistema son estables o no. Si optamos por la realizacin causal (con-
diciones iniciales nulas) del sistema, tenemos que su ROC (como la de todo sistema causal)
es la regin exterior a la circunferencia que contiene al polo de mayor magnitud; esto es
[z[ > m ax
k
[c
k
[ (2.157)
Como la condicin para que un sistema lineal e invariante sea estable es que la ROC con-
tenga la circunferencia de radio unidad, para que esto suceda, todos los polos, c
k
, deben
estar dentro del crculo de radio unidad. La realizacin causal del ejemplo de la Figura 2.8
se corresponde con un sistema inestable.
Si optamos por la realizacin anticausal (condiciones nales nulas) del sistema, tenemos
que su ROC (como la de todo sistema anticausal) es la regin interior a la circunferencia que
contiene al polo de menor magnitud; esto es
[z[ < mn
k
[c
k
[ (2.158)
En este caso, la estabilidad de la realizacin queda garantizada si todos los polos, c
k
, estn
fuera del crculo de radio unidad. La realizacin causal del ejemplo de la Figura 2.8 se
corresponde con un sistema inestable.
Afortunadamente, salvo que existan polos sobre la circunferencia unidad, somos capaces
de encontrar una realizacin estable del sistema descomponiendo H(z) como la combina-
cin de dos sistemas
H(z) = H
c
(z)H
a
(z) (2.159)
admitiendo el primero de ellos, H
c
(z), una realizacin causal estable y el segundo, H
a
(z),
una realizacin anticausal estable. H
c
(z) debe contener todos los polos de mdulo menor
que la unidad y H
a
(z) los polos de mdulo mayor que la unidad. Los ceros del sistema
podemos repartirlos entre H
c
(z) y H
a
(z) como mejor nos parezca. En el ejemplo de la
Figura 2.8, H
c
(z) contendra los polos c
1
, c
2
y c
5
, y H
a
(z) contendra los polos c
3
, c
4
y c
6
.
Sobre el diagrama de polos y ceros tambin podemos determinar rpidamente si un
sistema tiene inverso y, caso de tenerlo, su funcin de transferencia. Si el sistema posee
inverso, este, de acuerdo con (2.146), es
H
i
(z) =
1
H(z)
=
a
0
b
0
N
k=1
(1 c
k
z
1
)
M
k=1
(1 d
k
z
1
)
(2.160)
cuyo diagrama de polos y ceros es el de H(z) intercambiando polos por ceros. Para que
exista el sistema inverso debe existir la inversa de h[n] respecto a la convolucin, h
i
[n] tal
que h
i
[n] h[n] = [n] y, para que esto suceda, la ROC de H(z)H
i
(z) debe contener la
circunferencia unidad
7
. Esto quiere decir que siempre que H(z) no contenga ni polos ni
ceros sobre la circunferencia unidad seremos capaces de encontrar realizaciones (causales
y/o anticausales) para H(z) y H
i
(z) de tal manera que uno sea el sistema inverso del otro.
Un tipo de sistemas de gran inters en comunicaciones es el que admite una realizacin
causal estable con inversa tambin causal y estable. Para que esto suceda, todos los polos y
ceros de la funcin de transferencia deben estar dentro de la circunferencia unidad. Este tipo
de sistemas se conocen con el nombre de sistemas de fase mnima, los denotaremos como
H
min
(z), y volveremos sobre ellos ms adelante.
Analicemos ahora las caractersticas de amplitud y fase de la funcin de transferencia,
7
Esta condicin se da siempre que la interseccin de las ROC de H(z) y H(z) sea no nula, ya que entonces
podemos encontrar realizaciones de las respuestas al impulso de ambos sistemas y, al realizar la convolucin
entre ellas se produce la cancelacin de polos con ceros y una ROC para H(z)H
i
(z) que es todo el plano
complejo.
(2.156), descomponiendo cada trmino en la misma en forma polar
[H(z)[e
jH(z)
=
b
0
a
0
e
j
b
0
a
0
k=1
[1 d
k
z
1
[e
j(1d
k
z
1
)
N
k=1
[1 c
k
z
1
[e
j(1c
k
z
1
)
=
b
0
a
0
k=1
[1 d
k
z
1
[
N
k=1
[1 c
k
z
1
[
e
j
b
0
a
0
k=1
e
j(1d
k
z
1
)
N
k=1
e
j(1c
k
z
1
)
(2.161)
de donde, haciendo z = e
j
, podemos identicar las caractersticas de amplitud y fase de la
respuesta en frecuencia como
[H(e
j
)[ =
b
0
a
0
_
M
k=1
[1 d
k
e
j
[
_ _
N
k=1
[1 c
k
e
j
[
1
_
(2.162)
H(e
j
) =
_
b
0
a
0
_
+
M
k=1
(1 d
k
e
j
)
N
k=1
(1 c
k
e
j
) (2.163)
Finalmente, expresamos la caracterstica de amplitud de la respuesta en frecuencia, (2.162),
en dB
20 log
10
[H(e
j
)[ = 20 log
10
b
0
a
0
+
M
k=1
20 log
10
[1 d
k
e
j
[
N
k=1
20 log
10
[1 c
k
e
j
[
(2.164)
De este anlisis podemos obtener dos conclusiones:
1. Las caractersticas de amplitud y fase de la funcin de transferencia pueden descom-
ponerse como la suma de caractersticas de amplitud y fase de sistemas de orden 1
(H(z) = (1 az
1
) H(z) = (1 az
1
)
1
).
De hecho, podemos emplear (2.156) para descomponer el sistema general como una
conexin en serie de sistemas de orden 1
H(z) =
b
0
a
0
_
M
k=1
(1 d
k
z
1
)
__
N
k=1
1
(1 c
k
z
1
)
_
=
b
0
a
0
M
k=1
H
dk
(z)
N
k=1
H
ck
(z) (2.165)
en el dominio temporal,
h[n] =
b
0
a
0
h
d1
[n] h
dM
[n] h
c1
[n] h
cN
[n] (2.166)
y t ( ) H z
h n
( )
[ ]
x t ( )
H z
h n
cN
( )
[ ]
cN
H z
h n
c1
( )
[ ]
c1
H z
h n
dM
( )
[ ]
dM
H z
h n
d1
( )
[ ]
d1
b a
0 0
/
y t ( ) x t ( )
Figura 2.9. Descomposicin de un sistema genrico como conexin en serie de sistemas
de orden 1.
y que podemos ver de manera grca en la Figura 2.9.
2. La nica diferencia entre los polinomios de orden 1 del numerador (ceros de H(z)) y
los del denominador (polos de H(z)), es que contribuyen aditiva o sustractivamente a
las caractersticas de amplitud y fase del sistema.
A la vista de todo lo anterior, bastar con caracterizar el comportamiento de un sistema
de orden 1 para poder analizar las caractersticas de un sistema genrico, pues estas no son
sino la suma de las caractersticas de sistemas de orden 1.
En otras palabras, bastar con analizar el comportamiento de un sistema lineal e inva-
riante caracterizado por la ecuacin diferencial
y[n] ay[n 1] = x[n] (2.167)
o, alternativamente
y[n] = x[n] ax[n 1] (2.168)
para poder analizar un sistema genrico. Escogeremos (2.167), cuya funcin de transferencia
resulta ser
H(z) =
1
1 az
1
(2.169)
con un polo en z = a y un cero en z = 0. Existen dos posibles ROC; una de ellas es la
regin exterior a la circunferencia de radio [a[, mostrada en la Figura 2.10(a), que conduce
a una realizacin causal del sistema con una respuesta al impulso (ver Cuadro 2.5)
h[n] = a
n
u[n] (2.170)
La otra posible ROC es la regin interior a la circunferencia de radio [a[, mostrada en la
Figura 2.10(b), que conduce a una realizacin anticausal del sistema con una respuesta al
impulso (ver Cuadro 2.5)
h[n] = a
n
u[n 1] (2.171)
a
Plano z
ROC 1
a
Plano z
ROC 2
(a) (b)
Figura 2.10. Posibles ROC para un sistema de orden 1: realizacin causal (a) y realizacin
anticausal (b).
Dependiendo del valor que tome [a[, una ([a[ , = 1) o las dos ([a[ = 1) realizaciones pueden
dar lugar a sistemas inestables.
Para la realizacin estable (si la hubiese), su caracterstica de amplitud es, expresando a
en forma polar como a = re
j
,
20 log
10
[H(e
j
)[ = 20 log
10
[1 re
j
e
j
[
1
= 20 log
10
[1 re
j
e
j
[
= 10 log
10
(1 +r
2
2r cos( )) (2.172)
Su caracterstica de fase es
H(e
j
) = (1 re
j
e
j
)
1
= (1 re
j
e
j
) = arctan
_
r sen( )
1 r cos( )
_
(2.173)
Y su retardo de grupo
() =
r cos( ) r
2
1 +r
2
2r cos( )
(2.174)
que estn representados en la Figura 2.11 para un valor genrico de y varios valores de
r menores que 1. Para determinar la respuesta de un sistema con un orden genrico no hay
sino que sumar caractersticas como las mostradas en esta gura.
Un tipo de sistema de gran importancia es el denominado paso todo, que denotamos
como H
all
(z) y que, en su forma ms simple, tiene una funcin de transferencia
H
all
(z) =
z
1
a
1 az
1
(2.175)
5
5
10
15
20
/2
/2
20log
10
|H(e
t
)|
/2
/2

0
H(e
t
)
/2
/2
/4
/2 0 /2
8
6
4
2
()
r=0.9
r=0.75
r=0.5
r=0.25
Figura 2.11. Caracterstica de amplitud, caracterstica de fase y retardo de grupo de un
sistema de orden 1.
que posee una caracterstica de amplitud constante
[H(e
j
)[ =
e
j
a
1 ae
j
e
j
1 a
e
j
1 ae
j
e
j
1 a
e
j
[1 ae
j
[
= 1 (2.176)
que es la que le da el nombre. Un sistema paso todo compensa la inuencia del polo en a
sobre la caracterstica de amplitud con un cero en 1/a
. Podemos construir sistemas paso

todo del orden que deseemos sin ms que combinar sistemas de orden 1 como (2.175).
Si combinamos un sistema paso todo con un sistema de fase mnima podemos represen-
tar cualquier sistema con funcin de transferencia racional de la forma
H(z) = H
min
(z)H
all
(z) (2.177)
Para demostrar que cualquier sistema de estas caractersticas puede descomponerse de esta
forma pensemos en un sistema que tiene todos sus polos y ceros dentro de la circunferencia
unidad excepto un polo que est fuera, en una posicin z = a. Ese polo que est fuera de la
circunferencia unidad se asigna al sistema paso todo de la forma (2.175), que a su vez genera
un cero en z = 1/a
. Para anular la inuencia de este cero, el sistema de fase mnima coloca

un polo en z = 1/a
. Si a estaba fuera de la circunferencia unidad, 1/a
estar dentro. Visto

de otra forma, por cada polo que aparece fuera de la circunferencia unidad en una posicin
z = a, multiplicamos y dividimos por (z
1
a
) la funcin de transferencia, lo que no

la deja inalterada. (z
1
a
) junto con el polo en z = a se asigna al sistema paso todo y

(z
1
a
)
1
al sistema de fase mnima.
Esta descomposicin nos permite, en sistemas que no admitan un inverso causal y es-
table, realizar una compensacin de la caracterstica de amplitud, que resulta de inters en
determinadas aplicaciones como la siguiente. Imaginemos que enviamos una seal por un
canal de comunicaciones, y a la salida nos llega la seal distorsionada por un sistema H(z)
que no es de fase mnima. Si queremos recuperar la seal que se envi debemos encontrar
el sistema inverso pero, ya que eso es imposible, podemos al menos compensar la caracte-
rstica de amplitud que introduce el canal si descomponemos H(z) de la forma (2.177) y,
en lugar del sistema inverso empleamos (H
min
(z))
1
. En ese caso, la combinacin de H(z)
con (H
min
(z))
1
da como resultado
H(z)
H
min
(z)
=
H
min
(z)H
all
(z)
H
min
(z)
= H
all
(z) (2.178)
Que, si bien no es la identidad, al menos es un sistema paso todo.
Como vemos, los sistemas de fase mnima son de gran inters en comunicaciones. Va-
mos a enunciar algunas propiedades adicionales a las ya mencionadas.
De entre todos los posibles sistemas que tienen una caracterstica de amplitud [H(e
j
)[
determinada, existe uno que es de fase mnima, H
min
(z), ya que podemos aadirle todos
los sistemas paso todo que deseemos sin cambiar [H(e
j
)[. Un sistema de fase mnima, en
comparacin con el resto de sistemas, cumple que:
Su retardo de grupo es el ms pequeo para cualquier frecuencia.
Su caracterstica de fase continua, H
min
(e
j
), es la de menor variacin, ya que es
el de menor retardo de grupo para cualquier frecuencia. El nombre de sistema de fase
mnima proviene de esta propiedad.
Es el sistema que introduce una menor dispersin de energa (o una mayor concentra-
cin de energa). Concretamente, esta propiedad se expresa como
n
k=0
[h
min
[k][
2
k=0
[h[k][
2
n 0 (2.179)
2.3.5. Transformada Discreta de Fourier
Ninguna de las transformadas vistas hasta ahora puede aplicarse a una seal de la que no
dispongamos su expresin analtica porque, en primer lugar, necesitamos conocer el valor
de la seal en todos los instantes temporales desde hasta y, en segundo lugar,
porque aunque conozcamos y tengamos la capacidad suciente para guardar en algn sitio
el valor de la seal en todos sus instantes temporales, es necesario calcular el valor de la
transformada en un nmero innito de valores de frecuencia.
Existe un caso en que la limitacin no viene por la primera de las razones mencionadas,
sino por la segunda. Se trata de las secuencias de longitud nita; secuencias de las que
conocemos que su valor es cero fuera de intervalo de duracin nita que supondremos, sin
prdida de generalidad, que es 0 n < N. Para determinar esta secuencia necesitamos
conocer nicamente N valores, x[0], . . . , x[N 1], pero para determinar su Transformada
de Fourier, X
N
(e
j
), es necesario aplicar la frmula
X
N
(e
j
) =
n=
x[n] e
jn
=
N1
n=0
x[n] e
jn
(2.180)
para cada valor de entre 0 y 2; es decir, para innitos valores de frecuencia. Afortunada-
mente, en este caso el clculo de la transformada para un nico valor de frecuencia se realiza
con un nmero nito de operaciones (N multiplicaciones y N 1 sumas, concretamente).
Ahora bien, para seales en tiempo continuo demostramos que no era necesaria la Trans-
formada de Laplace para representar unvocamente la seal en el dominio transformado,
sino que bastaba con emplear en lugar de s = +j como nica variable independiente
(la Transformada de Fourier en tiempo continuo). Para secuencias demostramos que no era
necesaria la Transformada Z para lograr el mismo objetivo, sino que bastaba con emplear
tomando valores en un intervalo de longitud 2 (la Transformada de Fourier en tiempo
discreto) en lugar de z = r e
j
. Si en secuencias de longitud nita tenemos nicamente N
grados de libertad para especicar la secuencia, realmente hacen falta los innitos valo-
res de frecuencia contenidos entre 0 y 2 para representar unvocamente la secuencia en el
dominio transformado? Obviamente, la respuesta es no.
Para representar unvocamente la secuencia de longitud nita van a ser necesarios exac-
tamente N valores de la Transformada de Fourier, (2.180), pero para determinar cules sern
estos valores hay que preguntarse la razn por la que eran necesarios innitos valores en la
Transformada de Fourier. La Transformada de Fourier de una seal puede interpretarse co-
mo una representacin de la seal empleando una base de sinusoides complejas, de la misma
forma que la seal en el dominio natural puede interpretarse como una representacin de la
seal empleando una base de funciones delta ((2.31) para tiempo continuo y (2.34) para
tiempo discreto), y la operacin en s de la Transformada de Fourier puede interpretarse
como un cambio de base. Las sinusoides complejas forman una base para la seales de
duracin ilimitada
8
porque, en tiempo continuo, dos sinusoides de frecuencia distinta son
ortogonales
_

e
j
1
t
_
e
j
2
t
_
dt =
_

e
j(
1
2
)t
dt =
_
si
1
=
2
0 si
1
,=
2
(2.181)
y son un conjunto generador del espacio de seal, como demuestra la ecuacin de sntesis de
la Transformada de Fourier. Si no incluimos las sinusoides de todas las frecuencias posibles
no se cumple la propiedad de conjunto generador. Para tiempo discreto obtenemos el mismo
8
En realidad no son una base para todas las seales de duracin ilimitada, sino para aquellas que cumplen
determinadas propiedades matemticas que resultan irrelevantes en la prctica.
resultado si restringimos los valores de frecuencia a los contenidos entre 0 y 2. Los N
valores de frecuencia que buscamos o, equivalentemente, las N sinusoides que buscamos,
deben ser ortogonales y generar cualquier secuencia de longitud N.
Si empleamos los valores de frecuencia
k
= k(2/N), con k = 0, . . . , (N 1),
tenemos que las sinusoides de dichas frecuencias son ortogonales en un intervalo de longitud
N,
N1
n=0
e
jk(2/N)n
_
e
jr(2/N)n
_
=
N1
n=0
e
j(kr)(2/N)n
=
_
N si k r =

N
0 si k r ,=

N
(2.182)
y son capaces de generar cualquier seal sobre el intervalo 0 n < N, como demuestra la
ecuacin de sntesis del Desarrollo en Serie de Fourier para secuencias, (2.143). Tomando
muestras de X
N
(e
j
) en estos valores de frecuencia tendremos unvocamente determinada
la secuencia x[n] de longitud nita.
La secuencia de valores X[k]
.
= X
N
(e
jk(2/N)
), con k = 0, . . . , (N 1) es la que
denominamos Transformada Discreta de Fourier (Discrete Fourier Transform, DFT) de
longitud N de la secuencia x[n], que denimos formalmente como
X[k] =
_
_
N1
n=0
x[n] e
jk(2/N)n
0 k < N
0 resto
(2.183)
y que nos permiten reconstruir la secuencia x[n] como
x[n] =
_
_
1
N
N1
k=0
X[k] e
jk(2/N)n
0 n < N
0 resto
(2.184)
Tambin nos referimos a (2.183) como ecuacin de anlisis de la DFT y a (2.184) como
ecuacin de sntesis de la DFT, DFT inversa o IDFT. La relacin entre x[n] y X[k] la deno-
taremos como
x[n]
DFT
N
X[k] (2.185)
Sobre la denicin de la DFT conviene realizar los siguientes comentarios:
La evaluacin de la DFT se realiza comnmente de forma numrica, sin necesidad
de recurrir a expresiones analticas de las seales. Para calcular los N valores X[k]
a partir de x[n] es necesario realizar del orden de N
2
multiplicaciones y sumas com-
plejas. Existen adems una familia de algoritmos (procedimientos numricos) que se
conocen con el nombre genrico de Transformada Rpida de Fourier (Fast Fourier
Transform, FFT) que emplean del orden de N log
2
N multiplicaciones complejas
para el clculo de la DFT. A pesar de su nombre, no debemos de confundir la FFT
con una transformada, pues es simplemente un procedimiento numrico rpido (ms
bien, todo un conjunto de procedimientos) para el clculo de la DFT.
Bajo las restricciones empleadas, el resultado de la DFT coincide con muestras de
la Transformada de Fourier de la secuencia, pero no debe confundirse con esta. Esta
identidad se sigue manteniendo si la longitud de la secuencia es menor (x[n] = 0 para
todo n < 0 y n N
0
, con N
0
< N).
Adems, nada nos impide aplicar la ecuacin de anlisis de la DFT sobre una secuen-
cia de longitud mayor que N, o a una secuencia que, siendo de longitud menor o
igual que N, toma valores distintos de cero en otro intervalo distinto al 0 n < N,
o incluso a una secuencia de longitud ilimitada. Al n y al cabo, slo se trata de una
transformacin, (2.183), que aplicamos sobre la secuencia que deseemos. Sin em-
bargo, en estos casos deja de ser cierta la equivalencia entre DFT y Transformada
de Fourier porque existen valores de la secuencia (los que estn fuera del intervalo
0 n < N) que son tenidos en cuenta para el clculo de la Transformada de Fourier
y no para el clculo de la DFT. Obviamente, en estos casos, la ecuacin de sntesis no
da como resultado la secuencia original.
Existe un alto paralelismo entre el Desarrollo en Serie de Fourier para secuencias
((2.142) y (2.143), Pgina 50) que puede llevarnos a confundir los coecientes del
desarrollo en serie, a
k
, con los valores X[k] que proporciona la DFT. De hecho, las
ecuaciones de anlisis y sntesis de ambas son prcticamente idnticas si exceptuamos
el factor 1/N, que en el desarrollo en serie se encuentra en la ecuacin de anlisis y
en la DFT en la ecuacin de sntesis.
Aunque las ecuaciones sean prcticamente idnticas, existe una diferencia fundamen-
tal: en el desarrollo en serie se realiza una extensin peridica fuera del intervalo de
0 a N 1, tanto de los valores de amplitud de la seal como de los coecientes del
desarrollo en serie, mientras que en la DFT, fuera del intervalo de 0 a N1, se supone
que tanto x[n] como X[k] son nulos. Esto trae como consecuencia que la seal que
reconstruye el Desarrollo en Serie de Fourier sea una secuencia de energa innita y
la que reconstruye la DFT sea una secuencia de energa nita, o que el espectro de la
seal que reconstruye el desarrollo en serie est compuesto por funciones delta y el
que reconstruye la DFT sea un espectro continuo de valores acotados.
Propiedades de la Transformada Discreta de Fourier
A continuacin enunciamos algunas de las propiedades de la DFT, haciendo mayor hin-
capi en aquellas que suponen una novedad respecto a sus correspondientes propiedades de
la Transformada de Fourier.
Adems de (2.185), denotamos
y[n]
DFT
N
Y [k]
y, en aquellas operaciones en que se vea involucrada ms de una secuencia, suponemos que
N es mayor o igual que la longitud de cualquiera de las dos.
Linealidad.
x[n] +y[n]
DFT
N
X[k] +Y [k] (2.186)
Convolucin circular.
x[n] _N y[n]
DFT
N
X[k]Y [k] (2.187)
Si multiplicamos punto a punto las DFT de dos secuencias el resultado en el dominio natural
no es una convolucin como la conocemos hasta ahora, peridica o no peridica, sino lo
que denominamos convolucin circular de mdulo N, que denotamos con el smbolo _N y
representa la operacin
x[n] _N y[n]
.
=
_
_
N1
l=0
x[l] y[((n l))
N
] 0 n < N
0 resto
(2.188)
donde (( ))
N
representa la operacin mdulo N, cuyo resultado va a estar siempre en el ran-
go 0 n < N
9
. La convolucin que conocamos hasta ahora la denominamos convolucin
lineal en contraposicin a la convolucin circular.
Desplazamiento circular.
x[((n n
0
))
N
]
DFT
N
e
jk(2/N)n
0
X[k] (2.189)
El efecto de multiplicar la DFT de una secuencia por e
jk(2/N)n
0
, lo que sera el equiva-
lente en la Transformada de Fourier de multiplicar X(e
j
) por e
jn
0
, no se traduce en un
desplazamiento lineal (ms bien, no puede traducirse en un desplazamiento lineal porque
el resultado de la DFT inversa va a ser cero fuera del intervalo 0 n < N), sino en un
desplazamiento circular, donde la variable independiente se opera mdulo N.
Insercin de ceros. Si a partir de la secuencia x[n] de longitud N generamos otra secuen-
cia x
0L
[n] de longitud NL insertando L 1 ceros entre dos valores de x[n] de la forma
x
0L
[n] =
N1
k=0
x[k][n kL] =
_
x
_
n
L
si n =

L y 0 n < NL
0 si n ,=

L
(2.190)
se cumple que
x
0L
[n]
DFT
NL
X[((k))
N
] (2.191)
El resultado de la insercin de ceros en la Transformada de Fourier es una compresin del
espectro por un factor L. Como en la DFT de NL puntos muestreamos en las frecuencias
k(2/NL), el resultado de la insercin de ceros va a ser el mismo resultado pero replicado
L veces.
9
Como recordatorio, el resultado de la operacin ((l))
m
, siendo l y m nmeros enteros, es el resto de la
divisin entera de l por m. Por ejemplo, ((3))
5
= 3, ((5))
5
= 0, ((6))
5
= 1, ((104))
5
= 4, etc.
Supresin de ceros. Si a partir de la secuencia x
0L
[n] de longitud NL que cumple
x
0L
[n] = 0 si n ,=

L n < 0 n NL (2.192)
y cuya DFT es X
0L
[k] generamos otra secuencia x[n] = x
0L
[nL], se cumple que
x[n]
DFT
N
X
0L
[k] (2.193)
Dualidad.
X[n]
DFT
N
Nx[((n))
N
] (2.194)
Volvemos a recuperar esta propiedad que tenamos en la Transformada de Fourier en tiempo
continuo y que perdimos en la Transformada de Fourier de secuencias, porque aqu la natu-
raleza de las variables independientes de los dominios natural y transformados es la misma
(variables enteras)
Producto.
x[n]y[n]
DFT
N
1
N
X[k] _N Y [k] (2.195)
Nos vuelve a aparecer otra operacin de convolucin circular, ahora en el dominio transfor-
mado, que se realiza de idntica forma a (2.188)
Modulacin.
e
jk
0
(2/N)n
x[n]
DFT
N
X[((k k
0
))
N
] (2.196)
Para que una modulacin se traduzca en un desplazamiento (circular) en la DFT, la frecuen-
cia de la sinusoide ha de ser un mltiplo entero de 2/N.
Simetra.
x[((n))
N
]
DFT
N
X[((k))
N
] (2.197)
Conjugacin.
x
[n]
DFT
N
X
[((k))
N
] (2.198)
Las deniciones de paridad, imparidad, hermiticidad y antihermiticidad se reeren ahora a
operaciones mdulo N sobre la variable independiente. Por lo dems, se siguen conservando
las propiedades de simetra de la Transformada de Fourier porque, al n y al cabo, los
coecientes de la DFT no son sino muestras de aqulla.
DFT
N
X[k] +Y [k]
Convolucin circular x[n] _N y[n]
DFT
N
X[k]Y [k]
Desplazamiento circular x[((n n
0
))
N
]
DFT
N
e
jk(2/N)n
0
X[k]
Insercin de ceros x
0L
[n] =
N1
k=0
x[k][n kL]
DFT
NL
X[((k))
N
]
Supresin de ceros x[n]
DFT
N
X
0L
[k]
Dualidad X[n]
DFT
N
Nx[((n))
N
]
Producto x[n]y[n]
DFT
N
1
N
X[k] _N Y [k]
Modulacin e
jk
0
(2/N)n
x[n]
DFT
N
X[((k k
0
))
N
]
Simetra x[((n))
N
]
DFT
N
X[((k))
N
]
Conjugacin x
[n]
DFT
N
X
[((k))
N
]
Cuadro 2.7. Propiedades de la Transformada Discreta de Fourier.
Convolucin lineal y convolucin circular
La convolucin lineal y la convolucin circular de dos secuencias de longitud nita no
proporcionan, en general, el mismo resultado. En determinadas situaciones, como la que
describiremos a continuacin, la realizacin de una convolucin lineal mediante una con-
volucin circular conlleva ventajas computacionales (menor nmero de operaciones), pero
para poder aprovecharlas es necesario establecer las condiciones en que ambas operaciones
son equivalentes.
Imaginemos que queremos calcular la convolucin lineal de dos secuencias, cada una
de ellas de longitud 1.000. Para calcular la convolucin aplicamos la Frmula (2.69), donde
debemos realizar 1.000 multiplicaciones y sumas para calcular el resultado en un nico ins-
tante. Dado que la convolucin de dos secuencias de longitud nita es otra de longitud igual
a la suma de las longitudes de las secuencias menos uno, aproximadamente deberemos de
calcular 2.000.000 de multiplicaciones (eliminando las multiplicaciones por cero, podra-
mos quedarnos aproximadamente en 1.000.000, pero no menos). Si en lugar de calcular la
convolucin lineal queremos calcular la convolucin circular de longitud 1.000, podramos
aplicar el siguiente procedimiento, que aprovecha la propiedad de convolucin circular de
la DFT:
Paso 1. Calculamos las DFT de longitud 1.000 de ambas secuencias. Aplicando algn algo-
ritmo de tipo FFT, esto supone realizar aproximadamente 2 N log
2
N 2 1.000
10 = 20.000 multiplicaciones y sumas.
Paso 2. Multiplicamos punto a punto el resultado de las dos DFT, lo que supone una carga
computacional de 1.000 multiplicaciones.
Paso 3. Calculamos la DFT inversa al resultado de la multiplicacin para obtener la con-
volucin circular. Este paso supone aproximadamente 10.000 multiplicaciones y
sumas.
En total, para realizar la convolucin circular emplearamos aproximadamente 31.000 mul-
tiplicaciones y sumas, ms de 30 veces menos que para realizar una convolucin lineal.
Merece la pena, a tenor de la diferencia en el coste computacional, establecer las condi-
ciones en que ambas operaciones son equivalentes.
Podemos demostrar que si tenemos dos secuencias de longitud nita, x
1
[n] que es idn-
ticamente nula fuera del intervalo 0 n < N
1
y x
2
[n] que es idnticamente nula fuera del
intervalo 0 n < N
2
, su convolucin lineal
x
3
[n] = x
1
[n] x
2
[n] (2.199)
es idnticamente nula fuera del intervalo 0 n < N
1
+ N
2
1, y la convolucin circular
con longitud N (N > N
1
, N
2
) de ambas secuencias puede expresarse como
x
3c
[n] = x
1
[n] _N x
2
[n] =
_
x
3p
[n] 0 n < N
0 resto
(2.200)
con
x
3p
[n] =
r=
x
3
[n rN] (2.201)
que no es otra cosa sino la superposicin, en el intervalo 0 n < N, de rplicas del
resultado de la convolucin lineal de ambas secuencias desplazadas un nmero entero de
veces N.
Si N es mayor o igual que N
1
+N
2
1, las rplicas de la convolucin lineal (x
3
[nrN])
no se solapan en los mismos instantes temporales en x
3p
[n] y, por tanto, al aplicar (2.200),
x
3c
[n] va a ser exactamente la convolucin lineal, x
3
[n].
Si N es menor que N
1
+ N
2
1, las rplicas de la convolucin lineal (x
3
[n rN]) se
solapan en los instantes temporales rN n < (r 1)N + N
1
+ N
2
1 de x
3p
[n] y, al
aplicar (2.200), x
3c
[n] va a ser distinto de x
3
[n] en los instantes 0 n < N
1
+N
2
N 1
e igual en los instantes N
1
+N
2
N 1 n < N.
En resumen, si empleamos una DFT de longitud mayor o igual que N
1
+ N
2
1,
el resultado de la convolucin lineal y de la convolucin circular son idnticos y podemos
emplear el mtodo basado en la propiedad de convolucin circular de la DFT para calcularla.
Si volvemos al ejemplo anterior, para realizar la convolucin de dos secuencias de 1.000
puntos cada una mediante convolucin circular necesitaramos aproximadamente 62.000
multiplicaciones y sumas, que an es casi 20 veces menor de las que necesitaramos para
realizar la convolucin lineal.
2.3.6. Representacin de seales paso banda
Las seales paso banda (X(j) = 0 para
1
> [[ >
2
con
1
<
2
) son muy
frecuentes en comunicaciones, y en muchos casos el cociente entre el ancho de banda (
2
1
) y la frecuencia central de la banda ((
1
+
2
)/2) es muy pequeo, lo que denotamos
como banda estrecha. Adicionalmente, dichas seales suelen ser reales de tiempo continuo
por tratarse de seales que van a ser enviadas por un medio fsico o que son recibidas de un
medio fsico.
En estas situaciones tenemos una caracterstica de amplitud de la seal como la que se
muestra en la parte superior de la Figura 2.12 y, por mltiples razones que van desde la
obtencin de una mejor representacin grca hasta la representacin en tiempo discreto
con el menor nmero de muestras, nos gustara tener una seal que fuese una representa-
cin unvoca de ella (que contuviese la misma informacin) y que fuese paso bajo, tal y
como se muestra en la parte inferior de la Figura 2.12. Esta seal paso bajo se denomina el
equivalente paso bajo y la denotaremos como x
eq
(t).
1

2
2
|X(j)|
0
(
1
2
)/2 (
2
1
)/2
0
|X
eq
(j)|
Figura 2.12. Caracterstica de amplitud de una seal de banda estrecha (arriba) y de su
equivalente paso bajo (abajo).
La obtencin del equivalente paso bajo x
eq
(t) de una seal x(t) puede realizarse con un
esquema como el que muestra la Figura 2.13, denominado demodulador en cuadratura
10
,
que realiza una operacin de modulacin por una sinusoide compleja de frecuencia
0
(cuando la frecuencia de modulacin es negativa, el proceso se suele denominar demodu-
lacin), e
j
0
t
x(t), con el objeto de desplazar la frecuencia
0
a frecuencia 0 y un ltrado
posterior que nos elimina la componente espectral de frecuencias negativas.
La seal x
eq
(t) es, en general, compleja aunque la seal x(t) de la que proviene sea real.
Para que x
eq
(t) fuese real la componente de frecuencia positiva de X(j) debera ser herm-
10
El nombre de demodulador en cuadratura proviene de su realizacin empleando seales reales, donde la
operacin de demodulacin propiamente dicha (la multiplicacin por la exponencial compleja) se divide en dos
demodulaciones, una empleando un coseno y la otra un seno o, lo que es lo mismo, dos sinusoides en cuadratura.
Filtro
paso bajo
x t ( )
t j
e
0
w -
x t
eq
( )
Figura 2.13. Demodulador en cuadratura.
tica respecto a
0
(caracterstica de amplitud para frecuencias positivas par y caracterstica
de fase para frecuencias positivas impar tomando el origen de frecuencias como
0
), pero
bien sea porque la componente de frecuencia positiva de X(j) no es hermtica respecto a
ninguna frecuencia o bien sea porque, an sindolo,
0
no es igual a la frecuencia central de
la banda ((
1
+
2
)/2), la seal x
eq
(t) va a ser tratada como una seal compleja.
A la parte real de x
eq
(t) se le suele denominar componente en fase de x(t) y denotar
como x
I
(t); a la parte imaginaria, componente en cuadratura de x(t) y denotar como x
Q
(t).
Al mdulo de x
eq
(t) se le suele denominar envolvente de x(t).
Una forma alternativa de obtener x
eq
(t) consiste en suprimir en primer lugar las com-
ponentes de frecuencias negativas y, posteriormente, realizar la demodulacin. El sistema
encargado de suprimir las componentes de frecuencias negativas se denomina divisor de
fase y tiene una funcin de transferencia
H
ps
(j) =
_
2 > 0
0 < 0
(2.202)
donde la ganancia

2 para frecuencias positivas tiene como objeto conservar la energa (o
potencia) de la seal. La salida del divisor de fase, x(t) h
ps
(t), se denomina seal analtica
o preenvolvente de x(t) y se denota como x
a
(t). A partir de la envolvente obtenemos el
equivalente paso bajo como x
eq
(t) = e
j
0
t
x
a
(t).
Comnmente, el divisor de fase se realiza empleando un Transformador de Hilbert , que
es el sistema descrito en el Ejemplo 2.11. Posee una funcin de transferencia
H
h
(j) =
_
j > 0
j < 0
(2.203)
y una respuesta al impulso
h
h
(t) =
1
t
(2.204)
La seal analtica se construye como una seal compleja cuya parte real es la propia x(t)
y la parte imaginaria es la salida del Transformador de Hilbert o Transformada de Hilbert de
x(t), es decir, x
h
(t) = x(t) h
h
(t),
x
a
(t) = x(t) +jx
h
(t) (2.205)
que podemos demostrar fcilmente que es la seal analtica que obtenamos anteriormente
porque
X
a
(j) = X(j) +jX
h
(j) =
_
X(j) +j(jX(j)) = 2X(j) > 0
X(j) +j(jX(j)) = 0 < 0
(2.206)
Que un sistema lineal e invariante reciba el nombre de transformador y la salida de ese
sistema reciba el nombre de transformada no debe extraarnos, porque la expresin de x
h
(t)
es
x
h
(t) =
_

x()
1
(t )
d (2.207)
que no diere tanto de la Transformada de Fourier en tiempo continuo si intercambiamos t
por , por t y h
h
(t ) por una exponencial compleja (que depende tanto de t como de
). De hecho, tanto la Transformada de Fourier en tiempo continuo como el transformador
de Hilbert, como cualquier propia convolucin con una seal predeterminada pertenecen a
un grupo de transformaciones en L
2
denominadas transformaciones de ncleo integral.
Algunas propiedades del Transformador de Hilbert son las siguientes:
La Transformada de Hilbert de una seal par es impar, y de una seal impar, par.
Aplicando dos veces la Transformada de Hilbert a una seal, obtenemos la misma
seal cambiada de signo.
La energa de una seal se mantiene a la salida del Transformador de Hilbert.
Una seal y su Transformada de Hilbert son ortogonales.
El procedimiento empleado para obtener el equivalente paso bajo de seales se puede
extender a sistemas, sin ms que sustituir la seal x(t) por la respuesta al impulso del sistema
paso banda, h(t). En este caso no tiene sentido hablar de sistema analtico, o envolvente del
sistema, pero s de un sistema paso bajo equivalente con una respuesta al impulso h
eq
(t) y
una funcin de transferencia H
eq
(j).
Por ltimo, debemos mencionar que podemos realizar un tratamiento equivalente pa-
ra tiempo discreto, sustituyendo x(t) por x[n], x
eq
(t) por x
eq
[n], y as sucesivamente. La
mayor diferencia que puede aparecer respecto a lo aqu expresado es la denicin de los
sistemas involucrados, donde hay que recordar que las funciones de transferencia sern fun-
ciones peridicas con periodo 2. Concretamente, el Transformador de Hilbert para tiempo
discreto tiene una funcin de transferencia
H
h
(e
j
) =
_
_
j 0 < <
j < < 0
peridica con periodo 2
(2.208)
2.4 MUESTREO, DIEZMADO E INTERPOLACIN 75
y una respuesta al impulso
h
h
[n] =
_
_
_
2 sen
2
(n/2)
n
n ,= 0
0 n = 0
(2.209)
2.4. MUESTREO, DIEZMADO E INTERPOLACIN
Hasta ahora hemos hablado en tiempo continuo y tiempo discreto como de dos mun-
dos separados y paralelos, pero existen procedimientos para obtener una secuencia a partir
de una seal en tiempo continuo que denominamos genricamente conversores continuo-
discreto y procedimientos para reconstruir una seal en tiempo continuo a partir de una
secuencia que denominamos genricamente conversores discreto-continuo.
Entre los conversores continuo-discreto revisten gran importancia los basados en un
muestreo peridico de la seal en tiempo continuo, donde la secuencia se obtiene de la
forma
x[n]
.
= x(nT
s
) (2.210)
donde T
s
es el periodo de muestreo y 1/T
s
= f
s
es la frecuencia de muestreo expresada
en muestras por segundo. Tambin podemos expresar la frecuencia de muestreo en radianes
por segundo como w
s
= 2/T
s
.
El problema fundamental del muestreo es la determinacin de las condiciones que ga-
rantizan que la secuencia x[n] representa unvocamente a la seal x(t), porque el muestreo
es, en general, un proceso no invertible. Al tomar muestras de una seal en tiempo continuo,
estamos desechando innitos valores de la seal entre muestra y muestra o, visto de otra
forma, existe un nmero innito de seales que toman los mismos valores en los instantes
nT
s
.
Adems de este problema fundamental existe un pequeo problema matemtico: la ex-
presin (2.210) es una denicin, (
.
=), pero no una igualdad en sentido estricto (bidireccio-
nal). La consecuencia de este hecho es que no podemos establecer una equivalencia directa
entre una seal en tiempo continuo y la secuencia que obtenemos de ella mediante mues-
treo. As, deberemos proceder por similitud de valores numricos y expresiones analticas a
la hora de establecer relaciones entre, por ejemplo, las Transformadas de Fourier de x(t) y
x[n].
Este ltimo problema ser abordado en el Apartado 2.4.3, dedicando los primeros al pro-
blema del muestreo en s; primero para tiempo continuo y posteriormente para secuencias.
2.4.1. Muestreo de seales en tiempo continuo
Ya que no podemos abordar directamente la obtencin de una secuencia a partir de
muestras de una seal en tiempo continuo, la seal que ha de servir de soporte para los
valores de las muestras
x(nT
s
) n = , . . . (2.211)
ser una seal en tiempo continuo x
p
(t) que denominamos seal muestreada. Esta seal se
genera con la ayuda de una seal muestreadora, que es un tren de deltas separadas el periodo
de muestreo
p(t) =
n=
(t nT
s
) (2.212)
y el proceso de muestreo lo expresamos como
x
p
(t) = x(t) p(t) = x(t)
n=
(t nT
s
) =
n=
x(nT
s
)(t nT
s
) (2.213)
donde x
p
(t) es una seal en tiempo continuo que contiene, como desebamos, nicamente
las muestras de la seal x(t).
Este tipo de muestreo se denomina muestreo ideal porque es fsicamente imposible ge-
nerar y manipular una seal que sea un tren de funciones delta.
Para determinar bajo qu condiciones x
p
(t) determina unvocamente a x(t) calculamos
la Transformada de Fourier de x
p
(t) haciendo uso de la propiedad de multiplicacin y de la
transformada de un tren de deltas que aparece en el Cuadro 2.1
X
p
(j) =
1
2
X(j) P(j)
=
1
2
X(j)
_
2
T
s
k=
_
k
2
T
s
_
_
=
1
T
s
k=
X(j)
_
k
2
T
s
_
=
1
T
s
k=
X
_
j jk
2
T
s
_
(2.214)
El espectro de la seal muestreada, X
p
(j), est compuesto, de acuerdo con (2.214), de
rplicas del espectro de la seal original, X(j), escaladas por 1/T
s
y desplazadas a todos
los mltiplos enteros de la frecuencia de muestreo
s
= 2/T
s
, tal y como se muestra en la
Figura 2.14 para una seal paso bajo. De (2.214) podemos deducir tambin que X
p
(j) es
una funcin peridica con periodo
s
. La Figura 2.14 nos es til adems para establecer las
condiciones en que es posible reconstruir x(t) a partir de x
p
(t). Si la seal a muestrear tiene
un espectro como el mostrado en la Figura 2.14(a), y empleamos una frecuencia de mues-
treo lo sucientemente alta como para que las distintas rplicas de X(j) no se solapen al
construir X
p
(j) segn (2.214), nos encontramos en una situacin como la que muestra la
Figura 2.14(b) donde, al tener cada rplica aislada, podemos recuperar X(j) con una ope-
racin tan simple como un ltrado. Si, por el contrario, las rplicas de X(j) se solapan al
construir X
p
(j), nos encontramos en una situacin como la que muestra la Figura 2.14(c)
(la lnea ms gruesa representa el resultado de la suma expresada en (2.214)), donde ser
imposible determinar, en las zonas del espectro en que se ha producido el solape, qu parte
M

M
X(j)
1
0
(a)
3
s
2
s

s
0

s
2
s
3
s
M

M
X
p
(j)
1/T
s
(b)
4
s
3
s
2
s

s
0

s
2
s
3
s
4
s
M

M
X
p
(j)
1/T
s
(c)
Figura 2.14. Espectro de la seal original (a), y espectros de la seal muestreada a distintas
frecuencias de muestreo: sin solape espectral (b) y con solape espectral (c).
pertenece a una rplica y qu parte a otra. En consecuencia, no podremos reconstruir X(j).
En este caso decimos que se ha producido solape espectral en el proceso de muestreo, o que
existe distorsin por aliasing o, simplemente aliasing.
La condicin, por tanto, para que podamos recuperar x(t) a partir de x
p
(t) es que no
exista aliasing. Como condicin previa a esta, la seal x(t) ha de ser limitada en banda, y
esta limitacin de banda es el conocimiento a priori que compensa la prdida de innitos
valores entre muestra y muestra de la seal x(t). Tngase en cuenta que la limitacin de
banda es una restriccin tan fuerte como la no consideracin de los valores de la seal entre
instantes de muestreo consecutivos, porque estamos expresando que el contenido espectral
de la seal es nulo en un rango ilimitado de frecuencias.
El conocimiento a priori de la banda de frecuencias que ocupa la seal es necesario para
establecer tanto el periodo de muestreo que nos garantiza la ausencia de aliasing como el
mecanismo de recuperacin de la seal x(t). Para seales paso bajo como la mostrada en la
Figura 2.14(a) que cumplen
X(j) = 0 [[ >
M
(2.215)
podemos garantizar la ausencia de aliasing siempre que empleemos una frecuencia de
muestreo mayor del doble de
M
(
s
> 2
M
) o, equivalentemente, un periodo de muestreo
T
s
T
s
<

M
(2.216)
Este resultado es conocido como teorema de muestreo de Nyquist , y la frecuencia 2
M
como frecuencia de Nyquist.
A pesar de la popularidad de la frecuencia de Nyquist no debemos perder de vista las
condiciones bajo las que est establecida (seales reales paso bajo), siendo el criterio gene-
ral para la reconstruccin perfecta de la seal original x(t) la ausencia de aliasing en el
proceso de muestreo.
La reconstruccin de la seal se lleva a cabo, como hemos mencionado anteriormente,
mediante un procedimiento de ltrado. Si hacemos pasar la seal muestreada x
p
(t), que po-
see un espectro como el que muestra la Figura 2.15(a), por un ltro H
r
(j) paso bajo ideal
de ganancia T
s
y una frecuencia de corte
c
igual a la mitad de la frecuencia de muestreo,
c
=
s
/2 = /T
s
, (Figura 2.15(b)), la salida de dicho ltro ser una seal x
r
(t) cuyo es-
pectro se muestra en la Figura 2.15(c) y que coincidir con x(t) si en el proceso de muestreo
no se ha producido aliasing.
El ltro H
r
(j) se denomina ltro reconstructor o ltro interpolador y posee una res-
puesta al impulso
h
r
(t) = T
s
sinc
_
c
t
_
= sinc
_
t
T
s
_
(2.217)
La seal x
r
(t) se denomina seal reconstruida o seal interpolada y su expresin anal-
tica es
x
r
(t) = x
p
(t) h
r
(t)
=
_

n=
x(nT
s
)(t nT
s
)
_
sinc
_
t
T
s
_
=
n=
x(nT
s
) sinc
_
t nT
s
T
s
_
(2.218)
La interpretacin de (2.218) puede ayudarnos a comprender el mecanismo de recons-
truccin de x
r
(t):
La funcin
sinc
_
t n
0
T
s
T
s
_
toma valor cero en todos los instantes nT
s
excepto en n
0
T
s
donde toma valor 1, y esto
garantiza que x
r
(nT
s
) = x(nT
s
).
Para cualquier valor de t ,= nT
s
, la seal x
r
(t) se reconstruye empleando todos los
valores x(nT
s
), aunque las muestras ms cercanas a dicho instante tendrn ms in-
uencia en el valor de x
r
(t) que las ms lejanas, de acuerdo con la forma de la funcin
sinc.
M

M
X
r
(j)
1
0
(c)
3
s
2
s

s
0

s
2
s
3
s
M

M
X
p
(j)
1/T
s
(a)
c
0

c
H
r
(j)
T
s
(b)
Figura 2.15. Proceso de reconstruccin de la seal: espectro de la seal muestreada (a),
funcin de transferencia del ltro reconstructor (b) y espectro de la seal a la salida del
ltro reconstructor (c).
A modo de resumen, el proceso completo de muestreo y reconstruccin es el que lleva
a cabo el sistema que muestra la Figura 2.16.
x t ( ) x t
r
( )
H j
h t
r
r
( )
( )
w
x t
p
( )
p t ( )
Figura 2.16. Sistema para muestreo y reconstruccin.
Muestreos peridicos no ideales: el muestreo instantneo
Ante la imposibilidad de generar las funciones delta necesarias para el muestreo ideal
surgen diversas alternativas, de las que vamos a analizar la ms comn: el muestreo instan-
tneo.
El principal problema para la puesta en prctica del muestreo ideal no es capturar el
valor de la seal en los instantes nT
s
, que puede realizarse prcticamente empleando unos
circuitos denominados de muestreo y retencin o sample &hold, sino dar un soporte fsico
adecuado a la seal x
p
(t). Para lograrlo, el muestreo instantneo hace pasar la seal x
p
(t)
por un sistema de respuesta al impulso p
i
(t), cuyo efecto es la sustitucin de las funciones
delta por la seal p
i
(t).
Un ejemplo que pone de maniesto las diferencias entre los muestreos ideal e instant-
neo podemos verlo en la Figura 2.17.
t
x(t)
3T
s
2T
s
T
s
0
T
s
2T
s
3T
s
t
x
p
(t)
3T
s
2T
s
T
s
0
T
s
2T
s
3T
s
t
x
i
(t)
Figura 2.17. Comparacin de los distintos tipos de muestreo: seal original x(t), seal
resultante del muestreo ideal x
p
(t) y seal resultante del muestreo instantneo x
i
(t).
La seal resultante del muestreo instantneo toma la forma
x
i
(t) = x
p
(t) p
i
(t)
=
_

n=
x(nT
s
) (t nT
s
)
_
p
i
(t)
=
n=
x(nT
s
) p
i
(t nT
s
) (2.219)
y su transformada es
X
i
(j) = X
p
(j)P
i
(j) = P
i
(j)
1
T
s
k=
X
_
j j
2k
T
s
_
(2.220)
donde cada rplica est ponderada por la funcin P
i
(j). Esto provoca una distorsin en la
seal conocida como distorsin de apertura.
El ltro reconstructor debe corregir la distorsin de apertura, por lo que su funcin de
transferencia ha de tomar la forma
H
r
(j) =
T
s
P
i
(j)

_
s
_
(2.221)
Como condicin adicional para poder recuperar la seal original debemos asegurar que
P
i
(j) no toma valor cero en ninguna frecuencia perteneciente al intervalo (
s
/2 ,
s
/2).
Muestreo de seales paso banda
Para muestrear seales paso banda que son adems de banda estrecha, la frecuencia de
Nyquist nos proporciona un valor de frecuencia de muestreo muy grande en comparacin
con el ancho de banda de la seal. En estos casos, podemos muestrear por debajo de dicha
frecuencia sin que exista aliasing, tal como se muestra en el ejemplo de la Figura 2.18
empleando dos frecuencias de muestreo distintas.
0
X(j)
0
0
X
p
(j)
0
2
s

s
0

s
2
s
0
X
p
(j)
0
2
s

s
0

s
2
s
Figura 2.18. Muestreo paso banda: espectro de la seal original (arriba), espectro de la
seal muestreada sin inversin de espectro (centro) y espectro de la seal muestreada con
inversin de espectro(abajo).
Dependiendo de la frecuencia de muestreo que elijamos, las rplicas ms cercanas a
frecuencia 0 pueden estar invertidas (la componente de frecuencias positivas en frecuencias
negativas y viceversa), tal y como se muestra en la grca inferior de la Figura 2.18. Si
sucede esto, se dice que el proceso de muestreo ha generado una inversin de espectro.
Si la reconstruccin de seales paso bajo muestreadas se realizaba empleando un ltro
que dejaba pasar la banda de frecuencias en las que conocamos a priori que se encontraba la
seal original, aqu hacemos exactamente lo mismo, aunque el ltro a emplear sea distinto.
Si la seal original se encuentra entre las frecuencias k
0
s
y (k
0
+ 1/2)
s
, o entre (k
0

1/2)
s
y k
0
s
, siendo k
0
un nmero entero, el ltro de reconstruccin ser un ltro paso
banda ideal con esa banda de paso.
El muestreo paso banda tambin puede realizarse sobre la seal analtica (en ese caso,
por ser compleja la seal analtica, es equivalente a muestrear dos seales reales de forma
simultnea), empleando una frecuencia de muestreo
0
/k
0
, siendo k
0
un nmero entero. La
nica precaucin que debemos adoptar para realizar un muestreo paso banda en cualquiera
de sus variantes es que, como en el caso de seales paso bajo, en el proceso de muestreo no
se produzca aliasing.
Tambin podemos sustituir el muestreo ideal por uno no ideal. De entre los dos tipos
de muestreo no ideales considerados, el ms apropiado para seales paso banda es el mues-
treo instantneo, donde ahora cobra ms importancia si cabe la distorsin de apertura y su
compensacin.
Por ltimo debemos aadir que aunque el muestreo paso banda pueda parecer un mero
ejercicio acadmico, existen dispositivos comerciales que ponen en prctica esta tcnica.
2.4.2. Interpolacin y diezmado de secuencias
Las tcnicas de muestreo tambin pueden aplicarse a secuencias, siendo mltiples las
razones que pueden conducirnos a su empleo. Por mencionar alguna, la representacin con el
menor nmero de muestras posibles de una secuencia que deseamos almacenar, o el empleo
de circuitera ms simple para el tratamiento de secuencias si existen requisitos de tiempo
real.
El muestro de secuencias no diere grandemente del muestreo de seales en tiempo
continuo salvo, quiz, en la facilidad de realizacin del muestreo ideal o los cambios de
escala que podemos realizar sobre la secuencia.
La seal muestreadora en tiempo discreto es un tren de deltas de la forma
p[n] =
k=
[n kM] (2.222)
siendo M, de valor entero, el periodo de muestreo y
s
= 2/M la frecuencia de muestreo.
La secuencia muestreada x
p
[n] se obtiene como
x
p
[n] = x[n] p[n] = x[n]
k=
[n kM] =
k=
x[kM] [n kM] (2.223)
cuya Transformada de Fourier es
X
p
(e
j
) =
1
2
X(e
j
)
2
P(e
j
)
=
1
2
X(e
j
)
2
_
2
M
k=
_
k
2
M
_
_
=
1
M
k=
X(e
j
)
2
_
k
2
M
_
=
1
M
kM)
X
_
e
j(k
2
M
)
_
(2.224)
donde la diferencia ms apreciable con su versin en tiempo continuo, (2.214), es que aqu
nos hacen falta nicamente M rplicas de X(e
j
) para formar la funcin peridica X
p
(e
j
)
de periodo 2/M, ya que X(e
j
) es ya una funcin peridica de periodo 2.
Al igual que en tiempo continuo, en el muestreo de secuencias tambin puede existir
aliasing, y para poder recuperar la secuencia original x[n] debemos garantizar que no se
produce aliasing en el proceso de muestreo. Para secuencias reales paso bajo con frecuen-
cia de corte
M
, bastar con garantizar que
s
= 2/M es mayor del doble de
M
, que es
el teorema de muestreo de Nyquist para secuencias.
La reconstruccin de la secuencia x[n] se lleva a cabo mediante ltrado con un ltro
paso bajo ideal H
r
(e
j
) con ganancia M y una frecuencia de corte
c
igual a la mitad de la
frecuencia de muestreo,
c
=
s
/2 = /M. La respuesta al impulso del ltro interpolador
toma la forma
h
r
[n] = sinc
_
n
M
_
(2.225)
y la secuencia reconstruida, x
r
[n],
x
r
[n] =
k=
x[kM] sinc
_
n kM
M
_
(2.226)
La secuencia x
p
[n] tiene la misma estructura que una secuencia en que se han inserta-
do M 1 ceros entre muestra y muestra, (2.131). Estos ceros pueden suprimirse sin que
ello suponga ninguna prdida de informacin (de hecho, si se produjese alguna prdida de
informacin, esta se producir en el proceso de muestreo por la existencia de aliasing)
mediante una operacin de supresin de ceros de la forma
x
d
[n] = x
p
[nM] (2.227)
donde x
d
[n] se conoce con el nombre de secuencia diezmada, cuya transformada es, de
acuerdo con la propiedad de supresin de ceros de la Transformada de Fourier,
X
d
(e
j
) = X
p
(e
j/M
) =
1
M
kM)
X
_
e
j(

M
k
2
M
)
_
(2.228)
El proceso de obtencin de x
d
[n] a partir de x[n] se denomina diezmado a un ritmo
natural M y, en realidad, es algo tan simple y directo como
x
d
[n] = x[nM] (2.229)
aunque es necesario todo el anlisis anterior para determinar las condiciones en que x
d
[n]
determina de manera unvoca x[n] y para establecer la igualdad entre sus transformadas
expresada en (2.228).
Un sistema que realiza el proceso de diezmado para una secuencia genrica x[n] es
el mostrado en la Figura 2.19, que se conoce con el nombre de diezmador. Para evitar
el aliasing emplea un ltro paso bajo de frecuencia de corte /M previo al proceso de
diezmado propiamente dicho, que se realiza en el bloque etiquetado como M. nicamente
Filtro paso bajo
con ganancia 1
y = / w p
c
M
] [n x ] [
~
n x
M
] [
~
] [
~
nM x n x
d
=
Figura 2.19. Esquema general de un diezmador por M.
en el caso en que la secuencia x[n] sea paso bajo con frecuencia de corte menor o igual que
/M la secuencia x[n] ser igual a x[n].
El proceso contrario (que no necesariamente inverso) al diezmado es el que denomina-
mos interpolacin a un ritmo natural L. En este proceso, representado en la Figura 2.20, a
Filtro paso bajo
con ganancia
y = /
L
L w p
c
] [n x
L
] [n x
i
] [
0
n x
L
Figura 2.20. Esquema general de un interpolador por L.
una secuencia x[n] (que puede provenir o no de un proceso de diezmado) se le aplica una
insercin de ceros a ritmo L segn (2.131), obteniendo la secuencia
x
0L
[n] =
k=
x[k][n kL] =
_
x
_
n
L
si n =

L
0 si n ,=

L
(2.131)
cuya transformada es, teniendo en cuenta la propiedad de insercin de ceros de la Transfor-
mada de Fourier, (2.132),
X
0L
(e
j
) = X(e
jL
) (2.230)
que es una funcin peridica de periodo 2/L, igual que una secuencia que hubiese sido
muestreada con un periodo de muestreo L.
Finalmente, esta secuencia x
0L
[n] es ltrada paso bajo como si se tratase de una secuen-
cia muestreada para obtener la secuencia interpolada x
i
[n] cuya expresin es
x
i
[n] =
k=
x
0L
[kL] sinc
_
n kL
L
_
=
k=
x[k] sinc
_
n kL
L
_
(2.231)
Si con un diezmador conseguimos una reduccin de la tasa de muestras o ritmo de
la secuencia por un factor entero M y mediante un interpolador un incremento de la tasa
de muestras por un factor entero L, podemos conseguir un cambio de ritmo por un factor
racional L/M aplicando, sucesivamente, un interpolador por L y un diezmador por M.
Ntese cmo el interpolador debe ir en primer lugar para asegurar que, de existir alguna
prdida de informacin (como es el caso en que L/M < 1), esta sea mnima. En esta
combinacin podemos suprimir uno de los ltros, el del interpolador o el del diezmador,
resultando una estructura de procesado como la que muestra la Figura 2.21.
Filtro paso bajo
con ganancia y
=min( / ,
L
L w p
c
p/ ) M
] [n x
L
] [
0
n x
L
M
] [
~
n x
i
] [
~
n x
d
Figura 2.21. Combinacin de un interpolador por L y un diezmador por M.
2.4.3. Simulacin de seales y sistemas
En el inicio del apartado anterior mencionbamos que desebamos construir una secuen-
cia x[n] a partir de una seal en tiempo continuo x(t) de la forma (2.210) empleando unos
sistemas denominados conversores continuo-discreto y volver a reconstruir una seal en
tiempo continuo empleando conversores discreto-continuo. Sin embargo, debido a proble-
mas matemticos no era posible establecer una igualdad (bidireccional) entre la secuencia y
la seal en tiempo continuo y debamos conformarnos con un sistema de muestreo y recons-
truccin como el mostrado en la Figura 2.16 en el que la variable independiente de la seal
muestreada segua siendo de naturaleza continua.
Es ahora, una vez expuestos los fundamentos de las tcnicas de muestreo y reconstruc-
cin, cuando estamos en disposicin de abordar la denicin de los conversores continuo-
discreto y discreto-continuo y establecer las equivalencias entre x[n] y x(t). Para ello, vamos
a insertar dos bloques nuevos en el diagrama de muestreo y reconstruccin anterior (Figura
2.16), tal y como se muestra en la Figura 2.22. El primero de ellos, etiquetado como con-
versor de tren de impulsos a secuencia, se encarga de construir la secuencia x[n] a partir
de los pesos de las funciones delta de x
p
(t), y el segundo, etiquetado como conversor de
secuencia a tren de impulsos, realiza el paso contrario. El conversor continuo discreto se
dene como la combinacin de un muestreador seguido de un conversor de tren de impulsos
x t ( ) x t
r
( ) x t
p
( )
p t ( )
Conversor de
tren de impulsos
a secuencia
T
s
w
w
s
/2 - /2 w
s
Conversor de
secuencia a
tren de impulsos
x n [ ]=x nT ( )
s
x t
p
( )
x t ( ) x t
r
( )
Conversor
C/D
x n [ ]
Conversor
D/C
T
s
T
s
Figura 2.22. Sistema para muestreo y reconstruccin y conversores continuo-discreto
(C/D) y discreto-continuo (D/C).
a secuencia y el conversor discreto-continuo se dene como la combinacin de un conversor
de secuencia a tren de impulsos seguido de un ltro reconstructor de una seal muestreada.
Para determinar la equivalencia entre x[n] y x(t) comenzamos calculando la Transfor-
mada de Fourier de x
p
(t) de forma distinta a como lo hicimos en (2.214). Empleando una
de las expresiones de x
p
(t) de (2.213),
x
p
(t) =
n=
x(nT
s
) (t nT
s
) (2.232)
calculamos su transformada empleando el par transformado (t nT
s
)
TF
e
jnT
s
para
cada uno de los trminos del sumatorio, obteniendo
X
p
(j) =
n=
x(nT
s
) e
jnT
s
(2.233)
que no es sino el Desarrollo en Serie de Fourier con periodo
s
de la funcin peridica
X
p
(j) expresada en (2.214).
Por otra parte, tenemos que la Transformada de Fourier de la secuencia x[n] obtenida a
partir de x(t) es, cambiando por para evitar confusiones entre tiempo discreto y tiempo
continuo,
X(e
j
) =
n=
x[n] e
jn
=
n=
x(nT
s
) e
jn
(2.234)
de donde, comparando con la expresin de X
p
(j) obtenida en (2.233), podemos obtener
la equivalencia
T
s
(2.235)
que nos permite establecer la igualdad
X(e
j
) = X
p
(j/T
s
) (2.236)
2.5 LECTURAS ADICIONALES 87
Empleando la relacin entre X(j) y X
p
(j) expresada en (2.214), (2.236) se transforma
en
X(e
j
) = X
p
(j/T
s
) =
1
T
s
k=
X
_
j
_
k2
T
s
__
(2.237)
La equivalencia (2.235) y las ecuaciones (2.236) y (2.237), expresadas en palabras, vie-
nen a decir que la frecuencia de muestreo en tiempo continuo se transforma en la frecuencia
2 de la secuencia construida a partir de la seal en tiempo continuo.
Este resultado nos abre las puertas para la realizacin en tiempo discreto de sistemas en
tiempo continuo y viceversa y, ms concretamente, la realizacin en tiempo discreto de la
prctica totalidad de transmisores y receptores de comunicaciones digitales.
2.5. LECTURAS ADICIONALES
Existen excelentes textos sobre seales y sistemas entre los que destaca, sin duda, el libro
de Oppenheim, Willsky y Nawab [55], que considera los casos en tiempo continuo y dis-
creto. De entre los dedicados al anlisis de seales y sistemas en tiempo discreto queremos
destacar los libros de Oppenheim, Schafer y Buck [54] y el de Proakis y Manolakis [62]. El
libro de Papoulis [57] trata, al igual que [55], los casos en tiempo continuo y discreto.
Para profundizar en la Transformada de Fourier se recomiendan los libros clsicos de
Bracewell [12] y Papoulis [56]. Una visin algebraica de las seales y los sistemas se en-
cuentra en el libro de Franks [26], texto que tambin se recomienda para profundizar en la
representacin de seales paso banda.
PROBLEMAS
P2.1 Calcule los valores medio y de pico, la energa y la potencia de las siguientes seales:
1.1. x(t) = 1
1.2. x(t) = u(t)
1.3. x(t) = e
t
1.4. x(t) = cos(
0
t)
1.5. x(t) = (
t
) ( R)
1.6. x[n] = [n]
1.7. x[n] = e
j
0
n
P2.2 Calcule la funcin de ambigedad temporal de la seal sinc(t) y a partir de esta de-
muestre que dos seales sinc(t) desplazadas entre s un nmero entero distinto de cero
son ortogonales.
P2.3 Determine si cumplen los criterios de memoria, causalidad, invertibilidad, estabilidad
BIBO, linealidad e invarianza temporal los siguientes sistemas denidos mediante su
relacin entrada salida:
3.1. y(t) = x(t)
3.2. y(t) = cos(100t) x(t)
3.3. y[n] = 2x[n] + 1
3.4. y[n] =
n
k=
x[k]
P2.4 Calcule el resultado de las siguientes operaciones de convolucin:
4.1. (t) (t 10)
4.2. u(t) e
10t
4.3. (u[n] u[n 5]) cos
_
2n
5
_
4.4. (2)
n
u[n]
k=
[n 10k]
P2.5 Calcule la Transformada de Fourier de las siguiente seales:
5.1. x(t) = e
[t[
5.2. x(t) = t(t)
5.3. x(t) = sinc
2
(t)
5.4. x(t) =
k=
sinc(t 5k)
P2.6 La seal x(t) posee una Transformada de Fourier
X(j) = [[()
Sin calcular la Transformada Inversa de Fourier, determine:
6.1. Si x(t) es una seal par.
6.2. Si x(t) es una seal impar.
6.3. Si x(t) es una seal real.
6.4. Si x(t) es una seal imaginaria pura.
6.5.
_
x(t) dt
6.6.
_
[x(t)[
2
dt
P2.7 Calcule los anchos de banda 3 dB, equivalente de ruido y de primer nulo de la seal
x(t) = (t).
P2.8 Calcule la Transformada de Fourier de las siguientes seales:
8.1. x[n] = u[n + 2] u[n 5]
8.2. x[n] =
_
1
3
_
n
u[n 2]
PROBLEMAS DEL CAPTULO 2 89
8.3. x[n] = n4
n
u[3 n]
8.4. x[n] = cos
_
n
3
_
sinc
_
n
10
_
P2.9 Determine las seales cuyas Transformadas de Fourier son las siguientes:
9.1. X(e
j
) =
_
4
2
_
(para < )
9.2. X(e
j
) = e
j/4
(para < )
9.3. X(e
j
) =
k=
(1)
k+1
_

k
4
_
9.4. X(e
j
) =
1
1
1
7
e
2j
P2.10 Calcule la Transformada Z de las siguiente seales, indicando su regin de convergen-
cia:
10.1. x[n] = cos
_
n
4
_
u[n]
10.2. x[n] = 2
n
u[n + 5]
10.3. x[n] = nu[n]
10.4. x[n] = 3
n
u[n] + 3
n
u[n]
P2.11 Obtenga las siguientes propiedades de la Transformada de Fourier de tiempo discreto
a partir de sus propiedades equivalentes de la Transformada Z sustituyendo z por e
j
:
11.1. Simetra.
11.2. Conjugacin.
11.3. Modulacin.
11.4. Insercin de ceros.
11.5. Supresin de ceros.
P2.12 Considere el sistema denido por la ecuacin en diferencias
y[n] =
1
2
y[n 1]
1
4
y[n 2] +x[n] +
1
2
x[n 1]
1
4
x[n 3]
12.1. Obtenga su funcin de transferencia en el dominio Z.
12.2. Dibuje su diagrama de polos y ceros y determine una realizacin estable del
mismo.
12.3. Obtenga la respuesta al impulso de la realizacin estable determinada en el apar-
tado anterior.
12.4. Dibuje la respuesta en frecuencia (amplitud y fase) del sistema.
P2.13 Considere las siguientes secuencias:
13.1. x
1
[n], tal que x
1
[n] = 0 fuera del intervalo 0 n < N, cuya Transformada de
Fourier es X
1
(e
j
).
13.2. x
2
[n], tal que x
2
[n] = 0 fuera del intervalo
N
2
n <
3N
2
, cuya Transformada
de Fourier es X
2
(e
j
).
Demuestre las siguientes aseveraciones:
13.1. Si hacemos
x
3
[n] = e
j
1
n
x
1
[n]
se cumple
X
3
[k] = X
1
(e
j
) [
=
2
N
k +
1
siendo X
3
[k] la DFT de longitud N de x
3
[n].
13.2. Si hacemos
x
3
[n] =
_
_
_
x
2
[n +N] 0 n <
N
2
x
2
[n]
N
2
n < N
0 resto
se cumple
X
3
[k] = X
2
(e
j
) [
=
2
N
k
siendo X
3
[k] la DFT de longitud N de x
3
[n].
P2.14 Considere la seal paso banda
x(t) = sinc
_
t
T
_
cos(
1
t) + sinc
2
_
t
2T
_
sen(
1
t)
con
1
/T 2. Obtenga su equivalente paso bajo e identique las partes en fase y
cuadratura.
P2.15 Las uctuaciones en la frecuencia de oscilacin de los relojes empleados en los pro-
cesos de muestreo y reconstruccin de seales en tiempo continuo afectan a la calidad
de dichos procesos. En este ejercicio vamos a evaluar la inuencia de este fenmeno.
Un modelo simplicado de seal muestreadora con este efecto es el siguiente
p(t) =
n=
_
t nT
s
sen n
2
m
_
donde T
s
es el periodo nominal de muestreo, y y m son los parmetros que denen
las uctuaciones. T
s
y son nmeros reales, y mes un nmero entero. Obsrvese que
p(t) es una seal peridica.
Se pide:
15.1. Dibuje la seal p(t) y determinar su periodo en funcin de los parmetros m y
T
s
.
15.2. Calcule la Transformada de Fourier de p(t) para m = 4 y 0 < T
s
/2.
15.3. Empleamos p(t) para muestrear una seal x(t) cuyo ancho de banda es W rad/s,
mediante
x
p
(t) = p(t) x(t)
. Determine el mximo valor de T
s
que garantiza la reconstruccin perfecta de
x(t) a partir de x
p
(t) en las siguientes situaciones:
15.3.1. m = 4 y 0 < < T
s
/2.
15.3.2. m = 4 y = 0.
P2.16 En el proceso de produccin de un Compact Disc (CD) de audio, las fases de gra-
bacin y mezclado de las distintas fuentes sonoras se realizan generalmente con las
seales muestreadas a 48 KHz a un mltiplo entero de esta frecuencia, mientras que
el estndar de CD de audio especica una frecuencia de muestreo de 44,1 KHz. Me-
diante la conexin en serie de combinaciones de interpoladores y muestreadores como
los mostrados en la Figura 2.21, disee un sistema para cambiar la frecuencia de mues-
treo de 96 a 44,1 KHz empleando el menor nmero de interpoladores y diezmadores
y con valores de L y M inferiores siempre a 10.
CAPTULO 3
TEORA DE LA PROBABILIDAD Y
PROCESOS ESTOCSTICOS
La teora de la probabilidad es, junto con la teora de seales, uno de los dos pilares
matemticos sobre los que se asienta el anlisis de sistemas de comunicaciones digitales. En
este captulo se presentan nociones bsicas de probabilidad y procesos aleatorios. Se revisan
los conceptos de variable aleatoria y procesos estocsticos y sus propiedades, en particular
aquellas de inters en comunicaciones digitales.
3.1. PROBABILIDAD
Presentar de forma intuitiva el trmino probabilidad no es difcil porque se encuentra
ya en el lenguaje cotidiano y es utilizado habitualmente por personas an sin conocimien-
tos matemticos; sin embargo, su denicin precisa y, sobre todo, su interpretacin, se ha
mantenido esquiva a lo largo del tiempo y todava es objeto de discusin. El concepto de
probabilidad est ligado a la realizacin (fsica o mental) de un experimento aleatorio, en-
tendindose por tal un experimento cuyo resultado es desconocido (es decir, no predecible)
por un observador. Suele ponerse el ejemplo del lanzamiento de un dado (no en vano la teo-
ra de la probabilidad surgi originalmente en el campo de los juegos de azar): el resultado
puede ser cualquier nmero entero entre 1 y 6, pero es a priori impredecible ni siquiera por
el lanzador. La probabilidad es una medida de la incertidumbre que, para un observador,
tiene el resultado de un experimento, y es, por tanto, una medida subjetiva: as, por ejemplo,
el contenido de un mensaje enviado a travs de un canal de comunicaciones digitales es
completamente desconocido por el receptor antes de iniciarse la comunicacin, pero no por
el transmisor, que puede predecirlo con exactitud en la medida en que conoce el mensaje
transmitido.
El desconocimiento puede ser total o parcial. Si consideramos el experimento lanzar
dos dados y sumar sus puntos, cualquier resultado entre 2 (1 + 1) y 12 (6 + 6) es posible,
pero tambin sabemos que el 7 es un resultado ms esperable que el 2. Lo sabemos por
la naturaleza del experimento (el 7 resulta de muchas combinaciones posibles de resultados
94 TEORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS
de cada dado, 1 + 6 = 2 + 5 = 3 + 4 = 4 + 3 = 5 + 2 = 6 + 1 = 7, mientras que sola-
mente una combinacin produce el resultado 2, esto es, 1 +1) o por informacin estadstica
(por ejemplo, porque hayamos observado que realizaciones previas del mismo experimento
en las mismas condiciones dieron 7 con ms frecuencia que 2). Tambin, el receptor del
mensaje enviado por un transmisor puede desconocer completamente su contenido, pero tal
desconocimiento puede reducirse al observar la seal que ha recibido. Se reducir totalmen-
te si puede reconocer el mensaje a partir de la seal recibida, o parcialmente, si la seal
enviada por el transmisor ha sido enmascarada por efectos de ruido y distorsin durante la
transmisin.
La probabilidad es pues, esencialmente, una medida de incertidumbre sobre el resultado
del experimento y es, por tanto, dependiente de la cantidad de informacin disponible por
el observador en cada momento. Para acercarnos a una denicin ms formal, se precisan
varios elementos:
Un espacio muestral, , que es el conjunto de todos los resultados posibles del expe-
rimento aleatorio. En el ejemplo anterior de lanzar dos dados y sumar su resultado,
= 2, 3, . . . , 12.
Un conjunto de sucesos, = S, S . Un suceso es cualquier subconjunto de
1
.
Ejemplos de sucesos en el ejemplo de los dados son que la suma sea: 2, un nmero
impar, un nmero menor que 8, etc. En total hay 2
11
posibles sucesos.
Denimos ahora una medida de probabilidad Pr como toda funcin que, aplicada so-
bre cualquier suceso S , devuelve un nmero real PrS que verica las siguientes
propiedades
P 1. 0 PrS 1
P 2. Pr = 0
P 3. Pr = 1
P 4. Dado un conjunto nito (o innito numerable) de sucesos S
i
disjuntos (S
i
S
j
=
), se verica
Pr
_
_
i
S
i
_
=
i
PrS
i
(3.1)
1
Con frecuencia, es el conjunto de todos los subconjuntos de , que suele denotarse como = 2
. Sin
embargo, desde un punto de vista matemtico no es imprescindible que todos los subconjuntos de estn en ,
aunque en todo caso, deben cumplirse dos condiciones: (1) el complementario de un suceso debe ser tambin
un suceso, y (2) cualquier unin nita o innita numerable de sucesos debe ser un suceso. Cuando se verican
estas condiciones, se dice que tiene estructura de -lgebra.
3.1 PROBABILIDAD 95
3.1.1. Asignacin de probabilidades a sucesos
Puesto que toda funcin que verica las propiedades anteriores es una medida de pro-
babilidad, quiere esto decir que cualquiera de estas funciones es una medida til de incer-
tidumbre sobre el resultado de cierto experimento? La respuesta es no.
Supongamos que el experimento aleatorio puede repetirse un nmero indenido de ve-
ces, y que el resultado de cada experimento es independiente de los dems. Diremos que una
probabilidad Pr es un buen modelo de incertidumbre para dicho experimento en la medida
en que sea capaz de predecir con exactitud la frecuencia con la que se repiten los diferentes
sucesos del experimento.
Es decir, Pr es una buena medida de incertidumbre sobre el resultado del experimento
si dado cualquier suceso S , tras N repeticiones del experimento, denominando N
s
al
nmero de veces que se produce algn resultado que est en S, el cociente N
s
/N converge
a PS cuando N tiende a innito.
Lo anterior permite aplicar una construccin matemtica, la probabilidad, a la medida
de regularidades en procesos fsicos impredecibles, pero dicha aplicacin no est exenta de
dicultades. De hecho, la vericacin experimental del ajuste de un modelo probabilstico a
un experimento aleatorio es imposible, pues en la prctica no puede repetirse un experimento
innitas veces. Ms an, en ocasiones no es posible siquiera repetir el experimento, y la
asignacin de probabilidades debe apoyarse en ciertos supuestos acerca del modo en que se
producen los resultados del experimento.
Ejemplo 3.1
Considere el experimento consistente en lanzar un dado no cargado y mirar el resultado: un n-
mero entero entre 1 y 6. Cmo asignar probabilidades al suceso 5? La fsica del problema
sugiere que, siendo un dado no cargado esencialmente simtrico, no hay razn para pensar que
uno de los resultados tenga mayores oportunidades de producirse que el otro, lo que nos invita a
hacer la asignacin Pr1 = Pr2 = . . . = Pr6 = 1/6. En apoyo de esta asignacin est
el hecho de que ha resultado ser razonablemente acertada con otros muchos dados anteriormente.
Si, adems, tenemos la oportunidad de ensayar el lanzamiento de este dado cierto nmero N de
veces, podremos comprobar si, efectivamente, la frecuencia de 5 o de cualquier otro resultado
se parece a 1/6. Si es as, podemos conar en la bondad de esta asignacin. Pero, en todo caso,
pinsese que ninguna de estas evidencias es denitiva a favor del modelo equiprobable frente a
todos los posibles. Adems, un dado real nunca es perfectamente simtrico, no todos los dados
son exactamente iguales, e incluso la prueba con repeticiones del experimento puede cuestionar-
se: los lanzamientos causan desgastes del dado, de modo que cada nueva realizacin no es una
repeticin del experimento en las mismas condiciones que las anteriores. Con todo, el modelo
equiprobable es simple y casi siempre bastante preciso, y puede aceptarse.
Ntese que, para denir una medida de probabilidad es preciso, en principio, asignar
una probabilidad a todos los sucesos en de acuerdo con las propiedades 1 a 4. En realidad,
cuando cualquier suceso se puede construir por unin contable de los sucesos atmicos
(es decir, los sucesos constituidos por un nico resultado), la propiedad 4 simplica enor-
memente el proceso de asignacin.
Ejemplo 3.2
La asignacin de probabilidades a los 6 resultados posibles del lanzamiento del dado permite
calcular un valor de probabilidad para cualquier otro suceso. As, por ejemplo, suponiendo que
la probabilidad de cada posible resultado es 1/6, la probabilidad de que se obtenga un nmero
par ser
Pr2 4 6 = Pr2 +Pr4 +Pr6 =
1
2
(3.2)
En general, si el espacio muestral es nito o innito numerable, la asignacin de una
probabilidad a cada posible resultado (de acuerdo con las restricciones de que sean no nega-
tivas y sumen uno) permite calcular la probabilidad de cualquier otro suceso, por aplicacin
de la propiedad 4. Por el contrario, si es innito no numerable, este procedimiento no
puede aplicarse, como veremos.
3.2. VARIABLES ALEATORIAS
Estrictamente hablando, variable aleatoria es toda aplicacin de en la recta real, que
asigna a cada posible resultado un nmero. Dado el resultado , la variable aleatoria
X tomar un valor X() R. En la prctica, la notacin suele simplicarse y, de forma
general, escribiremos X, omitiendo el argumento.
Mediante el uso de variables aleatorias, el espacio muestral original se proyecta sobre
un subconjunto de la recta real, que llamaremos espacio muestral imagen.
Ejemplo 3.3
Un transmisor enva una secuencia de dgitos binarios (ceros y unos), s[n], n = 0, . . . , N
1, a un receptor distante a travs de un canal de comunicaciones digitales. A consecuencia de
imperfecciones del canal, la secuencia de dgitos binarios detectada en recepcin, d[n], n =
0, . . . , N 1, es posiblemente diferente a la transmitida. Para evaluar el rendimiento de la
comunicacin, considere el experimento consistente en comparar las secuencias transmitida y
recibida y determinar cul de los resultados siguientes se ha producido:
0
=Hay errores de
transmisin, o bien
1
=No hay errores de transmisin. Puede denirse la variable aleatoria
Z dada por Z(
0
) = 0 y Z(
1
) = 1. De este modo, PrZ = 1 es la probabilidad de que se
haya producido algn error en la transmisin.
Si llamamos
al espacio muestral imagen (es decir,
= X(), R),
podemos distinguir entre:
Variables aleatorias discretas:
es discreto (es decir, nito o innito numerable).

Variables aleatorias continuas:
es continuo, o contiene algn subconjunto continuo.

La diferencia entre variables aleatorias discretas y continuas es sustancial. Como hemos
visto anteriormente, si el espacio muestral imagen es nito o innito numerable, para ca-
racterizar la variable aleatoria en trminos probabilsticos es suciente con asignar un valor
de probabilidad a cada posible resultado (que, de acuerdo con la denicin anterior, es tam-
bin un suceso) respetando las propiedades 1 a 3, y calcular las probabilidades de los dems
sucesos aplicando la propiedad 4. Lo ltimo es posible porque puede construirse cualquier
suceso mediante la unin contable de sucesos atmicos (esto es, sucesos formados por un
3.2 VARIABLES ALEATORIAS 97
solo resultado posible). Sin embargo, si
es continuo, aquellos sucesos que contengan un

conjunto innito y no numerable de resultados posibles no pueden construirse como unin
contable de sucesos atmicos y, por tanto, no es posible calcular su probabilidad a partir de
las probabilidades de los sucesos atmicos. Adems, la mayora de los sucesos atmicos
tienen probabilidad nula!
Cuando
es continuo, suele preferirse caracterizar la variable aleatoria X a partir de los

sucesos de la forma X x. La funcin que devuelve la probabilidad de este suceso para
cada valor de x se denomina funcin de distribucin acumulada o, simplemente, funcin de
distribucin
F
X
(x)
.
= PrX x (3.3)
La funcin de distribucin tiene las siguientes propiedades, que se deducen directamente
de su denicin:
P 1. 0 F
X
(x) 1
P 2. F
X
() = 1
P 3. F
X
() = 0
P 4. F
X
(x) es una funcin montona creciente (F
X
(x
1
) F
X
(x
2
) si x
1
< x
2
).
3.2.1. Distribucin de probabilidades y funcin de densidad de pro-
babilidad
Dada una variable aleatoria discreta X, se dene su distribucin de probabilidades (o
simplemente distribucin), que llamaremos p
X
(x), como aquella que, para cada posible
valor x de X, devuelve su probabilidad. As, por ejemplo,
p
X
(3) = PrX = 3 (3.4)
Obviamente, si X puede tomar los valores x
i
, 0 i M 1, resulta
M1
i=0
p
X
(x
i
) = 1 (3.5)
Probabilidad y distribucin de probabilidades son esencialmente lo mismo, aunque la
primera se aplica a sucesos y la segunda a nmeros. Si la variable es discreta, conociendo
su distribucin puede calcularse la probabilidad de cualquier suceso. Por el contrario, si
la variable aleatoria es continua, la distribucin de probabilidades no resulta til, y suele
recurrirse a la funcin de distribucin acumulada o bien a su derivada, que se conoce como
funcin de densidad de probabilidad (abreviadamente, fdp)
f
X
(x)
.
=
dF
X
(x)
dx
(3.6)
Las siguientes propiedades son una consecuencia inmediata de esta denicin, y de las
propiedades de la funcin de distribucin enunciadas anteriormente:
P 1. f
X
(x) 0
P 2. F
X
(x) =
_
x
f
X
()d
P 3.
_
f
X
()d = 1
Adems, la densidad de probabilidad dene completamente una variable aleatoria, en
el sentido de que permite calcular la probabilidad de cualquier suceso. Por ejemplo, la pro-
babilidad del suceso a < X b se puede calcular teniendo en cuenta que el conjunto
X b admite la particin
X b = X a a < X b (3.7)
luego, en virtud de la Propiedad 4,
PrX b = PrX a +Pra < X b (3.8)
y, por tanto,
Pra < X b = F
X
(b) F
X
(a) =
_
b
a
f
X
(x)dx (3.9)
De forma general, la probabilidad del suceso X S se puede calcular como
PrX S =
_
S
f
X
(x)dx (3.10)
La propiedad (3.9) puede ayudarnos a interpretar la funcin f
X
(x): partiendo de la de-
nicin de derivada,
f
X
(x) = lm
0
F
X
(x + ) F
X
(x)
= lm
0
Prx < X x +
(3.11)
la expresin nal explica la denominacin de densidad de probabilidad para f
X
(x).
Resumiendo, las variables aleatorias discretas pueden caracterizarse mediante su dis-
tribucin de probabilidades, y las continuas mediante su funcin de densidad de proba-
bilidad. Para completar el paralelismo entre variables discretas y continuas, puede de-
nirse la funcin de probabilidad acumulada (o de distribucin) de una variable discreta,
dada por F
X
(x) = PrX x =
x
i
x
p
X
(x
i
). La funcin de distribucin cumple
F
X
(x
m ax
) = 1, donde x
m ax
es el mximo valor posible de X (estrictamente hablando, el
valor supremo).
Asimismo, las probabilidades pueden expresarse a partir de la funcin de distribucin.
Suponiendo x
0
< x
1
< . . . < x
M1
, puede escribirse p
X
(x
i
) = F
X
(x
i
) F
X
(x
i1
).
3.2.2. Esperanza matemtica
La media o esperanza matemtica de la variable aleatoria discreta X de espacio muestral
= x
i
, 0 i M 1 se dene como
X
= EX
.
=
M1
i=0
x
i
p
X
(x
i
) (3.12)
La esperanza matemtica tambin tiene una interpretacin frecuencial. Supongamos, por
ejemplo, que se observan N realizaciones x
j
, j = 0, . . . , N 1 de la variable aleatoria X;
el promedio de todas ellas ser
X =
1
N
N1
j=0
x
j
(3.13)
Agrupando los sumandos iguales, resulta
X =
M1
i=0
N
i
N
x
i
(3.14)
siendo N
i
el nmero de sumandos iguales a x
i
. Dado que el cociente N
i
/N se aproxima a
p
X
(x
i
) a medida que aumenta N, el promedio se aproxima a la media.
La esperanza matemtica puede aplicarse a cualquier funcin de X,
Eg(X) =
M1
i=0
g(x
i
)p
X
(x
i
) (3.15)
existiendo algunos casos particulares de especial inters:
Valor cuadrtico medio: EX
2
Varianza:
2
X
= E(X
X
)
2
= EX
2

2
X
Momento de orden n: EX
n
Momento central de orden n: E(X

X
)
n
De modo anlogo se dene la esperanza matemtica de una variable aleatoria continua:
X
= EX =
_

xf
X
(x)dx (3.16)
y, en general,
Eg(X) =
_

g(x)f
X
(x)dx (3.17)
Los casos particulares denidos anteriormente tambin son de aplicacin a variables
continuas.
3.2.3. Distribuciones de inters
A modo de ejemplo, se presentan en este apartado modelos de probabilidades y densi-
dades de probabilidad muy comunes, y de especial inters en comunicaciones digitales.
Variables aleatorias discretas
Bernoulli. Una variable aleatoria X se dice de Bernoulli si su espacio muestral tiene so-
lamente dos elementos: = 0, 1, con probabilidades
p
X
(0) = 1 p
p
X
(1) = p
(3.18)
o, de forma ms compacta:
p
X
(k) = p
k
(1 p)
1k
(3.19)
La ocurrencia o no de cierto suceso S en un experimento aleatorio puede modelarse
como una variable de Bernoulli dada por
X(Se ha producido S) = 1
X(No se ha producido S) = 0
As, por ejemplo, esta variable aleatoria resulta til en comunicaciones para analizar sucesos
del tipo Se ha transmitido un bit de valor 1 o bien El mensaje recibido contiene errores.
Binomial. Supongamos que cierto experimento aleatorio se repite n veces (independien-
tes), y desea evaluarse el nmero de veces que se produce cierto suceso S de probabilidad
PrS = p. Considerando la variable aleatoria X que toma el valor k si el suceso S se
ha producido k veces, puede demostrarse (vase Problema P3.4) que, en tal caso, X es una
variable aleatoria de espacio muestral = 0, 1, 2, . . . , n, con distribucin de probabili-
dades
p
X
(k) =
_
n
k
_
p
k
(1 p)
nk
k = 0, . . . , n (3.20)
siendo
_
n
k
_
.
=
n!
k!(n k)!
(3.21)
Su media es np (vase tambin Problema P3.4). Las distribuciones de esta forma se deno-
minan binomiales. Ntese que la distribucin binomial se reduce a la de Bernoulli cuando
n = 1.
Nombre Expresin Rango Media Varianza
Bernoulli p
X
(k) = p
k
(1 p)
1k
k 0, 1 p p(1 p)
Binomial p
X
(k) =
_
n
k
_
p
k
(1 p)
nk
0 k n np np(1 p)
Geomtrica p
X
(k) = p(1 p)
k
k 0 (1 p)/p (1 p)/p
2
Poisson p
X
(k) = e
k
/k! k 0
Cuadro 3.1. Resumen de las propiedades de distribuciones de variables aleatorias discre-
tas. En todas las ecuaciones, p es un nmero real comprendido entre 0 y 1 y un nmero
real positivo.
Geomtrica. El espacio muestral de la distribucin geomtrica es el conjunto de todos los
enteros no negativos. La distribucin de probabilidades viene dada por
p
X
(k) = (1 p)
k
p k 0 (3.22)
donde p es un parmetro de la distribucin.
La distribucin geomtrica surge, por ejemplo, cuando se desea evaluar la primera vez
que se produce un suceso S de probabilidad p en una sucesin innita de realizaciones
independientes de cierto experimento aleatorio. Su valor medio (que es el tiempo medio de
aparicin del suceso) puede calcularse como
EX =
k=0
kp
X
(k) = p(1 p)
k=1
k(1 p)
k1
(3.23)
Sabiendo que k(1 p)
k1
=
d
dp
(1 p)
k
, podemos escribir
EX = p(1 p)
d
dp
k=1
(1 p)
k
= p(1 p)
d
dp
_
1
p
1
_
=
1 p
p
(3.24)
La distribucin geomtrica es til en comunicaciones digitales para estimar el tiempo medio
transcurrido antes de producirse un error en una transmisin digital.
Poisson. La variable aleatoria de Poisson tambin toma valores enteros no negativos, y su
funcin de probabilidad se dene como
p
X
(k) =
e
k
k!
k 0 (3.25)
Su media y su varianza coinciden con (vase Problema P3.1).
La distribucin de Poisson es una buena aproximacin de la distribucin binomial para
= np, y para los valores de k del orden de .
En el Cuadro 3.1 se resumen estos ejemplos de distribuciones discretas, que se repre-
sentan, para algunos valores de sus parmetros, en la Figura 3.1.
0 10 20
0
0.2
0.4
0.6
0.8
Bernoulli
k

p
X
(
k
)
p=0.25
p=0.5
0 10 20
0
0.1
0.2
0.3
0.4
Binomial (n=20)
k

p
X
(
k
)
p=0.25
p=0.5
(a) (b)
0 10 20
0
0.2
0.4
0.6
0.8
Geomtrica
k

p
X
(
k
)
p=0.25
p=0.5
0 10 20
0
0.05
0.1
0.15
0.2
Poisson
k

p
X
(
k
)
=5
=10
(c) (d)
Figura 3.1. Algunas distribuciones discretas.
Variables aleatorias continuas
Uniforme. Una variable continua X se denomina uniforme si su funcin de densidad de
probabilidad tiene la forma
f
X
(x) =
_
1
ba
a x < b
0 en caso contrario
(3.26)
Su media es
X
= EX =
1
b a
_
b
a
xdx =
a +b
2
(3.27)
y su varianza
E
_
(X
X
)
2
_
=
1
b a
_
b
a
(x
X
)
2
dx =
1
b a
_
(b
X
)
3
3

(a
X
)
3
3
_
=
1
12
(b a)
2
(3.28)
Gausiana. Una variable continua X se dice gausiana o normal si su funcin de densidad
de probabilidad tiene la forma
f
X
(x) =
1
2
e
(x)
2
2
2
(3.29)
Su media coincide con el valor del parmetro , y su varianza con
2
.
La distribucin gausiana es un buen modelo para muchos procesos aleatorios presen-
tes en la naturaleza. En particular, es un buen modelo del ruido en numerosos dispositivos
elctricos y electrnicos, y en sistemas de comunicaciones digitales. Su abundancia puede
explicarse como una consecuencia del teorema central del lmite, que se presentar en el
Apartado 3.2.8.
La variable gausiana de media cero y varianza unidad se conoce como una variable
normal unitaria. La probabilidad de que supere un valor x se calcula como
PrX x =
_

x
f
X
()d =
1
2
_

x
e
2
2
d (3.30)
La integral en la ecuacin anterior no tiene solucin analtica, sin embargo se dispone de la
solucin en forma de una funcin tabulada, conocida por funcin Q, que se dene como
Q(x)
.
=
1
2
_

x
e
2
2
d (3.31)
Una alternativa al uso de tablas o aproximaciones numricas de la funcin Q consiste en
el establecimiento de cotas superiores e inferiores de la misma. Las cotas superiores ms
utilizadas son
Q(x)
1
2
e
x
2
2
x 0 (3.32)
y
Q(x) <
1
x
2
e
x
2
2
x 0 (3.33)
y una inferior es
Q(x) >
1
x
2
_
1
1
x
2
_
e
x
2
2
x 0 (3.34)
La Figura 3.2 muestra estas cotas junto a la funcin Q, donde podemos apreciar que tanto
(3.33) como (3.34) son muy ajustadas para valores grandes de x. Observe adems que el
trmino dominante para valores grandes de x en las tres cotas es el mismo, e
x
2
2
.
0 1 2 3 4 5
10
6
10
5
10
4
10
3
10
2
10
1
10
0
x
Q(x)
Cota superior (3.32)
Cota superior (3.33)
Cota inferior (3.34)
Figura 3.2. Funcin Q(x) y varias cotas de la misma.
En la literatura podemos encontrar otras funciones relacionadas de manera directa con
la funcin Q: una es la denominada funcin error, erf(x) = 1 2Q(
2x) (x 0), y otra

es la funcin error complementaria, erfc(x) = 1 erf(x) = 2Q(
2x) (x 0).
La funcin de distribucin (acumulada) de una variable normal unitaria se expresa en
funcin de Q como
F
X
(x) =
1
2
_
x
2
2
d = 1 Q(x) (3.35)
y tambin en funcin de erf y erfc para valores de x no negativos como F
X
(x) = 1Q(x) =
1
2
(erf(x/
2) + 1) = 1
1
2
erfc(x/
2).
No es difcil aplicar la funcin Q al clculo de probabilidades asociadas a variables
gausianas de media y varianza arbitrarias. As, por ejemplo, dada una variable gausiana X
de media y varianza
2
, se comprueba que
PrX x = Q
_
x
_
(3.36)
Weibull. Una variable Weibull de parmetros c 0 y 0 se caracteriza por una funcin
de densidad de probabilidad
f
X
(x) = c
c
x
c1
e
(x)
c
, x 0 (3.37)
que es la derivada de una funcin de distribucin de expresin ms sencilla:
F
X
(x) = 1 e
(x)
c
, x 0 (3.38)
(originalmente, Weibull propuso esta distribucin partiendo de (3.38)).
En el caso c = 2 y = 1/
R, la fdp en (3.37) se simplica en una distribucin

conocida como Rayleigh
f
X
(x) =
2x
R
e
x
2
R
, x 0 (3.39)
Alternativamente, podemos denir una variable aleatoria de tipo Rayleigh a partir de dos
variables gausianas: si X
0
y X
1
son gausianas independientes
2
de media cero y varianza
2
,
la variable dada por Y =
_
X
2
0
+X
2
1
sigue una distribucin Rayleigh con R = 2
2
(vase
Problema P3.7). Variables de este tipo las encontramos con frecuencia en ciertos detectores
en comunicaciones digitales.
Lognormal. La funcin densidad de probabilidad lognormal de parmetros y se dene
por
f
X
(x) =
1
2x
e
(ln x)
2
2
2
, x > 0 (3.40)
Gamma. La variable aleatoria de tipo gamma de parmetros b y > 0 se dene por
f
X
(x) =
1
(b)
b
x
b1
e
x
, x > 0 (3.41)
donde (b) =
_
0

b1
e
d es la funcin Gamma.
Hay dos casos particulares de especial inters:
Distribucin exponencial. Es la distribucin Gamma de parmetro b = 1, resultando
f
X
(x) = e
x
, x > 0 (3.42)
La distribucin exponencial se utiliza frecuentemente para el modelado de la duracin
media de paquetes de datos.
Distribucin Chi-cuadrado (
2
). Se dice que una variable aleatoria tiene una dis-
tribucin
2
con r grados de libertad si se ajusta a una distribucin Gamma con los
parmetros = 1/2 y b = r/2. En este caso, la fdp en (3.41) se reduce a
f
X
(x) =
2
r
2
(r/2)
x
r
2
1
e
x
2
, 0 x < (3.43)
Tambin podemos denir una variable aleatoria de tipo
2
con r grados de libertad co-
mo la suma de los cuadrados de r variables aleatorias normales unitarias independien-
tes: sean X
0
, . . . , X
r1
variables aleatorias gausianas de media nula y varianza unidad
independientes entre s; si denimos la variable aleatoria como Y = X
2
0
+ +X
2
r1
,
esta posee una distribucin
2
con r grados de libertad. A partir de aqu podemos tam-
bin denir la distribucin , que sera la que posee la variable Z =
Y . Note que
2
El concepto de independencia de variables aleatorias se trata con detalle un poco ms adelante, en la Pgina
120.
la distribucin con dos grados de libertad (r = 2) es un caso particular de una dis-
tribucin de Rayleigh. En los apartados siguientes aprenderemos el mtodo general
para obtener la funcin de densidad de probabilidad de una variable aleatoria que es
funcin de otra.
En el Cuadro 3.2 se resumen estas distribuciones continuas, indicando la media y va-
rianza de cada una de ellas en funcin del valor de sus parmetros. En las Figuras 3.3(a-h)
se representan algunos ejemplos.
Nombre f
X
(x) Rango Media Varianza
Uniforme
1
ba
a x < b
1
2
(a +b)
1
12
(b a)
2
Gausiana
1
2
e
(x)
2
2
2
x R
2
Weibull c
c
x
c1
e
(x)
c
x 0
1
_
1 +
1
c
_
.
= m
1
_
1 +
2
c
_
m
2
Rayleigh
2
R
xe
x
2
R
x 0
R
2
_
1

4
_
R
Log-Normal
1
2x
e
(ln x)
2
2
2
x 0 e
+
2
2
e
2+
2
_
e
2
1
_
Gamma
1
(b)
b
x
b1
e
x
x 0
b
2
Exponencial e
x
x 0
1
2 2
r/2
(r/2)
x
r/21
e
x/2
x 0 r 2r
Cuadro 3.2. Algunas funciones de densidad de probabilidad. El parmetro y los parme-
tros de la distribucin uniforme son nmeros reales arbitrarios. El resto deben ser nmeros
reales positivos.
3.2.4. Funcin de una variable aleatoria
Cualquier transformacin sobre una variable aleatoria es, a su vez, otra variable aleato-
ria, caracterizable por su funcin de probabilidad o de densidad de probabilidad, segn se
trate de una variable discreta o continua, respectivamente.
Si X es una variable discreta de espacio muestral
X
= x
0
, . . . , x
M1
, Y = g(X)
es otra variable aleatoria de dominio
Y
= y
0
= g(x
0
), . . . , y
M1
= g(x
M1
). Adems,
si la transformacin g es invertible, resulta
p
Y
(y
i
) = PrY = y
i
= PrX = x
i
= p
X
(x
i
) (3.44)
Si la transformacin no es uno a uno (porque para uno o ms x
i
se verica que g(x
i
) =
g(x
k
) con k ,= i), se comprueba fcilmente que
p
Y
(y
i
) =
k[g(x
k
)=y
i
p
X
(x
k
) (3.45)
4 2 00 2 4
0.2
0.4
0.6
0.8
b = 1
b = 2
b = 3
b = 4
10 5 00 5 10
0.1
0.2
0.3
0.4
= 1
= 2
= 3
= 4
0 2 4 6
0
0.5
1
1.5
2
c = 1
c = 2
c = 3
c = 4
(a) Uniforme (a = b) (b) Gausiana ( = 0) (c) Weibull ( = 1)
0 2 4 6
0
0.2
0.4
0.6
0.8
1
R = 1
R = 2
R = 3
R = 4
0 2 4 6
0
0.5
1
1.5
2
= 1
= 2
= 3
= 4
0 2 4 6
0
0.2
0.4
0.6
0.8
1
b = 1
b = 2
b = 3
b = 4
(d) Rayleigh (e) Log-normal ( = 0) (f) Gamma
0 2 4 6
0
1
2
3
4
= 1
= 2
= 3
= 4
0 5 10
0
0.1
0.2
0.3
0.4
0.5
r = 2
r = 4
r = 6
r = 8
(g) Exponencial (h)
2
Figura 3.3. Algunas distribuciones continuas.
El anlisis en el caso continuo es algo ms complejo. Sea X una variable aleatoria
continua e Y = g(X). Entonces, puede escribirse
F
Y
(y) = PrY y = Prg(X) y (3.46)
Supongamos, en primer lugar, que g es una funcin estrictamente creciente. En tal caso,
puede denirse la funcin inversa x = h(y) = g
1
(y), y (3.46) se reescriben como
F
Y
(y) = PrX h(y) = F
X
(h(y)) (3.47)
Por el contrario, si g es estrictamente decreciente, un razonamiento anlogo conduce a
F
Y
(y) = PrY y = PrX h(y) = 1 F
X
(h(y)) (3.48)
Derivando las Ecuaciones (3.47) o (3.48), segn se trate de una funcin creciente o
decreciente, resulta
f
Y
(y) = f
X
(h(y))
dh(y)
dy
(3.49)
Ejemplo 3.4
Si X es una variable aleatoria gausiana de media y varianza , la variable Y = e
X
tiene una
distribucin
f
Y
(y) = f
X
(ln(y))
1
y
=
1
y
2
e
(ln(y))
2
2
2
, y > 0 (3.50)
y, por tanto, es una variable lognormal.
Sabiendo que, para y = g(x),
dh(y)
dy
dg(x)
dx
1
(3.51)
(3.49) puede reescribirse como
f
Y
(y) = f
X
(x)
dg(x)
dx
x=h(y)
(3.52)
Esta expresin puede generalizarse para funciones g con tramos crecientes y decrecien-
tes, de modo anlogo al caso discreto: la fdp resulta de la suma
f
Y
(y) =
x[g(x)=y
f
X
(x)
dg(x)
dx
1
(3.53)
Ejemplo 3.5
Considere la variable aleatoria X con fdp f
X
(x) y la variable aleatoria Y = g(X) = X
2
.
La funcin g(x) tiene como derivada
dg(x)
dx
= 2x y un tramo decreciente (x < 0) y un tramo
creciente (x > 0). En el tramo decreciente la funcin inversa es x = h(y) =
y y en el tramo
creciente es x = h(y) =

y. Aplicando (3.53) obtenemos
f
Y
(y) =
f
X
(x)
2x
x<0
+
f
X
(x)
2x
x0
=
f
X
(
y)
2
y
+
f
X
(
y)
2
y
(3.54)
Si X es una variable aleatoria gausiana de media y varianza
2
,
f
Y
(y) =
1
2
2y
_
e
y+)
2
2
2
+e
y)
2
2
2
_
(3.55)
Esperanza matemtica
De acuerdo con la denicin de esperanza matemtica, la media de Y = g(X) puede
calcularse por dos procedimientos: como esperanza matemtica de Y
EY =
_

yf
Y
(y)dy (3.56)
o bien como esperanza matemtica de g(X),
Eg(X) =
_

g(x)f
X
(x)dx (3.57)
Cabe preguntarse si ambos procedimientos conducen al mismo resultado. Para simplicar,
supondremos que g es una funcin estrictamente creciente. Llamando h = g
1
a su inversa,
y haciendo el cambio de variable y = g(x), la integral (3.57) puede escribirse como
Eg(X) =
_

yf
X
(h(y))
_
dg
dx
(h(y))
_
1
dy (3.58)
Sabiendo que
_
dg
dx
(h(y))
_
1
=
dh(y)
dy
(3.59)
resulta
Eg(X) =
_

yf
X
(h(y))
dh(y)
dy
dy (3.60)
Por ltimo, en virtud de (3.49) y teniendo en cuenta que, si g es estrictamente creciente, su
inversa tambin lo es, de modo que f
X
(h(y))
dh(y)
dy
= f
X
(h(y))[
dh(y)
dy
[ = f
Y
(y), resulta
Eg(X) = EY (3.61)
Por tanto, el valor medio es independiente de la variable que se utilice para su clculo.
Esta propiedad es vlida para cualquier funcin g, no necesariamente creciente, aunque la
demostracin general es algo farragosa, y se omite en este texto. La conclusin es vlida,
asimismo, para el caso discreto.
Un caso particular de inters es aquel en el que la relacin entre las variables es lineal.
Supongamos, por ejemplo, que la variable aleatoria continua X tiene media
X
y varianza
2
X
, y se dene la variable Y = aX +b, siendo a y b constantes conocidas. De acuerdo con
(3.61), la media de Y es
Y
= EY = EaX +b =
_

(ax +b)f
X
(x)dx = a
_

xf
X
(x)dx +b
= a
X
+b (3.62)
y su varianza
E(Y
Y
)
2
= E(aX +b a
X
b)
2
= Ea
2
(X
X
)
2
= a
2
2
X
(3.63)
3.2.5. Variables aleatorias conjuntamente distribuidas
Considere el experimento consistente en lanzar dos dados y observar el resultado. Si
estamos interesados en el valor que toma cada dado (como sucede, por ejemplo, en el juego
del Backgammon), el resultado es la combinacin de los resultados de cada dado, y
su probabilidad puede medirse recurriendo a la probabilidad de la ocurrencia simultnea
de dos resultados especcos. Por ejemplo, si X
1
es el resultado de lanzar el dado 1 y X
2
el resultado de lanzar el dado 2, podemos calcular las probabilidades de la conguracin
X
1
= 6, X
2
= 4 como PrX
1
= 6, X
2
= 4. De forma general, podemos denir
la funcin de probabilidad conjunta p
X
1
,X
2
(x
1
, x
2
) que, para cada posible valor de x
1
y x
2
,
devuelve la probabilidad del suceso X
1
= x
1
y X
2
= x
2
.
Variables discretas
De forma general, dada una coleccin de variables aleatorias X = X
i
, i = 0, . . . , N
1 de espacios muestrales E
i
R, respectivamente, se dene la funcin de probabilidad
conjunta de las variables en X como aquella funcin que devuelve, para cada congura-
cin posible de valores de las variables, su probabilidad de ocurrencia simultnea. De for-
ma general, denotaremos esta funcin como p
X
0
,...,X
N1
(x
0
, . . . , x
N1
). Asimismo, puede
construirse el vector aleatorio
X =
_
_
X
0
X
1
.
.
.
X
N1
_
_
en cuyo caso la funcin de probabilidad conjunta admite la representacin p
X
(x).
A partir de esta denicin, no es difcil demostrar que la funcin de probabilidad aso-
ciada a un subconjunto de las variables en X se puede obtener a partir de la probabilidad
conjunta, mediante suma sobre todos los valores posibles de las otras variables. Esta opera-
cin suele denominarse marginalizacin. As, por ejemplo,
p
X
0
,...,X
N2
(x
0
, . . . , x
N2
) =
x
N1
E
N1
p
X
0
,...,X
N1
(x
0
, . . . , x
N2
, x
N1
) (3.64)
o
p
X
i
(x
i
) =
x
0
E
0

x
i1
E
i1
x
i+1
E
i+1

x
N1
E
N1
p
X
0
,...,X
N1
(x
0
, . . . , x
N2
, x
N1
)
(3.65)
La media
X
de un vector aleatorio X tiene una denicin similar al de una variable
escalar
X
= EX =
x
0
E
0

x
N1
E
N1
xp
X
(x) (3.66)
Podemos observar que la media es un vector cuya componente i-sima,
X,i
, viene dada
por
X,i
.
=
x
0
E
0

x
N1
E
N1
x
i
p
X
(x) =
x
i
x
i
p
X
i
(x
i
) = EX
i
(3.67)
Es decir, EX es un vector de componentes EX
i
.
De modo similar al caso escalar, el operador de esperanza matemtica puede aplicarse a
cualquier funcin de X. En particular, se dene la matriz de covarianzas de X como
C
.
= E(X
X
)(X
X
)
T
=
x
0
E
0

x
N1
E
N1
(x
X
)(x
X
)
T
p
X
(x)
(3.68)
donde el superndice T denota vector transpuesto. Se comprueba que la componente (i, j)
de C tiene la forma
C
ij
= cov(X
i
, X
j
) = E(X
i
X,i
)(X
j

X,j
)
=
x
i
x
j
(x
i
X,i
)(x
j

X,i
)p
X
i
,X
j
(x
i
, x
j
) (3.69)
y se denomina covarianza cruzada o, simplemente, covarianza, de las variables X
i
y X
j
.
Resulta inmediato comprobar que C
ii
coincide con la varianza de X
i
.
La matriz de covarianzas tiene dos propiedades importantes, que se deducen directa-
mente de su denicin:
P 1. Es simtrica: C = C
T
P 2. Es semidenida positiva, dado que, para todo v, se verica que
v
T
Cv = v
T
E(X
X
)(X
X
)
T
v
= Ev
T
(X
X
)(X
X
)
T
v
= E((X
X
)
T
v)
2
0 (3.70)
Como consecuencia de estas propiedades, todos los autovalores de C son no-negativos.
Adems, existe una base ortonormal de autovectores, q
i
, i = 0, . . . , N 1, con q
T
i
q
j
=
ij
y 0 i, j N 1, de modo que C se puede factorizar como
C = QQ
T
(3.71)
donde Q
.
= (q
0
[ . . . [q
N1
) es una matriz ortogonal (Q
1
= Q
T
) formada por los autovec-
tores, y es una matriz diagonal tal que
ii
es el autovalor correspondiente al autovector
q
i
.
Variables continuas
La funcin de distribucin conjunta de las variables X
i
, i = 0, . . . , N 1, se dene
como
F
X
(x
0
, . . . , x
N1
)
.
= PrX
0
x
0
, . . . , X
N1
x
N1
(3.72)
y la funcin de densidad de probabilidad conjunta se dene como
f
X
(x)
.
=

N
F
X
(x)
x
0
x
N1
(3.73)
Cuando N = 1, las deniciones anteriores se reducen a las ya conocidas para el caso escalar.
Puede interpretarse la funcin de densidad de probabilidad como un valor proporcional a la
probabilidad de que las componentes del vector aleatorio caigan dentro de los intervalos
[x
0
, x
0
+dx
0
], . . . , [x
N1
, x
N1
+dx
N1
].
P x
0
X
0
x
0
+dx
0
, . . . , x
N1
X
N1
x
N1
+dx
N1
= f
X
(x)dx (3.74)
Partiendo de la fdp conjunta de X, se puede calcular la funcin de distribucin conjunta
F
X
(x) =
_
x
0

_
x
N1
f
X
(z)dz (3.75)
Asimismo, de forma general, la probabilidad de que una variable aleatoria caiga dentro
de una regin o R
N
se puede calcular como
PrX o =
_
S
f
X
(x)dx (3.76)
La propiedad dada por la Ecuacin (3.64) tambin tiene una extensin directa al caso
continuo, que ofrecemos sin demostracin:
f
X
0
,...,X
N2
(x
0
, . . . , x
N2
) =
_

f
X
(x)dx
N1
(3.77)
Asimismo, se dene la media de un vector aleatorio X como
X
.
= EX =
_
R
N
xf
X
(x)dx (3.78)
que es un vector de componentes EX
i
.
La matriz de covarianzas se dene por
C
.
= E(X
X
)(X
X
)
T
=
_
R
N
(x
X
)(x
X
)
T
f
X
(x)dx (3.79)
sus componentes son las covarianzas de las componentes de X,
C
ij
= Cov(X
i
, X
j
) = E(X
i
X,i
)(X
j

X,j
) (3.80)
y conserva las mismas propiedades que la matriz de covarianzas de un conjunto de variables
discretas.
Variable gausiana multidimensional. Una funcin de densidad de probabilidad conjunta
de especial inters en comunicaciones es la gausiana N-dimensional, dada por
f
X
(x) =
1
(2)
N/2
_
det(C)
e
1
2
(x)
T
C
1
(x)
(3.81)
donde es la media, C la matriz de covarianzas y det(C) su determinante.
Ejemplo 3.6
La Figura 3.4 representa la funcin de densidad de probabilidad de una variable gausiana bidi-
mensional de media
=
_
2
2
_
(3.82)
y matriz de covarianzas
C =
_
1 0,6
0,6 0,7
_
(3.83)
Los cortes horizontales representan curvas de nivel elpticas. Los cortes longitudinal y transversal
sealan las dos direcciones principales (de los ejes de las elipses). Puede demostrarse que estas
direcciones se corresponden con las de los autovectores de la matriz de covarianzas y que, en este
ejemplo, estn dados, aproximadamente, por q
1
(0,615, 0,788)
T
y q
2
(0,788, 0,615)
T
.
(a) (b)
Figura 3.4. La Figura (a) representa la densidad de probabilidad de la variable gausiana
bidimensional descrita en el Ejemplo 3.6. Los cortes transversales representan curvas de
nivel elpticas. Se representan, asimismo, los cortes (por la media de la distribucin) en
las direcciones de los autovectores de la matriz de covarianzas. Desde la perspectiva azi-
mutal de la Figura (b) se aprecia claramente que las direcciones de los autovectores se
corresponden con los ejes principales de las secciones elpticas.
Si X es un vector aleatorio gausiano, cualquier subconjunto de las componentes de X
posee una distribucin gausiana. As, por ejemplo,
f
X
0
,...,X
N2
(x
0
, . . . , x
N2
) =
_

f
X
(x)dx
N1
(3.84)
es una gausiana, cuyas media y matriz de covarianzas son las componentes correspondientes
de y C.
Variables complejas. Cualquier variable aleatoria compleja X = X
r
+ jX
i
puede con-
siderarse un conjunto de dos variables aleatorias reales, X
r
y X
i
, de modo que, para todo
x = x
r
+jx
i
C, f
X
(x) = f
X
r
,X
i
(x
r
, x
i
).
En particular, en virtud de (3.81) la densidad de probabilidad de una variable gausiana
compleja de media nula y matriz de covarianzas
C =
_

2
r

ri
ri

2
i
_
(3.85)
se puede expresar como
f
X
(x) =
1
2
_
2
r
2
i

2
ri
e
1
2
2
i
x
2
r
+
2
r
x
2
i
2
ri
x
r
x
i
2
r
2
i

2
ri
(3.86)
Funciones de variables aleatorias
Dado un vector aleatorio X R
N
, y un conjunto de N funciones de R
N
en R,
g
0
, g
1
, . . . , g
N1
, puede obtenerse otro vector aleatorio Y = g(X) R
N
, tal que
g(X)
.
= (g
0
(X), g
1
(X), . . . , g
N1
(X)). Si g es invertible y h
i
denota la componente
i-sima de la funcin inversa de g, el vector h se construye a partir de h
0
, h
1
, . . . , h
N1
de modo similar al vector g.

Si X es una variable discreta, (3.44) se generaliza de modo inmediato
p
Y
(y) = p
X
(h(y)) (3.87)
Si X es continua con fdp conjunta f
X
(x), puede demostrarse que
f
Y
(y) = [det(J)[ f
X
(h(y)) (3.88)
siendo J la matriz Jacobiana de la transformacin h, dada por
J =
_
_
_
_
h
0
(y)
y
0

h
0
(y)
y
N1
.
.
.
.
.
.
.
.
.
h
N1
(y)
y
0

h
N1
(y)
y
N1
_
_
_
_
(3.89)
y det(J) su determinante.
Ejemplo 3.7
Sea X R
N
un vector aleatorio e Y = AX + b, siendo A una matriz cuadrada invertible y
b R
N
un vector constante. La matriz Jacobiana de la transformacin es J = A
1
y la fdp de
Y se puede calcular aplicando directamente la expresin (3.88)
f
Y
(y) =
det(A
1
)
f
X
(A
1
(y b)) (3.90)
3.2.6. Probabilidades condicionales
Hemos dicho que la probabilidad es una medida de la incertidumbre acerca del resultado
de un experimento, y por tanto es subjetiva, en la medida en que depende de la informacin
disponible por el observador que pueda tener alguna relacin con el mismo. Por tanto, si el
observador recibe nueva informacin, la cantidad de incertidumbre puede cambiar.
Se precisa, por tanto, alguna medida de la probabilidad de cierto suceso A condicionada
por el conocimiento sobre la ocurrencia de otro suceso B. Matemticamente, esto se escribe
PrA[B y se dene como
PrA[B
.
=
PrA B
PrB
(3.91)
Cabe preguntarse si esta denicin matemtica expresa efectivamente lo que se desea
medir. Supongamos que, tras realizar un nmero N (sucientemente grande) de veces el
experimento aleatorio asociado a los sucesos A y B, se producen N
B
ocurrencias de B y
N
AB
ocurrencias simultneas de Ay B. Si las probabilidades de los sucesos son consistentes
con las observaciones, debe ser buena la aproximacin PrA[B N
AB
/N
B
(es decir, la
probabilidad debe aproximarse a la proporcin de veces que se ha observado A entre todas
las observaciones en las que ha sucedido B). Lo es? S, puesto que
PrA[B =
PrA, B
PrB

N
AB
/N
N
B
/N
=
N
AB
N
B
(3.92)
Por otra parte, de (3.91) se deduce que
PrA B = PrA[BPrB = PrB[APrA (3.93)
Esta expresin puede generalizarse para la interseccin de n sucesos con la denominada
regla de la cadena de la probabilidad condicional
PrA
0
A
1
A
n1
= PrA
0
PrA
1
[A
0
PrA
n1
[A
1
, A
2
, . . . , A
n2
(3.94)
Del mismo modo que hemos denido la funcin de probabilidad de una variable aleato-
ria a partir de las probabilidades de los sucesos atmicos (sucesos constituidos por un solo
resultado posible), se dene la funcin de probabilidad condicional de X dado Y (o mejor,
de X dado Y = y) como
p
X[Y
(x[y)
.
=
p
X,Y
(x, y)
p
Y
(y)
(3.95)
que, para cada valor de x y de y, devuelve la probabilidad condicionada correspondiente.
Asimismo, se dene la funcin de densidad de probabilidad condicional de la variable
continua X dada la variable continua Y
f
X[Y
(x[y)
.
=
f
X,Y
(x, y)
f
Y
(y)
(3.96)
Ejemplo 3.8
Un ejemplo de probabilidades condicionales utilizado en transmisin digital es el modelo de
Canal binario simtrico (Figura 3.5). Este modelo dene las probabilidades con las que ocurren
Transmisor Canal Receptor
S R
Figura 3.5. Modelo de canal binario simtrico. El transmisor enva un bit S=0 1 a travs
del canal. El receptor observa un bit R=0 1, que, con probabilidad p, diere de S.
los 0 y los 1 a la salida de un canal de comunicaciones, supuesto conocido el valor de los bits
a su entrada. De esta forma se denen las variables aleatorias S y R asociadas al bit transmitido
y recibido, respectivamente, relacionadas a travs de las siguientes probabilidades
PrR = 0[S = 0 = 1 p
PrR = 1[S = 0 = p
PrR = 0[S = 1 = p
PrR = 1[S = 1 = 1 p (3.97)
Se observa que la probabilidad de que el canal produzca un error es p, independientemente del
valor del bit transmitido, y de ah el apelativo simtrico.
Teorema de la probabilidad total
El teorema de la probabilidad total permite calcular las probabilidades de cualquier su-
ceso como suma de probabilidades condicionadas a los sucesos de una particin de cierto
espacio muestral.
El teorema arma que, si A es un suceso y B
i
, i = 0, . . . , N 1 una particin
del espacio de sucesos, de modo que B
i
B
j
= , y
N1
i=0
B
i
= ,
PrA =
N1
i=0
PrA[B
i
PrB
i
(3.98)
La demostracin es sencilla: por denicin de probabilidad condicional,
N1
i=0
PrA[B
i
PrB
i
=
N1
i=0
PrA B
i
(3.99)
Dado que los sucesos A B
i
son disjuntos, puede aplicarse (3.1), de modo que
N1
i=0
PrA B
i
= P
_
N1
_
i=0
(A B
i
)
_
= P
_
A
N1
_
i=0
B
i
_
= P A = P A
(3.100)
El teorema de la probabilidad total tiene algunas extensiones inmediatas de inters:
Si los sucesos son realizaciones de las variables aleatorias X e Y de espacios muestra-
les x
i
, i = 0, . . . , N 1 e y
i
, i = 0, . . . , M 1, respectivamente, la distribucin
de probabilidades de X se puede calcular como
p
X
(x
i
) =
M1
j=0
p
X[Y
(x
i
[y
j
)p
Y
(y
j
), i = 0, . . . , N 1 (3.101)
Si la variable X es continua e Y discreta con espacio muestral y
i
, i = 0, . . . , M1,
podemos aplicar el teorema sobre los sucesos de la forma X x, obtenindose
F
X
(x) =
M1
j=0
F
X[Y
(x[y
j
)p
Y
(y
j
) (3.102)
y, derivando respecto de x,
f
X
(x) =
M1
j=0
f
X[Y
(x[y
j
)p
Y
(y
j
) (3.103)
Si la variable X es discreta e Y continua, la suma anterior debe reemplazarse por una
integral sobre todo su dominio
p
X
(x
i
) =
_

p
X[Y
(x
i
[y)f
Y
(y)dy, i = 0, . . . , N 1 (3.104)
Por ltimo, si X e Y son continuas
f
X
(x) =
_

f
X[Y
(x[y)f
Y
(y)dy (3.105)
Ejemplo 3.9
Consideremos el canal binario simtrico descrito por las probabilidades condicionales en (3.97).
Si la probabilidad de transmitir un 1 es q y la de transmitir un 0 es 1 q, las probabilidades
de recibir un 0 y un 1 son
PrR = 0 = PrR = 0[S = 0PrS = 0 +PrR = 0[S = 1PrS = 1
= (1 p)(1 q) +pq = 1 p q + 2pq
PrR = 1 = PrR = 1[S = 0PrS = 0 +PrR = 1[S = 1PrS = 1
= p(1 q) + (1 p)q = p +q 2pq (3.106)
(Obviamente, en este caso tambin poda haberse calculado PrR = 1 como 1 PrR = 0).
Un ejercicio que se deja al lector, es comprobar que las probabilidades de los bits recibidos no
dependen del canal en caso de que las probabilidades de transmitir un 1 y un 0 (q y 1 q
respectivamente) sean ambas igual a 1/2.
Teorema de Bayes
El teorema de Bayes permite calcular las probabilidades de un suceso A condicionadas
a otro B a partir de las probabilidades de B condicionadas a A.
El teorema arma que, dados dos sucesos A y B ,
PrA[B =
PrB[APrA
PrB
(3.107)
De modo anlogo al teorema de la probabilidad total, algunas extensiones del teorema
de Bayes son inmediatas:
Dadas dos variables aleatorias discretas X e Y
p
X[Y
(x[y) =
p
Y [X
(y[x)p
X
(x)
p
Y
(y)
(3.108)
Si X es continua e Y discreta
f
X[Y
(x[y) =
p
Y [X
(y[x)f
X
(x)
p
Y
(y)
(3.109)
Si X e Y son continuas
f
X[Y
(x[y) =
f
Y [X
(y[x)f
X
(x)
f
Y
(y)
(3.110)
El teorema de Bayes es consecuencia directa de la denicin de probabilidad condi-
cional, y su demostracin es sencilla. Pese a su simplicidad, constituye una de las piedras
angulares de la teora de la probabilidad, y tiene una enorme utilidad prctica. La razn
estriba en que, con frecuencia, Y es una variable observable, que representa el efecto de
una causa asociada a la magnitud X que no es directamente observable, y se dispone de un
modelo (probabilstico) de la forma en la que X causa Y : en denitiva, p
Y [X
es conocida.
Dado que Y es observado y X no, en la prctica se plantea la necesidad de calcular p
X[Y
.
El teorema de Bayes resuelve el problema.
Ejemplo 3.10
Supongamos que el transmisor del canal binario simtrico descrito por las probabilidades condi-
cionales en (3.97) enva un mensaje de un solo dgito binario que puede tomar valores 1 0,
S. Al receptor llega el bit R = 1. Cul es la probabilidad de que S tambin tenga valor 1?
Aplicando la regla de Bayes, resulta
PrS = 1[R = 1 =
PrR = 1[S = 1PrS = 1
PrR = 1
(3.111)
Utilizando (3.97) y (3.106), resulta
PrS = 1[R = 1 =
(1 p)q
p(1 q) + (1 p)q
(3.112)
Si los smbolos transmitidos son equiprobables (q = 1/2), la expresin anterior se reduce a
PrS = 1[R = 1 = 1 p (3.113)
Ejemplo 3.11
Supongamos que se transmite un smbolo S 0, 1 a travs de un canal de comunicaciones,
que introduce ruido aditivo y gausiano, de modo que al receptor llega
R = S +N (3.114)
siendo N ruido gausiano de media 0 y varianza 1, independiente del smbolo S. Supongamos
que los smbolos son equiprobables, de modo que PrS = 0 = PrS = 1 = 1/2.
Tras la observacin de R (R = r), la funcin de probabilidad de S puede calcularse como
p
S|R
(s[r) =
f
R|S
(r[s)p
S
(s)
f
R
(r)
(3.115)
Si N es gausiana de media 0 y varianza 1, de acuerdo con (3.114),
f
R|S
(r[s) =
1
2
e
(rs)
2
2
(3.116)
y, de acuerdo con el teorema de la probabilidad total,
f
R
(r) = p
S
(0)f
R|S
(r[0) +p
S
(1)f
R|S
(r[1)
=
1
2
2
_
e
r
2
2
+e
(r1)
2
2
_
(3.117)
De modo que
p
S|R
(s[r) =
e
(rs)
2
2
e
r
2
2
+e
(r1)
2
2
(3.118)
As, por ejemplo, para r = 1, resulta
p
S|R
(1[1) =
1
e
1
2
+ 1
0,62 (3.119)
Por tanto, aunque se reciba un valor R = 1, existe una probabilidad no despreciable de que S = 0
a causa del ruido.
Independencia de sucesos
Cuando la ocurrencia de B no altera la incertidumbre sobre A, se dice que A y B son
estadsticamente independientes. Matemticamente, esto se expresa como
PrA[B = PrA (3.120)
Aunque existe cierta asimetra en la denicin, pues parece indicar que B no tiene in-
uencia sobre A, pero no lo contrario, observe que, si se verica (3.120), entonces
PrB[A =
PrA[BPrB
PrA
= PrB (3.121)
lo que indica que A tampoco tiene inuencia sobre B. Por otra parte, combinando (3.93) y
(3.120) se deduce que
PrA, B = PrA[BPrB = PrAPrB (3.122)
Por su simetra, la (3.122) suele utilizarse como denicin equivalente de independencia. A
partir de ella se pueden deducir (3.120) y (3.121) de modo inmediato.
Independencia de variables aleatorias
Por extensin de la independencia de sucesos, diremos que dos variables aleatorias X
e Y son independientes si p
X[Y
(x[y) = p
X
(x) para cualesquiera valores x
X
de X e
y
Y
de Y
3
.
En general, diremos que N variables aleatorias discretas X
i
, i = 0, . . . , N 1 son
independientes si su funcin de probabilidad puede factorizarse en la forma
p
X
(x) =
N1
i=0
p
X
i
(x
i
) (3.123)
Si las variables son continuas, diremos que son independientes si
f
X
(x) =
N1
i=0
f
X
i
(x
i
) (3.124)
Integrando a ambos lados de la ecuacin anterior respecto de cualesquiera variables en
todo su dominio de integracin, se comprueba que la independencia de todas las variables
aleatorias X
i
, i = 0, . . . , N1, implica la independencia de cualquier subconjunto de ellas.
En particular, las variables son independientes dos a dos: X
i
es independiente de X
j
, para
todo j ,= i, 0 i, j N 1.
3
Estrictamente hablando, para cualquier valor de y de probabilidad no nula y para cualquier valor de x.
Por otra parte, tambin por integracin de la Ecuacin (3.124), resulta
_
x
0

_
x
N1
f
X
(z)dz
0
dz
N1
=
N1
i=0
_
x
i
f
X
i
(z
i
)dz
i
(3.125)
luego
F
X
(x) =
N1
i=0
F
X
i
(x
i
) (3.126)
Por tanto, si las variables continuas X
i
, i = 0, . . . , N 1, son independientes, su funcin
de distribucin tambin es factorizable como un producto de funciones de una sola variable.
Lo mismo sucede con la funcin de probabilidad acumulada en el caso discreto.
Por ltimo, multiplicando ambos lados de (3.124) por x
0
x
N1
, e integrando el re-
sultado, se demuestra que
E
_
N1
i=0
X
i
_
=
N1
i=0
EX
i
(3.127)
expresin que tambin es vlida para variables discretas.
De forma general, si X e Y son vectores aleatorios independientes (de dimensiones
posiblemente diferentes), cualquier funcin de X es independiente de cualquier funcin de
Y .
Ejemplo 3.12
Supongamos que, para aumentar la abilidad de una comunicacin, el transmisor del canal bi-
nario simtrico descrito por las probabilidades condicionales en (3.97) enva tres veces el bit S,
componiendo el mensaje S = (S, S, S), recibindose R = (1, 1, 0). Suponiendo que los efectos
del canal son independientes de un bit a otro, es decir
p
R|S
((1, 1, 0)[S) = p
R
0
|S
(1[S)p
R
1
|S
(1[S)p
R
2
|S
(0[S) (3.128)
resulta
p
R|S
((1, 1, 0)[S) = Sp(1 p)
2
+ (1 S)(1 p)p
2
(3.129)
Esta expresin permite determinar, tras observar R, la probabilidad de que S = 1, ya que
p
S|R
(1[(1, 1, 0)) =
p
R|S
((1, 1, 0)[1)p
S
(1)
p
R
(1, 1, 0)
(3.130)
Sabiendo que
p
R
(1, 1, 0) = p
R|S
((1, 1, 0)[1)p
S
(1) +p
R|S
((1, 1, 0)[0)p
S
(0) (3.131)
podemos combinar las tres ecuaciones anteriores, obteniendo
p
S|R
(1[(1, 1, 0)) =
q(1 p)
q(1 p) + (1 q)p
(3.132)
En particular, para q = 1/2 (que se corresponde con una transmisin de smbolos equiprobables),
se obtiene p
S|R
(1[(1, 1, 0)) = 1p. Gracias a la redundancia introducida, el receptor puede saber
que, pese a haberse producido un error en el tercer bit, la probabilidad de que S = 1 es mayor
que la de S = 0 (suponiendo, claro est, que p < 1/2).
Suma de variables independientes
Supongamos que X
1
y X
2
son variables aleatorias independientes, y sea
Y = X
1
+X
2
(3.133)
Podemos calcular la fdp de Y aplicando el teorema de la probabilidad total,
f
Y
(y) =
_
f
Y [X
1
(y[x
1
)f
X
1
(x
1
)dx
1
(3.134)
Ahora bien, en virtud de la independencia de X
1
y X
2
,
f
Y [X
1
(y[x
1
) = f
X
2
[X
1
(y x
1
[x
1
) = f
X
2
(y x
1
) (3.135)
por tanto
f
Y
(y) =
_
f
X
2
(y x
1
)f
X
1
(x
1
)dx
1
= f
X
1
(y) f
X
2
(y) (3.136)
De forma general, la fdp de la suma de n variables aleatorias independientes ser la
convolucin de sus funciones de densidad de probabilidad.
Ejemplo 3.13
Si X
1
y X
2
son variables gausianas de medias nulas y varianzas
2
1
y
2
2
, se tiene, aplicando
(3.136), que
f
Y
(y) =
1
2
1
2
_

1
2
2
1
z
2
1
2
2
2
(yz)
2
dz (3.137)
=
1
2
1
2
_

1
2
2
1
2
2
((
2
1
+
2
2
)z
2
2
2
1
yz+
2
1
y
2
)
dz
Tras algunas manipulaciones algebraicas sobre el exponente, la expresin anterior puede escri-
birse como
f
Y
(y) =
1
2
1
2
_

2
1
+
2
2
2
2
1
2
2
z

2
1
2
1
+
2
2
y
y
2
2
2
1
+2
2
2
dz (3.138)
=
1
2
1
2
e
y
2
2
2
1
+2
2
2
2
1
+
2
2
2
2
1
2
2
z

2
1
2
1
+
2
2
y
dz
Identicando el integrando como una funcin gausiana (salvo por una constante), resulta
f
Y
(y) =
1
2
_
2
1
+
2
2
e
y
2
2(
2
1
+
2
2
)
(3.139)
Por tanto, la suma de dos variables gausianas independientes tambin es gausiana de media nula
y varianza igual a la suma de las varianzas individuales. En general, aunque X
1
y X
2
no sean
independientes, su suma es tambin gausiana (vase Problema P3.10).
Independencia e Incorrelacin
Se dice que las variables aleatorias X e Y estn incorrelacionadas si cov(X, Y ) = 0.
Incorrelacin e independencia son conceptos relacionados: si X e Y son variables indepen-
dientes de medias
X
y
Y
, entonces, aplicando (3.127), obtenemos
cov(X, Y ) = E(X
X
)(Y
Y
) = EX
X
EY
Y
= 0 (3.140)
por tanto, si X e Y son independientes, tambin estn incorrelacionadas. Lo contrario no es
cierto de forma general (vase Problema P3.11), aunque s en algunos casos particulares de
inters. Por ejemplo, si las variables X e Y conjuntamente gausianas estn incorrelaciona-
das, su matriz de covarianzas es diagonal, de modo que
f
X,Y
(x, y) =
1
2
X
Y
e
(x
X
)
2
2
2
X
(y
Y
)
2
2
2
Y
=
1
2
X
e
(x
X
)
2
2
2
X

1
2
Y
e
(y
Y
)
2
2
2
Y
= f
X
(x)f
Y
(y) (3.141)
y, por tanto, X e Y son tambin independientes.
Por ltimo, si las variables X
i
, i = 0, . . . , N 1, de medias
i
y varianzas
2
i
, estn
incorrelacionadas y consideramos la variable suma:
S =
N1
i=0
X
i
(3.142)
la varianza de S es
2
S
=
N1
i=0
2
i
(3.143)
Por tanto, la varianza de una suma de variables aleatorias incorrelacionadas es igual a la
suma de sus varianzas.
3.2.7. Distribuciones mixtas
Considere la variable aleatoria X cuyo valor depende a su vez del resultado de la variable
binaria B, de modo que
Si B = 0, X es una variable binaria de valores 0 y 1 equiprobables.
Si B = 1, X es una variable gausiana de media 0 y varianza 1.
Observe que, en funcin del valor de B, X es una variable aleatoria continua o discreta.
Por esta razn, la caracterizacin de la variable X no es inmediata. En principio, podemos
escribir:
p
X[B
(x[0) =
1
2
x = 0, 1 (3.144)
f
X[B
(x[1) =
1
2
e
x
2
2
x R (3.145)
pero, en tal caso, se precisan dos modelos: uno discreto, dado por la funcin de probabilidad
p
X[B
(x[0), y otro continuo, dado por la funcin de densidad de probabilidad f
X[B
(x[1). Es
posible caracterizar X mediante un nico modelo probabilstico?
Para responder a esta pregunta, hay que tener en cuenta que, en principio, X puede
tomar valores en un rango continuo (a lo largo de la recta real) y por tanto no puede caracte-
rizarse mediante una funcin discreta de probabilidad. Busquemos, por tanto, una densidad
de probabilidad, f
X
(x). Para ello, aplicando el teorema de probabilidad total, resulta
f
X
(x) = f
X[B
(x[0)p
B
(0) +f
X[B
(x[1)p
B
(1) (3.146)
Observe que, mientras que f
X[B
(x[1) es conocido, f
X[B
(x[0) no lo es. Sin embargo, por
denicin de densidad de probabilidad, podemos escribir
f
X[B
(x[0) =
dF
X[B
(x[0)
dx
(3.147)
siendo
F
X[B
(x[0) = PrX x[B = 0 =
_
_
_
0 si x < 0
1/2 si 0 x < 1
1 si 1 x
(3.148)
Es decir, la distribucin acumulada de X dado B = 0 es una funcin escalonada y, por tanto,
discontinua, cuya derivada, de acuerdo con lo visto en el captulo anterior, es una funcin
generalizada:
f
X[B
(x[0) =
1
2
(x) +
1
2
(x 1) (3.149)
luego
f
X
(x) =
_
1
2
(x) +
1
2
(x 1)
_
p
B
(0) +
1
2
e
x
2
2
p
B
(1) (3.150)
La Figura 3.6 representa la funcin de densidad de probabilidad y la funcin de distri-
bucin, para este caso.
De forma general, es posible caracterizar variables aleatorias discretas mediante funcio-
nes de densidad de probabilidad denidas sobre espacios continuos, siempre que incluyan
en su dominio el conjunto muestral de la variable. As, por ejemplo, si la variable Atoma va-
lores a
1
, a
2
, . . . , a
N
R con probabilidades p
1
, p
2
, . . . , p
N
, respectivamente, su funcin
de densidad de probabilidad viene dada por
f
A
(a) =
N
i=1
p
i
(a a
i
) (3.151)
El uso de funciones de densidad de probabilidad para caracterizar variables discretas
permite, como hemos visto, caracterizar variables mixtas, que pueden ser condicionalmente
continuas o discretas.
Ejemplo 3.14
En algunos procesos de transmisin digital se presentan efectos espordicos de ruido aditivo y
gausiano: si denotamos el ruido en cierto instante mediante la variable R, podemos expresar esto
matemticamente diciendo que:
3 2 1 00 1 2 3
0.1
0.2
x
f
X
( x)
3 2 1 00 1 2 3
0.2
0.4
0.6
0.8
1
x
F
X
( x)
(a) (b)
Figura 3.6. Funcin de densidad de probabilidad mixta (a) y su funcin de distribucin (b).
Con probabilidad p, R = 0
Con probabilidad 1 p, R es una muestra de ruido gausiano de media 0 y varianza
2
Por analoga con el caso discutido al comienzo de este apartado, se comprueba que
f
R
(r) = p(r) + (1 p)
_
1
2
e
r
2
2
2
_
(3.152)
Una consecuencia importante de caracterizar las variables discretas mediante funciones
de densidad de probabilidad es que muchas conclusiones obtenidas para variables conti-
nuas a partir de propiedades de su densidad de probabilidad, pueden extenderse de modo
inmediato a variables discretas.
3.2.8. Teorema central del lmite
Dado un conjunto de variables aleatorias, X
1
, X
2
, . . . , X
N
, independientes e idntica-
mente distribuidas (esto es, con la misma fdp), de media y varianza
2
, su suma
S
N
=
N
i=1
X
i
(3.153)
es una variable aleatoria de media N y varianza N
2
. El teorema central del lmite de-
muestra que, si las variables X
i
son continuas, la fdp de su suma tiende a una gausiana, de
modo que, para valores grandes de N, es vlida la aproximacin
f
S
N
(s)
1
N
2
2
e
(sN)
2
2N
2
(3.154)
Tambin suele expresarse en funcin de la suma normalizada: la variable Y
N
= (S
N

N)/(
N) tiende a una gausiana de media 0 y varianza 1:

lm
N
f
Y
N
(y) =
1
2
e
y
2
2
(3.155)
Si las variables X
i
tienen distribuciones diferentes, de medias
i
y varianzas
2
i
(en
cuyo caso S
N
es una variable de media =
N
i=1
i
y varianza
2
=
N
i=1
2
i
), el teorema
tambin se cumple siempre que las varianzas
2
sean comparables (es decir, si
2
i
/
2
tiende
a 1 a medida que N aumenta). Si las variables son discretas, la convergencia de las fdp no
se produce, pero s convergen las funciones de distribucin.
El trmino central se debe a que la convergencia se produce en torno a la media de
la distribucin. En la prctica, la convergencia lejos de la media es mucho ms lenta, y son
necesarios valores mayores de N para que la aproximacin (3.154) sea vlida (vase Figura
3.7).
4 2 00 2 4
0.1
0.2
0.3
0.4
x
Uniforme
N = 2
N = 4
N = 8
Gausiana
6 4 2 0 2 4 6
10
6
10
5
10
4
10
3
10
2
10
1
x
Uniforme
N = 2
N = 4
N = 8
Gausiana
(a) (b)
Figura 3.7. Convergencia de la suma de variables uniformes hacia una gausiana. La Figura
(a) representa la fdp de una suma de N variables aleatorias uniformes independientes y de
varianza unidad, para N igual a 2, 4 y 8. La Figura (b) representa las mismas distribuciones
en escala logartmica, poniendo de maniesto que, en trminos relativos, la convergencia
es ms lenta lejos de la media de la distribucin.
El teorema central del lmite explica la abundancia de procesos gausianos en la natu-
raleza, como los procesos de ruido en comunicaciones digitales, que son, con frecuencia,
resultado de la contribucin de numerosas fuentes de ruido independientes.
3.3. PROCESOS ESTOCSTICOS
Considere que el experimento lanzar el dado y observar el resultado se realiza repe-
tidas veces. Podemos entonces construir la secuencia de variables aleatorias X[n], n =
0, 1, . . . tal que, para un valor de n, X[n] es la variable aleatoria asociada a la repeticin
3.3 PROCESOS ESTOCSTICOS 127
n-sima del experimento. Una secuencia de variables aleatorias es un caso particular de
proceso estocstico, y cada posible resultado una realizacin del proceso estocstico.
Un proceso estocstico es, en realidad, algo ms general que una secuencia de variables
aleatorias independientes e idnticamente distribuidas descrita anteriormente: se denomina
proceso estocstico en tiempo discreto a toda secuencia X[n] de variables aleatorias, donde
n puede tomar, en principio, cualquier valor entero. Asimismo, diremos que X(t) es un
proceso estocstico en tiempo continuo si, para cada valor de t R, X(t) es una variable
aleatoria
4
.
Es importante observar que el carcter continuo en el tiempo de un proceso estocstico
no hace referencia a las variables aleatorias que lo forman, sino a su variable independiente.
As, por ejemplo, las variables X(t) de un proceso en tiempo continuo pueden ser discretas,
continuas o mixtas, o incluso pueden ser discretas para algunos valores de t y continuas para
otros.
Ejemplo 3.15
La Figura 3.8 muestra 3 realizaciones del proceso en tiempo discreto X[n] = a
n
, en el que las
variables aleatorias a
n
son independientes y siguen una distribucin exponencial de parmetro
n
= 1/(n + 1). X[n] es un proceso en tiempo discreto de variables continuas.
0 5 10 15 20 25 30 35 40 45 50
0
0.5
1
0 5 10 15 20 25 30 35 40 45 50
0
0.5
1
1.5
0 5 10 15 20 25 30 35 40 45 50
0
0.2
0.4
0.6
0.8
Figura 3.8. 3 realizaciones del proceso X[n] descrito en el Ejemplo 3.15
4
Obsrvese que utilizaremos la notacin X(t) (o X[n]) para representar al mismo tiempo el proceso esto-
cstico y la variable aleatoria de dicho proceso en el instante t (o n). El contexto indicar, en cada momento, si
nos referimos a uno o a otra.
Los procesos estocsticos constituyen, junto con las variables aleatorias, las herramien-
tas para modelar la incertidumbre inherente a todo proceso de comunicacin (de no existir
incertidumbre en el receptor, no existira la necesidad de la comunicacin).
Pensemos, por ejemplo, que queremos transmitir una alocucin que registramos con la
ayuda de un micrfono. Antes de que se produzca, desconocemos la forma de onda exacta
que registrar el micrfono y, por lo tanto, no podemos disear adecuadamente el sistema de
transmisin (ancho de banda necesario, potencia de la seal, etc.). En este caso considera-
mos el proceso X(t) como cualquier alocucin que podra registrar el micrfono, y la seal
concreta que registramos, x(t), una realizacin de X(t). Ejemplos como este podemos en-
contrarlos fcilmente en cualquier sistema de comunicaciones analgicas o digitales. En lo
sucesivo, siempre que necesitemos distinguir los procesos de sus realizaciones denotaremos,
como ahora, los procesos en mayscula (X(t)) y sus realizaciones en minscula (x(t)).
Los procesos estocsticos, para las comunicaciones, no son un n en s mismo, sino un
modelo que nos permite tratar y analizar seales que no conocemos, pero de las que pode-
mos obtener informacin probabilstica. En general, los procesos estocsticos son un modelo
til para cualquier seal en tiempo continuo o en tiempo discreto que desconocemos total
o parcialmente (recordemos que conocer una seal implica saber la totalidad de sus valores
desde t = hasta t = ). Sin embargo, la obtencin de la informacin probabilstica
antes mencionada es en s un problema en el que puede ayudarnos el propio modelo de pro-
cesos estocsticos. Con frecuencia disponemos de una nica realizacin, x(t), a partir de la
cual debemos obtener la informacin probabilstica (en otras palabras, no podemos lanzar
el dado tantas veces como queramos). Bajo ciertas hiptesis que veremos ms adelante (es-
tacionariedad y ergodicidad del proceso), podemos emplear los valores de una realizacin
x(t) entre t = y t = como distintas realizaciones de la variable aleatoria X(t) para
un valor concreto de t con el propsito de realizar medidas sobre X(t).
3.3.1. Caracterizacin de procesos estocsticos
Ejemplo 3.16
Imaginemos que, para estimar el tiempo de vida medio de una bombilla, su fabricante decide
encender 10.000 bombillas simultneamente, y esperar a que todas ellas se fundan. Podemos
denir, en tal caso, el proceso estocstico X tal que, X(t) representa el nmero de bombillas que
permanecen encendidas en el instante t.
Tenemos, por tanto, un proceso estocstico en tiempo continuo de variables discretas (que slo
pueden tomar valores enteros entre 0 y 10.000). Adems, por la naturaleza del problema, po-
demos esperar que cada una de las variables aleatorias X(t) se caracterice por una funcin de
probabilidad diferente: por ejemplo, el valor medio de X(t), es decir, el nmero medio de bom-
billas que permanecen encendidas, decrecer con el tiempo, t. Tambin podemos asegurar que
X(t
0
) es estadsticamente dependiente de todas las variables X(t), anteriores y posteriores: para
comprobarlo, basta advertir que el conocimiento del nmero de bombillas encendidas en un ins-
tante de tiempo proporciona una cota superior del nmero de bombillas encendidas en cualquier
instante posterior, e inferior del nmero de bombillas encendidas en cualquier instante anterior.
El ejemplo anterior pone de maniesto que, para caracterizar estadsticamente un pro-
ceso estocstico, no es suciente con caracterizar cada una de las variables aleatorias del
proceso, sino tambin su dependencia estadstica.
Un proceso en tiempo discreto, X[n], puede caracterizarse unvocamente conocien-
do, para cualquier valor de N y cualquier conjunto arbitrario de N instantes temporales
n
0
, . . . , n
N1
, su funcin de distribucin de orden N, que se dene como
F
X[n
0
],...,X[n
N1
]
(x
0
, . . . , x
N1
) = PrX[n
0
] x
0
, . . . , X[n
N1
] x
N1
(3.156)
Alternativamente, si X[n
0
] es una variable aleatoria discreta para cualquier valor de n
0
, el
proceso queda determinado mediante su distribucin de probabilidad de orden N para cual-
quier valor de N y cualquier conjunto arbitrario de N instantes temporales n
0
, . . . , n
N1
,
p
X[n
0
],...,X[n
N1
]
(x
0
, . . . , x
N1
) = PrX[n
0
] = x
0
, . . . , X[n
N1
] = x
N1
(3.157)
o bien, si X[n
0
] es una variable aleatoria continua para cualquier valor de n
0
, el proceso que-
da determinado mediante su funcin de densidad de probabilidad de orden N para cualquier
valor de N y cualquier conjunto arbitrario de N instantes temporales n
0
, . . . , n
N1
,
f
X[n
0
],...,X[n
N1
]
(x
0
, . . . , x
N1
) =
n
F
X[n
0
],...,X[n
N1
]
(x
0
, . . . , x
N1
)
x
0
x
N1
(3.158)
Ntese que si el proceso es complejo, (3.156), (3.157) y (3.158) son funciones de 2N varia-
bles aleatorias.
Si el proceso es en tiempo continuo, X(t), el proceso se determina mediante la funcin
de distribucin de orden N para cualquier valor de N y cualquier conjunto arbitrario de N
instantes temporales t
0
, . . . , t
N1
,
F
X(t
0
),...,X(t
N1
)
(x
0
, . . . x
N1
) = P X(t
0
) x
0
, . . . , X(t
N1
) x
N1
(3.159)
o, alternativamente, mediante su distribucin de probabilidad de orden N,
p
X(t
0
),...,X(t
N1
)
(x
0
, . . . x
N1
) = PrX(t
0
) = x
0
, . . . , X(t
N1
) = x
N1
(3.160)
para procesos de carcter discreto y la funcin de densidad de probabilidad de orden N,
f
X(t
0
),...,X(t
N1
)
(x
0
, . . . , x
N1
) =
n
F
X(t
0
),...,X(t
N1
)
(x
0
, . . . , x
N1
)
x
0
x
N1
(3.161)
para procesos de carcter continuo.
En la prctica esta caracterizacin es poco til porque, en algunos casos, el conocimiento
que tenemos del proceso es limitado y, en general, la manipulacin es sumamente engorrosa.
Afortunadamente, en muchos casos, bien es posible hacer algunas hiptesis que simplican
esta caracterizacin, o bien solamente se precisa realizar una caracterizacin parcial.
En este texto nos interesan, en particular, los procesos caracterizables por sus funcio-
nes de media y autocorrelacin, que se denen a continuacin. Supondremos, en general,
procesos estocsticos que pueden tomar valores complejos:
Media. La media de un proceso estocstico continuo X(t) se dene como
X
(t)
.
= EX(t) (3.162)
y admitir la expresin
X
(t) =
_
C
xf
X(t)
(x)dx (3.163)
o bien
X
(t) =
x
k
x
k
p
X(t)
(x
k
) (3.164)
dependiendo de que, en el instante t, X(t) sea una variable aleatoria continua o discreta,
respectivamente.
Ntese que, en general, la media depende del tiempo. Para un proceso discreto, la media
se dene de modo anlogo:
X
[n]
.
= EX[n] (3.165)
Autocorrelacin. La autocorrelacin del proceso estocstico X(t) (o X[n]) se dene co-
mo
R
X
(t
1
, t
2
)
.
= EX(t
1
)X
(t
2
) (3.166)
( R
X
[n
1
, n
2
]
.
= EX[n
1
]X
[n
2
] )
Correlacin cruzada. La correlacin cruzada entre los procesos estocsticos X(t) e Y (t)
(o X[n] e Y [n]) se dene como
R
XY
(t
1
, t
2
)
.
= EX(t
1
)Y
(t
2
) (3.167)
( R
XY
[n
1
, n
2
]
.
= EX[n
1
]Y
[n
2
] )
Covarianza. La covarianza cruzada entre los procesos estocsticos X(t) e Y (t) (o X[n]
e Y [n]) de medias
X
(t) y
Y
(t) (o
X
[n] y
X
[n]), respectivamente, se dene como
C
XY
(t
1
, t
2
)
.
= E(X(t
1
)
X
(t
1
))(Y (t
2
)
Y
(t
2
))
(3.168)
( C
XY
[n
1
, n
2
]
.
= E(X[n
1
]
X
[n
1
])(Y [n
2
]
Y
[n
2
])
)
Anlogamente, la autocovarianza (o, simplemente, covarianza) del proceso X(t) (o
X[n]) de media
X
(t) (o
X
[n]) se dene como
C
X
(t
1
, t
2
)
.
= E(X(t
1
)
X
(t
1
))(X(t
2
)
X
(t
2
))
(3.169)
( C
X
[n
1
, n
2
]
.
= E(X[n
1
]
X
[n
1
])(X[n
2
]
X
[n
2
])
)
Ntese que C
X
(t
1
, t
1
) y C
X
[n
1
, n
1
] coinciden con las varianzas de X(t
1
) y X[n
1
], res-
pectivamente. Autocovarianza y autocorrelacin pueden relacionarse de modo inmediato
mediante
C
X
(t
1
, t
2
) = R
X
(t
1
, t
2
)
X
(t
1
)
X
(t
2
) (3.170)
( C
X
[n
1
, n
2
] = R
X
[n
1
, n
2
]
X
[n
1
]
X
[n
2
] )
Ejemplo 3.17
Una seal determinista puede considerarse un proceso estocstico degenerado cuyas realiza-
ciones toman siempre los mismos valores. Por ejemplo sea el proceso X(t) que toma, con pro-
babilidad 1, el valor
X(t) = r(t) (3.171)
para todo instante de tiempo t, siendo r(t) una funcin determinista. En tal caso, en cada instante
de tiempo, X(t) solo puede tomar un valor posible, y podemos escribir
f
X(t)
(x) = (x r(t)) (3.172)
y, en general,
f
X(t
0
),...,X(t
N1
)
(x
0
, . . . , x
N1
) =
_
N1
i=0
[x
i
r(t
i
)[
_
(3.173)
Asimismo, resulta inmediato comprobar que su media es (t) = r(t), su autocorrelacin es
R
X
(t
1
, t
2
) = r(t
1
)r(t
2
) y su autocovarianza es nula.
Ejemplo 3.18
Sea el proceso estocstico X(t) dado por
X(t) = Ae
t
u(t) (3.174)
siendo u(t) la funcin escaln y A una variable aleatoria real y gausiana de media 0 y varianza
unidad. En cada instante de tiempo, podemos considerar X(t) como resultado de multiplicar una
variable aleatoria gausiana por una constante determinista de la forma e
t
u(t) y, por tanto, X(t)
es otra variable gausiana de media nula y varianza
2
X
(t) = EX
2
(t) = E
_
_
Ae
t
u(t)
_
2
_
= EA
2
e
2t
u(t) = e
2t
u(t) (3.175)
Asimismo, podemos comprobar que, pese al carcter aleatorio de X(t), sus muestras en dife-
rentes instantes de tiempo mantienen una relacin determinista: conocido el valor que toma
una realizacin x(t) en cualquier instante de tiempo t
1
0, todos los valores de x(t) que-
dan completamente determinados. Por ejemplo, si x(t
1
) = x
1
, resulta A = x
1
e
t
1
y, por tanto,
x(t) = x
1
e
t
1
t
u(t), para todo t. En consecuencia,
f
X(t
2
)|X(t
1
)
(x
2
[x
1
) = (x
2
x
1
e
t
1
t
2
), t
1
, t
2
> 0 (3.176)
A partir de esta expresin resulta
f
X(t
1
),X(t
2
)
(x
1
, x
2
) = f
X(t
2
)|X(t
1
)
(x
2
[x
1
)f
X(t
1
)
(x
1
) (3.177)
= (x
2
x
1
e
t
1
t
2
)
1
e
t
1
2
e
x
2
2
2e
2t
1
, t
1
, t
2
> 0
Dejamos al lector como ejercicio el clculo de las densidades de probabilidad conjuntas para t
1
o t
2
negativos, as como las densidades de orden 3 y superior, siguiendo anlogo procedimiento
al empleado en la ecuacin anterior.
La autocorrelacin del proceso se calcula de forma sencilla mediante
R
X
(t
1
, t
2
) = EX(t
1
)X(t
2
) = e
t
1
t
2
u(t
1
)u(t
2
) (3.178)
y, al ser X(t) de media nula, coincide con su autocovarianza.
Ejemplo 3.19
El carcter aleatorio del proceso estocstico del Ejemplo 3.18 viene dado por una sola variable
aleatoria. Consideremos ahora el proceso discreto X[n] formado por variables aleatorias inde-
pendientes con distribucin de Bernoulli, tal que
p
X[n]
(x) = p
x
(1 p)
1x
, x = 0, 1 (3.179)
La funcin de probabilidad conjunta tendr la forma
p
X[n
0
],...,X[n
N
1]
(x
0
, . . . , x
N1
) =
N1
i=0
p
x
i
(1 p)
1x
i
= p
N1
i=0
x
i
(1 p)
N
N1
i=0
x
i
(3.180)
La media del proceso es
X
[n] = EX[n] = p (3.181)
su autocorrelacin
R
X
[n
1
, n
2
] = EX[n
1
]X[n
2
] =
_
p si n
1
= n
2
p
2
si n
1
,= n
2
(3.182)
y la autocovarianza
C
X
[n
1
, n
2
] = p(1 p)[n
1
n
2
] (3.183)
A diferencia del proceso anterior, el proceso X[n] involucra a un conjunto innito de variables
aleatorias independientes, y la relacin entre muestras del proceso ya no es determinista.
Ejemplo 3.20
Veamos ahora un ejemplo de proceso aleatorio donde el valor del proceso en cada instante puede
depender del valor de un conjunto arbitrariamente grande de variables aleatorias. Sea el proceso
discreto Y [n] dado por
Y [n] =
_
Y [n 1] +X[n 1] n 0
0 n < 0
(3.184)
siendo X[n] el proceso binario del Ejemplo 3.19. Observe que, a partir de la relacin recursiva
(3.184), podemos obtener la expresin alternativa
Y [n] =
_
n1
i=0
X[i]
_
u[n] (3.185)
donde u[n] es el escaln unitario. Obsrvese que Y [n] coincide con el nmero de unos del
proceso X entre 0 y n 1. En consecuencia, su distribucin es de tipo binomial: de acuerdo con
(3.20), para n 0 podemos escribir
p
Y [n]
(k) =
_
n
k
_
p
k
(1 p)
nk
k = 0, . . . , n (3.186)
y, de acuerdo con el Cuadro 3.1, la media del proceso es
Y
[n] = EY [n] = npu[n] (3.187)
y su varianza
C
Y
[n, n] = np(1 p)u[n] (3.188)
Haciendo uso de (3.185), la autocorrelacin de Y [n] se puede expresar en funcin de la autoco-
rrelacin de X[n],
R
Y
[n
1
, n
2
] = EY [n
1
]Y [n
2
] =
n
1
1
i=0
n
2
1
j=0
R
X
[i, j] (3.189)
Aplicando (3.182) resulta, para n
2
> n
1
,
R
Y
[n
1
, n
2
] =
n
1
1
i=0
n
2
1
j=0
_
p
2
+ (p p
2
)[i j]
_
=
= n
1
n
2
p
2
+n
1
(p p
2
) (3.190)
Obviamente, si n
1
> n
2
, se obtiene
R
Y
[n
1
, n
2
] = n
1
n
2
p
2
+n
2
(p p
2
) (3.191)
Por ltimo, la autocovarianza resulta igual a
C
Y
[n
1
, n
2
] = R
Y
[n
1
, n
2
]
Y
(n
1
)
Y
(n
2
) = mnn
1
, n
2
(p p
2
) (3.192)
La Figura 3.9 muestra un fragmento (40 muestras) de 5 realizaciones del proceso estocstico
Y [n], con p = 0,5. A medida que crece el valor de n, la dispersin entre los valores de Y [n] en
diferentes realizaciones tiende a aumentar.
0 10 20 30 40
0
5
10
15
20
n
Figura 3.9. 5 realizaciones del proceso estocstico del Ejemplo 3.20
3.3.2. Estacionariedad
Cuando, en el Apartado 2.2, estudibamos los sistemas haba dos propiedades que, de
cumplirse, simplicaban enormemente el anlisis: la de linealidad y la de invarianza tem-
poral. El cumplimiento de esta ltima signicaba que el comportamiento del sistema era
independiente de cual fuese el origen de tiempos o, lo que es lo mismo, que las propiedades
del sistema se conservaban a lo largo del tiempo. En los procesos estocsticos existe una
propiedad anloga que, de cumplirse, tambin simplica su anlisis: la estacionariedad.
Se dice que un proceso estocstico X(t) (o X[n]) es estacionario en sentido estricto si
sus propiedades estadsticas no varan con un desplazamiento en el tiempo, es decir, si, para
cualquier valor de R (o k Z), el proceso Y (t) = X(t + ) (o Y [n] = X[n + k])
tiene las mismas propiedades estadsticas que X(t) (o X[n]), de modo que, para cualquier
valor de N, cualquier valor de (o k), cualesquiera instantes de muestreo t
0
, . . . , t
N1
(o
n
0
, . . . , n
N1
) y cualesquiera valores x
0
, . . . , x
N1
C,
F
X(t
0
),...,X(t
N1
)
(x
0
, . . . , x
N1
) = F
Y (t
0
),...,Y (t
N1
)
(x
0
, . . . , x
N1
) (3.193)
( F
X[n
0
],...,X[n
N1
]
(x
,
. . . , x
N1
) = F
Y [n
0
],...,Y [n
N1
]
(x
0
, . . . , x
N1
) )
En la prctica, la estacionariedad estricta es difcil de comprobar y excesivamente res-
trictiva. En ocasiones, es suciente garantizar la invarianza de algunos estadsticos, en par-
ticular de primer y segundo orden. Cuando solamente se imponen condiciones de estacio-
nariedad a la media y la autocorrelacin, entonces se dice que el proceso es estacionario
en sentido amplio. As, si X(t) (o X[n]) es estacionario en sentido amplio, entonces, para
cualesquiera valores de t, t
1
, t
2
y (o n, n
1
, n
2
y k) se verica que
EX(t) = EX(t +) (3.194)
( EX[n] = EX[n +k] )
y
R
X
(t
1
, t
2
) = R
X
(t
1
+, t
2
+) (3.195)
( R
X
[n
1
, n
2
] = R
X
[n
1
+k, n
2
+k] )
Por tanto, si un proceso es estacionario en sentido amplio, su media es constante y su
autocorrelacin solamente depende de la diferencia entre t
1
y t
2
(o n
1
y n
2
). En tal caso,
denotaremos la autocorrelacin simplemente como
R
X
()
.
= R
X
(t +, t) (3.196)
( R
X
[k]
.
= R
X
[n +k, n] )
Ejemplo 3.21
Volvamos sobre los ejemplos del apartado anterior.
El proceso determinista X(t) = r(t) del Ejemplo 3.17 no es, en general, estacionario,
pues su media coincide con r(t) y, por tanto, puede variar con el tiempo siempre que r(t)
tenga alguna variacin temporal. Por el contrario, si r(t) es una seal constante e igual a c,
entonces su media es
X
(t) = c y su autocorrelacin R
X
(t
1
, t
2
) = c
2
, que no dependen
del tiempo; por tanto, X(t) es estacionario en sentido amplio. Adems, en virtud de (3.173),
resulta
f
X(t
0
),...,X(t
N1
)
(x
0
, . . . , x
N1
) =
N1
i=0
(x
i
c) (3.197)
que tampoco depende del tiempo. En consecuencia, X(t) es estrictamente estacionario.
El proceso X(t) del Ejemplo 3.18 no es estacionario en sentido amplio (y, por tanto, tam-
poco en sentido estricto), puesto que su autocorrelacin (en la Ecuacin 3.178) no puede
expresarse como funcin de la diferencia t
1
t
2
.
El proceso binario independiente X[n] del Ejemplo 3.19 es estacionario en sentido estric-
to, puesto que su funcin de probabilidad conjunta, (3.180), no depende de los instantes de
tiempo elegidos. En consecuencia, tambin es estacionario en sentido amplio, como pue-
de comprobarse observando que ni la media en (3.181) ni la autocorrelacin en (3.182)
dependen del tiempo.
El proceso discreto Y [n] del Ejemplo 3.20 no es estacionario puesto que su media, (3.187),
vara con el tiempo.
La autocorrelacin de un proceso estocstico estacionario tiene tres propiedades de in-
ters:
1. Es una funcin hermtica: R
X
() = R
X
() (o R
X
[k] = R
X
[k]). Esta propiedad
es consecuencia inmediata de la denicin.
2. Su valor en el origen coincide con el valor cuadrtico medio del proceso: R
X
(0) =
E[X(t)[
2
(o R
X
[0] = E[X[n][
2
).
3. Tiene mdulo mximo en el origen: para todo (o k), se verica que [R
X
()[
R
X
(0) (o [R
X
[k][ R
X
[0]).
La tercera propiedad puede demostrarse sabiendo que, para cualquier valor de a C,
E[X() aX(0)[
2
0 (3.198)
Desarrollando el mdulo de la diferencia, se obtiene
21ea
R
X
() R
X
(0) +[a[
2
R
X
(0) (3.199)
En particular, para
a =
R
X
()
[R
X
()[
(3.200)
resulta [a[ = 1 y, sustituyendo en (3.199)
[R
X
()[ R
X
(0) (3.201)
Observe que la estacionariedad en sentido estricto implica la estacionariedad en sentido
amplio, pero no a la inversa: existen procesos estacionarios en sentido amplio que no lo son
en sentido estricto, como demuestra el siguiente ejemplo:
Ejemplo 3.22
Sea X[n] un proceso estocstico estacionario de media nula y Y [n] = (1)
n
X[n]. Resulta
sencillo comprobar que
EY [n] = (1)
n
EX[n] = 0 (3.202)
y
R
Y
[n
1
, n
2
] = (1)
n
1
+n
2
R
X
[n
2
n
1
] (3.203)
Dado que (1)
n
1
+n
2
= (1)
n
2
n
1
, resulta
R
Y
[n
1
, n
2
] = (1)
n
2
n
1
R
X
[n
2
n
1
] (3.204)
que slo depende de n
2
n
1
. Por tanto, Y [n] es estacionario en sentido amplio. Sin embargo,
podemos comprobar que, por ejemplo,
EY
3
[n] = (1)
n
EX
3
[n] (3.205)
que, en general, depende de n. Por ejemplo, si, para todo n, X[n] sigue la distribucin discreta
p
X
[k] =
3
4
[k 1] +
1
4
[k + 3] (3.206)
resultan EX[n] = 0 y EX[n]
3
= 3/2, luego
EY
3
[n] =
3
2
(1)
n
(3.207)
que depende de n. Por tanto, X[n] no es estrictamente estacionario.
En lo sucesivo, y salvo que se indique lo contrario, utilizaremos el trmino estacionarie-
dad para referirnos a la estacionariedad en sentido amplio, que es la de mayor inters en
comunicaciones digitales.
Procesos conjuntamente estacionarios. Se dice que dos procesos estacionarios X(t)
e Y (t) (o X[n] e Y [n]) son conjuntamente estacionarios en sentido estricto si sus pro-
piedades estadsticas conjuntas no varan con un desplazamiento en el tiempo, es decir,
si, para cualesquiera valores de N y N
, cualquier valor de (o k), cualesquiera instan-

tes t
0
, . . . , t
N1
y t
0
, . . . , t
1
(o n
0
, . . . , n
N1
y n
0
, . . . , n
1
) y cualesquiera valores
x
0
, . . . , x
N+N
1
C,
F
X(t
0
),...,X(t
N1
),Y (t
0
),...,Y (t
1
)
(x
0
, . . . , x
N+N
1
) =
F
X(t
0
+),...,X(t
N1
+),Y (t
0
+),...,Y (t
1
+)
(x
0
, . . . , x
N+N
1
) (3.208)
( F
X[n
0
],...,X[n
N1
],Y [n
0
],...,Y [n
1
]
(x
0
, . . . , x
N+N
1
) =
F
X[n
0
+k],...,X[n
N1
+k],Y [n
0
+k],...,Y [n
1
+k]
(x
0
, . . . , x
N+N
1
) )
Asimismo, diremos que X(t) e Y (t) son conjuntamente estacionarios en sentido amplio
si ambos son estacionarios en sentido amplio y para cualesquiera valores de t
1
, t
2
y (o
n
1
, n
2
y k) se verica que
R
XY
(t
1
, t
2
) = R
XY
(t
1
+, t
2
+) (3.209)
( R
XY
[n
1
, n
2
] = R
XY
[n
1
+k, n
2
+k] )
que nos permite describir la funcin de correlacin cruzada mediante una nica variable
R
XY
()
.
= R
XY
(t +, t) (3.210)
( R
XY
[k]
.
= R
XY
[n +k, n] )
Procesos cicloestacionarios. Existe un tipo de procesos no estacionarios que aparece fre-
cuentemente en comunicaciones (en general, relacionados con operaciones de modulacin o
demodulacin) en la que los estadsticos varan de forma cclica. A este tipo de procesos se
les conoce como cicloestacionarios. De nuevo se dene la cicloestacionariedad en sentido
estricto y en sentido amplio.
Se dice que un proceso X(t) (o X[n]) es cicloestacionario en sentido estricto con pe-
riodo T (o N) si y slo si, para cualquier valor de M, cualesquiera instantes de tiempo
t
0
, . . . , t
M1
(o n
0
, . . . , n
M1
) y cualesquiera valores x
0
, . . . , x
M1
C, se verica
F
X(t
0
),...,X(t
M1
)
(x
0
, . . . , x
M1
) = F
X(t
0
+T),...,X(t
M1
+T)
(x
0
, . . . , x
M1
) (3.211)
_
F
X[n
0
],...,X[n
M1
]
(x
0
, . . . , x
M1
) = F
X[n
0
+N],...,X[n
M1
+N]
(x
0
, . . . , x
M1
)
_
De igual forma, se dice que un proceso es cicloestacionario en sentido amplio con periodo
T (o N) si y slo si, para todo t R (o n Z),
EX(t) = EX(t +T) (3.212)
( EX[n] = EX[n +N] )
y para todos t
1
, t
2
R (o n
1
, n
2
Z),
R
X
(t
1
, t
2
) = R
X
(t
1
+T, t
2
+T) (3.213)
( R
X
[n
1
, n
2
] = R
X
[n
1
+N, n
2
+N] )
Obsrvese que, de acuerdo con estas deniciones, si X(t) es un proceso cicloestaciona-
rio en tiempo continuo de periodo T, el proceso discreto dado por X
d
[n] = X(nT + t
0
),
siendo t
0
una constante arbitraria, es estacionario. Es decir, cualquier proceso discreto cons-
truido tomando muestras de X(t) con periodo T es estacionario. De igual manera, si diez-
mamos a ritmo N un proceso cicloestacionario en tiempo discreto obtendremos un proceso
estacionario.
Procesos blancos. Un caso particular de procesos estocsticos estacionarios de especial
inters son aquellos en los que la autocorrelacin de las muestras del proceso en dos instantes
cualesquiera (diferentes) es cero. As, se dice que un proceso estocstico estacionario en
tiempo discreto X[n] es blanco si su funcin de autocorrelacin tiene la forma
R
X
[n] = [n] (3.214)
siendo una constante no negativa. A partir de (3.214) podemos determinar que su media
es nula y su valor cuadrtico medio es
E[X[n][
2
= R
X
[0] = (3.215)
Alternativamente, un proceso estocstico estacionario continuo X(t) es blanco si su
funcin de autocorrelacin tiene la forma
R
X
(t) = (t) (3.216)
en cuyo caso es tambin una constante no negativa. Observe que, por la naturaleza de
la funcin delta de Dirac, los procesos blancos continuos no tienen valor cuadrtico medio
nito. Del mismo modo que la funcin delta de Dirac constituye una idealizacin til para
el anlisis y la caracterizacin de los sistemas lineales, los procesos blancos nos resulta-
rn tiles en el anlisis de procesos estocsticos, y en particular de su comportamiento ante
transformaciones lineales. En los captulos siguientes veremos que los procesos blancos,
tanto en tiempo continuo como en tiempo discreto, tienen inters prctico en comunicacio-
nes, en particular para la caracterizacin de los procesos de ruido.
3.3.3. Ergodicidad
En este captulo hemos analizado algunas medidas sobre procesos estocsticos (media,
autocorrelacin, etc.) y en el captulo anterior medidas sobre seales (valor medio, energa,
potencia, etc.). Teniendo en cuenta que una realizacin x(t) (o x[n]) de un proceso X(t) (o
X[n]) es una seal, existe alguna relacin entre medidas equivalentes (por ejemplo, media
y valor medio) de procesos y seales? o, en otras palabras, existe alguna relacin entre el
operador esperanza matemtica y el promedio temporal?.
Para procesos estacionarios en sentido estricto las respuestas a estas preguntas son ar-
mativas si el proceso es ergdico. Si un proceso es ergdico, bajo ciertas restricciones sobre
la funcin g de medida, podemos asegurar que
g(x(t)) = lm
T
1
2T
_
T
T
g(x(t)) dt = Eg(X(t)) (3.217)
_
g(x[n]) = lm
N
1
2N + 1
N
n=N
g(x[n]) = Eg(X[n])
_
Pero, al igual que suceda con la propiedad de estacionariedad en sentido estricto, la pro-
piedad de ergodicidad es de escasa utilidad por su farragosa denicin y difcil vericacin,
por lo que trataremos nicamente el anlisis de la ergodicidad en las medidas de primer
y segundo orden (media y autocorrelacin, respectivamente). Como en la propiedad de la
estacionariedad, si un proceso cumple las propiedades de ergodicidad en la media y en la
autocorrelacin se denomina ergdico en sentido amplio. Note que para que un proceso sea
ergdico es necesario que sea estacionario en sentido estricto y que para que sea ergdico
en sentido amplio debe ser, al menos, estacionario en sentido amplio.
Ergodicidad en la media. Suponga que la media de un proceso estocstico estacionario
X[n] es desconocida, y solamente se dispone de una realizacin. Es posible estimar la
media del proceso a partir de los valores de una realizacin?
Para responder a esta pregunta, supongamos, por ahora, que X[n] es un proceso de
muestras independientes de media
X
y varianza
2
X
. Considere la variable aleatoria
S
N
=
1
2N + 1
N
n=N
X[n] (3.218)
que puede interpretarse como una estimacin de la media del proceso.
Observe que S
N
es, a su vez, una variable aleatoria de la misma media que el proceso
ES
N
=
1
2N + 1
N
n=N
EX[n] =
X
(3.219)
Sin embargo, su varianza (que puede interpretarse como el valor cuadrtico medio del error
de estimacin de la media) es, de acuerdo con (3.143),
E[S
N

X
[
2
=
N
n=N
2
X
(2N + 1)
2
=

2
X
2N + 1
(3.220)
Por tanto, S
N
es una variable aleatoria cuya varianza se reduce asintticamente a cero a me-
dida que aumenta N. Esto indica que, aun disponiendo de una sola realizacin del proceso,
promediando un buen nmero de observaciones, es posible obtener una buena estimacin
de su media. Por ello, se dice que X[n] es un proceso ergdico en la media.
La ergodicidad no es exclusiva de los procesos independientes; de forma general, di-
remos que un proceso estacionario en tiempo discreto X[n] de media
X
y funcin de
covarianza C
X
[k] es ergdico en la media si y slo si
lm
N
S
N
= lm
N
1
2N + 1
N
n=N
X[n] =
X
(3.221)
y la varianza de S
N
,
E[S
N

X
[
2
= E
_
_
_
1
2N + 1
N
n=N
X[n]
X
2
_
_
_
=
1
(2N + 1)
2
N
n=N
N
m=N
E (X[n]
X
) (X[m]
X
)
=
1
(2N + 1)
2
N
n=N
N
m=N
C
X
[n m] (3.222)
tiende a cero cuando N tiende a innito. Observando que (3.222) es una suma en la que el
valor C
X
[k], con k 0, aparece 2N + 1 k veces (desde n = k N, m = N hasta
n = N, m = N k) y los valores C[k] con k < 0 aparecen 2N + 1 + k veces, puede
reescribirse como
E[S
N

X
[
2
=
1
(2N + 1)
2
2N1
k=2N+1
(2N + 1 [k[)C
X
[k]
=
1
(2N + 1)
2
2N1
k=2N+1
_
1
[k[
2N + 1
_
C
X
[k] (3.223)
Una condicin suciente para que (3.223) tienda a 0 cuando N tiende a innito y de formu-
lacin ms sencilla es la siguiente:
k=
[C
X
[k][ < (3.224)
Se deja como ejercicio la demostracin de que el cumplimiento de (3.224) implica que
(3.223) tiende a 0 cuando N tiende a innito.
Los procesos en tiempo continuo se comportan de forma similar. Un proceso estaciona-
rio en tiempo continuo X(t) de media
X
y funcin de covarianza C
X
() es ergdico en la
media si y slo si
lm
T
1
2T
_
T
T
X(t)dt =
X
(3.225)
y
lm
T
1
2T
_
T
T
_
1
[[
2T
_
C
X
() d = 0 (3.226)
siendo condicin suciente para esta ltima que
_

[C
X
()[ d < (3.227)
Ejemplo 3.23
Consideremos el proceso estacionario dado por X[n] = R[n] + 0,8R[n 1], siendo R[n] un
proceso de ruido blanco y gausiano de varianza unidad. Resulta inmediato comprobar que X[n]
es un proceso estacionario de media nula y autocovarianza (que, al ser X de media nula, coincide
con la autocorrelacin)
C
X
[k] = E(R[n] + 0,8R[n 1])(R[n +k] + 0,8R[n +k 1])
= 1,64[k] + 0,8[k 1] + 0,8[k + 1] (3.228)
Dado que la autocovarianza se anula para [k[ > 1, podemos concluir que el proceso es ergdico
en la media. La Figura 3.10 representa las primeras muestras (desde n = 0 hasta n = 50) de 4
realizaciones. En la parte inferior se representa el promedio de 50 realizaciones. A la derecha de
cada grca se representa el promedio de las 50 muestras representadas de cada grca. Como
consecuencia de la estacionariedad, la seal promedio se aproxima a una seal constante en
torno a la media del proceso, que es cero. Como consecuencia de la ergodicidad del proceso, los
promedios de cada seal tambin se aproximan a la media.
4
0
4
0.038
4
0
4
0.092
4
0
4
0.1
4
0
4
0.096
4
0
4
0.021
Figura 3.10. 4 realizaciones del proceso estocstico del Ejemplo 3.23 (arriba), el promedio
de 50 realizaciones (abajo) y los promedios de las muestras representadas (derecha). En
virtud de la estacionariedad, la seal promedio se aproxima a una constante de valor igual
a la media del proceso. En virtud de la ergodicidad, los promedios temporales tambin se
aproximan a la media.
Ejemplo 3.24
Consideremos el proceso estacionario X(t) dado por
X(t) = A+ cos(t +) (3.229)
siendo una constante, y A y variables aleatorias independientes, la primera gausiana de
media nula y varianza 1, y la segunda uniforme entre 0 y 2. Podemos comprobar que X(t) es
estacionario, calculando su media
EX(t) = EA +Ecos(t +) =
1
2
_
2
0
cos(t +)d = 0 (3.230)
que no depende del tiempo, y su autocorrelacin.
R
X
() = EX(t)X(t +) = EA
2
+Ecos(t +) cos((t +) +) (3.231)
El primer trmino es la unidad, mientras que el segundo se resuelve a partir de la identidad
trigonomtrica
cos(t +) cos((t +) +) =
1
2
cos((2t +) + 2) +
1
2
cos() (3.232)
de donde resulta
R
X
() = EX(t)X(t +) = 1 +
1
2
cos() (3.233)
(3.233) indica que la autocovarianza de X(t) (que, de nuevo, coincide con la autocorrelacin) no
tiende a anularse al crecer [[ y por tanto no se cumple (3.226): el proceso X(t) no es ergdico
en la media.
La Figura 3.11 representa 4 realizaciones del proceso. En la parte inferior se representa el prome-
dio de 50 realizaciones. A la derecha de cada grca se representa el promedio de cada realiza-
cin en el intervalo representado. Como consecuencia de la estacionariedad, la seal promedio se
aproxima a una seal constante en torno a la media del proceso, que es cero. Sin embargo, X(t)
no es ergdico y, como consecuencia, los promedios temporales no se aproximan a la media.
20 40
1
1
0.66
20 40
1
1
0.47
20 40
1
1
0.42
20 40
1
1
0.69
20 40
1
1
0.027
Figura 3.11. 4 realizaciones del proceso estocstico del Ejemplo 3.24 (arriba), el promedio
de 50 realizaciones (abajo) y los promedios de las muestras representadas (derecha). En
virtud de la estacionariedad, la seal promedio se aproxima a una constante de valor igual
a la media del proceso. Los promedios temporales, por el contrario, no se aproximan a la
media
Ergodicidad en la autocorrelacin. De forma similar se dene la ergodicidad en la auto-
correlacin. Un proceso es ergdico en la autocorrelacin si su funcin de autocorrelacin
coincide con el promedio temporal equivalente. Para procesos ergdicos en la autocorrela-
cin en tiempo discreto, esta coincidencia se expresa como
lm
N
1
2N + 1
N
n=N
X[k +n]X
[k] = R
X
[k] (3.234)
y, para procesos ergdicos en la autocorrelacin en tiempo continuo, como
lm
T
1
2T
_
T
T
X(t +)X
(t) dt = R
X
() (3.235)
El cumplimiento de la ergodicidad en la autocorrelacin se garantiza mediante el cum-
plimiento de la ergodicidad en la media del proceso Z
k
[n] = X[n + k]X
[n] (o Z
(t) =
X(t + )X
(t)) para cualquier valor de k (o ), y que implica el cumplimiento de (3.234)

(o (3.235)).
Cicloergodicidad. La denicin de ergodicidad deja fuera a un importante grupo de pro-
cesos dentro de las comunicaciones como son los procesos cicloestacionarios. Existe, sin
embargo, una extensin del concepto de ergodicidad denominada cicloergodicidad que nos
permite relacionar las medidas estadsticas con los promedios temporales para los procesos
cicloestacionarios.
Un proceso cicloestacionario y cicloergdico de periodo T
0
(N
0
) cumple, bajo ciertas
restricciones sobre la funcin g de medida, que
k=
lm
T
1
2T
_
T
T
g(x(t +t
))e
j
2kt
T
0
dt
= Eg(X(t)) (3.236)
_

k=
lm
N
1
2N + 1
N
=N
g(x[n +n
])e
j
2kn
N
0
= Eg(X[n])
_
Obsrvese, por una parte, la similitud de estas ecuaciones con (3.217) y, por otra, que el
resultado del trmino de la izquierda en las igualdades sigue dependiendo de t (o n).
Desarrollando (3.236) se puede comprobar que la forma de obtener una medida (por
ejemplo, la media) en un instante t
0
del proceso cicloestacionario X(t) a partir de una
realizacin del mismo x(t) es empleando de los valores x(t
0
+kT
0
) : k Z.
Ergodicidad y caracterizacin de procesos y seales
El carcter ergdico de un proceso podemos interpretarlo de dos formas distintas: por
una parte, nos permite caracterizar estadsticamente un proceso a partir de una nica reali-
zacin del mismo y, por otra, las propiedades temporales de las realizaciones de un proceso
a partir de su caracterizacin probabilstica.
Si un proceso es ergdico en sentido estricto y empleamos un conjunto de funciones
g
,N
que formen una base del espacio de las funciones de distribucin de orden N, apli-
cando (3.217) sobre una realizacin x(t) (o x[n]) y este conjunto de funciones obtenemos
una expansin de la funcin de distribucin de orden N. Repitiendo este procedimiento para
cualquier valor de N obtenemos una caracterizacin unvoca del proceso X(t) (o X[n]).
Si el proceso es ergdico en sentido amplio, el valor medio (Apartado 2.1.2, Pgina 14)
de una realizacin x(t) (o x[n]) da como resultado la media del proceso,
X
, y la funcin de
ambigedad temporal, (2.50) (Pgina 22) o (2.57) (Pgina 23), de una realizacin da como
resultado la funcin de autocorrelacin del proceso.
Por otra parte, si un proceso es ergdico, su media coincide con el valor medio de cual-
quiera sus realizaciones, y su funcin de autocorrelacin coincide con la funcin de ambi-
gedad temporal de cualquiera de sus realizaciones. De especial inters resulta el valor de
la funcin de autocorrelacin en el origen, R
X
(0) (o R
X
[0]), o valor cuadrtico medio del
proceso, que coincide con la potencia de cualquiera de sus realizaciones
R
X
(0) = E[X(t)[
2
= lm
T
1
2T
_
T
T
[x(t)[
2
dt = T x(t) = P
X
(3.237)
_
R
X
[0] = E[X[n][
2
= lm
N
1
2N + 1
N
n=N
[x[n][
2
= T x[n] = P
X
_
Esto implica que cualquier realizacin de un proceso estacionario ergdico es una seal de
potencia media no nula (recuerde que [R
X
()[ R
X
(0) y [R
X
[k][ R
X
[0]) y, por tanto,
de energa innita. Nos referiremos, por tanto, al valor de la funcin de autocorrelacin en
el origen indistintamente como valor cuadrtico medio o potencia del proceso.
Ms adelante analizaremos otras implicaciones cuando tratemos la caracterizacin de
procesos en el dominio de la frecuencia, en el Apartado 3.3.5.
En lo sucesivo y salvo mencin en contra, supondremos que todos los procesos estacio-
narios son ergdicos y todos los procesos cicloestacionarios son cicloergdicos.
3.3.4. Sistemas lineales con entradas estocsticas
Sea X(t) un proceso estocstico en tiempo continuo y sea el proceso estocstico denido
como
Y (t) = X(t) h(t) (3.238)
de modo que una realizacin de Y (t), y(t), se obtiene presentando una realizacin de X(t),
x(t), a la entrada de un sistema lineal e invariante de respuesta al impulso h(t).
En general, la caracterizacin estadstica de Y (t) no es sencilla, salvo en casos particu-
lares (como el gausiano), pero s pueden conocerse algunos estadsticos de primer y segundo
orden.
Por ejemplo, si
X
(t) es la media del proceso de entrada, la media del proceso de salida
es
Y
(t) = EY (t) = Eh(t) X(t) (3.239)
Obsrvese que, por la linealidad del operador de convolucin,
Eh(t) X(t) = E
__

h() X(t )d
_
=
_

h() EX(t )d
= h(t) EX(t) (3.240)
luego
Y
(t) = h(t)
X
(t) (3.241)
Si X(t) es estacionario,
X
(t) =
X
, luego
Y
(t) tambin es constante e igual a
Y
=
X
_

h(t)dt (3.242)
La correlacin cruzada de la entrada y la salida es
R
Y X
(t
1
, t
2
) = EY (t
1
)X
(t
2
) = E
_
X
(t
2
)
_

X()h(t
1
)d
_
=
_

h(t
1
)R
X
(, t
2
)d
= h(t
1
) R
X
(t
1
, t
2
) (3.243)
Por ltimo, la autocorrelacin de la salida es
R
Y
(t
1
, t
2
) = EY (t
1
)Y
(t
2
) = E
_
Y (t
1
)
_

()X
(t
2
)d
_
=
_

()R
Y X
(t
1
, t
2
)d
= R
Y X
(t
1
, t
2
) h
(t
2
) (3.244)
Combinando (3.243) y (3.243), resulta
R
Y
(t
1
, t
2
) = h(t
1
) R
X
(t
1
, t
2
) h
(t
2
) (3.245)
En la ecuacin anterior, hay dos operaciones de convolucin. Debemos efectuar la pri-
mera sobre la variable t
1
y la segunda sobre la variable t
2
. Las Ecuaciones (3.241) y (3.245)
ponen de maniesto que tanto la media como la autocorrelacin de la salida dependen ex-
clusivamente de la media y la autocorrelacin de la entrada, respectivamente, as como de
la respuesta al impulso del sistema.
Procesos cicloestacionarios. Por las propiedades de la convolucin, podemos escribir,
R
Y
(t
1
+T, t
2
+T) = h(t
1
) R
X
(t
1
+T, t
2
+T) h
(t
2
) (3.246)
Si X(t) es cicloestacionario con periodo T, se verica que R
X
(t
1
+T, t
2
+T) = R
X
(t
1
, t
2
),
luego
R
Y
(t
1
+T, t
2
+T) = R
Y
(t
1
, t
2
) (3.247)
y, por tanto, Y (t) tambin es cicloestacionario con el mismo periodo.
Procesos estacionarios. Del mismo modo, si X(t) es estacionario, (3.247) se verica para
cualquier valor de T y, en consecuencia, Y (t) tambin es estacionario. En tal caso, podemos
expresar la autocorrelacin como funcin de una sola variable. Llamando = t
1
t
2
, la
correlacin cruzada de la entrada y la salida es
R
Y X
(t
1
, t
2
) = h(t
1
) R
X
(t
1
t
2
)
=
_

h(t
1
t)R
X
(t t
2
)dt
=
_

h(t
2
+ t)R
X
(t t
2
)dt
=
_

h( t)R
X
(t)dt
= h() R
X
() (3.248)
De acuerdo con este resultado, R
Y X
(t
1
, t
2
) depende solamente de = t
1
t
2
. Por tanto,
X e Y son conjuntamente estacionarios.
R
Y
() = R
Y
(t
1
, t
2
) = R
Y X
(t
1
, t
2
) h
(t
2
)
=
_

(t)R
Y X
(t
1
t
2
+t)dt
=
_

(t)
_

h( +t t
)R
X
(t
)dt
dt
=
_

R
X
(t
)
_

(t)h( +t t
)dtdt
= R
X
() h() h
()
= R
X
() r
h
() (3.249)
donde r
h
() es la funcin de ambigedad temporal de h(t) denida en (2.57).
Todos estos resultados se extienden de modo inmediato al caso discreto: si X[n] es un
proceso estocstico discreto e Y [n] = X[n] h[n], se verica
Y
[n] = h[n]
X
[n] (3.250)
Si X[n] es estacionario,
X
[n] =
X
, y
Y
=
X
n=
h[n] (3.251)
Asimismo, de forma general se verica que
R
Y X
[n
1
, n
2
] = h[n
1
] R
X
[n
1
, n
2
] (3.252)
R
Y
[n
1
, n
2
] = h[n
1
] R
X
[n
1
, n
2
] h
[n
2
] (3.253)
Si X[n] es cicloestacionario de periodo N, Y [n] tambin lo es, y con el mismo perio-
do. Si X[n] es estacionario, Y [n] tambin es estacionario, X[n] e Y [n] son conjuntamente
estacionarios y
R
Y X
[k] = h[k] R
X
[k] (3.254)
R
Y
[k] = R
X
[k] r
h
[k] (3.255)
donde r
h
[n] = h[n] h
[n] es la funcin de ambigedad temporal de h[n] (denida en

(2.50)).
Ejemplo 3.25
Sea R[n] un proceso de ruido blanco de varianza unidad. El proceso estacionario Y [n] resultado
de pasar R[n] por un ltro lineal e invariante y causal, dado por la ecuacin en diferencias
Y [n] = 0,6 Y [n 1] +R[n] (3.256)
es estacionario. Dado que la respuesta al impulso de este sistema es h[n] = 0,6
n
u[n], la media
del proceso ser, de acuerdo con (3.250)
Y
[n] = h[n]
R
[n] = 0 (3.257)
y su autocorrelacin
R
Y
[k] = R
R
[k] r
h
[k] = h[k] h[k] =
0,6
|k|
0,64
(3.258)
Tambin pueden extenderse todos los resultados anteriores al anlisis de procesos gene-
rados mediante modulacin de pulsos en amplitud que es la base de las modulaciones de
amplitud que estudiaremos en el Captulo 5. Denominamos de este modo a aquellos proce-
sos continuos Y (t) que se obtienen a partir de un proceso discreto X[n] de entrada mediante
una transformacin de la forma
5
Y (t) =
n=
X[n]h(t nT) (3.259)
Por ejemplo, si
X
[n] es la media del proceso de entrada, la media del proceso de salida
es
Y
(t) = EY (t) =
n=
X
[n]h(t nT) (3.260)
5
Los procesos generados de este modo pueden interpretarse como procesos de salida de sistemas linea-
les e invariantes en el tiempo con entradas discretas: son lineales porque, en virtud de (3.259), si X
1
[n] y
X
2
[n] producen las salidas Y
1
(t) y Y
2
(t), respectivamente, entonces a
1
X
1
[n] +a
2
X
2
[n] produce como salida
a
1
Y
1
(t) +a
2
Y
2
(t); son invariantes en el sentido de que X[n n
0
] produce como salida Y (t n
0
T). La seal
h(t) es la respuesta al impulso [n].
Si X[n] es estacionario,
X
(t) =
X
y
Y
(t) =
X
n=
h(t nT) (3.261)
por tanto,
Y
(t) es peridica y de periodo T.
La correlacin cruzada de la entrada y la salida es
R
Y X
(t
1
, n
2
)
.
= EY (t
1
)X
[n
2
] = E
_
X
[n
2
]
k=
X[k]h(t
1
kT)
_
=
k=
R
X
[k, n
2
]h(t
1
kT) (3.262)
R
Y
(t
1
, t
2
) = EY (t
1
)Y
(t
2
) =
n=
l=
E X[n]X
[l] h(t
1
nT)h
(t
2
lT)
=
n=
l=
R
X
[n, l]h(t
1
nT)h
(t
2
lT) (3.263)
Si X[n] es un proceso estacionario, la autocorrelacin de Y (t) se puede expresar como
R
Y
(t
1
, t
2
) =
n=
l=
R
X
[n l]h(t
1
nT)h
(t
2
lT) (3.264)
y se comprueba fcilmente que R
Y
(t
1
, t
2
) = R
Y
(t
1
+T, t
2
+T). Como, adems, de acuerdo
con (3.261),
Y
(t) tiene periodo T, podemos concluir que Y (t) es un proceso cicloestacio-
nario de periodo T.
3.3.5. Densidad espectral de potencia
En el captulo anterior hemos visto las ventajas del anlisis de Fourier para caracteri-
zar seales y el comportamiento de sistemas lineales e invariantes. Por este motivo, resulta
de inters aplicar el anlisis de Fourier a procesos estocsticos. Cmo hacerlo no es algo
inmediato.
Dado que las realizaciones de un proceso estocstico son seales, resulta tentador de-
nir la Transformada de Fourier de un proceso estocstico X(t) como un nuevo proceso
cuyas realizaciones son las Transformadas de Fourier de las realizaciones de X(t), x(t). Sin
embargo, hay una dicultad insalvable en esta denicin: como hemos analizado anterior-
mente, las realizaciones de los procesos estocsticos estacionarios y cicloestacionarios son
seales de potencia media nita y no nula y energa innita y, por tanto, no poseen Transfor-
mada de Fourier (las condiciones para la existencia de la Transformada de Fourier podemos
encontrarlas en la Pgina 35 y siguientes).
Sin embargo, en general, la Transformada de Fourier de un proceso estocstico truncado
(limitado en el tiempo) s puede calcularse. Sea X(t) un proceso estocstico de media
X
(t)
y autocorrelacin R
X
(t
1
, t
2
). Consideremos el proceso truncado X
T
(t) dado por
X
T
(t) =
_
X(t) si [t[ T
0 si [t[ > T
(3.265)
La Transformada de Fourier de X
T
(t), dada por
X
T
(j) =
_

X
T
(t)e
jt
dt =
_
T
T
X(t)e
jt
dt (3.266)
es, a su vez, un proceso estocstico de media
EX
T
(j) =
_
T
T
X
(t)e
jt
dt (3.267)
y valor cuadrtico medio
E[X
T
(j)[
2
= E
_
_
T
T
X(t)e
jt
dt
2
_
(3.268)
Si el proceso es estacionario o cicloestacionario, el valor cuadrtico medio crece in-
denidamente con T hasta hacerse innito, pero podemos evitar este efecto normalizando
(3.268) respecto a la longitud del intervalo de integracin, 2T.
Si consideramos una realizacin del proceso X
T
(t), x
T
(t), el mdulo al cuadrado de su
Transformada de Fourier, de acuerdo con la interpretacin del Teorema de Rayleigh, recibe
el nombre de densidad espectral de energa. La Ecuacin (3.268) admite la interpretacin
de una densidad espectral de energa media y, normalizada por el intervalo de integracin,
puede interpretarse como una densidad espectral de potencia media. Esto nos lleva a denir
formalmente la densidad espectral de potencia o dep (power spectral density, psd) de un
proceso estocstico como
S
X
(j)
.
= lm
T
E[X
T
(j)[
2
2T
(3.269)
Obsrvese que, por denicin, la dep es siempre real y no negativa: para todo ,
S
X
(j) 0 (3.270)
Asimismo, por las propiedades de la Transformada de Fourier, la dep de un proceso esto-
cstico real es una funcin par.
Nuestro objetivo ahora es determinar qu relacin existe entre la dep tal y como se ha
denido y las medidas que hemos empleado para caracterizar los procesos estocsticos, y
ms concretamente, la relacin de la dep con la funcin de autocorrelacin. Desarrollando
la expresin (3.268)
E[X
T
(j)[
2
= E
__
T
T
X(t
1
)e
jt
1
dt
1
_
T
T
X
(t
2
)e
jt
2
dt
2
_
=
_
T
T
_
T
T
EX(t
1
)X
(t
2
)e
j(t
1
t
2
)
dt
1
dt
2
=
_
T
T
_
T
T
R
X
(t
1
, t
2
)e
j(t
1
t
2
)
dt
1
dt
2
(3.271)
luego
S
X
(j) = lm
T
1
2T
_
T
T
_
T
T
R
X
(t
1
, t
2
)e
j(t
1
t
2
)
dt
1
dt
2
(3.272)
y, haciendo el cambio de variable = t
1
t
2
, resulta
S
X
(j) = lm
T
1
2T
_
T
T
_
Tt
2
Tt
2
R
X
(t
2
+, t
2
)e
j
ddt
2
(3.273)
Bajo ciertas restricciones sobre la funcin de autocorrelacin, podemos simplicar esta
expresin hasta llegar a
S
X
(j) =
_

R
X
()e
j
d (3.274)
donde
R
X
()
.
= lm
T
1
2T
_
T
T
R
X
(t +, t)dt (3.275)
resultado que se conoce como Teorema de Wiener-Khinchine, y que se encuentra desarro-
llado en el Apndice 3.A.
Analizaremos ahora este resultado para los tipos de procesos de mayor inters: cicloes-
tacionarios y estacionarios.
Procesos cicloestacionarios. Si el proceso X(t) es cicloestacionario de periodo T
0
, la
funcin de autocorrelacin R
X
(t + , t) es una funcin peridica de t y, por tanto, el pro-
medio en (3.275) se puede calcular sobre un nico periodo,
R
X
() =
1
T
0
_
T
0
0
R
X
(t +, t)dt (3.276)
Procesos estacionarios. Si el proceso X(t) es estacionario se cumple que R
X
(t +, t) =
R
X
() y, por tanto R
X
() = R
X
(), de modo que
S
X
(j) =
_

R
X
()e
j
d (3.277)
Por tanto, la densidad espectral de potencia de un proceso estacionario X(t) es igual a
la Transformada de Fourier de su funcin de autocorrelacin.
De acuerdo con esta denicin, ntese que
R
X
() =
1
2
_

S
X
(j)e
j
d (3.278)
de modo que
E[X(t)[
2
= R
X
(0) =
1
2
_

S
X
(j)d (3.279)
Si adems el proceso es ergdico, la ecuacin anterior indica que la potencia media de
cualquier realizacin del proceso puede obtenerse mediante integracin de S
X
(j) sobre
todo el rango de frecuencias, lo que tambin justica la denominacin de densidad espectral
de potencia para S
X
.
An ms, la propiedad de ergodicidad nos garantiza que
S
X
(j) = lm
T
1
2T
_
T
T
x(t)e
jt
dt
2
(3.280)
siendo x(t) una realizacin de X(t), y la dep es tambin una medida de la distribucin
de la potencia a diferentes frecuencias de cualquier realizacin. Tambin podemos deducir
que, para las componentes espectrales en las que la dep sea nula, el contenido espectral de
cualquier realizacin tambin lo ser.
Procesos discretos. Expresiones completamente anlogas a las anteriores resultan en el
caso discreto: sea X[n] un proceso estocstico de autocorrelacin R
X
[n
1
, n
2
], y sea el pro-
ceso truncado X
N
[n] dado por
X
N
[n] =
_
X[n] si [n[ N
0 si [n[ > N
(3.281)
Se dene la densidad espectral de potencia de X[n] como
S
X
(e
j
)
.
= lm
N
1
2N + 1
E[X
N
(e
j
)[
2
(3.282)
donde X
N
(e
j
) es la Transformada de Fourier de X
N
[n]. Siguiendo el mismo procedimien-
to que en el caso continuo, se puede llegar a la expresin alternativa
S
X
(e
j
) =
k=
R
X
[k]e
jk
(3.283)
siendo
R
X
[k] = lm
N
1
2N + 1
N
n=N
R
X
[n +k, n] (3.284)
que, para procesos cicloestacionarios de periodo N
0
se reduce a
R
X
[k] =
1
N
0
N
0
1
n=0
R
X
[n +k, n] (3.285)
y, para procesos estacionarios,
R
X
[k] = R
X
[k] (3.286)
Procesos blancos. Si X(t) (o X[n]) es un proceso estacionario blanco de autocorrelacin
R
X
() = () (o R
X
[k] = [k]), su densidad espectral de potencia es constante a todas
las frecuencias.
S
X
(j) = (3.287)
( S
X
(e
j
) = ) (3.288)
Densidad espectral de potencia a la salida de sistemas lineales
Resulta interesante analizar la densidad espectral de potencia de procesos estocsticos
que pasan a travs de ltros lineales. Si retomamos la expresin para la autocorrelacin de
salida obtenida en (3.245), podemos escribir
R
Y
(t
1
, t
2
) =
_

h(
1
)h
(
2
)R
X
(t
1
1
, t
2
2
)d
1
d
2
(3.289)
La autocorrelacin promedio es
R
Y
() = lm
T
1
2T
_
T
T
R
Y
(t +, t)dt
= lm
T
1
2T
_
T
T
_

h(
1
)h
(
2
)R
X
(t +
1
, t
2
)d
1
d
2
dt
=
_

h(
1
)h
(
2
) lm
T
1
2T
_
T
T
R
X
(t +
1
, t
2
)dtd
1
d
2
=
_

h(
1
)h
(
2
)R
X
( +
2
1
)d
1
d
2
= R
X
() h() h
() (3.290)
Y aplicando la propiedad de convolucin a (3.290), obtenemos
S
Y
(j) = S
X
(j)[H(j)[
2
(3.291)
De modo anlogo, si Y [n] es el proceso discreto de salida cuando otro proceso discreto
X[n] pasa a travs de un sistema lineal e invariante en el tiempo de respuesta al impulso
h[n], la densidad espectral de potencia de Y [n] se puede expresar como
S
Y
(e
j
) = S
X
(e
j
)[H(e
j
)[
2
(3.292)
Por ltimo, si Y (t) es un proceso generado modulando pulsos en amplitud mediante
X[n], dado por (3.259), la dep de Y (t) se puede relacionar con la de X[n]. Para ello, calcu-
laremos en primer lugar
R
Y
() = lm
T
1
2T
_
T
R
Y
(t +, t)dt (3.293)
Sustituyendo R
Y
por la expresin obtenida en (3.263), y considerando solamente los
valores de T
mltiplos de T, podemos escribir

R
Y
() = lm
N
1
2NT
_
NT
NT
k=
l=
R
X
[k, l]h(t + kT)h
(t lT)dt
(3.294)
Descomponiendo la integral en suma de integrales por tramos de longitud T, obtenemos
R
Y
() = lm
N
1
2NT
N1
m=N
_
(m+1)T
mT
k=
l=
R
X
[k, l]h(t + kT)h
(t lT)dt
= lm
N
1
2NT
N1
m=N
k=
l=
R
X
[k, l]
_
T
0
h(t + + (mk)T)
h
(t + (ml)T)dt
=
1
T
k=
l=
_
T
0
h(t + +kT)h
(t +lT)dt
lm
N
1
2N
N1
m=N
R
X
[mk, ml]
=
1
T
k=
l=
R
X
[l k]
_
T
0
h(t + +kT)h
(t +lT)dt
=
1
T
m=
R
X
[m]
l=
_
T
0
h(t + + (l m)T)h
(t +lT)dt
=
1
T
m=
R
X
[m]
_

h(t + mT)h
(t)dt
=
1
T
m=
R
X
[m]r
h
( mT) (3.295)
siendo r
h
(t) = h(t) h
(t) la funcin de ambigedad temporal de h(t). Esta expresin se

reduce a
R
Y
() =
1
T
m=
R
X
[m]r
h
( mT) (3.296)
cuando X[n] es estacionario.
La densidad espectral de potencia es la Transformada de Fourier de (3.295), de donde
S
Y
(j) =
1
T
m=
R
X
[m][H(j)[
2
e
jmT
=
1
T
S
X
(e
jT
)[H(j)[
2
(3.297)
Muestreo de procesos estacionarios
Sea X(t) un proceso estacionario con funcin de autocorrelacin R
X
(), y denamos
el proceso discreto Y [n]
.
= X(nT), resultante de muestrear X(t) con periodo T, y con fun-
cin de autocorrelacin R
Y
[n
1
, n
2
]. Entonces, R
Y
[n
1
+ k, n
1
] = R
X
(n
1
T + kT, n
1
T) =
R
X
(kT) = R
Y
[k], para cualquier entero k. Como consecuencia, el proceso Y [n] es esta-
cionario y su funcin de autocorrelacin es el resultado de muestrear la correspondiente a
X(t) con periodo T. Por tanto, las transformadas de ambas funciones de autocorrelacin
estn relacionadas a travs de (2.237) que para el presente caso resulta en
S
Y
(e
j
) =
1
T
k=
S
X
_
j
T
j
2k
T
_
(3.298)
3.3.6. Procesos gausianos, seal y ruido
Como se ha mencionado anteriormente, la caracterizacin de un proceso a partir de
su media y su funcin de autocorrelacin no es completa, y podemos encontrar procesos
que posean funciones de distribucin distintas y cuyas media y funcin de autocorrelacin
sean idnticas. Se argument tambin que la caracterizacin completa de procesos es poco
prctica por lo engorroso de la manipulacin de las funciones de distribucin de cualquier
orden. Sin embargo, existe una familia de procesos cuya caracterizacin completa es sencilla
y que, adems, aparece frecuentemente debido al teorema central del lmite: los procesos
gausianos.
Diremos que un proceso X(t) (X[n]) real
6
es gausiano si, para cualquier valor de N
y cualquier conjunto arbitrario de N instantes temporales t
0
, . . . t
N1
(n
0
, . . . , n
N1
),
la funcin de densidad de probabilidad de orden N,
f
X(t
0
),...,X(t
N1
)
(x
0
, . . . , x
N1
)
( f
X[n
0
],...,X[n
N1
]
(x
0
, . . . , x
N1
) )
es gausiana.
Los procesos gausianos poseen, entre otras, las siguientes propiedades:
6
En el apartado siguiente consideraremos extensamente los procesos gausianos complejos.
P 1. La caracterizacin completa del proceso puede obtenerse a partir de su media y su
funcin de autocorrelacin. Esta propiedad es consecuencia de la denicin unvoca
de una variable aleatoria gausiana mediante su media y varianza.
P 2. Si un proceso gausiano es estacionario en sentido amplio, tambin lo es en sentido
estricto. La razn es la misma que la de la propiedad anterior
7
.
P 3. La salida de un sistema lineal e invariante, cuando la entrada es otro proceso gausiano,
es tambin un proceso gausiano. Esta propiedad es consecuencia de que cualquier com-
binacin lineal de variables aleatorias gausianas es otra variable aleatoria gausiana.
P 4. Si un proceso gausiano posee media nula, es ergdico si cumple (3.227) (o (3.224)).
Podemos denir adems los procesos conjuntamente gausianos: dos procesos gausia-
nos X(t) e Y (t) (X[n] e Y [n]) son conjuntamente gausianos si para cualesquiera valores
de N y M y cualesquiera conjuntos arbitrarios de instantes temporales t
0
, . . . , t
N1
y
0
, . . .
M1
(n
0
, . . . , n
N1
y k
0
, . . . k
M1
), la funcin de densidad de probabilidad
de orden N +M
f
X(t
0
),...,X(t
N1
),Y (
0
),...,Y (
M1
)
(x
0
, . . . , x
N1
, y
0
, . . . , y
M1
)
( f
X[n
0
],...,X[n
N1
],Y [k
0
],...,Y [k
M1
]
(x
0
, . . . , x
N1
, y
0
, . . . , y
M1
) )
es gausiana.
En procesos conjuntamente gausianos incorrelacin e independencia estadstica son pro-
piedades equivalentes, puesto que las funciones de densidad de probabilidad conjuntas son
gausianas multidimensionales.
Ruido gausiano y blanco
Por ruido entendemos toda perturbacin de carcter aleatorio sobre una seal o proceso
que resulta de inters. En un procedimiento de medida el ruido es el conjunto de perturba-
ciones y errores de medida que nos impiden conoceer de forma exacta la seal de inters,
que es la magnitud que deseamos conocer. En un sistema de comunicaciones la seal que
deseamos conocer en el receptor es el mensaje que fue transmitido y el ruido es el conjunto
de perturbaciones se suman a la seal en su paso por el canal.
Uno de los tipos de ruido ms importante es el denominado ruido trmico, que est pre-
sente en todo circuito elctrico o electrnico y afecta a la seal de inters de forma aditiva.
Este ruido est provocado por el movimiento desordenado de los electrones en un conduc-
tor y posee una dep aproximadamente plana para las frecuencias habituales en sistemas de
comunicaciones.
Un buen modelo para el ruido trmico son los procesos gausianos blancos. Gausiano
porque el ruido trmico es la contribucin de muchas perturbaciones del mismo tipo (la
corriente generada por el movimiento de cada electrn) y resulta de aplicacin el teorema
7
Esta propiedad no se cumple para procesos gausianos complejos, como veremos en el siguiente apartado.
central del lmite, y blanco por poseer una dep aproximadamente plana. Adicionalmente,
se supone tambin su ergodicidad. El valor de la dep suele denotarse como N
0
/2 y sus
unidades son W/Hz, como veremos ms adelante. As, queda denido mediante
S
X
(j) =
N
0
2
(3.299)
y su funcin de autocorrelacin es
R
X
() =
N
0
2
() (3.300)
lo que indica que su potencia es innita. No obstante, al atravesar cualquier sistema de banda
limitada su potencia se torna nita (aunque, naturalmente, pierde el carcter de blanco).
Cuando a la entrada de un sistema lineal e invariante de funcin de transferencia H(j)
tenemos ruido gausiano y blanco, la dep a la salida es
S
Y
(j) =
N
0
2
[H(j)[
2
(3.301)
y la potencia de ruido a la salida se obtiene integrando S
Y
(j). Si el sistema es un ltro
(paso bajo o paso banda) ideal de ancho de banda W, la potencia de ruido a la salida es
R
Y
(0) =
2
Y
=
1
2
N
0
2
2W =
N
0
W
2
(3.302)
que es igual a
2
Y
= N
0
W
si expresamos el ancho de banda en Hz, W
= W/2, y donde
vericamos que las dimensiones de N
0
/2 son W/Hz.
Relacin seal a ruido
Comnmente, el ruido distorsiona la seal de forma aditiva:
Y (t) = X(t) +N(t) (3.303)
donde X(t) es el proceso o seal de inters, Y (t) es la observacin de que disponemos y
N(t) es la componente de ruido, que se supone independiente de X(t) y de media nula. Por
simplicidad supondremos que todos los procesos son estacionarios y ergdicos.
La funcin de autocorrelacin de Y (t) es
R
Y
() = E((X(t) +N(t))(X(t) +N(t))
(3.304)
= R
X
() +R
N
() + 21eR
XN
() = R
X
() +R
N
() (3.305)
que. evaluada para = 0, es
R
Y
(0) =
2
Y
= R
X
(0) +R
N
(0) =
2
X
+
2
N
(3.306)
lo que nos dice que la potencia de Y (t) es la suma de las potencias de la seal y del ruido.
Una medida de la calidad de la observacin Y (t) es el cociente entre estas ltimas. Esta
medida se conoce como relacin seal a ruido (Signal to Noise Ratio, SNR), y puede
expresarse en unidades naturales
SNR =

2
X
2
N
(3.307)
o en unidades logartmicas como 10 log
10
SNR cuya unidad de medida es el decibelio o dB.
La denicin de relacin seal a ruido para procesos en tiempo discreto es totalmente
anloga.
3.3.7. Procesos gausianos complejos
Una de las mayores dicultades que encontraremos a la hora de analizar rigurosamente
el efecto del ruido gausiano o calcular el espectro de potencia de la seal transmitida en sis-
temas de comunicaciones paso banda es la existencia de procesos estocsticos complejos.
En este apartado introducimos algunos conceptos de utilidad y demostramos algunas propie-
dades interesantes que sern tiles en captulos posteriores, por ejemplo, para caracterizar
estadsticamente el ruido en los receptores digitales.
A lo largo de este apartado consideraremos nicamente procesos complejos de media
cero (la extensin a procesos de media no nula es inmediata). Tambin emplearemos la
notacin siguiente: si Z(t) es un proceso complejo, entonces Z
r
(t) y Z
i
(t) denotarn sus
partes real e imaginaria respectivamente, de modo que Z(t) = Z
r
(t) +jZ
i
(t).
Diremos que un proceso complejo Z(t) es gausiano si Z
r
(t) y Z
i
(t) son procesos con-
juntamente gausianos. Mientras para que un proceso gausiano real sea estacionario en sen-
tido estricto basta con que lo sea en sentido amplio, para procesos gausianos complejos la
estacionariedad en sentido estricto no se deduce de la estacionariedad en sentido amplio.
Por denicin, para que Z(t) de media cero sea estacionario en sentido amplio basta
con que
R
Z
(t +, t) = EZ(t +)Z
() = R
Z
() (3.308)
donde R
Z
() es la funcin de autocorrelacin de Z(t). Para que Z(t) sea estacionario en
sentido estricto hace falta que todos sus estadsticos de segundo orden sean invariantes en el
tiempo. Esto equivale a decir que Z
r
(t) y Z
i
(t) sean conjuntamente estacionarios en sentido
amplio, para lo cual debe cumplirse que
R
Zr
(t +, t) = EZ
r
(t +)Z
r
(t) = R
Zr
() (3.309)
R
Zi
(t +, t) = EZ
i
(t +)Z
i
(t) = R
Zi
() (3.310)
R
Zr,Zi
(t +, t) = EZ
r
(t +)Z
i
(t) = R
Zr,Zi
() = R
Zi,Zr
() (3.311)
Las Condiciones (3.309)-(3.311) son sucientes para que se verique (3.308), pero no a
la inversa. Sin embargo, deniendo la funcin de autocorrelacin complementaria
Q
Z
(t +, t)
.
= EZ(t +)Z() (3.312)
es fcil deducir las relaciones
R
Z
(t +, t) = R
Zr
(t +, t) +R
Zi
(t +, t) jR
Zr,Zi
(t +, t) +jR
Zi,Zr
(t +, t)
Q
Z
(t +, t) = R
Zr
(t +, t) R
Zi
(t +, t) +jR
Zr,Zi
(t +, t) +jR
Zi,Zr
(t +, t)
(3.313)
y, a partir de estas, las siguientes:
R
Zr
(t +, t) =
1
2
1eR
Z
(t +, t) +Q
Z
(t +, t) (3.314)
R
Zi
(t +, t) =
1
2
1eR
Z
(t +, t) Q
Z
(t +, t) (3.315)
R
Zr,Zi
(t +, t) =
1
2
JmR
Z
(t +, t) +Q
Z
(t +, t) (3.316)
R
Zi,Zr
(t +, t) =
1
2
JmR
Z
(t +, t) +Q
Z
(t +, t) (3.317)
Por tanto, es posible expresar R
Zr
, R
Zi
, R
Zr,Zi
y R
Zi,Zr
como funciones de R
Z
y Q
Z
,
y viceversa. Si las primeras no dependen de t, tampoco lo harn las segundas, y viceversa.
En consecuencia, las condiciones,
R
Z
(t +, t) = R
Z
() (3.318)
Q
Z
(t +, t) = Q
Z
() (3.319)
son necesarias y sucientes para que Z(t) sea estrictamente estacionario.
De modo anlogo, se deduce que, dado un valor T, las condiciones
R
Z
(t +, t) = R
Z
(t +T +, t +T) (3.320)
Q
Z
(t +, t) = Q
Z
(t +T +, t +T) (3.321)
son necesarias y sucientes para que Z(t) sea estrictamente cicloestacionario.
Simetra circular
En lo sucesivo, resultar de inters el anlisis de procesos cuya funcin complementaria
es nula, es decir
Q
Z
(t +, t) = 0 (3.322)
Un proceso gausiano complejo que cumple la Condicin (3.322) se dice que es circular-
mente simtrico. La simetra circular es, obviamente, una condicin suciente para que un
proceso estacionario gausiano en sentido amplio lo sea tambin en sentido estricto.
Haciendo uso de las relaciones (3.313), se obtiene que la Condicin (3.322) es equiva-
lente a
R
Zr
(t +, t) = R
Zi
(t +, t) (3.323)
R
Zr,Zi
(t +, t) = R
Zi,Zr
(t +, t) (3.324)
Asimismo, la funcin de autocorrelacin se simplica a
R
Z
(t +, t) = 2R
Zr
(t +, t) 2jR
Zr,Zi
(t +, t) (3.325)
Ejemplo 3.26
Sea Z(t) un proceso gausiano estacionario con partes real e imaginaria incorrelacionadas, siendo
R
Zr
() = R
Zi
() = (). En virtud de las relaciones (3.313), se deduce que
R
Z
(t +, t) = 2() (3.326)
Q
Z
(t +, t) = 0 (3.327)
Por tanto, Z(t) es circularmente simtrico.
Dado un proceso gausiano circularmente simtrico Z(t) = Z
r
(t) + jZ
i
(t), es inme-
diato deducir a partir de la Condicin (3.323) que las varianzas (autocorrelacin en = 0)
de Z
r
(t) y Z
i
(t) son idnticas. Adems, teniendo en cuenta que R
Z
(t, t) = E[Z(t)[
2
tiene que ser necesariamente real, a partir de (3.324) podemos deducir que R
Zr,Zi
(t, t) =
R
Zi,Zr
(t, t) = 0, lo que demuestra que Z
r
(t) y Z
i
(t) estn incorrelacionados para cual-
quier instante de tiempo (y, por tanto, son independientes, por ser gausianos). Esto implica
que las curvas de nivel de la funcin de densidad de probabilidad conjunta f
Z
r
(t),Z
i
(t)
(z
r
, z
i
)
son circulares, y de ah la denominacin simetra circular.
Observemos, no obstante, que la incorrelacin de Z
r
(t) y Z
i
(t) no implica que Z
r
(t
1
)
y Z
i
(t
2
) con t
1
,= t
2
estn incorrelacionados. Para que eso suceda R
Z
(t
1
, t
2
) ha de ser real
(algo que se da, por ejemplo, cuando Z(t) es blanco).
En los apartados siguientes analizaremos la (ciclo)estacionariedad de un proceso com-
plejo obtenido mediante transformacin de otro proceso gausiano (ciclo)estacionario. Para
ello, prestaremos atencin al comportamiento de las funciones de autocorrelacin y la fun-
cin complementaria.
Filtrado complejo lineal e invariante de un proceso complejo
Sea Z(t) un proceso complejo obtenido al ltrar con un ltro h(t) (posiblemente com-
plejo) otro proceso complejo X(t), de tal modo que
Z(t) = X(t) h(t) (3.328)
Observamos que, si X(t) es gausiano, entonces Z(t) se obtiene a partir de combinacio-
nes lineales de variables gausianas, y por tanto es un proceso gausiano.
Por otra parte, en el Apartado 3.3.4 ya vimos que, de acuerdo con (3.245) la autocorre-
lacin de la salida del ltro puede expresarse como
R
Z
(t
1
, t
2
) = h(t
1
) R
X
(t
1
, t
2
) h
(t
2
) (3.329)
Siguiendo un procedimiento completamente anlogo al del Apartado 3.3.4 se puede encon-
trar una expresin equivalente para Q
Z
,
Q
Z
(t
1
, t
2
) = h(t
1
) Q
X
(t
1
, t
2
) h(t
2
) (3.330)
Como consecuencia directa de las expresiones (3.329) y (3.330), se deducen las siguien-
tes propiedades:
Si X(t) es (ciclo)estacionario en sentido amplio, Z(t) tambin lo es.
Si X(t) es (ciclo)estacionario en sentido estricto, Z(t) tambin lo es.
Si X(t) es circularmente simtrico, Z(t) tambin lo es.
Si X(t) es estrictamente estacionario, entonces se pueden deducir las relaciones
R
Z
() = R
X
() h() h
() (3.331)
Q
Z
() = Q
X
() h() h() (3.332)
(la primera, por aplicacin directa de (3.249); la segunda se obtiene siguiendo un procedi-
miento completamente anlogo al que condujo a esta) y, aplicando Transformadas de Fourier
S
Z
(j) = S
X
(j)[H(j)[
2
(3.333)
T
Z
(j) = T
X
(j)H(j)H(j) (3.334)
donde T
X
y T
Z
son las Transformadas de Fourier de Q
X
y Q
Z
, respectivamente.
Observe que, en virtud de (3.334), la simetra circular de X(t) es la nica que garantiza
que Z(t) es circularmente simtrico para cualquier ltro h(t). No obstante, aunque X(t) no
sea circularmente simtrico, Z(t) puede serlo, dependiendo de la forma del ltro.
Supongamos, por ejemplo, que X(t) es real. En tal caso, Q
X
() = R
X
() y la con-
dicin necesaria y suciente para que Z(t) sea circularmente simtrico se puede escribir
como
S
X
(j)H(j)H(j) = 0 (3.335)
Ejemplo 3.27
Si S
X
(j) no es nulo a ninguna frecuencia (por ejemplo, si X(t) es un proceso blanco) y el ltro
h(t) es real, H(j) tiene simetra par, por lo que la condicin (3.335) no se cumplir y el proceso
Z(t) no ser circularmente simtrico (en este caso Z(t) sera real). Lo mismo puede decirse si
h(t) es puramente imaginario.
Si el ltro h(t) es de la forma:
h(t) = h
B
(t)e
j
c
t
(3.336)
donde h
B
(t) es un ltro paso bajo (en general complejo), entonces si el proceso X(t) es blanco,
puede verse que el proceso Z(t) ser circularmente simtrico slo si el ancho de banda del ltro
h
B
(t) es menor que
c
(vase Figura 3.12). Esta condicin se suele vericar en la prctica; aqu
hemos demostrado que adems es necesaria para que el proceso Z(t) sea circularmente simtrico.
w
H j ( ) w
w
c
-B w
c
+B
w
H j (- ) w
-w
c
-B -w
c
+B -w
c
w
c
w
H j
B
( ) w
-B B 0
Figura 3.12. La gura representa los ltros H(j) y H(j) para el caso en el que
c
es
mayor que el ancho de banda del ltro H
B
(j). El producto de ambas es nulo a todas las
frecuencias
Procesos gausianos complejos en tiempo discreto
Aunque nos hemos centrado en el anlisis de procesos en tiempo continuo, la discusin
de los apartados anteriores es extensible mutatis mutandis a procesos en tiempo discreto. En
particular, dado un proceso Z[k], se dice que es circularmente simtrico si
EZ[k +m]Z[k] = 0, para todo m, k. (3.337)
Si Z[k] procede del muestreo peridico de un proceso gausiano complejo circularmente
simtrico ser tambin un proceso circularmente simtrico.
3.3.8. Modulacin de procesos continuos
En este apartado consideramos la modulacin de procesos continuos mediante exponen-
ciales complejas o sinusoides. Como comprobaremos en el Captulo 5, este anlisis ser de
enorme utilidad para determinar el espectro de potencia de seales paso banda.
Modulacin compleja de procesos gausianos complejos
Sean dos procesos gausianos complejos Z(t) y X(t), relacionados de la siguiente forma:
Z(t) = X(t)e
j
c
t
(3.338)
para una frecuencia
c
genrica (no nula). De nuevo Z
r
(t) y Z
i
(t) denotan respectivamente
las partes real e imaginaria de Z(t), con deniciones similares para X(t). Observe que, dado
que Z(t) resulta de multiplicar un proceso gausiano por una funcin determinista, se deduce
la propiedad
P 1. Si X(t) es gausiano, Z(t) tambin lo es.
Supongamos que el proceso X(t) es estacionario en sentido estricto. Aunque pueda resultar
sorprendente a primera vista, en general el proceso Z(t) no ser estacionario en sentido
estricto, como demuestra el siguiente ejemplo.
Ejemplo 3.28
Sea X(t) un proceso real blanco y gausiano, con funcin de autocorrelacin R
X
() = ().
De (3.338) se deduce que
Z
r
(t) = X(t) cos(
c
t); Z
i
(t) = X(t) sen(
c
t) (3.339)
de modo que, calculando las autocorrelaciones de las partes real e imaginaria tenemos
R
Zr
(t +, t) = EZ
r
(t +)Z
r
(t) = cos
2
(
c
t)() (3.340)
R
Zi
(t +, t) = EZ
i
(t +)Z
i
(t) = sen
2
(
c
t)() (3.341)
y es inmediato ver que tanto (3.340) como (3.341) dependen de t, por lo que los procesos Z
r
(t) y
Z
i
(t) no son estacionarios y, por tanto, Z(t) no es estacionario en sentido estricto. Sin embargo,
como puede comprobar el lector, el proceso Z(t) s es estacionario en sentido amplio.
A la vista del ejemplo anterior, podemos formularnos la siguiente pregunta: qu condi-
ciones debe cumplir X(t) para que Z
r
(t) y Z
i
(t) sean conjuntamente (ciclo)estacionarios?
Para resolverla, analizaremos las funciones de correlacin y complementaria de Z(t) que,
de acuerdo con (3.338) podemos expresar como
R
Z
(t +, t) = R
X
(t +, t)e
j
c
(3.342)
Q
Z
(t +, t) = Q
X
(t +, t)e
j
c
(2t+)
(3.343)
Cicloestacionariedad. Si X(t) es estrictamente cicloestacionario, tanto R
X
como Q
X
son funciones peridicas (respecto a la variable t) con periodo T. Por tanto, en virtud de
(3.342), R
Z
tambin es peridica. Sin embargo, para que Q
Z
sea peridica es necesario que
el trmino exponencial en (3.343) sea peridico con periodo mltiplo de T, es decir, que
c
T/ sea un nmero entero. Se concluye, por tanto, la propiedad
P 2. Si X(t) es un proceso gausiano estrictamente cicloestacionario y de periodo T, la
condicin k = w
c
T/, siendo k un nmero entero, es suciente para la cicloestacio-
nariedad estricta de Z(t) con periodo kT.
Podemos obtener una condicin ms sencilla observando que, si X(t) es circularmente
simtrico, entonces Q
Z
tambin es nulo y, por tanto, peridico de cualquier periodo, pu-
diendo concluirse la siguiente
P 3. Si X(t) es un proceso gausiano circularmente simtrico estrictamente cicloestacionario
y de periodo T, Z(t) tambin lo es.
Estacionariedad. En virtud de (3.342), si X(t) es estacionario en sentido amplio, Z(t)
tambin lo es. Asimismo, si X(t) es estrictamente estacionario, podemos escribir
R
Z
(t +, t) = R
X
()e
j
c
(3.344)
Q
Z
(t +, t) = Q
X
()e
j
c
(2t+)
(3.345)
Se observa que la dependencia de t se mantiene en la segunda ecuacin, razn por la
cual, en general, Z(t) no es estrictamente estacionario, aunque X(t) lo sea. En consecuen-
cia, la simetra circular de X(t) es condicin necesaria y suciente para que Z(t) sea estric-
tamente estacionario.
P 4. Si X(t) es un proceso gausiano estacionario en sentido estricto, para que Z(t) sea es-
trictamente estacionario es condicin necesaria y suciente que X(t) sea circularmente
simtrico.
Densidad espectral de potencia. Dado que la hiptesis de (ciclo)estacionariedad no es
en general aplicable a Z(t), aunque X(t) lo sea, calcularemos el espectro de potencia em-
pleando (3.274), calculando en primer lugar el promedio de la autocorrelacin
R
Z
() = lm
T
1
2T
_
T
R
X
(t +, t)e
j
c
dt = R
X
()e
j
c
(3.346)
y, en segundo lugar, calculando la Transformada de Fourier, resultando
S
Z
(j) = S
X
(j j
c
) (3.347)
Proyeccin real de procesos cicloestacionarios modulados
Consideremos ahora el proceso estocstico Z
r
(t) dado por
Z
r
(t) = 1eZ(t) (3.348)
siendo
Z(t) = X(t)e
j
c
t
(3.349)
donde X(t) es un proceso complejo (no necesariamente gausiano), estrictamente cicloesta-
cionario y de periodo T.
Densidad espectral de potencia. Para calcular la densidad espectral de potencia, partire-
mos de (3.314), aplicando (3.342) y (3.343), de modo que
R
Zr
(t +, t) =
1
2
1eR
Z
(t +, t) +Q
Z
(t +, t) (3.350)
=
1
2
1eR
X
(t +, t)e
j
c
+Q
X
(t +, t)e
j
c
(2t+)
(3.351)
Por tanto
R
Zr
() = lm
T
1
2T
_
T
R
Zr
(t +, t)dt
=
1
2
1eR
X
()e
j
c
+
+
1
2
1e
_
e
j
c
lm
T
1
2T
_
T
Q
X
(t +, t)e
2j
c
t
dt
_
(3.352)
Se observa que el primer trmino de la suma no plantea ningn problema; el ltimo merece
algo ms de atencin. En concreto, recordando que, para un proceso X(t) estrictamente
cicloestacionario con periodo T, su funcin complementaria es peridica (Q
X
(t + , t) =
Q
X
(t +T +, t +T) y, por tanto se puede expandir en serie de Fourier en la forma
Q
X
(t +, t) =
k
Q
X
(k, )e
j
2kt
T
(3.353)
donde Q
X
(k, ) es el k-simo coeciente de la serie, podemos escribir,
R
Zr
() =
1
2
1eR
X
()e
j
c
+
+
1
2
1e
_
e
j
c
k
Q
X
(k, ) lm
T
1
2T
_
T
e
j
2kt
T
+2j
c
t
dt
_
(3.354)
Teniendo en cuenta la relacin
lm
T
1
2T
_
T
e
jt
dt = () (3.355)
resulta
8
R
Zr
() =
1
2
1eR
X
()e
j
c
+
1
2
1e
_
e
j
c
k
Q
X
(k, )
_
2k
T
+ 2
c
_
_
(3.356)
Aplicando la Transformada de Fourier con respecto a la variable y llamando T
X
(k, )
a la Transformada de Fourier de Q
X
(k, ) resulta, nalmente,
S
Zr
(j) =
1
4
S
X
(j j
c
) +
1
4
S
X
(j j
c
) + (3.357)
+
1
4
k
(T
X
(k, j j
c
) +T
X
(k, j j
c
))
_
2k
T
+ 2
c
_
8
La funcin () en (3.355) es una extensin de la delta de Kronecker para argumentos reales, no necesa-
riamente enteros, pero debe distinguirse de la delta de Dirac en el sentido en que, a diferencia de esta, toma
valor nito en el origen. No obstante, si hubisemos elegido una representacin de Q
X
(t + , t) en (3.353) en
trminos de su Transformada de Fourier con respecto a la variable t, veramos que las sumas en k se transfor-
maran en integrales sobre un periodo T y que las deltas seran de Dirac. Por esta razn, y sin menoscabo de
estas puntualizaciones, mantenemos la notacin ().
Est claro ahora que si 2
c
no es mltiplo entero de 2/T entonces los dos ltimos
trminos en (3.358) son cero. Por el contrario, cuando 2
c
es mltiplo entero de 2/T, es
decir, 2
c
= 2k
0
/T, para un nmero entero k
0
, llegamos a
S
Zr
(j) =
1
4
S
X
(j j
c
) +S
X
(j j
c
)
+
1
4
T
X
(k
0
, j j
c
) +T
X
(k
0
, j j
c
) (3.358)
La funcin T
X
(k
0
, j) puede expresarse en forma integral como
T
X
(k
0
, j) =
_

Q
X
(k
0
, )e
j
d
=
1
T
_

_
T
0
Q
X
(t +, t)e
jk
0
2t
T
dt e
j
d (3.359)
Muchos libros de texto de comunicaciones digitales omiten los dos ltimos trminos en
(3.358) sin mayores justicaciones. Destaquemos, en todo caso, que si no existe ningn k
0
entero que cumpla que 2
c
= 2k
0
/T, entonces la densidad espectral de potencia se reduce
a
S
Zr
(j) =
1
4
S
X
(j j
c
) +S
X
(j j
c
) (3.360)
Hay asimismo otros casos de inters que tambin conducen a (3.360):
1. Simetra circular. Si X(t) es un proceso gausiano circularmente simtrico, la funcin
complementaria Q
X
(t + , t) es, por denicin, nula y, por tanto, los dos ltimos
sumandos en (3.358) tambin lo son.
2. Estacionariedad. Si X(t) es un proceso estacionario, la Ecuacin (3.359) se reduce a
T
X
(k
0
, j) =
1
2T
_
T
0
e
jk
0
2
T
t
dt
_

Q
X
()e
j
d = 0 (3.361)
3. Procesos de banda estrecha. Si Z(t) es un proceso de banda estrecha, (
c
2/T),
entonces k
0
0 y, por tanto, T
X
(k
0
, j) es la Transformada de Fourier de uno de los
coecientes de alta frecuencia de Q
X
(t + , t), que tienden a cero cuando k
0
tiende
a innito. Por tanto, para
c
sucientemente grande, T
X
(k
0
, j j
c
) en (3.359) es
despreciable y (3.360) vlida.
4. Procesos generados modulando pulsos en amplitud. Para procesos generados de la
forma
X(t) =
n=
Y [n]h(t nT) (3.362)
siendo Y [n] un proceso estacionario complejo de media cero, y h(t) un ltro posible-
mente complejo.
En virtud de la relacin (3.296) entre los procesos discreto y continuo involucrados
en (3.362), podemos comprobar que la condicin
EY [k +i]Y [k] = 0, para todo k, i (3.363)
implica que la funcin complementaria Q
X
(t +, t) es idnticamente nula e Y [n] es
circularmente simtrico, por lo que si se satisface (3.363), (3.360) es vlida.
Cicloestacionariedad. En general, como ya hemos visto, la cicloestacionariedad estricta
de X(t) no implica la cicloestacionariedad estricta de Z(t). Para procesos X(t) gausia-
nos circularmente simtricos, la Propiedad 3 (Pgina 162) garantiza la cicloestacionariedad
estricta de Z(t) y, por tanto, la de su parte real Z
r
(t).
Obsrvese que la simetra circular de X(t) es condicin suciente para la cicloesta-
cionariedad de Z
r
(t), pero no necesaria: la Propiedad 2 muestra que si
c
= k/T, para
cualquier nmero entero k, el proceso Z(t) ser estrictamente cicloestacionario, caracters-
tica que heredar Z
r
(t).
Modulacin real de procesos cicloestacionarios
En captulos posteriores ser tambin de utilidad el anlisis de procesos del tipo
Z
r
(t) = X(t) cos(
c
t) (3.364)
siendo X(t) un proceso cicloestacionario real de periodo T. Para calcular su densidad espec-
tral de potencia podemos observar que este puede considerarse un caso particular de (3.348)
y (3.349) con X(t) real y, por tanto, tomaremos las expresiones del apartado anterior como
referencia.
Es conveniente recordar que si X(t) es real, entonces Q
X
(t + , t) = R
X
(t + , t) y,
por tanto, tambin T
X
(j) = S
X
(j), de modo que el espectro de potencia es, adaptando
la Ecuacin (3.358),
S
Zr
(j) =
1
4
S
X
(j j
c
) +S
X
(j j
c
)
+
1
4
S
X
(k
0
, j j
c
) +S
X
(k
0
, j +j
c
) (3.365)
siendo S
X
(k, j) la Transformada de Fourier de R
X
(k, ) = Q
X
(k, ).
S
X
(k
0
, j) =
_

R
X
(k, )e
j
d =
=
1
T
_

_
T
0
R
X
(t +, t)e
jk
0
2t
T
dt e
j
d (3.366)
De nuevo, los dos ltimos sumandos en (3.358) se anulan en los mismos supuestos
que en el caso en que X(t) es complejo. Obviamente, aquellos supuestos que implican
Q
X
(t +, t) = 0 carecen de inters alguno cuando X(t) es real.
Existen excelentes textos bsicos para estudiantes de pregrado que introducen con gran
claridad los conceptos fundamentales de la teora de la probabilidad: probabilidad, variables
aleatorias y distribuciones. [68] es un ejemplo. Tambin hay numerosos manuales orienta-
dos a aplicaciones de ingeniera, que incluyen introducciones a procesos estocsticos, que
abarcan y extienden la mayora de los temas abordados en este captulo. As, por ejemplo,
[58] o [78]. Un tratamiento exhaustivo de procesos cicloestacionarios podemos encontrar-
lo en [31] y [30]. [37] tiene una abundante coleccin de problemas, cuya resolucin est
tambin publicada en [36]. Otras colecciones de problemas pueden encontrarse en [16] y
[51].
Existe, asimismo, material bibliogrco para manejar programas informticos orienta-
dos al anlisis estadstico, como [67].
Otras referencias de inters, aunque orientadas a otros aspectos de las comunicaciones
y la ingeniera, pueden encontrarse en [44] y [48].
Los textos bsicos de comunicaciones digitales que aparecen en la bibliografa de este
libro suelen tener al menos un captulo introductorio a los conceptos bsicos esenciales para
las aplicaciones de comunicaciones: [39] y [61] son dos buenos ejemplos.
PROBLEMAS
P3.1 Determine la media y la varianza de una variable de Poisson. Para ello, tenga en cuenta
que, para todo R, puede escribirse
e
k=0
k
k!
P3.2 Considere el experimento lanzar dos dados y sumar el resultado. Suponiendo que
todos los resultados de cada dado son equiprobables, y llamando S a la suma, deter-
mine:
2.1. La probabilidad de que S sea igual a 8
2.2. La probabilidad de que S sea igual a 8, sabiendo que S no es divisible por 3.
P3.3 Determine la probabilidad de que una variable aleatoria X supere, en valor absoluto,
a la raz cuadrada de su valor cuadrtico medio, EX
2
, en los siguientes casos
3.1. X es uniforme entre b y b > 0,
3.2. X es gausiana de media nula y varianza
2
,
3.3. X es una variable Rayleigh de parmetro R > 0,
3.4. X es exponencial de parmetro > 0,
3.5. X es Weibull de parmetros c > 0 y > 0.
P3.4 Considere las variables aleatorias B
i
independientes, de espacio muestral = 0, 1,
con 0 i n 1 y de funcin de probabilidad p
B
i
(x) = p
x
(1 p)
1x
. Considere
la variable aleatoria S =
n1
i=0
b
i
.
4.1. Demuestre que S es una variable aleatoria de tipo binomial.
4.2. Utilizando la relacin que existe entre S y las variables B
i
, determine su media
y su varianza. Compruebe que estos valores coinciden con los correspondientes
de una variable binomial.
P3.5 Considere las variables aleatorias S y N, independientes entre s, gausianas, de media
0 y varianzas
2
s
y
2
n
, respectivamente, y sea
R = S +N
5.1. Determine f
S[R
(s[r).
5.2. Determine ES[R.
P3.6 Sea X un vector aleatorio gausiano de media nula y matriz de covarianzas C. Sea
Q = [q
0
[ . . . [q
N1
] una matriz de autovectores de C, de modo que
C = QQ
T
siendo una matriz diagonal tal que
ii
es el autovalor correspondiente al autovector
q
i
.
6.1. Determine la fdp de V = Q
T
X.
6.2. Compruebe que las componentes de V estn incorrelacionadas entre s.
P3.7 Sean X
1
y X
2
variables aleatorias gausianas independientes y de media nula. Com-
pruebe que la variable Y =
_
X
2
1
+X
2
2
es de tipo Rayleigh. Para ello
7.1. Determine la fdp de S
i
= X
2
i
, para i = 1, 2.
7.2. Determine la fdp de la suma S = S
1
+S
2
.
7.3. Determine la fdp de Y =
S a partir de la fdp de S.
P3.8 Sean X
0
, . . . , X
n
variables aleatorias de tipo exponencial con parmetro . Determine
la funcin de densidad de probabilidad de
Y
n
=
n
k=0
X
k
as como su media y su varianza.
P3.9 Sea X un vector aleatorio de componentes gausianas independientes de media 0 y
varianza unidad. Sabiendo que toda matriz simtrica C puede descomponerse en la
forma C = BB
T
, determine una transformacin de X que proporcione un vector
aleatorio de media y matriz de covarianzas C.
P3.10 Sea X = [X
0
, X
1
]
T
un vector aleatorio gausiano de media nula y matriz de cova-
rianzas C, y sea Y = X
0
+ X
1
. Demuestre que Y es una variable gausiana. Para
ello,
10.1. Determine f
Y [X
0
(y[x
0
).
10.2. Determine f
Y
(y).
P3.11 Sea X una variable aleatoria uniformemente distribuida en el intervalo [0, 1] y sea
Y = X(1 X)
11.1. Compruebe que X e Y estn incorrelacionadas. Para ello, determine su cova-
rianza cruzada y compruebe que es igual a cero.
11.2. Determine f
Y [X
(y[x).Son X e y independientes?
11.3. Determine f
Y
(y).
Observe que, pese a estar incorrelacionadas, X e Y no son independientes.
P3.12 Calcule la media y autocorrelacin del proceso
X(t) = Acos(t +)
y determine si es estacionario o cicloestacionario (en tal caso, determine el periodo) y
si es ergdico en la media en los siguientes supuestos:
12.1. A es una variable aleatoria gausiana real de media nula y varianza unidad y y
son constantes reales no nulas.
12.2. A es una variable aleatoria gausiana real de media igual a 1 y varianza unidad y
y son constantes reales no nulas.
12.3. A es una variable aleatoria gausiana compleja de media nula y matriz de cova-
rianza identidad y y son constantes reales no nulas.
12.4. es una variable aleatoria con distribucin uniforme en el intervalo (0, 2] y A
12.5. es una variable aleatoria con distribucin uniforme en el intervalo (0, 2] y A
12.6. es una variable aleatoria con distribucin uniforme en el intervalo (0, ] y A y
son constantes reales no nulas.
12.7. A es una variable aleatoria gausiana real de media nula y varianza unidad, y
son variables aleatorias con distribucin uniforme en el intervalo (0, 2], y las
tres estadsticamente independientes.
P3.13 Modelamos una cadena innitamente larga de repetidores digitales binarios como un
proceso estocstico, donde X[n] representa la informacin en el repetidor n-simo,
X[n] +1, 1 y PrX[] = +1 = 1/2. En la transmisin del repetidor n-
simo al siguiente se produce un error con probabilidad p; esto es, PrX[n + 1] ,=
X[n] = p.
13.1. Determine p
X[n]
(x).
13.2. Determine p
X[n
1
],X[n
2
]
(x
1
, x
2
) (Ayuda: calcule en primer lugar la probabilidad
de que no se produzcan errores entre n
1
y n
2
, PrX[n
1
] = X[n
2
]).
13.3. Calcule la media y la autocorrelacin de X[n] y determine si es el proceso es o
no estacionario.
13.4. Qu cambia de los resultados anteriores si hacemos PrX[] = +1 = q ,=
1/2?
P3.14 Sean M(t) un proceso estocstico estacionario en sentido amplio de media igual a 1
y funcin de autocorrelacin R
M
(), y N(t) un proceso gausiano estacionario inde-
pendiente de M(t), de media nula y funcin de autocorrelacin R
N
() = N
0
/2().
Determine la media, la funcin de autocorrelacin y la densidad espectral de potencia
del proceso X(t) = M(t) cos(2000t +) +N(t).
P3.15 Sea X[n] un proceso estacionario, y considere el proceso
Y [n] = X[n] +aX[n 1]
15.1. Determine la funcin de autocorrelacin de Y [n].
15.2. Determine la densidad espectral de potencia de Y [n].
P3.16 La entrada a un sistema lineal e invariante con respuesta al impulso h(t) = e
t
u(t) es
un proceso estocstico estacionario X(t) de media nula y funcin de autocorrelacin
R
X
() = (). Determine la funcin de autocorrelacin y la densidad espectral de
potencia de la salida, Y (t).
P3.17 Sea X(t) un proceso cicloestacionario de periodo T. Considere el proceso
Y (t) = X(t t
0
)
donde t
0
es una variable aleatoria con distribucin uniforme entre 0 y T
e indepen-
diente de X(t).
17.1. Determine para qu valores de T
Y (t) es un proceso estacionario.

17.2. De entre los valores de T
obtenidos en el apartado anterior, determine para cul

o cules coinciden las funciones de autocorrelacin de X(t) e Y (t).
P3.18 Sea A[n] una secuencia aleatoria de smbolos binarios independientes con un alfabe-
to +1, 1 y distribucin de probabilidad p
A[n]
(+1) = 3/4 y p
A[n]
(1) = 1/4.
Calcule la media, funcin de autocorrelacin y densidad espectral del proceso
X(t) =
k=
A[k] sinc
_
t kT
T
_
A partir de A[n] generamos otra secuencia de la forma B[n] = A[n] + A[n 1].
Calcule la media, funcin de autocorrelacin y densidad espectral del proceso
Y (t) =
k=
B[k] sinc
_
t kT
T
_
P3.19 Sea X[n] un proceso estacionario blanco de potencia media > 0 e
Y (t) =
k=
X[k]h(t kT)
siendo h(t) un pulso rectangular de anchura 2T y altura unidad. Determine la autoco-
rrelacin y la densidad espectral de potencia del proceso discreto W[n] = Y (nT t
0
),
siendo 0 < t
0
< T.
P3.20 Sea X(t) un proceso gausiano estrictamente cicloestacionario de periodo fundamental
T, y considere el proceso dado por
Z(t) = X(t)e
j
c
t
Siendo
c
T/2 = m/n, siendo m y n nmeros enteros. Discuta el valor mnimo que
puede tener el periodo fundamental de la cicloestacionariedad de Z(t).
P3.21 El proceso X(t) se obtiene de ltrar un proceso gausiano, blanco y con densidad
espectral de potencia 10 W/Hz con un ltro paso bajo ideal de ancho de banda 10
rad/s. A partir de X(t) se obtienen, mediante operaciones sucesivas, las siguientes
seales:
Y (t) = X(t) cos(100t)
Z(t) = Y (t) +N(t)
W(t) = Z(t) h(t)
W[n] = W(n/50)
donde N(t) es un ruido gausiano y blanco estadsticamente independiente de X(t)
con densidad espectral de potencia 1 y h(t) es la respuesta al impulso de un ltro paso
banda ideal con ancho de banda 50 rad/s y frecuencia central 100 rad/s.
21.1. Calcule la media, varianza y funcin de autocorrelacin de Y (t), Z(t), W(t) y
W[n]. Determine si cada uno de estos procesos es estacionario o no. En los casos
en que no lo sea, determine si es cicloestacionario y, si lo es, determine su perio-
do. Calcule la densidad espectral de potencia de aquellos procesos estacionarios
y cicloestacionarios.
21.2. Calcule la relacin seal a ruido en Z(t), W(t) y W[n].
APNDICES
3.A. TEOREMA DE WIENER-KHINCHINE
Demostraremos aqu que (3.273) se reduce a (3.274). Para ello supondremos en primer
lugar que la correlacin cruzada entre dos muestras X(t) y X(t + ) est acotada por un
valor que solamente depende de la separacin entre ellas, de modo que
[R
X
(t +, t)[ g() (3.367)
Asimismo, supondremos que la correlacin entre muestras decrece sucientemente rpido
al aumentar su separacin, de tal modo que
_

g()d < (3.368)

lo que garantiza que g(), al ser no negativa, tiene Transformada de Fourier.
La integral doble (3.273) sobre el dominio cuadrado de anchura 2T puede expresarse en
funcin de la integral sobre el dominio T t
2
T, como
S
X
(j) = lm
T
1
2T
_
T
T
_

R
X
(t
2
+, t
2
)e
j
ddt
2
lm
T
1
2T
_
T
T
_

Tt
2
R
X
(t
2
+, t
2
)e
j
ddt
2
lm
T
1
2T
_
T
T
_
Tt
2
R
X
(t
2
+, t
2
)e
j
ddt
2
= I
0
(j) I
1
(j) I
2
(j) (3.369)
donde hemos llamado, I
0
, I
1
e I
2
, a cada una de las tres integrales de la expresin anterior,
siguiendo el orden en que aparecen. Demostraremos ahora que I
1
e I
2
se anulan. Para ello,
podemos acotar el mdulo de I
1
mediante
[I
1
(j)[ =
lm
T
1
2T
_
T
T
_

Tt
2
R
X
(t
2
+, t
2
)e
j
ddt
2
lm
T
1
2T
_
T
T
_

Tt
2
[R
X
(t
2
+, t
2
)[ddt
2
lm
T
1
2T
_
T
T
_

Tt
2
g()ddt
2
(3.370)
Asimismo, podemos calcular el lmite de la expresin anterior descomponiendo la integral
en suma de dos integrales sobre regiones disjuntas,
[I
1
(j)[ lm
T
1
2T
_
T
T
_
T
Tt
2
g()ddt
2
+ lm
T
1
2T
_
T
T
_

T
g()ddt
2
= lm
T
1
2T
_
T
T
_
T
Tt
2
g()ddt
2
+ lm
T
_

T
g()d (3.371)
3.A TEOREMA DE WIENER-KHINCHINE 173
El segundo trmino se anula porque se cumple (3.368) y el intervalo de integracin tiende a
0. El primero se simplica cambiando el orden de integracin respecto de las variables y
t
2
. Resulta, en tal caso,
[I
1
(j)[ lm
T
1
2T
_
T
0
_
T
T
dt
2
g()d = lm
T
1
2
_
T
0
T
g()d (3.372)
cuyo lmite existe, dado que si aplicamos (3.368)
L = lm
T
_
T
0
T
g()d lm
T
_
T
0
g()d (3.373)
Adems este lmite es L = 0. Para comprobarlo, nos apoyaremos en la secuencia
s
k
=
_
2
k+1
2
k
g()d (3.374)
que, en virtud de (3.368)
k=0
s
k
=
_

0
g()d < (3.375)
luego
lm
k
s
k
= 0 (3.376)
Acotaremos los trminos de la integral cuyo lmite queremos calcular para valores de T de
la forma T = 2
k
. Para ello, denimos la secuencia
a
k
=
_
2
k
0
2
k
g()d (3.377)
de modo que
a
k
=
_
2
k1
0
2
k
g()d +
_
2
k
2
k1
2
k
g()d =
1
2
a
k1
+
_
2
k
2
k1
2
k
g()d
1
2
a
k1
+
_
2
k
2
k1
g()d
1
2
a
k1
+s
k
(3.378)
Dado que a
k
converge a L, a
k1
tambin converge a L, de modo que, en el lmite cuando k
tiende a innito, debe cumplirse que
L
1
2
L + lm
k
s
k
=
1
2
L (3.379)
lo cual solamente es posible (siendo L no negativo) para L = 0. De un modo completamente
anlogo se concluye que [I
2
(j)[ = 0. En consecuencia, (3.369) se reduce a
S
X
(j) = lm
T
1
2T
_
T
T
_

R
X
(t
2
+, t
2
)e
j
ddt
2
(3.380)
donde podemos intercambiar la integral y el lmite al estar acotada R
X
(t
2
+, t
2
) mediante
(3.367) y (3.368) , quedando nalmente
S
X
(j) =
_

lm
T
1
2T
_
T
T
R
X
(t
2
+, t
2
)dt
2
e
j
d (3.381)
y de aqu, sustituyendo la denicin de R
X
() segn (3.275), obtenemos (3.274).
CAPTULO 4
MODULACIN Y DETECCIN EN
CANALES GAUSIANOS
El problema fundamental en las comunicaciones digitales consiste en la recuperacin de
manera able de una secuencia digital (el mensaje) enviada a travs de un canal de naturaleza
continua y analgica. En este captulo vamos a abordar este problema haciendo uso de los
conceptos y mtodos tratados en los captulos precedentes; concretamente, la teora de la
probabilidad y la representacin de seales deterministas y procesos estocsticos.
Comenzaremos el captulo considerando la transmisin de un nico smbolo, para el
cual plantearemos un modelo general de comunicacin digital y analizaremos cada uno
de sus elementos hasta encontrar la solucin al problema de comunicacin sobre un canal
aditivo gausiano. Posteriormente ampliaremos este modelo considerando la transmisin de
una secuencia de smbolos de longitud indenida.
4.1. UN MODELO DE COMUNICACIN DIGITAL
La Figura 4.1 muestra un modelo general de un sistema de comunicacin digital para la
transmisin de un nico smbolo que nos va a permitir analizar separada y ordenadamente
los distintos problemas involucrados en una comunicacin digital.
La entrada a este modelo es un smbolo B que puede tomar uno de entre M valores po-
sibles b
i
, i = 0, . . . , M 1. Tambin podemos decir que el smbolo B tiene un alfabeto
b
i
, i = 0, . . . , M 1. Suponemos como hiptesis que la probabilidad de que aparezca a
la entrada cada uno de los M posibles valores es la misma; esto es, PrB = b
i
= p
B
(b
i
) =
1/M, i = 0, . . . , M 1.
El transmisor tiene como misin transformar este smbolo B en una seal s(t) que re-
sulte adecuada para su envo a travs del medio fsico que representa el canal. Esta trans-
formacin se lleva a cabo en dos pasos, realizados por el codicador y el modulador, cuyo
funcionamiento describimos a continuacin.
El codicador transforma el smbolo B en otro smbolo Ahaciendo la correspondencia
b
i
a
i
. El smbolo a
i
puede ser real, complejo o, en general, un vector N-dimensional
176 MODULACIN Y DETECCIN EN CANALES GAUSIANOS
Codificador Modulador
Demodulador Decisor
Canal
B A
q
s(t)
r(t)
Transmisor
Receptor
B
Figura 4.1. Modelo general de un sistema de comunicacin digital.

de componentes reales de la forma
a
i
=
_
_
a
i0
a
i1
.
.
.
a
i(N1)
_
_
(4.1)
El alfabeto de A, a
i
, i = 0, . . . , M 1, recibe el nombre especial de constelacin.
El modulador transforma el smbolo A en una seal analgica en tiempo continuo s(t)
haciendo la correspondencia a
i
s
i
(t). Suponemos que cualquier s
i
(t) es idnticamente
nula fuera del intervalo 0 t < T y de energa nita.
El canal representa el medio fsico de transmisin e introduce una perturbacin sobre la
seal transmitida s(t). Por ahora, consideramos que esta perturbacin consiste en la adicin
de ruido blanco y gausiano de densidad espectral de potencia N
0
/2 W/Hz. La seal a la
entrada del receptor toma, por tanto, la forma
r(t) = s(t) +n(t) (4.2)
donde n(t) representa el ruido de las caractersticas antes mencionadas. Este modelo de
canal se conoce como canal aditivo gausiano o, simplemente, canal gausiano.
El receptor es el encargado de reconstruir un smbolo

B idealmente idntico al de entra-
da, B, a partir de la seal r(t). Debido a la perturbacin que supone la adicin de ruido, es
imposible, en general, garantizar que ambos smbolos sean idnticos o, lo que es lo mismo,
que consigamos una transmisin sin error. Para medir cun cerca o lejos estamos de una
transmisin sin error empleamos la probabilidad media de error de smbolo o, simplemente,
probabilidad de error de smbolo, denida como
P
e
= Pr
B ,= B (4.3)
Esta medida nos proporciona, adems, un criterio para el diseo del receptor: hacer
mnima la probabilidad de error de smbolo. El receptor diseado de acuerdo con este criterio
decimos que es ptimo en el sentido de mnima probabilidad de error de smbolo.
4.2 MODULADOR 177
La aplicacin de este criterio de diseo no es una tarea fcil, y por ello realizamos esta
labor en dos pasos: demodulacin y deteccin o decisin, que describimos a continuacin.
A partir de la seal a la entrada del receptor o seal recibida, r(t), el demodulador
se encarga de reconstruir un vector q que intentamos sea lo ms parecido posible a A.
Este lo ms parecido posible ha de medirse en funcin del criterio de diseo; esto es,
ha de determinarse una medida de distancia entre A y q para conseguir que el receptor en
su conjunto sea ptimo en el sentido de mnima probabilidad de error de smbolo. Dada
la naturaleza probabilstica del criterio y la estadstica gausiana de la perturbacin, esta
medida de distancia es la eucldea, como demostraremos en apartados siguientes de este
mismo captulo, y precisamente esta medida de distancia eucldea nos va a permitir una
interpretacin geomtrica a la hora de analizar en profundidad tanto el modulador como el
demodulador.
Finalmente, el decisor ha de asignar, de acuerdo con el mismo criterio, un smbolo

B al
vector de entrada q.
4.2. MODULADOR
En un principio puede parecer superua la divisin del transmisor en codicador y mo-
dulador porque podramos hacer una asignacin directa entre el smbolo B y la seal s(t) de
la forma b
i
s
i
(t). En este apartado vamos a justicar el porqu de esta separacin, y para
hacerlo vamos a proceder con un ejemplo, sin que ello suponga una prdida de generalidad
en las conclusiones que obtengamos.
Consideremos un sistema de comunicacin binaria (M = 2) donde podemos escoger
uno de entre cuatro conjuntos alternativos de seales s
0
(t), s
1
(t) para realizar la transmi-
sin. Pretendemos, mediante el anlisis del comportamiento de estos conjuntos de seales,
determinar cul de ellos es el ms adecuado para realizar la transmisin. En el primero de
estos conjuntos, representado en la Figura 4.2, las seales son sendos pulsos de duracin el
intervalo de smbolo y polaridad opuesta. En el segundo, representado en la Figura 4.3, una
0 T
t
1
1
s
0
(t)
0 T
t
1
1
s
1
(t)
Figura 4.2. Primer conjunto de seales.
seal es un pulso y la otra es una seal idnticamente nula. En el tercero, representado en la
Figura 4.4, las seales son sinusoides de idntica frecuencia y polaridad opuesta. En el cuar-
0 T
t
2
2
s
0
(t)
0 T
t
2
2
s
1
(t)
Figura 4.3. Segundo conjunto de seales.
0 T
t
2
2
s
0
(t)
0 T
t
2
2
s
1
(t)
Figura 4.4. Tercer conjunto de seales.
to y ltimo, representado en la Figura 4.5, las seales son sinusoides de idntica frecuencia,
una generada mediante la funcin seno y la otra mediante la funcin coseno.
Para decidir qu conjunto de seales es el ms apropiado hace falta recordar que el
objetivo ltimo es poder recuperar el smbolo enviado con la menor probabilidad de error,
teniendo en cuenta que a estas seales se les suma ruido blanco y gausiano a su paso por el
canal. Es lgico pensar que si mayor es la separacin o diferencia entre s
0
(t) y s
1
(t)
ser ms fcil discernir en el receptor entre ambas y, por tanto, ser menor la probabilidad
de error. Sin embargo, a simple vista no podemos decir si existe mayor separacin entre
s
0
(t) y s
1
(t) en cada uno de los conjuntos de seales: nos hace falta una medida de distancia
entre seales.
Podemos obtener esta medida de distancia empleando el espacio de Hilbert de seales
continuas de energa nita, L
2
, analizado en el Apartado 2.1.4. En este espacio, cada seal
s(t) se considera como un vector s y la distancia entre dos seales se dene como
d(s
i
, s
j
) =
[s
i
(t) s
j
(t)[
2
dt
Aplicando esta medida, la distancia entre las dos seales de la Figura 4.2 es
d(s
0
, s
1
) =
_
T
0
[1 (1)[
2
dt = 2
T
4.2 MODULADOR 179
0 T
t
2
2
s
0
(t)
0 T
t
2
2
s
1
(t)
Figura 4.5. Cuarto conjunto de seales.
Para el segundo conjunto de seales tenemos
d(s
0
, s
1
) =
_
T
0
[2 0[
2
dt = 2
T
Procediendo ahora con el tercer conjunto de seales, tenemos
d(s
0
, s
1
) =
_
T
0
2 sen
_
2t
T
_
2 sen
_
2t
T
__
2
dt
=
_
T
0
8 sen
2
_
2t
T
_
dt
= 2
T
Por ltimo, el clculo de distancia en el cuarto conjunto de seales da como resultado
d(s
0
, s
1
) =
_
T
0
2 sen
_
2t
T
_
_
2 cos
_
2t
T
__
2
dt
=
_
T
0
_
4 8 sen
_
2t
T
_
cos
_
2t
T
__
dt
= 2
T
De estas medidas de distancia podemos deducir que cualquiera de los cuatro conjuntos
de seales se comportarn de igual manera ante la perturbacin que introduce el canal. Esta
respuesta, sin embargo, abre otras preguntas:
Qu tienen en comn estos cuatro conjuntos de seales? o, dicho de otra forma,
podemos encontrar alguna forma de representar las seales que nos permita ver de
manera ms simple las prestaciones que vamos a obtener con un conjunto determina-
do?.
Estos cuatro conjuntos de seales se van a comportar de idntica forma ante la pertur-
bacin pero, desde el punto de vista del transmisor, va a suponer el mismo esfuerzo
su transmisin a travs del canal?.
Vamos a centrarnos en la segunda de las preguntas y posteriormente abordaremos la primera.
Una forma de medir el esfuerzo que supone para el transmisor enviar las seales a
travs del canal es medir la energa media que debe emplear el modulador para poner un
smbolo a la entrada del canal, denominada energa media por smbolo y denida como
E
s
= E c s(t)
= E
__

[s(t)[
2
dt
_
=
M1
i=0
Prs(t) = s
i
(t)
_

[s
i
(t)[
2
dt
=
M1
i=0
p
B
(b
i
)
_

[s
i
(t)[
2
dt
=
M1
i=0
1
M
_
T
0
[s
i
(t)[
2
dt (4.4)
As, podemos decir ahora que el mejor conjunto de seales ser aquel que consigue una
mayor distancia entre seales con una menor energa media por smbolo.
Calculando la energa media por smbolo para el primer conjunto de seales obtenemos,
teniendo en cuenta la hiptesis de smbolos equiprobables anteriormente establecida,
E
s
= Prs(t) = s
0
(t)
_
T
0
[1[
2
dt +Prs(t) = s
1
(t)
_
T
0
[ 1[
2
dt =
1
2
T +
1
2
T = T
Procediendo de igual forma para los restantes conjuntos de seales obtenemos, respectiva-
mente, 2T, T y 2T.
Con estas medidas podemos establecer que los mejores conjuntos de seales son el pri-
mero y el tercero porque consiguen una distancia entre seales de 2
T empleando una
energa media por smbolo de T, necesitando los segundo y cuarto el doble de energa por
smbolo para conseguir la misma distancia entre seales.
Si necesitsemos evaluar otros conjuntos de seales que no presentasen la misma dis-
tancia entre seales, sera necesario emplear algn tipo de normalizacin que nos permita
establecer su comparacin. La ms comn de estas normalizaciones consiste en expresar la
distancia entre seales en funcin de la energa media por smbolo. Sobre el primer conjunto
de seales, esta distancia normalizada es
d(s
0
, s
1
) = 2
T = 2
_
E
s
y sobre el resto de conjuntos es, respectivamente,

2E
s
, 2
E
s
y

2E
s
. Observe que los
4.2 MODULADOR 181
conjuntos de seales 1 y 3 consiguen mayor distancia de separacin entre seales que los
conjuntos 2 y 4 para un mismo valor de E
s
.
Volvamos a la primera de las preguntas planteadas anteriormente: podemos encontrar
alguna forma de representar las seales que nos permita ver de manera ms simple las pres-
taciones que vamos a obtener con un conjunto determinado? La respuesta la encontramos
en la misma estructura de espacio vectorial que nos ha permitido medir la distancia entre
seales: si somos capaces de encontrar una base ortonormal que nos permita representar un
determinado conjunto de seales podremos trabajar directamente con las coordenadas en
esa base y evitar cualquier tipo de clculo sobre las formas de onda.
Expresado formalmente, buscamos una representacin para cada una de las seales del
conjunto s
i
(t), i = 0, . . . , M 1 de la forma
s
i
(t) =
N1
j=0
s
ij
j
(t) =
N1
j=0
a
ij
j
(t) (4.5)
donde
j
(t), j = 0, . . . , N 1 son los elementos de la base ortonormal que cumplen
_

l
(t)
j
(t)dt =
_
T
0
l
(t)
j
(t)dt = [l j] (4.6)
y s
ij
, j = 0, . . . , N 1 son las coordenadas de la seal s
i
(t) en dicha base, que nosotros
hacemos corresponder con los smbolos a
i
. Esta correspondencia o interpretacin de los
smbolos a
i
como coordenadas de las seales s
i
(t) es una de las razones que aconsejan la
separacin del transmisor en codicador y modulador.
Para obtener esta representacin tenemos, en primer lugar, que encontrar los elemen-
tos de la base. Si disponemos del conjunto de seales s
i
(t), i = 0, . . . , M 1 podemos
emplear el procedimiento de ortogonalizacin de Gram-Schmidt descrito en el Apndice
4.A. Este procedimiento nos proporciona al mismo tiempo los elementos de la base y las
coordenadas de cada una de las seales.
Aplicndolo al primero de los cuatro conjuntos de seales que estbamos analizando
obtenemos que s
0
(t) y s
1
(t) se pueden expresar como
s
0
(t) =
T
0
(t) s
1
(t) =
T
0
(t)
siendo
0
(t) la seal mostrada en la Figura 4.6. En esta misma gura podemos ver la conste-
lacin de seales representadas mediante sus coordenadas en la base. Es precisamente esta
apariencia (puntos en el espacio) la que le dio el nombre de constelacin al conjunto de
smbolos a
i
, i = 0, . . . , M 1.
El hecho de haber obtenido un nico elemento de la base,
0
(t), tiene una justicacin
muy sencilla: como s
1
(t) = s
0
(t), un cambio de signo en la coordenada de s
0
(t) nos
basta para generar s
1
(t). La amplitud de
0
(t) es igual a 1/
T debido a la condicin de
ortonormalidad que hemos impuesto y que, como podemos deducir de (4.6), no es otra cosa
sino una normalizacin de la energa (
_
2
0
(t)dt = 1). Esta normalizacin nos permite
0 T t
1/T
0
(t)
T 0 T
0
a
00
a
10
Figura 4.6. Resultado del procedimiento de ortogonalizacin de Gram-Schmidt aplicado
al primer conjunto de seales.
adems realizar las operaciones de clculo de distancias y energa a partir de la constelacin.
La distancia entre s
0
(t) y s
1
(t) se calcula ahora como
d(s
0
, s
1
) = d(a
0
, a
1
) =
_
(a
01
a
11
)
2
=
_
_
T (
T)
_
2
= 2
T
y la energa media por smbolo como
E
s
= E
A
= E c a
i
= p
A
(a
0
) a
2
01
+p
A
(a
1
) a
2
11
=
1
2
T +
1
2
T = T
y el resultado, como no poda ser de otra forma, es exactamente el mismo que hemos obte-
nido mediante el clculo sobre las formas de onda.
Si procedemos de igual forma con el segundo conjunto de seales obtenemos el resul-
tado que muestra la Figura 4.7. Comparndolo con el que hemos obtenido con el primer
0 T t
1/T
0
(t)
0 2T
0
a
00
a
10
al segundo conjunto de seales.
conjunto de seales comprobamos que el elemento de la base es la misma seal. Tambin
4.2 MODULADOR 183
comprobamos que la constelacin puede considerarse como el desplazamiento en una can-
tidad

T de la obtenida con el primer conjunto de seales. Este desplazamiento hace que
se mantenga la distancia entre seales, pero aumenta la energa media de la constelacin,
segn hemos calculado anteriormente.
El resultado de la aplicacin del procedimiento de ortogonalizacin de Gram-Schmidt
al tercer conjunto de seales es el que muestra la Figura 4.8. Realizando la comparacin
0 T t
2/T
2/T
0
(t)
T 0 T
0
a
00
a
10
al tercer conjunto de seales.
con el primer conjunto de seales podemos observar que el elemento de la base de seales
es distinto, pero la constelacin es la misma. Si la constelacin es la misma, tambin son
idnticas (como previamente hemos comprobado) la separacin entre seales y la energa
media por smbolo. A partir de este hecho podemos obtener una primera conclusin: la
eleccin del conjunto de elementos de la base
j
(t), j = 0, . . . , N 1 no va a afectar a
la abilidad de la comunicacin; la abilidad quedar jada por la constelacin.
Esta conclusin no es especca de los conjuntos de seales que estamos evaluando,
sino que es una conclusin general para el diseo de transmisores. En una situacin en
que el objetivo no sea escoger entre distintos conjuntos de seales sino disear el transmisor
desde el inicio, la constelacin y los elementos de la base se disean de forma prcticamente
independiente: la constelacin atendiendo a criterios de abilidad de la comunicacin y los
elementos de la base atendiendo al comportamiento del canal (intentando que el canal fsico
se comporte como el modelo de ruido aditivo que hemos considerado).
Volviendo a los conjuntos de seales que estbamos considerando, el resultado de la apli-
cacin del procedimiento de ortogonalizacin de Gram-Schmidt al cuarto es el que muestra
la Figura 4.9 donde, a diferencia de los conjuntos anteriores, aparecen dos elementos en la
base del espacio vectorial. Si anteriormente los smbolos de la constelacin a
0
y a
1
podan
ser interpretados como puntos sobre una recta, ahora sern puntos sobre un plano cuyos ejes
representan las coordenadas sobre
0
(t) y
1
(t). Los smbolos a
0
y a
1
se expresan ahora
como vectores de dimensin 2 cuyos valores son
a
0
=
_
a
00
a
01
_
=
_
2T
0
_
a
1
=
_
a
10
a
11
_
=
_
0
2T
_
0 T t
2/T
2/T
0
(t)
0 T t
2/T
2/T
1
(t)
(2T)
0 (2T)
1
a
0
a
1
al cuarto conjunto de seales.
La representacin de este conjunto de seales deja claro que podemos realizar una in-
terpretacin geomtrica de las mismas, donde la distancia entre seales se calcula como
distancia entre dos puntos en un plano (o, en general, en un espacio de la dimensin que
impongan los elementos de la base) tal y como muestra la Figura 4.10. Analticamente, el
clculo de la distancia se realiza como
d(s
0
, s
1
) = d(a
0
, a
1
) = |a
0
a
1
|
=
_
(a
00
a
10
)
2
+ (a
01
a
11
)
2
=
_
_
2T
_
2
+
_
2T
_
2
= 2
T
y la energa media por smbolo como
E
s
= E
A
= E c a
i
= E
_
|a
i
|
2
_
= p
A
(a
0
)
_
a
2
00
+a
2
01
_
+p
A
(a
1
)
_
a
2
10
+a
2
11
_
=
1
2
2T +
1
2
2T = 2T
4.3 DEMODULADOR 185
||a
1
||=||s
1
||
0
||a
0
||=||s
0
||
d(a
0
,a
1
)=d(s
0
,s
1
)
1
a
0
a
1
Figura 4.10. Interpretacin geomtrica de la constelacin del cuarto conjunto de seales.
La interpretacin geomtrica de las seales viene derivada de la estructura de espacio
vectorial que poseen las seales y, ms concretamente, de la denicin de producto esca-
lar en el espacio vectorial. Continuando con la interpretacin geomtrica de las seales, la
energa de un smbolo concreto a
i
no es sino el cuadrado de la distancia del smbolo al
origen de coordenadas o, dicho de otra forma, es el cuadrado de la norma de a
i
, [[a
i
[[
2
.
Tambin podemos medir el ngulo que forman las rectas que van desde el origen de coor-
denadas a los puntos de la constelacin empleando (2.48) y, sobre todo, podemos realizar
transformaciones geomtricas de las seales para conseguir el efecto que deseemos.
La validez de lo hasta aqu planteado y discutido no se restringe a los cuatro conjun-
tos de seales que hemos empleado, sino que podemos aplicarlo al caso general de una
constelacin de M smbolos a
i
, i = 0, . . . , M 1 y una base ortonormal de N seales
j
(t), j = 0, . . . , N 1 que generan el conjunto de seales s
i
(t), i = 0, . . . , M 1
segn la Ecuacin (4.5).
La constelacin se disear de tal forma que se consiga una separacin mxima entre los
smbolos que la componen intentando al mismo tiempo que la energa media por smbolo
sea lo ms pequea posible. La eleccin del conjunto de elementos de la base, de acuerdo
con el modelo de canal que estamos considerando, es irrelevante. En la prctica, el conjunto
de seales de la base se escoge de tal forma que el canal fsico concreto sobre el que quere-
mos realizar la comunicacin se comporte como el modelo que estamos considerando; si la
funcin de transferencia del canal se anula a frecuencia 0, escogemos un conjunto de seales
cuya componente continua sea nula, y as.
4.3. DEMODULADOR
Al demodulador le llega la seal r(t) = s(t) +n(t), y su objetivo es recuperar un vector
q lo ms parecido posible al smbolo A que fue transmitido. En este apartado vamos a
desarrollar dos estructuras equivalentes para llevar a cabo esta labor. La primera est basada
en operaciones de correlacin y la segunda en operaciones de ltrado.
4.3.1. Correlacionador
La idea bsica del demodulador por correlacin es construir el vector q como la pro-
yeccin de la seal recibida r(t) en el espacio de seal del modulador, denido mediante la
base
j
(t), j = 0, . . . , N 1. Las coordenadas de una seal respecto a una base deter-
minada se obtienen, segn (2.55), calculando el producto escalar de la seal con cada uno
de los elementos de la base. En nuestro caso, la base tiene N elementos, y el vector q toma
la forma
q =
_
_
q
0
q
1
.
.
.
q
N1
_
_
(4.7)
Cada uno de los elementos q
j
se calcula como
q
j
= r ,
j
=
_

r(t)
j
(t) dt (4.8)
y el demodulador en su conjunto posee la estructura que se muestra en la Figura 4.11(a). Po-
r t ( )
q
0
q
1
q
N-1
r t ( )
q
0
q
1
q
N-1
(a) (b)
T
dt
0
T
dt
0
T
dt
0
0 ,f
1 ,f
) ( 0 t f
) ( 1 t f
) ( 1 t N - f
1 , - N f
Figura 4.11. Estructura del demodulador; (a) genrica, (b) realizacin.
demos simplicar (4.8) teniendo en cuenta que
j
es idnticamente nula fuera del intervalo
0 t < T, obteniendo
q
j
=
_
T
0
r(t)
j
(t) dt (4.9)
y empleando (4.9) conseguimos una estructura del demodulador como la mostrada en la
Figura 4.11(b), ms cercana a la realizacin prctica.
4.3 DEMODULADOR 187
La notacin vectorial que estamos utilizando puede dar la impresin de una estructura
del demodulador excesivamente compleja. Sin embargo, cuando particularizamos la estruc-
tura para los cuatro conjuntos de seales empleados en el apartado anterior vemos que no es
as.
Para los dos primeros, el demodulador se traduce en un escalado de la seal recibida
y una integracin entre 0 y T, segn se muestra en la Figura 4.12(a). Para el tercero, el
(a)
(b)
r t ( )
q
0
q
0
q
0
q
1
(c)
T
1
r t ( )
r t ( )
T
t
T
p 2
sen
2
T
t
T
p 2
sen
2
T
t
T
p 2
cos
2
T
dt
0
T
dt
0
T
dt
0
T
dt
0
Figura 4.12. Estructura del demodulador para los cuatro conjuntos de seales analizados;
(a) dos primeros conjuntos, (b) tercer conjunto, (c) cuarto conjunto.
demodulador multiplica la seal recibida por una seal sinusoidal e integra entre 0 y T
(Figura 4.12(b)), y para el cuarto conjunto de seales ha de multiplicar por dos componentes
sinuoidales e integrar (Figura 4.12(c)).
Analicemos ahora la salida del demodulador. Introduciendo la expresin analtica de
r(t) en (4.9) obtenemos
q
j
=
_
T
0
r(t)
j
(t) dt
=
_
T
0
(s(t) +n(t))
j
(t) dt
=
_
T
0
_
N1
k=0
A
k
k
(t)
_
j
(t) dt +
_
T
0
n(t)
j
(t) dt
=
N1
k=0
A
k
_
T
0
k
(t)
j
(t) dt +n
j
=
N1
k=0
A
k
[k j] +n
j
= A
j
+n
j
(4.10)
donde A
j
es la coordenada j-sima del smbolo A que fue transmitido y n
j
es la con-
tribucin del ruido gausiano introducido por el canal. Todas las componentes q
j
pueden
expresarse de forma conjunta empleando notacin vectorial como
q =
_
_
A
0
A
1
.
.
.
A
N1
_
_
+
_
_
n
0
n
1
.
.
.
n
N1
_
_
= A+n (4.11)
Cada una de las componentes n
j
del ruido debe ser considerada como una variable
aleatoria. Dado que el proceso del que proviene, n(t), es gausiano, tendr una funcin de
densidad de probabilidad gausiana. Su media puede calcularse como
E n
j
= E
__
T
0
n(t)
j
(t) dt
_
=
_
T
0
E n(t)
j
(t) dt = 0 (4.12)
ya que n(t) tiene media cero. La covarianza entre dos componentes de ruido resulta
E n
j
n
k
= E
___
T
0
n(t)
j
(t) dt
___
T
0
n()
k
() d
__
=
_
T
0
_
T
0
E n(t)n()
j
(t)
k
() dt d
=
_
T
0
_
T
0
N
0
2
(t )
j
(t)
k
() dt d
=
N
0
2
_
T
0
j
(t)
k
(t) dt
=
N
0
2
[j k] (4.13)
de donde podemos obtener la varianza de cada componente sin ms que hacer j = k en
(4.13). A la luz de estos resultados podemos concluir que las N componentes de ruido son
variables gausianas incorrelacionadas de media nula y varianza N
0
/2. Como una variable
aleatoria gausiana queda unvocamente determinada a partir de su media y varianza, la fun-
cin de densidad de probabilidad de cada n
j
es
f
n
j
(n
j
) =
1
N
0
e
n
2
j
N
0
(4.14)
y como bajo estadstica gausiana incorrelacin implica independencia (Pgina 123), la fun-
cin de densidad de probabilidad conjunta de n es
f
n
(n) =
N1
j=0
f
n
j
(n
j
) =
1
(N
0
)
N/2
e
N1
j=0
n
2
j
N
0
=
1
(N
0
)
N/2
e
||n||
2
N
0
(4.15)
A partir de la funcin de densidad de probabilidad del ruido podemos obtener la de la
salida del demodulador condicionada al smbolo transmitido sin ms que tener en cuenta que
4.3 DEMODULADOR 189
cada componente q
j
de la seal recibida es la suma de A
j
(que se trata como una constante,
dado que queremos obtener la densidad condicionada al smbolo transmitido) y el ruido.
La funcin de densidad de probabilidad de q
j
condicionada a A
j
(o, ms concretamente, a
que la componente j-sima del smbolo transmitido, A
j
, tome el valor a
ij
) ser gausiana de
media a
ij
y varianza N
0
/2
f
q
j
[A
j
(q
j
[a
ij
) =
1
N
0
e
(q
j
a
ij
)
2
N
0
(4.16)
y la funcin de densidad de probabilidad conjunta de q condicionada a A
f
q[A
(q[a
i
) =
N1
j=0
f
q
j
[A
j
(q
j
[a
ij
) =
1
(N
0
)
N/2
e
N1
j=0
(q
j
a
ij
)
2
N
0
=
=
1
(N
0
)
N/2
e
||qa
i
||
2
N
0
(4.17)
En el desarrollo del demodulador hemos partido de la idea de recuperar las coordena-
das de la seal recibida en la base del espacio de seal del transmisor, pero no nos hemos
preguntado si la informacin que recuperamos de la seal recibida es toda la informacin
relevante a la hora de tomar la decisin del smbolo que fue transmitido o existe informa-
cin adicional que pueda ayudar a tomar esa decisin. La respuesta a esta pregunta es que el
vector q, tal y como se deni en (4.7) y (4.8), contiene toda la informacin relevante para
decidir qu smbolo fue el transmitido. Estrictamente, se dice que el vector q es un estads-
tico suciente para la deteccin y la demostracin de que realmente lo es se encuentra en el
Apndice 4.B.
4.3.2. Filtro adaptado
La estructura de espacio vectorial desarrollada para el modulador y demodulador es muy
potente y permite realizar una interpretacin geomtrica de las seales que resulta de gran
utilidad. Sin embargo, con esta interpretacin se pierde el sentido de variacin temporal e
interpretacin en la frecuencia propia del estudio de seales y sistemas que, a la par que
ofrece una visin distinta del proceso de demodulacin, nos permite descubrir propiedades
adicionales del demodulador.
Consideremos un ltro con respuesta al impulso h
k
(t) =
k
(t). Si introducimos a su
entrada la seal r(t) de entrada al demodulador, a la salida del ltro tenemos
y
k
(t) = r(t) h
k
(t) =
_

r()h
k
(t ) d =
_

r()
k
((t )) d (4.18)
Si muestreamos la salida y
k
(t) en t = 0, tenemos
y
k
(0) =
_

r()h
k
() d =
_

r()
k
() d (4.19)
que no otra cosa sino la salida del correlacionador, q
k
, que habamos calculado en (4.8).
En general, un ltro con respuesta al impulso h(t) = x(t)
1
se dice que es un ltro
adaptado a la seal x(t).
Aplicando este resultado, podemos plantear una estructura del demodulador como la que
muestra la Figura 4.13, conocida como demodulador basado en ltros adaptados.
r t ( )
q
0
q
1
q
N-1
t=0
) ( 1 t - f
) ( 0 t - f
) ( 1 t N - - f
Figura 4.13. Estructura del demodulador basada en ltros adaptados.
En la Figura 4.14 podemos ver la seal de la base de los dos primeros conjuntos de
seales analizados,
0
(t), y la salida de su ltro adaptado cuando tiene a su entrada esa
misma seal,
0
(t)
0
(t). Observe cmo en el instante de muestreo (t = 0) la salida del
ltro toma su valor mximo. En la Figura 4.15 podemos ver las mismas seales referidas al
0 T t
1/T
0
(t)
0 T T t
1
0
(t)*
0
(t)
Figura 4.14. Elemento de la base de los dos primeros conjuntos de seales analizados y
convolucin de esta seal con la respuesta al impulso de su ltro adaptado.
tercer conjunto de seales analizadas. Tambin se cumple que en el instante de muestreo la
salida del ltro toma su valor mximo.
Puede argumentarse, y con razn, que el demodulador basado en ltros adaptados es
irrealizable puesto que los ltros que utiliza son no causales (
k
(t) ,= 0 para t < 0). Para
1
Para seales complejas, h(t) = x
(t).
4.3 DEMODULADOR 191
0 T T t
2/T
2/T
0
(t)
0 T T t
1
0
(t)*
0
(t)
Figura 4.15. Elemento de la base del tercer conjunto de seales analizados y convolucin
de esta seal con la respuesta al impulso de su ltro adaptado.
obtener un demodulador realizable podemos seguir el siguiente razonamiento: las seales
k
(t) son idnticamente nulas fuera del intervalo [0, T) y, por tanto, sus correspondientes
k
(t) sern idnticamente nulos fuera del intervalo (T, 0]; si retardamos T segundos la
respuesta impulsional
k
(t),
k
(T t), y muestreamos en t = T obtenemos el mismo
resultado con un demodulador realizable. Este desplazamiento temporal no invalida ninguno
de los desarrollos que se realizan en este apartado.
Propiedades del ltro adaptado
El demodulador basado en ltros adaptados no aporta por s mismo otra novedad que
no sea una realizacin distinta de las operaciones que debe llevar a cabo el demodulador de
correlacin. Ahora bien, con esta estructura es ms fcil comprobar propiedades interesantes
del demodulador.
Mxima relacin seal a ruido. Es la propiedad ms importante, que podemos enunciar
de la siguiente manera: sea un esquema como el que muestra la Figura 4.16, donde s(t)
s t ( )
q
t = 0 n t ( )
h t ( )
q t ( )
Figura 4.16. Modelo para la derivacin del ltro adaptado.
es una seal conocida y n(t) es ruido gausiano blanco y de media nula. El ltro que hace
mxima la relacin seal a ruido a la salida (medida en q) es el ltro adaptado a s(t); es
decir, aquel que tiene como respuesta al impulso h(t) = s(t).
Para demostrar esta propiedad, vamos a comenzar por denir qu entendemos por rela-
cin seal a ruido a la salida. La salida del ltro, q(t), puede expresarse como
q(t) = (s(t) +n(t)) h(t) = s(t) h(t) +n(t) h(t)
=
_

s()h(t ) d +
_

n()h(t ) d (4.20)
y su valor en t = 0 como
q
.
= q(0) =
_

s()h() d +
_

n()h() d
.
= s +n (4.21)
La relacin seal a ruido a la salida se dene como
_
S
N
_
q
.
=
E
_
s
2
_
E n
2
=
s
2
E n
2
(4.22)
Desarrollando E
_
n
2
_
obtenemos
E
_
n
2
_
= E
___

n()h() d
___

n()h() d
__
=
_

E n()n() h()h() dd
=
_

N
0
2
( )h()h() dd
=
N
0
2
_

h
2
() d
=
N
0
2
c h(t) (4.23)
que, sustituido en (4.22), nos da
_
S
N
_
q
=
s
2
E n
2
=
s
2
N
0
2
c h(t)
=
_
_
s()h() d
_
2
N
0
2
c h(t)
(4.24)
Particularizando la desigualdad de Cauchy-Schwarz (Apartado 2.1.4, Ecuacin (2.60)) a las
seales s(t) y h(t) y elevando al cuadrado cada uno de los trminos de la desigualdad
(2.60), tenemos
__

s(t)h(t) dt
_
2
__

[s(t)[
2
dt
___

[h(t)[
2
dt
_
(4.25)
que nos sirve para acotar la relacin seal a ruido como
_
S
N
_
q
=
__

s()h() d
_
2
N
0
2
c h(t)
__

[s(t)[
2
dt
___

[h(t)[
2
dt
_
N
0
2
c h(t)
=
=
2
N
0
c s(t) c h(t)
c h(t)
=
2
N
0
c s(t) (4.26)
4.3 DEMODULADOR 193
donde la igualdad (y, por tanto, el mximo) se produce cuando h(t) = Ks(t), para cual-
quier valor no nulo de la constante K. De aqu concluimos que:
1. La relacin seal a ruido a la salida se hace mxima cuando h(t) = Ks(t) para
cualquier valor de K (exceptuando K = 0) y, particularmente, para el ltro adaptado,
h(t) = s(t).
2. La relacin seal a ruido a la salida del ltro adaptado no depende de la forma espec-
ca de s(t), sino nicamente de su energa y de la densidad espectral de potencia del
ruido a la entrada del ltro.
Esta demostracin realizada para el modelo de la Figura 4.16 empleando una nica seal
s(t) es aplicable al conjunto de seales del transmisor, s
i
(t), i = 1, . . . , M y al conjunto
de seales de base,
j
(t), j = 1, . . . , N, con lo que se demuestra que la estructura de
demodulador basado en ltros adaptados (o su equivalente de correlacin) es la estructura
que nos permite obtener la mxima relacin seal a ruido en cada componente del vector q.
Propiedades del ltro adaptado en ausencia de ruido. Si en el modelo de la Figura 4.16
eliminamos el ruido (n(t) = 0), la salida q(t) posee propiedades interesantes, como:
P 1. La transformada de Fourier de q(t), Q(j), es la densidad espectral de energa de s(t),
[S(j)[
2
.
Para demostrarlo determinamos en primer lugar la funcin de transferencia del ltro
adaptado, H(j), que resulta ser, por la propiedad de simetra de la Transformada de
Fourier, y dado que h(t) = s(t) es una seal real, H(j) = S
(j). A partir de esta,

la transformada de Fourier de q(t), Q(j)
Q(j) = S(j) H(j) = S(j) S
(j) = [S(j)[
2
(4.27)
P 2. q(t) es la funcin de ambigedad temporal de s(t), r
s
(t).
Para demostrarlo podemos utilizar la propiedad anterior, aprovechando que la funcin
de ambigedad temporal, tal como qued denida en (2.57), es la transformada inversa
de la densidad espectral de energa. Tambin podemos calcular la salida directamente
como
q(t) = s(t) h(t) =
_

s()h(t ) d =
_

s()s( t) d = r
s
(t) (4.28)
En las Figuras 4.14 y 4.15 podemos ver esta funcin de ambigedad temporal de,
respectivamente, los dos primeros y el tercer conjuntos de seales analizados. En estas
guras podemos comprobar que el valor de la funcin de ambigedad temporal en 0,
que coincide por denicin con la energa de la seal, es igual a 1, lo que concuerda
con la propiedad de ortonormalidad de los elementos de la base.
4.3.3. Canal discreto equivalente
Repasemos ahora algunas de las conclusiones del anlisis de nuestro modelo de comu-
nicacin digital:
1. La abilidad de un esquema de comunicacin, por lo que respecta al proceso de mo-
dulacin, viene dada por las caractersticas de la constelacin de seales y no por los
elementos de la base de seales que empleemos en el proceso de modulacin.
2. La relacin seal a ruido a la salida del demodulador no depende de la forma concreta
que toman cada uno de los elementos de la base de seales, sino de su energa y
de la densidad espectral de potencia del ruido presente en el canal. Como la base es
ortonormal (energa de cada elemento de la base igual a 1), la relacin seal a ruido
a la salida del demodulador depende nicamente de la densidad espectral de potencia
del ruido.
3. La salida del demodulador es un vector q que toma la forma q = A+ n (Ecuacin
(4.11)), donde A es el smbolo transmitido y n es una componente de ruido con una
funcin de densidad de probabilidad denida en (4.15).
Estas conclusiones nos permiten obtener una simplicacin del modelo general de un
sistema de comunicacin representado en la Figura 4.1 englobando el modulador, canal y
demodulador en un nico elemento que denominamos canal discreto equivalente, segn se
muestra en la Figura 4.17. Este modelo va a ser de utilidad en el anlisis del decisor porque
q
Canal
discreto
equivalente
A
Modulador Demodulador Canal
s( ) t r t ( )
A
q
Figura 4.17. Denicin del canal discreto equivalente.
nos permite ocultar la naturaleza fsica del canal y centrarnos en los aspectos que van a
inuir en la abilidad de la comunicacin.
El canal discreto equivalente es, en general, vectorial y con dimensin la del espacio de
seales del modulador, N. La relacin entre su entrada y salida viene dada, para el modelo
de canal aditivo gausiano, por q = A+n, segn se representa en la Figura 4.18. Las compo-
nentes de ruido n
j
son, de acuerdo con (4.15), variables aleatorias gausianas independientes
de media cero y varianza N
0
/2.
Volviendo a los cuatro conjuntos de seales considerados en apartados anteriores, los
tres primeros tienen el mismo modelo de canal discreto equivalente, que resulta ser escalar
4.4 DECISOR Y CODIFICADOR 195
A
0
n
0
A
N-1
n
N-1
A
1
q
0
q
N-1
q
1
n
1
Figura 4.18. Canal discreto equivalente para canal aditivo gausiano.
(N = 1) y su relacin entrada/salida es tan simple como q
0
= A
0
+ n
0
. El cuarto es
vectorial con dimensin 2. Otro aspecto relevante es que los conjuntos primero y tercero
se van a comportar de idntica forma ya que poseen el mismo modelo de canal discreto
equivalente y la misma constelacin; aspecto ste que ya habamos sealado sin hacer uso
del canal discreto equivalente.
4.4. DECISOR Y CODIFICADOR
Llegamos por n a la parte ms importante del sistema de comunicaciones: el decisor. El
decisor debe asignar un smbolo

B al vector de entrada q de acuerdo con un criterio: hacer
mnima la probabilidad de error de smbolo, segn qued denida en (4.3). El desarrollo del
decisor bajo este criterio nos va a obligar a reconsiderar todo el anlisis realizado hasta ahora
porque, al n y al cabo, todo el sistema de comunicaciones debe ser diseado para cumplir
el criterio de mnima probabilidad de error de smbolo, y el lugar donde debe medirse esta
probabilidad de error es el decisor. Por este motivo nos hemos referido anteriormente al
decisor como la parte ms importante del sistema de comunicaciones.
Una vez que obtengamos el decisor abordaremos el diseo (o mas bien, criterios de
diseo) del codicador y la evaluacin analtica de la probabilidad de error.
4.4.1. Desarrollo del decisor ptimo
El cometido que ha de realizar el decisor es el siguiente: a cada posible valor del vector
de entrada q el decisor debe asignarle un smbolo

B = b
i
de tal manera que la probabilidad
media de error por smbolo sea lo ms pequea posible.
Comencemos analizando el signicado de la probabilidad media de error por smbolo
en el proceso de decisin. Cuando q toma un valor determinado q
0
, el decisor le asigna un
smbolo

B = b
i
; la probabilidad de error en esta decisin, que denotamos como P
e
(

B =
b
i
, q = q
0
), es
P
e
(

B = b
i
, q = q
0
)
.
= Pr(B ,= b
i
[ q = q
0
) = 1 Pr(B = b
i
[ q = q
0
) = 1 p
B[q
(b
i
[q
0
)
(4.29)
o, dicho en palabras, la probabilidad de error en una decisin (

B = b
i
) tomada a partir de
una entrada determinada (q
0
) ser igual a la probabilidad de que, siendo la entrada igual a
q
0
, el smbolo transmitido no sea igual al decidido. El valor p
B[q
(b
i
[q
0
) es, obviamente, la
probabilidad de acertar cuando ante un valor de entrada q
0
el decisor asigna el smbolo b
i
(

B = b
i
).
La probabilidad media de error cuando el decisor presenta a su salida el smbolo b
i
,
P
e
(

B = b
i
), se obtiene eliminando de (4.29) la dependencia respecto al valor concreto de la
entrada al decisor. Esto se consigue calculando el valor medio de (4.29) respecto a q
0
de la
siguiente forma
P
e
(

B = b
i
) = Pr(B ,= b
i
)
=
_

Pr(B ,= b
i
[ q = q
0
)f
q
(q
0
) dq
0
=
_

_
1 p
B[q
(b
i
[q
0
)
_
f
q
(q
0
) dq
0
=
_

f
q
(q
0
) dq
0
p
B[q
(b
i
[q
0
)f
q
(q
0
) dq
0
= 1
_

p
B[q
(b
i
[q
0
)f
q
(q
0
) dq
0
(4.30)
Para determinar el procedimiento de decisin que hace mnima la probabilidad media
de error seguimos el siguiente razonamiento:
El mnimo de la probabilidad media de error cuando el decisor presenta a su salida el
smbolo b
i
se consigue haciendo mxima la integral que aparece en la ltima lnea de
(4.30).
La funcin dentro de esta integral, p
B[q
(b
i
[q
0
)f
q
(q
0
), es siempre mayor o igual que
cero por ser el producto de dos funciones no negativas (0 p
B[q
(b
i
[q
0
) 1 y
0 f
q
(q
0
)). Esto implica que el mximo de la integral se consigue haciendo mxima
la funcin dentro de la integral para cada posible valor de q
0
.
Dado que f
q
(q
0
) no es funcin del smbolo decidido, el mximo de la funcin dentro
de la integral se consigue haciendo mxima p
B[q
(b
i
[q
0
) y, por tanto, para conseguir
la mnima probabilidad media de error el decisor ha de asignar el smbolo b
i
(

B = b
i
)
a todos aquellos valores del vector de entrada q, q
0
, para los que se cumple que
p
B[q
(b
i
[q
0
) > p
B[q
(b
j
[q
0
)
para todo j distinto de i.
Este criterio o forma de proceder tambin podemos interpretarlo de la siguiente manera:
ante un valor del vector de entrada q
0
, el decisor ha de calcular el conjunto de probabilidades
_
p
B[q
(b
j
[q
0
), j = 0, . . . M 1
_
; la salida del decisor ser el smbolo b
i
que cumple
p
B[q
(b
i
[q
0
) > p
B[q
(b
j
[q
0
) j = 0, . . . M 1, j ,= i (4.31)
es decir, el mximo de p
B[q
(b
j
[q
0
). En el caso en que dos smbolos distintos, b
i
y b
l
, obten-
gan el mximo, esto es,
p
B[q
(b
i
[q
0
) = p
B[q
(b
l
[q
0
) > p
B[q
(b
j
[q
0
) j = 0, . . . M 1, j ,= i, l
el decisor podr optar por uno de ellos de manera arbitraria sin que esta decisin tenga efecto
alguno sobre la probabilidad media de error.
Este criterio de decisin se conoce con el nombre de mximo a posteriori o MAP (de
maximum a posteriori ). Su nombre viene de la denominacin de p
B[q
(b
j
[q
0
) como pro-
babilidades a posteriori por representar la probabilidad de los smbolos una vez realizada
la transmisin, y en contraposicin a las probabilidades p
B
(b
i
) denominadas a priori por
representar la probabilidad de los smbolos antes de realizar la transmisin.
La determinacin de las probabilidades a posteriori puede realizarse mediante la regla
de Bayes, (3.109),
p
B[q
(b
j
[q
0
) =
p
B
(b
j
) f
q[B
(q
0
[b
j
)
f
q
(q
0
)
(4.32)
donde, teniendo en cuenta que B = b
j
implica que A = a
j
y viceversa, establecemos la
igualdad
f
q[B
(q
0
[b
j
) = f
q[A
(q
0
[a
j
) (4.33)
siendo la funcin de densidad de probabilidad f
q[A
(q
0
[a
j
) la obtenida en (4.17).
Introduciendo (4.32) y (4.33) en (4.31), el criterio MAP se reduce a encontrar el smbolo
b
i
que cumple
p
B
(b
i
) f
q[A
(q
0
[a
i
)
f
q
(q
0
)
>
p
B
(b
j
) f
q[A
(q
0
[a
j
)
f
q
(q
0
)
j = 0, . . . M 1, j ,= i (4.34)
que, como f
q
(q
0
) es una cantidad no negativa e independiente del smbolo transmitido, es
equivalente a
p
B
(b
i
) f
q[A
(q
0
[a
i
) > p
B
(b
j
) f
q[A
(q
0
[a
j
) j = 0, . . . M 1, j ,= i (4.35)
Finalmente, si utilizamos la hiptesis de smbolos equiprobables (Pr(B
j
) = 1/M, j =
0, . . . M 1), podemos suprimir las probabilidades a priori de (4.35) y reducir el criterio
MAP a encontrar el smbolo b
i
que cumple
f
q[A
(q
0
[a
i
) > f
q[A
(q
0
[a
j
) j = 0, . . . M 1, j ,= i (4.36)
o, lo que es igual, a encontrar el smbolo que hace mxima la funcin f
q[A
(q
0
[a
i
).
Esta particularizacin del criterio MAP para smbolos equiprobables
2
recibe el nombre
de criterio de mxima verosimilitud o criterio ML (de maximum likelihood). El nom-
bre viene de la propia funcin f
q[A
(q
0
[a
i
), denominada funcin de verosimilitud ya que
2
Que es tambin el que podramos aplicar si las probabilidades a priori fuesen desconocidas.
representa una medida de certidumbre o verosimilitud de que la hiptesis cierta sea que el
smbolo transmitido fuese a
i
cuando la entrada al decisor es q
0
.
Antes de desarrollar el criterio MAP ( ML) para la funcin de verosimilitud de nuestro
problema vamos a ilustrar con un ejemplo la aplicacin de estos criterios a un caso concreto
y, a partir de este ejemplo, introduciremos un concepto importante como es el de regiones
de decisin.
Ejemplo 4.1
Consideremos un sistema de comunicacin binario (M = 2) que emplea un espacio de seal
unidimensional (N = 1). La Figura 4.19 muestra las curvas p
B
(b
0
) f
q|A
(q[a
0
) (ahora tanto A
como q son escalares) y p
B
(b
1
) f
q|A
(q[a
1
) en funcin del valor de q obtenidas en el receptor de
este sistema de comunicacin.
q
q
1
q
2
q
0
p
B
(b
0
)f
q|A
(q|a
0
) p
B
(b
1
)f
q|A
(q|a
1
)
Figura 4.19. Aplicacin del criterio MAP con smbolos equiprobables.
Si el valor de q en el receptor es el etiquetado como q
0
en la Figura 4.19, se cumple que
p
B
(b
1
) f
q|A
(q
0
[a
1
) > p
B
(b
0
) f
q|A
(q
0
[a
0
)
y, por tanto, el decisor MAP ofrecer como salida b
1
. Si el valor de q en el receptor es el etiquetado
como q
1
p
B
(b
0
) f
q|A
(q
1
[a
0
) = p
B
(b
1
) f
q|A
(q
1
[a
1
)
y el decisor MAP podr ofrecer como salida b
0
o b
1
. Si el valor de q en el receptor es el etiquetado
como q
2
p
B
(b
0
) f
q|A
(q
2
[a
0
) > p
B
(b
1
) f
q|A
(q
2
[a
1
)
y el decisor MAP ofrecer como salida b
0
.
Como hemos visto en el ejemplo precedente, para tomar una decisin debemos calcular
el valor de cada una de las funciones p
B
(b
j
) f
q[A
(q[a
j
) para el valor de entrada al decisor
q = q
0
. Este clculo puede ser realizado antes de transmitir smbolo alguno para todos los
posibles valores de la entrada q y asignar de forma directa a cada posible valor de la entrada
un smbolo b
i
determinado.
Ejemplo 4.1 (Continuacin)
Podemos comprobar que cuando el valor de q sea menor que el etiquetado como q
1
en la Figura
4.19, se cumple
p
B
(b
1
) f
q|A
(q[a
1
) > p
B
(b
0
) f
q|A
(q[a
0
)
y asignar directamente como salida el smbolo b
1
. De forma anloga podemos comprobar que
p
B
(b
0
) f
q|A
(q[a
0
) > p
B
(b
1
) f
q|A
(q[a
1
) q > q
1
y asignamos como salida el smbolo b
0
.
As, en lugar de calcular las funciones p
B
(b
0
) f
q|A
(q[a
0
) y p
B
(b
1
) f
q|A
(q[a
1
) para el valor de
entrada correspondiente, slo hay que comparar la entrada con q
1
: si es menor, el decisor MAP
ofrecer como salida b
1
y si es mayor, b
0
.
Con este procedimiento estamos realizando una particin del espacio de entrada al de-
cisor en regiones disjuntas I
i
, i = 0, . . . , M 1 (I
0
= (q1, ) e I
1
= (, q
1
) en el
ejemplo precedente). A cada una de estas regiones le asignamos una decisin (

B = b
i
) y por
esta razn son llamadas regiones de decisin. El decisor queda unvocamente determinado
mediante la relacin
q I
i

B = b
i
(4.37)
Si el espacio de entrada es unidimensional, los valores que separan las regiones de decisin
(q
1
en el ejemplo precedente) se denominan umbrales de decisin. Si el espacio de entrada
es multidimensional, las supercies (o curvas, si la dimensin es igual a 2) que separan las
regiones de decisin se denominan fronteras de decisin.
En determinadas ocasiones los smbolos de entrada a nuestro sistema no son equipro-
bables y, en consecuencia, el criterio MAP no se reduce al ML. Veamos con el siguiente
ejemplo la inuencia de las probabilidades a priori de aparicin de los smbolos.
Ejemplo 4.2
Consideremos el sistema de comunicacin descrito en el Ejemplo 4.1, ahora con unas proba-
bilidades a priori p
B
(b
1
) = 2p
B
(b
0
). La Figura 4.20 muestra las curvas p
B
(b
0
) f
q|A
(q[a
0
) y
p
B
(b
1
) f
q|A
(q[a
1
) en funcin del valor de q obtenidas en el receptor de este sistema de comu-
nicacin, donde se han representado los mismos tres valores de q (q
0
, q
1
y q
2
) empleados en el
Ejemplo 4.1 (Figura 4.19).
Al modicar las probabilidades a priori, de smbolos equiprobables a p
B
(b
1
) = 2p
B
(b
0
), el
umbral de decisin se ha trasladado de q
1
a q
3
, que es el valor de q para el que se produce la
igualdad
p
B
(b
0
) f
q|A
(q
3
[a
0
) = p
B
(b
1
) f
q|A
(q
3
[a
1
)
Continuemos ahora con el criterio ML ( MAP con smbolos equiprobables, como se
desee nombrar) para la funcin de verosimilitud de nuestro problema. Introduciendo la fun-
cin de densidad de probabilidad de la entrada al receptor, (4.17), en la formulacin del
decisor ML obtenemos que la salida ser el smbolo b
i
(o, equivalentemente, q
0
pertenece a
I
i
) que cumple
1
(N
0
)
N/2
e
||q
0
a
i
||
2
N
0
>
1
(N
0
)
N/2
e
||q
0
a
j
||
2
N
0
j = 0, . . . M 1, j ,= i (4.38)
q
q
1
q
2
q
0
q
3
p
B
(b
0
)f
q|A
(q|a
0
)
p
B
(b
1
)f
q|A
(q|a
1
)
Figura 4.20. Aplicacin del criterio MAP con smbolos no equiprobables.
Multiplicamos ambos trminos de la desigualdad por (N
0
)
N/2
y obtenemos
e
||q
0
a
i
||
2
N
0
> e
||q
0
a
j
||
2
N
0
j = 0, . . . M 1, j ,= i (4.39)
Teniendo en cuenta que la funcin exponencial es montona creciente y, por tanto, cumple
e
a
> e
b
a > b
(4.39) es equivalente a
[[q
0
a
i
[[
2
N
0
>
[[q
0
a
j
[[
2
N
0
j = 0, . . . M 1, j ,= i (4.40)
de donde, reordenando los trminos y multiplicando por N
0
, obtenemos
[[q
0
a
i
[[
2
< [[q
0
a
j
[[
2
j = 0, . . . M 1, j ,= i (4.41)
Recordando que
[[q
0
a
i
[[
2
=
N1
l=0
(q
0l
a
il
)
2
= (d(q
0
, a
i
))
2
(4.42)
nalmente establecemos que la salida del decisor ML ante una entrada q
0
es el smbolo b
i
si se cumple
d(q
0
, a
i
) < d(q
0
, a
j
) j = 0, . . . M 1, j ,= i (4.43)
lo que expresado en palabras quiere decir que el decisor ML se limita a escoger el smbolo
ms cercano al vector de entrada. Alternativamente, podemos decir que las regiones de de-
cisin I
i
estarn formadas por todos los puntos que se encuentran ms cerca del smbolo a
i
que de cualquier otro de la constelacin.
Un esquema de este decisor es el mostrado en la Figura 4.21.
En este punto es necesario realizar las siguientes precisiones:
q
M
n
i
m
o
(
a
r
g
u
m
e
n
t
o
)
B
d 0 , a
d 1 , a
d 1 , - M a
Figura 4.21. Estructura del decisor de mxima verosimilitud.
Este ltimo desarrollo que nos ha llevado a formular el decisor ML como un decisor
de mnima distancia eucldea est basado en una funcin de densidad de probabilidad
gausiana de la entrada al decisor, y esta funcin de densidad de probabilidad viene
dada por la naturaleza del ruido presente en el canal. Otros tipos de ruido de canal que
no puedan considerarse gausianos (por ejemplo, el ruido en comunicaciones por bra
ptica) conducirn a formulaciones distintas del decisor.
La denicin de la distancia entre seales que hemos realizado a lo largo de todo el
captulo (distancia eucldea) no es la nica posible, y se ha adoptado sin una justica-
cin estricta. Es precisamente ahora cuando podemos justicar, mediante la estadstica
gausiana, que se debe emplear esta medida de distancia y no otra.
Desde el punto de vista de la realizacin prctica del decisor, el clculo de distancias
puede simplicarse debido a que en realidad no estamos interesados en obtener la distancia
del vector de entrada a cada uno de los smbolos, sino en obtener el smbolo que se encuentra
a una distancia menor. Sustituyendo (4.42) en (4.41) tenemos
N1
l=0
(q
0l
a
il
)
2
<
N1
l=0
(q
0l
a
jl
)
2
j = 0, . . . M 1, j ,= i (4.44)
desarrollando los cuadrados
N1
l=0
q
2
0l
+
N1
l=0
a
2
il
2
N1
l=0
q
0l
a
il
<
N1
l=0
q
2
0l
+
N1
l=0
a
2
jl
2
N1
l=0
q
0l
a
jl
j = 0, . . . M 1, j ,= i (4.45)
En cada uno de los trminos, el primer sumatorio es la energa del vector de entrada y puede
suprimirse porque es comn a ambos, el segundo sumatorio es la energa del smbolo co-
rrespondiente y el tercer trmino es el producto escalar del vector de entrada con el smbolo
correspondiente. Suprimiendo los trminos comunes y reagrupando, (4.45) se transforma en
N1
l=0
q
0l
a
il

1
2
N1
l=0
a
2
il
>
N1
l=0
q
0l
a
jl

1
2
N1
l=0
a
2
jl
j = 0, . . . M 1, j ,= i (4.46)
o, equivalentemente,
q
0
, a
i

1
2
[[a
i
[[
2
> q
0
, a
j

1
2
[[a
j
[[
2
j = 0, . . . M 1, j ,= i (4.47)
q
0
-1/2|| || a
1
2
-1/2|| || a
0
2
-1/2|| || a
M-1
2
M
x
i
m
o
(
a
r
g
u
m
e
n
t
o
)
B
0 , a
1 , a
1 , - M a
Figura 4.22. Realizacin del decisor de mxima verosimilitud empleando correlacionadores.
La Figura 4.22 muestra la estructura del decisor realizado de acuerdo con este desarrollo.
Es interesante comprobar cmo las realizaciones del decisor mostradas en las Figuras 4.21
y 4.22 no son sino dos manifestaciones del mismo criterio, el de mxima verosimilitud. Lo
que en denitiva se mide cuando se aplica este criterio es la semejanza entre la entrada al
decisor y un conjunto de smbolos. Esta semejanza se puede medir mediante distancias (si
menor es la distancia, ms se parecen) como en la Figura 4.21 o mediante correlaciones (si
la correlacin es mayor, ms se parecen) como en la Figura 4.22.
4.4.2. Clculo de probabilidades de error
En el apartado precedente hemos demostrado que el decisor MAP es el que proporciona
una menor probabilidad de error, pero no hemos obtenido la medida de dicha probabilidad
de error que es, en denitiva, la que indica la abilidad del sistema de comunicacin. Para
calcularla vamos a ir analizando diversas situaciones de menor a mayor complejidad.
Decisor binario en espacio unidimensional
Vamos a considerar la constelacin de la Figura 4.6 (Pgina 182), correspondiente al
primer conjunto de seales analizados en el estudio del modulador. En ella, el smbolo a
0
tiene como coordenada
T y el smbolo a
1
,
T. La regin de decisin I
0
estar formada
por todos los valores de q ms cercanos a a
0
que a a
1
, es decir, por todos los valores de
q mayores que cero. Anlogamente, la regin de decisin I
1
estar formada por todos los
valores de q menores que cero. El umbral de decisin es, por tanto, cero.
Supongamos ahora que el smbolo transmitido es a
0
. La funcin de densidad de pro-
babilidad de la entrada al receptor, f
q[A
(q[a
0
) es una gausiana de media

T y varianza
N
0
/2
f
q[A
(q[a
0
) =
1
N
0
e
(qa
0
)
2
N
0
=
1
N
0
e
(q
T)
2
N
0
(4.48)
que se encuentra representada en la Figura 4.23.
T 0 T q
f
q|A
(q|a
0
)
Figura 4.23. Funcin de densidad de probabilidad de la entrada al decisor cuando el sm-
bolo transmitido es a
0
. El rea sombreada representa la probabilidad de error.
Para que se produzca un error de decisin en estas condiciones, el valor de entrada al
decisor, q, ha de ser menor que cero. La probabilidad de ocurrencia de este suceso (q < 0)
es igual a la funcin de distribucin de q[a
0
en el umbral de decisin, F
q[a
0
(0[a
0
), o, lo que
es lo mismo, la integral desde hasta 0 de f
q[A
(q[a
0
). Grcamente, esta probabilidad
es igual al rea bajo f
q[A
(q[a
0
) entre y 0, que se muestra sombreada en la Figura 4.23.
De igual manera, si suponemos que el smbolo transmitido es a
1
, la funcin de densidad
de probabilidad de la entrada al receptor, f
q[A
(q[a
1
) es una gausiana de media
T y
varianza N
0
/2
f
q[A
(q[a
1
) =
1
N
0
e
(qa
1
)
2
N
0
=
1
N
0
e
(q+
T)
2
N
0
(4.49)
que se encuentra representada en la Figura 4.24.
T 0 T q
f
q|A
(q|a
1
)
1
. El rea sombreada representa la probabilidad de error.
La probabilidad de que se produzca un error de decisin ser ahora la integral entre 0 e
de f
q[A
(q[a
1
), que se corresponde con el rea bajo f
q[A
(q[a
1
) entre 0 e tal y como se
muestra en la Figura 4.24.
En general, la probabilidad de ocurrencia de un error de decisin condicionada a que el
smbolo transmitido sea a
i
, que denotaremos por P
e[a
i
y denominaremos, por simplicidad,
probabilidad de error condicionada a a
i
, es igual a la integral de la funcin de densidad de
probabilidad de la entrada al decisor fuera de la regin de decisin I
i
cuando el smbolo
transmitido es a
i
,
P
e[a
i
=
_
q,I
i
f
q[A
(q[a
i
) dq (4.50)
La probabilidad media de error P
e
ser la suma de las probabilidades de error condicio-
nadas a cada uno de los smbolos ponderadas por la probabilidad de aparicin de cada uno
de estos smbolos (equiprobables, segn hemos supuesto),
P
e
=
M1
i=0
p
A
(a
i
)P
e[a
i
=
1
M
M1
i=0
P
e[a
i
(4.51)
En nuestro caso, la probabilidad media de error ser
P
e
=
1
2
P
e[a
0
+
1
2
P
e[a
1
(4.52)
Antes de proceder al clculo de estas cantidades para nuestro problema podemos ver
una justicacin del carcter ptimo del criterio MAP ms intuitiva que la presentada en la
Pgina 196. Si superponemos las grcas de las Figuras 4.23 y 4.24 (multiplicando ambas
por 1/2) podemos ver (Figura 4.25(a)) una interpretacin grca de la probabilidad media de
error como el rea total sombreada. Podemos comprobar que el valor del umbral de decisin
T 0 T q
0.5 f
q|A
(q|a
1
) 0.5 f
q|A
(q|a
0
)
T 0 T q
0.5 f
q|A
(q|a
1
) 0.5 f
q|A
(q|a
0
)
(a) (b)
Figura 4.25. Probabilidad media de error en funcin del valor del umbral de decisin: (a)
umbral de decisin igual a cero; (b) ejemplo con umbral de decisin distinto de cero.
que hace mnima la probabilidad media de error es el obtenido aplicando el criterio MAP.
Esto es, el de cruce entre las funciones de densidad de probabilidad de la entrada al decisor
condicionadas por cada uno de los smbolos. Si desplazamos el umbral de decisin hacia la
derecha (Figura 4.25(b)) vemos como el rea sombreada y, por tanto, la probabilidad media
de error crece. Igual sucede si desplazamos el umbral de decisin hacia la izquierda.
Calculemos ahora P
e[a
0
y P
e[a
1
. Como hemos mencionado anteriormente, P
e[a
0
se ob-
tiene como
P
e[a
0
=
_
0
f
q[A
(q[a
0
) dq =
_
0
N
0
e
(q
T)
2
N
0
dq (4.53)
Esta integral no tiene solucin analtica, pero podemos expresarla como una funcin Q,
(3.31) (Pgina 103), que recordemos es
Q(x) =
1
2
_

x
e
2
2
d
Para expresar (4.53) como una funcin Q es necesario que el argumento de la exponencial
dentro de la integral tome la forma
2
/2. Realizamos el cambio de variable (q
T)
2
/N
0
=
2
/2 y (4.53) queda como
P
e[a
0
=
1
2
_

2T/N
0
2
2
d (4.54)
Dado que e
2
/2
es una funcin par, (4.53) puede expresarse como
P
e[a
0
=
1
2
_

2T/N
0
e
2
2
d = Q
_

T
_
N
0
/2
_
(4.55)
Podemos proceder de idntica forma para calcular P
e[a
1
, pero terminamos antes compro-
bando que P
e[a
0
= P
e[a
1
dada la simetra del problema (vanse las Figuras 4.23 y 4.24). La
probabilidad media de error es entonces
P
e
=
1
2
P
e[a
0
+
1
2
P
e[a
1
= Q
_

T
_
N
0
/2
_
(4.56)
Analizando el argumento de la funcin Q en (4.56) podemos observar que

T es la
distancia de a
1
(o a
2
) al umbral de decisin o, lo que es lo mismo, la mitad de la distancia
entre a
1
y a
2
. El valor N
0
/2 es asimismo la varianza del ruido, por lo que, yendo de lo
particular a lo general, podemos expresar la probabilidad media de error de una decisin
binaria en un espacio unidimensional como
P
e
= Q
_
d(a
0
, a
1
)
2
_
N
0
/2
_
= Q
_
d(a
0
, a
1
)
2
n
_
(4.57)
Decisor binario en espacio multidimensional
Para ilustrar este caso vamos a considerar la constelacin de la Figura 4.9 (Pgina 184),
correspondiente al cuarto conjunto de seales analizado en el estudio del modulador. En ella,
los smbolos a
0
y a
1
son vectores de dimensin 2. El smbolo a
0
tiene como coordenadas
[
2T 0]
T
(el superndice T denota vector transpuesto) y el smbolo a
1
, [0
2T]
T
. Para
determinar las regiones de decisin I
0
e I
1
calculamos la curva en el plano q equidistante
de a
0
y a
1
(la frontera de decisin) que, como podemos comprobar en la Figura 4.26, es la
recta q
0
= q
1
. La regin de decisin I
0
es el semiplano a la derecha de la recta q
0
= q
1
y la
regin de decisin I
1
el semiplano a la izquierda de esta recta.
(2T)
0 (2T)
q
0
q
1
q
0
= q
1
I
0
I
1
a
0
a
1
Figura 4.26. Frontera de decisin y regiones de decisin.
Si el smbolo transmitido es a
0
la funcin de densidad de probabilidad de la entrada
al receptor, f
q[A
(q[a
0
) es una gausiana bidimensional de media [
2T 0]
T
, componentes
independientes y varianza de cada una de las componentes igual a N
0
/2
f
q[A
(q[a
0
) =
1
N
0
e
||qa
0
||
2
N
0
=
1
N
0
e
(q
0
2T)
2
+q
2
1
N
0
(4.58)
que se encuentra representada en la Figura 4.27. Para calcular P
e[a
0
debemos integrar esta
(2T)
0
(2T)
q
1
q
0
= q
1
q
0
0
.
funcin de densidad de probabilidad en el semiplano denido por q
1
> q
0
, pero si en el caso
unidimensional tuvimos que recurrir a la funcin Q porque no existe una solucin analtica,
ahora lo vamos a tener an ms difcil. En lugar de resolver el clculo de forma directa,
vamos a reducir el problema a uno unidimensional: al n y al cabo, si slo tenemos dos
smbolos podemos hacer pasar una recta por esos dos puntos del plano.
Realizamos el siguiente cambio de variables:
q
0
=
1
2
(q
0
q
1
) (4.59)
q
1
=
1
2
(q
0
+q
1
2T) (4.60)
Si el smbolo transmitido es a
0
, q
0
toma la forma
q
A=a
0
=
1
2
((a
00
+n
0
) (a
01
+n
1
))
=
1
2
_
(
2T +n
0
) (0 +n
1
)
_
=
T +
1
2
(n
0
n
1
) (4.61)
y q
1
q
A=a
0
=
1
2
((a
00
+n
0
) + (a
01
+n
1
)
2T)
=
1
2
((
2T +n
0
) + (0 +n
1
)
2T)
=
1
2
(n
0
+n
1
) (4.62)
De forma anloga, si el smbolo transmitido es a
1
, q
0
y q
1
toman la forma
q
A=a
1
=
T +
1
2
(n
0
n
1
) (4.63)
q
A=a
1
=
1
2
(n
0
+n
1
) (4.64)
De las dos componentes, slo q
0
contiene informacin sobre el smbolo transmitido; q
1
contiene ruido. Esto implica que hemos reducido la dimensin del espacio de seal de dos a
una. Las coordenadas de los nuevos elementos de la constelacin respecto a q
0
, a
0
y a
1
, son,
respectivamente,
T y
T, exactamente las mismas que la constelacin unidimensional

considerada anteriormente.
Respecto al ruido, es fcil demostrar que n
0
n
1
es independiente de n
0
+ n
1
, ya que
la suma (o resta) de dos variables con funcin de densidad de probabilidad gausiana es otra
variable aleatoria gausiana y E(n
0
n
1
)(n
0
+n
1
) = En
2
0
n
2
1
= N
0
/2 N
0
/2 = 0.
Esto implica que el valor de q
1
es irrelevante para la decisin y q
0
es un estadstico suciente
para la deteccin.
Para determinar la probabilidad de error debemos conocer los estadsticos de la compo-
nente de ruido, 1/
2(n
0
n
1
), ya que por ahora slo sabemos que es gausiana. El valor
medio es
E
_
1
2
(n
0
n
1
)
_
=
1
2
En
0

1
2
En
1
= 0 (4.65)
y la varianza
E
_
_
1
2
(n
0
n
1
)
_
2
_
=
1
2
En
2
0
+
1
2
En
2
1
En
0
n
1
=
1
2
N
0
2
+
1
2
N
0
2
0
=
N
0
2
(4.66)
Por ltimo, si la nueva constelacin es la misma que en el caso unidimensional, y los
estadsticos del ruido tambin (media cero y varianza N
0
/2), tambin lo ser la probabilidad
de error,
P
e
= Q
_
d(a
0
, a
1
)
2
_
N
0
/2
_
= Q
_
2
T
2
_
N
0
/2
_
= Q
_

T
_
N
0
/2
_
(4.67)
La distancia entre los smbolos de la nueva constelacin es idntica a la de la constela-
cin original, d(a
0
, a
1
) = d(a
0
, a
1
), por lo que es indistinto realizar la medida de distan-
cia en el espacio original que en el transformado (de hecho, el transformado ni siquiera hay
que calcularlo para evaluar la probabilidad media de error).
El desarrollo aqu realizado puede extenderse a cualquier constelacin binaria en un es-
pacio de una dimensin arbitraria, obteniendo que la probabilidad media de error es funcin
de la distancia entre los puntos de la constelacin y la varianza del ruido en cada una de las
componentes del vector de entrada, y es igual a
P
e
= Q
_
d(a
0
, a
1
)
2
_
N
0
/2
_
(4.68)
Decisor M-ario en espacio unidimensional
Para ilustrar este caso vamos a considerar la constelacin mostrada en la Figura 4.28.
Est compuesta por cuatros smbolos de coordenadas -3, -1, 1 y 3. Los umbrales de decisin
estn situados en -2, 0 y 2 y las regiones de decisin son, respectivamente, (, 2),
(2 , 0), (0 , 2) y (2 , ).
3 2 1 0 1 2 3
q
a
0
a
1
a
2
a
3
Figura 4.28. Constelacin unidimensional de cuatro smbolos.
Para calcular la probabilidad de error cuando el smbolo transmitido es a
0
, P
e[a
0
, integra-
mos f
q[A
(q[a
0
) (gausiana de media a
0
(-3) y varianza N
0
/2) fuera de su regin de decisin:
esto es, entre -2 e (vase la Figura 4.29(a)). Este problema es idntico al del clculo de
la probabilidad de error para constelaciones binarias en espacios unidimensionales tratado
3 2 1 0 1 2 3
q
f
q|A
(q|a
0
)
3 2 1 0 1 2 3
q
f
q|A
(q|a
1
)
(a) (b)
Figura 4.29. Funcin de densidad de probabilidad de la entrada al decisor y probabilidad
de error cuando el smbolo transmitido es: (a) a
0
y (b) a
1
.
anteriormente, ya que se trata de integrar la cola de una gausiana. La probabilidad de error
es
P
e[a
0
= Q
_
d(a
0
, a
1
)
2
_
N
0
/2
_
= Q
_
1
_
N
0
/2
_
(4.69)
El clculo de la probabilidad de error cuando el smbolo transmitido es a
1
, P
e[a
1
, es
ligeramente distinto, porque hay que integrar las dos colas de f
q[A
(q[a
1
) (gausiana de media
a
1
(-1) y varianza N
0
/2): desde a -2 y desde 0 hasta (vase la Figura 4.29(b)). La
integral de cada una de las colas podemos expresarla mediante la funcin Q, y P
e[a
1
resulta
ser
P
e[a
1
= Q
_
d(a
1
, a
0
)
2
_
N
0
/2
_
+Q
_
d(a
1
, a
2
)
2
_
N
0
/2
_
= 2Q
_
1
_
N
0
/2
_
(4.70)
Por simetra tenemos que P
e[a
2
= P
e[a
1
y P
e[a
3
= P
e[a
0
, y la probabilidad media de
error es
P
e
=
M1
i=0
p
A
(a
i
)P
e[a
i
=
3
2
Q
_
1
_
N
0
/2
_
(4.71)
Obviamente, el mismo procedimiento aplicado a una constelacin de cuatro smbolos
puede emplearse en una constelacin unidimensional con cualquier nmero de smbolos.
Decisor M-ario en espacio multidimensional
El caso general de clculo de la probabilidad media de error en constelaciones multi-
dimensionales es un problema complejo por las formas que pueden tomar las regiones de
decisin. Para constelaciones binarias podamos transformar el problema en unidimensional
y as simplicar la resolucin de la integral necesaria para el clculo de la probabilidad de
error, pero para constelaciones con ms de dos smbolos, esto no siempre es posible. Co-
mo ejemplo, baste considerar las constelaciones bidimensionales y sus regiones de decisin
asociadas que se muestran en la Figura 4.30, de uso comn en sistemas de comunicaciones.
Sin embargo, en alguno de estos casos es an posible calcular de manera sencilla la
probabilidad media de error. Consideremos la constelacin de la Figura 4.30(a). Para el
3
3
1
1
1
1
3
3
0
q
0
q
1
1
1
1
1
q
0
q
1
(a) (b)
3
3
2
2
1
1
1
1
2
2
3
3
0
q
0
q
1
1
1
1
1
q
0
q
1
(c) (d)
Figura 4.30. Ejemplos de constelaciones bidimensionales y sus fronteras de decisin asociadas.
clculo de la probabilidad de error, las 16 regiones de decisin de la constelacin podemos
agruparlas en tres clases (mostradas en la Figura 4.31): la primera incluye las regiones I
0
,
I
3
, I
12
e I
15
; la segunda incluye las regiones I
1
, I
2
, I
4
e I
7
, I
8
, I
11
, I
13
e I
14
; la tercera
incluye las regiones I
5
, I
6
, I
9
e I
10
. Todos los smbolos a
i
que tienen asociada una regin
de decisin de la misma clase van a tener la misma probabilidad de error P
e[a
i
.
Comencemos calculando la probabilidad de error cuando el smbolo transmitido es a
0
,
que tiene una regin de decisin del primer tipo. En primer lugar expresamos la probabilidad
de error en funcin de la probabilidad de acierto, que denotamos por P
a[a
0
, como
P
e[a
0
=
_
q,I
1
f
q[A
(q[a
0
) dq = 1
_
qI
0
f
q[A
(q[a
0
) dq = 1 P
a[a
0
(4.72)
Para que se produzca una decisin correcta cuando el smbolo transmitido es a
0
debe suce-
der simultneamente que q
0
sea menor que 2 y q
1
mayor que 2. Como q
0
es estadsticamen-
te independiente de q
1
(segn demostramos en el anlisis del demodulador), la probabilidad
de que esto suceda es igual a la probabilidad de que q
0
sea menor que 2 multiplicado por
3
3
1
1
1
3
3
0
q
0
q
1
1
a
15
I
0
I
7
I
9
a
0
a
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
a
9
a
10
a
11
a
12
a
13
a
14
Figura 4.31. Constelacin bidimensional de diecisis smbolos.
la probabilidad de que q
1
sea mayor de 2. Matemticamente,
_
qI
0
f
q[A
(q[a
0
) dq =
__
2
f
q
0
[A
(q
0
[a
0
) dq
0
___

2
f
q
1
[A
(q
1
[a
0
) dq
1
_
(4.73)
La primera de estas dos integrales podemos expresarla como una funcin Q mediante la
transformacin
_
2
f
q
0
[A
(q
0
[a
0
) dq
0
= 1
_

2
f
q
0
[A
(q
0
[a
0
) dq
0
= 1 Q
_
d(a
0
, a
1
)
2
_
N
0
/2
_
(4.74)
e igualmente con la segunda integral
_

2
f
q
1
[A
(q
1
[a
0
) dq
1
= 1
_
2
f
q
1
[A
(q
1
[a
0
) dq
1
= 1 Q
_
d(a
0
, a
4
)
2
_
N
0
/2
_
(4.75)
Sustituyendo (4.74) y (4.75) en (4.73)
_
qI
0
f
q[A
(q[a
0
) dq =
_
1 Q
_
d(a
0
, a
1
)
2
_
N
0
/2
___
1 Q
_
d(a
0
, a
4
)
2
_
N
0
/2
__
=
_
1 Q
_
1
_
N
0
/2
__
2
(4.76)
y esta en (4.72)
P
e[a
0
= 1
_
1 Q
_
1
_
N
0
/2
__
2
= 2Q
_
1
_
N
0
/2
_
Q
2
_
1
_
N
0
/2
_
(4.77)
Ahora procedemos a calcular la probabilidad de error cuando el smbolo transmitido es
a
7
, que tiene una regin de decisin del segundo tipo. La diferencia con el caso anterior es
que en una de las dimensiones, q
1
, para el clculo de la probabilidad de error hay que integrar
las dos colas de la gausiana en lugar de una. Procediendo de la misma forma, obtenemos
P
e[a
7
= 1
_
1 Q
_
d(a
7
, a
3
)
2
_
N
0
/2
_
Q
_
d(a
7
, a
11
)
2
_
N
0
/2
__
_
1 Q
_
d(a
7
, a
6
)
2
_
N
0
/2
__
(4.78)
y sustituyendo los valores concretos de las distancias entre smbolos queda como
P
e[a
7
= 1
_
1 2Q
_
1
_
N
0
/2
___
1 Q
_
1
_
N
0
/2
__
= 3Q
_
1
_
N
0
/2
_
2Q
2
_
1
_
N
0
/2
_
(4.79)
De manera similar procedemos a calcular la probabilidad de error cuando el smbolo
transmitido es a
9
, que tiene una regin de decisin del tercer tipo. Ahora tenemos que tanto
en q
0
como en q
1
hay que integrar las dos colas de la gausiana.
P
e[a
9
= 1
_
1 Q
_
d(a
9
, a
5
)
2
_
N
0
/2
_
Q
_
d(a
9
, a
13
)
2
_
N
0
/2
__
_
1 Q
_
d(a
9
, a
8
)
2
_
N
0
/2
_
Q
_
d(a
9
, a
10
)
2
_
N
0
/2
__
(4.80)
y sustituyendo los valores concretos de las distancias entre smbolos queda como
P
e[a
9
= 1
_
1 2Q
_
1
_
N
0
/2
__
2
= 4Q
_
1
_
N
0
/2
_
4Q
2
_
1
_
N
0
/2
_
(4.81)
Finalmente, la probabilidad media de error es
P
e
=
M1
i=0
p
A
(a
i
)P
e[a
i
=
4
16
P
e[a
0
+
8
16
P
e[a
7
+
4
16
P
e[a
9
= 3Q
_
1
_
N
0
/2
_
9
4
Q
2
_
1
_
N
0
/2
_
(4.82)
La clave para poder calcular la probabilidad media de error en esta constelacin reside
en la forma rectangular de las regiones de decisin. Este hecho, junto a la independencia
estadstica de los componentes del vector q, nos permite descomponer el problema como
producto de problemas unidimensionales.
Analizando el resto de constelaciones representadas en la Figura 4.30 podemos com-
probar como a una de stas (Figura 4.30(b)) podemos aplicar un cambio de variables como
el realizado para el clculo de probabilidades de error en decisiones binarias en espacios
multidimensionales que produzca una rotacin de 45 grados y transforme las regiones de
decisin en regiones como I
0
del ejemplo anterior (vase la Figura 4.31). Aplicando este
procedimiento obtenemos una probabilidad de error para dicha constelacin (se deja como
ejercicio su comprobacin) igual a
P
e
= 1
_
1 Q
_
1
N
0
__
2
= 2Q
_
1
N
0
_
Q
2
_
1
N
0
_
(4.83)
En las constelaciones representadas en las Figuras 4.30(c) y 4.30(d) no existen transfor-
maciones de este tipo que conduzcan a regiones de decisin rectangulares y, por tanto, para
calcular la probabilidad media de error de forma exacta es necesario recurrir a la resolu-
cin de la integral de las funciones de densidad de probabilidad condicionadas fuera de las
regiones de decisin por otros procedimientos.
Cota de la unin
Cuando el clculo de la probabilidad media de error exacta resulta engorroso podemos
recurrir a la determinacin de cotas superiores de la misma. Una de las ms utilizadas es la
denominada cota de la unin, que se basa en el clculo de las probabilidades de error por
parejas de smbolos.
Para ilustrar el procedimiento del clculo de la cota de la unin emplearemos la constela-
cin mostrada en la Figura 4.30(b). En esta constelacin, la probabilidad de error cuando el
smbolo transmitido es a
0
, P
e[a
0
, se obtiene integrando f
q[a
0
fuera de la regin de decisin
I
0
, que se corresponde con el rea sombreada en la Figura 4.32(a). En lugar de proceder al
clculo de esta integral de forma directa, vamos a calcular en primer lugar la probabilidad de
error que obtendramos transmitiendo a
0
y empleando un decisor binario para decidir entre
a
0
y a
1
. Esta probabilidad de error, que denotamos como P
e
(a
0
, a
1
), se obtiene integrando
f
q[a
0
en el rea sombreada en la Figura 4.32(b) y, como hemos visto al analizar el decisor
binario en un espacio multidimensional, es
P
e
(a
0
, a
1
) = Q
_
d(a
0
, a
1
)
2
_
N
0
/2
_
= Q
_

2
2
_
N
0
/2
_
= Q
_
1
N
0
_
(4.84)
Procedemos de igual forma a calcular P
e
(a
0
, a
2
) (Figura 4.32(c)) y P
e
(a
0
, a
3
) (Figura
4.32(d)),
P
e
(a
0
, a
2
) = Q
_
d(a
0
, a
2
)
2
_
N
0
/2
_
= Q
_
2
2
_
N
0
/2
_
= Q
_

2
N
0
_
(4.85)
P
e
(a
0
, a
3
) = Q
_
d(a
0
, a
3
)
2
_
N
0
/2
_
= Q
_

2
2
_
N
0
/2
_
= Q
_
1
N
0
_
(4.86)
1
1
1
q
0
q
1
a
3
1
I
0
I
1
I
2
I
3
a
0
a
1
a
2
1
1
a
1
1
q
0
q
1
a
0
1
(a) (b)
1
1
a
2
1
q
0
q
1
a
0
1
1
1
a
3
1
q
0
q
1
a
0
1
(c) (d)
Figura 4.32. Cota de la unin: regiones de integracin de f
q|A
para obtener P
e|a
0
(a),
P
e
(a
0
, a
1
) (b), P
e
(a
0
, a
2
) (c) y P
e
(a
0
, a
3
) (d).
A partir de estas probabilidades de error con decisores binarios denimos la cota de la unin
para P
e[a
0
como
P
e[a
0

M1
j=1
P
e
(a
0
, a
j
) = P
e
(a
0
, a
1
) +P
e
(a
0
, a
2
) +P
e
(a
0
, a
3
)
= 2Q
_
1
N
0
_
+Q
_

2
N
0
_
(4.87)
Procediendo de igual forma con el resto de smbolos de la constelacin obtenemos la
cota de la unin para la probabilidad media de error que, para una constelacin genrica de
M smbolos equiprobables, es
P
e

M1
i=0
p
A
(a
i
)
M1
j=0
j,=i
P
e
(a
i
, a
j
) =
1
M
M1
i=0
M1
j=0
j,=i
Q
_
d(a
i
, a
j
)
2
_
N
0
/2
_
(4.88)
y, particularizada para el ejemplo que nos ocupa, dada la simetra de la constelacin, da
como resultado
P
e

M1
i=0
p
A
(a
i
)
M1
j=0
j,=i
P
e
(a
i
, a
j
) =
1
4
4
_
2Q
_
1
N
0
_
+Q
_

2
N
0
__
(4.89)
Para comprender por qu la cota de la unin es una cota superior hay que tener en cuen-
ta que P
e[a
0
se obtiene integrando f
q[a
0
en la regin sombreada de la Figura 4.32(a) (esto
es, fuera de I
0
). En lugar de proceder a realizar esta integral hemos sumado tres integra-
les de f
q[a
0
en las regiones sombreadas de, respectivamente, las Figuras 4.32(b), 4.32(c) y
4.32(d). La superposicin de estas tres regiones, que podemos ver en la Figura 4.33, abar-
1
1
1
1
a
0
q
1
q
0
I I
II II
III
Figura 4.33. Por qu es una cota superior?; al sumar las probabilidades de error indivi-
duales estamos integrando f
q|A
una vez en las regiones etiquetadas como I, dos veces en
las regiones II y tres veces sobre la regin III.
ca la totalidad del espacio fuera de I
0
y, en consecuencia, aseguramos que la suma de las
probabilidades de error individuales P
e
(a
0
, a
1
), P
e
(a
0
, a
2
) y P
e
(a
0
, a
3
) es, como mnimo,
igual a P
e[a
0
. Adems de esto, al sumar las tres probabilidades de error individuales existen
regiones del plano en que estamos integrando f
q[A
dos veces (regiones etiquetadas como II
en la Figura 4.33) e incluso tres veces (regin etiquetada como III en la Figura 4.33) y, en
consecuencia, la suma de las probabilidades de error individuales ser mayor que P
e[a
1
. La
igualdad en (4.87) la obtendremos nicamente en el caso extremo en que apliquemos la cota
de la unin a constelaciones con dos smbolos.
Hemos comprobado que la cota de la unin es realmente una cota superior de la proba-
bilidad de error, pero no sabemos exactamente si esta cota est cerca o lejos de la verdadera
probabilidad de error. Para la constelacin analizada (Figura 4.30(b)) hemos calculado pre-
viamente la probabilidad de error exacta, (4.83), que est representada en la Figura 4.34
junto a la la proporcionada por la cota de la unin, (4.89), en funcin de 1/
N
0
. Pode-
mos comprobar que para probabilidades de error pequeas (por ejemplo, menores de 10
3
,
que podemos considerar como el mximo error aceptable en muchos sistemas de comu-
nicaciones) ambas curvas son indistinguibles. Esto nos lleva a concluir que la cota de la
unin proporciona una buena medida de la probabilidad de error, mejor cuanto mayor sea la
relacin seal a ruido.
0 1 2 3 4 5
10
6
10
5
10
4
10
3
10
2
10
1
10
0
1/N
0
P
e
Probabilidad de error exacta
Cota de la unin
Figura 4.34. Probabilidad de error exacta y cota de la unin para la constelacin de la
Figura 4.30(b).
En constelaciones con un gran nmero de smbolos, la evaluacin de la cota de la unin
puede resultar engorrosa por el nmero de trminos a considerar en (4.88), que crece aproxi-
madamente con el cuadrado del nmero de smbolos de la constelacin. Para una constela-
cin de 4 smbolos hay que calcular 6 distancias (aprovechando que d(a
i
, a
j
) = d(a
j
, a
i
))
y hasta 6 evaluaciones de la funcin Q. Para una constelacin de 16 smbolos el nmero de
distancias a calcular sube hasta 120 y para una constelacin de 32 smbolos, 496.
Ante este nmero de trminos cabe preguntarse si todos son signicativos o si pode-
mos despreciar algunos de ellos. Tomemos como ejemplo la evaluacin de (4.89), donde
el argumento de una de las funciones Q es

2 veces mayor que el otro, y evaluemos la
contribucin de cada una de ellas a la probabilidad media de error para distintos valores de
la potencia de ruido. Para un valor de 1/
N
0
igual a 3 tenemos que Q(3) 1,3 10
3
y
Q(
2 3) 1,1 10
5
; es decir, dos rdenes de magnitud menor. Para un valor de 1/
N
0
igual a 1 tenemos que Q(1) 0,16 y Q(
2) 0,079 y para un valor de 1/
N
0
igual a
6 tenemos que Q(6) 9,9 10
10
y Q(
2 6) 1,1 10
17
. Recuerde que, para valores
altos del argumento, el decrecimiento de la funcin Q es exponencial (Pgina 103). Como
anteriormente, si nuestro inters se centra en probabilidades de error relativamente pequeas
(< 10
3
) los trminos dominantes en el valor que toma la probabilidad de error van a ser
los de menor argumento de la funcin Q y el resto podemos, al menos en una aproximacin
grosera, despreciarlos.
Esta ltima aseveracin est en concordancia con el sentido que poseen cada uno de
los trminos de la cota de la unin de la probabilidad de error, ya que el argumento de la
funcin Q es directamente proporcional a la distancia entre dos smbolos: en el caso en
que se produzcan errores, estos se debern con mayor probabilidad a confusiones con los
smbolos ms cercanos al transmitido, no con los ms lejanos.
Para poner en prctica de forma sistemtica esta aproximacin al valor de la cota de
unin de la probabilidad de error, denimos la distancia mnima de una constelacin, d
min
,
como
d
min
= mn
j,i=0,...,M1
j,=i
d(a
i
, a
j
) (4.90)
y como el mximo del nmero de smbolos que se encuentran a d
min
de un smbolo de la
constelacin
3
. Con estas deniciones, la aproximacin queda como
P
e
Q
_
d
min
2
_
N
0
/2
_
(4.91)
e implcitamente supone que todos los smbolos de la constelacin tienen smbolos a
una distancia d
min
y que se desprecia la contribucin al error de los smbolos que no se
encuentran a la distancia mnima.
El principal inconveniente que tiene el empleo de (4.91) es que no somos capaces de
asegurar que sea una cota superior de la probabilidad de error, ya que no se consideran
todos los trminos de la cota de la unin. Otra aproximacin que s garantiza que es una
cota superior de la probabilidad de error verdadera es
P
e
(M 1) Q
_
d
min
2
_
N
0
/2
_
(4.92)
conocida como cota holgada o cota ms holgada (looser bound) que la cota de la unin,
que supone implcitamente que todos los smbolos de la constelacin estn a una distancia
d
min
del resto. Obviamente, esta aproximacin es ms pesimista que (4.91) y puede estar
alejada de la verdadera probabilidad de error para constelaciones con un gran nmero de
smbolos, pero al menos podemos garantizar que es una cota basada en d
min
.
Como ejemplo, la Figura 4.35 muestra los resultados de estas aproximaciones para la
constelacin bidimensional de diecisis smbolos de la Figura 4.30(a) junto a la probabilidad
3
La denicin de est tomada de los problemas de empaquetamiento de esferas y teora de rejillas, donde
se dene como el nmero de hiperesferas (o esferas, o circunferencias, dependiendo de la dimensionalidad del
espacio) que pueden estar en contacto con una dada siguiendo un determinado patrn de distribucin (una reji-
lla). Recibe nombres como nmero de Newton, nmero de contacto, nmero de coordinacin o nmero de besos
(este ltimo tomado del juego del billar, donde se dice que dos bolas se besan cuando estn en contacto)[19].
Generalmente se denota por la letra , pero dado el uso frecuente de en este texto, se ha preferido renombrarlo
como .
de error exacta, (4.82), y la proporcionada por la cota de la unin en funcin de 1/
N
0
.
Puede verse claramente cmo (4.92) es una aproximacin ms conservadora que (4.91).
0 0.5 1 1.5 2 2.5 3 3.5 4
10
6
10
5
10
4
10
3
10
2
10
1
10
0
1/N
0
P
e
Cota de la unin
Aproximacin (4.92)
Aproximacin (4.93)
Figura 4.35. Probabilidad de error exacta, cota de la unin y dos aproximaciones de la
cota de la unin para la constelacin de la Figura 4.30(a).
4.4.3. Codicador
En el Apartado 4.2, al analizar el modulador del sistema de comunicaciones hemos justi-
cado la necesidad de separar el transmisor en codicador y modulador, pero la descripcin
que all hacamos del codicador se reduce a decir que realiza una transformacin de un
smbolo B en otro smbolo A al que posteriormente dotamos de signicado. Es ahora, una
vez analizado el receptor y las prestaciones que podemos obtener con un sistema de comu-
nicacin, cuando estamos en disposicin de establecer las condiciones que debe cumplir el
codicador para conseguir una comunicacin con la mayor abilidad posible.
Para conseguir la menor probabilidad de error el codicador ha de generar una conste-
lacin que tenga la mayor distancia mnima, d
min
, con la menor energa media por smbolo,
E
s
. Estas condiciones son contradictorias, ya que si aumentamos la distancia mnima de una
constelacin para disminuir la probabilidad de error aumentaremos, en general, la energa
media necesaria para transmitir un smbolo.
Para encontrar un punto de compromiso entre la distancia mnima y la energa media por
smbolo vamos a analizar la inuencia sobre estos parmetros de operaciones elementales
como escalados, rotaciones y traslaciones realizadas sobre una constelacin.
Consideremos en primer lugar una constelacin binaria en un espacio unidimensional
cuyos smbolos son a
0
= a y a
1
= a. La energa media de la constelacin es igual a a
2
,
la distancia mnima, 2a, y la probabilidad de error que obtenemos en el receptor es
P
e
= Q
_
d(a
0
, a
1
)
2
_
N
0
/2
_
= Q
_
a
N
0
_
(4.93)
Para hacer explcita la relacin de la probabilidad de error y la energa media por sm-
bolo, multiplicamos y dividimos el argumento de la funcin Q en la expresin anterior por
E
s
, y sustituimos una de ellas por su valor, a
2
, de la forma
P
e
= Q
_
a
N
0
_
= Q
_
a
E
s
_
E
s
N
0
_
= Q
_
2
_
E
s
N
0
_
(4.94)
De esta forma, el trmino que multiplica a
_
E
s
N
0
en el argumento de la funcin Q (en este
caso,
2) puede considerarse como un factor de mrito de la constelacin, ya que para unas

condiciones dadas (energa disponible para transmitir el smbolo y nivel de ruido medidos
a la entrada del receptor), a mayor valor de este factor, menor probabilidad de error. Este
factor es, en general, distinto para cada constelacin, y no vara al aplicar un factor de escala
real a los smbolos de la constelacin.
Este factor tampoco vara si multiplicamos las coordenadas de todos los smbolos de
una constelacin N-dimensional por una matriz R, transformando la constelacin original
en otra de la forma a
i
= Ra
i
, siempre que R sea una matriz de dimensin N N cuyas
las constituyen una base ortonormal del espacio eucldeo de dimensin N. Las prestaciones
que obtenemos empleando la constelacin a
i
, i = 0, . . . , M 1 son idnticas a las que
obtenemos empleando a
i
, i = 0, . . . , M 1. Un caso particular de esta transformacin
que puede ayudarnos a comprender el efecto que supone sobre la constelacin lo constituyen
las rotaciones en un espacio bidimensional. En este caso, la matriz Rtoma la forma
R =
_
cos sen
sen cos
_
(4.95)
y, aplicada sobre una constelacin, produce un giro de radianes sobre la misma. La Figu-
ra 4.36(b) muestra la aplicacin de esta transformacin sobre la constelacin de la Figura
4.36(a).
El escalado por un factor real a puede combinarse con las rotaciones (y, en general, con
la transformaciones realizadas con la matriz R anteriormente descrita) sin que cambie la
probabilidad de error en recepcin respecto a la constelacin original (para una E
s
/N
0
da-
da). Un ejemplo de esta combinacin puede verse en la Figura 4.36(c). En general, podemos
decir que cualquier combinacin de escalados y rotaciones sobre la constelacin no afecta
a la abilidad del sistema de comunicacin, sino que lo que marca estas prestaciones es la
relacin entre las distancias de unos smbolos a otros.
Otra transformacin elemental que podemos realizar sobre los smbolos de la constela-
cin es la traslacin. La aplicaremos a la constelacin binaria unidimensional considerada
anteriormente (a
0
= a y a
1
= a), a la que sumamos una cantidad b a cada uno de los
1
1
1
1
a
0
a
1
a
2
a
3
1
1
1
1
a
0
a
1
a
2
a
3
(a) (b)
a
a
a
a a
0
a
1
a
2
a
3
a
0
a
1
a
2
a
a
3
b
(c) (d)
Figura 4.36. Transformaciones de la constelacin: constelacin original (a), rotacin (b),
rotacin y escalado (c), rotacin, escalado y traslacin (d).
smbolos generando una nueva constelacin de la forma a
i
= a
i
+b. La energa media de la
nueva constelacin es igual a (a
2
+b
2
), la distancia mnima sigue siendo 2a y la probabilidad
de error que obtenemos en el receptor es
P
e
= Q
_
d(a
0
, a
1
)
2
_
N
0
/2
_
= Q
_
a
N
0
_
= Q
_
a
E
s
_
E
s
N
0
_
= Q
_
_
2a
2
a
2
+b
2
_
E
s
N
0
_
(4.96)
que depende tanto de a como de b. El mayor argumento de la funcin Q y, por tanto, la
menor probabilidad de error, se obtiene cuando b es igual a cero, porque el factor
a
2
a
2
+b
2
es
siempre menor o igual que uno, y la igualdad se produce siendo b igual a cero. Ante este
resultado cabe preguntarse cul es la razn por la que el valor ptimo para b es cero, y la
respuesta es que para b = 0, el valor medio de la constelacin, E a
i
, tambin conocido
como centro de masas de la constelacin, es cero. Si el valor medio de la constelacin es
cero, toda la energa que pone en juego el transmisor se dedica a transmitir informacin, y no
se consume energa en enviar el valor medio de la constelacin, que no contiene informacin
alguna.
Un ejemplo de traslacin en constelaciones bidimensionales podemos verlo en la Fi-
gura 4.36(d). Como regla general, podemos decir que es deseable que cualquier conste-
lacin tenga valor medio nulo para aumentar la abilidad de la comunicacin. Caso de
no ser nulo el valor medio podemos cambiar la constelacin a
i
, i = 0, . . . , M 1 por
a
i
= a
i
E a
i
, i = 0, . . . , M 1 que mantiene las distancias entre los smbolos y
hace mnima la energa media por smbolo.
Las transformaciones vistas hasta ahora dejan sin resolver el principal problema en el
diseo o eleccin de constelaciones para un sistema de comunicacin, que es la forma o
patrn (tcnicamente, rejilla) que se utiliza para distribuir los smbolos de la constelacin
en el espacio de seales. Este problema, conocido como empaquetado de esferas, no tiene
an solucin general, aunque s est resuelto para algunas dimensiones del espacio de seal.
Para comprender mejor el problema, vamos a emplear unas bolas de billar, que para
nosotros adquieren el siguiente signicado: cada bola de billar va a representar un smbolo
de la constelacin, que estar situado en el centro de la bola y el dimetro de la bola es
d
min
. Cuando estn en contacto dos bolas los smbolos estn a una distancia d
min
y si no hay
contacto los smbolos estn a una distancia mayor que d
min
.
Comencemos empleando tres bolas e imaginemos que el centro del tapete de la mesa es
el origen de coordenadas; el problema del diseo de la constelacin se traduce en intentar
situar las tres bolas sobre el tapete y lo ms cerca posible del centro de la mesa. La mejor
solucin es que las tres bolas estn en contacto y que el hueco que queda entre ellas coin-
cida exactamente con el centro de la mesa, tal y como se muestra en la Figura 4.37(a). Si
separamos una de las bolas aumentamos la energa media de la constelacin y no disminui-
mos la distancia mnima entre smbolos, que estar marcada por las dos bolas que siguen en
contacto; si desplazamos de forma conjunta las tres bolas a otro lugar del tapete que no sea
el centro de la mesa tambin estaremos aumentando la energa media de la constelacin sin
aumentar la distancia mnima de la constelacin.
Si queremos disear una constelacin unidimensional las tres bolas deben estar sobre
una lnea, y el diseo de la constelacin da como resultado el mostrado en la Figura 4.37(b):
una bola en el centro de la mesa y las otras dos en contacto con esta, una a cada lado. Si
quisisemos disear otra constelacin unidimensional con un mayor nmero de smbolos
podramos seguir con este procedimiento, y el resultado sera que todos los smbolos adya-
centes estaran siempre a la misma distancia, d
min
, o, en otras palabras, los smbolos estaran
equiespaciados.
Diseemos ahora una constelacin bidimensional con siete smbolos empleando el mis-
mo mtodo. El resultado ser el que muestra la Figura 4.37(c): una bola en el centro y
seis alrededor de esta formando un hexgono. El espacio que queda entre las bolas es una
medida de la ecacia del empaquetamiento; a menor espacio, ms densamente estarn em-
paquetadas y menor ser la energa media por smbolo para la misma distancia mnima de
la constelacin. Si dispusisemos las bolas (en este caso, nueve) en una cuadrcula, tal y
como se muestra en la Figura 4.37(d), el espacio entre ellas es mayor y, consecuentemente,
(a) (b)
(c) (d)
Figura 4.37. Empaquetado de esferas: tres esferas sobre un plano(a), tres esferas sobre una
recta (b), siete esferas sobre un plano en disposicin hexagonal (c), nueve esferas sobre un
plano en disposicin de cuadrcula (d).
la energa media por smbolo ser mayor. Comparando las Figuras 4.37(c) y 4.37(d) vemos
que si bien la conguracin hexagonal es ms densa, en la conguracin en cuadrcula exis-
te un menor nmero de smbolos a d
min
, y ambos factores inuyen sobre la probabilidad de
error en recepcin. La densidad del empaquetamiento inuye en el argumento de la funcin
Q porque modica la energa media por smbolo necesaria para mantener una determinada
d
min
, y el nmero de smbolos que se encuentran a d
min
de uno dado inuye sobre el factor
que multiplica a la funcin Q. Dado el decrecimiento exponencial de la funcin Q, en ge-
neral tiene ms inuencia sobre la probabilidad de error el argumento de la funcin Q (la
densidad del empaquetamiento) que el factor multiplicativo sobre la misma (el nmero de
smbolos a d
min
).
Para construir una constelacin bidimensional de un nmero de smbolos M el procedi-
miento sera escoger los M smbolos en una disposicin hexagonal que caben dentro de una
circunferencia del menor radio posible y, a continuacin, sustraer a cada smbolo el valor
medio de la constelacin.
Para un mayor nmero de dimensiones procedemos de igual forma, cambiando aho-
ra esferas por hiperesferas para dimensiones mayores que tres. Sin embargo, como hemos
mencionado antes, para algunas dimensiones del espacio de seal no somos capaces de en-
contrar la forma ms densa de empaquetamiento, que s hemos encontrado para constelacio-
nes unidimensionales (smbolos equidistantes) y bidimensionales (disposicin hexagonal).
A pesar de lo anterior, resulta curioso comprobar que, en la prctica, las constelaciones
bidimensionales con disposicin hexagonal no se emplean casi nunca a pesar de ser las de
mayor densidad de empaquetamiento. Las razones que justican este hecho vienen derivadas
del criterio adoptado a la hora de analizar y disear las constelaciones: hacer mnima la
probabilidad de error en recepcin expresada en funcin de
_
E
s
/N
0
. Este criterio es muy
razonable, pero existen otros factores a tener en cuenta a la hora de escoger una determinada
constelacin. Entre los factores ms importantes podemos citar:
Facilidad de realizacin del transmisor. Las coordenadas de los distintos smbolos deben
poder expresarse con nmeros de precisin nita (no irracionales) pues es necesa-
rio almacenarlos en algn sitio. En un empaquetamiento hexagonal como el de la
Figura 4.37(c) tenemos coordenadas de smbolos como [1
3]
T
. Si realizamos un
truncamiento de los valores de las coordenadas al primer decimal, la constelacin de
la Figura 4.37(c) se transforma en la de la Figura 4.38, donde se ha perdido la dis-
posicin a intervalos regulares de los smbolos y con ello parte de las ventajas del
empaquetamiento hexagonal. Si las coordenadas de los smbolos fuesen, por ejemplo,
Figura 4.38. Constelacin con empaquetamiento hexagonal y truncamiento de las coorde-
nadas de los smbolos.
[2
3]
T
no tendramos esa prdida porque podramos escalar la constelacin por
un factor a = 1/
3 y obtendramos coordenadas enteras. Esta es la razn por la que

la conguracin ms empleada en constelaciones bidimensionales es la cuadrcula.
Limitacin de la energa de pico. En una constelacin bidimensional de 16 smbolos co-
mo la de la Figura 4.30(a) (Pgina 210) la energa media por smbolo es 10, pero
la energa de los smbolos ms alejados del origen de coordenadas (energa de pico)
es 18. Puede darse el caso que el dispositivo encargado de amplicar la seal en el
transmisor pueda proporcionar en un intervalo de duracin T una energa de 10, pero
no de 18, como sucede en algunos sistemas en que la potencia de los transmisores es
un factor crtico. En estas situaciones suelen emplearse constelaciones con cociente
energa de pico respecto a energa media iguales o cercanos a 1, como la mostrada en
la Figura 4.30(d).
Facilidad de realizacin del receptor. Existen situaciones en que la complejidad del re-
ceptor es un factor determinante, hasta tal punto que es preferible sacricar una menor
probabilidad de error en recepcin para conseguir una simplicacin de la circuitera
necesaria en el receptor. Un caso comn en esta situacin es que no se recupera el
signo de las coordenadas del smbolo recibido, y esto fuerza a emplear constelaciones
en que las coordenadas de los smbolos sean no negativas, denominadas comnmente
constelaciones unipolares. Si adems existe limitacin de la energa de pico, suelen
emplearse las denominadas constelaciones ortogonales, en las que la dimensionalidad
del espacio de seales, N, es igual al nmero de smbolos de la constelacin, M, y
los smbolos toman la forma [
E
s
0 . . .]
T
, [0
E
s
0 . . .]
T
, [0 0
E
s
0 . . .]
T
, etc.
4.5. TRANSMISIN INDEFINIDA DE SMBOLOS
El modelo de comunicacin digital presentado en los apartados precedentes considera
que se transmite un nico smbolo B, cuando las necesidades reales son de sistemas que
puedan transmitir una secuencia de smbolos de longitud indenida que denotaremos de
aqu en adelante por razones de brevedad como transmisin indenida de smbolos. Para
considerar una transmisin indenida de smbolos sustituimos el modelo que representba-
mos en la Figura 4.1 por el representado en la Figura 4.39. El primer cambio que se advierte
Demodulador Decisor
Canal
B l [ ] A[ ] n
q[ ] n
s(t)
r(t)
Transmisor
Receptor
] [
l B
Figura 4.39. Modelo general de un sistema de comunicacin digital para transmisin in-
denida de smbolos.
es la sustitucin del smbolo a transmitir, B, por una secuencia de smbolos B[l]. Para faci-
litar un interfaz comn a cualquier sistema de comunicaciones que pudisemos considerar,
4.5 TRANSMISIN INDEFINIDA DE SMBOLOS 225
cada uno de los smbolos que componen la secuencia B[l] son ahora smbolos binarios que
pueden tomar valor 0 1; esto es, B[l] ser algo como . . . 1000110101111 . . .. Si la fuente
cuya informacin queremos transmitir tuviese otro alfabeto con distinto nmero de smbolos
emplearamos un codicador de fuente para transformar la secuencia de smbolos de salida
de la fuente en una secuencia de smbolos binarios.
Seguimos considerando, como en el modelo anterior, que los smbolos son equiproba-
bles (Pr(B[l
0
] = 0) = Pr(B[l
0
] = 1) = 1/2 para cualquier valor de l
0
) pero, como ahora
tenemos una secuencia en lugar de un smbolo aislado, nos hace falta suponer una relacin
probabilstica entre los distintos smbolos de la secuencia. Esta es la independencia estads-
tica: el valor que toma la secuencia para un l
0
determinado, B[l
0
], es independiente del valor
que toma para otro l
1
, B[l
1
], si l
0
,= l
1
. En estas condiciones, como veremos en el Captulo
9, cada smbolo contiene un bit de informacin.
Suponemos tambin que los smbolos de la secuencia B[l] aparecen a la entrada del
sistema a intervalos regulares de T
b
segundos, por lo que a T
b
se le denomina intervalo de
bit o periodo de bit . Tambin podemos decir que el sistema transmite 1/T
b
bits por segundo,
o que la tasa de bit de entrada al sistema es 1/T
b
.
De manera acorde, el smbolo Aha sido sustituido por una secuencia de smbolos A[n].
Cada smbolo de la secuencia A[n], al igual que en el primer modelo, puede tomar uno de
entre M valores posibles a
i
, i = 0, . . . , M 1 de la forma (4.1) o, lo que es lo mismo,
pertenece a una constelacin de M smbolos en un espacio N-dimensional. La restriccin
que imponemos ahora es que M sea una potencia de 2, M = 2
m
, con m entero positivo.
El codicador transforma la secuencia B[l] en la secuencia A[n], generando un smbolo
de A[n] por cada m smbolos de B[l] (de ah la diferente notacin de los ndices temporales
de ambas secuencias). Por el momento consideraremos que la transformacin entre B[l] y
A[n] se realiza smbolo a smbolo y sin memoria: a cada posible combinacin de m unos y
ceros se le asigna un smbolo a
i
, tal y como se muestra en los ejemplos siguientes.
Ejemplo 4.3
Un ejemplo de codicador que, empleando un smbolo de B[l] para generar otro de A[n] (m =
1) en un espacio unidimensional (N = 1), realice la asignacin
1 1
0 1
transformar la secuencia 0011100100 en 1, 1, 1, 1, 1, 1, 1, 1, 1, 1.
Ejemplo 4.4
Un segundo ejemplo de codicador que, empleando un smbolo de B[l] para generar otro de
A[n] (m = 1) en un espacio bidimensional (N = 2), realice la asignacin
1
_
1
0
_
0
_
0
1
_
transformar la secuencia 0011100100 en
_
0
1
_
,
_
0
1
_
,
_
1
0
_
,
_
1
0
_
,
_
1
0
_
,
_
0
1
_
,
_
0
1
_
,
_
1
0
_
,
_
0
1
_
,
_
0
1
_
.
Ejemplo 4.5
Un tercer ejemplo de codicador que, empleando dos smbolos de B[l] para generar uno de A[n]
(m = 2) en un espacio unidimensional (N = 1), realice la asignacin
11 3
10 1
00 1
01 3
transformar la secuencia 0011100100 en 1, 3, 1, 3, 1.
La tasa de smbolos a la salida del codicador es 1/(mT
b
) smbolos por segundo o
baudios, siendo el periodo de smbolo T = mT
b
. Ntese como nicamente en el caso en
que la constelacin sea binaria coinciden bits por segundo y baudios. En general, una tasa
de R baudios se corresponde con una velocidad binaria de mR bits por segundo.
El modulador transforma la secuencia de smbolos A[n] en una seal analgica en tiem-
po continuo s(t), que se actualiza cada periodo de smbolo, T, de la siguiente forma: como
en el primer modelo, establecemos una correspondencia entre cada smbolo de la constela-
cin, a
i
, y una forma de onda s
i
(t), idnticamente nula fuera del intervalo 0 t < T y de
energa nita, y esta correspondencia se aplica a cada uno de los smbolos de la secuencia
A[n] de la siguiente forma: si A[n
0
] = a
i
, hacemos s(t) = s
i
(t n
0
T) en el intervalo
n
0
T t < (n
0
+ 1)T, tal y como se muestra en el ejemplo siguiente.
Ejemplo 4.6
Tomando el codicador del Ejemplo 4.4, un posible modulador (tomado del conjunto de seales
de la Figura 4.5, Pgina 179) sera el que hiciese la asignacin
a
0
=
_
1
0
_
s
0
(t) =
_
2 sen
_
2
T
t
_
0 t < T
0 resto
a
1
=
_
0
1
_
s
1
(t) =
_
2 cos
_
2
T
t
_
0 t < T
0 resto
que, con la secuencia de smbolos de entrada del Ejemplo 4.4, ofrece a su salida la seal que
muestra la Figura 4.40.
Expresando las seales s
i
(t) en funcin de los elementos de la base del espacio de
seales que generan,
j
(t), j = 0, . . . , N 1, obtenemos una expresin compacta de la
seal s(t) que, en el caso en que la dimensionalidad del espacio sea igual a 1, toma la forma
s(t) =
n
A[n]
0
(t nT) (4.97)
y para una dimensin genrica N del espacio de seal
s(t) =
n
A
T
[n]
_
0
(t nT)
.
.
.
N1
(t nT)
_
_
=
n
N1
j=0
A
j
[n]
j
(t nT) (4.98)
t
2
s(t)

T
Figura 4.40. Seal a la salida del modulador del Ejemplo 4.6.
donde A
j
[n] es la componente j-sima del smbolo A[n].
Como modelo de canal, consideramos el canal aditivo gausiano empleado anteriormen-
te, r(t) = s(t) +n(t), siendo n(t) una componente de ruido gausiano y blanco de densidad
espectral de potencia N
0
/2. Bajo estas condiciones, la recepcin con mnima probabilidad
de error de uno de los smbolos de la secuencia es un problema estadsticamente indepen-
diente de la recepcin de cualquier otro smbolo de la misma secuencia, porque se dan dos
condiciones de forma simultnea:
Condicin 1. En cada intervalo de tiempo n
0
T t < (n
0
+ 1)T interviene uno y slo uno
de los smbolos de la secuencia, a
i
[n
0
].
Condicin 2. El ruido en un determinado instante, n(t
0
), es estadsticamente independiente
del ruido en cualquier otro instante.
Si la recepcin de cada smbolo es un problema independiente, el demodulador debe
generar, a partir de la seal recibida, r(t), una secuencia (de vectores) q[n] cuyos ele-
mentos contienen las coordenadas de r(t nT) en la base utilizada en el modulador,
j
(t), j = 0, . . . , N 1. Cada vector q[n
0
] de la secuencia q[n] puede obtenerse me-
diante una estructura de correlacionadores o mediante una estructura de ltros adaptados a
partir del valor de r(t) en el intervalo n
0
T t < (n
0
+ 1)T. Como no existe solape entre
los distintos intervalos, podemos emplear la misma estructura para cada uno de los vectores
de la secuencia q[n], tal y como se muestra en la Figura 4.41. En denitiva, la diferencia con
el modo de proceder en el modelo anterior es que all correlacionbamos (o muestrebamos)
una sola vez, y ahora repetimos esa operacin en cada periodo de smbolo.
Cada vector de la secuencia q[n] es estadsticamente independiente del resto de vectores
de la secuencia y contiene toda la informacin relevante (es un estadstico suciente) para
decidir sobre un smbolo de A[n]. Esto es, q[n] toma la forma
q[n] = A[n] +n[n] (4.99)
donde n[n] es la componente de ruido, que es un proceso estocstico discreto multidimen-
r t ( )
q
0
[n]
q
1
[n]
q
N-1
[n]
T n
nT
dt
) 1 (
T n
nT
dt
) 1 (
T n
nT
dt
) 1 (
) ( 1 nT t N - - f
) ( 1 nT t - f
) ( 0 nT t - f
r t ( )
q n
0
[ ]
q
1
[ ] n
q
N-1
[ ] n
t nT =
) ( 1 t N - - f
) ( 1 t - f
) ( 0 t - f
(a) (b)
Figura 4.41. Estructuras del demodulador para transmisin indenida de smbolos basadas
en correlacionadores (a) y ltros adaptados (b).
sional gausiano cuyas muestras son estadsticamente independientes y con funcin de den-
sidad de probabilidad como la expresada en (4.15).
En estas condiciones, el decisor ptimo es un decisor MAP (que tambin se reduce
a un decisor ML por ser los smbolos equiprobables) operando smbolo a smbolo como el
desarrollado para el modelo anterior, segn se muestra en la Figura 4.42. La nica diferencia
apreciable con respecto al decisor del modelo anterior es que su salida son smbolos de
la constelacin a
i
, i = 0, . . . , M 1 en lugar de smbolos de entrada al sistema, por
la diferencia en el tamao de los alfabetos (binario frente a M-ario), que no exista en el
modelo anterior. La secuencia de smbolos a la salida del decisor,

A[n], es transformada en
q[ ] n
M
n
i
m
o
] [
n A d 1 , a
d 0 , a
d 1 , - M a
-1/2|| || a
1
2
-1/2|| || a
0
2
-1/2|| || a
M-1
2
M
x
i
m
o
] [
n A
q[ ] n
0 ,f
1 ,f
1 , - N f
(a) (b)
Figura 4.42. Realizacin del decisor de mxima verosimilitud para transmisin indenida
de smbolos empleando medidas de distancia (a) y correlacionadores (b).
una secuencia de smbolos binarios

B[l] realizando la asignacin inversa a la del codicador.
La diferencia en el tamao de los alfabetos de B y Ahace que la probabilidad media de
error de smbolo no sea la misma medida en Aque medida en B. La analizada en el modelo
anterior, P
e
, es la probabilidad media de error medida en los smbolos de la constelacin,
que continuaremos denominando probabilidad media de error de smbolo. La probabilidad
media de error medida en B es la denominada tasa de errores binarios o tasa de error de bit
(Bit Error Rate, BER).
Para ilustrar el mtodo de clculo de la BER y enfatizar las diferencias con respecto
a la P
e
, vamos a utilizar la constelacin unidimensional de cuatro smbolos de la Figura
4.28 (Pgina 208) de la que ya calculamos su P
e
, (4.71). Como codicador, emplearemos el
del Ejemplo 4.5. La relacin resultante entre smbolos binarios de entrada al codicador y
smbolos de la constelacin es la mostrada en la Figura 4.43.
3 2 1 0 1 2 3
q
a
0
a
1
a
2
a
3
01 00 10 11
Figura 4.43. Constelacin unidimensional de cuatro smbolos con la asignacin de smbo-
los binarios realizada por el codicador del Ejemplo 4.5.
Supongamos en primer lugar que el smbolo transmitido fue a
0
, que se corresponde con
una combinacin de dgitos binarios o palabra 01. Si se produce un error y la salida del
decisor es a
1
(00), tan solo uno de los dgitos binarios ser incorrecto, pero si la salida del
decisor es a
2
(10), los dos dgitos binarios sern incorrectos. Si a la hora de calcular P
e[a
0
no distinguamos entre las situaciones en que la salida es a
1
, a
2
a
3
ahora s debemos
hacerlo porque su impacto sobre la BER es distinto. El clculo exacto de la BER cuando
el smbolo transmitido es a
0
, que denotaremos como BER
a
0
, da como resultado
BER
a
0
=
1
2
_
Q
_
1
_
N
0
/2
_
Q
_
3
_
N
0
/2
__
+
+
2
2
_
Q
_
3
_
N
0
/2
_
Q
_
5
_
N
0
/2
__
+
1
2
Q
_
5
_
N
0
/2
_
(4.100)
donde el primero de los sumandos representa la probabilidad de que la salida del decisor sea
a
1
por el cociente entre el nmero de dgitos binarios errneos que acarrea esa decisin y el
nmero de dgitos binarios por smbolo de la constelacin. El segundo y tercer sumandos de
(4.100) poseen idntico signicado con respecto a, respectivamente, a
2
y a
3
.
Procediendo de idntica forma en los casos en que el smbolo transmitido sea a
1
, a
2
y
a
3
, obtenemos la BER como
BER =
M1
i=0
Pr(a
i
)BER
a
i
(4.101)
que para el caso considerado ofrece como resultado
BER =
3
4
Q
_
1
_
N
0
/2
_
+
1
2
Q
_
3
_
N
0
/2
_
1
4
Q
_
5
_
N
0
/2
_
(4.102)
En los casos en que este clculo resulte tedioso por el nmero de trminos involucrados,
podemos recurrir a la siguiente aproximacin: en el caso ms favorable, un error de detec-
cin va a provocar un slo dgito binario errneo (BER
a
i

1
m
P
e[a
i
) y en el caso peor, un
error de deteccin va a provocar que los m dgitos binarios que componen la palabra asig-
nada al smbolo que fue transmitido sean errneos (BER
a
i
P
e[a
i
). Esta aproximacin nos
lleva a acotar la BER como
1
m
P
e
BER P
e
(4.103)
Comparando la BER del caso analizado, (4.102), con la P
e
de la constelacin, (4.71),
comprobamos que la BER se encuentra ms cerca de su lmite inferior establecido en
(4.103) que de su lmite superior (concretamente, si nos quedamos con el trmino domi-
nante de (4.102) estamos en el lmite inferior). Si calculamos la BER de manera exacta
realizando la asignacin que se muestra en la Figura 4.44 obtenemos
BER =
5
4
Q
_
1
_
N
0
/2
_
1
4
Q
_
3
_
N
0
/2
_
(4.104)
que se encuentra ms cerca del lmite superior que del inferior.
3 2 1 0 1 2 3
q
a
0
a
1
a
2
a
3
11 00 10 01
Figura 4.44. Constelacin unidimensional de cuatro smbolos y su asignacin de smbolos
binarios.
La razn de este comportamiento est en que en la asignacin de la Figura 4.43 los
smbolos que se encuentran a menor distancia de uno dado (y que en el caso de que se
produzca un error, ese ser el error ms probable) tienen asignadas palabras que dieren en
un nico dgito binario, mientras que esto no ocurre en la asignacin de la Figura 4.44.
Como regla general para el diseo de codicadores, debemos asignar palabras que die-
ran en el menor nmero posible de dgitos binarios a los smbolos de la constelacin que se
encuentren ms cercanos. Un tipo de codicacin que lleva a la prctica esta regla es la de-
nominada codicacin Gray, en que los smbolos ms cercanos a uno dado tienen palabras
que dieren en un nico dgito binario. La asignacin de la Figura 4.43 es un ejemplo de
codicacin Gray pero, lamentablemente, no siempre existe un codicador Gray para una
constelacin dada (por citar un ejemplo, una constelacin con empaquetamiento hexagonal
y m < 6). Para codicadores Gray, podemos aproximar la BER como
BER
1
m
P
e
(4.105)
El empleo de la BER como medida de abilidad de un sistema de comunicacin en
lugar de la probabilidad de error de smbolo nos permite comparar de forma directa sistemas
de comunicacin que empleen constelaciones con distinto nmero de smbolos. Si la P
e
era representada en funcin de E
s
/N
0
, para representar adecuadamente la BER debemos
expresarla en funcin de E
b
/N
0
, donde E
b
es la energa media por bit , denida como
E
b
=
1
m
E
s
(4.106)
y de sentido evidente si consideramos que la mxima informacin que puede contener un
smbolo de la constelacin es m bits.
Como ejemplo, la Figura 4.45 representa la BER en funcin de
_
E
b
/N
0
para las
constelaciones de 4 y 16 smbolos de las Figuras 4.30(b) y 4.30(a), respectivamente. Se
ha supuesto codicacin Gray y se ha empleado la aproximacin (4.105) para el clculo
de la BER. Las probabilidades medias de error de smbolo de estas constelaciones son las
representadas en las Figuras 4.34 y 4.35 que, obviamente, no podan compararse de forma
directa.
0 5 10 15 20 25
10
6
10
5
10
4
10
3
10
2
10
1
10
0
E
b
/N
0
B
E
R
Constelacion de 4 simbolos
Constelacion de 16 simbolos
Figura 4.45. Comparacin de las medidas de BER para las constelaciones de 4 y 16
smbolos de las Figuras 4.30(a) y 4.30(b) con codicacin Gray.
A la vista de los resultados de la Figura 4.45 podra pensarse que la constelacin de 4
smbolos es denitivamente superior a la de 16, y ciertamente lo es para el modelo de canal
considerado. Incluso podemos generalizar este resultado diciendo que conforme mayor sea
el nmero de puntos de la constelacin, mayor ser la BER. Sin embargo, en el Captulo 5
veremos que al restringir el ancho de banda del canal, esta conclusin no es del todo exacta.
La mayor parte del contenido del captulo es la teora clsica de modulacin y deteccin
que puede encontrarse en muchos libros de comunicaciones digitales.
Los autores nos sentimos en deuda con un libro en particular, el de Wozencraft y Jacobs
[95], y es la primera referencia que ofrecemos como ampliacin de lo aqu expuesto. Otro
libro clsico de lectura recomendada es el de Van Trees [81]. Entre los libros de texto actua-
les que abordan los conceptos tratados en este captulos recomendamos los de Proakis [61],
Proakis y Salehi [63], Benedetto y Biglieri [7], Haykin [39], Wilson [94] y Simon, Hinedi y
Lindsey [75].
El diseo de constelaciones viene razonablemente expuesto en los libros de Benedetto y
Biglieri [7] y Barry, Lee y Messerschmitt [5], y un tratamiento mucho ms profundo de este
tema podemos encontrarlo en el libro de Conway y Sloane [19].
PROBLEMAS
P4.1 Considere la constelacin de seales s
i
(t), i = 0, . . . , M 1, idnticamente nula
fuera del intervalo 0 t < T, y de valor
s
i
(t) = sen
_
2(i + 1)t
T
_
dentro de este. Determine una base ortonormal para representar la constelacin de se-
ales, sus coordenadas con respecto a esta base, la distancia entre cualesquiera dos
seales, la energa de cada seal de la constelacin y la energa media de la constela-
cin.
P4.2 Considere la constelacin de seales
a
0
=
_
_
1
1
1
_
_
a
1
=
_
_
1
1
1
_
_
a
2
=
_
_
1
1
1
_
_
a
3
=
_
_
1
1
1
_
_
Calcule la distancia entre cualesquiera dos seales de la constelacin, la energa de
cada seal y la energa media por smbolo supuestos smbolos equiprobables.
P4.3 Debido a un error de sincronismo, se muestrea la salida de un ltro adaptado a la seal
s(t) en un instante t
0
,= 0, obteniendo q(t
0
) = s(t) s
(t)[
t=t
0
. Demuestre que ese
error de sincronismo provoca una prdida de seal ([q(0)[ [q(t
0
)[).
P4.4 Considere un sistema de comunicacin que emplea la siguiente constelacin de cuatro
seales
s
0
(t) =
0
(t) +
1
(t) s
1
(t) =
0
(t)
1
(t)
s
2
(t) =
0
(t) +
1
(t) s
3
(t) =
0
(t)
1
(t)
siendo
0
(t) y
1
(t) dos seales ortogonales de energa unitaria. En el receptor, el de-
modulador est realizado con ltros adaptados a cada una de las seales del transmisor,
obteniendo un vector
q =
_
_
q
0
q
1
q
2
q
3
_
_
donde q
i
= r(t) s
i
(t)[
t=0
=
_
r()s
i
() d.
4.1. Obtenga las funciones de densidad de probabilidad f
q[s(t)
(q[s
i
(t)).
4.2. Demuestre que q es un estadstico suciente para la deteccin de la seal trans-
mitida.
4.3. Desarrolle el decisor MAP a partir de q.
4.4. Qu diferencias y similitudes existen entre este receptor y uno basado en un
demodulador que emplee ltros adaptados a los elementos de la base del espacio
de seal,
0
(t) y
1
(t)?
P4.5 La entrada a un decisor binario es un escalar q que, cuando se transmite el smbolo a
0
,
presenta una funcin de densidad de probabilidad uniforme en el intervalo [0,5, 0,5).
Alternativamente, cuando se transmite el smbolo a
1
, presenta una funcin de densidad
de probabilidad uniforme en el intervalo [1, 1). Se conoce, adems, que las probabi-
lidades a priori de los smbolos son p(a
0
) = 0,25 y p(a
1
) = 0,75.
5.1. Obtenga el decisor MAP y calcule su probabilidad de error.
5.2. Obtenga el decisor ML y calcule su probabilidad de error.
P4.6 Desarrolle el decisor MAP realizado mediante medidas de distancias similar a (4.43)
para smbolos no equiprobables, partiendo de (4.35).
P4.7 Considere la constelacin mostrada en la Figura 4.28. Determine las regiones de deci-
sin del decisor MAP en el caso en que las probabilidades a priori de los smbolos son
p(a
1
) = p(a
2
) = 0,3 y p(a
0
) = p(a
3
) = 0,2. Calcule la probabilidad de error de este
decisor en funcin de E
s
/N
0
y comprela con la probabilidad de error de un decisor
ML.
P4.8 Desarrolle el decisor ML para ruido aditivo laplaciano; esto es, con
f
n
(n) =
N1
j=0
f
n
j
(n
j
) =
N1
j=0
1
2
e
|n
j
|
=
1
(2)
N
e
N1
j=0
|n
j
|
de manera anloga al realizado en las expresiones (4.38) a (4.43) para ruido aditivo
gausiano. Indique cmo sera la forma ptima de distribuir (o empaquetar) los smbo-
los de la constelacin en el espacio de seales en este caso, y dibuje esta distribucin
para un espacio bidimensional.
P4.9 Un sistema de comunicaciones emplea un espacio de seal unidimensional generado
por un pulso
0
(t) rectangular de duracin T = 1 y una constelacin binaria antipodal
(a
0
= 1, a
1
= 1). La seal a la salida del modulador, s(t), es transmitida con
ganancias distintas, G
1
y G
2
, por dos canales gausianos, obteniendo en el receptor las
seales r
1
(t) = G
1
s(t) + n
1
(t) y r
2
(t) = G
2
s(t) + n
2
(t), donde n
1
(t) y n
2
(t) son
dos componentes de ruido gausiano y blanco de densidad espectral de potencia igual
a N
0
/2 e independientes entre s. El receptor combina r
1
(t) y r
2
(t) con ganancias K
1
y K
2
, respectivamente, obteniendo la seal r(t) como
r(t) = K
1
r
1
(t) +K
2
r
2
(t) = K
1
(G
1
s(t) +n
1
(t)) +K
2
(G
2
s(t) +n
2
(t))
9.1. Disee el demodulador del receptor ptimo mediante ltro adaptado. Dibuje la
constelacin recibida.
9.2. Calcule las funciones de densidad de probabilidad de la salida del demodulador,
q, condicionadas al smbolo transmitido, f
q[A
(q[a
0
) y f
q[A
(q[a
1
).
9.3. Disee el decisor MAP supuestos smbolos equiprobables y determine la proba-
bilidad de error de smbolo, P
e
.
9.4. Obtenga el valor de K = K
1
/K
2
que hace mnima P
e
en funcin del valor de
las ganancias G
1
y G
2
.
P4.10 Considere el canal discreto equivalente descrito mediante las siguientes ecuaciones:
q
0
= A+n
0
q
1
= n
0
+n
1
donde Apuede tomar valor 1 1 con igual probabilidad y n
0
y n
1
son dos componen-
tes de ruido con distribucin gausiana de media nula, varianza N
0
/2, estadsticamente
independientes entre s y estadsticamente independientes de A
10.1. Determine las densidades de probabilidad de la salida del canal condicionadas a
los smbolos de entrada, f
q
0
,q
1
[A
(q
0
, q
1
[1) y f
q
0
,q
1
[A
(q
0
, q
1
[ 1).
10.2. Determine si q
0
es un estadstico suciente para la deteccin.
10.3. Disee el decisor de mnima probabilidad media de error.
P4.11 Un sistema de comunicaciones ternario (M = 3) emplea la constelacin de seales
s
0
(t) = v(t), s
1
(t) = 0 y s
2
(t) = v(t), siendo v(t) una seal de energa nita e
idnticamente nula fuera del intervalo 0 t < T. El receptor emplea un demodulador
basado en correlacionador que calcula el estadstico u =
_
T
0
r(t)s(t)dt, siendo r(t) =
s(t) + n(t), y n(t) ruido gausiano blanco de densidad espectral de potencia N
0
/2
W/Hz y estadsticamente independiente del smbolo transmitido. El decisor compara
u con un umbral a, de modo que si u > a se decide que la seal transmitida fue s
0
(t),
si u < a se decide que fue s
2
(t) y si a < u < a se decide que fue s
1
(t).
11.1. Puede ser ptimo el receptor descrito? Justique su respuesta.
11.2. Calcule las probabilidades de error condicionadas a la transmisin de cada una
de las seales, y calcule la probabilidad media de error en funcin de las proba-
bilidades a priori de los smbolos y de E
s
/N
0
.
11.3. Suponiendo que a = E
s
, determine la distribucin de probabilidades a priori
que hace mnima la probabilidad media de error.
11.4. Si las seales son equiprobables a priori, determine el umbral a que hace mnima
la probabilidad media de error.
P4.12 Calcule la P
e
de la constelacin 64-QAM de la Figura 5.29 en funcin de E
s
/N
0
.
P4.13 Obtenga una cota superior de la P
e
de las constelaciones de las Figuras 4.30(c) y
4.30(d) empleando la cota de la unin.
P4.14 Considere la constelacin de seales de un sistema de comunicaciones digitales mos-
trada en la Figura 4.46, equiprobables a priori.
s
0
(t)
t
1
0 1 2 3
s
1
(t)
t
1
0 1 2 3
s
2
(t)
t
1
0 1 2 3
s
3
(t)
t
1
0 1 2 3
Figura 4.46. Constelacin de seales del Problema P4.14.
14.1. Obtenga una base ortonormal para la constelacin de seales con el mnimo n-
mero de elementos.
14.2. Obtenga las coordenadas de cada una de las seales en la base del apartado an-
terior, y dibuje las regiones de decisin asociadas correspondientes a un decisor
MAP.
14.3. Empleando la cota de la unin, calcule la probabilidad media de error de smbolo,
P
e
, en funcin de E
s
/N
0
.
14.4. Podemos realizar alguna transformacin de la constelacin que, sin modicar
las distancias entre los smbolos, mejore su inmunidad frente al ruido aditivo gau-
siano? Si es as, realcela, dibuje las seales correspondientes a la constelacin
resultante y calcule la nueva P
e
en funcin de E
s
/N
0
.
P4.15 Disee los codicadores Gray para las constelaciones de la Figura 4.30.
P4.16 Considere el sistema de comunicacin digital que emplea el siguiente conjunto de
seales en el transmisor
s
0
(t) =
_
cos(100t) 0 t < 1
0 resto
s
1
(t) =
_
cos(100t) 0 t < 1
0 resto
s
2
(t) =
_
sen(100t) 0 t < 1
0 resto
s
3
(t) =
_
sen(100t) 0 t < 1
0 resto
16.1. Determine una base ortonormal para este conjunto de seales y obtenga la cons-
telacin de seales con respecto a esta base.
16.2. Disee el receptor de mnima probabilidad de error del sistema, indicando ex-
plcitamente las regiones de decisin asociadas a cada smbolo en los siguientes
supuestos:
16.2.1. p(a
0
) = p(a
1
) = p(a
2
) = p(a
3
) = 1/4
16.2.2. p(a
0
) = p(a
1
) = 1/3, p(a
2
) = p(a
3
) = 1/6
Ahora extendemos el conjunto de seales aadiendo las cuatro siguientes
s
4
(t) = s
0
(t) +s
2
(t) s
5
(t) = s
0
(t) +s
3
(t)
s
6
(t) = s
1
(t) +s
2
(t) s
7
(t) = s
1
(t) +s
3
(t)
16.3. Repita el Apartado a) con el conjunto completo de seales.
16.4. Calcule la cota de la unin de la probabilidad media de error de smbolo expre-
sada en funcin de E
s
/N
0
en el supuesto de smbolos equiprobables.
16.5. El sistema de comunicaciones se va a emplear para una transmisin indenida de
smbolos binarios. Disee el cdigo Gray para la constelacin de ocho smbolos
y calcule la BER del sistema expresada en funcin de E
b
/N
0
. Para el clculo
de la BER considere nicamente los errores que se producen entre smbolos
adyacentes.
P4.17 Considere la constelacin de smbolos de un sistema de comunicaciones digitales mos-
trada en la Figura 4.47. Los smbolos se consideran equiprobables.
17.1. Calcule la cota de la unin de la probabilidad media de error de smbolo expre-
sada en funcin de E
s
/N
0
, y obtenga el valor de a que hace mnima esta cota.
17.2. El sistema de comunicaciones se va a emplear para una transmisin indenida de
smbolos binarios. Disee el cdigo Gray para la constelacin y calcule la BER
del sistema expresada en funcin de E
b
/N
0
para el valor de a calculado en el
apartado anterior.
P4.18 Considere la constelacin de seales de un sistema de comunicaciones digitales mos-
trada en la Figura 4.48.
4.A PROCEDIMIENTO DE ORTOGONALIZACIN DE GRAM-SCHMIDT 237
2
2
1
1
1
1
2
2
0
a a
a
a
Figura 4.47. Constelacin de smbolos del Problema P4.17.
18.1. Obtenga una base ortonormal para la constelacin de seales con el mnimo n-
mero de elementos.
18.2. Obtenga las coordenadas de cada una de las seales en la base del apartado an-
terior.
18.3. Empleando la cota de la unin, calcule la probabilidad media de error de smbolo,
P
e
, en funcin de E
s
/N
0
supuestos los smbolos equiprobables.
18.4. Para una transmisin indenida de smbolos, disee un codicador de smbolos
y calcule la BER que se obtiene con dicho codicador en funcin de E
b
/N
0
supuestos los smbolos equiprobables.
18.5. Extendemos la constelacin de 4 seales a M seales haciendo que los smbolos
ocupen el intervalo 0 a M, y que la seal s
i
(t) tome un valor igual a (M1)/M
en el intervalo de i a (i +1) y 1/M en el resto del intervalo de 0 a M. Calcule
la BER de este nuevo sistema en funcin de E
b
/N
0
cuando M tiende a innito.
APNDICES
4.A. PROCEDIMIENTO DE ORTOGONALIZACIN DE GRAM-SCHMIDT
El conjunto de seales a la salida del modulador, s
i
(t), i = 0, . . . , M 1, genera
un subespacio del espacio de Hilbert de seales de energa nita L
2
que se deni en el
Apartado 2.1.4. Si pudisemos encontrar un conjunto de seales
j
(t), j = 0, . . . , N 1
(N M) que formen una base ortonormal de este subespacio, podramos representar cada
una de las seales s
i
(t) mediante sus coordenadas en esta base. Aunque a simple vista
pueda parecer que este cambio de representacin no supone un gran avance, hay que tener
en cuenta que lo que estamos haciendo es transformar toda una seal en tiempo continuo en
s
0
(t)
t
0,75
0,25
0 1 2 3 4
s
1
(t)
t
0,75
0,25
0 1 2 3 4
s
2
(t)
t
0,75
0,25
0 1 2 3 4
s
3
(t)
t
0,75
0,25
0 1 2 3 4
Figura 4.48. Constelacin de seales del Problema 18.
unos pocos nmeros. Como ejemplo, veamos con un poco de detalle cmo se simplica el
clculo de la energa de una de las seales s
i
(t).
Cualquier seal s
i
(t) se puede expresar como combinacin lineal de los elementos de la
base
4
s
i
(t) =
N1
j=0
s
ij
j
(t) (4.107)
donde las coordenadas, s
ij
, se obtienen como
s
ij
= s
i
,
j
=
_

s
i
(t)
j
(t)dt (4.108)
Adems, por tratarse de una base ortonormal, se cumple que
j
,
l
=
_

j
(t)
l
(t)dt = [j l] (4.109)
4
A lo largo de este apndice suponemos que todas las seales son reales.
El producto escalar entre dos seales s
i
(t) y s
k
(t) se calcula como
s
i
, s
k
=
_

s
i
(t)s
k
(t) dt
=
_

_
_
N1
j=0
s
ij
j
(t)
_
_
_
N1
l=0
s
kl
l
(t)
_
dt
=
_

N1
j=0
N1
l=0
s
ij
s
kl
j
(t)
l
(t) dt
=
N1
j=0
N1
l=0
s
ij
s
kl
_

j
(t)
l
(t) dt
que, aplicando la propiedad de ortonormalidad de la base (Ecuacin 4.109), se reduce a
s
i
, s
k
=
N1
j=0
N1
l=0
s
ij
s
kl
[j l] =
N1
j=0
s
ij
s
kj
(4.110)
La energa de una de las seales s
i
(t) se obtiene haciendo s
i
(t) = s
k
(t) en la ecuacin
anterior, (4.110), obtenindose
c s
i
(t) = s
i
, s
i
=
N1
j=0
s
2
ij
(4.111)
Analizando el resultado, comprobamos que hemos reducido un tedioso clculo de integrales
a una suma de cuadrados.
La solucin al problema de encontrar la base
j
(t), j = 0, . . . , N 1 a partir del
conjunto de seales s
i
(t), i = 0, . . . , M 1 podemos hallarla en cualquier texto bsico
de lgebra, empleando mtodos como el denominado procedimiento de ortogonalizacin de
Gram-Schmidt. No debemos perder nunca de vista que la dimensin innita de L
2
no nos
impide razonar como en el resto de espacios vectoriales.
El procedimiento de ortogonalizacin de Gram-Schmidt queda denido en la siguiente
secuencia de pasos:
Paso 1. Si s
0
(t) tiene energa cero (c s
0
(t) = 0) reordenamos las seales para conseguir
que s
0
(t) tenga energa no nula. El primer elemento de la base de seales,
0
(t), se escoge
como
0
(t) =
s
0
(t)
_
c s
0
(t)
(4.112)
De esta forma aseguramos que c
0
(t) = 1 o, lo que es lo mismo, que tenemos el primer
elemento de una base ortonormal. Tenemos adems la primera coordenada de s
0
(t), s
00
, que
toma el valor
_
c s
0
(t), ya que s
0
(t) =
_
c s
0
(t)
0
(t).
Para una mejor comprensin del procedimiento, vamos a ir realizando todos estos pasos
en el siguiente ejemplo.
Ejemplo 4.7
Considere las cuatro seales s
0
(t), s
1
(t), s
2
(t), s
3
(t) que muestra la Figura 4.49, donde el
intervalo de smbolo, T, toma valor 4.
Calculamos la energa de s
0
(t), que resulta
c s
0
(t) = 1 + 1 + 1 + 1 = 4
y, con esto
0
(t) =
s
0
(t)
_
c s
0
(t)
=
s
0
(t)
2
siendo s
00
= 2, tal y como muestra la Figura 4.50
0 1 2 3 4
t
1
1
s
0
(t)
0 1 2 3 4
t
1
1
s
1
(t)
0 1 2 3 4
t
1
1
s
2
(t)
0 1 2 3 4
t
1
1
s
3
(t)
Figura 4.49. Conjunto de seales s
i
(t).
Paso 2. Ahora hay que comprobar si s
1
(t) es linealmente dependiente de
0
(t), para lo
cual denimos una funcin auxiliar
1
(t) como
1
(t) = s
1
(t) s
10
0
(t) (4.113)
donde s
10
, de acuerdo con (4.108), se calcula como
s
10
= s
1
,
0
=
_

s
1
(t)
0
(t)dt (4.114)
La funcin
1
(t) es ortogonal a
0
(t), como podemos comprobar fcilmente
1
,
0
= s
1
,
0
s
10
0
,
0
= s
10
s
10
= 0
0 1 2 3 4
t
1
1
s
0
(t)
0 1 2 3 4
t
1
0.5
1
0.5
0
(t)
2 1 0 1 2

0
s
0
Figura 4.50. Primer paso del procedimiento de ortogonalizacin de Gram-Schmidt.
y es, por tanto, el vector que estbamos buscando como segundo elemento de la base (caso
de que no sea una seal nula). Lo nico que queda es asegurarnos de que su energa es igual
a 1, para lo que hacemos
1
(t) =

1
(t)
_
c
1
(t)
(4.115)
Calculamos s
10
s
10
= s
1
,
0
= 0,5 + 0 + 0,5 + 0 = 1
y de ah obtenemos
1
(t), tal y como muestra la Figura 4.51. Calculamos la energa de
1
(t)
c
1
(t) = 0,25 + 0,25 + 0,25 + 0,25 = 1
y, por tanto,
1
(t) =
1
(t). La segunda coordenada de s
1
(t) es
s
11
= s
1
,
1
= 0,5 + 0 + 0,5 + 0 = 1
En la Figura 4.51 podemos ver ya representadas s
0
(t) y s
1
(t) en funcin de
0
(t) y
1
(t).
Paso 3. Con el resto de seales del conjunto s
i
(t), i = 0, . . . , M1 procedemos igual
que con s
2
(t) en el paso anterior
2
(t) = s
2
(t) s
20
0
(t) s
21
1
(t)
2
(t) =

2
(t)
_
c
2
(t)
3
(t) = s
3
(t) s
30
0
(t) s
31
1
(t) s
32
2
(t)
3
(t) =

3
(t)
_
c
3
(t)
0 1 2 3 4
t
1
1
s
1
(t)
0 1 2 3 4
t
1
0.5
1
0.5
1
(t) = s
1
(t)
0
(t)
2
2
1
1
1
1
2
2
0

0
1
s
0
s
1
Figura 4.51. Segundo paso del procedimiento de ortogonalizacin de Gram-Schmidt.
Y as sucesivamente. En general, el procedimiento podemos expresarlo como
i
(t) = s
i
(t)
i1
j=0
s
ij
j
(t) (4.116)
i
(t) =

i
(t)
_
c
i
(t)
(4.117)
Hay que tener en cuenta que algunas de las seales
i
(t) pueden ser idnticamente nulas. En
ese caso no generan un nuevo elemento de la base del espacio vectorial.
Calculamos s
20
y s
21
s
20
= s
2
,
0
= 0,5 + 0,5 0,5 + 0,5 = 0
s
21
= s
2
,
1
= 0,5 0,5 0,5 0,5 = 2
y de ah obtenemos
2
(t), que resulta ser idnticamente nula. No generamos, por tanto,
2
(t), y
las coordenadas de s
2
(t) son 0 y -2. Procedemos de igual manera con s
3
(t), calculando s
30
y s
31
s
30
= s
3
,
0
= 0 0,5 + 0 0,5 = 1
s
31
= s
3
,
1
= 0 + 0,5 + 0 + 0,5 = 1
y obtenemos
3
(t), que resulta ser tambin idnticamente nula. Como resultado nal, tenemos la
base formada por
0
(t) y
1
(t) que se representan en las Figuras 4.50 y 4.51 y la constelacin
de seales que muestra la Figura 4.52
4.B ESTADSTICO SUFICIENTE PARA LA DETECCIN 243
2
2
1
1
1
1
2
2
0
1
s
0
s
1
s
2
s
3
Figura 4.52. Constelacin de seales resultante del procedimiento de ortogonalizacin de
Gram-Schmidt.
Si ordenamos las seales s
i
(t) de forma distinta, el procedimiento de ortogonalizacin
de Gram-Schmidt dar, en general, otra base distinta con coordenadas distintas para cada
una de las seales. Sin embargo, ambos resultados son equivalentes y podemos pasar de uno
a otro mediante un cambio de base.
Si ordenamos las seales como s
2
(t), s
0
(t), s
1
(t), s
3
(t) y repetimos el procedimiento de orto-
gonalizacin, el resultado es el que muestra la Figura 4.53.
Observe como la nueva
0
(t) es la antigua
1
(t) cambiada de signo, y la nueva
1
(t) coincide
con la antigua
0
(t). De acuerdo con esto, girando /2 la constelacin de seales de la Figura
4.52, obtenemos la de la Figura 4.53.
4.B. ESTADSTICO SUFICIENTE PARA LA DETECCIN
En el Apartado 4.3.1 hemos armado que la salida del correlacionador, el vector q, con-
tiene toda la informacin sobre la seal recibida r(t) que resulta relevante a la hora de tomar
la decisin sobre el smbolo que fue transmitido. Ntese la magnitud de tal aseveracin: de
los innitos valores que denen a la seal r(t) (los valores de r(t) en cada instante de tiem-
po) obtenemos un conjunto de N valores (el vector q), despreciando los innitos valores
restantes que nos haran falta para denir unvocamente la seal r(t).
En este apndice vamos a demostrar la veracidad de esta armacin, empleando para
ello el teorema de la irrelevancia basado, a su vez, en el concepto de estadstico suciente.
Supongamos que a partir de la seal recibida r(t) obtenemos (mediante correlacionado-
res o mediante cualquier otro procedimiento) dos vectores q y q
y que queremos construir

el receptor que, a partir de q y q
, hace mnima la probabilidad de error de smbolo segn se

deni en (4.3); esto es, el receptor ptimo a partir de q y q
. El teorema de la irrelevancia
0 1 2 3 4
t
1
1
0
(t)
0.5
0.5
0 1 2 3 4
t
1
0.5
1
0.5
1
(t)
2
2
1
1
1
1
2
2
0

0
1
s
2
s
0
s
3
s
1
Figura 4.53. Resultado del procedimiento de ortogonalizacin de Gram-Schmidt cambian-
do el orden de la seales.
nos dice que para decidir qu smbolo a
i
fue transmitido podemos despreciar q
si y slo si
se cumple que
f
q
[q,A
(q
[q, a
i
) = f
q
[q
(q
[q) (4.118)
en cuyo caso decimos que el vector q es un estadstico suciente para la deteccin. Esta
condicin viene a decir que si ya conocemos el valor de q, el conocimiento del valor de q
no aporta ninguna informacin nueva con respecto al smbolo que fue transmitido.
El siguiente paso en la resolucin de nuestro problema es suponer que el vector q es la
salida del correlacionador, y la clave de la demostracin est en la forma de seleccionar q
para garantizar que q es el estadstico suciente no ya para la deteccin a partir de q y q
,
sino a partir de r(t).
Para ello reconstruimos, a partir de q, una seal r
(t) de la forma
r
(t) =
N1
j=0
q
j
j
(t) (4.119)
4.B ESTADSTICO SUFICIENTE PARA LA DETECCIN 245
y, a partir de esta, denimos una seal n
(t) como la diferencia entre la seal recibida y r
(t)
n
(t) = r(t) r
(t)
= (s(t) +n(t))
N1
j=0
q
j
j
(t)
=
N1
j=0
A
j
j
(t) +n(t)
N1
j=0
(A
j
+n
j
)
j
(t)
= n(t)
N1
j=0
n
j
j
(t) (4.120)
Construimos el vector q
a partir de N
muestras de n
(t) en instantes elegidos arbitra-

riamente
q
=
_
_
n
(t
0
)
n
(t
1
)
.
.
.
n
(t
N
1
)
_
_
(4.121)
Si logramos demostrar que q
es irrelevante para la decisin sean cuales sean N
y los
instantes t
l
, l = 0, . . . , N
1 habremos demostrado que n
(t) es irrelevante y que q es

un estadstico suciente para la deteccin a partir de r(t).
Los componentes de q
poseen estadstica gausiana por resultar de operaciones lineales

sobre un proceso estocstico gausiano, n(t), cuyos valores medios son
E
_
n
(t
l
)
_
= E
_
_
_
n(t
l
)
N1
j=0
n
j
j
(t
l
)
_
_
_
= E n(t
l
)
N1
j=0
E n
j

j
(t
l
) = 0 0 = 0
(4.122)
ya que n(t
l
) y n
j
tienen media cero.
La covarianza entre un elemento de q
, n
(t
l
) y un elemento de q, q
k
condicionado al
smbolo transmitido, A, resulta ser
E
_
n
(t
l
)q
k
_
= E
_
_
_
_
_
n(t
l
)
N1
j=0
n
j
j
(t
l
)
_
_
(A
k
+n
k
)
_
_
_
= E n(t
l
)A
k
+E n(t
l
)n
k
E
_
_
_
_
_
N1
j=0
n
j
j
(t
l
)
_
_
A
k
_
_
_
E
_
_
_
_
_
N1
j=0
n
j
j
(t
l
)
_
_
n
k
_
_
_
= A
k
E n(t
l
) +E
_
n(t
l
)
__
T
0
n()
k
() d
__
A
k
_
_
N1
j=0
E n
j

j
(t
l
)
_
_
_
_
N1
j=0
E n
j
n
k

j
(t
l
)
_
_
= 0 +
_
T
0
E n(t
l
)n()
k
() d + 0
N1
j=0
N
0
2
[j k]
j
(t
l
)
=
_
T
0
N
0
2
(t
l
)
k
() d
N
0
2

k
(t
l
)
=
N
0
2

k
(t
l
)
N
0
2

k
(t
l
) = 0 (4.123)
que resulta independiente del valor concreto de t
l
(ntese que
j
(t) es idnticamente nula
fuera del intervalo [0, T)).
Al poseer tanto q como q
estadstica gausiana y resultar incorrelacionadas cualquier

componente de q con cualquier componente de q
como acabamos de demostrar, ambos

vectores son estadsticamente independientes uno del otro y, en consecuencia, su funcin
de densidad de probabilidad conjunta condicionada al smbolo transmitido puede escribirse
como
f
q,q
[A
(q, q
[a
i
) = f
q[A
(q[a
i
) f
q
[A
(q
[a
i
) (4.124)
Adems, como puede deducirse de la denicin de n
(t), (4.120), q
es independiente del
smbolo transmitido, por lo que se cumple que f
q
[A
(q
[a
i
) = f
q
(q
), y (4.124) se reduce a
f
q,q
[A
(q, q
[a
i
) = f
q[A
(q[a
i
) f
q
(q
) (4.125)
A partir de este resultado resulta simple demostrar la irrelevancia de q
sin ms que tener

en cuenta
f
q
[q,A
(q
[q, a
i
) =
f
q,q
[A
(q, q
[a
i
)
f
q[A
(q[a
i
)
=
f
q[A
(q[a
i
) f
q
(q
)
f
q[A
(q[a
i
)
= f
q
(q
) = f
q
[q
(q
[q)
(4.126)
(la ltima igualdad se produce dada la independencia entre q y q
) con lo que queda de-

mostrado que q, tal y como se deni en (4.7) y (4.8), es un estadstico suciente para la
deteccin.
CAPTULO 5
MODULACIONES DE AMPLITUD
Tpicamente, las seales que se transmiten a travs de los canales fsicos se obtienen
a partir de seales de voltaje o corriente, por lo que un mecanismo natural para enviar in-
formacin consiste en alterar la amplitud de dichas seales de acuerdo con los smbolos a
transmitir. Este procedimiento, conocido como modulacin de amplitud, data de los tiempos
del telgrafo y sigue siendo empleado en muchos sistemas de comunicaciones actuales. Las
formas ms bsicas de modulacin de amplitud se corresponden con nuestros dos primeros
conjuntos de seales del Apartado 4.2: en el primer caso modicbamos la polaridad de los
pulsos transmitidos; en el segundo, una de las seales era un pulso y la otra idnticamente
nula, lo que es equivalente a multiplicar dicho pulso por cero.
Otra de las ideas clave presentadas en el captulo anterior es la de transmisin indenida
de smbolos. La principal limitacin que introdujimos all fue la de que la duracin de los
pulsos empleados no excediese el intervalo de smbolo. No obstante, hay una buena razn
para pensar que esta es una restriccin poco deseable en muchas aplicaciones prcticas: los
pulsos de duracin nita ocupan un ancho de banda innito, por lo que son poco recomen-
dables en aplicaciones en las que se desea alcanzar un elevado rgimen binario con un ancho
de banda limitado. En este captulo veremos cmo un diseo cuidadoso de los pulsos usa-
dos en transmisin y recepcin, y el empleo de modulaciones de amplitud, permite alcanzar
elevadas eciencias.
Una extensin prctica imprescindible de las modulaciones en amplitud son las llamadas
modulaciones de amplitud en cuadratura, que permiten, sin prdida de eciencia, transmitir
la seal en una banda de frecuencias dada, paliando as los problemas de ciertos canales
fsicos, que se comportan mal a frecuencias muy bajas, o permitiendo la comparticin del
espectro.
5.1. PAM EN BANDA BASE
En este apartado nos ocuparemos de uno de los formatos de modulacin ms sencillos
y sin embargo con mayor potencial, por cuanto, como veremos en el Captulo 9, es suscep-
tible de alcanzar la capacidad del canal gausiano establecida por Shannon. Los principios
248 MODULACIONES DE AMPLITUD
bsicos que dan lugar a esta modulacin ya fueron formulados en el Apartado 4.5: se trata
de transmitir una seal de la forma
s(t) =
n
A[n]g(t nT) (5.1)
siendo A[n] una secuencia de smbolos reales y g(t) un pulso que recibe el nombre de pulso
conformador o, simplemente, ltro transmisor y que, sin prdida de generalidad, supondre-
mos normalizado en energa. Los smbolos A[n], equiespaciados sobre la recta real, perte-
necen a una constelacin unidimensional, de la que en la Figura 5.1 se muestran algunos
ejemplos. A menudo, la constelacin de la Figura 5.1(a) recibe el nombre de binaria antipo-
dal. Dado que la secuencia de informacin modula la amplitud de las versiones retardadas
0
A[n]
0
A[n]
(a) (b)
0
A[n]
(c)
Figura 5.1. Constelaciones 2-PAM, 4-PAM y 8-PAM.
de g(t), a menudo se usa el trmino modulacin de pulsos en amplitud (Pulse Amplitude
Modulation, PAM) o tambin modulacin por cambio de amplitud (Amplitude Shift Ke-
ying, ASK). La seal s(t) se dice que est en banda base, puesto que, como veremos en el
Apartado 5.4, se suele trasladar con posterioridad a otras bandas de frecuencia. En la Figura
5.2 se representa de forma esquemtica un modulador PAM en banda base.
Figura 5.2. Arquitectura de un modulador PAM en banda base.
Observando (5.1) el lector podr comprobar que coincide con (4.97) si identicamos
g(t) con
0
(t). Sin embargo, una diferencia importante con el desarrollo del Apartado 4.5
estriba en que entonces limitbamos la duracin de
0
(t) a un mximo de un periodo de
smbolo T, mientras que ahora consideraremos que g(t) puede tener cualquier duracin e
incluso ser no causal
1
lo que, como veremos a lo largo del texto, dota de mucha mayor
exibilidad y eciencia a este formato de modulacin. En el siguiente ejemplo analizamos
cules son las consecuencias de utilizar pulsos de duracin mayor que T.
1
Como bien hemos visto en el Captulo 2, la no causalidad implica utilizar informacin futura no disponible
en el presente. No obstante, si la duracin de la parte anticausal del ltro es nita, este se puede convertir en
causal sin ms que introducir un retardo que luego debe tenerse en cuenta en recepcin.
5.1 PAM EN BANDA BASE 249
Ejemplo 5.1
Supongamos que la secuencia de smbolos A[n] es tal que una porcin toma los siguientes
valores , 1, 1, 1, +1, +1, +1, 1, +1, 1, +1, 1, +1, 1, , por lo que tenemos una
modulacin 2-PAM ( 2-ASK). Consideremos dos tipos de pulsos conformadores:
a) g
a
(t) =
1
T

_
t
T
_
.
b) g
b
(t) =
1
T
sinc
_
t
T
_
En la Figura 5.3 se muestran los fragmentos correspondientes a la seal transmitida s(t) para
ambos casos, que hemos etiquetado como s
a
(t) y s
b
(t) respectivamente (el lector debe tener
presente la existencia de smbolos anteriores y posteriores a los aqu indicados). La principal
diferencia entre los dos tipos de pulsos se ve reejada en la mayor complicacin de la seal s
b
(t)
en comparacin con s
a
(t).
6T 4T 2T 0 2T 4T 6T
s
a
(t)
s
b
(t)
Figura 5.3. Fragmento de la seal PAM banda base para un pulso conformador rectangular
(seal s
a
(t)) y tipo sinc (seal s
b
(t)).
En los dos casos la construccin de s(t) se realiza a partir de (5.1): para cada n, se multiplica la
n-sima muestra de la secuencia A[n] por la versin de g(t) desplazada nT segundos hacia la
derecha y se suman los resultados. Es importante observar que, mientras en el caso (a) no hay
solape entre las diferentes versiones desplazadas y, por tanto, la suma se reduce a situar cada una
en su lugar, en el caso (b) la suma nal sobre n es crucial para obtener s
b
(t), que es la seal
que realmente se transmite. En nuestro caso, como g
b
(t) es una sinc, esta tendr duracin innita
y, en consecuencia, es fcil ver que para obtener s
b
(t) en cualquier instante de tiempo debemos
sumar tantas versiones desplazadas como smbolos hay en la secuencia A[n]. Este problema
se resuelve en la prctica truncando la duracin de g(t) a unos cuantos periodos de smbolo; a
su vez, el problema derivado de la no causalidad de g(t) se solventa retrasando los pulsos g(t)
truncados de modo que resulten causales, lo que da lugar a un retardo equivalente en toda la
transmisin.
Para entender mejor la aplicacin de (5.1) en el caso (b), hemos truncado el pulso transmisor g
b
(t)
a 6 periodos de smbolo y representamos cada una de las versiones desplazadas y multiplicadas
por A[n] en la Figura 5.4, junto con la suma nal. Por supuesto, si truncsemos g
b
(t) a un nmero
mayor de periodos de smbolo, tendramos que el resultado se parecera ms a la seal s(t) que se
obtendra con un g
b
(t) de duracin innita (vase Figura 5.3); a cambio, tendramos que sumar
ms trminos para determinar la seal s(t) en un instante dado. A una solucin de compromiso
semejante se debe llegar para implementar fsicamente un transmisor de PAM si los pulsos son
de duracin ilimitada.
A[2]g(t+2T)
A[1]g(t+T)
A[0]g(t)
A[1]g(tT)
A[2]g(t2T)
A[3]g(t3T)
n=2
3
A[n]g(tnT)
4T 2T 0 2T 4T
Figura 5.4. Versiones desplazadas y escaladas de g(t) (lnea discontinua) y suma de dichas
versiones (lnea continua) indicando en trazo grueso el tramo correspondiente a t [0, T)
en el que la suma coincide con s(t).
5.1.1. Espectro de la seal PAM en banda base
Para determinar el espectro de la seal PAM en banda base, debemos tener presente
que la seal transmitida no es estacionaria, sino cicloestacionaria
2
. Recordemos que, en este
caso, la densidad espectral de potencia se dene como el promedio de la funcin de autoco-
rrelacin (teorema de Wiener-Khinchine, Ecuacin (3.275)); en este caso, dicho promedio se
efecta sobre un periodo de la autocorrelacin, esto es, T segundos. Este clculo se efecta
en el Captulo 3, Ecuacin (3.297), y resulta directamente en
S
s
(j) =
1
T
S
A
(e
jT
)[G(j)[
2
(5.2)
donde S
A
(e
j
) es la densidad espectral de potencia de la secuencia de smbolos A[n] y
G(j) es la Transformada de Fourier de g(t). La Ecuacin (5.2) muestra claramente la po-
sibilidad de conformar el espectro de la seal transmitida actuando sobre el ltro transmisor
2
Siempre y cuando la secuencia de smbolos |A[n] sea estacionaria.
g(t), que por esta razn recibe el nombre de pulso conformador, o sobre la autocorrelacin
de la secuencia de smbolos A[n], introduciendo memoria, tal y como discutiremos en el
Captulo 10; vase asimismo el Problema P5.6.
Si la secuencia de smbolos transmitidos es blanca, entonces S
A
(e
j
) = E
s
, donde
recordemos que E
s
denotaba la energa de smbolo media, esto es, E
s
.
= E[A[n][
2
. En
este caso, un vistazo a (5.2) nos permite comprender por qu el pulso transmisor tambin
recibe el nombre de conformador, puesto que da forma al espectro de la seal s(t).
Ejemplo 5.2
En la Figura 5.5 se representan los espectros de la seal transmitida del Ejemplo 5.1 en los casos
(a) y (b), con lneas continua y discontinua respectivamente. Es interesante observar cmo los
pulsos rectangulares empleados en el caso (a) conducen a un espectro tipo sinc al cuadrado, por
lo que el ancho de banda ocupado es tericamente innito y en la prctica bastante grande, de
modo que su utilidad en sistemas con limitacin de ancho de banda es muy reducida. Este es el
precio que pagamos por la sencillez del esquema de transmisin.
E
s
S
s
(j)
5/T4/T3/T2/T /T 0 /T 2/T 3/T 4/T 5/T

Figura 5.5. Espectro de la seal s(t) para un pulso g
a
(t) rectangular (linea continua) y
para un pulso g
b
(t) tipo sinc (lnea discontinua).
Por otra parte, la complicacin del transmisor en el caso (b) se convierte en un espectro con
un ancho de banda mucho menor (y sin lbulos secundarios). Ms adelante veremos algunos
inconvenientes de este tipo de pulsos y algunas mejoras. Tambin es interesante razonar que, en
caso de que trunquemos el pulso g(t), el espectro de la seal transmitida se alejar de la respuesta
paso bajo ideal, tanto ms cuanto menor sea la duracin del pulso conformador.
A partir del espectro de potencia de s(t) es inmediato calcular la potencia transmitida P
como:
P =
1
2
_

S
s
(j)d (5.3)
que, utilizando (5.2) y particularizando para el caso de una secuencia blanca, se convierte
en
P =
E
s
2T
_

[G(j)[
2
d (5.4)
Obsrvese que, de acuerdo con el teorema de Rayleigh,
1
2
_

[G(j)[
2
d =
_

[g(t)[
2
dt = cg(t) (5.5)
donde cg(t) denota la energa del pulso conformador. Por tanto,
P =
E
s
cg(t)
T
(5.6)
Para el caso de pulsos normalizados en energa, la ecuacin previa se simplica en
P =
E
s
T
. (5.7)
Ejemplo 5.3
Para los pulsos del Ejemplo 5.1 es sencillo comprobar que cg(t) = 1, por lo que se puede
aplicar (5.7). Adems, como la constelacin empleada es 1, +1, E
s
= 1, de modo que
P = 1/T.
Una medida de prestaciones que sirve para comparar las diferentes modulaciones (no
slo las de amplitud) es la llamada eciencia espectral , que se dene como el cociente entre
el rgimen binario y el ancho de banda en Hz, por lo que sus unidades son bits/seg/Hz.
Viendo que la PAM admite, en principio, innitos niveles de amplitud y que el ancho de
banda, que esencialmente depende del pulso conformador, puede jarse a cualquier valor
deseado, tal y como veremos ms adelante en este captulo, se deduce que la eciencia
espectral de la PAM puede hacerse en principio tan grande como se desee. No obstante,
debe tenerse en cuenta que en un canal con ruido, el nmero de niveles distinguibles para
el receptor no es ilimitado (debido a la limitacin de potencia en el transmisor), lo que
impone una cota a la eciencia espectral. Esta cota est directamente relacionada con el
lmite de Shannon de la capacidad del canal, que estudiaremos con detalle en el Captulo 9.
5.1.2. Transmisin de PAM en banda base sobre canales gausianos
En este apartado consideramos la transmisin de seales PAM en banda base sobre ca-
nales gausianos con el objeto de proponer una primera arquitectura para el receptor. Nuestra
intencin es tratar de aprovechar los desarrollos del Captulo 4 con los que obtuvimos una
estructura de receptor basada en ltros adaptados. Sin embargo, aqu chocamos con la limi-
tacin a priori de que la duracin de las funciones base (pulso conformador) es en general
innita, a diferencia de lo que ocurra en el Captulo 4, donde consideramos duraciones
iguales o inferiores a un periodo de smbolo. A pesar de esta notable diferencia, podemos
plantearnos bajo qu condiciones el demodulador basado en un banco de ltros adaptados
(Figura 4.41(b)), que hallamos entonces, sigue siendo vlido. En el caso de PAM en banda
base podemos identicar el pulso transmisor con una nica funcin base
0
(t) en (4.98),
ahora de duracin ilimitada, de modo que el diagrama de bloques del demodulador se redu-
cira al que presentamos en la Figura 5.6. El hecho de que aparezca un solo ltro adaptado
(y no un banco de ltros) es consecuencia de que con una funcin base es suciente para
describir la seal PAM en banda base transmitida. Tambin es pertinente recordar que la
realizacin mediante el ltro adaptado admite una implementacin equivalente que emplea
correlacionadores y un integrador (vase Figura 4.41(a)).
Figura 5.6. Arquitectura del receptor basado en el ltro adaptado al transmisor para PAM
en banda base.
Vamos a analizar a continuacin qu ocurre cuando transmitimos la seal PAM en banda
base s(t), denida segn (5.1), a travs de un canal que introduce ruido que, como en el
Captulo 4, denotaremos por n(t), y en el receptor empleamos el esquema de la Figura 5.6.
En este caso, la seal a la entrada del receptor es simplemente r(t) = s(t) +n(t) y la seal
a la salida del ltro adaptado es q(t) = s(t) g(t) +n(t) g(t). Como en el Captulo 4,
supondremos que el ruido n(t) es blanco, independiente de la seal transmitida y sigue una
distribucin gausiana con densidad espectral de potencia N
0
/2 W/Hz.
En el Apartado 4.5 afrontbamos un problema en el que la recepcin de cada smbo-
lo era independiente de los dems; de forma anloga, podemos preguntarnos aqu por las
condiciones que hacen que cada elemento q[n
0
] de la secuencia q[n] sea estadsticamente
independiente del resto de los elementos de dicha secuencia. Con este n, es conveniente
rescatar el concepto de canal discreto equivalente visto en el Apartado 4.3.3 y que, recorde-
mos, permite reducir el problema de la transmisin y recepcin a travs de un canal continuo
a un modelo ms sencillo en el que slo intervienen seales discretas. En primer lugar, ob-
servemos que la seal q(t) a la salida del ltro adaptado del receptor toma la forma
q(t) =
_
n
A[n]g(t nT)
_
g(t) +n(t) g(t)
=
n
A[n] (g(t nT) g(t)) +n(t) g(t)
=
n
A[n]p(t nT) +z(t) (5.8)
donde p(t) es la respuesta combinada entre los pulsos transmisor y receptor
p(t) = g(t) g(t) =
_

g() g( t) d (5.9)
que coincide en este caso la funcin de ambigedad temporal (r
g
(t), Apartado 2.1.4) del
pulso transmisor g(t), y z(t) es el ruido a la salida del ltro adaptado.
Muestreando q(t) en los instantes t = nT obtenemos la secuencia q[n] (vase Figu-
ra 5.6)
q[n]
.
= q(t)
t=nT
=
k
A[k]p((n k)T) +z(nT) (5.10)
lo que nos lleva a denir el comportamiento del canal discreto equivalente (Pgina 194)
como
q[n] =
k
A[k]p[n k] +z[n] = A[n] p[n] +z[n] (5.11)
siendo p[n]
.
= p(nT) y z[n]
.
= z(nT).
Expresado en palabras, (5.11) signica que la secuencia de observaciones a la salida del
muestreador del receptor puede verse como el resultado de haber pasado la secuencia de
smbolos transmitidos a travs de un sistema lineal e invariante de respuesta al impulso p[n],
al que se agrega una secuencia de ruido z[n], tal y como se representa en la Figura 5.7.
Figura 5.7. Canal discreto equivalente en banda base.
Puesto que la secuencia de ruido z[n] se obtiene tras pasar n(t) a travs de un ltro lineal
e invariante en el tiempo g(t) y muestrear el resultado, es inmediato comprobar que dicha
secuencia se corresponde con la realizacin de un proceso estacionario con distribucin
gausiana y media cero. La presencia del ltro receptor tendr el efecto de colorear el ruido
a su salida con la consecuencia de que, en general, el proceso z[n] no ser blanco. Ms
adelante, examinaremos esta cuestin; antes, reescribamos (5.11) como
3
q[n] = A[n]p[0] +
k
k,=n
A[k]p[n k] +z[n] (5.12)
3
A lo largo del presente captulo, supondremos, en aras de una mayor claridad, que [p[0][ > [p[n][, para todo
n ,= 0. Esta suposicin se abandonar en el Captulo 6 lo que, veremos, puede comportar notables ventajas.
Vase tambin el Problema P5.5.
para comprobar que, en general, si pretendisemos usar un decisor smbolo a smbolo
4
so-
bre la secuencia de observaciones q[n], los errores no slo vendran causados por el rui-
do, sino tambin por la interferencia provocada por los smbolos anteriores y posteriores
al que intentamos decidir, representada por el segundo sumando de (5.12). Este trmino,
k,=n
A[k]p[n k], se denomina interferencia intersimblica ISI (InterSymbol Interfe-
rence).
Tal y como manifestbamos al comienzo de este apartado, estamos interesados en de-
terminar qu condiciones deben vericarse para que las decisiones sobre cada muestra de
la secuencia q[n] se puedan tomar de forma independiente o, lo que es equivalente, para
que el esquema de la Figura 5.6 implemente el receptor ML (Apartado 4.4.1). En adelante
supondremos que la secuencia de smbolos A[n] tiene media nula
5
; de aqu se deduce que
asimismo q[n] tendr media nula (recordemos que el ruido tambin verica esta propiedad).
Una condicin necesaria para que las muestras de la secuencia q[n] sean independientes, es
que estn incorrelacionadas. A continuacin, calcularemos la funcin de autocorrelacin de
q[n], R
q
[n], y analizaremos cundo se anula para todos los instantes diferentes del origen,
esto es,
R
q
[n] = Eq[k +n]q[k] = K[n] (5.13)
para algn nmero real K distinto de 0. En nuestro caso es conveniente emplear la expresin
(5.11) para calcular la autocorrelacin
R
q
[n] = E
__
l
A[l]p[n +k l] +z[n +k]
_
m
A[m]p[k m] +z[k]
__
=
m
EA[l]A[m]p[n +k l]p[k m] +Ez[n +k]z[k] (5.14)
donde hemos utilizado el hecho de que los smbolos transmitidos son independientes del
ruido y que este es de media nula. Cuando la secuencia de smbolos transmitidos es blanca,
esto es, EA[l]A[m] = E
s
[m l], podemos simplicar ms la expresin (5.14) para
escribir
R
q
[n] = E
s
l
p[n +k l]p[k l] +R
z
[n]
= E
s
l
p[n +l]p[l] +R
z
[n]
= E
s
(p[n] p[n]) +R
z
[n] (5.15)
donde R
z
[n] es la funcin de autocorrelacin de z[n]. Como vemos, para que q[n] fuese
blanca, sera suciente con que z[n] tambin lo fuese y que p[n] p[n] se anulase para
4
Un decisor smbolo a smbolo toma la decisin sobre el smbolo transmitido en un instante n
0
a partir de
slo una observacin q[n
1
], donde, en general, n
1
n
0
.
5
En el Apartado 4.4.3 vimos que esta era una condicin de diseo para que una constelacin fuese eciente
en potencia.
todo n ,= 0
6
. Obsrvese que esto se cumple si simultneamente:
p[n] = K
1
[n]; R
z
[n] = K
2
[n] (5.16)
para nmeros reales K
1
,= 0 y K
2
> 0.
Dado que el ruido sigue una distribucin conjuntamente gausiana, lo mismo ocurrir
con las muestras de q[n]. Por tanto, si las condiciones (5.16) se satisfacen, las muestras de
q[n], estando incorrelacionadas, tambin sern estadsticamente independientes.
Examinemos el signicado de las condiciones (5.16):
1. p[n] = K
1
[n]. El lector puede comprobar que esta condicin conduce a forzar a
que la interferencia intersimblica (ISI) denida ms arriba sea nula. Planteada sobre
el pulso equivalente en tiempo continuo p(t), la condicin de ISI nula es p(nT) =
K
1
[n] o, dicho de otra forma, el muestreo a periodo de smbolo del pulso (g(t)
g(t)) es cero excepto en el origen. En el apartado siguiente trataremos con ms
profundidad esta condicin.
2. R
z
[n] = K
2
[n]. Esta condicin equivale a decir que el ruido z[n] debe ser blanco,
o que las muestras de la secuencia de ruido (gausiano) son estadsticamente indepen-
dientes entre s. Tambin posponemos un anlisis ms detallado de esta condicin
para el Apartado 5.2.2.
Intuitivamente, la primera de las dos condiciones garantiza que en el instante n
0
-simo
en la secuencia q[n
0
] slo se tendr inuencia del smbolo A[n
0
]; la segunda condicin
implica que no hay informacin acerca de la n
0
-sima muestra de ruido en las muestras
restantes. Todo ello hace que en q[n
0
] est contenida toda la informacin disponible para
tomar la decisin sobre el n
0
-simo smbolo transmitido. De hecho, es posible demostrar
que q[n
0
] es un estadstico suciente para el problema de decisin en el instante n
0
-simo,
en el sentido de que disponer de aparentemente ms informacin (por ejemplo, tomando
ms muestras por periodo de smbolo) no reduce la probabilidad de error
7
.
Veamos cmo debe ser el decisor de la Figura 5.6 para el caso en que se cumplen las
condiciones (5.16). El decisor ptimo cuando la interferencia intersimblica no es nula se
estudia en el Captulo 6. Si la secuencia recibida es de la forma q[n] = K
1
A[n] +z[n], con
z[n] muestras de ruido gausiano blanco con varianza K
2
, y si el smbolo transmitido en el
instante n
0
es a
0
[n
0
], podremos escribir la fdp de q[n
0
] como
f
q[A
(q[n
0
][a
0
[n
0
]) =
1
2K
2
exp
_
[q[n
0
] K
1
a
0
[n
0
][
2
2K
2
_
(5.17)
6
Esta ltima condicin equivale en frecuencia a que [P(e
j
)[
2
sea constante, lo que slo ocurre si p[n] es
un sistema paso todo. Si se impone la condicin de que p[n] sea de duracin nita, el nico sistema paso todo
es p[n] = K
1
[n], con K
1
un nmero real no nulo.
7
Sin embargo, cuando se tienen en cuenta otros efectos, como errores de sincronismo o portadora, muestrear
con una tasa superior a la de smbolo suele ser muy ventajoso, tal y como se pondr de maniesto en el Cap-
tulo 11. El sobremuestreo tambin puede ser til de cara a la reduccin de la complejidad del receptor, vase
Problema P5.8.
5.2 EL CRITERIO DE NYQUIST 257
por lo que el decisor de mxima verosimilitud elegir aquel

A[n
0
] tal que la distancia cua-
drtica [q[n
0
] K
1

A[n
0
][
2
o, equivalentemente, [q[n
0
]/K
1

A[n
0
][
2
, sea mnima. Como
los smbolos de la constelacin se sitan sobre la recta real, Figura 5.1, dicha regla es equi-
valente a situar los umbrales de decisin justo en medio de cada par de smbolos adyacentes.
Obsrvese que la implementacin del decisor implica conocer K
1
, esto es, la respuesta del
canal discreto equivalente en el origen, p[0] = K
1
. En la prctica, p[0] se puede estimar
transmitiendo smbolos conocidos por el receptor, o midiendo la potencia de la seal reci-
bida, que es proporcional a p
2
[0]. La nica excepcin en que no es necesario averiguar K
1
,
sino slo su signo, es la constelacin binaria antipodal, para la que el umbral se sita en el
cero.
5.2. EL CRITERIO DE NYQUIST
En el apartado precedente hemos comprobado que la ausencia de interferencia entre
smbolos garantiza que en un canal gausiano las muestras recibidas a la salida del canal
discreto equivalente toman la forma q[n] = p[0]A[n] + z[n], de modo que, dejando de lado
el escalado por p[0] (que se puede compensar de diferentes maneras en el receptor), la nica
fuente de error presente vendr dada por el ruido z[n]. Adems, hemos concluido que una
ISI nula, junto con el carcter blanco de z[n], constituyen una condicin que, de satisfacerse,
asegura que la toma de decisiones smbolo a smbolo es ptima desde el punto de vista de
minimizar la probabilidad de error.
De acuerdo con lo anterior, parece razonable plantearse el diseo de p(t) o, equivalen-
temente, g(t), para que no exista interferencia entre smbolos. Este criterio de diseo se
conoce como criterio de Nyquist para la ausencia de ISI que, olvidndose por completo de
la componente de ruido z[n], impone la condicin de que la ISI sea nula. Tambin se conoce
con el nombre de forzador de ceros (Captulo 6), y no hay que confundirlo con el criterio de
Nyquist para el muestreo de se nales en tiempo continuo visto en el Apartado 2.4
8
.
Como hemos visto, para que no exista ISI, la respuesta al impulso del canal discreto
equivalente, p[n], debe ser la funcin delta, [n], cosa que se cumple siempre que
p[n] = p(nT) =
_
1 n = 0
0 n ,= 0
(5.18)
Obsrvese que en (5.18) estamos adems imponiendo que p[0] = 1. Aunque en sentido
estricto esto ltimo no es necesario para la ausencia de ISI, su cumplimiento hace que, si
no existe ruido, las observaciones q[n] coincidan exactamente con los smbolos enviados
A[n], como discutimos con anterioridad. En cualquier caso, aqu no profundizaremos en los
mtodos que permiten al receptor conocer o estimar el valor del factor p[0].
8
Harry Nyquist, uno de los pioneros de la Ingeniera de Telecomunicacin, public en 1928 ambos resultados
en el contexto de la transmisin de seales telegrcas (digitales, al n y al cabo). El teorema del muestreo fue
presentado de una forma ms rigurosa y precisa por Shannon en su famoso artculo de 1948 (20 aos ms
tarde!)[53].
Para llegar a una expresin alternativa es interesante trabajar con la seal en tiempo
continuo que se obtiene al muestrear p(t) a periodo de smbolo T. Fijmonos en que esta
seal no es ms que un tren de impulsos, por lo que (5.18) es equivalente a
n=
p(nT)(t nT) = (t) (5.19)
que, a su vez, puede reescribirse como
p(t)
n=
(t nT) = (t) (5.20)
Esta ecuacin se puede reformular en el dominio de la frecuencia sin ms que tener en
cuenta que el producto de p(t) por un tren de impulsos se transforma en una convolucin de
su respuesta en frecuencia, P(j), con la Transformada de Fourier de un tren de impulsos,
que a su vez es otro tren de impulsos. La transformada de la (t) situada a la derecha del
signo de igualdad es, simplemente, 1. Por tanto, (5.20) es equivalente a
1
2
P(j)
2
T
k=
_

2k
T
_
= 1 (5.21)
e, intercambiando la suma y la convolucin en (5.21), y simplicando trminos, tenemos
1
T
k=
P
_
j j
2k
T
_
= 1 (5.22)
que es la expresin del criterio de Nyquist en el dominio de la frecuencia.
El criterio de Nyquist encuentra su aplicacin ms inmediata para un tipo particular de
pulsos: los limitados en banda (vanse Ejemplos 5.1 y 5.2). En este caso, la funcin de trans-
ferencia de la respuesta combinada transmisor-canal-receptor, P(j), se anula para todo
tal que [[ > W. Si estamos en una situacin en la que W < /T, es imposible que se
cumpla (5.22), porque al superponer las versiones desplazadas en frecuencia de P(j) tal
y como nos obliga el criterio de Nyquist en frecuencia, obtenemos un espectro como el que
muestra la Figura 5.8. De ello podemos deducir que si el ancho de banda del canal est
limitado a W rad/seg, entonces existe una velocidad mxima a la que se puede transmitir
por dicho canal sin que exista a ISI; dicha velocidad, en baudios (esto es, smbolos/seg), es
1/T = W/. Esta es la razn por la que decamos en la Pgina 231 que ante dos conste-
laciones con distinto nmero de smbolos no siempre cabe elegir la de menor nmero de
puntos, aunque su curva de BER sea mejor, tal y como se muestra en el siguiente ejemplo.
Ejemplo 5.4
Pretendemos establecer una comunicacin a un rgimen binario de 9,600 bits por segundo por
un canal paso bajo con frecuencia de corte 2 1,200 radianes por segundo.
La tasa mxima de utilizacin del canal sin que exista ISI es
21,200
= 2,400 baudios. Para

conseguir la velocidad binaria deseada el codicador debe de asignar
9,600
2,400
= 4 dgitos binarios
por cada smbolo de la constelacin, por lo que el tama no mnimo de la constelacin es de
2
4
= 16 smbolos.
2/T /T 0 /T 2/T W
1/T
k=
P(jj2k/T)
Figura 5.8. Claramente
1
T
k=
P(j j
2k
T
) ,= 1 en el caso en que W < /T.
5.2.1. Pulsos en coseno alzado
Si utilizamos el canal paso bajo a su frecuencia mxima, W/ baudios, para que no
exista ISI debemos garantizar que se cumpla
P(j) = T
_

2W
_
=
_
T [[ < W
0 [[ > W
(5.23)
y, en este caso,
p(t) = sinc
_
t
T
_
=
sen (t/T)
t/T
(5.24)
El lector puede comprobar como ejercicio el cumplimiento del criterio de Nyquist en el
dominio del tiempo (5.18) sin ms que calcular p(nT) en (5.24), observando que la respuesta
al impulso de p(t) cruza por cero en los instantes mltiplos del periodo de smbolo, excepto
en el origen, donde vale 1.
Si utilizamos el canal paso bajo por debajo de su frecuencia mxima, W/ baudios,
tenemos ms libertad para escoger la forma de onda p(t). Una de estas formas de onda
que cumplen el criterio de Nyquist de interferencia entre smbolos son los pulsos en coseno
alzado, denidos como
p(t) =
_
sen (t/T)
t/T
__
cos (t/T)
1 (2t/T)
2
_
(5.25)
cuya Transformada de Fourier es
P(j) =
_
_
T 0 [[ (1 )/T
T
2
_
1 sen
_
T
2
_
[[

T
_
__
(1 )/T [[ (1 +)/T
0 [[ > (1 +)/T
(5.26)
El factor puede tomar valores entre 0 y 1 y se denomina factor de cada o roll-off. Para
= 0, el pulso en coseno alzado se transforma en (5.24). A medida que aumentamos ,
la amplitud de las colas del pulso en el dominio temporal se hace ms peque na conforme
nos alejamos del origen de tiempos, tal y como puede verse en la Figura 5.9, y el ancho
de banda crece, segn puede comprobarse en la Figura 5.10. De hecho, el ancho de banda
2T T 0 T 2T
1
p(t)
t
=1
=0.75
=0.5
=0
Figura 5.9. Pulso en coseno alzado para distintos valores de .
/T 0 /T
P(j)
=1
=0.75
=0.5
=0
Figura 5.10. Transformada de Fourier del pulso en coseno alzado para distintos valores de .
ocupado por los pulsos es (1 +)/T rad/seg (vase (5.26)), por lo que el ancho de banda
se incrementa en /T con respecto al mnimo necesario para que no exista ISI (esto es,
/T). Dicho de otro modo, el ancho de banda aumenta en un factor de con respecto al
mnimo dictado por el criterio de Nyquist. Por esta razn, el factor expresado en tanto por
ciento se denomina exceso de ancho de banda. Por ejemplo, para = 0,25, el exceso de
ancho de banda es de un 25 %. En el Apartado 5.3.1 descubriremos algunas de las razones
que aconsejan un aumento del ancho de banda.
Hasta ahora hemos visto que las condiciones impuestas por el criterio de Nyquist afectan
al pulso p(t) que combina la respuesta de los ltros transmisor y receptor, esto es, p(t) =
g(t) g(t). En realidad, nuestro inters est en conocer qu ltro deberamos usar en
transmisin para que se cumpla el criterio de Nyquist. Pero esto resulta sumamente sencillo
si recurrimos al dominio de la frecuencia, ya que P(j) = G(j) G
(j) = [G(j)[
2
.
Por tanto, el procedimiento para obtener g(t) sera el siguiente: 1) disear un pulso p(t) que
cumpla el criterio de Nyquist para periodo T y calcular su respuesta en frecuencia P(j),
y 2) hallar su raz cuadrada para tener G(j) =
_
P(j). La respuesta al impulso deseada
sera simplemente la Transformada de Fourier inversa de G(j). Obsrvese que para que
g(t) tenga una respuesta real, cosa absolutamente imprescindible en PAM en banda base,
G(j) debe ser hermtica.
En el caso de pulsos en coseno alzado, el clculo de la raz cuadrada en frecuencia se
ve simplicado por el hecho de que P(j) es una funcin real no negativa. Procediendo
como hemos indicado en el prrafo anterior obtenemos la respuesta al impulso del pulso
transmisor g(t)
g(t) =
4
T
cos
_
(1 +)
t
T
_
+T
sen
_
(1 )
t
T
_
4t
1
_
4t
T
_
2
(5.27)
que es una funcin real y par por ser G(j) real y par. Teniendo en cuenta la forma en que ha
sido generado, el pulso g(t) denido en (5.27) recibe el nombre de pulso en raz de coseno
alzado. Finalmente, puede comprobarse que este pulso no cumple el criterio de Nyquist; la
demostracin se deja como ejercicio.
5.2.2. Otras consecuencias del criterio de Nyquist
Las importantes implicaciones del criterio de Nyquist no se reducen a la eliminacin de
la ISI: a continuacin vamos a ver que tambin est relacionado con las propiedades de la
autocorrelacin del ruido a la entrada del decisor, z[n]. Para ello, calculemos la densidad
espectral de potencia de dicho ruido, S
z
(e
j
), en el caso particular en que el receptor es el
ltro adaptado al transmisor, esto es, g(t). Primero, determinaremos la densidad espectral
de potencia del ruido z(t) a la salida del ltro adaptado g(t), que denotamos por S
z
(j):
S
z
(j) =
N
0
2
[G
(j)[
2
=
N
0
2
[G(j)[
2
(5.28)
de donde es inmediato comprobar que aunque n(t) es blanco, el ruido z(t) aparece coloreado
por el ltro adaptado del receptor.
Empleando ahora la expresin que relaciona el espectro de potencia de un proceso con-
tinuo con el de sus muestras (Ecuacin (3.298)), tenemos
S
z
(e
j
) =
N
0
2T
G
_
j
T
j
2k
T
_
2
(5.29)
=
N
0
2T
k
P
_
j
T
j
2k
T
_
(5.30)
Aunque pueda resultar un tanto sorprendente a primera vista, el ruido a la entrada del
decisor smbolo a smbolo puede ser blanco (aun cuando a la entrada del muestreador no lo
es): basta con comprobar en (5.30) que su espectro de potencia ser constante si y slo si se
cumple
1
T
k
P
_
j
T
j
2k
T
_
= constante (5.31)
que, salvo por una constante, es equivalente a (5.22), ya que el hecho de escalar el eje de
frecuencias no afecta a la condicin. Consecuentemente, la satisfaccin del criterio de Ny-
quist, aplicado en esta ocasin al cuadrado (en frecuencia) de la respuesta del ltro receptor,
garantiza que el ruido z[n] es blanco.
Resumiendo, si el ltro receptor est adaptado al pulso empleado en transmisin y el
pulso p(t) = g(t) g(t) satisface el criterio de Nyquist para periodo de smbolo T, pode-
mos armar que dicho ltro, seguido de un muestreador con periodo T y un decisor smbolo
a smbolo es ptimo desde el punto de vista de la minimizacin de la probabilidad de error.
Una de las propiedades interesantes del ltro adaptado es la de maximizar la relacin
seal a ruido a su salida. En el caso que acabamos de discutir, a la salida del muestreador
a periodo de smbolo, la seal recibida es simplemente q[n] = A[n] + z[n], de modo que
dicha relacin toma la forma
_
S
N
_
q
=
EA
2
[k]
2
z
=
E
s
2
z
(5.32)
siendo
2
z
la varianza del ruido z[n], que se puede calcular integrando su densidad espectral
de potencia como
2
z
=
1
2
_

S
z
(e
j
)d (5.33)
que, para nuestro caso particular en que se cumple (5.31), se traduce en
2
z
=
N
0
2
(5.34)
5.3 TRANSMISIN DE PAM SOBRE CANALES LINEALES 263
5.2.3. Probabilidades de error
El clculo de las probabilidades de error de smbolo y de bit para el caso de ruido blanco
con densidad espectral de potencia N
0
/2 W/Hz es sencillo a partir de los resultados del
Apartado 4.4.2 y del concepto de canal discreto equivalente. Por ejemplo, para el caso 2-
PAM, podemos aplicar directamente dichos resultados sin ms que tener en cuenta que si
transmitimos un smbolo de amplitud

E
s
, la fdp de la seal recibida ser gausiana de
media
E
s
y varianza
2
z
= N
0
/2, por lo que la probabilidad de error de smbolo en (4.93)
es
P
e
= Q
_
_
2E
s
N
0
_
(5.35)
que coincide con la BER. Para el caso cuaternario (4-PAM) con codicacin Gray (Figura
4.43) podemos utilizar (4.102), adaptada a este caso, de modo que resulta posible escribir
BER =
3
4
Q
_
_
2E
s
5N
0
_
+
1
2
Q
_
_
18E
s
5N
0
_
1
4
Q
_
_
10E
s
N
0
_
(5.36)
Esta expresin puede ponerse en funcin de la energa por bit, sin ms que tener en cuenta
que para este caso E
b
= E
s
/2.
Para constelaciones con un nmero mayor de smbolos suele recurrirse a cotas como la
de la unin (4.88) o aproximaciones basadas en el nmero de vecinos ms prximos, como
(4.91), despreciando los efectos de bordes, esto es, el hecho de que excepto para los dos
smbolos extremos, = 2.
5.3. TRANSMISIN DE PAM SOBRE CANALES LINEALES
Aunque la adicin de ruido gausiano sigue siendo el mayor obstculo para el estable-
cimiento de una comunicacin able, el canal aditivo gausiano es un modelo demasiado
simplista como para tener verdadera utilidad prctica. Decamos en el Captulo 4 que el
canal representa el medio fsico de transmisin y que, frecuentemente, este canal se puede
modelar mediante un sistema invariante en el tiempo que introduce distorsiones lineales.
Adems, el ruido aditivo gausiano seguir estando presente, obteniendo un modelo como el
que se muestra en la Figura 5.11. En lo sucesivo, nos referiremos a este tipo de canal como
canal lineal gausiano, sobreentendindose la invarianza temporal y el carcter aditivo del
ruido.
En este caso, podemos escribir la se nal a la entrada al receptor como
r(t) = s(t) h(t) +n(t) (5.37)
donde s(t) es la seal transmitida segn (5.1), h(t) es la respuesta al impulso del canal y
n(t), como en el apartado anterior, es ruido blanco y gausiano con densidad espectral de
potencia N
0
/2. Si h(t) = (t) tenemos el canal aditivo gausiano considerado en el apartado
anterior y que a partir de aqu denominaremos simplemente canal gausiano.
s( ) t r t ( ) h t
H j
( )
( w)
n t ( )
Figura 5.11. Canal lineal gausiano.
Para determinar el efecto que supone la introduccin de distorsiones lineales en el canal
podemos plantearnos qu ocurrira si continusemos empleando el mismo demodulador que
en el apartado anterior, reejado en la Figura 5.6. En primer lugar, dado que el ruido slo se
ve afectado por el ltro receptor, si la respuesta en magnitud al cuadrado de este satisciese
el criterio de Nyquist, seguiramos teniendo ruido blanco a la salida del muestreador del re-
ceptor (vase Apartado 5.2.2). Sin embargo, como razonaremos a continuacin, en general,
va a existir interferencia entre smbolos. Ahora podemos seguir reduciendo nuestro modelo
de comunicaciones al canal discreto equivalente de la Figura 5.7, donde
p[n]
.
= p(nT) = (g(t) h(t) g(t))
t=nT
(5.38)
Sustituyendo esta nueva denicin de p[n] en (5.12) obtenemos una expresin de la secuen-
cia recibida en trminos de la ISI y el ruido discreto. Tal y como hemos discutido en el
apartado precedente, la condicin para que no exista ISI es (5.18), que encuentra su equiva-
lente en el dominio de la frecuencia en (5.22). Por consiguiente, para que ahora no existiese
ISI, la respuesta combinada P(j) = G(j)H(j)G
(j) del pulso transmisor, el canal

y el ltro receptor debera cumplir (5.22). Esto implica que no es suciente con que la res-
puesta combinada transmisor-receptor que, recordemos, es [G(j)[
2
, verique la condicin
de Nyquist, sino que debemos prestar atencin adems a la respuesta del canal.
Ejemplo 5.5
Consideremos un canal con la forma h(t) = (t) +(t
1
). Aunque muy sencillo, este canal
modela el efecto conocido como propagacin multitrayecto, en el que la seal transmitida que
alcanza el receptor llega por varios caminos diferentes, que experimentan atenuaciones y retar-
dos distintos. En la forma dada, la seal que llega a travs del llamado camino directo no sufre
atenuacin ni retardo algunos y es modelada con (t); la que se propaga a travs del camino
secundario se ve escalada en amplitud por un factor real y experimenta un retardo
1
que, por
simplicidad, supondremos en primer lugar que es exactamente de un periodo de smbolo, esto es,
1
= T. En realidad, como la propagacin de seales nunca es instantnea, el propio trayecto di-
recto tambin suele estar afectado por un retardo de propagacin, adems de verse atenuado. Sin
embargo, como estos efectos sobre la componente directa suelen ser corregidos en el receptor,
podemos considerar y
1
como respectivamente la ganancia y el retardo relativos a dicha com-
ponente. Conviene sealar que el considerado aqu es el ms sencillo de los posibles canales con
propagacin multitrayecto, ya que, en general, existirn otros caminos de propagacin adems
del directo y el secundario.
La respuesta en frecuencia del canal es H(j) = 1 + e
j
1
= 1 +e
jT
. El pulso confor-
mador y el ltro empleado en recepcin son sendos pulsos en raz de coseno alzado, con factor
de cada = 0,35. La respuesta al impulso combinada de transmisor, canal y receptor es
p(t) = r
g
(t) +r
g
(t T) (5.39)
donde r
g
(t) = g(t) g(t) es la funcin de ambigedad de un pulso en raz de coseno alzado,
por lo que dicha funcin en este caso es justamente un pulso en coseno alzado. Para determinar
el canal discreto equivalente debemos muestrear p(t):
p[n] = r
g
(nT) +r
g
(nT T) = [n] +[n 1] (5.40)
donde r
g
(nT) = [n] y r
g
(nT T) = [n 1] se concluyen del hecho de que r
g
(t) cumple
el criterio de Nyquist. Por lo que respecta al ruido z[n], tal como hemos venido discutiendo, este
ser blanco con densidad espectral de potencia N
0
/2.
A la vista de (5.40), podemos escribir que la secuencia a la entrada del decisor ser de la forma
q[n] = A[n] +A[n 1] +z[n]. As, vemos que tenemos ISI debida nicamente al smbolo an-
terior al deseado y que el nivel de dicha ISI viene determinado por la ganancia de la componente
secundaria, relativa a la directa.
Es interesante examinar qu ocurre en el dominio de la frecuencia, calculando primero P(j) y
despus vericando si se cumple el criterio de Nyquist. En la Figura 5.12, se representa en lnea
discontinua la respuesta en frecuencia de un pulso en coseno alzado con = 0,35, correspon-
diente a R
g
(j). En lnea continua se dibuja P(j) cuando = 0,5. Obsrvese cmo el canal
distorsiona la respuesta en frecuencia ideal del pulso en coseno alzado.
2/T /T 0 /T 2/T
|P(j)|
Figura 5.12. Espectro de un pulso en coseno alzado (linea discontinua) y espectro de
P(j) (linea continua) que incluye la distorsin del canal, para el canal del Ejemplo 5.5.
La consecuencia de esta distorsin se observa en la Figura 5.13, donde se implementa grca-
mente la combinacin
1
T
k=
P
_
j j
2k
T
_
(5.41)
que, recordemos, debera ser igual a 1 para que se cumpliese el criterio de Nyquist, cosa que no
ocurre. Esta es una forma alternativa de percibir la existencia de ISI.
3/T2/T /T 0 /T 2/T 3/T
|1/T
k=
P(jj2k/T)|
Figura 5.13. Suma de espectros de P(j) desplazados, tal como requiere el criterio de
Nyquist en frecuencia, para el canal del Ejemplo 5.5.
Por desgracia, las cosas se complican en cuanto surgen situaciones menos acadmicas
que en el ejemplo que acabamos de poner. En cuanto los retardos no son mltiplo del periodo
de smbolo, el nivel de interferencia entre smbolos puede incrementarse notablemente, tal
y como veremos en el ejemplo siguiente.
Ejemplo 5.6
Consideremos el mismo canal del Ejemplo 5.5 en el que ahora
1
= T/2, es decir, el retardo de la
componente secundaria relativa a la directa es medio periodo de smbolo. Aunque aparentemente
las cosas no han cambiado mucho, ahora tenemos que r
g
(nT T/2) no se puede escribir como
una combinacin nita de impulsos discretos. Esto se debe a que r
g
((n1/2)T) no es nula para
ningn valor de n, ya que se corresponde con el muestreo a periodo de smbolo de un coseno
alzado desplazado T/2 a la derecha. As que, ahora,
p[n] = [n] +r
g
(nT T/2) (5.42)
por lo que
q[n] = A[n](1 +r
g
(T/2)) +
k
k=n
A[k]r
g
(nT T/2 kT) +z[n] (5.43)
de forma que ahora tenemos ISI debida a todos los smbolos transmitidos, anteriores y posterio-
res.
En las Figuras 5.14 y 5.15 se repiten las representaciones del Ejemplo 5.5, para el canal analizado.
Si nuestra intencin es eliminar completamente la ISI (recordemos que esto era parte de
la condicin suciente (5.16) para que el decisor smbolo a smbolo fuese ptimo), entonces
podemos proceder del siguiente modo: 1) diseamos un pulso p(t) que cumpla la condicin
2/T /T 0 /T 2/T
|P(j)|
Figura 5.14. Espectro de un pulso en coseno alzado (linea discontinua) y espectro de
P(j) (linea continua) que incluye la distorsin del canal, para el canal del Ejemplo 5.6.
3/T2/T /T 0 /T 2/T 3/T
|1/T
k=
P(jj2k/T)|
Figura 5.15. Suma de espectros de P(j) desplazados, tal como requiere el criterio de
Nyquist en frecuencia, para el canal del Ejemplo 5.6.
de Nyquist para periodo T, y 2) calculamos
G(j) =
_
_
_
_
P(j)
H(j)
_
1/2
, si H(j) ,= 0
0, en otro caso
(5.44)
con objeto de que el ltro receptor est adaptado al usado en transmisin. Obsrvese que
H(j) no ser necesariamente real, por lo que la raz cuadrada en (5.44) debe ser una fun-
cin de variable compleja. Por construccin, el pulso g(t) diseado segn (5.44) garantiza
la ausencia de ISI en la seal recibida q[n]. Sin embargo, esta solucin no est libre de pro-
blemas: en primer lugar, para aplicarla es necesario conocer la respuesta del canal H(j),
lo que casi nunca es fcil; y, en segundo lugar, el ruido z[n] antes del decisor en general ya
no ser blanco. En efecto, sustituyendo (5.44) en (5.29) tendremos
S
z
(e
j
) =
N
0
2T
k
P
_
j
T
j
2k
T
_
[H
_
j
T
j
2k
T
_
[
(5.45)
de modo que, aunque P(j) cumpla la condicin de Nyquist, salvo que H(j) adopte una
forma trivialmente especial (que el lector puede hallar como ejercicio), S
z
(e
j
) ya no ser
plano. Este hecho se ilustra en el siguiente ejemplo
Ejemplo 5.7
Considrese el canal con propagacin multitrayecto del Ejemplo 5.5. Si diseamos el ltro trans-
misor de acuerdo con (5.44), con P(j) un coseno alzado de factor de cada = 0,35 obtenemos
un ltro cuya respuesta en magnitud se representa en la Figura 5.16.
2/T /T 0 /T 2/T
|G(j)|
Figura 5.16. Respuesta en magnitud de G(j) diseado para eliminar la ISI introducida
por el canal del Ejemplo 5.5.
Si bien este ltro, empleado en transmisin y, reejado, en recepcin, consigue eliminar la ISI,
su efecto es el de colorear el ruido a la entrada del decisor. En la Figura 5.17 se representa la
densidad espectral de potencia de dicho ruido que, como se ve, dista mucho de ser plana.
En la discusin y ejemplos precedentes hemos encontrado un problema tpico de las
comunicaciones digitales y al que dedicaremos no poco espacio en el Captulo 6: cuando
el canal introduce distorsiones lineales, en general no es posible conseguir simultneamente
que en la secuencia q[n] no exista ISI y que el ruido sea blanco
9
. En tal caso, el decisor
smbolo a smbolo no ser ptimo, lo que signica que este receptor no minimizar la pro-
babilidad de error. De hecho, si quisisemos realizar una decisin estadsticamente ptima
sobre un nico smbolo, digamos A[n
0
], deberamos esperar a recibir toda la secuencia q[n],
9
Y lo que es peor, no garantizamos que el ltro receptor no amplique la potencia de ruido.
3 2 0 2 3
S
z
(e
j
)
Figura 5.17. Densidad espectral de potencia del ruido discreto a la entrada del decisor
smbolo a smbolo.
y utilizar toda la secuencia q[n] para decidir sobre el valor de A[n
0
]. De nuevo, referimos al
Captulo 6 para una discusin ms detallada.
El lector puede llegar a pensar que todas estas dicultades son causadas por el hecho
de emplear un ltro receptor que est adaptado al transmisor. A continuacin vamos a com-
probar que desgraciadamente no es as: consideremos un ltro receptor genrico f(t) en el
demodulador, tal y como representamos en la Figura 5.18.
Figura 5.18. Estructura del demodulador para PAM en banda base con un ltro receptor
genrico f(t).
Naturalmente, el caso que venamos tratando hasta el momento se corresponde con
f(t) = g(t). El clculo del canal discreto equivalente no diere apenas de los realiza-
dos en apartados anteriores, de modo que (5.8) sigue siendo vlida, con
p(t) = g(t) h(t) f(t) (5.46)
y z(t) = n(t) f(t).
Y como ocurri en el apartado anterior, podemos disear los ltros de inters para eli-
minar la ISI, con la libertad de que ahora el ltro receptor no est jado por la eleccin del
ltro transmisor. As, dados g(t) y h(t), y partiendo de un pulso p(t) que cumpla el criterio
de Nyquist, basta con elegir f(t) tal que P(j) = G(j)H(j)F(j). Pero, por desgra-
cia, el F(j) as obtenido no garantizar (salvo excepciones triviales) la aparicin de ruido
blanco antes del decisor. Por consiguiente, todos los comentarios efectuados en el apartado
anterior, relativos a la no optimalidad del demodulador smbolo a smbolo son vlidos aqu.
No obstante, la mayor exibilidad que supone la introduccin de un ltro genrico f(t)
permite otras soluciones. Por ejemplo, si reescribimos la seal a la entrada del receptor, r(t),
como
r(t) =
n
A[n]g
r
(t nT) +n(t) (5.47)
siendo g
r
(t)
.
= g(t) h(t), podemos concluir que la forma de r(t) es idntica a la que
tendramos al transmitir sobre un canal gausiano (Apartado 5.1.2), con la diferencia de que
ahora aparece g
r
(t) en lugar de g(t). Esto es lgico, ya que ahora la seal transmitida en-
cuentra el canal h(t) antes de llegar al receptor. As pues, continuando con el paralelismo
establecido, el ltro del receptor, que en el Apartado 5.1.2 est adaptado a g(t), ahora de-
bera adaptarse a g
r
(t), es decir, a la respuesta conjunta transmisor-canal. Por tanto, en este
caso, f(t) = g
r
(t).
Este ltro adaptado tiene la propiedad de que maximiza la relacin seal a ruido cuando
se considera la transmisin de un nico smbolo
10
. Para demostrarlo, supongamos que sola-
mente se enva A[0] por el canal, de modo que el receptor muestrea slo en t = 0 obteniendo
q[0], que es la variable de decisin. En este caso, s(t) = A[0]g(t) y
r(t) = A[0]g(t) h(t) +n(t) = A[0]g
r
(t) +n(t) (5.48)
La seal a la salida del ltro receptor f(t) toma la forma
q(t) = A[0]g
r
(t) f(t) +z(t) (5.49)
con z(t) = n(t) f(t). Finalmente, la variable de decisin es
q[0]
.
= q(t) [
t=0
= A[0] (g
r
(t) f(t)) [
t=0
+z[0]
= A[0]
_

g
r
()f()d +
_

n()f()d (5.50)
con z[0] = z(0). Como puede verse, estamos en una situacin anloga a la de (4.21),
Apartado 4.3.2, con la pequea diferencia de que ahora la componente de seal tambin
es aleatoria, debido a la presencia del smbolo desconocido A[0]. Con esta consideracin y
empleando (4.23), es inmediato concluir que
Eq
2
[0] = E
s
__

g
r
()f()d
_
2
+
N
0
2
_

f
2
()d (5.51)
con E
s
= EA
2
[0]. Como consecuencia, la relacin seal a ruido toma una forma anloga
a la de (4.24) y los argumentos ofrecidos en el Apartado 4.3.2 son vlidos para demostrar
que f(t) = Kg
r
(t), con K cualquier nmero real no nulo, maximiza dicha relacin.
10
Obviamente, esta hiptesis no se cumple en un sistema real.
En los prrafos precedentes hemos considerado la transmisin/recepcin de un slo sm-
bolo. El problema de hallar el ltro f(t) que maximiza la relacin seal a ruido cuando se
considera la transmisin indenida de smbolos es bastante ms complejo, por lo que no lo
abordaremos aqu.
El inconveniente de las soluciones anteriores es que, aunque maximizan una relacin
seal a ruido, consideran la ISI como parte de la componente de seal, lo que desde el punto
de vista de la toma de decisiones smbolo a smbolo no parece una estrategia adecuada. De
acuerdo con esto, podemos mencionar aqu un ltimo criterio de diseo para f(t) que ser
tratado con mayor profundidad en el Captulo 6: tomando la ISI como un trmino indeseable
para las decisiones smbolo a smbolo, podemos buscar aquel f(t) que maximiza
E
_
(A[n]p[0])
2
_
E
_
_
_
_
_
_
k
k,=n
A[k]p[n k] +z[n]
_
_
_
_
2
_
_
(5.52)
lo que equivale a maximizar la relacin potencia del smbolo deseado recibido frente a ISI
y ruido.
Como ltimo comentario de este apartado, es interesante sealar que casi todas las op-
ciones para el diseo de f(t) obligan a conocer el canal h(t), lo que, como ya hemos seala-
do, constituye un problema prctico que entraa muchas dicultades. Peor an, en algunas
aplicaciones la respuesta al impulso del canal vara con el tiempo. Todo ello dicta disear
f(t) de forma prctica utilizando un h(t) nominal que sea representativo de los canales
que se pueden llegar a encontrar, dejando la solucin de los problemas restantes a bloques
de procesado de seal que se implementan digitalmente despus del muestreador del recep-
tor y que veremos con ms detenimiento en el Captulo 6. Como consecuencia de lo ante-
rior, muchos sistemas prcticos emplean simplemente el ltro adaptado al pulso transmisor
f(t) = g(t), que suele ser un ltro en raz de coseno alzado.
5.3.1. El diagrama de ojo
El diagrama de ojo es una herramienta de gran utilidad para visualizar el comportamien-
to de un sistema de comunicaciones, en particular, para determinar de forma cualitativa el
impacto de ciertos fenmenos indeseables como el ruido, la interferencia entre smbolos o
las uctuaciones en el reloj de smbolo. Generalmente, los diagramas de ojo se construyen
en el osciloscopio, aprovechando la persistencia de la onda en pantalla para representar de
forma solapada fragmentos consecutivos de la seal que se desea analizar
11
. La frecuencia
de disparo del osciloscopio, obtenida a partir del reloj de smbolo, se ajusta para que el eje
horizontal abarque tpicamente dos periodos de smbolo.
El proceso de construccin del diagrama de ojo que realiza automticamente el osci-
loscopio se ilustra en la Figura 5.19. En la parte superior se tiene la forma de onda cuyo
11
Los osciloscopios digitales tienen la opcin de simular esta persistencia
diagrama de ojo se quiere visualizar, en este caso, una seal PAM banda base con conste-
lacin binaria antipodal, pulso en coseno alzado con factor de cada = 0,35 y carente
de ruido. Dicha seal se divide en fragmentos de duracin 2T que se representan de forma
superpuesta. En la Figura 5.19 se ha elegido, por razones de claridad, dibujar slo dos frag-
mentos, que son los sealados con trazo grueso sobre la forma de onda de la parte superior.
Figura 5.19. Proceso de construccin de un diagrama de ojo.
La Figura 5.20(a) ilustra el diagrama de ojo completo de una seal como la de la Figura
5.19. El llamado ojo aparece el centro de la gura como la zona vaca con forma de diaman-
te. Es interesante observar que, en ausencia de ruido o interferencia entre smbolos todos
los trazos pasan por los mismos puntos en el centro, que se corresponden con los niveles de
la PAM utilizada, en este caso 1. Como ya sabemos, muestreando justamente en los ins-
tantes que se corresponden con dichos puntos, obtendramos el smbolo enviado en dichos
instantes.
La apertura vertical del ojo es una buena medida de la inmunidad al ruido, puesto que
da una idea de qu amplitud de ruido sera necesaria para producir un error (recordemos
que el umbral de decisin en este caso se sita en el valor cero, que se puede visualizar
en el diagrama como una lnea horizontal que lo biseca). Por lo que respecta a la apertura
horizontal, esta da una medida de la inmunidad a los errores en el instante elegido para
muestrear la seal; en efecto, a medida que nos desviamos del instante ptimo de muestreo
(que es aquel para el que la apertura vertical es mxima) se reduce el margen necesario para
que el ruido produzca errores, hasta el punto de que si muestreamos en instantes situados
fuera del ojo, la probabilidad de error ya no ser cero, incluso en ausencia de ruido. La
Figura 5.20(b) representa un diagrama de ojo similar al de la Figura 5.20(a), pero habiendo
empleado un factor de cada de = 1. La mayor apertura horizontal del ojo, debida a un
factor de cada ms elevado, implica a su vez una mayor robustez ante posibles errores en
el instante de muestreo. Esto explica por qu puede ser deseable emplear valores de ms
(a) (b)
Figura 5.20. Diagramas de ojo para una PAM binaria antipodal con pulsos en coseno
alzado con (a) = 0,35 y (b) = 1.
altos en los pulsos en coseno alzado, aun cuando incrementan el ancho de banda utilizado.
Las Figuras 5.21(a) y (b) muestran el diagrama de ojo que se obtiene cuando se transmite
una seal PAM binaria antipodal a travs de un canal h(t) = (t) 0,3(t 2T) (vase
Ejemplo 5.5), cuando los ltros transmisor y receptor son races cuadradas de coseno alzado
con = 0,35 y = 1, respectivamente, y en ausencia de ruido. Para ambos casos, p[n] =
[n]+0,3[n2], por lo que habr interferencia entre smbolos. Obsrvese que en el instante
ptimo de muestreo la seal recibida puede tomar los valores 1 0,3 y la inmunidad al
ruido se reduce.
(a) (b)
Figura 5.21. Diagramas de ojo para una PAM binaria antipodal transmitida sobre el canal
h(t) = (t) + 0,3(t 2T), con (a) = 0,35 y (b) = 1.
Finalmente, los diagramas de ojo de las Figuras 5.22(a) y (b) se han obtenido empleando
un canal h(t) = (t) +0,3(t T/2) (vase Ejemplo 5.6), para el que la interferencia entre
smbolos contiene innitos trminos. Aqu tambin puede observarse la ventaja de usar un
factor de cada mayor: el ojo aparece mucho ms abierto para = 1 que para = 0,35.
(a) (b)
Figura 5.22. Diagramas de ojo para una PAM binaria antipodal transmitida sobre el canal
h(t) = (t) + 0,3(t T/2), con (a) = 0,35 y (b) = 1.
5.4. PAM PASO BANDA
En apartados anteriores hemos estudiado la modulacin PAM en banda base. Aunque
til para introducir algunos valiosos conceptos que sern empleados ms adelante, su alcan-
ce prctico es limitado, ya que la mayora de los canales fsicos no permiten la transmisin
de seales en banda base porque:
1. Muchos de ellos, como es el caso del canal telefnico, no pueden transmitir seales
prximas a continua (frecuencia 0) por la fuerte atenuacin que estas experimentaran,
con el consiguiente desperdicio de potencia (pinsese que no es razonable transmitir
en aquellas frecuencias para las que la atenuacin del canal sea grande).
2. Otros canales, como es el caso de los canales radio, dividen el rango de frecuen-
cias disponibles en bandas de frecuencia que se asignan con diferentes propsitos, y
siempre con la limitacin de que el ancho de banda sea mucho menor que la frecuen-
cia central. De hecho, en estos casos, es ilegal transmitir potencia fuera de la banda
asignada, existiendo fuertes restricciones sobre el espectro de la seal transmitida,
generalmente especicadas a travs de las llamadas mscaras de emisin.
Como consecuencia de lo anterior, en este apartado nos plantearemos cmo enviar la
informacin en canales de tipo paso banda, llegando a la conclusin de que, a costa de
aumentar la complejidad de transmisor y receptor, es posible mantener la misma eciencia
5.4 PAM PASO BANDA 275
espectral que conseguamos con la PAM en banda base, si nuestro objetivo es alcanzar la
misma probabilidad de error de bit.
La forma ms natural de conseguir una modulacin paso banda sera: 1) generar una
seal PAM en banda base y 2) trasladar su espectro hasta la banda de frecuencias desea-
da. Tengamos siempre presente, no obstante, que el medio fsico slo admite seales reales
(p.ej., voltaje o intensidad), por lo que la seal generada debe cumplir esta restriccin. En
consecuencia, podramos obtener la seal paso banda deseada modulando un coseno (llama-
do seal portadora) de frecuencia igual a la que deseamos trasladar el espectro con la seal
en banda base, tal como se muestra en la Figura 5.23.
Figura 5.23. Diagrama de bloques de un modulador en doble banda lateral
Formalmente, dada una seal PAM en banda base s(t) con expresin
s(t) =
n
A[n]g(t nT) (5.53)
el proceso de modulacin de una portadora de frecuencia
c
rad/seg produce una seal de
la forma
x(t) = s(t) cos(
c
t) (5.54)
En la Figura 5.24 se ilustra el resultado del proceso de modulacin paso banda representando
los espectros de s(t) y x(t) denotados, respectivamente, por S(j) y X(j).
S(j)
c
X(j)
(a) (b)
Figura 5.24. Espectro de la seal en banda base y de la seal paso banda.
Aunque vlido, el esquema que acabamos de presentar no es eciente porque malgasta
el ancho de banda disponible. La razn es que, de acuerdo con las relaciones de simetra
existentes en el espectro de x(t), para recuperar la seal en banda base s(t) sera suciente
con un espectro como el de la Figura 5.25, que ocupa exactamente la mitad del ancho de
banda que en la Figura 5.24.
c
X(j)
Figura 5.25. Espectro de una seal en banda lateral superior.
El lector puede comprobar cmo una nueva multiplicacin por cos(
c
t) y un ltrado
paso bajo reconstruyen la seal original en banda base.
Podemos pensar, entonces, en generar una seal x(t) con un espectro como el de la
Figura 5.25, para lo cual una posibilidad sera ltrar la seal paso banda anterior con un
ltro paso alto g
pa
(t) con frecuencia de corte
c
, por lo que la nueva expresin para x(t)
sera
x(t) = (s(t) cos(
c
t)) g
pa
(t) (5.55)
Figura 5.26. Diagrama de bloques de un modulador en banda lateral superior (Upper
Side-Band, USB).
La modulacin as conseguida se denomina PAM en banda lateral nica (Single Side-
Band, SSB) o, abreviadamente, PAM-SSB; por contra, la descrita mediante (5.54) recibe
el nombre de PAM en doble banda lateral (Double Side-Band, DSB) , o, abreviadamente,
PAM-DSB. En la Figura 5.26 se representa el diagrama de bloques de un modulador en
USB. Aunque el procedimiento aqu descrito sirve para obtener la banda lateral superior de
la seal, es inmediato extenderlo a la consecucin de la banda lateral inferior sin ms que
cambiar el ltro paso alto por uno paso bajo. La determinacin del espectro de potencia de
este tipo de seales se encuentra en el Apartado 3.3.8, bajo el epgrafe Modulacin real de
procesos cicloestacionarios.
Uno de los inconvenientes de las modulaciones en banda lateral es la necesidad de uti-
lizar un ltro g
pa
(t) con caracterstica ideal, esto es, con una cada muy abrupta. En las
llamadas modulaciones PAM en banda lateral vestigial (Vestigial Side-Band, VSB) o,
abreviadamente, PAM-VSB, el ltro utilizado tiene una caracterstica relajada lo que facili-
ta su implementacin prctica a costa de un mayor ancho de banda ocupado. En cualquier
caso, el ltro ha de ser tal que el solape que se produce en los espectros durante el proceso
de demodulacin garantice la reconstruccin perfecta de s(t).
En lugar de tratar de reducir el ancho de la seal paso banda, existe otra estrategia para
conseguir la misma eciencia espectral que consiste en modular simultneamente dos sea-
les reales con dos portadoras de la misma frecuencia, pero desfasadas entre s 90
o
. Debido a
este desfase (correspondiente a un ngulo recto), se suele decir que ambas portadoras estn
en cuadratura. De acuerdo con lo anterior, sean s
I
(t) y s
Q
(t), dos seales PAM en banda
base, obtenidas al modular dos secuencias de smbolos de informacin (no necesariamente
independientes), A
0
[n] y A
1
[n], empleando pulsos conformadores con respuesta al impulso
g(t). En denitiva, tenemos
s
I
(t) =
n
A
0
[n]g(t nT) (5.56)
s
Q
(t) =
n
A
1
[n]g(t nT) (5.57)
y la seal transmitida x(t) ser
x(t) =
2s
I
(t) cos(
c
t)
2s
Q
(t) sen(
c
t)
=
n
A
0
[n]g(t nT) cos(
c
t)
n
A
1
[n]g(t nT) sen(
c
t)
(5.58)
El factor

2 tiene como nica misin igualar la potencia de la seal paso banda a la de
la seal banda base, como quedar claro ms adelante. Las seales s
I
(t) y s
Q
(t) reciben a
menudo los nombres de componente en fase y componente en cuadratura respectivamente,
y la modulacin resultante PAM paso banda. No es difcil ver que ambas componentes
moduladas ocupan la misma banda de frecuencias (la centrada en
c
), por lo que en el
receptor tendremos que encontrar una manera de separarlas si queremos una comunicacin
able.
Una forma ms compacta de escribir (5.58) pasa por considerar smbolos A[n] comple-
jos haciendo la asignacin 1eA[n] = A
0
[n], JmA[n] = A
1
[n]. Si denimos la seal
compleja en banda base s(t) como
s(t) = s
I
(t) +js
Q
(t) =
n
A[n]g(t nT) (5.59)
veremos que esta tiene exactamente la misma forma que para una modulacin PAMen banda
base (Ecuacin (5.1)), salvo que ahora las constelaciones utilizadas contendrn, en general,
smbolos complejos. Ahora podemos escribir la seal PAM paso banda x(t) como
x(t) =
21es(t)e
j
c
t
=
21e
_
n
A[n]g(t nT)e
j
c
t
_
, (5.60)
aunque, en algunas otras ocasiones, como en las modulaciones de fase, resulta ms til
escribir s(t) = [s(t)[e
js(t)
y, en consecuencia,
x(t) =
2[s(t)[ cos(
c
t +s(t)), (5.61)
por lo que las seales

2[s(t)[ y s(t) reciben los nombres de envolvente y fase de x(t),
respectivamente.
Es importante insistir en que la formulacin con nmeros complejos no es ms que un
modo conveniente de representar las seales que intervienen en una modulacin PAM paso
banda; as, aunque a efectos de operacin y representacin nos interesar esta perspectiva,
siempre es til recordar que cualquier seal compleja implica la existencia de las partes en
fase s
I
(t) y cuadratura s
Q
(t), tal y como se explicita en la siguiente ecuacin
x(t) =
n
1eA[n]g(t nT) cos(
c
t)
n
JmA[n]g(t nT) sen(
c
t) (5.62)
En la Figura 5.27 se representa la arquitectura de un modulador, separando las componentes
en fase y cuadratura.
Figura 5.27. Arquitectura de un modulador de PAM paso banda, separando las componen-
tes en fase y cuadratura.
Antes de proseguir con nuestra exposicin de la modulacin PAM paso banda, resulta
interesante intentar relacionarla con la formulacin presentada en el Apartado 4.5 para la
transmisin indenida de smbolos. La estructura de (5.58), similar a (4.98), parece sugerir
un espacio de seales bidimensional, con dimensiones que se corresponderan con las se-
ales en fase y cuadratura, pero no es as. En efecto, salvo casos particulares, no es posible
escribir x(t) en la forma
x(t) =
n
A
0
[n]
0
(t nT) +
n
A
1
[n]
1
(t nT), (5.63)
con
0
(t),
1
(t), dos seales ortogonales, lo que se puede comprobar fcilmente tratando
de identicar trminos con (5.58). La razn es que en general las funciones base que mul-
tiplican a cada smbolo A[n] = (A
0
[n], A
1
[n])
T
de (5.63) varan con el ndice n por la
aparicin de las seales portadoras. Sin embargo, en algunos casos especiales las funciones
s son invariantes con n, tal como se demuestra en el siguiente ejemplo
Ejemplo 5.8
Si la frecuencia de la portadora es tal que cabe un nmero entero de ciclos en un periodo de
smbolo, esto es,
c
=
2N
T
(5.64)
para algn entero N, entonces es evidente que cos(
c
t) = cos[(
c
(t nT)] y, por tanto, (5.58)
puede escribirse en la forma (5.63), haciendo la asignacin
0
(t) =
2g(t) cos(
c
t)
1
(t) =
2g(t) sen(
c
t) (5.65)
Obsrvese que bajo las condiciones de este ejemplo, el proceso de modulacin se hace sin
portadora (CAP, Carrierless Amplitude and Phase modulation"), si bien es cierto que sta va
implcita en los dos pulsos transmisores utilizados. En la Figura 5.28 podemos ver un esquema
para la generacin de seales en este caso.
Figura 5.28. Arquitectura del modulador del Ejemplo 5.8
Aunque hemos puesto de maniesto la imposibilidad de escribir en general la seal
transmitida PAM paso banda como (5.63), s es posible establecer este tipo de relacin con
la seal en banda base s(t), sin ms que hacer la identicacin
0
(t) = g(t),
1
(t) = jg(t),
por lo que los valores posibles de las coordenadas de los smbolos [1eA[n], JmA[n]]
T
en esta base denen la constelacin empleada.
12
. Equivalentemente, podemos pensar en una
base con una nica funcin
0
(t) = g(t) con coordenadas complejas A[n]. En denitiva, la
seal s(t) se puede escribir como
s(t) =
n
1eA[n]
0
(t nT) +
n
JmA[n]
1
(t nT) (5.66)
=
n
A[n]
0
(t nT) (5.67)
El formato de modulacin PAM paso banda es lo sucientemente amplio como para ad-
mitir un buen nmero de constelaciones, que en ocasiones hacen que la modulacin resultan-
12
El cuerpo de los complejos puede verse como un espacio vectorial bidimensional. Puede comprobarse
fcilmente que si es equipado con el producto escalar x, y) = 1e|xy
, la norma inducida se corresponde

con la distancia al origen en el plano complejo y el producto escalar es cero para dos vectores ortogonales. Las
funciones
0
(t) y
1
(t) son ortogonales en este sentido.
te reciba nombres diferentes
13
. As, por ejemplo, en la llamada modulacin de amplitud en
cuadratura (Quadrature Amplitude Modulation, QAM), las componentes en fase y cua-
dratura son independientes. Esto es equivalente a decir que 1eA[n] e JmA[n] toman
valores independientes, por lo que el nmero de smbolos en la constelacin ser el cuadrado
del nmero de valores permitidos por dimensin. Una gran ventaja de la modulacin QAM
es la sencillez en el diseo tanto del transmisor por la independencia de componentes co-
mo del receptor porque las decisiones se pueden tomar de forma independiente sobre las
seales en fase y cuadratura.
Por lo que respecta al nmero de bits por smbolo, obviamente este depende del nmero
de smbolos de la constelacin. As, para un nmero P de bits por smbolo, tendramos M =
2
P
smbolos en la constelacin. Algunas de las constelaciones para P par se representan
en la Figura 5.29. Para el caso de P impar es imposible distribuir los smbolos cubriendo
uniforme y completamente el interior de un cuadrado, por lo que se suelen eliminar los
smbolos de mayor energa (los cercanos a los vrtices) para producir una constelacin en
cruz
14
, tal como se representa en la Figura 5.30.
Re{A[n]}
Im{A[n]}
Re{A[n]}
Im{A[n]}
Re{A[n]}
Im{A[n]}
Figura 5.29. Constelaciones QPSK, 16-QAM y 64-QAM.
Otro grupo de constelaciones de gran inters se corresponde con las llamadas modu-
laciones por cambio de fase (Phase Shift Keying, PSK) en las que la eleccin de los
smbolos A[n] es tal que su mdulo es constante y la informacin se transmite en la fase. La
principal ventaja de la modulacin PSK es que cuando se combina con pulsos de transmisin
rectangulares la seal resultante tiene envolvente constante y contiene toda su informacin
en la fase equivalentemente, en los cruces por cero, por lo que esta modulacin es robusta
ante distorsiones no lineales de amplitud que aparecen, por ejemplo, en muchos amplica-
dores de potencia trabajando cerca de la zona de saturacin o en los limitadores de amplitud
en el receptor.
Si escribimos
A[n] =
_
E
s
e
j[n]
, (5.68)
13
Es de sobra conocida la acin de los ingenieros de telecomunicacin por nombrar los nuevos descubri-
mientos, en especial, mediante el abuso de acrnimos (en ingls). En este texto, hemos decidido emplear slo
los ms habituales. Con todo, el lector ver que incluso el nmero de estos ltimos es abultado.
14
Obsrvese que en este caso las componentes en fase y cuadratura dejan de ser independientes, de forma que
ya no es posible decidir sobre cada una de ellas por separado.
Re{A[n]}
Im{A[n]}
Re{A[n]}
Im{A[n]}
Re{A[n]}
Im{A[n]}
Figura 5.30. Constelaciones QAM en cruz para M = 8, 32 y 128.
con E
s
la energa de smbolo, el codicador de un modulador PSK asignar los bits a valores
discretos de [n], tal como se puede ver en la Figura 5.31 en la que se representan algunos
casos de modulaciones PSK. La codicacin generalmente es de tipo Gray (Pgina 230),
de modo que smbolos contiguos dieren en un solo bit. La distribucin de smbolos es
uniforme, por lo que la diferencia de fases entre smbolos adyacentes para una M-PSK es
de 2/M radianes.
Re{A[n]}
Im{A[n]}
Re{A[n]}
Im{A[n]}
Re{A[n]}
Im{A[n]}
Figura 5.31. Constelaciones 4-PSK (QPSK), 8-PSK y 16-PSK
La modulacin PSK admite una interesante interpretacin en trminos de las fases de
las componentes en fase y cuadratura o de la seal compleja en banda base; en efecto,
sustituyendo (5.68) en (5.60), y recordando que el pulso conformador g(t) es real, tenemos
x(t) =
_
2E
s
1e
_
n
g(t nT)e
j(
c
t+[n])
_
=
_
2E
s
n
g(t nT) cos(
c
t +[n]) (5.69)
de modo que la informacin (codicada en [n]) se traduce en un cambio en la fase de la
portadora, o sobre la exponencial compleja modulada por la seal compleja en banda base.
Un caso particular de modulacin PSK es el de la 2-PSK (frecuentemente llamada PSK
binaria, o BPSK) en la que los smbolos slo tienen componente real, por lo que tambin
son un caso particular de PAMen doble banda lateral. La modulacin 4-PSKse conoce como
PSK en cuadratura o QPSK (Quadrature PSK) que, por cierto, coincide con la 4-QAM
15
.
El abanico de constelaciones disponibles no acaba aqu: por ejemplo, se pueden com-
binar las modulaciones de amplitud y fase para producir las constelaciones denominadas
AM-PM (Amplitude Modulation-Phase Modulation). Tambin se puede recurrir al empa-
quetado hexagonal de smbolos (vase Apartado 4.4.3) para producir constelaciones deno-
minadas hexagonales. En la Figura 5.32 se presentan algunos ejemplos de estos dos tipos de
constelaciones.
Re{A[n]}
Im{A[n]}
Re{A[n]}
Im{A[n]}
Figura 5.32. Constelaciones 1-7-AM-PM y 32-Hexagonal
5.4.1. Espectro de la seal PAM paso banda
Al igual que para la modulacin PAM en banda base, para determinar las caractersticas
espectrales de la seal transmitida encontramos el problema de que dicha seal no es esta-
cionaria, sino cicloestacionaria y, por tanto, el espectro de potencia debe calcularse como el
promedio de los espectros de potencia obtenidos a lo largo de todo un periodo T (Teorema
de Wiener-Khinchine), siguiendo el procedimiento descrito en el Apartado 3.3.5.
En el caso de procesos paso banda es necesario hacer algunas hiptesis sobre la secuen-
cia compleja A[n] para garantizar la cicloestacionariedad de la seal transmitida x(t). En el
Apartado 3.3.7 del Captulo 3 se discute la modulacin compleja de procesos cicloestacio-
narios y se presenta la siguiente condicin suciente para que x(t) sea cicloestacionaria:
EA[k +i]A[k] = 0, para todo k, i, i ,= 0 (5.70)
Esta condicin se cumple en el caso de QAM si los smbolos transmitidos por los canales en
fase y cuadratura son mutuamente independientes y las funciones de autocorrelacin de los
smbolos transmitidos por ambos canales son idnticas. Para PSK la condicin se cumple si
las muestras de la secuencia de fases [n] son mutuamente independientes.
15
Como vimos en el Apartado 4.4.3, un giro de la constelacin no afecta a sus prestaciones, aunque s puede
inuir en la complejidad de la implementacin de transmisor y receptor.
En el supuesto de que se cumple la condicin (5.70), la densidad espectral de potencia
S
x
(j) de la seal transmitida se calcula en el Apartado 3.3.7. Adems, debemos tener en
cuenta el factor
2 del transmisor. Por tanto, el espectro de potencia resulta ser:

S
x
(j) =
1
2
[S
s
(j j
c
) +S
s
(j j
c
)] (5.71)
donde
S
s
(j) =
1
T
S
A
(e
jT
)[G(j)[
2
(5.72)
S
A
(e
j
) es la densidad espectral de potencia de la secuencia compleja A[n] y G(j) la
respuesta en frecuencia del pulso transmisor. La potencia media transmitida P ser:
P =
1
2
_

S
x
(j)d (5.73)
Cuando la secuencia A[n] es blanca, la densidad espectral de potencia correspondiente es
S
A
(e
j
) = E
s
, con E
s
la energa media por smbolo. En este caso, la potencia media se
puede calcular como
P =
E
s
cg(t)
T
, (5.74)
donde cg(t) denota la energa del pulso transmisor. Cuando dicho pulso est normalizado
en energa, la potencia media transmitida es simplemente
P =
E
s
T
(5.75)
Como ya indicamos en el caso de la PAM en banda base, la Ecuacin (5.72) muestra cla-
ramente la posibilidad de conformar el espectro de la seal transmitida actuando ya sea
sobre el ltro transmisor g(t) o sobre la autocorrelacin de la secuencia de smbolos A[n],
introduciendo memoria.
Antes de presentar algunos esquemas de receptores para PAM paso banda, es interesante
echar un vistazo a la Figura 5.24 y a (5.72). Dado que g(t) es real, [G(j)[
2
tiene simetra
par con respecto al origen; entonces, si S
A
(e
j
) es hermtico, S
x
(j) en (5.71) tendr las
mismas simetras que la representacin de la Figura 5.24(b). De acuerdo con esto, podra
pensarse que un ltrado paso alto dejara un espectro como el de la Figura 5.25, con el con-
siguiente ahorro de ancho de banda; adems, parece que a partir de la banda lateral superior
seramos capaces de recuperar la seal completa en banda base con sencillas operaciones.
Desgraciadamente, la argumentacin no es correcta; el origen de esta aparente paradoja
proviene de que hemos basado nuestro razonamiento en el espectro de potencia que, efec-
tivamente, tiene las simetras indicadas cuando la seal en banda base que desearamos
reconstruir se corresponde con una realizacin particular a[n] del proceso estocstico
discreto A[n] y cuyo espectro (suponiendo una seal truncada en tiempo) S(j) ya no
es hermtico. Lo que ocurre es que, lo que denimos como densidad espectral de potencia,
coincide con el promedio de los espectros correspondientes a todas las realizaciones del
proceso A[n] (considerado de duracin innita, vase (3.269)) y este promediado s pro-
duce un resultado hermtico. Por eso, para referirnos a los espectros correspondientes a las
seales en banda base s(t) y paso banda x(t) asociadas a la transmisin de una secuencia
particular a[n], es ms conveniente conceptualmente recurrir a la representacin de la Fi-
gura 5.33, donde se pone de maniesto la falta de simetra en S(j) y X(j) de la que
hemos hablado.
S(j)
c
X(j)
(a) (b)
Figura 5.33. Espectro (determinista) (a) en banda base y (b) paso banda, correspondientes
a una realizacin de los procesos s(t) y x(t).
5.4.2. Receptores para PAM paso banda
Comenzaremos por deducir una posible estructura de receptor para PAM paso banda
suponiendo que el canal es ideal, es decir, cuando no introduce ni ruido ni distorsin. Un
receptor para PAM paso banda podra recuperar la seal compleja en banda base realizando
una demodulacin compleja consistente en multiplicar la seal recibida por la exponencial
e
j
c
t
, lo que tiene el efecto de trasladar el espectro de y(t) hacia la izquierda
c
rad/seg.
Esta operacin se esquematiza en la Figura 5.34.
Figura 5.34. Esquema de un receptor para PAM paso banda.
El ltro genrico f(t) que aparece en dicha gura tiene una funcin anloga al ltro
receptor para PAM y se puede disear de acuerdo con cualquiera de los criterios expuestos
en el Apartado 5.1.2. En general este ltro tendr una respuesta al impulso compleja y
tiene como misin adicional eliminar aquella parte de la seal compleja a su entrada que
se encuentra centrada en 2
c
rad/seg, por lo que tendr una caracterstica paso bajo. Para
sistemas de banda estrecha, esto es, aquellos en que
c
es mucho mayor que el ancho de
banda de la seal transmitida, esta ltima tarea no plantea ninguna dicultad prctica. El
factor

2 sirve para que la potencia a la salida del ltro receptor sea la misma que a su
entrada.
El muestreo a periodo de smbolo de la Figura 5.34 tiene la misma justicacin que en
el caso de PAM en banda base, aunque ahora hay que tener en cuenta que la seal q(t) a
su entrada es compleja, por lo que el muestreador produce una secuencia de observaciones
q[n] que tambin son complejas. El efecto de la operacin de demodulacin y ltrado sobre
el espectro de la seal recibida Y (j) puede verse en la Figura 5.35.
0
2
c
V(j)
Q(j)
Figura 5.35. Espectro de la seal recibida (a) tras la multiplicacin por la exponencial
compleja y (b) tras pasar por el ltro receptor.
Matemticamente, la seal a la entrada del muestreador es
q(t) =
_
y(t)e
j
c
t
_
2f(t)
_
(5.76)
esto es,
q(t) =
2
_

f()y(t )e
j
c
e
j
c
t
d = e
j
c
t
_
y(t)
_
2f(t)e
j
c
t
__
(5.77)
por lo que la realizacin de la Figura 5.34, resulta equivalente a ltrar primero la seal con
un ltro paso banda complejo de respuesta
2f(t)e
j
c
t
y realizar la demodulacin despus,
tal como se esquematiza en la Figura 5.36.
Figura 5.36. Esquema de un receptor para PAM paso banda equivalente al de la Figura 5.34.
Algunas de las seales y ltros que intervienen en las estructuras de la Figura 5.36 son
complejos, por lo que ser necesario separarlos en sus partes en fase y cuadratura de cara
a una implementacin prctica. Esta separacin se lleva a cabo en las estructuras de las
Figuras 5.37 y 5.38. Como podemos ver, la implementacin de un receptor de PAM paso
banda es equivalente a la de dos receptores PAM en banda base operando en paralelo, de ah
la necesidad de colocar dos muestreadores o dos ltros receptores.
Figura 5.37. Esquema de un receptor para PAM paso banda, implementando primero el
ltro complejo del receptor y separando las componentes en fase y cuadratura.
Figura 5.38. Esquema de un receptor para PAM paso banda, implementando primero la
demodulacin con la exponencial compleja y separando las componentes en fase y cuadra-
tura.
5.4.3. Caractersticas del ruido en el receptor
Supongamos ahora que tenemos un canal que introduce ruido gausiano n(t) con densi-
dad espectral de potencia S
n
(j), lo que supone una generalizacin con respecto al ruido
blanco considerado en el Apartado 5.2.2. Nuestro objetivo es caracterizar el ruido a la salida
del muestreador complejo de la Figura 5.36. Este ruido complejo determinar, junto con la
seal recibida, las prestaciones del sistema de comunicaciones, por lo que esta caracteriza-
cin es de capital importancia.
De la Figura 5.39 se deduce que la secuencia de ruido a la entrada del decisor, que
denotamos por z[k], se obtiene tras haber inyectado en el sistema de la Figura 5.36 el proceso
real de ruido n(t). En el Apartado 3.3.7 se presentan algunas propiedades interesantes de
los procesos gausianos complejos y que utilizaremos aqu.
Figura 5.39. Diagrama de bloques y seales que intervienen en la demodulacin de la
seal de ruido n(t) presente en el canal.
Deniendo (vase Figura 5.39)
f
c
(t) =
2f(t)e
j
c
t
(5.78)
l(t) = n(t) f
c
(t) (5.79)
z(t) = l(t)e
j
c
t
(5.80)
y utilizando los resultados del Apartado 3.3.7, podemos razonar que:
1. El proceso z(t) ser estacionario en sentido estricto slo si el proceso l(t) es circu-
larmente simtrico. El que z(t) no fuese estacionario complicara el anlisis en gran
medida.
2. El proceso l(t) es circularmente simtrico si se cumple que
c
es mayor que el an-
cho de banda del ltro complejo paso banda f
c
(t) (sistema de banda estrecha). La
densidad espectral de potencia de l(t) es
S
l
(j) = 2S
n
(j)[F(j j
c
)[
2
. (5.81)
En aquellos casos en que las condiciones anteriores se verican, podemos extraer las
siguientes consecuencias:
1. El proceso z(t) es circularmente simtrico y su densidad espectral de potencia es
S
z
(j) = 2S
n
(j +j
c
)[F(j)[
2
(5.82)
Si el proceso z(t) es circularmente simtrico, sus partes real e imaginaria, respecti-
vamente z
r
(t) y z
i
(t), tienen la misma varianza y son independientes para cualquier
instante t dado. Ello no signica, no obstante, que z
r
(t
1
) y z
i
(t
2
) sean independientes
cualesquiera que sean t
1
y t
2
, t
1
,= t
2
. Para que esto ltimo sea cierto, es necesario
que el espectro de S
z
(j) sea hermtico, esto es, que S
z
(j) = S
z
(j). Para el
caso en que n(t) fuese blanco, esto se satisfara si el ltro f(t) fuese real.
2. El proceso z[n] es circularmente simtrico con densidad espectral de potencia
S
z
(e
j
) =
2
T
k
S
n
_
j
T
+j
c
T
j
2k
T
_
F
_
j
T
j
2k
T
_
2
(5.83)
por lo que sus partes real e imaginaria, z
r
[n] y z
i
[n] respectivamente, son indepen-
dientes para cualquier instante n considerado. De nuevo, para que z
r
[n
1
] y z
i
[n
2
] sean
independientes para cualesquiera n
1
y n
2
, n
1
,= n
2
, debe cumplirse que el espectro
S
z
(e
j
) sea simtrico con respecto al origen. Ello se cumple, por ejemplo, si el ruido
es blanco y la funcin de ambigedad f(t) f
(t) satisface el criterio de Nyquist

para periodo T.
A partir de (5.83), la varianza del ruido complejo discreto z[n] es
2
z
=
1
2
_

S
z
(e
j
)d (5.84)
que, para el caso en que n(t) es ruido blanco, con densidad espectral de potencia N
0
/2
W/Hz y la funcin de ambigedad de f(t) satisface el criterio de Nyquist resulta en
2
z
= N
0
(5.85)
Debe tenerse presente que si el ruido es circularmente simtrico, el resultado anterior implica
que tanto su parte real como su parte imaginaria son independientes y con varianza N
0
/2.
Partiendo de la expresin de la fdp de una gausiana compleja en (3.86), para el caso que
nos ocupa podemos escribir la fdp del ruido discreto como
f
Z
(z) =
1
N
0
exp
_
[z[
2
N
0
_
(5.86)
El lector puede preguntarse por qu hemos elegido para la determinacin de las carac-
tersticas de ruido en el receptor la estructura de la Figura 5.36 y no la de la Figura 5.34
cuando ambas son equivalentes desde el punto de vista del anlisis determinista de sea-
les. La razn es que con la estructura de la Figura 5.34 enseguida encontraramos algunas
dicultades: el proceso complejo a la salida del demodulador no es estacionario en sentido
estricto, ni siquiera lo son sus partes real e imaginaria!
En este apartado determinaremos el canal discreto equivalente para el caso de modu-
laciones PAM paso banda cuando se transmiten a travs de un canal lineal gausiano, con
respuesta al impulso h(t). En el apartado precedente hemos caracterizado estadsticamente
el ruido a la entrada del decisor; ahora queremos obtener la parte debida a la seal de infor-
macin. Para ello, consideraremos el modelo de un sistema de comunicaciones para PAM
paso banda con transmisor y receptor los de las Figuras 5.27 y 5.36, respectivamente.
Recuperemos la expresin de la seal transmitida, segn (5.60):
x(t) =
21e
_
n
A[n]g(t nT)e
j
c
t
_
(5.87)
Al pasar por el canal, la seal recibida es y(t) = x(t) h(t) + n(t). Esta seal es ltrada
por
2f(t)e
j
c
t
y, posteriormente, demodulada
q(t) =
_
y(t) (
2f(t)e
j
c
t
)e
j
c
t
_
(5.88)
En las Figuras 5.33 y 5.35 se detallan los espectros de la seal en banda base s(t), la
seal modulada x(t), la seal recibida y(t) en ausencia de ruido y la seal a la salida del
demodulador q(t). Razonando sobre dichos espectros, es fcil ver que
y(t) =
21e
_
n
A[n]g
r
(t nT)e
j
c
t
_
+n(t) (5.89)
donde g
r
(t) = g(t) h
eq
(t), siendo h
eq
(t) el llamado canal equivalente en banda base:
h
eq
(t)
.
= e
j
c
t
h(t); H
eq
(j) = H(j +j
c
) (5.90)
vericndose que, en general, h
eq
(t) ser complejo.
Asimismo, podemos escribir que
q(t) =
n
A[n]p(t nT) +z(t) (5.91)
donde p(t) = g
r
(t) f(t) = g(t) h
eq
(t) f(t). La funcin p(t) incluye todos los efectos
sobre la seal de informacin debidos a los ltros transmisor y receptor, al canal, y al proceso
de modulacin/demodulacin
16
, y z(t) es el ruido equivalente en banda base, segn (5.80).
Todava es posible obtener una caracterizacin ms simple incluyendo el proceso de
muestreo del receptor; as, reproduciendo los resultados de los apartados 5.1.3 y 5.3 es
posible obtener el canal discreto equivalente en banda base, que no es ms que
p[n] = p(nT) (5.92)
cuya respuesta en frecuencia es, entonces,
P(e
j
) =
1
T
k
P
_
j
T
j
2k
T
_
=
1
T
k
G
_
j
T
j
2k
T
_
H
eq
_
j
T
j
2k
T
_
F
_
j
T
j
2k
T
_
(5.93)
de modo que si el conjunto de los ltros transmisor, receptor y canal equivalente en banda
base cumple el criterio de Nyquist para periodo de smbolo T el canal discreto equivalente
ser [k].
Con el canal equivalente se consiguen dos objetivos:
16
Debe tenerse presente que en todo momento estamos suponiendo que la frecuencia y la fase usadas en la
demodulacin son idnticas a las empleadas en la modulacin. Asimismo, estamos suponiendo que el periodo
de muestreo coincide exactamente con el periodo de smbolo y que la fase de muestreo es ptima. En el Captulo
11 abandonaremos esta suposicin ideal.
1. Reducir el sistema PAM paso banda al esquema de la Figura 5.7.
2. Identicar PAM paso banda y PAM en banda base. La nica diferencia entre ambas
es que los smbolos, el canal discreto equivalente y el ruido discreto son complejos en
la primera y reales en la segunda. Ello permite estudiar la PAM en banda base como
un caso particular de PAM paso banda.
Ejemplo 5.9
Calculemos el canal discreto equivalente en banda base para los canales de los Ejemplos 5.5 y
5.6. Recordemos que la forma genrica del canal h(t) = (t) + (t
1
), y el ltro receptor
f(t) se adaptaba al transmisor, f(t) = g(t), con g(t) un ltro en raz de coseno alzado con
factor de cada = 0,35; por tanto, la funcin de ambigedad de g(t), r
g
(t) = g(t) g(t) es
un coseno alzado. Los dos casos considerados son:
a)
1
= T. En este caso, p(t) = r
g
(t) ((t) +(t T)e
j
c
T
). Como r
g
(t) cumple el criterio
de Nyquist para periodo T, tendremos
p[k] = [k] +e
j
c
T
[k 1] (5.94)
que, como se ve, es en general una respuesta al impulso compleja pero de duracin nita.
b)
1
= T/2. De nuevo, p(t) = r
g
(t) ((t) +(t T/2)e
j
c
T/2
). Ahora tendremos
p[k] = [k] +e
j
c
T/2
n
r
g
(kT T/2 nT) (5.95)
que, de nuevo, ser en general una respuesta al impulso compleja. A diferencia del caso anterior,
la respuesta ser de duracin innita, debido a que el coseno alzado desplazado T/2 segundos ya
no cumple el criterio de Nyquist.
Finalmente, para el caso en que p[n] = [n], y el ruido z[n] es blanco, gausiano y
circularmente simtrico, es fcil determinar cmo debe operar el decisor ptimo segn el
criterio de mxima verosimilitud, como demostramos a continuacin. De nuevo, para el
caso en que existe interferencia entre smbolos, referimos al lector al Captulo 6. Si la seal
a la entrada del decisor es de la forma q[n] = A[n] + z[n], entonces es evidente que las
decisiones se pueden tomar smbolo a smbolo. Adems, a partir de la fdp del ruido en
(5.86), es inmediato escribir la fdp de las observaciones en el instante n
0
condicionada a la
transmisin del smbolo a
0
[n
0
] como
f
q[A
(q[n
0
][a[n
0
]) =
1
N
0
exp
_
[q[n
0
] a[n
0
][
2
N
0
_
(5.96)
por lo que es obvio que para maximizar la fdp condicionada, basta con minimizar el ex-
ponente, lo que a su vez implica elegir aquel smbolo de la constelacin

A[n
0
] tal que la
distancia cuadrtica [q[n]

A[n][
2
es mnima. Recordemos que, de forma equivalente, la
regla de decisin se poda expresar deniendo unas regiones de decisin que, en este caso,
vendrn delimitadas por rectas.
Para modulaciones PAM paso banda el diagrama de ojo se construye de forma anloga
al Apartado 5.3.1, con la salvedad de que ahora en realidad tenemos que visualizar dos
diagramas: uno para la componente en fase y otro para la componente en cuadratura. Por esta
razn, a efectos de capturar en un solo grco el comportamiento de un sistema PAM paso
banda, se suele recurrir al llamado diagrama de dispersin (scatter diagram), que no es
ms que una representacin de la seal discreta compleja disponible bien en el transmisor o
bien en el receptor. Por ejemplo, en recepcin se representaran las P muestras ms recientes
de q[n], donde P tiene en cuenta el efecto de persistencia propio de un osciloscopio.
Ejemplo 5.10
La Figura 5.40(a) muestra el diagrama de dispersin en recepcin correspondiente a una cons-
telacin QPSK (con smbolos en 1 j) cuando la varianza del ruido
2
z
= 0,01. La Figu-
ra 5.40(b) incluye, adems, el efecto de un canal discreto p[n] = [n] 0, 3[n 1]. El lector
puede tratar de razonar el porqu de las nubes de puntos observadas, teniendo en cuenta que
q[n] = A[n] 0, 3A[n 1] +z[n].
2 1.5 1 0.5 0 0.5 1 1.5 2
2
1.5
1
0.5
0
0.5
1
1.5
2
Re{ q[ n]}
I
m
{

q
[

n
]
}
(a)
2 1.5 1 0.5 0 0.5 1 1.5 2
2
1.5
1
0.5
0
0.5
1
1.5
2
Re{ q[ n]}
I
m
{

q
[

n
]
}
(b)
Figura 5.40. Diagramas de dispersin del Ejemplo 5.10.
5.4.5. Probabilidades de error
Para el clculo de probabilidades de error alcanzables con las modulaciones paso banda
sobre canales gausianos podemos, como en el Apartado 5.2.3, recurrir al canal discreto
equivalente y a los resultados del Apartado 4.4.2, particularizados para detectores M-arios
en espacios multidimensionales. Por ejemplo, en las ecuaciones (4.72-4.82) se presenta el
clculo detallado de la probabilidad de error de smbolo para una constelacin equivalente a
la 16-QAM. En nuestro caso, como el ruido es circularmente simtrico, la varianza de ruido
por dimensin es N
0
/2, por lo que, con las modicaciones pertinentes para tener en cuenta
la energa de smbolo, (4.82) se convierte en
P
e
= 3Q
_
_
E
s
5N
0
_
9
4
Q
2
_
_
E
s
5N
0
_
(5.97)
Esta expresin se puede poner en trminos de E
b
/N
0
sin ms que tener en cuenta que para
la 16-QAM, E
s
= 4E
b
.
Del mismo modo que en el Apartado 5.2.3, es posible obtener cotas a la probabilidad de
error basadas en la cota de la unin, as como aproximaciones para E
s
/N
0
grande basadas en
los smbolos a distancia mnima y el nmero de vecinos a distancia mnima. En el siguiente
ejemplo ilustramos el uso de estas expresiones para el caso de una constelacin 8-PSK.
Ejemplo 5.11
Considrese la transmisin de una seal 8-PSK descrita mediante (5.69), con [n] 0, /4,
/2, 3/2, y codicacin Gray, tal como se muestra en la Figura 5.41. La seal atraviesa
un canal blanco y gausiano con densidad espectral de potencia N
0
/2 W/Hz y se utiliza un receptor
como el de la Figura 5.36, donde p(t) = g(t) f(t) cumple el criterio de Nyquist. En este caso,
el canal discreto equivalente es tal que q[n] = A[n] + z[n], con z[n] ruido blanco, gausiano,
circularmente simtrico, con varianza
2
z
= N
0
.
Figura 5.41. Constelacin 8-PSK con codicacin Gray. La regin de decisin del smbolo
a
0
aparece sombreada.
Si los smbolos transmitidos son equiprobables, por simetra basta con calcular la probabilidad
de error para el smbolo transmitido a
0
=
E
s
, que se corresponde con la secuencia binaria 000
(vase gura). La probabilidad de acierto es la probabilidad de que q se encuentre en la regin
sombreada. Si q
I
y q
Q
denotan las componentes en fase y cuadratura de q, es decir, q = q
I
+jq
Q
,
entonces la probabilidad de acierto es la probabilidad de que
[q
Q
[
q
I
< tan(/4) y q
I
> 0
o, de forma equivalente, de que
[q
Q
[ < q
I
tan(/4) y q
I
> 0 (5.98)
5.5 IMPLEMENTACIN DISCRETA DE SISTEMAS PAM 293
Observando que q
Q
y q
I
siguen sendas distribuciones gausianas con medias respectivas 0 y
E
s
,
y varianza N
0
/2 y son mutuamente independientes, podemos escribir la siguiente ecuacin para
el clculo de la probabilidad de error de smbolo
P
e
= 1 2
_

0
e
(q
I
E
s
)
2
/N
0
N
0
_
q
I
tan(/4)
0
e
q
2
Q
/N
0
N
0
dq
Q
dq
I
(5.99)
Para la cota de la unin necesitamos las siguientes distancias: d(a
0
, a
1
) = 2
E
s
sen(/8);
d(a
0
, a
2
) =
2E
s
; d(a
0
, a
3
) = 2
E
s
sen(3/8); d(a
0
, a
4
) = 2
E
s
. Por tanto,
P
e
2Q
_
_
2E
s
sen
2
(/8)
N
0
_
_
+ 2Q
_
_
E
s
N
0
_
+ 2Q
_
_
2E
s
sen
2
(3/8)
N
0
_
_
+Q
_
_
2E
s
N
0
_
(5.100)
Por otra parte, la aproximacin basada en los smbolos a distancia mnima es
P
e
2Q
_
_
2E
s
sen
2
(/8)
N
0
_
_
(5.101)
La Figura 5.42 muestra la probabilidad de error de smbolo P
e
en funcin de la relacin
E
b
/N
0
obtenida segn (5.99) y la cota de la unin (5.100), recordando que, para la 8-PSK,
E
s
= 3E
b
. Es interesante sealar que, para el rango de E
b
/N
0
considerado en la gura, la
aproximacin (5.101) produce una curva indistinguible de la P
e
exacta.
0 2 4 6 8 10 12 14 16
10
6
10
5
10
4
10
3
10
2
10
1
10
0
E
b
/N
0
(dB)
P
e
Cota de la unin
Figura 5.42. P
e
exacta y cota de la unin para una constelacin 8-PSK en un canal gausiano.
5.5. IMPLEMENTACIN DISCRETA DE SISTEMAS PAM
Aunque las arquitecturas propuestas a lo largo de este captulo tienen como propsito
el justicar las operaciones que se deben realizar para modular y demodular pulsos en am-
plitud, rara vez los diagramas de bloques de su implementacin fsica coinciden totalmente
con los aqu presentados. As, por ejemplo, aunque nuestro receptor trabaja con una tasa
de muestreo igual a la de smbolo, a menudo resulta conveniente tomar varias muestras por
periodo de smbolo. Este es el caso de los llamados igualadores fraccionarios, descritos en
el Captulo 6, para los que el sobremuestreo facilita la labor de compensacin de las distor-
siones introducidas por el canal. Otro ejemplo es el de los algoritmos de recuperacin del
instante de muestreo del Captulo 11, en los que disponer de varias muestras por periodo
de smbolo posibilita la tarea de interpolacin de la seal para obtener la muestra en el ins-
tante deseado. En este apartado discutiremos una ventaja adicional de operar a una fraccin
del periodo de smbolo: la implementacin discreta de la modulacin y demodulacin. Los
principios aqu expuestos servirn de base para desarrollos posteriores en los Captulos 6, 8
y 11.
Considere la arquitectura del modulador y demodulador para PAM en banda base de las
Figuras 5.2 y 5.18, respectivamente. Es evidente que, si desesemos una implementacin
directa de ambas estructuras, necesitaramos disponer de la circuitera analgica tal que
sintetizase el ltro g(t). No obstante, un vistazo a (5.26), revela que si el pulso conformador
g(t) es de tipo raz cuadrada de coseno alzado, dicha sntesis no es sencilla. A continuacin,
derivaremos tanto para el modulador como para el demodulador estructuras equivalentes y
ms convenientes para su implementacin fsica. Por su importancia, nos centraremos en
sistemas que emplean pulsos en raz cuadrada de coseno alzado, pero nuestro desarrollo es
fcilmente ampliable a cualquier otro pulso de ancho de banda nito.
La observacin clave es que, puesto que el pulso en raz de coseno alzado tiene un ancho
de banda (1 + )/T rad/seg, segn el teorema del muestreo de Nyquist (Apartado 2.4.1)
podemos representar la seal en banda base s(t) exactamente a partir de sus muestras, siem-
pre y cuando estas hayan sido tomadas con periodo menor o igual que T/(1 + ) seg. Por
razones prcticas, es conveniente que haya un nmero entero de muestras por periodo de
smbolo; adems, recordemos que el factor de cada puede variar entre 0 y 1. Todo ello
sugiere representar s(t) a partir de sus muestras tomadas a T
s
= T/2 seg, aunque en otras
implementaciones prcticas el periodo puede ser incluso menor. De acuerdo con (2.218)
podemos escribir
s(t) =
_

m=
s(mT
s
)(t mT
s
)
_
h
r
(t) (5.102)
donde h
r
(t) es un ltro paso bajo ideal de ganancia T
s
y frecuencia de corte
c
igual a la
mitad de la frecuencia de muestreo,
c
= /T
s
rad/seg, por lo que su respuesta al impulso
es
h
r
(t) = sinc
_
t
T
s
_
(5.103)
Es interesante sealar que las consideraciones anteriores son igualmente vlidas si s(t)
es una seal compleja, esto es, la seal en banda base correspondiente a una modulacin
PAM paso banda. Naturalmente, en este caso las muestras s(mT
s
) son complejas.
Implementacin discreta del modulador
Veamos cmo podemos generar las muestras s[m]
.
= s(mT
s
) a partir de la secuencia de
smbolos A[n] y el pulso conformador muestreado con periodo T
s
, que denotaremos por
g
s
[m]
.
= g(mT
s
). Nuestro punto de partida es el muestreo de la Ecuacin (5.1):
s[m] =
n
A[n]g(mT
s
nT)
=
n
A[n]g
s
[m2n]
=
n par
A[n/2]g
s
[mn]
= A
e
[m] g
s
[m] (5.104)
donde la secuencia A
e
[m] se genera pasando A[n] por un bloque de insercin de ceros (vase
Apartado 2.4.2)
A
e
[n] =
k=
A[k][n 2k] =
_
A
_
n
2
si n es par
0 si n es impar
(5.105)
Por tanto, las muestras deseadas de s(t) se obtienen modulando el pulso discreto g
s
[m]
con la secuencia de smbolos A[n]. Esta interpretacin de s[m] como una seal procedente
de una modulacin en amplitud en tiempo discreto es evidente en la segunda lnea de (5.104).
En este sentido, el bloque de insercin de ceros permite adaptar la tasa de la secuencia de
smbolos (1/T seg
1
) a la de muestreo (2/T seg
1
).
El esquema resultante se representa en la Figura 5.43, en la que el conversor discreto-
continuo (D/C) con periodo T
s
se considera ideal. Recordemos del Apartado 2.4 que el
bloque D/C constaba de un conversor de secuencia a tren de impulsos y de un ltro de re-
construccin paso bajo ideal. En la prctica el tren de impulsos se sustituye por un tren de
pulsos determinados por el circuito de retencin utilizado y que producen la llamada distor-
sin de apertura. Dicha distorsin se puede corregir modicando la funcin de transferencia
del ltro de reconstruccin, como en (2.221), o, mejor an, alterando la respuesta al impulso
del pulso conformador muestreado g
s
[n] para incorporar la correccin.
[ ]
s
g n
[ ] s n
[ ] A n
[ ]
e
A n
( ) s t
2
s
T
D/C
Figura 5.43. Implementacin en tiempo discreto de un modulador PAM banda base.
En cualquier caso, es interesante subrayar la exibilidad que la estructura de la Figu-
ra 5.43 permite ganar, ya que podemos cambiar fcilmente de pulso conformador sin ms
que utilizar sus muestras a periodo T/2 en el bloque g
s
[n]. La nica condicin que se debe
satisfacer es que el ancho de banda del pulso conformador no exceda /T
s
= 2/T rad/seg.
Obviamente, ello es aplicable a los pulsos en raz de coseno alzado, para cualquier factor de
cada < 1.
La extensin del diagrama de la Figura 5.43 al caso en que T
s
= T/M, para cualquier
entero M es inmediata, sin ms que considerar el muestreo de g(t) con periodo T
s
para
producir g
s
[m] y generar A
e
[n] insertando M 1 ceros por periodo de smbolo. Tambin
es relativamente sencillo considerar el caso T
s
= TL/M, con L y M enteros, a partir de las
nociones de interpolacin y diezmado presentadas en el Apartado 2.4.2.
Implementacin discreta del demodulador
De un modo anlogo al modulador, podemos construir un demodulador que realice el
ltro adaptado en tiempo discreto para simplicar la implementacin fsica de la estructura
de la Figura 5.18. Nuevamente, nos centraremos en la seal en banda base, lo que implica,
en el caso de PAM paso banda, una traslacin previa a banda base mediante una demo-
dulacin con una exponencial compleja. Sean r(t) y q(t) las seales a la entrada y salida,
respectivamente, del ltro receptor f(t). En caso de que f(t) sea el ltro adaptado, bien
al pulso conformador g(t), o bien a la respuesta conjunta del pulso conformador y el canal
g
r
(t) = g(t) h(t), es fcil concluir que el ancho de banda de la seal q(t) no exceder nun-
ca el de g(t), que es un pulso en raz de coseno alzado. Por consiguiente, de nuevo q(t)
se podr representar a partir de sus muestras tomadas con periodo T
s
= T/2 seg, muestras
que denotaremos por q
s
[n]
.
= q(nT
s
). Recordemos que a la entrada del decisor nicamente
necesitamos las muestras de q(t) tomadas con periodo de smbolo T, q[n]
.
= q(nT). Di-
chas muestras se pueden obtener a partir de q
s
[n] tomando una de cada dos, puesto que
q[n] = q
s
[2n].
Nuestro deseo es situar el ltro adaptado despus del muestreador con periodo T
s
, con
el n de facilitar su implementacin. Para simplicar el razonamiento, supongamos por un
momento que el canal no introduce ruido; en tal caso, la seal recibida r(t) = s(t) h(t)
estar limitada en banda, como mnimo tanto como s(t), que, a su vez, no excede de /T
s
rad/seg. Esto quiere decir que r(t) es representable de forma exacta a partir de sus muestras
tomadas con periodo T
s
, de un modo similar a (5.102). Si f[n] y r[n] denotan las secuencias
obtenidas al muestrear respectivamente f(t) y r(t) con periodo T
s
, podemos escribir
q
s
[m] = (r(t) f(t)) [
t=mT
s
=
_
n
r[n](t nT
s
) h
r
(t)
k
f[k](t kT
s
) h
r
(t)
_
t=mT
s
= T
s
_
n
r[n](t nT
s
)
k
f[k](t kT
s
) h
r
(t)
_
t=mT
s
= T
s
_
l
r[l k]f[k](t lT
s
) h
r
(t)
_
t=mT
s
= T
s
k
r[mk]f[k]
= T
s
(r[m] f[m]) (5.106)
donde hemos usado el hecho de que h
r
(t) es un ltro paso bajo ideal de ganancia T
s
, por lo
que h
r
(t) h
r
(t) = T
s
h
r
(t). Como vemos en (5.106) podemos conseguir q
s
[n] sin ms que
muestrear la seal recibida r(t) con periodo T
s
y pasarla por el ltro en tiempo discreto f[n],
tal como se representa en la Figura 5.44, en la que se ha prescindido de la multiplicacin
por T
s
en aras de una mayor claridad. El conversor continuo-discreto se supone ideal.
s
T
[ ]
s
q n [ ] q n
[ ] f n
2
( ) r t
[ ] r n
C/D
0
1
/
s
T p /
s
T p -
( )
aa
F jw
Figura 5.44. Implementacin en tiempo discreto de un demodulador PAM banda base.
Si ahora suponemos que el canal introduce ruido blanco, la seal recibida r(t) ya no ser
limitada en banda, por lo que no es posible su representacin exacta a partir de sus muestras.
No obstante, si hacemos pasar la seal r(t) por un ltro paso bajo ideal f
aa
(t) con respuesta
en frecuencia F
aa
(j) de ganancia unidad y frecuencia de corte /T
s
rad/seg, es evidente
que la seal r(t) f
aa
(t) s cumplir las condiciones del teorema del muestreo de Nyquist
y ser representable a partir de sus muestras a periodo T
s
. De hecho, el ltro f
aa
(t) suele
recibir el nombre de ltro anti-aliasing, porque evita la aparicin de este fenmeno en el
proceso de muestreo.
Obsrvese que el ltro anti-aliasing ser transparente para la parte til de la seal reci-
bida, ya que s(t) h(t) f
aa
(t) = s(t) h(t). Cabe, por tanto, preguntarse si la colocacin
del ltro f
aa
(t) altera en algo las caractersticas del ruido presente en la variable de deci-
sin q[n]. Por fortuna, nada cambia: si consideramos la estructura del demodulador de la
Figura 5.18, vemos que si antepusisemos f
aa
(t) a f(t), la componente de ruido a la salida
de f(t) sera exactamente la misma que si f
aa
(t) no existiese. Esto es consecuencia de que
f
aa
(t) f(t) = f(t). Y, como hemos razonado ms arriba, siempre que la seal de entrada
est limitada en banda a /T
s
rad/seg podemos implementar el ltro f(t) en tiempo discre-
to; precisamente, la misin del ltro f
aa
(t) es limitar el ancho de banda del ruido a /T
s
rad/seg.
Como comentario nal, cabe sealar que para sistemas paso banda el proceso de demo-
dulacin con una exponencial compleja tambin se puede implementar en tiempo discreto.
Esta idea se explora en el Problema P5.8.
Todos los libros de comunicaciones digitales actuales se ocupan de las modulaciones
lineales con bastante nivel de detalle. Buenos ejemplos de ello son los libros de Wilson [94],
Bennedetto y Biglieri [7] y Proakis [61]. No obstante, la exposicin realizada aqu se apoya
en el libro de Lee y Messerschmitt [43], en particular para el tratamiento de los procesos
complejos.
El libro de Starr, Ciof y Silverman [79] contiene algunas disquisiciones interesantes
sobre modulaciones en cuadratura, incluyendo las denominadas modulaciones de ampli-
tud/fase sin portadora (CAP, Carrierless Amplitude/Phase), que se apuntan en el Ejemplo
5.8, y discute su aplicacin a la transmisin sobre cable de pares.
PROBLEMAS
P5.1 Considere un sistema PAM en banda base tal que la respuesta combinada transmisor-
receptor, p(t), es un pulso triangular de la forma
p(t) =
_
1
[t[
T
[t[ < T
0 [t[ > T
(5.107)
donde T es el periodo de smbolo. El ruido introducido por el canal puede considerarse
despreciable.
1.1. Demuestre que el pulso anterior cumple el criterio de Nyquist para la ausencia
de ISI.
1.2. Represente el espectro de la seal a la salida del ltro receptor.
1.3. Suponga una constelacin 2-PAM (Figura 5.1(a)). Represente el diagrama de ojo
a la salida del ltro receptor y calcule su apertura horizontal.
1.4. Repita el apartado anterior para una constelacin 4-PAM (Figura 5.1(b)).
P5.2 El diagrama de ojo tambin es til para medir las posibles uctuaciones del reloj de
smbolo, que se traducen en una degradacin del rendimiento del sistema. Suponga
que el periodo de smbolo no es jo, sino variante en el tiempo, esto es, T(t). Por
simplicidad, trataremos una variacin del tipo T(t) = T
0
+ sen(
J
t), donde T
0
es el periodo de smbolo nominal, << 1 y
J
<< 2/T
0
, de modo que T(t)
puede considerarse constante a lo largo de varios periodos de smbolo consecutivos.
La respuesta combinada transmisor-receptor es
p(t) =
_
1
[t[
T(t)
[t[ < T(t)
0 [t[ > T(t)
(5.108)
y la constelacin empleada es una 2-PAM. El ruido introducido por el canal puede
considerarse despreciable.
2.1. Represente en diagrama de ojo (suponiendo una persistencia del osciloscopio
innita) de la seal a salida del ltro receptor y comprelo con el del problema
anterior.
2.2. Compruebe que, disponiendo del diagrama de ojo, es posible estimar el valor de
.
P5.3 Sea un sistema de comunicaciones PAM en banda base con periodo de smbolo T seg
y pulso transmisor de tipo coseno alzado con exceso de ancho de banda del 35 %.
El ruido es gausiano con densidad espectral de potencia N
0
/2 W/Hz y la respuesta
en frecuencia del canal es la que se muestra en la Figura 5.45. El ltro receptor est
adaptado a transmisor y canal, esto es, f(t) = g
r
(t), con g
r
(t) = g(t) h(t).
Represente la densidad espectral de potencia del ruido a la salida del muestreador del
receptor.
w
| ( ) | H jw
0 , 6 5
T
p
0 , 6 5
T
p
-
Figura 5.45. Respuesta del canal del Problema P5.3.
P5.4 Considere la transmisin de una seal binaria antipodal A[n] 1, +1 a travs de
un canal discreto equivalente con respuesta p[n] = [n] + 0,25[n 1]. El ruido es
blanco y gausiano de varianza
2
z
.
4.1. Escriba la expresin exacta de la probabilidad de error de bit. (Ayuda: Observe
que, cuando A[n] = +1, la salida del canal con probabilidad 1/2 toma la forma
q[n] = 1,25 +z[n] y, con probabilidad 1/2, q[n] = 0,75 +z[n]).
4.2. Si las decisiones

A[n 1] se pueden considerar (casi siempre) como correctas
y se conoce el canal discreto equivalente p[n], explique cmo se puede modi-
car el decisor convencional, realimentando las decisiones previas para reducir
la probabilidad de error. Qu ocurre si el smbolo decidido realimentado no es
correcto?
P5.5 Considere la transmisin de una seal binaria antipodal A[n] 1, +1 a travs
de un canal discreto equivalente con respuesta al impulso p[n] = 0,8[n] + [n 1].
El ruido es blanco y gausiano con varianza
2
z
. Por lo visto en este captulo,

A[n] se
decide en funcin del signo de q[n]; sin embargo, en este caso, el mayor coeciente
del canal es p[1].
5.1. Razone sobre la conveniencia de usar el signo de q[n] para decidir sobre

A[n1]
en lugar de sobre

A[n]. Observe que esto simplemente implica un retardo de una
muestra en la toma de decisiones.
5.2. Justique analticamente el razonamiento anterior calculando las probabilidades
siguientes: Prsgn(q[n]) ,= A[n], Prsgn(q[n]) ,= A[n 1], donde la funcin
sgn(x) es tal que devuelve 1 si x > 0 y -1 si x < 0.
P5.6 El espectro de una seal PAM en banda base (Ecuacin 5.2) depende no slo del
pulso conformador, sino tambin de la densidad espectral de potencia de los smbolos
enviados, lo que implica que podemos ayudar a la conformacin espectral actuando
sobre la autocorrelacin de la secuencia A[n]. Suponga que deseamos transmitir una
secuencia de smbolos blanca A
b
[n] y modicamos su espectro pasndola por un
ltro discreto c[n] con Transformada de Fourier C(e
j
), para producir una secuencia
A[n], de modo que A[n] = A
b
[n] c[n]. El pulso transmisor g(t) es un ltro paso
bajo ideal o, equivalentemente, un pulso en raz de coseno alzado con = 0.
6.1. Escriba S
A
(e
j
) en funcin de S
A
b
(e
j
) y de C(e
j
).
6.2. Represente el espectro de la seal PAM S
s
(j) para los siguientes casos: i)
c[n] = [n] [n 1]; ii) c[n] = [n] +[n 1]; iii) c[n] = [n] [n 2].
6.3. Suponga que es sabido que A
b
[n] = 0, para todo n < 0. Demuestre que se puede
reconstruir A
b
[n] a partir de A[n]. Esto implica que el receptor puede obtener
A
b
[n] a partir de las decisiones

A[n].
6.4. Para cada uno de los casos anteriores escriba la potencia transmitida en funcin
de la energa media de los smbolos en A
b
[n].
P5.7 Represente el diagrama de bloques de un receptor de:
7.1. PAM en doble banda lateral (PAM-DSB).
7.2. PAM en banda lateral nica (PAM-SSB).
7.3. CAP (Ejemplo 5.8).
P5.8 Considere el receptor de la Figura 5.36.
8.1. Demuestre que la demodulacin con la exponencial compleja puede moverse
tras el muestreador a periodo de smbolo. Ello signica que la seal a la salida
del muestreador se puede demodular con una exponencial discreta e
j
1
n
. En-
cuentre qu relacin deben cumplir
1
y
c
. Tenga cuidado con las unidades:
mientras
c
est expresada en rad/seg,
1
lo est en rad.
8.2. Demuestre que si
1
0, /2, la demodulacin no implica la realizacin
de ningn producto. Esto reduce la complejidad del receptor. Naturalmente, de
acuerdo con los resultados del apartado anterior, esto sugiere elegir la frecuencia
de la portadora en funcin del periodo de smbolo.
c
se elige de tal modo que
1
= 0, entonces no es necesaria
ninguna demodulacin compleja, y q[n] se puede obtener directamente mues-
treando la salida del ltro paso banda complejo de la gura.
P5.9 Considere la condicin (5.70), suciente para que la seal transmitida x(t) sea ciclo-
estacionaria.
9.1. Demuestre que se cumple en el caso de QAM cuando los smbolos transmiti-
dos por los canales en fase y cuadratura son independientes y las funciones de
autocorrelacin de los smbolos transmitidos por ambos canales son idnticas.
9.2. Demuestre que se cumple en el caso de PSK si las muestras de la secuencia de
fases [n] son independientes.
P5.10 La constelacin de la Figura 5.46 se denomina jerrquica: aunque con ella se pueden
transmitir 4 bits por smbolo, los bits decodicados no tienen igual probabilidad de
error. Esta constelacin se utiliza en la transmisin de seales con diferentes niveles
de proteccin; por ejemplo, en transmisin de vdeo codicado, los dos bits ms prote-
gidos se pueden usar para transmitir las componentes paso bajo importantes y los dos
menos protegidos, para transmitir el detalle. Si la relacin seal a ruido en recepcin
supera un determinado umbral
1
, entonces la imagen se puede ver con alta calidad.
Si dicha relacin no supera
1
, pero est por encima de un umbral
2
, entonces slo
se pueden decodicar ablemente los bits ms protegidos; esta situacin es aceptable,
por ejemplo, en terminales mviles o porttiles de bajo coste. El inters de este tipo
de codicacin estriba en que para constelaciones no jerrquicas, el nivel de relacin
seal a ruido necesario para una decodicacin able es menor que
1
, pero mayor
que
2
.
Suponga que la asignacin de bits a smbolos es la siguiente: los dos primeros bits
determinan el cuadrante del plano complejo; los dos ltimos determinan el smbolo
dentro del cuadrante. Para ambos pares de bits, se utiliza codicacin Gray (Pgina
230). Todos los smbolos se transmiten con igual probabilidad. El parmetro = b/a
sirve para establecer el nivel relativo de proteccin: para = 0 el segundo par de
bits no est protegido en absoluto, mientras que cuando = 1/2 se recupera una
constelacin 16-QAM, para la que el nivel de proteccin es prcticamente el mismo
{ } Re [ ] A n
{ } Im [ ] A n
a
b
Figura 5.46. Constelacin jerrquica del Problema P5.10.
para ambos pares de bits. Suponga un canal gausiano que introduce ruido de densidad
0
/2 W/Hz.
10.1. Demuestre que, conocidos la energa por smbolo E
s
y el nivel de proteccin ,
la constelacin de la gura queda completamente determinada.
10.2. Obtenga la expresin de la probabilidad de error de bit para los dos primeros
bits de cada smbolo (los ms protegidos), de forma exacta en funcin de E
s
/N
0
y . En funcin de estos mismos parmetros, obtenga la aproximacin a dicha
probabilidad basada en los smbolos a mnima distancia.
10.3. Repita los clculos del apartado anterior con los dos ltimos bits de cada smbolo
(los menos protegidos).
10.4. Para = 1/8 represente las P
e
aproximadas de los apartados anteriores en fun-
cin de E
s
/N
0
. Represente en la misma grca la probabilidad de error de una
constelacin QPSK y compare los resultados.
P5.11 Una seal PAM paso banda con periodo de smbolo T seg y frecuencia de portadora
c
rad/seg se demodula con el esquema de la Figura 5.34 pero usando una exponencial de
frecuencia
d
rad/seg, distinta a la de la portadora. El canal es gausiano y la respuesta
combinada transmisor-receptor cumple el criterio de Nyquist.
11.1. Escriba, en funcin de (
c
d
), la expresin de la secuencia de observaciones
q[n].
11.2. Represente el diagrama de dispersin que se tendra si el ruido fuese desprecia-
ble.
P5.12 Las Figuras 5.47(a)-(d) presentan diagramas de dispersin a la salida del muestreador
del receptor. La respuesta combinada de los ltros transmisor y receptor es un coseno
alzado y la constelacin empleada es una QPSK. Justique, en cada caso, qu causa
puede dar lugar al diagrama observado.
2 1.5 1 0.5 0 0.5 1 1.5 2
2
1.5
1
0.5
0
0.5
1
1.5
2
(a)
2 1.5 1 0.5 0 0.5 1 1.5 2
2
1.5
1
0.5
0
0.5
1
1.5
2
(b)
2 1.5 1 0.5 0 0.5 1 1.5 2
2
1.5
1
0.5
0
0.5
1
1.5
2
(c)
2 1.5 1 0.5 0 0.5 1 1.5 2
2
1.5
1
0.5
0
0.5
1
1.5
2
(d)
Figura 5.47. Diagramas de dispersin del Problema P5.12.
P5.13 Uno de los problemas que suele aparecer en la prctica a la hora de implementar un
demodulador PAM paso banda, es el del llamado desequilibrio entre fase y cuadra-
tura, que tiene su origen en las dicultades para generar las seales demoduladoras
perfectamente en cuadratura.
Considere un sistema de comunicaciones paso banda que emplea una constelacin
QPSK a travs de un canal gausiano. La respuesta combinada de los ltros transmisor
y receptor cumple el criterio de Nyquist. Sin embargo, por el problema anteriormen-
te mencionado, en el receptor, implementado de acuerdo con el esquema de la Figu-
ra 5.37, en lugar de emplear cos(
c
t), se utiliza cos(
c
t+), [[ < /4. Por supuesto,
el desfase es desconocido en el decisor, que sigue manteniendo los mismos umbrales
de decisin que para = 0.
13.1. Suponiendo un ruido despreciable, represente el diagrama de dispersin que se
tendra a la salida del muestreador (complejo) del receptor.
13.2. Obtenga la probabilidad de error de smbolo en funcin de E
s
/N
0
y de .
P5.14 En este problema vamos a estudiar cmo generalizar el criterio de Nyquist a la trans-
misin simultnea de varias seales moduladas con PAM. Por simplicidad, considera-
remos el caso en banda base, pero la generalizacin a una modulacin paso banda es
inmediata. Suponga que la seal banda base s(t) se obtiene de la forma siguiente:
s(t) =
N1
j=0
n
A
j
[n]
j
(t nT) (5.109)
donde las funciones
j
(t) son ortogonales y los smbolos A
j
[n] que las modulan son
reales. En recepcin, se usa el banco de ltros adaptados de la Figura 4.41. El canal se
considera ideal.
14.1. Para el canal j-simo, obtenga una condicin sobre la respuesta en frecuencia
j
(j) para que en la observacin q
j
[n] no haya interferencia de los smbolos
A
j
[k], k ,= n.
14.2. Para el canal j-simo, obtenga una condicin sobre las respuestas en frecuencia
j
(j) y
l
(j), l ,= j para que en la observacin q
j
[n] no haya interferencia
de los smbolos A
l
[n]. (Ayuda: Observe que la condicin anterior implica que
(
l
(t)
j
(t))
t=nT
= [n] )
14.3. A partir del conjunto de condiciones derivadas en los apartados a) y b), que se
conocen como el criterio de Nyquist generalizado, encuentre un par de funciones
0
(t) y
1
(t) que las satisfagan y tales que
0
(t)
0
(t) sea un coseno alzado.
CAPTULO 6
DETECCIN EN CANALES CON
INTERFERENCIA INTERSIMBLICA
Debido a la distorsin lineal que el canal introduce en la seal analgica transmitida, en
la salida de un demodulador de PAM habr presente cierto grado de interferencia intersim-
blica (ISI). En tales condiciones, el detector smbolo a smbolo empleado en el Captulo 5
deja de ser ptimo, y sus prestaciones pueden llegar a ser completamente inaceptables a me-
dida que el nivel de ISI aumenta. Se hace as necesario modicar la estructura del detector
para solventar este problema.
Para ello, determinaremos en primer lugar el decisor ptimo en presencia de ISI, el cual,
como veremos, toma las decisiones utilizando toda la secuencia recibida y no smbolo a sm-
bolo. En numerosas ocasiones la complejidad computacional de este decisor ptimo resulta
ser excesiva, lo que hace necesario utilizar otras estructuras subptimas pero menos costo-
sas como son los igualadores. Un igualador lineal realiza un ltrado de la seal demodulada
con el objeto de compensar la distorsin introducida por el canal, de tal forma que a la sa-
lida del igualador la seal est lo ms libre de ISI posible. En tal caso, es posible utilizar
un decisor smbolo a smbolo sobre esta seal. Los igualadores
1
se usan en procesado de
seales de audio para compensar las distorsiones producidas en el canal que, en este caso,
incluye micrfonos, cables, dispositivos de grabacin y reproduccin, etc. En comunicacio-
nes digitales, los primeros igualadores no diferan mucho de un ecualizador manual, pero a
medida que la velocidad de transmisin fue aumentando se hizo imprescindible contar con
igualadores basados en principios matemticos.
De hecho, para poder combatir ecazmente el efecto de la ISI con igualadores el re-
ceptor necesita ajustar adecuadamente los parmetros correspondientes, bien sean estos los
coecientes de la respuesta del canal o los del igualador. Una vez planteados los principios
del diseo de igualadores de canal, es posible obtener estructuras capaces de ajustarse auto-
mticamente para adaptarse a los cambios ocurridos en el canal o, simplemente, para evitar
1
En procesado de audio se emplea el trmino ecualizador que, aunque es una mala traduccin del ingls
equalize, ha sido aceptado por la Real Academia de la Lengua. Para distinguirlo de este y aprovechar las
posibilidades que ofrece nuestro idioma, hemos decidido utilizar el trmino igualador, que es autoexplicativo.
306 DETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA
la realizacin de operaciones matemticas complejas. Estas estructuras adaptativas tambin
sern objeto de este captulo.
6.1. EL PROBLEMA DE LA INTERFERENCIA ENTRE SMBOLOS
Antes de pasar a desarrollar una serie de posibles estrategias para mitigar la ISI conviene
analizar en detalle su naturaleza para tener una visin clara de su efecto. Comenzaremos
recordando el modelo de canal discreto equivalente para modulaciones PAM desarrollado
en el Captulo 5.
En el Captulo 5 hemos visto que si la convolucin del pulso de transmisin g(t) y
el ltro de recepcin f(t) cumple el criterio de Nyquist, y la distorsin introducida por
el canal se reduce a ruido aditivo, entonces la seal demodulada y muestreada a la tasa
de smbolo est libre de ISI
2
. Esto coincide con el modelo del canal lineal gausiano de la
Figura 5.11 para el que la respuesta del canal equivalente en banda base es un impulso,
h
eq
(t) = (t t
0
), introduciendo solamente una atenuacin y un retardo en la seal
recibida. Ntese que la respuesta en frecuencia H
eq
(j) de este canal cumple
[H
eq
(j)[ = [[, H
eq
(j) = t
0
+ (6.1)
es decir, su magnitud es constante y su fase es lineal con la frecuencia. Sin embargo, es
comn en la prctica encontrar canales cuya funcin de transferencia no cumple (6.1). Por
ejemplo, en una lnea telefnica la atenuacin sufrida por la seal que la atraviesa depende
de la frecuencia; lo mismo ocurre en un cable coaxial. En sistemas inalmbricos (canales
radio) y subacuticos (canales acsticos), varias versiones de la seal transmitida pueden
llegar al receptor por diferentes caminos tras sufrir distintas reexiones en el entorno. El
receptor se enfrenta entonces a la superposicin de estas rplicas de la seal original, cada
una de las cuales ha sufrido una atenuacin y un retardo distintos. Este fenmeno se conoce
como multitrayecto y resulta en un canal que tampoco cumple (6.1).
En tales condiciones, para evitar la ISI se podra disear el ltro receptor f(t) en la
forma que se describi en el Apartado 5.3, con los inconvenientes all mencionados: a su
salida el ruido puede estar coloreado y, peor an, su potencia puede ser amplicada. Por
estas razones, y teniendo en cuenta que en la prctica el receptor suele desconocer la res-
puesta impulsional del canal en banda base equivalente h
eq
(t), es comn hacer que f(t) est
adaptado al ltro transmisor g(t), es decir, f(t) = g(t).
Nuestro punto de partida en este captulo ser el canal discreto equivalente (Apartado
5.4.4) de la Figura 5.7:
q[n] = A[n] p[n] +z[n] (6.2)
2
Esto es cierto siempre y cuando el muestreo se realice en los instantes adecuados. La inuencia del instante
de muestreo en la ISI ser analizada en el Apartado 6.5, mientras que la sincronizacin de smbolo se discutir
en el Captulo 11.
6.1 EL PROBLEMA DE LA INTERFERENCIA ENTRE SMBOLOS 307
donde q[n] son las muestras tomadas con periodo de smbolo de la seal a la salida del
ltro receptor, p[n] es la respuesta al impulso del canal discreto equivalente y z[n] es la
secuencia de ruido a la salida del muestreador del receptor. Supondremos que el ruido aditivo
introducido por el canal es blanco y gausiano, con densidad espectral de potencia N
0
/2
W/Hz. Adems, supondremos que el ltro receptor f(t) es tal que su funcin de ambigedad
temporal satisface el criterio de Nyquist para periodo T. En tal caso, para un sistema paso
banda z[n] es un proceso gausiano, blanco, circularmente simtrico con varianza
2
z
= N
0
;
para un sistema en banda base, el ruido z[n] es real, gausiano y blanco con varianza
2
z
=
N
0
/2.
A lo largo de este captulo supondremos que el canal en banda base equivalente p(t) =
g(t) h
eq
(t) g(t) toma valores no nulos nicamente en el intervalo t
inf
t < t
sup
de
duracin T
p
= t
sup
t
inf
. El valor de t
inf
puede interpretarse como un retardo global en la
transmisin, por lo que supondremos que t
inf
= 0, sin perder generalidad. De este modo,
nuestro modelo de canal (6.2) toma la forma
q[n] =
K
k=0
p[k]A[n k] +z[n] (6.3)
con K = T
p
/T, donde x denota el mayor entero menor o igual que x. Como con-
secuencia de nuestra suposicin, el nmero de coecientes no nulos de p[n] = p(nT) es
K + 1.
Resulta claro que cuanto mayor sea el valor de K, mayor ser el nmero de compo-
nentes de ISI, de lo que cabe esperar que ms perjudicial ser su efecto. Hay que destacar
que el valor de K aumenta no slo con la dispersin de retardos T
p
, sino tambin al au-
mentar la tasa de smbolo 1/T. Es habitual que un mismo canal apenas distorsione la seal
para transmisiones a baja velocidad, pero que introduzca un nivel considerable de ISI si se
intentan alcanzar grandes velocidades de transmisin. Por ello, las estrategias de deteccin
en presencia de ISI tienen un papel cada vez ms importante en el diseo de un sistema de
comunicaciones, debido a la tendencia generalizada de los sistemas modernos a alcanzar
velocidades cada vez mayores.
6.1.2. Medida de la interferencia entre smbolos
La cantidad de ISI introducida por el canal ser mayor cuanto ms diste la respuesta
del canal discreto equivalente p[n] de un impulso puro de la forma c[n d], con c alguna
constante no nula y d un entero. Cabe preguntarse cunta ISI es capaz de tolerar un detector
smbolo a smbolo sin cometer errores, en el caso asinttico en que
2
z
tienda a cero. Para
contestar, necesitamos una manera de cuanticar la ISI. Denamos d como el ndice del
coeciente del canal con mayor magnitud (esto es, tal que [p[d][ [p[n][ para todo n), y
reescribamos (6.3) como
q[n] = p[d]A[n d] +
k,=d
p[k]A[n k] +z[n] (6.4)
El coeciente de referencia p[d] se suele denominar cursor. Un decisor smbolo a smbolo
para estimar A[n d] corregira primero el efecto del factor p[d], y entonces decidira en
funcin de la regin del plano complejo en la que resida q[n]/p[d] para formar la decisin
dura

A[n d]. Es decir,

A[n d] es el elemento de la constelacin ms prximo a
q[n]
p[d]
= A[n d] +
k,=d
p[k]
p[d]
A[n k] +
z[n]
p[d]
(6.5)
El segundo sumando en (6.5) constituye la ISI debida al canal, mientras que el tercero reeja
el efecto del ruido aditivo. Es posible cuanticar la distorsin introducida por el canal a
travs del parmetro denominado nivel de ISI:
ISI
.
=
D
pico
(6.6)
donde D
pico
(denominada distorsin de pico) y son parmetros que dependen respec-
tivamente de la respuesta impulsional del canal discreto equivalente y de la constelacin
utilizada, y se denen como
D
pico
.
=
k,=d
[p[k][
[p[d][
0,
.
=
(d
min
/2)
[A[
max
> 0 (6.7)
En (6.7) [A[
max
denota la mxima magnitud de los elementos de la constelacin y d
min
denota la mnima distancia entre dos elementos de la constelacin. Ntese que
ISI
0, con
ISI
= 0 si y slo si D
pico
= 0, o, equivalentemente, p[k] = 0 para todo k ,= d, es decir, si
el canal no introduce ISI. Cuanto mayor sea D
pico
, mayor ser el nivel de ISI.
En ausencia de ruido, el detector smbolo a smbolo no cometer errores si
ISI
< 1
(vase el Problema P6.1) y en tal caso se suele decir que el ojo est abierto, en referencia
al diagrama de ojo introducido en el Apartado 5.3.1. Por el contrario, a medida que el nivel
de ISI aumenta hasta tener
ISI
> 1, el ojo se cerrar. Es importante observar que el
hecho de que el ojo se halle o no abierto depende no slo del canal (a travs del parmetro
D
pico
), sino tambin de la constelacin utilizada (a travs del parmetro ). Para un mismo
canal, vemos en (6.6) que la transmisin ser ms robusta a la ISI cuanto mayor sea el valor
de , mostrado en el Cuadro 6.1 para nueve constelaciones comnmente empleadas. La
constelacin BPSK es la ms robusta en este sentido y a medida que aumenta el nmero de
bits por smbolo de la modulacin, la sensibilidad a la ISI de la constelacin correspondiente
tambin aumenta.
Naturalmente, aun cuando la ISI sea lo sucientemente pequea como para que el ojo
est abierto, en presencia de ruido la probabilidad de error del detector smbolo a smbolo
ser siempre mayor que en el caso sin ISI. Las muestras de la seal recibida no coincidirn
con los smbolos transmitidos, sino que en general podrn acercarse a las fronteras de las
regiones de decisin. La probabilidad de que el ruido aditivo haga pasar la correspondiente
muestra a una regin incorrecta es, por tanto, mayor.
6.1 EL PROBLEMA DE LA INTERFERENCIA ENTRE SMBOLOS 309
Constelacin bits/smbolo = (d
min
/2)/[A[
max
BPSK 1 1
QPSK 2 0.707
4-PAM 2 0.333
8-PSK 3 0.382
8-PAM 3 0.143
16-QAM 4 0.235
32-QAM 5 0.164
64-QAM 6 0.101
128-QAM 7 0.076
Cuadro 6.1. Valores del parmetro de robustez frente a la ISI para varias constelaciones.
Ejemplo 6.1
En la Figura 6.1 se representa el diagrama de dispersin en el receptor (muestras q[n]) para una
constelacin 16-QAM y tres canales distintos, todos de la forma p[n] = 0,1[n] + [n 2] +
[n 4], con = 0, 0,1 y 0,18. Los valores de
ISI
correspondientes son 0,4242, 0,8484 y
1,1879. En los dos primeros casos el ojo se halla abierto (
ISI
< 1). En el tercero, la ISI es lo
sucientemente elevada como para que empiecen a aparecer errores en las decisiones, incluso si
no hubiese ruido. La probabilidad de error de smbolo aumentar si [[ se incrementa ms todava.
Re{q}
Im{q}
= 0
Re{q}
Im{q}
= 0,1
Re{q}
Im{q}
= 0,18
Figura 6.1. Diagramas de dispersin en el receptor para una constelacin 16-QAM y tres
canales p[n] = 0,1[n] +[n 2] +[n 4] con diferentes niveles de ISI y sin ruido.
6.1.3. Cota del ltro adaptado
Hemos visto cmo el efecto de la ISI puede ser catastrco para un detector smbolo a
smbolo. Seguidamente pasaremos a desarrollar detectores ms sosticados que tengan en
cuenta la dispersin del canal, pero antes vamos a presentar una cota para las prestaciones
que se pueden obtener con cualquier detector de este tipo. Dicha cota se denomina cota
del ltro adaptado y determina un valor mnimo para la probabilidad de error de smbolo.
Este valor mnimo no tiene por qu ser alcanzable para una implementacin particular del
receptor, aunque en ocasiones s lo es.
Esta cota se obtiene observando que la probabilidad de error de smbolo con el modelo
de canal (6.3) al transmitir una secuencia de smbolos nunca ser menor que la correspon-
diente a la transmisin de un nico smbolo por el mismo canal. Si nicamente se transmite
A[0] = A, las nicas observaciones conteniendo informacin acerca de este smbolo son
q[0], . . . , q[K]. Agrupando estas en un vector q de dimensin K + 1, podemos escribir
_
_
q[0]
q[1]
.
.
.
q[K]
_
_
= A
_
_
p[0]
p[1]
.
.
.
p[K]
_
_
+
_
_
z[0]
z[1]
.
.
.
z[K]
_
_
q = Ap +z (6.8)
Podemos interpretar (6.8) como la transmisin del smbolo A por K +1 canales parale-
los, sin ISI, con distintas ganancias e independientes (ya que las variables aleatorias z[n
1
],
z[n
2
] son independientes para n
1
,= n
2
). Si las probabilidades a priori de los smbolos son
idnticas, entonces el criterio de mxima verosimilitud, o ML, minimiza la probabilidad de
error, tal como se vio en el Captulo 4. Dado que la funcin de densidad de probabilidad de
q, condicionada a que el smbolo transmitido A tome el valor a, es
f
q[A
(q [ a) =
1
(
2
z
)
K+1
exp
_
2
z
[[q ap[[
2
_
(6.9)
entonces el detector ML para el modelo (6.8) decidir que el smbolo transmitido fue a = a
i
si se cumple que
[[q a
i
p[[
2
< [[q a
j
p[[
2
j = 0, , M 1, j ,= i (6.10)
o equivalentemente (vase Problema P6.4),
p
H
q
p
H
p
a
i
2
<
p
H
q
p
H
p
a
j
2
, j = 0, , M 1, j ,= i (6.11)
donde p
H
denota el vector hermtico (es decir, traspuesto y conjugado) de p. Este de-
tector se ilustra en la Figura 6.2. Obsrvese que el estadstico q
f
= p
H
q/[[p[[
2
puede
Decisor
q
q
p
H
|| || p
2
f
Figura 6.2. Estructura del detector ML para la transmisin de un smbolo aislado a travs
de un canal dispersivo.
interpretarse como la salida en el instante n = 0 de un ltro con respuesta impulsional
h[n] = p
[n]/[[p[[
2
, cuando su entrada es la secuencia de observaciones q[n]:
(q[n] h[n])[
n=0
=
k
h[k]q[k] =
k
p
[k]q[k]
[[p[[
2
=
p
H
q
[[p[[
2
(6.12)
6.2 DETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 311
En otras palabras, el detector ML consta de un ltro adaptado al canal p[n] (y normalizado)
seguido de un decisor de mnima distancia eucldea a los elementos de la constelacin.
Este resultado no debera sorprendernos, pues no es ms que el equivalente discreto del
problema de deteccin en canales gausianos estudiado en el Captulo 4. A la salida de este
ltro adaptado obtenemos un modelo simple de canal aditivo gausiano, como puede verse a
partir de la expresin del estadstico q
f
:
q
f
=
p
H
q
[[p[[
2
=
p
H
(Ap +z)
[[p[[
2
= A+z
f
, con z
f
=
p
H
z
[[p[[
2
(6.13)
Adems, la relacin seal a ruido medida sobre q
f
es mxima (vase Problema P6.5). N-
tese que la componente de ruido z
f
presente en q
f
es gausiana, circularmente simtrica, de
media cero y varianza
2
z
/[[p[[
2
. Por tanto podemos obtener una buena aproximacin a la
probabilidad de error resultante de forma similar a (4.91):
P
e
Q
_
d
min
2

[[p[[
_
N
0
/2
_
(6.14)
donde d
min
es la distancia mnima de la constelacin y es el mximo nmero de smbolos
que se encuentran a d
min
de un smbolo de la constelacin.
La expresin (6.14) recibe el nombre de cota del ltro adaptado. Al haber sido derivada
para el caso particular en que se transmite un nico smbolo, la probabilidad de error de
cualquier detector operando sobre el mismo canal y con transmisin continua de smbolos
estar acotada inferiormente por (6.14). Obsrvese que la nica inuencia del canal p[n] en
la cota es a travs de la raz cuadrada de su energa, [[p[[ =
_
k
[p[k][
2
, de forma que si
[[p[[ aumenta, entonces la probabilidad de error disminuye debido a que la varianza efectiva
de ruido
2
z
/[[p[[
2
disminuye. Alternativamente, [[p[[
2
puede interpretarse como la ganancia
en potencia introducida por el canal.
6.2. DETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRE-
SENCIA DE ISI
Cuando
ISI
> 1 el ojo se halla cerrado y un decisor smbolo a smbolo no es capaz de
detectar correctamente los datos; cosa poco sorprendente, pues este decisor se dise para
canales sin ISI. En este apartado vamos a desarrollar el detector ptimo bajo el criterio ML
en presencia de ISI. Para ello, partiremos del modelo (6.3) y supondremos que se transmite
una secuencia de L smbolos A[0], A[1],. . . , A[L1], tomados de entre los M elementos de
la constelacin. Por tanto habr M
L
posibles secuencias de L smbolos, y el detector deber
determinar cul fue transmitida de entre todas ellas. Ntese a partir de (6.3) que, debido a
la memoria del canal, los L smbolos A[0],. . . , A[L1] afectan a las L+K observaciones
q[0], . . . , q[L + K 1]. Cualquier otra observacin q[n] con n < 0 n > L + K 1 slo
contiene ruido, y puede por tanto ser desechada. Denotaremos por N
q
= L + K el nmero
de observaciones disponibles.
6.2.1. Expresin del detector ML de secuencias
Podemos pensar en cada una de las M
L
posibles secuencias transmitidas como un vector
Ade L smbolos (en general complejos) pertenecientes a la constelacin empleada. En otras
palabras, A
.
= [A[0], A[1], , A[L 1]]
T
, donde cada smbolo A[n] se toma de entre los
M elementos de la constelacin. Podemos concluir entonces que tenemos un total de M
L
secuencias posibles que describimos de la forma a
i
, i = 0, . . . , M
L
1
_
.
La probabilidad de decidir una secuencia distinta de la transmitida se minimiza mediante
el criterio MAP desarrollado en el Apartado 4.4.1: si q denota el vector formado por las N
q
muestras recibidas q[n], el detector MAP escoger aquella secuencia a
i
que cumpla
p
A
(a
i
) f
q[A
(q [ a
i
) > p
A
(a
j
) f
q[A
(q [ a
j
), j = 0, , M
L
1, j ,= i (6.15)
donde p
A
(a) es la probabilidad a priori de la secuencia a y f
q[A
(q[a) es la funcin de
densidad de probabilidad de la observacin q condicionada a la transmisin de la secuencia
a. Debemos insistir en que segn este planteamiento, el detector MAP minimiza la proba-
bilidad de que la secuencia decidida no coincida con la transmitida, o equivalentemente,
la probabilidad de que uno o ms smbolos detectados sean errneos. Esta no coincide en
general con la probabilidad de error de smbolo, es decir, la probabilidad de que un smbolo
cualquiera de los decididos sea errneo. El criterio de mnima probabilidad de error de sm-
bolo resulta en un detector mucho ms complejo, cuyas prestaciones suelen ser parecidas
a las del detector MAP (6.15) para relaciones seal a ruido elevadas. Por ello el criterio de
mnima probabilidad de secuencia errnea es generalmente preferido en la prctica.
Suponiendo que los smbolos transmitidos son independientes entre s y equiprobables,
cada una de las posibles secuencias a
j
tiene la misma probabilidad a priori y el criterio
MAP se reduce al criterio ML, como se vio en el Apartado 4.4: se decidir que la secuencia
transmitida fue a
i
si se cumple que
f
q[A
(q[a
i
) > f
q[A
(q[a
j
), j = 0, , M
L
1, j ,= i (6.16)
Por tanto, necesitamos la expresin de f
q[A
(q[a), donde q y a son los vectores que recogen
las muestras de, respectivamente, q[n] y a[n] desde n = 0 hasta n = L 1. Para alcan-
zar nuestro objetivo, observemos en (6.3) que la funcin de densidad de probabilidad de
q[n], condicionada a que la secuencia transmitida Atome el valor a, es gausiana, de media
K
k=0
p[k]A[n k] y varianza
2
z
. Es ms, dado que z[n] es un proceso blanco, se tiene
que dos variables aleatorias cualesquiera q[n
1
], q[n
2
] con n
1
,= n
2
estn incorrelaciona-
das, y por tanto son independientes dado que son conjuntamente gausianas (vase Apartado
3.2.6). As, la funcin de densidad de probabilidad conjunta se reduce a
f
q[A
(q [ a) =
1
(
2
z
)
N
q
exp
_
_
_
2
z
N
q
1
n=0
q[n]
K
k=0
p[k]a[n k]
2
_
_
_
(6.17)
Por tanto, el detector ML escoger aquella secuencia de smbolos a tal que la suma
N
q
1
n=0
q[n]
K
k=0
p[k] a[n k]
2
(6.18)
es mnima. Observando (6.18) concluimos que la estrategia ptima consiste simplemente en
escoger de entre todas las posibles aquella secuencia que, una vez ltrada por el canal p[n],
mejor se ajuste a las observaciones. La medida de este ajuste es la distancia eucldea, lo cual
es una consecuencia de la naturaleza gausiana del ruido. Podemos considerar el detector ML
como un decisor generalizado que, teniendo en cuenta la ISI, opera sobre toda la secuencia
recibida y no sobre smbolos aislados.
Cul es el coste computacional del detector ML? Para contestar esta pregunta, j-
monos en que para cada posible secuencia a dicho detector ha de realizar las siguientes
operaciones: ltrado por el canal, resta de la secuencia resultante de la secuencia de obser-
vaciones, clculo de las magnitudes de tales diferencias y su posterior suma. El nmero de
productos (complejos) y sumas requeridos para todo ello es proporcional a KL. Dado que
este clculo ha de repetirse para todas las secuencias posibles, el coste total es proporcio-
nal a KL M
L
(al que todava habra que aadir el de un algoritmo de bsqueda del valor
mximo de las M
L
distancias calculadas).
El principal problema de esta implementacin directa del detector ML radica en que su
coste computacional crece exponencialmente con el nmero de smbolos transmitidos L, y
por tanto con el tiempo que dura la transmisin. Dependiendo de la aplicacin, este tiempo
de transmisin puede ser corto (por ejemplo, para sistemas que operan de forma pulsada
transmitiendo rfagas de unos pocos smbolos) o llegar a ser muy largo. En tal caso, adems
de la prohibitiva complejidad del detector, aparecen otros dos problemas adicionales: el
tamao de la memoria necesaria para almacenar todas las M
L
secuencias posibles, as como
el retardo inherente en la decisin, pues parece necesario esperar al nal de la transmisin
para comenzar el proceso de deteccin. Afortunadamente, estos problemas pueden superarse
gracias a un algoritmo computacionalmente eciente (su complejidad crece de forma lineal,
y no exponencial, con L) para el clculo de la mnima distancia eucldea. La idea principal
consiste en aprovechar la propiedad de que la memoria del canal es nita.
6.2.2. El algoritmo de Viterbi
En este apartado presentaremos un esquema para el clculo de la secuencia ms pro-
bable, denominado algoritmo de Viterbi en honor a su autor. Es importante resear que
el algoritmo de Viterbi no constituye un nuevo criterio de deteccin, sino que no es nada
ms (aunque tampoco nada menos) que un mtodo numricamente eciente de minimizar
la mtrica (6.18) asociada al detector ML.
El modelo de canal (6.3) genera las observaciones de la forma q[n] = o[n] +z[n], donde
o[n] =
K
k=0
p[k]A[n k], n = 0, 1, . . . , N
q
1 (6.19)
es la salida del canal antes de aadir el ruido. En un sistema con memoria como (6.19) un
concepto importante es el de estado, el cual se dene como la mnima informacin necesaria
para determinar la salida del sistema en el instante n (en este caso o[n]), dado el valor de
la entrada en ese mismo instante (en este caso A[n]). Inmediatamente obtenemos de (6.19)
que en nuestro caso el estado del sistema coincide con el vector formado por los K smbolos
transmitidos anteriormente, que denotaremos
[n] =
_
_
A[n 1]
A[n 2]
.
.
.
A[n K]
_
_
(6.20)
As, la salida o[n] queda completamente determinada por el estado [n] en el que se
encuentra el sistema y el valor actual A[n] de la entrada. Tambin el estado en el siguiente
instante [n + 1] queda determinado por [n] y A[n].
Obsrvese que el nmero de estados posibles es nito (e igual a M
K
) por pertenecer
los smbolos a una constelacin discreta. Los sistemas para los que se verica esta propie-
dad, la cual es fundamental para el desarrollo del algoritmo de Viterbi, suelen denominarse
mquinas de estados nitos.
De esta forma, podemos visualizar la evolucin temporal de la mquina de estados -
nitos descrita por (6.19) como una serie de transiciones entre sus estados, cada una de ellas
producida por cada nuevo valor de la entrada A[n], y que producir un valor de la salida
o[n]. Es importante sealar que, en general, no todas las transiciones entre estados son po-
sibles, pues las ltimas K 1 componentes del nuevo estado [n +1] deben forzosamente
coincidir con las primeras K 1 componentes del estado anterior [n].
Una herramienta muy til para visualizar la evolucin de una mquina de estados nitos
es su diagrama de rejilla. En l, los M
K
diferentes estados [n] se representan mediante
nodos, colocados en columna. A su derecha, se coloca otra columna de M
K
nodos, repre-
sentando los estados en el siguiente instante [n + 1]. Las transiciones entre estados se
representan uniendo los nodos correspondientes mediante lneas denominadas ramas.
Ejemplo 6.2
Si la constelacin es binaria (M = 2), por ejemplo +1, 1, y el canal posee K + 1 = 4 coe-
cientes no nulos, entonces el diagrama de rejilla posee 2
3
= 8 estados. Esta rejilla se representa
en la Figura 6.3(a), en la que las transiciones marcadas con lnea continua corresponden a una
entrada A[n] = 1, mientras que las marcadas con lneas de trazos corresponden a A[n] = +1.
Se ha indicado el estado correspondiente a cada nodo de forma abreviada; por ejemplo el estado
[n] =
_
_
1
1
+1
_
_
se indica como (+).
En la Figura 6.3(a) podemos observar dos propiedades que se cumplen para el diagrama
de rejilla de cualquier mquina de estados nitos:
1. De cada nodo parten M ramas, cada una de las cuales corresponde a uno de los M
posibles valores de la entrada A[n].
2. A cada nodo llegan M ramas, y todas se corresponden con un mismo valor de A[n].
( ) ---
( ) --+
( ) -+-
( ) -++
( ) +--
( ) +-+
( ) ++-
( ) +++
y[ ] n y[ 1] n+
y[ ] n
y[ 1] n+
(a) (b)
1,0
-1,0
-
0
,4
0
,6
1
,
2
-
0
,
8
-
0
,
2
0
,
8
1
,
4
-
1
,
4
-
0
,
8
0
,
8
0
,
2
-
1
,
2
-0
,6
0
,
4
Figura 6.3. (a) Diagrama de rejilla correspondiente a un sistema con 8 estados y entrada
binaria. (b) La misma rejilla indicando en cada rama el valor de la salida o[n] para el canal
dado por p[n] = 0,1[n] 0,2[n 1] + 0,8[n 2] + 0,3[n 3].
Tambin observamos que la estructura de la rejilla no depende del valor que tome la salida,
o[n]. Sin embargo, el valor de o[n] queda determinado por la transicin [n] [n + 1]
y el valor de los coecientes del canal. Por ello, cada rama de la rejilla puede ser etiquetada
con el valor asociado de la salida o[n].
Ejemplo 6.3
Supongamos que el canal del Ejemplo 6.2 est dado por p[n] = 0,1[n] 0,2[n1] +0,8[n
2] +0,3[n3]. En tal caso, la salida en el instante n puede escribirse en funcin del estado y la
entrada en el mismo instante como o[n] = 0,1A[n] 0,2A[n 1] + 0,8A[n 2] + 0,3A[n 3]
= 0,1A[n] + [0,2 0,8 0,3][n]. As, si A[n] = +1 y [n] = (+), entonces o[n] = 0,2,
etc. La Figura 6.3(b) muestra la rejilla con las etiquetas correspondientes en cada rama.
La transmisin de L smbolos da lugar a la evolucin del estado del canal a travs del
diagrama de rejilla a lo largo del tiempo, lo cual se puede visualizar representando L eta-
pas de la rejilla y marcando las ramas correspondientes. Esto da lugar a una trayectoria o
camino, suponiendo que el canal se encuentra en un estado inicial dado. En la prctica, la
inicializacin del canal puede realizarse transmitiendo una rfaga de al menos K smbolos
de manera previa a la transmisin de los L smbolos que realmente transportan informacin.
La eleccin de este prembulo de K smbolos se hace de forma acordada con el receptor, de
modo que este conoce de antemano el estado inicial del canal.
Ejemplo 6.4
Considrese el canal p[n] del Ejemplo 6.3. Inicialmente se transmite una rfaga de K = 3
smbolos 1, 1, 1 lo cual coloca el canal en el estado ( ). Seguidamente se proce-
de a transmitir la secuencia de L = 5 smbolos +1, 1, +1, +1, 1. El camino resultante
se representa sobre el diagrama de rejilla en la Figura 6.4. La secuencia recibida (desechando
las salidas producidas durante el establecimiento del estado inicial, y en ausencia de ruido) es
0,8, 1,4, 0,8, 0,6, 0,2, correspondiente a las etiquetas de las ramas del camino.
( ) ---
( ) --+
( ) -+-
( ) -++
( ) +--
( ) +-+
( ) ++-
( ) +++
A[0]=+1 A[1]= 1 - A[2]=+1 A[3]=+1 A[4]= 1 -
-
0
,
8
-
1
,
4
0
,
8
-
0
,
6
0
,
2
Figura 6.4. Transmisin de una secuencia de L = 5 smbolos representada como un ca-
mino en el diagrama de rejilla.
Pasemos ahora a estudiar cmo puede ayudarnos el diagrama de rejilla en la determi-
nacin de (6.18). Dado un vector de observaciones q, la mtrica asociada a cada secuencia
candidata a puede escribirse como
l(q, a)
.
=
N
q
1
n=0
[q[n] o[n][
2
=
N
q
1
n=0
l
n
(q, a) (6.21)
donde o[n] =
K
k=0
p[k]a[nk]. El valor l
n
(q, a)
.
= [q[n] o[n][
2
est asociado a la rama
n-sima, para cada n = 0, . . . , N
q
1, y por tanto se suele denominar mtrica de rama. Dado
que cada secuencia a se corresponde con un camino distinto sobre el diagrama de rejilla,
l(q, a) se denomina mtrica de camino. As, (6.21) expresa la mtrica de camino como la
suma de las mtricas de las N
q
ramas. La mtrica de rama l
n
(q, a) representa la distancia
entre la seal recibida y la seal que se debera haber observado si, en ausencia de ruido, la
transicin entre estados correspondiente a dicha rama realmente hubiese tenido lugar.
El objetivo del detector ML es determinar aquel camino sobre el diagrama de rejilla que
minimiza el valor de la mtrica de camino l(q, a). Deniendo la mtrica acumulada como
la suma de las mtricas de rama hasta una cierta etapa m de la rejilla, que denotaremos por
l
0,m
(q, a), podemos escribir
l
0,m
(q, a)
.
=
m
n=0
l
n
(q, a) (6.22)
El algoritmo de Viterbi se basa en la siguiente propiedad de la mtrica acumulada:
Sea a el camino que minimiza la mtrica l(q, a) para un diagrama de rejilla y un vector
de observaciones q dados. Sea a
,= a otro camino tal que a
y a pasan ambos por un mismo

nodo en la etapa m-sima del diagrama de rejilla. En tal caso, las mtricas acumuladas de
a
y a hasta la etapa m-sima verican

l
0,m
(q, a) l
0,m
(q, a
) (6.23)
La demostracin es muy sencilla y se deja al lector como ejercicio (vase Problema
P6.6). La propiedad anterior viene a decir que, si el camino ptimo pasa por un nodo dado,
entonces dicho camino ha de ser necesariamente el que minimiza la mtrica acumulada
hasta dicho nodo. Esta observacin permite rechazar muchos caminos en nuestra bsqueda
a medida que avanzamos por el diagrama de rejilla.
El algoritmo de Viterbi determina el camino ptimo desplazndose secuencialmente por
la rejilla. En cada etapa, y para cada nodo, se determina el camino que llega hasta ese nodo
con la menor mtrica acumulada, el cual recibe el nombre de camino superviviente. Dado
que para una etapa determinada el nodo por el que pasa el camino ptimo no se conoce,
se debe calcular y almacenar el camino superviviente para cada uno de los nodos. Al llegar
a la ltima etapa de la rejilla, el camino ptimo ser el superviviente con menor mtrica
acumulada (la mtrica acumulada hasta la ltima etapa es l(q, a), la mtrica de camino).
El clculo del camino superviviente para un nodo dado se realiza fcilmente si nos -
jamos en que a dicho nodo nicamente llegan M ramas, cada una procedente de un nodo
distinto en la etapa anterior. La mtrica acumulada hasta la etapa m se puede escribir en
funcin de la acumulada hasta la etapa anterior como
l
0,m
(q, a) = l
0,m1
(q, a) +l
m
(q, a) (6.24)
Ntese que l
0,m1
(q, a) se halla almacenada, pues corresponde al camino superviviente de
uno de los nodos de la etapa anterior, mientras que l
m
(q, a) es la mtrica de rama corres-
pondiente a la transicin de dicho nodo de la etapa anterior al nodo considerado de la etapa
m. Por tanto, para determinar el camino superviviente al nodo considerado basta realizar M
sumas de la forma de (6.24) y elegir aquel nodo de la etapa anterior y aquella rama para los
cuales tal suma es menor.
Ejemplo 6.5
Supongamos que se tiene el canal del Ejemplo 6.3, de nuevo con modulacin binaria. Se quiere
calcular el camino superviviente al nodo ( +) en la etapa m-sima de la rejilla. En vista del
diagrama (Figura 6.3) y de la expresin (6.24), para ello se necesita el valor de la observacin
q[m] y los valores de las mtricas acumuladas l
0,m1
para los caminos supervivientes a los nodos
( + ) y ( + +) en la etapa anterior, ya que estos nodos son los nicos que producen una
transicin al nodo en cuestin.
Por ejemplo, si q[m] = 0,8 con l
0,m1
= 2,1 para el nodo (+), y l
0,m1
= 1,7 para el nodo
(+ +), entonces la mtrica acumulada al nodo (+) en la etapa m sera
l
0,m
= l
0,m1
+l
m
=
_
2,1 +[0,8 0,6[
2
= 2,1 + 0,04 = 2,14 desde el nodo (+)
1,7 +[0,8 1,2[
2
= 1,7 + 0,16 = 1,86 desde el nodo (+ +)
Por tanto, el camino superviviente al nodo ( +) ser el procedente del nodo ( + +) de la
etapa anterior, y tendr una mtrica acumulada de 1,86. Naturalmente, este proceso, que hemos
realizado para el nodo (+), deber ser repetido para cada uno de los nodos restantes.
Ejemplo 6.6
Vamos a exponer paso a paso la operacin del algoritmo de Viterbi para un caso sencillo. Supon-
gamos una modulacin binaria A[n] +1, 1, y un canal dado por p[n] = 0,7[n] 0,5[n
1]. Dado que M = 2 y K = 1, el nmero de estados del sistema es M
K
= 2
1
= 2. Denotaremos
estos estados por () y (+), correspondientes a A[n1] = 1 +1 respectivamente. La Figura
6.5(a) muestra una etapa del diagrama de rejilla para este canal, con las etiquetas de cada rama
correspondiendo a la salida asociada a cada transicin de estado.
El transmisor enva una rfaga inicial A[n] = 1 para n < 0, de forma que en n = 0 el receptor
tiene la seguridad de que el canal se halla en el estado (). En las Figuras 6.5(b)-(f) se represen-
tan los caminos supervivientes, etapa por etapa, para la secuencia observada q[0], . . . , q[5] =
0,3, 0,4, 0,8, 0,1, 0,6, 0,5. Tras la etapa nal, vemos que el camino ptimo es el super-
viviente que termina en el nodo correspondiente al estado (+) ya que su mtrica acumulada es de
1,27, mientras que el camino superviviente nalizando en el nodo () posee una mtrica ms ele-
vada, igual a 1,39. Una vez as determinado el camino ptimo, procedemos a la decodicacin de
la secuencia transmitida. En vista de nuestra convencin de usar trazo discontinuo para las ramas
generadas por un smbolo A[n] = +1 y continuo para aqullas debidas a A[n] = 1, observamos
que la secuencia elegida por el detector ML es
A[0], . . . ,

A[5] = 1, 1, +1, +1, +1, +1.
Como puede verse, en cada una de las L etapas del diagrama de rejilla el algoritmo de
Viterbi realiza una serie de M operaciones de la forma de (6.24) para cada uno de los M
K
nodos. Por tanto, el coste computacional de este algoritmo es proporcional a (L M) M
K
.
Vemos que este coste crece slo de forma lineal con la longitud de la secuencia transmitida,
L, y no exponencialmente como en una implementacin directa del criterio ML. Por otro
lado, aparece ahora una dependencia exponencial de la complejidad con el orden del canal,
K. Si el canal es muy dispersivo, resultando en un valor elevado de K, es posible que
en ciertas aplicaciones ni siquiera la eciencia del algoritmo de Viterbi sea suciente para
permitir una implementacin prctica del detector ML. En tal caso, se hace necesario recurrir
a otro tipo de estructuras subptimas pero ms sencillas, como son los igualadores lineales
y de realimentacin de decisiones que se discutirn en los Apartados 6.3 y 6.4.
El problema del retardo en la decodicacin sigue estando presente en el algoritmo de
Viterbi, ya que es necesario esperar a que todas las observaciones q[n] se hallen disponibles
( ) -
( ) +
(a) Rejilla bsica
mtricas
acumuladas
0,25
0,81
0,25
(b) [0] = 0,3 q
mtricas
de rama
0,25
1,17
0,29
(c) [1] = -0,4 q
0,04 0,25
0,45
1,29
(d) [2] = 0,8 q
0,04 1,0
0,25
0,54
1,3
(e) [3] = -0,1 q
0,04 1,0 0,01
1,18
0,9
(f) [4] = -0,6 q
0,25
1,27
1,39
(g) [5] = 0,5 q
0,04 0,49
0,16
0,09
0,36
0,64 0,09
0,16
0,25 0,04
0,09
0,36
0,64
0,09
0,16
0,16
0,36
0,81
0,81
0,2
-0,2
1,2
-1,2
Figura 6.5. Operacin del algoritmo de Viterbi vista sobre el diagrama de rejilla.
para poder decidir sobre la secuencia transmitida. En la prctica es comn forzar decisiones
con un retardo constante d
v
(denominado profundidad de truncamiento), de forma que en
cada instante m se comparan las M
K
mtricas acumuladas para obtener la menor de todas
ellas. La decisin sobre el smbolo A[m d] se toma entonces como la correspondiente
al camino superviviente con esta menor mtrica acumulada. Mediante esta tcnica tambin
se reduce la cantidad de memoria requerida, ya que basta con almacenar las ltimas d
v
ra-
mas de cada camino superviviente. En general esta modicacin (que se suele denominar
algoritmo de Viterbi truncado) deja de ser ptima; sin embargo, el aumento en la probabi-
lidad de secuencia errnea con respecto a la versin no truncada es menor a medida que d
v
aumenta. Por tanto, si d
v
se elige lo sucientemente grande, el algoritmo truncado apenas
sufrir degradacin. Esto es debido a que existe una gran probabilidad de que con d
v
grande
todos los caminos supervivientes compartan sus ramas iniciales, de forma que estas ramas
formarn parte del camino ptimo. Por ejemplo, en la Figura 6.5(d) podemos comprobar
que, una vez actualizadas las mtricas acumuladas, en el instante m = 2 es posible decidir,
recorriendo hacia atrs los caminos supervivientes, que

A[0] = 1 y

A[1] = 1. Y ello
sin haber esperado a tener la secuencia completa de observaciones. Del mismo modo, en
m = 4 (Figura 6.5(f)) ya podemos decidir que

A[2] = +1 y

A[3] = +1. En la prctica la
profundidad de truncamiento suele tomarse varias veces mayor que la memoria del canal.
Ejemplo 6.7
Supongamos que la constelacin consta de M = 4 smbolos 3, 1, +1, +3, y que el canal
est dado por p[n] = 0,8[n] +0,6[n1]. El estado de partida corresponde al smbolo preacor-
dado A[1] = 1. El receptor utiliza el algoritmo de Viterbi con una profundidad de trunca-
miento d
v
= 2. La Figura 6.6 muestra el resultado cuando las primeras cinco muestras recibidas
son q[0], . . . , q[4] = 0,1, 2,8, 0,3, 0,9, 0,2 . A partir de la etapa n = d
v
, en
la etapa n-sima se toma una decisin sobre el smbolo A[n d
v
] seleccionando el camino su-
perviviente con menor mtrica acumulada. Este se representa con trazo ms grueso en la Figura
6.6.
6.2.3. Probabilidad de error del detector ML de secuencias
Como ya hemos comentado, el detector de mxima verosimilitud para un canal con ISI
minimiza la probabilidad de que la secuencia detectada sea diferente de la transmitida. Vien-
do las posibles secuencias de L smbolos como vectores L-dimensionales, esta probabilidad
puede aproximarse de forma similar a (4.91):
Prsecuencia errnea Q
_
D
min
/2
_
N
0
/2
_
(6.25)
En este contexto, D
min
representa la distancia eucldea mnima entre dos secuencias sin rui-
do o[n] (denidas mediante (6.19)) correspondiendo a dos diferentes secuencias transmi-
tidas; y representa el mximo nmero de secuencias recibidas que se hallan a una distancia
D
min
de una posible secuencia recibida.
Sin embargo, a medida que el nmero de smbolos L aumenta, tambin lo hace; de
hecho, a medida que L , la Prsecuencia errnea tiende a 1. Esto es indicacin de
que este parmetro no es muy adecuado como medida de las prestaciones del detector. Por
(-3)
(a) Rejilla bsica
(b) [0] = 0,1 q
-4,2
(-1)
(+1)
(+3)
4,2
-2,6
-1
0,6
-3
-1,4
0
,2
1,8
-1,8
-0
,2
1,4
3
-0,6
1
2,6
9,61
2,25
0,01
2,89
9,61
2,25
0,01
2,89
21,16
1,96
3,24
0,04
21,17
6,13
1,97
0,05
(c) [1] = 2,8 q (d) [2] = -0,3 q
0,09
1,69
2,89
4,41
0,14
1,74
4,86
10,54
(e) [3] = -0,9 q
0,81
0,25
0,01
2,25
5,67
1,99
0,15
2,39
(f) [4] = 0,2 q
0,64
0,16
2,56
1,44
3,03
0,31
1,59
4,55
Decisin:
[1]=+3
Decisin:
[2]= -3
Decisin:
[0]= +1
n = -1 n = 0
n = -1 n = 0 n = 1 n = 1 n = -1 n = 0 n = 2
n = 2 n = 1 n = 0 n = 3 n = 1 n = 2 n = 3 n = 4
Figura 6.6. Operacin del algoritmo de Viterbi truncado.
otro lado, la probabilidad de error de smbolo permanece a niveles aceptables incluso cuando
L crece. Por ello nos centraremos en obtener una aproximacin para esta probabilidad, dada
por
P
e
.
= Pr(

A[n] ,= A[n]) (6.26)
donde A[n] y

A[n] son los smbolos transmitido y decidido, respectivamente, correspon-
dientes al instante n. Ntese que, en realidad, esta probabilidad es funcin de n, debido a
que la secuencia transmitida es nita (consta de L smbolos) con lo que nuestro modelo
de canal no es estrictamente estacionario
3
. Sin embargo, si L es lo sucientemente grande
podemos dejar a un lado esta dicultad. Por ello supondremos razonablemente que P
e
no
depende de n.
Como hemos visto, la operacin del detector ML equivale a la seleccin del camino en
el diagrama de rejilla con menor distancia con respecto a la secuencia observada. Por tanto,
para que se cometa un error es necesario que el camino escogido diverja en alguna etapa de
la rejilla del camino correspondiente a la secuencia transmitida, pudiendo ambos fusionarse
de nuevo un nmero de etapas ms adelante, digamos l. Este fenmeno se denomina suceso
errneo de longitud l. Si denotamos por y

las secuencias de estados sobre la rejilla
correspondientes a las secuencias transmitida y detectada respectivamente, podemos denir
un suceso errneo e como el par (,

) tal que [k] ,=

[k] para algn k. La longitud de e
ser igual a l si existe m tal que
[n] ,=

[n] para todo n (m, m+l] y [n] =

[n] en cualquier otro caso
El que un suceso errneo e tenga longitud l no signica que la secuencia decodicada
A[n] contenga l smbolos errneos, aunque al menos contendr un smbolo errneo. El

nmero de smbolos incorrectos, que denotaremos por w(e), estar comprendido entre 1 y
l.
Ejemplo 6.8
La Figura 6.7 representa un suceso errneo e para el diagrama de rejilla de la Figura 6.3, su-
poniendo que la secuencia transmitida fue . . . , 1, 1, 1, 1, . . .. Los dos caminos sobre la
rejilla dieren en las etapas n + 1, n + 2 y n + 3, por lo que la longitud de e es l = 3. El suceso
errneo mostrado es adems el de longitud mnima para esta secuencia transmitida. La distancia
eucldea (al cuadrado) entre el camino correcto y el errneo se calcula mediante la suma de los
cuadrados de las distancias entre las ramas correspondientes a las etapas en que los dos caminos
divergen, en este caso d
2
= 0,04+0,16+2,56+0,36 = 3,12. La secuencia decodicada en este
caso contiene nicamente un smbolo incorrecto, de forma que w(e) = 1.
Denotemos el conjunto de todos los sucesos errneos comenzando en una etapa dada de
la rejilla como c
0
. La probabilidad de error de smbolo del detector ML est dada por
P
e
=
ec
0
w(e)Pr(e) (6.27)
donde Pr(e) es la probabilidad del suceso errneo e. La demostracin de (6.27) puede
encontrarse en el Apndice 6.A. Ntese que, dado que e = (,

), podemos escribir
3
Por ejemplo, no todos los estados de la rejilla son posibles en las primeras etapas, debido a que se parte de
un estado inicial conocido. Esto muestra que las propiedades de la rejilla no son idnticas para toda etapa n.
n n-1 n+1 n+2 n+3 n+4 n+5
0,04
0,16
2,56
0,36
Figura 6.7. Ilustracin de un suceso errneo e de longitud l = 3. Las etiquetas indican las
distancias (al cuadrado) entre las ramas de ambos caminos, correcto y errneo. Se supone
que el camino correcto es el que viaja a travs de los nodos superiores.
Pre = Pr(
[) Pr(). En general, es difcil calcular la probabilidad condicional

P(
[) de forma exacta, por lo que se suele recurrir a calcular cotas.

Para obtener una cota superior jmonos en que P(
[) es la probabilidad de que
el vector observado q
0
resida en la regin de decisin correspondiente a la secuencia de
estados

cuando en realidad es la secuencia correcta. Esta probabilidad es menor o
igual a la que se obtendra mediante un decisor binario para decidir entre y

, por
argumentos anlogos a los empleados en el Captulo 4 cuando se present la cota de la
unin. La probabilidad de que dicho decisor binario decida

cuando es la secuen-
cia correcta es Q(d(
, )/2
_
N
0
/2), donde d(
, ) es la distancia eucldea entre las

secuencias o[n] y o[n], correspondientes a

y y denidas mediante (6.19), esto es,
d
2
(
, ) =
n
[ o[n] o[n][
2
. As,
Pr(
[) Q
_
d(
, )
2
_
N
0
/2
_
(6.28)
y por tanto,
P
e
=
ec
0
w(e)Pr()Pr(
[)
ec
0
w(e)Pr()Q
_
d(
, )
2
_
N
0
/2
_
(6.29)
Para obtener una cota inferior, retomemos (6.27). Dado que w(e) 1, jmonos en que
P
e

ec
0
Pr(e) = Pr() (6.30)
donde denota el suceso ha ocurrido un suceso errneo. Intuitivamente, (6.30) tiene sen-
tido ya que todo suceso errneo implica al menos un smbolo errneo. Sea el conjunto de
posibles secuencias de estados . Podemos escribir entonces
P
e

Pr([)Pr()
min
Pr([)Pr() (6.31)
donde
min
es el conjunto de secuencias que tienen al menos un suceso errneo a dis-
tancia mnima, esto es,
min
= [ existe

con d(
, ) = D
min
, siendo
D
min
la distancia eucldea mnima entre todos los pares posibles de secuencias de estados
distintas. Observemos ahora que, dado que contiene todos los posibles eventos errneos,
su probabilidad de ocurrencia ser siempre mayor o igual que la de un solo suceso err-
neo; en particular, mayor o igual que la de un suceso a distancia mnima. Esto implica que
Pr([) Q(D
min
/2
_
N
0
/2), para todo
min
. Por tanto,
P
e

1
Q
_
D
min
2
_
N
0
/2
_
con
1
.
=
min
Pr() (6.32)
1
representa la fraccin de caminos en la rejilla que tienen asociados un suceso errneo de
distancia mnima, y verica
1
1.
Adems de las cotas, es interesante disponer de una aproximacin a la probabilidad de
error. Tomando como punto de partida la primera igualdad en (6.29) y observando que para
relaciones seal a ruido altas los trminos dominantes en el sumatorio son aquellos que se
corresponden con sucesos a distancia D
min
(vase Captulo 4), podemos escribir
P
e

ec
min
w(e)Pr()Pr(
[)
=
2
Q
_
D
min
2
_
N
0
/2
_
con
2
.
=
ec
min
w(e)Pr() (6.33)
siendo c
min
el subconjunto de c
0
cuyos sucesos errneos tienen d(
, ) = D
min
(es decir,
el subconjunto de los sucesos errneos ms probables). Es instructivo observar que tanto
1
como
2
son independientes de la varianza del ruido.
De los desarrollos anteriores se desprende que el parmetro clave para determinar las
prestaciones del detector ML es D
min
, dado por la raz cuadrada del mnimo valor de la
suma
N
q
1
n=0
K
k=0
p[k]
_
A[n k] A
[n k]
_
2
(6.34)
que se puede obtener para dos secuencias distintas
4
de smbolos A[n] y A
[n]. Es decir,
D
min
es la mnima distancia eucldea entre dos vectores N
q
-dimensionales producidos por
4
Esto es, que dieran al menos en uno de sus smbolos componentes (no necesariamente en todos).
la parte determinista del canal (6.19) para dos secuencias distintas de smbolos transmitidos.
En (6.34) podemos ver que, en el caso particular de un canal sin ISI (K = 0), D
min
es
simplemente la mnima distancia entre puntos de la constelacin (multiplicada por [p[0][, un
factor constante debido al canal), con lo que P
e
coincide con la de un detector smbolo a
smbolo. Esto era de esperar, pues en ausencia de ISI dicho detector es ptimo.
El clculo directo de D
min
puede ser arduo debido a que el nmero de pares de secuen-
cias (,

) a comprobar es en general elevado. Podemos obtener un mtodo ms eciente
inspeccionando la expresin (6.34). Si denimos la secuencia de errores [n] = A[n]

A[n],
vemos que este clculo equivale a encontrar el camino (distinto del todo ceros) de menor
mtrica sobre una rejilla denida por el canal p[n] y la constelacin de errores. Por ejem-
plo, si los smbolos son binarios (/ = 1, +1), entonces los errores [n] pertenecen
a la constelacin 2, 0, +2, que consta de 3 elementos. El algoritmo de Viterbi pue-
de entonces aplicarse para obtener el camino de menor mtrica que comienza en el estado
([n 1], , [n K]) = (0, , 0) y cuya primera rama corresponde a [n] ,= 0.
Es posible obtener una cota superior para D
min
a partir de la cota del ltro adaptado
presentada en el Apartado 6.1.3. Segn (6.14), la probabilidad de error de smbolo de cual-
quier detector no puede ser menor que Q(d
min
[[p[[/2
_
N
0
/2), donde d
min
es la distancia
mnima entre elementos de la constelacin de smbolos, y [[p[[
2
es la energa del canal. Esta
cota se puede aplicar a la probabilidad de error del detector ML (6.33) para obtener
2
Q
_
D
min
2
_
N
0
/2
_
Q
_
d
min
2

[[p[[
_
N
0
/2
_
(6.35)
Dado que esto se ha de satisfacer para N
0
arbitrariamente pequea, se sigue que
D
min
d
min
[[p[[ (6.36)
Por tanto, vemos que
SNR
.
= 20 log
10
d
min
[[p[[
D
min
(6.37)
representa el incremento en relacin seal a ruido (en dB) necesario para conseguir la misma
P
e
que en un canal sin ISI. En caso de darse la igualdad en (6.36), entonces SNR = 0 y
el detector ML alcanzara la cota del ltro adaptado para relaciones seal a ruido suciente-
mente elevadas, lo cual signica que sus prestaciones no seran inferiores a las obtenidas en
un canal sin ISI.
Ejemplo 6.9
Para la rejilla de la Figura 6.5(a), correspondiente al canal p[n] = 0,7[n] 0,5[n 1] y
una constelacin binaria / = 1, +1, es posible comprobar directamente por inspeccin que
existen dos sucesos errneos con D
min
, los cuales se ilustran en la Figura 6.8. En este caso, se
tiene D
2
min
= 1
2
+1,4
2
= 2,96, mientras que la energa del canal es [[p[[
2
= 0,7
2
+0,5
2
= 0,74.
Dado que la constelacin tiene d
min
= 2, podemos comprobar que en este caso (6.36) se cumple
con igualdad. Por tanto, para relaciones seal a ruido sucientemente elevadas, el detector ML
alcanza la cota del ltro adaptado.
( ) -
( ) +
-0,2
0,2
-1,2
1,2
(a) Rejilla bsica (b) Sucesos errneos con distancia mnima
(1,4)
2
(-1,0)
2
(1,0)
2
(-1,4)
2
Figura 6.8. Rejilla bsica y sucesos de error con D
min
para el canal p[n] = 0,7[n]
0,5[n 1] con modulacin binaria.
A n [ ]
z n [ ]
n d [ - ]
(a)
(b)
n d [ - ]
canal
igualador
Decisor
Decisor
q n [ ] u n [ ]
A n [ ]
z n [ ]
canal global
u n [ ]
P z ( ) W z ( )
W z ( )
C z W z P z ( )= ( ) ( )
Figura 6.9. (a) Igualacin lineal con deteccin smbolo a smbolo; (b) Sistema equivalente.
6.3. IGUALACIN LINEAL
El coste computacional del detector ML (basado en el algoritmo de Viterbi) es pro-
porcional a M
K
, con K la memoria del canal discreto equivalente y M el tamao de la
constelacin. A menos que M y K tomen valores pequeos, la complejidad resultante se-
r prohibitiva, sobre todo en sistemas con altas tasas binarias. En tales situaciones se hace
necesario recurrir a estrategias subptimas de deteccin. Una de las ms comunes, denomi-
nada igualacin, utiliza un decisor smbolo a smbolo pero no directamente sobre la seal
recibida; dicha seal es procesada previamente por un sistema denominado igualador cuyo
objetivo es compensar la distorsin del canal, de forma que a la salida del igualador el nivel
de ISI sea sustancialmente menor que el presente en la seal recibida. Si el igualador se di-
sea correctamente, el diagrama de ojo a su salida se encontrar lo sucientemente abierto
como para posibilitar el funcionamiento de un decisor smbolo a smbolo. Aunque existen
igualadores no lineales, en este texto trataremos exclusivamente los lineales, que son su-
cientes para entender los criterios y principios fundamentales de la igualacin de canal. En
6.3 IGUALACIN LINEAL 327
los igualadores lineales el sistema que compensa la distorsin de canal es un ltro lineal (no
necesariamente invariante en el tiempo).
La Figura 6.9(a) representa el diagrama de bloques del equivalente discreto de un siste-
ma de comunicaciones que emplea igualacin lineal. En dicha gura, P(z) y W(z) deno-
tan respectivamente las Transformadas Z de las respuestas impulsionales del canal discreto
equivalente, p[n], y del ltro igualador, w[n]. Debido a razones de implementacin, la es-
tructura generalmente utilizada para este igualador es un ltro FIR (vase Apartado 2.4.3),
cuyo orden denotaremos por K
w
. Denotaremos por c[n] la convolucin de las respuestas
impulsionales p[n] y w[n]:
c[n] = w[n] p[n] =
K
l=0
p[l]w[n l], 0 n K +K
w
(6.38)
la cual es la respuesta al impulso del denominado canal global, correspondiente a la conexin
en serie del canal discreto equivalente y el igualador.
As, la seal u[n] a la salida del igualador se puede escribir como
u[n] =
K
w
k=0
w[k]q[n k]
=
K
w
k=0
w[k]
_
K
l=0
p[l]A[n k l] +z[n k]
_
=
K+K
w
m=0
c[m]A[n m] +
K
w
k=0
w[k]z[n k] (6.39)
De la expresin (6.39) vemos que la entrada del decisor u[n] es la suma de dos contribucio-
nes, tal como se ilustra en la Figura 6.9(b). La primera de ellas es la componente de seal y
resulta de ltrar los smbolos A[n] por el canal global, cuya funcin de transferencia es
C(z) =
K+K
w
n=0
c[n]z
n
= W(z)P(z) (6.40)
La segunda contribucin a u[n] en (6.39) es la componente de ruido, y es el resultado de
ltrar el ruido z[n] con el igualador W(z). Debido a este ltrado dicha componente de ruido
no ser en general un proceso blanco, a diferencia del proceso de ruido original z[n].
Si el diseo del igualador es correcto, cabe esperar que su salida cumpla u[n] A[nd]
para todo n y para algn entero d, denominado retardo global. Si reescribimos (6.39) como
u[n] = c[d]A[n d]
. .
trmino deseado
+
m,=d
c[m]A[n m]
. .
ISI residual
+
K
w
k=0
w[k]z[n k]
. .
ruido ltrado
(6.41)
vemos que u[n] A[n d] se cumplir si c[d] 1 y si los trminos de ISI residual y de
ruido ltrado son lo sucientemente pequeos. En tal caso, el decisor smbolo a smbolo
situado tras el igualador en la Figura 6.9 recuperara los smbolos originales simplemente
eligiendo el punto de la constelacin ms prximo a u[n] en distancia eucldea:
A[n d] = a
i
si [u[n] a
i
[ < [u[n] a
j
[, j = 0, , M 1, j ,= i (6.42)
Para el correcto funcionamiento del receptor se necesita que la probabilidad de error de
smbolo Pr
A[n d] ,= A[n d] sea lo sucientemente pequea.

La razn de admitir un retardo global no nulo es que, como veremos ms adelante, las
prestaciones del igualador pueden mejorar considerablemente para ciertos retardos d > 0
con respecto al caso d = 0. Por otro lado, el funcionamiento del receptor no se ve afectado
5
por el hecho de trabajar con un retardo global d > 0. As, el retardo global constituye un
parmetro adicional que proporciona mayor exibilidad en el diseo del igualador.
En ausencia de ruido u otras interferencias, la ISI residual en (6.41) ser pequea si el
canal global se aproxima a un retardo puro: c[n] [n d] o, equivalentemente, C(z)
z
d
. Este objetivo de diseo del igualador se conoce como criterio forzador de ceros. Alter-
nativamente, es posible denir un objetivo de diseo basado directamente en la diferencia
entre la entrada al decisor u[n] y su valor ideal A[n d], lo que da lugar al criterio de error
cuadrtico medio. En los siguientes apartados analizaremos por separado cada uno de ellos.
6.3.1. Igualador lineal bajo el criterio forzador de ceros
El criterio forzador de ceros o ZF (zero-forcing) obtiene los coecientes del igualador
para eliminar la ISI en el canal global resultante. Es decir, se trata de forzar a valer cero
el nivel de ISI
ISI
denido en (6.6) correspondiente al canal global, de ah su nombre. En
principio, la eliminacin total de la ISI slo es posible si se dispone de un igualador con un
nmero de coecientes innito, aunque es posible obtener aproximaciones aceptables con
igualadores FIR si el retardo d y el orden del ltro K
w
se eligen apropiadamente.
Supongamos de momento que disponemos de un nmero ilimitado de coecientes para
la implementacin del igualador. El criterio ZF estipula que el canal global debe reducirse
a un retardo puro: C(z) = W(z)P(z) = z
d
. Sean K
y K
el nmero de ceros que el

canal posee en el interior y en el exterior de la circunferencia unidad, respectivamente, y
supongamos que no hay ningn cero situado sobre la circunferencia unidad, de forma que
P(z) = P
0
K
k=1
(1
k
z
1
)
. .
.
=P
min
(z)
K
n=1
(1
n
z
1
)
. .
.
=P
max
(z)
, con
_
[
k
[ < 1 para 1 k K
[
n
[ > 1 para 1 n K
(6.43)
5
Aunque existen algunas aplicaciones donde el retardo global ha de mantenerse por debajo de un valor
mximo tolerable.
donde P
0
es una constante. P
min
(z) es un sistema de fase mnima (vase Apartado 2.3). Por
otro lado, P
max
(z) tiene todos sus ceros fuera de la circunferencia unidad; los ltros FIR
con esta propiedad se suelen denominar de fase mxima.
De W(z)P(z) = z
d
y la factorizacin P(z) = P
0
P
min
(z)P
max
(z) se sigue que
W(z) =
z
d
P(z)
=
1
P
0
1
P
min
(z)

z
d
P
max
(z)
(6.44)
El factor 1/P
min
(z) se corresponde con un ltro causal y estable, ya que todos sus polos
1
, . . . ,
K
se encuentran situados dentro de la circunferencia unidad. Por otro lado los
polos
1
, . . . ,
K
del factor z
d
/P
max
(z) se hallan en el exterior de esta, por lo que una
implementacin estable de esta funcin de transferencia ha de ser necesariamente no causal,
tal y como se discuti en el Apartado 2.3.4. As, la funcin de transferencia W(z) en (6.44)
no se corresponde con una respuesta impulsional nita y causal, como se requiere para poder
implementar el ltro igualador. Sin embargo, si el retardo d es lo sucientemente elevado,
la parte no causal de (6.44) podr despreciarse. Por tanto es posible obtener una buena
aproximacin de (6.44) mediante un ltro FIR causal simplemente truncando la parte causal
de z
d
/P(z) al nmero de coecientes adecuado, como se ilustra en el siguiente ejemplo.
20 10 0 10 20
0,5
0
0,5
1
(a) Resp. impulsional de 1/P
min
(z)
n
20 10 0 10 20
0,5
0
0,5
1
(b) Resp. impulsional de 1/P
max
(z)
n
20 10 0 10 20
0,5
0
0,5
1
igualador
(c) Resp. impulsional de z
7
/P(z)
n
20 10 0 10 20
0,5
0
0,5
1
(d) Canal global c[n]
n
Figura 6.10. Respuestas impulsionales interviniendo en el diseo del igualador ZF para el
canal P(z) = 0,5 + 0,45z
1
0,45z
2
del Ejemplo 6.10.
Ejemplo 6.10
Supongamos que el canal discreto equivalente est dado por P(z) = 0,5+0,45z
1
0,45z
2
=
0,5(1 0,6z
1
)(1 + 1,5z
1
). En tal caso, P
0
= 0,5, P
min
(z) = 1 0,6z
1
y P
max
(z) =
1 + 1,5z
1
, con lo que obtenemos las siguientes implementaciones estables:
1
P
min
(z)
=
1
1 0,6z
1
=
n=0
(0,6)
n
z
n
,
1
P
max
(z)
=
1
1 + 1,5z
1
=
z
1,5
1 +
z
1,5
=
z
1,5
n=0
_
1
1,5
_
n
z
n
cuyas respuestas impulsionales se representan en la Figura 6.10(a)-(b). All se puede observar que
un retardo de d = 7 muestras es adecuado para poder truncar z
d
/P
max
(z) quedndonos con su
parte causal. El igualador ZF W(z) es un ltro FIR con orden K
w
cuya respuesta impulsional
viene dada por los primeros K
w
+ 1 coecientes de la parte causal de la respuesta al impulso de
z
d
/P(z). A partir de dicha respuesta, mostrada en la Figura 6.10(c), se observa que tomando
K
w
= 10 se captura la mayor parte de los coecientes signicativos. El canal global C(z) =
W(z)P(z) obtenido con este igualador se ilustra en la Figura 6.10(d): se tiene c[n] [n 7],
como caba esperar. Para mejorar la calidad de esta aproximacin se podra aumentar el retardo
d y el orden K
w
del igualador.
En nuestro diseo hemos supuesto que el canal P(z) no posee races situadas sobre la
circunferencia unidad. Este requisito es necesario, pues no es posible invertir un cero de
este tipo de forma estable. A medida que alguna raz de P(z) se acerca a la circunferencia
unidad, el orden K
w
y el retardo d debern aumentar considerablemente para capturar la
parte signicativa del inverso retardado z
d
/P(z). Obsrvese que, dado que el canal global
C(z) es FIR con orden K +K
w
, este es el mximo valor asignable al retardo d, pues no es
posible obtener W(z)P(z) z
d
si d es mayor que el orden del polinomio W(z)P(z).
El criterio ZF conduce a un igualador W(z) que trata de satisfacer C(z) = W(z)P(z)
z
d
. Por tanto, su transformada de Fourier cumplir
[W(e
j
)[
1
[P(e
j
)[
, W(e
j
) +P(e
j
) d (6.45)
La condicin (6.45) implica que para compensar la ISI el igualador ZF deber amplicar ms
aquellas componentes frecuenciales que han sido ms atenuadas por el canal. Esto puede
suponer un problema ya que, tal como se observa en la Figura 6.9 y en (6.39), la salida u[n]
del igualador posee una componente debida al ruido z[n] presente en la seal recibida tras
ser ltrado por el igualador. Por tanto, el igualador estar amplicando considerablemente el
ruido en aquellas bandas de frecuencia en las que el canal introduce fuerte atenuacin. Este
fenmeno se denomina realce del ruido, y puede llegar a ser muy perjudicial si la relacin
seal a ruido en el receptor no es lo sucientemente alta, o si la funcin de transferencia P(z)
del canal presenta ceros prximos a la circunferencia unidad. As, la probabilidad de error a
la salida del decisor smbolo a smbolo ser excesivamente elevada como consecuencia del
realce del ruido, aun cuando el igualador ZF haya conseguido reducir aceptablemente la ISI.
Ejemplo 6.11
La Figura 6.11 muestra la respuesta en frecuencia del canal p[n] = 0,5[n] + 0,45[n 1]
0,45[n 2] considerado en el Ejemplo 6.10, as como la del igualador ZF calculado en dicho
0
9
6
3
0
3
6
9
|P(e
j
)|
|W(e
j
)|
(dB)
/4 /2 3/4
Figura 6.11. Magnitud de la funcin de transferencia del canal (lnea continua) y del igua-
lador ZF (lnea discontinua) del Ejemplo 6.11.
ejemplo. Como puede observarse, el canal introduce una atenuacin importante en bajas y al-
tas frecuencias, sin alterar apenas las frecuencias en torno a = /2. Como consecuencia, el
igualador ZF introduce amplicacin en altas y bajas frecuencias, de forma que el efecto neto es
[W(e
j
)[ (dB) + [P(e
j
)[ (dB) 0 (6.46)
La relacin (6.46) es slo aproximada, pues para cumplirse con exactitud el igualador debera
poseer un nmero innito de coecientes. La calidad de la aproximacin (6.46) mejorar si se
incrementa el orden K
w
del igualador. Sin embargo, el igualador estar realzando considerable-
mente el ruido en las frecuencias en torno a = 0 (unos 6 dB) y = (unos 8 dB).
Ntese que el criterio forzador de ceros se centra en la eliminacin de ISI, ignorando en
todo momento el ruido presente en el receptor. Para mitigar el efecto del realce del ruido,
este ha de ser tenido en cuenta en el diseo del igualador desde un principio.
6.3.2. Igualador lineal bajo el criterio de error cuadrtico medio
En ltima instancia, la probabilidad de error P
e
obtenida tras el decisor determina la
calidad del igualador, y depende tanto de la ISI residual que no ha podido ser eliminada por
el igualador como del ruido ltrado por este. En principio podra plantearse el diseo del
igualador para minimizar directamente P
e
. Por desgracia, P
e
es una funcin extremadamen-
te complicada de los coecientes del igualador, ya que, por un lado, la componente de ISI
residual a la salida de este no posee una distribucin gausiana, mientras que, por el otro, una
vez ltrado por el igualador, el ruido deja de ser blanco (vase tambin Apartado 5.1.2). Por
ello, el diseo bajo un criterio de mnima probabilidad de error no es, en general, fcilmente
abordable.
Otra posibilidad consiste en disear el igualador para que la secuencia a su salida sea lo
ms parecida posible a la secuencia de smbolos original. De esta forma se tendra en cuenta
tanto el efecto de la ISI como el del ruido, ya que ambos introducen distorsin. Se evitara as
el problema de realce del ruido del mtodo ZF mediante un compromiso entre amplicacin
de ruido y eliminacin de ISI. En igualacin, la medida ms popular de parecido entre dos
secuencias es el error cuadrtico medio o MSE ( Mean-Square Error).
El criterio MSE elige el igualador de forma que la varianza del error e
d
[n]
.
= A[nd]
u[n] (diferencia entre la secuencia de smbolos originales, posiblemente retardada, y la sali-
da del igualador) sea mnima. Aunque el igualador resultante no es necesariamente ptimo
en trminos de probabilidad de error, en general sus prestaciones son ms que aceptables, y
lo que no es menos importante, el diseo resultante es matemticamente manejable.
La salida del igualador puede expresarse como u[n] = w
T
q[n], con w el vector de
coecientes del igualador y q[n] agrupando las muestras de la seal recibida:
w
.
= [w[0], w[1], , w[K
w
]]
T
(6.47)
q[n]
.
= [q[n], q[n 1], , q[n K
w
]]
T
(6.48)
El clculo del igualador MSE es un problema de estimacin lineal de mnima varianza,
donde la variable aleatoria a estimar es A[nd] y la estimacin se hace como combinacin
lineal de las componentes de q[n]. La solucin al problema general de estimacin lineal
se presenta en el Apndice 6.B, de donde se obtiene el igualador que minimiza el error
cuadrtico medio E[e
d
[n][
2
, que denotaremos w
d,MSE
, y el valor mnimo obtenido:
w
d,MSE
=
_
Eq
[n]q
T
[n]
_
1
Eq
[n]A[n d] (6.49)
mn
w
E[e
d
[n][
2
= E[A[n][
2
w
H
d,MSE
Eq
[n]q
T
[n]w
d,MSE
(6.50)
Para el clculo de w
d,MSE
se necesita la matriz de autocorrelacin R
q
.
= Eq
[n]q
T
[n].
Esta matriz tiene la interesante propiedad de ser toeplitz (es decir, todos los elementos a lo
largo de cualquiera de sus diagonales son iguales), ya que por ser q[n] un proceso estacio-
nario, su elemento (i, j) es, con i, j entre 1 y K
w
+ 1,
Eq
[n i + 1]q[n j + 1] = Eq[n +i j]q
[n] = R
q
[i j] (6.51)
el cual slo depende de i j. Adems, R
q
[i j] = R
[j i]. Ntese que los elementos

de esta matriz no son sino las componentes de la secuencia de autocorrelacin del proceso
q[n]:
R
q
=
_
_
R
q
[0] R
q
[1] R
q
[2] R
q
[K
w
]
R
q
[1] R
q
[0] R
q
[1] R
q
[K
w
1]
R
q
[2] R
q
[1] R
q
[0] R
q
[K
w
2]
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
R
q
[K
w
] R
q
[K
w
1] R
q
[K
w
2] R
q
[0]
_
_
(6.52)
Por otro lado, tambin se necesita calcular el vector de correlacin cruzada entre la entrada
al igualador y la seal deseada, dado por
r
qA
.
= Eq
[n]A[n d] =
_
_
Eq
[n]A[n d]
Eq
[n 1]A[n d]
.
.
.
Eq
[n K
w
]A[n d]
_
_
(6.53)
Para escribir (6.52) y (6.53) en trminos del canal discreto equivalente, recurrimos al modelo
(6.3), que nos permite escribir q[n] como
q[n]=
_
_
p[0] p[1] p[K] 0 0
0 p[0] p[1] p[K]
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 0 p[0] p[1] p[K]
_
_
. .
=P
T
_
_
A[n]
A[n 1]
.
.
.
A[n K K
w
]
_
_
. .
.
=a[n]
+
_
_
z[n]
z[n 1]
.
.
.
z[n K
w
]
_
_
. .
.
=z[n]
q[n] = P
T
a[n] +z[n] (6.54)
El vector a[n] recoge los smbolos transmitidos, mientras que en el vector z[n] se incluyen
las muestras del ruido. La matriz P, de tamao (K+K
w
+1)(K
w
+1), y cuya traspuesta
interviene en (6.54), se denomina matriz de convolucin del canal. Ntese que P es toeplitz.
Utilizando la expresin (6.54) se llega a
r
qA
= E(P
T
a[n] +z[n])
A[n d]
= P
H
Ea
[n]A[n d] +Ez
[n]A[n d] (6.55)
El ruido y los smbolos estn incorrelacionados por ser estadsticamente independientes, y
dado que su media es cero, el segundo sumando en (6.55) se anula: Ez
[n]A[n d] =
Ez
[n]EA[n d] = 0, esto es, un vector con componentes nulas. Por otro lado, para
un retardo d con 0 d K +K
w
se tiene
Ea
[n]A[n d] = E
s

d
(6.56)
donde E
s
es la energa media por smbolo y
d
se dene como el vector cuyas componentes
son todas nulas excepto la (d + 1)-sima, que es igual a uno.
Multiplicando por la derecha a una matriz, el vector
d
produce un vector igual a la
columna (d + 1)-sima de dicha matriz. Por tanto, sustituyendo (6.56) en (6.55), se tiene
que el vector Eq
[n]A[nd] es simplemente la columna (d +1)-sima de la matriz P

H
(escalada por la energa media por smbolo):
r
qA
= E
s
P
H
d
= E
s
_
p
[d]
p
[d 1]
.
.
.
p
[d K
w
]
_
_
(6.57)
Usando (6.54), obtenemos ahora la siguiente expresin para la matriz de autocorrelacin
de la seal a la salida del canal discreto equivalente:
R
q
= E(P
H
a
[n] +z
[n])(a
T
[n]P +z
T
[n])
= P
H
Ea
[n]a
T
[n]P +Ez
[n]z
T
[n]
+P
H
Ea
[n]z
T
[n] +Ez
[n]a
T
[n]P (6.58)
Los dos ltimos sumandos en (6.58) son cero debido a la incorrelacin entre las secuen-
cias de smbolos y de ruido. Por otro lado, dado que estas dos secuencias son blancas con
varianzas E
s
y
2
z
respectivamente, sus matrices de autocorrelacin se reducen a
Ea
[n]a
T
[n] = E
s
I, Ez
[n]z
T
[n] =
2
z
I (6.59)
Sustituyendo esto en (6.58), la matriz de autocorrelacin puede escribirse como
Eq
[n]q
T
[n] = E
s
P
H
P +
2
z
I (6.60)
Por tanto, sustituyendo (6.57) y (6.60) en (6.49), obtenemos nalmente la expresin del
igualador MSE ptimo en funcin de los parmetros del canal:
w
d,MSE
= (E
s
P
H
P +
2
z
I)
1
(E
s
P
H
d
)
= (P
H
P +I)
1
P
H
d
(6.61)
donde se ha introducido el inverso de la relacin seal a ruido
.
=

2
z
E
s
(6.62)
Finalmente, utilizando (6.60) y (6.61), el valor mnimo de la varianza del error dado en
(6.50) puede escribirse como
mn
w
E[e
d
[n][
2
= E
s
_
1
H
d
P(P
H
P +I)
1
P
H
(6.63)
que no es sino el elemento (d + 1)-simo de la diagonal de la matriz
6
I P(P
H
P +
I)
1
P
H
. Por tanto, basta invertir la matriz P
H
P + I para obtener el error cuadrtico
medio correspondiente a todos los retardos en el rango admisible 0 d K +K
w
.
6
Ntese que
H
i
M
j
es el elemento (i, j) de la matriz M.
De particular inters es el caso en el que la relacin seal a ruido es elevada, de forma
que 0. De hecho, tomar = 0 equivale a ignorar el ruido, lo que puede considerarse
como un diseo ZF alternativo
7
al del Apartado 6.3.1:
w
d,ZF
= (P
H
P)
1
P
H
d
(6.64)
El clculo del igualador ZF mediante (6.64) posee la ventaja de no requerir una factori-
zacin espectral del canal discreto equivalente P(z), pues dicha factorizacin puede ser
computacionalmente problemtica, sobre todo si el orden del canal es elevado. Mediante es-
te diseo, el igualador trata de ajustar la respuesta impulsional del canal global a un impulso
[n d], el cual representa una respuesta ideal libre de ISI (vase Problema P6.14).
0 10 20 30
0,1

0,5

1

5
retardo d
D
pico
BPSK
4PAM
8PAM
K
w
= 10
15
20
25
Figura 6.12. Distorsin de pico en el canal global usando un igualador ZF con varios
rdenes, para p[n] = 0,3[n] 0,12[n 1] 0,42[n 2] 0,5[n 4].
Ejemplo 6.12
Consideremos el canal p[n] = 0,3[n] 0,12[n1] 0,42[n2] 0,5[n4]. Los ceros de
P(z) se encuentran aproximadamente en 1,64, 1,34, 0,87e
j0,4811
. En la Figura 6.12 se
representa la distorsin de pico (denida en (6.7) correspondiente al canal global obtenido me-
diante el igualador ZF (6.64), para varios rdenes K
w
del igualador, y en funcin del retardo d.
Recurdese que
ISI
= D
pico
/, de forma que valores pequeos de D
pico
indican una menor ISI
residual; y que se requiere D
pico
< para abrir el ojo de forma que, en ausencia de ruido, el deci-
sor smbolo a smbolo basado en la distancia eucldea no cometa errores. Las lneas horizontales
en la Figura 6.12 indican los valores de para las constelaciones BPSK, 4-PAM y 8-PAM.
7
Cuando K
w
y d son lo sucientemente elevados, los igualadores ZF obtenidos mediante ambos criterios
son prcticamente iguales.
Las prestaciones del igualador mejoran a medida que se aumenta el nmero de sus coecientes,
como caba esperar. Ntese que el orden requerido para un igualador capaz de abrir el ojo es
mayor cuanto mayor sea el nmero de elementos de la constelacin. En concreto, ninguno de los
rdenes representados es suciente si la constelacin empleada es 8-PAM. Por otra parte, para
un orden K
w
dado, existe una importante variacin con el retardo. Obsrvese que los retardos
que proporcionan una mayor reduccin de la ISI suelen encontrarse en los valores intermedios
del rango admisible [0, K
w
+K], mientras que hacia los extremos de este rango las prestaciones
se degradan sustancialmente. Este comportamiento es tpico de canales que poseen ceros tanto
dentro como fuera de la circunferencia unidad.
Para relaciones seal a ruido sucientemente elevadas, se tiene 0 y los igualadores
diseados bajo los criterios MSE (6.61) y ZF (6.64) son similares. Esto es intuitivamente sa-
tisfactorio: cuando el nivel de ruido es muy bajo la tarea del igualador se reduce a eliminar
la ISI, tal y como se pretende con el criterio forzador de ceros. Sin embargo, a medida que el
nivel de ruido aumenta, la diferencia entre los diseos ZF y MSE se hace ms aparente. Co-
mo ya se ha dicho, al haberse ignorado el ruido en su diseo, el igualador ZF corre el riesgo
de amplicar excesivamente el ruido en las bandas de frecuencia en que el canal introduce
atenuaciones considerables. Por el contrario, el igualador MSE alcanza un equilibrio entre
realce de ruido y compensacin de la ISI.
Ejemplo 6.13
La Figura 6.13 muestra la funcin de transferencia del canal discreto equivalente p[n] del Ejem-
plo 6.12, as como la del igualador lineal MSE de orden K
w
= 25 y retardo d = 10 para
diferentes niveles de ruido. En ausencia de ruido aditivo, esto es, con SNR =
1
= , el igua-
lador MSE coincide con el ZF, de forma que [W(e
j
)[ (dB) + [P(e
j
)[ (dB) 0. Por otro lado,
a medida que la relacin seal a ruido empeora, la ganancia del igualador MSE en torno a las fre-
cuencias = /2 y = (en las cuales la atenuacin introducida por el canal es considerable)
disminuye progresivamente. Este efecto evita el realce del ruido a la salida del igualador.
El igualador lineal constituye una herramienta poderosa para la compensacin de la ISI.
Tal como se ha visto, es posible abrir el ojo a la salida del igualador si el nmero de coe-
cientes y el retardo correspondiente se eligen adecuadamente. Por otro lado, el igualador
lineal presenta los siguientes inconvenientes:
Bsicamente, el ltro igualador trata de aproximar el inverso del canal discreto equi-
valente. Cuando este presenta una atenuacin considerable en alguna banda de fre-
cuencias (tpicamente debido a algn cero de su funcin de transferencia prximo a la
circunferencia unidad), el nmero de coecientes del igualador necesario para apro-
ximar este inverso (y as abrir el ojo) de forma satisfactoria puede ser excesivamente
grande.
Cuando el ruido presente es sustancial, el igualador lineal ha de mantener un compro-
miso entre compensacin de ISI y realce del ruido. As, a medida que la relacin seal
a ruido en recepcin disminuye, la ISI residual a la salida del igualador aumentar.
En el siguiente apartado presentaremos un esquema de igualacin alternativo que puede
mitigar en gran medida los inconvenientes anteriores del igualador lineal.
6.4 IGUALADOR CON REALIMENTACIN DE DECISIONES 337
0
15
10
5
0
5
10
15
|P(e
j
)|
|W(e
j
)|
SNR =
15 dB
10 dB
(dB)
/4 /2 3/4
Figura 6.13. Magnitud de la funcin de transferencia del canal (lnea continua) y del igua-
lador lineal MSE (lneas discontinuas) del Ejemplo 6.13.
6.4. IGUALADOR CON REALIMENTACIN DE DECISIONES
El mtodo de igualacin que se desarrollar en este apartado supone un intento de supe-
rar los problemas asociados con el igualador lineal (realce del ruido y necesidad de rdenes
elevados), sin incurrir en el elevado coste computacional del detector ML del Apartado 6.2.
La idea principal consiste en utilizar las estimaciones de los smbolos obtenidas en ins-
tantes anteriores para mitigar la ISI, por lo que este esquema se denomina igualador con
realimentacin de decisiones, o igualador DFE (decision feedback equalizer). Dado que
estas decisiones son generadas por el decisor smbolo a smbolo, el cual es un dispositivo
no lineal, el igualador DFE constituye asimismo un elemento no lineal, a diferencia de los
igualadores presentados en el Apartado 6.3. Veremos cmo es posible salvar esta dicultad
si se supone que la tasa de error resultante es sucientemente baja. Esta suposicin har
posible el diseo del igualador DFE bajo el criterio del error cuadrtico medio (MSE).
6.4.1. Concepto de realimentacin de decisiones
Para ilustrar el funcionamiento del igualador con realimentacin de decisiones, consi-
deremos un caso particular en el que el canal discreto equivalente p[n] es tal que su primer
coeciente es la unidad (esto es, p[0] = 1), de forma que la seal recibida toma la forma
q[n] = A[n] +
K
k=1
p[k]A[n k] +z[n] (6.65)
Una posible estrategia para eliminar la ISI dada por el segundo sumando en (6.65) consiste
en restar a q[n] una estimacin de dicha ISI, construida a partir de las decisiones

A[n 1],
. . . ,

A[n K] obtenidas en instantes anteriores. As se obtiene la secuencia u[n],
u[n] = q[n]
K
k=1
p[k]

A[n k]
= A[n] +
K
k=1
p[k](A[n k]

A[n k]) +z[n] (6.66)
y a partir de ella se obtendra la siguiente decisin

A[n] como el smbolo de la constela-
cin ms prximo a u[n] en distancia eucldea. De (6.66) se desprende que si las decisiones
coinciden con los smbolos originales (como debe ser si el receptor est funcionando ade-
cuadamente), es decir, si

A[n k] = A[n k] para k = 1, . . . , K, entonces el segundo
sumando en (6.66) se anula, resultando en u[n] = A[n]+z[n]. Vemos que con esta estrategia
se ha logrado eliminar totalmente la ISI, sin amplicar el ruido en el proceso, y utilizando un
nmero de coecientes razonable (en este caso igual al orden del canal K): los principales
inconvenientes del igualador lineal del Apartado 6.3 parecen haber sido superados!
Hemos de ser cautos en nuestras conclusiones, pues el desarrollo anterior depende cr-
ticamente de la suposicin de que el primer coeciente del canal discreto equivalente es
p[0] = 1. Qu ocurre si esto no se cumple? Tal como muestra el siguiente ejemplo, es
posible incurrir en un realce importante del ruido.
Ejemplo 6.14
Si p[0] ,= 1, la seal de entrada al decisor podra construirse como
u[n] =
q[n]
p[0]

K
k=1
p[k]
p[0]
A[n k]
= A[n] +
K
k=1
p[k]
p[0]
(A[n k]

A[n k]) +
z[n]
p[0]
(6.67)
de forma que si las decisiones anteriores son correctas, se tiene u[n] = A[n] +
z[n]
p[0]
y la ISI
desaparece. Sin embargo, la potencia de ruido a la entrada del decisor pasa a ser
2
z
/[p[0][
2
, la
cual ser mayor cuanto menor sea el valor de [p[0][, con el consiguiente aumento de la proba-
bilidad de error a la salida del decisor. Vemos por tanto que la estrategia de realimentacin de
decisiones no est libre del problema del realce del ruido.
El problema estriba en que es posible tener un canal con [p[0][ 1. En tal situacin,
podra admitirse un retardo d > 0 en la estimacin de la secuencia original de smbolos, es
decir, utilizar como referencia para la decisin el smbolo A[nd]. Para minimizar el realce
del ruido, d puede elegirse como el ndice del mayor coeciente (cursor) de la respuesta
impulsional del canal, de forma que [p[d][ > [p[k][ para todo k ,= d. Sin embargo, con esta
estrategia aparece un nuevo fenmeno, tal como muestra el siguiente ejemplo.
Ejemplo 6.15
Si d es el ndice correspondiente al cursor del canal, las decisiones se obtienen de modo que
A[n d] es el elemento de la constelacin ms cercano a la entrada u[n] al decisor, dada por

u[n] =
q[n]
p[d]

K
k=d+1
p[k]
p[d]
A[n k]
=
_
d1
k=0
p[k]
p[d]
A[n k]
_
+A[n d]
+
_
K
k=d+1
p[k]
p[d]
(A[n k]

A[n k])
_
+
_
z[n]
p[d]
_
(6.68)
Si las decisiones previas

A[n d 1], . . . ,

A[n K] son correctas, el tercer sumando en (6.68),
denominado ISI postcursora, se anular. La componente de ruido es el cuarto sumando en (6.68),
cuya varianza es
2
z
/[p[d][
2
. Por otro lado, observamos ahora la aparicin del primer sumando en
(6.68), correspondiente a la ISI debida a los coecientes p[0], p[1], . . . , p[d 1] del canal. Este
trmino, denominado ISI precursora, no puede cancelarse puesto que las decisiones necesarias
para ello,

A[n],

A[n 1], . . . ,

A[n d + 1], todava no se hallan disponibles: slo es posible
realimentar decisiones previas.
As, vemos que la estrategia de realimentacin de decisiones no es necesariamente capaz de can-
celar siempre toda la ISI, sino nicamente la ISI postcursora. En el peor de los casos podramos
tener d = K, de forma que no sera posible cancelar ningn trmino de ISI utilizando decisiones
previas (toda la ISI constituye ISI precursora).
De los Ejemplos 6.14 y 6.15 se desprende que la realimentacin de decisiones deber
alcanzar un equilibrio entre cancelacin de ISI y amplicacin de ruido, tal y como ocurra
con el igualador lineal MSE del Apartado 6.3. Con todo, las prestaciones obtenibles con un
igualador DFE diseado adecuadamente suelen ser mucho mejores que las de un igualador
lineal de complejidad similar (mismo nmero de coecientes), debido a que las decisiones
se hallan libres de ruido, gracias a la accin del decisor smbolo a smbolo.
Por otro lado, la eliminacin completa de la ISI postcursora depende de que las deci-
siones previas sean correctas. En la prctica, sin embargo, la probabilidad de error nunca
es exactamente cero. Supngase que, en un instante dado n
0
, el ruido aditivo es tal que la
decisin correspondiente es errnea: A[n
0
d] ,=

A[n
0
d]. Adems de producirse un error
de decisin, al realimentar la cantidad errnea

A[n
0
d] en nuestro intento de cancelar la
ISI postcursora en el instante n
0
+1, es posible que en realidad aumentemos dicha ISI. Este
aumento puede provocar una nueva decisin incorrecta

A[n
0
d + 1], la cual ser tambin
realimentada, pudiendo provocar nuevos errores, y as sucesivamente. Este fenmeno, de-
nominado propagacin de errores, es una consecuencia inevitable del hecho de realimentar
decisiones previas y suele resultar de forma tpica en rfagas de varios smbolos incorrec-
tos. La longitud y frecuencia de aparicin de dichas rfagas dependen del entorno particular
de operacin (respuesta impulsional del canal, potencia de ruido y constelacin utilizada) y
naturalmente suponen una degradacin en las prestaciones del igualador.
6.4.2. Estructura del igualador DFE
El diagrama de la estructura de un igualador DFE en el caso ms general se muestra en la
Figura 6.14(a). Uno de sus bloques es el ltro precursor W(z), que es un ltro FIR de orden
K
w
, y cuya misin consiste en mitigar la ISI precursora, la cual, como se ha visto, no puede
ser cancelada mediante realimentacin de decisiones previas. El otro bloque constituyente
del igualador DFE es el ltro de realimentacin B(z), tambin un ltro FIR de orden K
b
, y
que posee la peculiaridad de ser estrictamente causal (de no ser as, el lazo de realimentacin
de la Figura 6.14(a) no sera implementable causalmente). As, las Transformadas Z de estos
ltros se pueden escribir en funcin de sus coecientes como
W(z) =
K
w
k=0
w[k]z
k
, B(z) =
K
b
k=1
b[k]z
k
(6.69)
de forma que la operacin del igualador DFE es la siguiente:
u[n] =
K
w
k=0
w[k]q[n k]
K
b
k=1
b[k]

A[n d k] (6.70)
siendo

A[n d] la decisin tomada sobre u[n]. Ntese que para K
b
= 0 el ltro de re-
alimentacin desaparece y recuperamos la conguracin del igualador lineal del Apartado
6.3.
Decisor
A n [ ]
z n [ ]
q n [ ] n d [ - ]
P z ( )
canal
filtro
precursor
(a)
(b)
u n [ ]
filtro de
realimentacin
A n [ ]
P z ( )
z n [ ]
W z ( )
z
-d
u n [ ] n d [ - ] q n [ ]
W z ( )
B z ( )
B z ( )
Decisor
Figura 6.14. (a) Igualacin con realimentacin de decisiones; (b) Sistema equivalente si
las decisiones son siempre correctas (

A[n d] = A[n d] para todo n).
Debido a la presencia del decisor dentro del lazo de realimentacin de la Figura 6.14
el igualador DFE resulta ser un sistema no lineal, en el sentido de que la seal de entrada
al decisor smbolo a smbolo u[n] depende de una forma no lineal de sus valores pasados
u[n 1], . . . , u[n K
b
]. Este hecho complica el diseo y el anlisis del igualador DFE
de forma sustancial. Sin embargo, si la probabilidad de error obtenida es sucientemente
pequea (como cabe esperar de un correcto diseo), podemos suponer que las decisiones
previas coincidirn con los smbolos originales:

A[n d k] = A[n d k], para 1
k K
b
y para todo n. Usando esta aproximacin, los diagramas de la Figuras 6.14(a) y (b)
son equivalentes. En esta ltima conguracin, vemos que la dependencia de u[n] con los
smbolos originales y con el ruido aditivo es lineal en ambos casos.
La hiptesis bajo la cual todas las decisiones previas estn libres de errores facilita enor-
memente el estudio del igualador DFE y es por ello muy utilizada. Aunque los resultados
as obtenidos suelen ser aceptables, es importante recordar que en la prctica la probabi-
lidad de error, aunque baja, nunca llegar a ser nula, por lo que tal suposicin no deja de
ser una aproximacin. El diseo del igualador DFE deber en cualquier caso ser validado
(tpicamente, mediante simulacin numrica), para as vericar que sus prestaciones no se
ven degradadas por el fenmeno de la propagacin de errores hasta el punto de dejar de
satisfacer las especicaciones iniciales.
Para el clculo de los ltros del igualador es conveniente expresar la entrada al decisor
en trminos del producto escalar de ciertos vectores. Agrupemos los coecientes del ltro
precursor y del ltro de realimentacin en los vectores w y b respectivamente:
w
.
= [w[0], w[1], , w[K
w
]]
T
, b
.
= [b[1], b[2], , b[K
b
]]
T
(6.71)
La seal de entrada al decisor se puede escribir como u[n] = w
T
q[n] b
T
a[n], donde los
vectores con las muestras de la seal recibida y las decisiones previas son, respectivamente,
q[n]
.
= [q[n], q[n 1], q[n 3], , q[n K
w
]]
T
(6.72)
a[n]
.
=
_
A[n d 1],

A[n d 2], ,

A[n d K
b
]
_
T
(6.73)
Utilizando la hiptesis de que las decisiones previas coinciden con los smbolos originales,
(6.73) se puede reescribir como
a[n] = [A[n d 1], A[n d 2], , A[n d K
b
]]
T
(6.74)
De esta forma la operacin del igualador DFE puede representarse como en la Figura
6.14(b). Bajo esta hiptesis, y dado que el vector dado en (6.74) no depende de los coecien-
tes w, b, el clculo del igualador DFE puede reformularse como un problema de estimacin
ptima lineal.
6.4.3. Igualador DFE bajo el criterio de error cuadrtico medio
De forma similar al caso del igualador lineal, adoptaremos el criterio MSE para el clcu-
lo del igualador con realimentacin de decisiones. Bajo el criterio MSE, los ltros se esco-
gen de forma que la varianza del error de estimacin sea mnima. Denotaremos por w
d
y
b
d
los vectores de coecientes que minimizan E[e
d
[n][
2
, donde, como anteriormente, la
seal de error se dene como la diferencia entre la secuencia original de smbolos (con un
retardo d) y la entrada al bloque decisor:
e
d
[n]
.
= A[n d] u[n] = A[n d] (w
T
q[n] b
T
a[n]) (6.75)
A la hora de calcular el igualador DFE ptimo es posible utilizar directamente el mtodo
expuesto en el Apndice 6.B para obtener simultneamente los coecientes de ambos ltros
(precursor y de realimentacin), agrupados en el vector [w
T
b
T
]
T
. Sin embargo, es ms
instructivo realizar inicialmente la optimizacin del ltro de realimentacin, suponiendo un
ltro precursor jo; el vector b as obtenido es una funcin del ltro precursor w. Para este
valor de b, es posible entonces obtener el vector w ptimo.
Para comenzar, recordemos el modelo matricial (6.54) de generacin del vector q[n]
dado en (6.72) y que repetimos aqu por conveniencia:
q[n] = P
T
a[n] +z[n] (6.76)
con P la matriz de convolucin del canal, y a[n], z[n] los vectores de smbolos y de ruido:
a[n] = [A[n], A[n 1], , A[n K K
w
]]
T
(6.77)
z[n] = [z[n], z[n 1], , z[n K
w
]]
T
(6.78)
As, la seal a la entrada del bloque decisor puede escribirse de la siguiente forma:
u[n] = w
T
q[n] b
T
a[n] = w
T
P
T
a[n] b
T
a[n] +w
T
z[n] (6.79)
Llegados a este punto, denamos la matriz de seleccin S
d
, de tamao K
b
(K+K
w
+1),
S
d
.
=
_
0
K
b
(d+1)
I
K
b
0
K
b
[(K+K
w
)(d+K
b
)]
(6.80)
donde 0 e I denotan la matriz nula y la matriz identidad respectivamente y los subndices
indican el tamao de la matriz. As, los vectores a[n] y a[n] estn relacionados mediante
a[n] = S
d
a[n] (6.81)
Obsrvese que para que (6.80) y (6.81) tengan sentido, ha de vericarse que
d +K
b
K +K
w
(6.82)
Aunque en principio los rdenes K
w
, K
b
y el retardo d no tendran por qu cumplir la
condicin (6.82), de ser as los ltimos (d + K
b
) (K + K
w
) coecientes del ltro de
realimentacin ptimo seran iguales a cero (vase Problema P6.17). Esto signica que el
problema es equivalente a otro en el que el ltro de realimentacin tiene un orden K
b
< K
b
tal que (6.82) se satisface con igualdad, esto es, d + K
b
= K + K
w
. Por tanto, en adelante
supondremos que (6.82) se cumple.
Filtro de realimentacin ptimo
Procedamos ahora a calcular el ltro de realimentacin que minimiza el error cuadrtico
medio para un ltro precursor dado. El error e
d
[n] en (6.75) puede escribirse como
e
d
[n] = (A[n d] w
T
q[n]) (b
T
a[n]) (6.83)
y por tanto el diseo del ltro de realimentacin bajo el criterio MSE para w jo equivale
al de la estimacin lineal de la variable A[n d] w
T
q[n] basndonos en el vector a[n].
La solucin, de acuerdo con el Apndice 6.B, est dada por
b
opt
(w) = E a
[n] a
T
[n]
1
E a
[n](A[n d] w
T
q[n]) (6.84)
La matriz en (6.84) es simplemente E a
[n] a
T
[n]
1
= E
1
s
I
K
b
, bajo la hiptesis de
correctas decisiones previas. Por otro lado, E a
[n]A[n d] = 0
K
b
debido a la indepen-
dencia entre A[n d] y los smbolos contenidos en a[n] (vase (6.74)). As, utilizando el
modelo (6.76) y la relacin (6.81), junto con la independencia de smbolos y ruido, obtene-
mos los coecientes del ltro de realimentacin en funcin de los del ltro precursor:
b
opt
(w) = E
1
s

_
E a
[n]A[n d] E a
[n]q
T
[n]w
_
= E
1
s
E a
[n](a
T
[n]P +z
T
[n])w
= E
1
s
E a
[n]a
T
[n] Pw
= S
d
Pw (6.85)
La expresin (6.85) tiene una fcil interpretacin, si observamos que el vector c = Pw
recoge los coecientes c[0], c[1], . . . , c[K +K
w
] del canal global c[n] = w[n] p[n] (vase
Problema P6.14). De este hecho y de la denicin (6.80) de la matriz de seleccin S
d
, vemos
que los coecientes del ltro de realimentacin ptimo dado en (6.85) satisfacen
b[k] = c[k +d], k = 1, 2, . . . , K
b
(6.86)
lo que signica que, cualquiera que sea el valor del ltro precursor w[n], el ltro ptimo de
realimentacin para el retardo d se encargar de cancelar la ISI postcursora del canal global
c[n] = w[n] p[n] en la ventana de coecientes d + 1, . . . , d +K
b
.
Filtro precursor ptimo
Ahora procederemos a calcular los coecientes del ltro precursor w ptimo, tomando
como ltro de realimentacin el calculado mediante (6.85). Dado que este ltro de reali-
mentacin cancela la ISI postcursora en la ventana de coecientes (6.86), la tarea del ltro
precursor ser mitigar la ISI precursora, as como la ISI postcursora residual (fuera de dicha
ventana), sin amplicar en exceso el ruido. La Figura 6.15 ilustra la particin de la respuesta
impulsional del canal global c[n] y su alineacin con el ltro de realimentacin b[n].
c[0] c[1] c d [ +1] c d K [ + ]
b
c d [ ]
b[1] b K [ ]
b
c d K [ + ]
b
+1 c K K [ + ]
w

ventana de ISI postcursora

cancelada
c d- [ 1]
ventana de ISI postcursora
residual
ventana de ISI precursora
cursor
filtro de realimentacin
canal global c n w n p n [ ] = [ ]* [ ]
Figura 6.15. Alineacin temporal del canal global y del ltro de realimentacin.
Para determinar el vector wque minimiza el error cuadrtico medio, escribamos primero
la entrada al decisor obtenida con el ltro de realimentacin ptimo (6.85) como
u[n] = w
T
q[n] b
T
opt
(w) a[n]
= w
T
(P
T
a[n] +z[n]) w
T
P
T
S
T
d
S
d
a[n]
= w
T
(P
T
D
d
a[n] +z[n]) (6.87)
donde hemos introducido la siguiente matriz de tamao (K +K
w
+ 1) (K +K
w
+ 1):
D
d
.
= I S
T
d
S
d
(6.88)
La matriz D
d
se obtiene jando a cero los elementos d + 2, . . . , d +K
b
+ 1 de la diagonal
de la matriz identidad de tamao K + K
w
+ 1, de forma que el vector D
d
a[n] se obtiene
sustituyendo por ceros los smbolos A[n d 1], . . . , A[n d K
b
] del vector a[n]. Esto
es debido a la cancelacin de ISI postcursora por parte del ltro de realimentacin (6.85).
Utilizando la expresin (6.87) para u[n], el error e
d
[n] en (6.75) puede escribirse como
e
d
[n] = A[n d] w
T
(P
T
D
d
a[n] +z[n]) (6.89)
Esta expresin es similar a la correspondiente a la que se obtiene para un igualador lineal
(vase Apartado 6.3.2), con la salvedad de que la matriz P es sustituida ahora por D
T
d
P.
Por tanto, la expresin del vector w del ltro precursor que minimiza la varianza de e
d
[n] se
puede obtener directamente de la correspondiente al igualador lineal MSE, dada en (6.61),
sin ms que realizar dicha sustitucin. Usando =
2
z
/E
s
como anteriormente, tendremos
w
d
=
_
P
H
D
d
D
T
d
P +I
_
1
P
H
D
d
(6.90)
Se comprueba fcilmente que la matriz D
d
satisface D
d
D
T
d
= D
d
, as como D
d
=
d
.
Con esto, y dado que el ltro de realimentacin ptimo es b
d
= b
opt
(w
d
), obtenemos la
expresin nal de los ltros del igualador DFE para el retardo d, bajo el criterio MSE:
w
d
=
_
P
H
D
d
P +I
_
1
P
H
d
, b
d
= S
d
Pw
d
(6.91)
El valor mnimo del error cuadrtico medio, obtenido con estos ltros, es por tanto
E[e
d
[n][
2
w
d
,b
d
= E
s
_
1
H
d
P(P
H
D
d
P +I)
1
P
H
(6.92)
Debido a la presencia de la matriz D
d
en (6.92), el clculo del error cuadrtico medio
mnimo del igualador DFE correspondiente a cada valor del retardo d requiere la inversin
de una matriz de tamao K
w
+ 1.
Aunque en todo momento hemos considerado el criterio MSE para el clculo de los
ltros, es tambin posible utilizar el enfoque ZF para tal n, sin ms que ignorar el efecto del
ruido presente en el receptor. El igualador resultante se obtendra haciendo = 0 en (6.91).
Hay que sealar, sin embargo, que el error cuadrtico medio resultante con el igualador
ZF-DFE no se obtiene de (6.92) tomando = 0.
6.4.4. Consideraciones sobre el diseo del igualador DFE
En la mayora de casos prcticos, el nmero total de coecientes del igualador K
b
+
K
w
+ 1 suele hallarse acotado debido a restricciones sobre la circuitera del receptor. Por
tanto, adems de escoger el retardo global d, en el diseo del igualador DFE se habr de
determinar cmo repartir los recursos disponibles (esto es, el nmero total de coecientes)
entre los ltros precursor y de realimentacin. En un extremo, asignando K
b
= 0 obtene-
mos el diseo del igualador lineal del Apartado 6.3 con su limitacin inherente en cuanto a
eliminacin de ISI. En el otro, asignando un nico coeciente al ltro precursor (K
w
= 0),
el igualador DFE es incapaz de reducir la ISI precursora (vase Ejemplo 6.15). Por tanto, es
preciso alcanzar un compromiso para los rdenes de ambos ltros.
En principio, la eleccin ptima, bajo el criterio MSE, pasara por calcular el error cua-
drtico medio obtenido con todas las posibles combinaciones (K
w
, K
b
, d). Esta estrategia
de fuerza bruta puede resultar excesivamente costosa en recursos de clculo, por lo que es
importante disponer de ciertas guas generales que nos ayuden al respecto.
En los Ejemplos 6.14 y 6.15 se observa que una buena estrategia para limitar el realce
del ruido debido al ltro precursor consiste en tratar de ajustar el retardo global d a
la posicin del cursor del canal discreto equivalente p[n] (esto es, su coeciente de
mayor magnitud). Por otro lado, el retardo introducible mediante el ltro precursor
deber estar comprendido entre 0 y K
w
. Por tanto, si denominamos d
p
la posicin del
cursor de p[n], cabe esperar que los retardos comprendidos en el rango d
p
d
d
p
+K
w
proporcionen una reduccin considerable del error cuadrtico medio.
Dado que la misin del ltro de realimentacin es cancelar la ISI postcursora, su
orden K
b
debera jarse para incluir en la ventana de cancelacin la mayora de los
coecientes de c[n] = w[n] p[n] ms signicativos (vase Figura 6.15). Un buen
punto de partida consiste en elegir K
b
de forma que la ventana (p[d
p
+1], , p[d
p
+
K
b
]) contenga los postcursores de p[n] con magnitudes signicativas.
La seal de entrada al ltro de realimentacin pertenece a un alfabeto nito (la conste-
lacin utilizada). Por esta razn, en numerosas ocasiones la complejidad computacio-
nal asociada a dicho ltro puede ser considerablemente menor que la correspondiente
al ltro precursor, aun cuando este posea un nmero bastante menor de coecientes.
Por ejemplo, si los smbolos A[n] se extraen de una constelacin QPSK, la operacin
del ltro de realimentacin no requiere multiplicaciones y puede efectuarse de forma
exacta utilizando nicamente sumas y restas. Este hecho puede inuir en el reparto
nal de coecientes entre el ltro precursor y el de realimentacin.
0 5 10 15
0,5
0,25
0
0,25
0,5
0,75
Resp. impulsional p[n]: partes real (o) e imaginaria ()
n
0
25

15

5
0
5
|P(e
j
)|
(dB)
/2 /2
Figura 6.16. Respuesta impulsional y funcin de transferencia del canal discreto equiva-
lente del Ejemplo 6.16.
Ilustraremos los pasos en el diseo del igualador DFE mediante el siguiente ejemplo.
Ejemplo 6.16
Considrese un sistema con un ltro de recepcin adaptado al pulso de transmisin g(t), el cual
consiste en un pulso en raz de coseno alzado con factor de cada = 0,1 y truncado a una
duracin 8T, con T el periodo de smbolo. La respuesta impulsional del canal multitrayecto es
de la forma h(t) =
L
i=1
i
(t
i
), de modo que el canal discreto equivalente p[n] (vase
Apartado 5.1.3) es
p[n] =
L
i=1
i
e
j
c
i
r
g
(nT
i
) (6.93)
donde r
g
(t) = g(t) g(t) y
c
es la frecuencia de portadora. En nuestro ejemplo se ha tomado
L = 4 caminos,
c
T = 2 127 rad, y
1
= 0,2;
2
= 0,9;
3
= 0,6;
4
= 0,4;
1
= 0,2T;
2
= 2,7T;
3
= 6,5T;
4
= 11,3T (6.94)
La respuesta impulsional y la funcin de transferencia del canal discreto equivalente se represen-
tan en la Figura 6.16. El coeciente de mayor magnitud de p[n] reside en la posicin d
p
= 6,
6.5 IGUALADOR FRACCIONARIO 347
tras la cual se aprecia una considerable ISI postcursora abarcando unos 10 periodos de smbolo.
Siguiendo las directrices de diseo anteriores, cabe esperar una reduccin signicativa del error
cuadrtico medio sobre el rango de retardos 6 d 6 +K
w
. El ltro de realimentacin debera
poseer al menos 10 coecientes para poder eliminar la ISI postcursora ecazmente.
La Figura 6.17 muestra los resultados obtenidos con tres diseos distintos, todos utilizando el
mismo nmero total de 30 coecientes, para un valor de = 0,01 (relacin seal a ruido
E
s
/N
0
= 20 dB). Con K
b
= 0, K
w
= 29 obtenemos el igualador lineal del Apartado 6.3.
Utilizando un igualador DFE con K
b
= 10, K
w
= 19, el error cuadrtico medio disminuye
sensiblemente (unos 7 dB) en el rango previsto de retardos 6 d 25. El uso de un ltro de
realimentacin ms largo (K
b
= 20, K
w
= 9) no proporciona una mejora apreciable, puesto que
se estn asignando coecientes de realimentacin a posiciones en las cuales la ISI postcursora
es poco signicativa o inexistente. Adems, al reducirse el orden del ltro precursor, el rango
de retardos idneo se ve tambin reducido a 6 d 15. En la Figura 6.18 se representan los
valores de la distorsin de pico obtenidos con estos tres diseos. El igualador lineal de orden 30
no es capaz de abrir el ojo para ningn valor del retardo, ni siquiera con una constelacin QPSK.
La mejora introducida al utilizar realimentacin de decisiones es clara.
Esta mejora se hace ms patente a la luz de la Figura 6.19, la cual muestra la probabilidad de
error obtenida con los igualadores lineal y DFE para una constelacin 16-QAM en funcin de la
relacin E
b
/N
0
(recordemos que, para la 16-QAM, E
s
= 4E
b
). Ambos poseen un total de 30
coecientes, de los cuales el igualador DFE utiliza 10 en el ltro de realimentacin. El retardo
global elegido es d = 19. Obsrvese la dicultad del igualador lineal para reducir la probabilidad
de error. El igualador DFE, por otro lado, es capaz de mejorar este comportamiento ostensible-
mente, gracias a la capacidad de cancelar la ISI postcursora sin realzar el ruido.
Como comparacin se muestra tambin la curva de P
e
para un igualador DFE idealizado en el
que el ltro de realimentacin utiliza los smbolos transmitidos y no las decisiones previas. La
degradacin en las prestaciones debido al efecto de propagacin de errores se observa claramen-
te, sobre todo para relaciones E
s
/N
0
elevadas. En este rango se aprecia tambin una distancia de
unos 2.5 dB entre el igualador DFE idealizado y la cota del ltro adaptado. Aunque sera ilustra-
tivo presentar la curva de P
e
para el detector ML del Apartado 6.2 como comparacin, el lector
entender que no lo hayamos hecho si determina el nmero de estados del diagrama de rejilla
que el algoritmo de Viterbi debera utilizar para este canal con modulacin 16-QAM.
6.5. IGUALADOR FRACCIONARIO
A lo largo de este captulo hemos supuesto que el receptor opera con las muestras de la
seal a la salida del ltro receptor f(t) obtenidas a la tasa de smbolo 1/T, pues tal como
se demostr en el Apndice 4.B, dichas muestras constituyen estadsticos sucientes para la
deteccin. As, no hay en principio necesidad de muestrear a una tasa ms elevada, lo cual
es conveniente desde el punto de vista de la complejidad del receptor. Sin embargo, tal como
se discuti en el Apartado 5.5, es frecuente encontrar implementaciones fsicas en las que
la seal demodulada es muestreada a una tasa mayor que la de smbolo; por ejemplo, para
realizar convenientemente el ltro receptor f(t) de forma digital, o para la operacin de los
esquemas de recuperacin del instante de muestreo adecuado, descritos en el Apartado 11.4.
En ambos casos es comn utilizar un periodo de muestreo T
s
con T/T
s
un entero mayor
que 1; la eleccin T
s
= T/2 es quiz la ms popular, pues proporciona un rendimiento
0 10 20 30 40
20
15
10
5
0
retardo d

E
r
r
o
r

c
u
a
d
r
t
i
c
o

m
e
d
i
o
(dB)
K
b
= 0 K
b
= 10 K
b
= 20
n total de coeficientes:
K
b
+K
w
+1 = 30
Figura 6.17. Error cuadrtico medio obtenido con tres diferentes asignaciones de recursos
a los ltros precursor y de realimentacin del igualador DFE del Ejemplo 6.16.
0 10 20 30 40
10
2
10
1
10
0
10
1
10
2
retardo d
D
pico
QPSK
8PSK
64QAM
K
b
= 0 K
b
= 10 K
b
= 20
Figura 6.18. Distorsin de pico obtenida con tres diferentes asignaciones de recursos a los
ltros precursor y de realimentacin del igualador DFE del Ejemplo 6.16.
0 4 8 12 16 20
10
6
10
5
10
4
10
3
10
2
10
1
10
0
P
e
E
b
/N
0
(dB)
Igualador lineal
DFE con propagacin de errores
DFE sin propagacin de errores
Cota del filtro adaptado
Figura 6.19. Probabilidad de error de los igualadores lineal y DFE para el canal del Ejem-
plo 6.16 con una constelacin 16-QAM.
satisfactorio (evita el aliasing para todo factor de cada en el rango 0 1 cuando f(t)
es un pulso en raz de coseno alzado), sin aumentar excesivamente la tasa de muestreo.
Por tanto, en tal situacin el ltro igualador puede operar directamente sobre estas mues-
tras espaciadas T
s
segundos, recibiendo entonces el calicativo de fraccionario debido a que
el periodo de muestreo (separacin entre los coecientes del igualador) es una fraccin del
periodo de smbolo T. La salida del igualador fraccionario se diezma posteriormente por un
factor T/T
s
para obtener as una seal muestreada a periodo de smbolo, sobre la que se
tomarn decisiones smbolo a smbolo.
Obsrvese que si la duracin temporal (orden del ltro multiplicado por el periodo de
muestreo) de un igualador no fraccionario y la de uno fraccionario se mantienen al mismo
valor, el igualador fraccionario requiere una mayor potencia de clculo pues dispone de un
mayor nmero de coecientes
8
. A pesar de ello, el uso de igualadores fraccionarios se ha ge-
neralizado bastante en el diseo de sistemas de comunicaciones digitales de alta velocidad.
Esto es debido a que estos sistemas presentan un potencial mayor en cuanto a reduccin
de la ISI que un igualador no fraccionario, como veremos seguidamente, siendo a la vez
ms robustos frente a errores en la recuperacin del instante de muestreo (sincronizacin de
smbolo).
Ejemplo 6.17
Para ilustrar la sensibilidad a errores en el instante de muestreo de un receptor con muestreo
8
El hecho de que la salida del igualador fraccionario es seguidamente diezmada permite aliviar este problema
utilizando las estructuras denominadas polifase; vase por ejemplo [87, sec. 4.3.1].
a tasa de smbolo, consideremos un caso sencillo en el que el canal equivalente en banda base
nicamente introduce un retardo: h
eq
(t) = (t T), donde [[ < 0, 5. Supongamos que el
pulso de transmisin g(t) es un pulso en raz de coseno alzado con factor de cada y truncado
a 8 periodos de smbolo. En recepcin se usa el ltro adaptado al pulso transmisor, por tanto,
f(t) = g(t). El canal equivalente en banda base es
p(t) = g(t) h
eq
(t) f(t) g
ca
(t T) (6.95)
donde g
ca
(t) es un pulso en coseno alzado con factor de cada .
La seal a la salida del ltro receptor se muestrea en los instantes t = nT. Por tanto, si = 0,
entonces p[n] [n] y no hay ISI, por lo que en principio no sera necesario utilizar un igualador.
Sin embargo, cuando ,= 0, el pulso en coseno alzado no se est muestreando exactamente en
sus cruces por cero. El canal discreto equivalente contendr trminos adicionales que introducen
ISI, tal como se ilustra en la Figura 6.20.
La Figura 6.21 muestra los resultados obtenidos cuando dicha ISI se corrige mediante un igua-
lador no fraccionario lineal MSE con K
w
+ 1 = 9 coecientes, para una relacin seal a ruido
E
s
/N
0
= 20 dB; el valor de retardo se ha optimizado para cada caso. Obsrvese que incluso sin
error en el sincronismo de smbolo ( = 0) la distorsin de pico no es exactamente cero. Esto
es debido al truncamiento del pulso en raz de coseno alzado a un nmero nito de periodos de
smbolo. Dicho efecto es ms perjudicial cuanto menor sea el factor de cada, ya que en ese caso
la magnitud de las colas del pulso g(t) decae a cero ms lentamente.
Tambin se observa que, independientemente de , las prestaciones del igualador no fraccionario
se degradan ostensiblemente a medida que [[ 0, 5. La razn es que en tal caso p[n] satisface
la propiedad de simetra p[K n] = p[n], n = 0, 1,. . . ,K (vase Figura 6.20 para = 0, 5) y,
por tanto, su funcin de transferencia presenta un cero en = . El igualador lineal encuentra
gran dicultad para mitigar la ISI, debido a este cero situado sobre la circunferencia unidad.
En el Captulo 11 se presentarn mtodos de sincronizacin que pueden paliar en gran medida
estos problemas. Algunos de estos esquemas aprovechan ciertas propiedades del pulso p(t) para
recuperar el instante ptimo de muestreo, como puede ser la simetra del pulso en coseno alzado.
Sin embargo, cuando el canal es dispersivo, el pulso efectivo a la salida del ltro adaptado no
presentar tales propiedades, por lo que las prestaciones de los algoritmos de sincronizacin pue-
den degradarse sustancialmente. El uso de un igualador fraccionario permite ajustar su respuesta
para compensar posibles errores en el instante de muestreo, aadiendo robustez al receptor.
El diagrama de bloques de un igualador fraccionario con T
s
= T/2, incluyendo reali-
mentacin de decisiones, se representa
9
en la Figura 6.22. A la salida del ltro adaptado se
toman muestras de la seal q(t) a periodo T/2, que denotaremos por q
s
[n]
.
= q(nT/2). En
el Apartado 5.5 demostramos que q
s
[n] puede escribirse como
q
s
[n] =
l
A[l]p
s
[n 2l] +z
s
[n] (6.96)
9
Es posible modicar la arquitectura de la Figura 6.22 situando el ltro adaptado tras el conversor continuo-
discreto (C/D). El ltro adaptado discreto se puede entonces absorber en el ltro fraccionario precursor. Natural-
mente, en tal situacin todava es necesario utilizar un ltro analgico de recepcin f
aa
(t) previo a la conversin
C/D con el objeto de eliminar ruido fuera de banda y evitar aliasing; vase Apartado 5.5.
5T 3T T 0 T 3T 5T
0

0,5

1
t
= 0,25
5T 3T T 0 T 3T 5T
0

0,5

1
t
= 0
5T 3T T 0 T 3T 5T
0

0,5

1
t
= 0,25
5T 3T T 0 T 3T 5T
0

0,5

1
t
= 0,5
Figura 6.20. Canal discreto equivalente obtenido en funcin del error de sincronizacin de
smbolo . Factor de cada = 0, 2, pulso transmisor truncado a 8 periodos de smbolo.
0,5 0,25 0 0,25 0,5
10
4
10
3
10
2
10
1
10
0
D
pico
= 0,1
= 0,3
= 0,6
= 0,9
Figura 6.21. Distorsin de pico obtenida con un igualador lineal MSE, no fraccionario,
con orden K
w
= 8, para un pulso de transmisin en raz de coseno truncado a 8 periodos
de smbolo, en funcin del error de sincronizacin de smbolo .
y t ( ) n d [ - ]
Decisor
u n [ ]
B z ( )
T/ 2
W z ( )
s
2
filtro
adaptado
filtro
fraccionario
precursor
filtro de
realimentacin
2
e
-j t w
c
q t ( )
f t ( )
q n
s
[ ] u n [ ]
s
C/D
Figura 6.22. Igualador fraccionario con realimentacin de decisiones.
donde
p
s
[n]
.
= p
_
nT
2
_
, z
s
[n]
.
= z
_
nT
2
_
(6.97)
son respectivamente las muestras a periodo T/2 del pulso equivalente p(t) y del ruido equi-
valente en banda base z(t). Dado que hemos supuesto en el Apartado 6.1.1 que p(t) tiene
una duracin de T
p
segundos, y habiendo denido K = T
p
/T, se sigue que el nmero de
coecientes no nulos de p
s
[n] pasa a ser ahora 2K + 1, como consecuencia del sobremues-
treo.
En la Figura 6.22, el ltro precursor fraccionario W
s
(z) opera al doble de la tasa de
smbolo, por lo que se suele, con un cierto abuso de terminologa, decir que sus coecientes
estn espaciados T/2 segundos. Por otro lado, el ltro de realimentacin B(z) opera a la
tasa de smbolo, por lo que se dice que sus coecientes estn espaciados T segundos. Como
el diezmador que sigue al ltro precursor dispone de dos muestras por periodo de smbolo,
ha de descartar la mitad, de ah el diezmador. Supondremos que el ltro de realimentacin
cuenta con K
b
coecientes espaciados T segundos, mientras que el ltro precursor fraccio-
nario dispone de un nmero de coecientes espaciados T/2 segundos igual a K
w
+ 1, que
por simplicidad supondremos par. La longitud temporal del ltro precursor fraccionario es
entonces la misma que la de otro no fraccionario con K
w
+ 1 = (K
w
+ 1)/2 coecientes,
de forma que se tiene
W
s
(z) =
2K
w
+1
k=0
w
s
[k]z
k
, B(z) =
K
b
k=1
b[k]z
k
(6.98)
As, la operacin del igualador fraccionario se puede expresar de la siguiente forma:
u
s
[n] =
2K
w
+1
k=0
w
s
[k]q
s
[n k], u[n] = u
s
[2n]
K
b
k=1
b[k]

A[n d k] (6.99)
El clculo del igualador fraccionario puede efectuarse de forma anloga a como se hizo
en el caso no fraccionario, si se expresa la entrada al decisor u[n] como
u[n] = w
T
s
q
s
[n] b
T
a[n] (6.100)
donde ahora w
s
contiene los 2(K
w
+ 1) coecientes espaciados T/2 segundos de W
s
(z),
mientras que, debido al diezmado de la seal u
s
[n], el vector q
s
[n] est ahora dado por
q
s
[n] = [q
s
[2n], q
s
[2n 1], q
s
[2n 2], , q
s
[2n (2K
w
+ 1)]]
T
(6.101)
Los vectores b y a[n] se denen de forma idntica al caso no fraccionario, ya que los coe-
cientes del ltro de realimentacin estn espaciados T segundos.
Es posible obtener un modelo matricial para la generacin del vector q
s
[n] en (6.101)
de la forma q
s
[n] = P
T
s
a[n] + z
s
[n], donde ahora z
s
[n] se dene a partir de las muestras
de ruido z
s
[n] de forma anloga a (6.101), el vector a[n] sigue estando dado por (6.77),
y la matriz P
s
puede construirse a partir de los coecientes del canal muestreado con pe-
riodo T/2, p
s
[n] (vase Problema P6.19). Ntese que este modelo es formalmente idn-
tico al obtenido en (6.76) para el caso no fraccionario. Con dicho modelo y la expresin
(6.100), es posible obtener los coecientes w
s
y b para minimizar el error cuadrtico medio
E[e
d
[n][
2
= E[A[n d] u[n][
2
, suponiendo como anteriormente que las decisio-
nes previas coinciden con los smbolos originales. El proceso a seguir es completamente
anlogo al mostrado para el caso no fraccionario y se deja al lector como ejercicio; la nica
diferencia estriba en el hecho de que, debido al sobremuestreo, el ruido z
s
[n] ya no es blanco
(vase Problema P6.20).
0,5 0,25 0 0,25 0,5
10
3
10
2
10
1
D
pico
Igualador con 10 coeficientes

= 0,1
= 0,3
= 0,6
= 0,9
0,5 0,25 0 0,25 0,5
10
3
10
2
10
1
D
pico
Igualador con 18 coeficientes

Figura 6.23. Distorsin de pico obtenida con un igualador lineal MSE fraccionario (espa-
ciado T/2 segundos), para un pulso p(t) en coseno alzado con factor de cada , en funcin
del error de sincronizacin de smbolo .
Ejemplo 6.18
En la Figura 6.23 se muestra la distorsin de pico obtenida para un pulso p(t) en coseno alzado
con factor de cada como en el Ejemplo 6.17, y con un igualador MSE lineal fraccionario,
espaciado T/2, en funcin del error de sincronizacin de smbolo . La relacin seal a ruido
es de E
s
/N
0
= 20 dB. Comparando las Figuras 6.21 y 6.23 se puede observar que el esquema
fraccionario es mucho menos sensible a errores en el instante de muestreo que el igualador no
fraccionario. Con K
w
+ 1 = 10 coecientes, el esquema fraccionario presenta un coste compu-
tacional similar al del igualador no fraccionario de la Figura 6.21, mientras que, con K
w
+1 = 18
coecientes, ambos igualadores cubren la misma duracin temporal.
6.6. PRESTACIONES ASINTTICAS DE LOS IGUALADORES
En los apartados precedentes hemos presentado el diseo de varias estructuras de iguala-
cin, siempre bajo la suposicin de que los ltros presentes en dichas estructuras poseen un
nmero nito de coecientes. Esta condicin responde, evidentemente, a consideraciones
de ndole prctica. Sin embargo resulta de inters analizar las prestaciones de los diversos
igualadores para el caso idealizado en el que la complejidad de los ltros no se ve restringida,
de forma que sus respuestas impulsionales pueden tener un nmero de coecientes innito.
Dichas prestaciones constituirn una cota superior sobre las de cualquier igualador prctico
con la misma estructura. Un diseo realista podr acercarse a esta cota si la longitud de los
ltros y el retardo global son lo sucientemente grandes, aunque nunca superarla. Por ello
procederemos ahora a analizar los igualadores lineal y con realimentacin de decisiones
en el caso idealizado, bajo los criterios forzador de ceros y de mnimo error cuadrtico
medio. Al no restringir la complejidad de los ltros, la optimizacin puede llevarse a cabo
directamente en el dominio de la frecuencia, como veremos seguidamente.
6.6.1. Igualador lineal
Consideremos el modelo discreto (con muestreo a periodo T de la salida del ltro de
recepcin) del igualador lineal de la Figura 6.9. Calcularemos el igualador ptimo a perio-
do de smbolo (esto es, no fraccionario) bajo los criterios ZF y MSE, sin adoptar ninguna
restriccin inicial sobre el canal discreto equivalente o el igualador, que podrn tener un
nmero ilimitado de coecientes sin ser necesariamente causales:
P(z) =
n=
p[n]z
n
, W(z) =
n=
w[n]z
n
(6.102)
El error de igualacin e
lin
[n] = A[n d] u
lin
[n] es la diferencia entre la secuencia de
smbolos transmitidos (incluyendo un retardo global d) y la entrada al decisor dada por
u
lin
[n] = w[n] q[n]. Observemos ahora que e
lin
e
lin
[n] = ([n d] w[n] p[n]) A[n] w[n] z[n] (6.103)
y dado que los procesos A[n] y z[n] son independientes, la funcin de autocorrelacin de
e
lin
[n] ser la suma de las autocorrelaciones de cada uno de los dos trminos en (6.103). Por
6.6 PRESTACIONES ASINTTICAS DE LOS IGUALADORES 355
tanto, la densidad espectral de potencia del error de igualacin, S
e,lin
(e
j
), ser asimismo
la suma de las densidades espectrales de potencia de cada uno de estos dos trminos:
S
e,lin
(e
j
) =
e
jd
W(e
j
)P(e
j
)
2
S
A
(e
j
) +
W(e
j
)
2
S
z
(e
j
)
= [e
jd
WP[
2
E
s
+[W[
2
2
z
(6.104)
donde por claridad hemos eliminado el argumento de W(e
j
) y P(e
j
), y hemos utilizado
el hecho de que S
A
(e
j
) = E
s
y S
z
(e
j
) =
2
z
, por ser A[n] y z[n] procesos blancos.
El primer sumando en (6.104) corresponde a la ISI, mientras que el segundo es debido al
ruido que es ltrado por el igualador.
Bajo el criterio ZF, el igualador minimiza el error entre el canal equivalente c[n] =
w[n] p[n] y un retardo puro [n d]. Empleando el Teorema de Rayleigh (Pgina 40) la
energa de este error se puede expresar en el dominio de la frecuencia:
n=
[[n d] c[n][
2
=
1
2
_

[e
jd
W(e
j
)P(e
j
)[
2
d (6.105)
Realicemos ahora una observacin importante: al no imponer ninguna restriccin sobre el
igualador, su funcin de transferencia W(e
j
) puede ser especicada independientemente
para cada frecuencia . Por tanto, para el criterio ZF debemos elegir aquel W que minimiza
el integrando de (6.105); es fcil ver que el integrando se minimiza (de hecho, se hace cero)
para
W
ZF
lin
(e
j
) =
e
jd
P(e
j
)
(6.106)
resultado no muy sorprendente: para eliminar la ISI el igualador ha de invertir la funcin
de transferencia del canal en cada frecuencia, adems de incluir un factor e
jd
para ajus-
tarse al retardo global de d muestras impuesto. Ntese que si P(e
j
0
) = 0 para alguna
frecuencia
0
, W
ZF
lin
no est denido: como sabemos, no es posible invertir un cero sobre la
circunferencia unidad de forma estable mediante un igualador lineal.
Por lo que respecta al igualador MSE, utilizando el Teorema de Wiener-Khinchine (va-
se Pgina 150) podemos escribir
E[e
lin
[n][
2
=
1
2
_

S
e,lin
(e
j
)d (6.107)
con S
e,lin
(e
j
) dado por (6.104). De nuevo, al no existir restricciones sobre W, basta con
encontrar para cada frecuencia aquel W que minimiza el integrando en (6.107). En el
Apndice 6.C se demuestra que la solucin al problema de minimizacin (6.107) se obtiene
para el igualador lineal dado por
W
MSE
lin
(e
j
) = e
jd
P
(e
j
)
[P(e
j
)[
2
+
(6.108)
con
.
=
2
z
/E
s
. Ntese que W
MSE
lin
incluye un factor P
(e
j
), que constituye un ltro
adaptado al canal discreto equivalente P(e
j
). Para relaciones seal a ruido elevadas (
0), se tiene W
MSE
lin
W
ZF
lin
, como cabra esperar. En ambos casos (ZF y MSE) la nica
inuencia del retardo global d en el igualador es a travs del factor e
jd
, de forma que el
igualador lineal para el retardo d se obtiene a partir del correspondiente al retardo cero sin
ms que desplazar su respuesta al impulso d muestras. Esto, naturalmente, es debido a la
hiptesis de que el igualador posee un nmero innito de coecientes.
Sustituyendo (6.106) y (6.108) en la expresin de S
e,lin
(e
j
) en (6.104), se obtiene la
densidad espectral de potencia del error de igualacin para los igualadores ZF y MSE:
S
ZF
e,lin
(e
j
) = E
s

[P(e
j
)[
2
, S
MSE
e,lin
(e
j
) = E
s

[P(e
j
)[
2
+
(6.109)
Por tanto, los valores de la varianza del error que se obtiene con los diseos ZF y MSE son
ZF
lin
.
=
E
s
2
_

[P(e
j
)[
2
d,
MSE
lin
.
=
E
s
2
_

[P(e
j
)[
2
+
d (6.110)
Debido al trmino adicional > 0 en el denominador de S
MSE
e,lin
, est claro que
MSE
lin
<
ZF
lin
,
lo cual es lgico si recordamos que el igualador ZF no ha sido diseado para minimizar el
error cuadrtico medio. La existencia de algn cero del canal sobre la circunferencia unidad
resultara en
ZF
lin
= , otra prueba ms del problema del realce de ruido del criterio ZF.
Obsrvese tambin que tanto
ZF
lin
como
MSE
lin
son independientes del retardo global d, como
caba esperar por las razones antes expuestas.
Ejemplo 6.19
Para el canal multitrayecto p[n] del Ejemplo 6.16 con = 0, 01, y para E
s
= 1, los valores
asintticos (6.110) son
ZF
lin
= 13,5 dB y
MSE
lin
= 15,3 dB, con lo que el criterio MSE
proporciona una mejora asinttica de 1.8 dB en el error cuadrtico medio con respecto al criterio
ZF. Obsrvese en la Figura 6.17 que el igualador lineal con 30 coecientes para el retardo global
ptimo an se halla unos 3 dB por encima del valor asinttico
MSE
lin
.
6.6.2. Igualador con realimentacin de decisiones
Consideremos ahora el modelo discreto (obtenido a la tasa de smbolo) del igualador con
realimentacin de decisiones de la Figura 6.14(a). Para obtener el igualador ptimo bajo el
criterio ZF o MSE de nuevo supondremos que tanto el canal P(z) como el ltro precur-
sor W(z) pueden ser de complejidad ilimitada (innitos coecientes y no necesariamente
causales, como en (6.102)); sin embargo, el ltro de realimentacin ha de ser estrictamente
causal para ser implementable en la prctica
10
, aunque no limitaremos su orden:
B(z) =
n=1
b[n]z
n
(6.111)
10
Recurdese que las nicas decisiones disponibles para el ltro de realimentacin se corresponden con el
pasado.
Tambin supondremos que las decisiones realimentadas son correctas, de forma que el es-
quema de igualacin es equivalente al mostrado en la Figura 6.14(b). En tal caso, y deno-
tando por u
dfe
[n] la entrada al decisor smbolo a smbolo en el esquema DFE, el error de
igualacin e
dfe
[n] = A[n d] u
dfe
e
dfe
[n] = ([n d] +b[n] [n d] w[n] p[n]) A[n] w[n] z[n] (6.112)
por lo que su densidad espectral de potencia est dada en este caso por
S
e,dfe
(e
j
) =
e
jd
[1 +B(e
j
)] W(e
j
)P(e
j
)
2
S
A
(e
j
) +
W(e
j
)
2
S
z
(e
j
)
=
D(e
j
) W(e
j
)P(e
j
)
2
E
s
+
W(e
j
)
2
z
(6.113)
donde hemos introducido D(e
j
)
.
= e
jd
[1+B(e
j
)]. De nuevo observamos que el primer
trmino en (6.113) es debido a la ISI, mientras que el segundo es consecuencia del ruido.
Nuestro primer paso consistir en calcular el ltro precursor W ptimo en funcin del
ltro de realimentacin B. Al igual que en el apartado anterior, la funcin de transferencia
W(e
j
) se puede especicar independientemente para cada frecuencia, ya que el ltro pre-
cursor no est limitado en complejidad. El criterio ZF slo considera la interferencia entre
smbolos, mientras que bajo el criterio MSE s se tiene en cuenta la inuencia del ruido. Por
tanto, para obtener el ltro precursor ptimo deberemos encontrar aquel W que minimiza
ZF: [D WP[
2
(6.114)
MSE: [D WP[
2
E
s
+[W[
2
2
z
(6.115)
La solucin ZF elimina completamente la ISI precursora, y est dada por
W
ZF
dfe
(e
j
) =
D(e
j
)
P(e
j
)
=
e
jd
P(e
j
)
[1 +B(e
j
)] (6.116)
Para la existencia de W
ZF
dfe
se requiere que P(e
j
) ,= 0 para todo , como ocurra con W
ZF
lin
.
El ltro precursor MSE se obtiene en el Apndice 6.C:
W
MSE
dfe
(e
j
) = e
jd
P
(e
j
)
[P(e
j
)[
2
+
[1 +B(e
j
)] (6.117)
En vista de (6.106) y (6.108), se observa que estos ltros verican
W
ZF
dfe
= W
ZF
lin
[1 +B]; W
MSE
dfe
= W
MSE
lin
[1 +B] (6.118)
de forma que el ltro precursor ptimo (ZF o MSE) del igualador DFE puede verse como
la conexin en serie del igualador lineal ptimo (ZF o MSE) W
lin
y el ltro causal 1 +
B, tal como muestra la Figura 6.24(a). Esta observacin permite especicar una estructura
alternativa para el igualador DFE: utilizando u
lin
[n] = w
lin
[n] q[n], podemos expresar
u
dfe
[n] como
u
dfe
[n] = ([n] +b[n]) u
lin
[n] b[n]

A[n d]
= u
lin
[n] +b[n] (u
lin
[n]

A[n d]) (6.119)
Decisor
q n [ ]
n d [ - ]
1 ( ) +B z
W z
lin
( )
(a)
(b)
u n
dfe
[ ]
W z
dfe
( )
W z
lin
( )
q n [ ]
B z ( )
n d [ - ] u n
dfe
[ ]
u n
lin
[ ]
u n
lin
[ ]
B z ( )
Decisor
Figura 6.24. (a) Igualador DFE ptimo para un ltro precursor sin limitacin en comple-
jidad; (b) Estructura equivalente (DFE con prediccin de ruido).
Ntese que u
lin
[n] no es sino la salida del igualador lineal ptimo del apartado anterior.
Basndose en (6.119), el clculo de u
dfe
[n] puede realizarse mediante el esquema de la
Figura 6.24(b), que recibe el nombre de DFE con prediccin de ruido, por razones que
quedarn claras una vez que determinemos el ltro de realimentacin ptimo. Esta estructura
tiene la interesante propiedad de que el bloque precursor ptimo W
lin
es independiente del
ltro de realimentacin B que se escoja, lo cual puede ser til en ciertas aplicaciones. Por
otro lado, los valores de la seal de entrada al ltro B en la estructura DFE con prediccin
de ruido no pertenecen ya a un conjunto nito como ocurra con la estructura DFE original,
lo que puede tener consecuencias a la hora de su implementacin.
Calculemos ahora el ltro de realimentacin ptimo. Bajo el criterio MSE, B ha de
minimizar la varianza del error de igualacin. Por otro lado, el igualador lineal ZF ya elimina
completamente la ISI, pues u
ZF
lin
[n] = A[n d] + e
ZF
lin
[n], donde e
ZF
lin
[n] = w
ZF
lin
[n] z[n]
es debido nicamente al ruido. Qu ventaja tiene entonces la realimentacin de decisiones
en el caso ZF? De hecho, como queda claro en la Figura 6.24(a), estamos introduciendo
ISI postcursora para que luego la elimine el ltro de realimentacin! Sustituyendo u
ZF
lin
[n] =
A[n d] +e
ZF
lin
[n] en (6.119) y suponiendo decisiones correctas,
u
ZF
dfe
[n] = A[n d] +e
ZF
lin
[n] +b[n] (A[n d] +e
ZF
lin
[n]

A[n d])
= A[n d] + ([n] +b[n]) e
ZF
lin
[n]
la cual tampoco contiene ISI. Sin embargo, la componente de ruido pasa a estar ltrada por
1 + B, de forma que B puede elegirse para minimizar la varianza de esta componente sin
introducir ISI adicional, mejorando por tanto las prestaciones del igualador lineal ZF.
As, bajo cualquiera de los dos criterios (ZF o MSE), el ltro de realimentacin ptimo
minimizar la varianza del error de igualacin e
dfe
[n], el cual puede relacionarse utilizando
(6.119) con el correspondiente para el igualador lineal, e
lin
[n] =

A[n d] u
lin
[n]:
e
dfe
[n] = ([n] +b[n]) e
lin
[n]
= e
lin
[n] +
k=1
b[k]e
lin
[n k] = e
lin
[n] e
lin
[n] (6.120)
donde e
lin
[n]
.
=
k=1
b[k]e
lin
[nk] es una prediccin de e
lin
[n], calculada como combi-
nacin lineal de sus muestras anteriores e
lin
[nk] con k > 0, y donde los coecientes de di-
cha combinacin lineal son los b[k] (cambiados de signo). El error e
dfe
[n] = e
lin
[n] e
lin
[n]
puede interpretarse como un error de prediccin, de forma que el ltro B ptimo estar dado
por el predictor ptimo para e
lin
[n]. Para hallar este predictor ptimo observemos que, en
vista de (6.109) y (6.120), la densidad espectral de potencia de e
dfe
[n] est dada por
S
e,dfe
(e
j
) = S
e,lin
(e
j
)[1 +B(e
j
)[
2
= E
s

S(e
j
)
[1 +B(e
j
)[
2
(6.121)
donde
S(e
j
)
.
=
_
[P(e
j
)[
2
, para el criterio ZF
[P(e
j
)[
2
+, para el criterio MSE
(6.122)
En ambos casos, S(e
j
) es una funcin positiva
11
. Esto nos permite utilizar el siguiente
resultado, conocido como Teorema de factorizacin espectral, cuya demostracin se puede
encontrar en el Apndice 6.D y que dice que toda funcin racional S(z) real, positiva y
acotada sobre la circunferencia unidad puede factorizarse de forma nica como S(z) =
2
S
[1 + F(z)][1 + F
(1/z
)], donde F(z) =
k=1
f[k]z
k
es tal que 1 + F(z) es de fase
mnima, y
2
S
= exp
_
1
2
_

ln S(e
j
)d
_
> 0 (6.123)
Realizando esta descomposicin para S(e
j
) dado en (6.122), tenemos que S(e
j
) =
2
S
[1 + F(e
j
)[
2
. Dado que 1 + F(z) es de fase mnima, su inversa es causal y estable, de
forma que la funcin de transferencia denida por
V (z)
.
=
1 +B(z)
1 +F(z)
= 1 +
k=1
v[k]z
k
(6.124)
es causal y estable. En vista de (6.121) y utilizando el Teorema de Wiener-Khinchine, la
varianza de e
dfe
[n] puede expresarse como
E[e
dfe
[n][
2
=
E
s
2
_

2
S
[1 +B(e
j
)[
2
[1 +F(e
j
)[
2
d = E
s
2
S
_
1 +
k=1
[v[k][
2
_
(6.125)
11
En el caso MSE, S = [P[
2
+ > 0 pues > 0. En el caso ZF, recordemos que para la existencia del
igualador es necesario que P(e
j
) ,= 0 para todo , resultando en S = [P[
2
> 0.
la cual es mnima si v[k] = 0 para todo k 1, es decir, para 1 + B(z) = 1 + F(z). Por
tanto, el ltro de realimentacin ptimo est dado por el factor espectral de fase mnima de
S(e
j
). Para este ltro ptimo, el error de igualacin e
dfe
[n] es un proceso blanco, ya que
su densidad espectral de potencia S
e,dfe
(e
j
) = E
s
/
2
S
es constante para todo .
Dependiendo del criterio particular, y usando la expresin (6.123) para
2
S
, la mnima
varianza del error para el igualador DFE, E
s
/
2
S
, toma los siguientes valores:
ZF
dfe
.
= E
s
exp
_
1
2
_

ln

[P(e
j
)[
2
d
_
(6.126)
MSE
dfe
.
= E
s
exp
_
1
2
_

ln

[P(e
j
)[
2
+
d
_
(6.127)
De nuevo, el trmino aditivo > 0 en el denominador del integrando en (6.127) resulta en
MSE
dfe
<
ZF
dfe
. Cuando la relacin seal a ruido tiende a innito, el igualador DFE obtenido
bajo el criterio MSE coincide con el obtenido bajo el criterio forzador de ceros.
Por otra parte, dado que el igualador lineal es un caso particular del igualador DFE
en el que el ltro de realimentacin se ja a B = 0, tambin se tiene que
ZF
dfe

ZF
lin
y
MSE
dfe

MSE
lin
; una demostracin alternativa de este hecho se desprende de que
dfe
lin
=
exp
_
1
2
_
ln

S(e
j
)
d
_
1
2
_
S(e
j
)
d
1 (6.128)
lo cual es una consecuencia de la desigualdad de Jensen, discutida en el Apndice 9.B y en
el Problema P6.22. La igualdad se cumple en (6.128) si y slo si S(e
j
) es constante para
todo .
Ejemplo 6.20
Para el canal multitrayecto p[n] del Ejemplo 6.16 con = 0, 01, y para E
s
= 1, los valores
asintticos son
ZF
dfe
= 19,2 dB y
MSE
dfe
= 19,3 dB. Por tanto, de la Figura 6.17 se desprende
que con un total de 30 coecientes, el igualador DFE prcticamente ha alcanzado sus prestaciones
asintticas. Para este caso, se tiene
MSE
dfe
/
MSE
lin
= 4 dB.
6.7. AJUSTE DEL RECEPTOR
La aplicacin de cualquiera de los mtodos presentados a lo largo del captulo para mi-
tigar la ISI requiere conocer la respuesta impulsional del canal discreto equivalente, p[n].
Por ello, de alguna manera el receptor deber realizar una estimacin de los parmetros del
canal (o bien directamente de los coecientes del igualador, como veremos) antes de poder
realizar la deteccin de los smbolos transmitidos. Las estrategias para este ajuste del recep-
tor pueden dividirse en dos grupos: esquemas no realimentados, en los que la estimacin de
parmetros se realiza a partir de un bloque de muestras de la seal recibida, y mtodos re-
cursivos (o adaptativos), en los que los parmetros del receptor se actualizan repetidamente
con cada nueva muestra q[n]. A continuacin presentaremos algunos de estos mtodos.
6.7 AJUSTE DEL RECEPTOR 361
6.7.1. Esquemas no realimentados
Con el objeto de facilitar la tarea del receptor, el transmisor puede insertar en la secuen-
cia enviada un bloque de N smbolos (denominados smbolos de entrenamiento o smbolos
piloto) que son conocidos de antemano en recepcin. Esto puede ser aprovechado por el
receptor, bien para estimar los parmetros del canal, bien para calcular directamente el igua-
lador. En concreto, supongamos que A[0], . . . , A[N 1] son smbolos de entrenamiento.
A partir del modelo de canal discreto equivalente (a periodo de smbolo),
q[n] =
K
k=0
p[k]A[n k] +z[n], < n <
podemos observar que en las N K observaciones q[K], . . . , q[N 1] nicamente inu-
yen los smbolos piloto. La estimacin de los parmetros necesarios puede entonces hacerse
mediante esquemas no realimentados, a partir del conjunto de estas N K observaciones.
Dicha estimacin deber repetirse de forma peridica para que el receptor pueda ajustarse
a posibles variaciones en el entorno y la frecuencia con que se debe repetir la transmisin
de smbolos piloto depender de la rapidez con la que varen los parmetros del canal. Si
el entorno de operacin ucta de forma considerable entre la transmisin de dos bloques
consecutivos de smbolos piloto, es muy probable que se produzcan numerosos errores en
las decisiones debido al desajuste del receptor; por otro lado, los smbolos piloto consumen
recursos que podran utilizarse para enviar verdadera informacin, por lo que tampoco es
deseable transmitirlos con excesiva frecuencia.
El uso de smbolos de entrenamiento requiere que el receptor localice el bloque de N
smbolos piloto dentro de la secuencia de observaciones, lo que suele hacerse correlacio-
nando la secuencia recibida con el bloque de smbolos piloto. Si estos se eligen de forma
adecuada, dicha correlacin cruzada presentar un mximo acusado en el momento preciso,
aun cuando la ISI introducida por el canal sea considerable.
Estimacin del canal
Agrupando las observaciones en un vector q de tamao N K podemos escribir
_
_
q[K]
q[K + 1]
.
.
.
q[N 1]
_
_
. .
.
=q
=
_
_
A[K] A[K 1] A[0]
A[K + 1] A[K] A[1]
.
.
.
.
.
.
.
.
.
.
.
.
A[N 1] A[N 2] A[N K 1]
_
_
. .
.
=A
_
_
p[0]
p[1]
.
.
.
p[K]
_
_
. .
.
=p
+
_
_
z[K]
z[K + 1]
.
.
.
z[N 1]
_
_
. .
.
=z
q = Ap +z (6.129)
En este contexto, la matriz toeplitz A es conocida (est formada por los smbolos de en-
trenamiento), mientras que p ha de estimarse. Los elementos del vector de ruido z son
variables aleatorias gausianas e independientes, circularmente simtricas, con media cero y
varianza
2
z
, la cual puede que deba estimarse tambin, dependiendo de la aplicacin. Una
vez que se dispone de p y, si es preciso,
2
z
, el receptor puede aplicar los mtodos de de-
teccin expuestos en este captulo, bien mediante aplicacin del algoritmo de Viterbi, bien
mediante el diseo de un igualador. El criterio de mxima verosimilitud (ML) plantea la es-
timacin de los parmetros del canal para maximizar la funcin de densidad de probabilidad
f
q[p,
2
z
(q[p,
2
z
). De forma anloga a como se obtuvo (6.17), esta funcin est dada por
f
q[p,
2
z
(q[p,
2
z
) =
1
(
2
z
)
NK
exp
_
2
z
[[q Ap[[
2
_
(6.130)
Para maximizar (6.130) con respecto a p, hemos de elegir p como el valor que minimiza
12
[[q Ap[[
2
. Una vez que se dispone de dicho valor, el estimador de la varianza del ruido se
obtiene fcilmente: igualando a cero la derivada de (6.130) con respecto a
2
z
se sigue que

2
z
=
1
N K
[[q A p[[
2
(6.131)
La norma [[q Ap[[
2
a minimizar puede escribirse como
[[q Ap[[
2
=
_
q
H
q q
H
A(A
H
A)
1
A
H
q
+
_
p (A
H
A)
1
A
H
q
H
(A
H
A)
_
p (A
H
A)
1
A
H
q
(6.132)
El primer trmino no depende de p, por lo que minimizar (6.132) equivale a minimizar el
segundo trmino (ya que este es positivo). Dicho trmino se anula para
p = (A
H
A)
1
A
H
q (6.133)
Insertando este valor en (6.131) se obtiene el estimador ML de la varianza de ruido. Obsr-
vese que una condicin necesaria para la invertibilidad de A
H
A es que la matriz A tenga
al menos tantas las como columnas, lo cual quiere decir que (6.129) debe ofrecernos al
menos tantas ecuaciones como parmetros se han de estimar. Dado que los smbolos de
entrenamiento son conocidos de antemano por el receptor, es posible precalcular la matriz
(A
H
A)
1
A
H
a priori y almacenarla en memoria. De esta forma no es necesario para el
receptor realizar la inversin matricial cada vez que el canal ha de ser reestimado.
Para tener una idea de la calidad de este estimador de canal, sustituyamos la expre-
sin (6.129) del vector q en (6.133) para escribir p = p + (A
H
A)
1
A
H
z lo que revela
que el estimador p es una variable aleatoria gausiana, de media p y matriz de covarianza
2
z
(A
H
A)
1
. Por tanto, la mejora de la calidad de la estimacin pasa por aumentar los ele-
mentos de la diagonal de A
H
A, lo que puede hacerse de dos formas distintas. En primer
12
Dado que la matriz A es de tamao (N K) (K + 1), en general no es cuadrada, por lo que no es
posible tomar directamente p = A
1
q.
lugar, puede aumentarse la magnitud de los smbolos de entrenamiento, a costa de incre-
mentar la potencia transmitida. En segundo lugar, para una misma potencia transmitida, se
puede aumentar el nmero de smbolos de entrenamiento N. El precio a pagar en este caso
es un uso menos eciente del canal, ya que durante la transmisin de smbolos piloto no se
est enviando verdadera informacin.
En el caso en que el receptor utilice el algoritmo de Viterbi para la deteccin de los sm-
bolos, se emplea la respuesta impulsional del canal estimado para construir el diagrama de
rejilla. Por otro lado, si el receptor se basa en un igualador, este ha de obtenerse resolviendo
las ecuaciones de diseo correspondientes, para las cuales se necesitan tambin los par-
metros del canal. Pero tambin cabe la posibilidad de calcular directamente dichos ltros,
como se presenta a continuacin.
Clculo directo del igualador
Si se va a utilizar un igualador lineal de orden K
w
en el receptor, es posible calcular
sus coecientes directamente sin necesidad de estimar primero los parmetros del canal. El
error de igualacin para un retardo d estar dado por
e
d
[n] = A[n d]
K
w
k=0
w[k]q[n k]
Agrupando sus muestras en un vector e
d
, obtenemos el modelo
_
_
e
d
[K
w
]
e
d
[K
w
+ 1]
e
d
[K
w
+ 2]
.
.
.
e
d
[N 1]
_
_
. .
.
=e
d
=
_
_
q[K
w
] q[K
w
1] q[0]
q[K
w
+ 1] q[K
w
] q[1]
q[K
w
+ 2] q[K
w
+ 1] q[2]
.
.
.
.
.
.
.
.
.
.
.
.
q[N 1] q[N 2] q[N K
w
1]
_
_
. .
.
=Q
_
_
w[0]
w[1]
.
.
.
w[K
w
]
_
_
. .
.
=w
+
_
_
A[K
w
d]
A[K
w
d + 1]
A[K
w
d + 2]
.
.
.
A[N d 1]
_
_
. .
.
=a
d
e
d
= a
d
Qw, (6.134)
cuya matriz Q, de tamao (N K
w
) (K
w
+ 1) y toeplitz, se construye ahora con las
observaciones. Como sustitucin al criterio de mnimo MSE es frecuente utilizar el cri-
terio de mnimos cuadrados o LS (Least Squares), que plantea estimar el igualador pa-
ra minimizar la norma del vector de error, [[e
d
[[
2
. Dada la similitud en la estructura de
[[e
d
[[
2
= [[a
d
Qw[[
2
con (6.132), se deja como ejercicio al lector el comprobar que,
siguiendo pasos anlogos a los del apartado anterior, los coecientes del igualador LS para
el retardo d estn dados por
w
d,LS
= (Q
H
Q)
1
Q
H
a
d
(6.135)
Este igualador w
d,LS
constituye una estimacin del igualador MSE ptimo w
d,MSE
dado por
(6.61). Como antes, para que Q
H
Qsea invertible es necesario que Qposea al menos tantas
las como columnas, esto es, (6.134) ha de proporcionar al menos tantas ecuaciones como
parmetros se han de estimar. Por otro lado, cuanto mayor sea el nmero de smbolos de
entrenamiento disponibles, ms able ser la estimacin w
d,LS
del igualador MSE ptimo.
El valor mnimo de la norma del vector de error [[e
d
[[
2
que resulta con este igualador es
d
.
= [[a
d
Qw
d,LS
[[
2
= a
H
d
a
d
a
H
d
Q(Q
H
Q)
1
Q
H
a
d
(6.136)
El diseo del igualador requiere especicar el retardo global d, el cual, como sabemos, puede
afectar drsticamente las prestaciones obtenidas. Una posible opcin consiste en calcular
(6.136) para un rango de retardos 0 d d
max
y elegir el retardo para el que
d
es
mnimo.
De forma similar es posible extender el diseo LS al esquema de igualacin con reali-
mentacin de decisiones, lo que se deja al lector como ejercicio (vase Problema P6.23).
6.7.2. Igualacin adaptativa
El principal inconveniente del diseo del igualador mediante los mtodos no realimen-
tados estriba en su considerable carga computacional, ya que ha de invertirse una matriz de
tamao igual al nmero de coecientes del igualador. Si la distorsin debida al canal hace
necesario un igualador con un orden elevado, estos mtodos pueden no ser factibles.
Es posible evitar este problema utilizando tcnicas adaptativas. La idea fundamental
consiste en plantear el diseo del igualador como un problema de minimizacin de cierta
funcin de coste J, pero en lugar de intentar resolver dicho problema directamente (como
en el caso de los mtodos no realimentados) se adopta una estrategia iterativa denominada
descenso por gradiente, mediante la cual los coecientes del igualador se modican para
cada nueva observacin siguiendo la direccin opuesta al vector gradiente de la funcin de
coste. Si la magnitud de dicha modicacin se escoge de forma adecuada, los coecientes
convergern a un entorno de los valores que minimizan J.
Ejemplo 6.21
Supongamos que a travs de algn procedimiento hemos establecido nuestra funcin de coste,
correspondiente a un hipottico problema en el que aparecen dos variables w
1
y w
2
, y que resulta
ser
J(w
1
, w
2
) = w
2
1
+w
2
2
+w
1
w
2
+w
1
+ 5w
2
+ 8 (6.137)
Nuestro objetivo es minimizar J(w
1
, w
2
). En este caso sencillo, esto puede hacerse directamente
tomando derivadas parciales con respecto a w
1
y a w
2
, igualando a cero, y despejando:
J(w
1
, w
2
)
w
1
= 2w
1
+w
2
+ 1 = 0,
J(w
1
, w
2
)
w
2
= 2w
2
+w
1
+ 5 = 0
de donde w
1
= 1, w
2
= 3 es la solucin deseada. Sin embargo, en un caso prctico este mtodo
directo puede no ser viable; por ejemplo, si las derivadas de J son demasiado complicadas, o bien
si no pueden calcularse directamente con los datos disponibles y han de ser estimadas a partir de
seales ruidosas.
Una posible alternativa es el mtodo iterativo conocido como descenso por gradiente. La idea
bsica es realizar una estimacin inicial de la posicin del mnimo, evaluar la direccin que a
partir de esa estimacin nos proporciona la mayor pendiente hacia abajo sobre la funcin de
coste, y dar un pequeo paso en esa direccin para establecer la siguiente estimacin. Si el paso
no es excesivamente grande, es de esperar que esta nueva estimacin sea mejor que la anterior,
en el sentido de que el el coste se habr decrementado ligeramente. El proceso se repite, con la
intencin de acercarnos cada vez ms al punto ptimo con cada paso.
La clave de este mtodo reside en el hecho de que la direccin de mayor pendiente hacia abajo
en un punto dado viene dada por el negativo del gradiente de la funcin de coste, evaluado en
ese punto. El gradiente no es ms que el vector de las derivadas parciales de la funcin de coste
J; en nuestro ejemplo, sera el vector [2w
1
+w
2
+ 1, 2w
2
+w
1
+ 5]
T
. Ntese que a cada punto
(w
1
, w
2
) del plano le corresponde un valor del vector gradiente, y que en el punto que minimiza
la funcin de coste, el gradiente se anula (vase Figura 6.25).
Figura 6.25. Representacin grca del coste J del Ejemplo 6.21.
Para aplicar el mtodo de descenso por gradiente a la funcin J en (6.137), supongamos que
tenemos una estimacin de los valores de w
1
, w
2
ptimos en el instante k, que denotaremos por
w
1
[k], w
2
[k]. Las nuevas estimaciones en el instante k + 1 sern
w
i
[k + 1] = w
i
[k]
J(w
1
, w
2
)
w
i
(w
1
,w
2
)=(w
1
[k],w
2
[k])
(6.138)
donde es un nmero positivo denominado paso de adaptacin. Este proceso se repite a medida
que k se incrementa. Bsicamente, estamos siguiendo la direccin de los vectores representados
en la Figura 6.25 para que, poco a poco, nos lleven hasta el valor ptimo. Explcitamente,
w
1
[k + 1] = w
1
[k] (2w
1
[k] +w
2
[k] + 1)
w
2
[k + 1] = w
2
[k] (2w
2
[k] +w
1
[k] + 5)
(6.139)
As, iterando (6.139), las secuencias w
1
[k], w
2
[k] deberan converger a los valores ptimos w
1
=
1, w
2
= 3. En la Figura 6.25 se han representado las trayectorias de estas secuencias para dos
casos. En el primero se parte del punto inicial w
1
[0] = 7, w
2
[0] = 2 y se utiliza un paso de
adaptacin = 0,1. En el segundo caso los valores iniciales son w
1
[0] = 0, w
2
[0] = 5, y el paso
= 0,5. Comparando las dos trayectorias observamos la inuencia del paso de adaptacin. En
ambos casos se converge al mnimo de J, aunque con un paso ms pequeo se requiere un mayor
nmero de iteraciones. Por otro lado, un paso elevado se traduce en una trayectoria con saltos
considerables, es decir, menos suaves. Si el paso se elige demasiado grande, es posible que la
iteracin se desestabilice y el mtodo diverja, debido a que la funcin de coste no se decrementa
necesariamente con cada iteracin.
Al aplicar las tcnicas de descenso por gradiente para adaptar el igualador sus coecien-
tes se actualizan con cada muestra de la seal recibida, con lo que el igualador pasa a ser
un sistema variante en el tiempo. Denotaremos por w[k; n] el valor que toma el coeciente
k-simo del igualador en el instante n. De esta forma, para un igualador lineal con orden
K
w
la salida del ltro en el instante n es
u[n] =
K
w
k=0
w[k; n]q[n k] = w
T
[n]q[n] (6.140)
donde el vector de coecientes del ltro en el instante n es
w[n]
.
= [w[0; n], w[1; n], , w[K
w
; n]]
T
(6.141)
mientras que q[n] recoge las ltimas K
w
+ 1 muestras de la seal de entrada al igualador:
q[n]
.
= [q[n], q[n 1], , q[n K
w
]]
T
(6.142)
A la hora de minimizar una funcin de coste J ha de tenerse en cuenta que los coe-
cientes del igualador son en general complejos. Como en (6.138), su adaptacin se realiza
sustrayendo de su valor anterior un cierto trmino de correccin: para k = 0, 1, . . . , K
w
,
las partes real e imaginaria del coeciente k-simo del igualador se actualizan en el instante
n + 1 mediante
1ew[k; n + 1] = 1ew[k; n]
J
1ew[k; n]
,
Jmw[k; n + 1] = Jmw[k; n]
J
Jmw[k; n]
,
donde el paso de adaptacin > 0 gobierna la magnitud del trmino de correccin. De-
niendo la derivada de J con respecto a un parmetro complejo w como
J
w
.
=
J
1ew
+j
J
Jmw
(6.143)
el descenso por gradiente se puede expresar de forma compacta mediante
w[k; n + 1] = w[k; n]
J
w[k; n]
, 0 k K
w
(6.144)
Dependiendo de la funcin de coste J utilizada es posible obtener distintos algoritmos adap-
tativos. Seguidamente expondremos el denominado algoritmo LMS, que utiliza un coste
relacionado con el error cuadrtico medio del Apartado 6.3.2, para ms tarde introducir el
algoritmo CMA. Ambos desarrollos requieren disponer de las derivadas de las partes real e
imaginaria de la salida del igualador con respecto a las partes real e imaginaria de los coe-
cientes del ltro en el instante n. A partir de (6.140) es inmediato comprobar que dichas
derivadas estn dadas por
1eu[n]
1ew[k; n]
= 1eq[n k]
1eu[n]
Jmw[k; n]
= Jmq[n k] (6.145)
Jmu[n]
1ew[k; n]
= Jmq[n k]
Jmu[n]
Jmw[k; n]
= 1eq[n k] (6.146)
Adaptacin supervisada: el algoritmo LMS
Recordemos que el error cuadrtico medio asociado al igualador es E[e
d
[n][
2
, donde
e
d
[n] = A[n d] u[n]. El igualador MSE del Apartado 6.3.2 se dise para minimizar
esta cantidad. Resulta natural, por tanto, utilizar el error cuadrtico medio como funcin de
coste para un algoritmo adaptativo. Utilizando (6.140) y siguiendo un desarrollo anlogo al
del Apndice 6.B se obtiene
E[e
d
[n][
2
= (E
s
r
H
qA
R
1
q
r
qA
) + (w w
d,MSE
)
H
R
q
(w w
d,MSE
) (6.147)
donde R
q
.
= Eq
[n]q
T
[n], r
qA
.
= Eq
[n]A[n d], y w
d,MSE
es el igualador ptimo
dado por w
d,MSE
= R
1
q
r
qA
. En el Problema P6.24 se demuestra que (6.147) presenta un
nico mnimo en w = w
d,MSE
. Esto es importante puesto que, en general, mediante el uso
de un descenso por gradiente slo podemos esperar converger al mnimo local ms cercano
al punto de partida, que no tiene por qu corresponder necesariamente con el mnimo global.
Para obtener el gradiente de la funcin de coste J
d
.
=
1
2
E[e
d
[n][
2
podemos aprovechar
el hecho de que los operadores esperanza y derivada conmutan, para escribir
J
d
w[k; n]
=
1
2
E
_
[e
d
[n][
2
w[k; n]
_
=
1
2
E
_
[A[n d] u[n][
2
w[k; n]
_
=
1
2
E
_
e
d
[n]
u
[n]
w[k; n]
+e
d
[n]
u[n]
w[k; n]
_
= E
_
1e
_
e
d
[n]
_
1eu[n]
w[k; n]
j
Jmu[n]
w[k; n]
___
(6.148)
donde la segunda lnea se debe a que u[n] depende de w[k; n], pero A[n d] no.
Por tanto, la expresin de la derivada (6.143) con J = J
d
y w = w[k; n], utilizando
(6.145), (6.146) y (6.148), resulta ser
J
d
w[k; n]
= E [1ee
d
[n]q
[n k] +j1ee
d
[n] (jq
[n k])]
= E [1ee
d
[n]q
[n k] +jJme
d
[n]q
[n k]]
= E e
d
[n]q
[n k] (6.149)
En este punto surge un problema, ya que no es posible calcular la media estadstica en
(6.149) sin conocer los parmetros del canal. La solucin consiste en aproximar esta media
estadstica por un promedio temporal, que en el caso ms simple podra reducirse al valor
instantneo (esto es, sin promediar) e
d
[n]q
[n k]. Usando esta aproximacin del gra-

diente para el trmino de correccin se obtiene el algoritmo LMS (Least Mean Squares),
el cual, recordando (6.141) y (6.142), puede expresarse en formato vectorial como
w[n + 1] = w[n] +(A[n d] u[n]) q
[n] (6.150)
As, el trmino de correccin del algoritmo LMS es el producto de tres factores: el paso
de adaptacin , el vector conjugado de muestras de entrada al igualador q
[n], y el error
de igualacin o diferencia entre los smbolos de entrenamiento (con el retardo d corres-
pondiente) y la salida del igualador. La adaptacin (6.150) se realiza a la tasa de smbolo,
requiriendo K
w
+ 2 multiplicaciones y sumas (complejas) por cada muestra de entrada.
Debido a la naturaleza estocstica del trmino de correccin
13
en (6.150), los coecien-
tes del ltro, una vez adaptados mediante el algoritmo LMS, constituyen a su vez variables
aleatorias. Su media evolucionar en el tiempo, buscando el mnimo del error cuadrtico me-
dio; y superpuesta a esta trayectoria aparecer una componente aleatoria denominada ruido
de adaptacin, cuya varianza es proporcional al paso de adaptacin . Esta componente
aleatoria se halla presente incluso una vez que los coecientes han convergido en media a su
valor ptimo w
d,MSE
, resultando en una cierta degradacin en las prestaciones con respecto
al caso ideal en el que los coecientes del igualador son jos con w = w
d,MSE
. Es por ello
que el ruido de adaptacin debe mantenerse lo ms bajo posible.
Por otra parte, el paso de adaptacin determina tambin la velocidad de convergencia,
de forma que el tiempo necesario para que los coecientes del igualador converjan en media
a sus valores ptimos ser mayor cuanto menor sea . En canales que varan a lo largo del
tiempo, el algoritmo adaptativo deber ajustar el igualador para seguir estas uctuaciones.
Para ello, la rapidez de respuesta del algoritmo habr de ser similar a la de las variaciones
del canal, es decir, el paso de adaptacin deber de ser lo sucientemente grande.
Por todo ello, la eleccin del paso de adaptacin deber responder a un compromiso
entre velocidad de convergencia/capacidad de seguimiento y ruido de adaptacin residual.
Cuando la nalidad ltima del diseo es obtener un error cuadrtico medio lo menor posible,
ha de jarse al valor ms pequeo que se pueda representar dada la precisin de nuestra
implementacin. Por otro lado, si el objetivo principal es una convergencia lo ms rpida
13
De hecho, el algoritmo LMS es tambin conocido como algoritmo del gradiente estocstico.
posible, deber aumentarse, teniendo en cuenta que un valor de excesivamente grande
desestabilizar completamente la adaptacin, haciendo el igualador inservible.
0.5 1 1.5
0

0.5

1
= 10
3
w[0]
w[1]
0 2500 5000 7500 10000
0

0.5

1
= 10
3
n
w[0; n]
w[1; n]
0.5 1 1.5
0

0.5

1
= 10
2
w[0]
w[1]
0 2500 5000 7500 10000
0

0.5

1
= 10
2
n
w[0; n]
w[1; n]
0 1000 2000 3000
2
1
0
1
2 = 10
3
n
u[n]
0 1000 2000 3000
2
1
0
1
2 = 10
2
n
u[n]
Figura 6.26. Comportamiento del igualador adaptado mediante el algoritmo LMS para dos
distintos pasos de adaptacin.
Ejemplo 6.22
La Figura 6.26 muestra las trayectorias del algoritmo LMS aplicado a un igualador con K
w
+1 =
2 coecientes e inicializado en w[0; 0] = 0, w[1; 0] = 1, de forma que inicialmente implementa
un retardo de un smbolo. La respuesta impulsional del canal es p[k] = 0,22[k] + 1,1[k
1] 0,66[k 2] + 0,44[k 3] 0,22[k 4], los smbolos pertenecen a una constelacin
BPSK y la relacin seal a ruido es de 23 dB. El igualador MSE para el retardo d = 1 es
w[k] = 0,9447[k] + 0,5448[k 1].
En este ejemplo bidimensional es posible visualizar el coste (6.147). Las lneas de error cuadr-
tico medio constante son elipses concntricas, centradas en el igualador ptimo. Para = 10
3
la trayectoria de w[n] es perpendicular a estas elipses (como cabe esperar de un descenso por
gradiente), estabilizndose en un entorno del igualador ptimo. Para = 10
2
, aunque la con-
vergencia es signicativamente ms rpida, las uctuaciones de los coecientes en torno a sus
valores ptimos son mucho mayores como consecuencia del ruido de adaptacin. Este se hace
an mayor si se incrementa ms, hasta que para > 10
1
el igualador se hace inestable.
La distorsin de pico antes del igualador es D
pico
= 1,4, mayor que
BPSK
= 1, con lo que el ojo
se halla inicialmente cerrado. En la evolucin de la salida del igualador u[n] observamos cmo
el igualador adaptativo es capaz de abrir paulatinamente el ojo a su salida, produciendo una seal
a partir de la cual el bloque decisor posterior recuperar los smbolos originales.
Hasta aqu hemos descrito la operacin del algoritmo LMS para la adaptacin de un
igualador lineal, aunque la misma idea puede aplicarse a la adaptacin de un igualador con
realimentacin de decisiones. La salida del igualador estar dada en tal caso por
u[n] = w
T
[n]q[n] b
T
[n] a[n]
donde w[n] y b[n] son los vectores de coecientes de los ltros precursor y de realimen-
tacin, respectivamente (el argumento n reeja que ahora estos vectores son variantes en
el tiempo, debido a la adaptacin); mientras que q[n] y a[n] contienen respectivamente las
muestras de la seal recibida y las decisiones anteriores, tal y como denimos en (6.72) y
(6.73). El error cuadrtico medio como funcin de w y b sigue teniendo un nico mnimo,
suponiendo que las decisiones previas son correctas. La adaptacin del ltro precursor se
realiza mediante (6.150), mientras que la del ltro de realimentacin est dada por
b[n + 1] = b[n] (A[n d] u[n]) a
[n] (6.151)
El algoritmo LMS necesita una secuencia de entrenamiento para poder calcular el error
A[n d] u[n] que dirige la adaptacin. Si dicha secuencia consta de N smbolos piloto,
tras N iteraciones ya no ser posible actualizar los coecientes del ltro. Sin embargo, si
tras esta etapa de entrenamiento el igualador se ha acercado sucientemente a sus valores
ptimos como para lograr abrir el ojo a su salida, las decisiones

A[n d] obtenidas por el
detector sern lo sucientemente ables como para poder ser utilizadas en la adaptacin en
lugar de los smbolos de entrenamiento. Este modo de operacin se denomina dirigido por
decisin, y permite mantener activo el ajuste del igualador para seguir posibles uctuaciones
en el canal de forma ininterrumpida. Es importante tener en cuenta que la transicin desde
el modo entrenado al modo dirigido por decisin generalmente fracasar si el ojo no se
encuentra lo sucientemente abierto en el momento de realizarse. Como regla heurstica
suele requerirse que la tasa de error de smbolo no supere el 5 % al nal del modo entrenado.
Adaptacin ciega: el algoritmo CMA
Para la correcta adaptacin del igualador mediante el algoritmo LMS es preciso que el
receptor sea entrenado por el transmisor hasta que aqul sea capaz de usar sus propias deci-
siones. Sin embargo, existen aplicaciones importantes en las que no es posible o deseable tal
grado de cooperacin entre ambos terminales. Por ejemplo, en sistemas punto-multipunto y
redes de difusin no es prctico que el transmisor interrumpa el envo de datos para proceder
a entrenar el receptor de cada nuevo cliente que se conecta al sistema, lo que por otra parte
requerira la existencia de un canal de retorno al transmisor desde cada receptor para realizar
una peticin de entrenamiento. Aun cuando podran insertarse smbolos piloto de forma pe-
ridica en la transmisin de datos, permitiendo as el entrenamiento de los receptores, esta
estrategia reduce la tasa efectiva del sistema.
Por todo ello, en ocasiones se hace necesario un mtodo de adaptacin no supervisa-
do o ciego, en el que el igualador es capaz de ajustarse sin necesidad de una secuencia
de smbolos piloto. Esto puede hacerse aprovechando la informacin disponible acerca de
las propiedades estadsticas de los smbolos transmitidos. Por ejemplo, supongamos que la
modulacin empleada es QPSK, de forma que los smbolos pertenecen a una constelacin
E
s
e
j(
4
+m
2
)
, 0 m 3. En tal caso, aunque el valor particular de cada smbolo
A[n] se desconoce, s se sabe que su magnitud [A[n][
2
= E
s
es constante para todo n. Ca-
be pensar entonces en formular un coste que penalice desviaciones de la magnitud de las
muestras u[n] a la salida del igualador con respecto a una constante C, como por ejemplo
J
CM
=
1
4
E([u[n][
2
C)
2
(6.152)
La derivada de J
CM
con respecto a w[k; n] es
J
CM
=
1
2
E
_
_
[u[n][
2
C
_

w[k; n]
[u[n][
2
_
= E
_
_
[u[n][
2
C
_
_
1eu[n]
1eu[n]
w[k; n]
+Jmu[n]
Jmu[n]
w[k; n]
__
(6.153)
As, utilizando (6.145) y (6.146) obtenemos la expresin de la derivada con respecto al
coeciente complejo w[k; n] denida en (6.143):
J
CM
w[k; n]
= E
__
[u[n][
2
C
_
(1eu[n]1eq[n k] +Jmu[n]Jmq[n k]
j1eu[n]Jmq[n k] +jJmu[n]1eq[n k])
_
= E
__
[u[n][
2
C
_
u[n]q
[n k]
_
(6.154)
De forma similar a como se hizo en el desarrollo del algoritmo LMS, y dado que no es posi-
ble en general evaluar la media estadstica en (6.154), aproximaremos esta media estadstica
por el valor instantneo
_
C [u[n][
2
_
u[n]q
[n k]. El esquema de adaptacin resultan-

te se denomina algoritmo CMA (Constant Modulus Algorithm), y en formato vectorial
puede escribirse como
w[n + 1] = w[n] +
_
C [u[n][
2
_
u[n]q
[n] (6.155)
Obsrvese que las ecuaciones de adaptacin de LMS (6.150) y CMA (6.155) son estructural-
mente similares: la nica diferencia es la sustitucin del error de igualacin A[nd] u[n]
por el trmino (C [u[n][
2
)u[n]. El coste computacional de ambos es por tanto similar,
y las consideraciones acerca del paso de adaptacin hechas para LMS (compromiso entre
velocidad de convergencia y ruido de adaptacin) son tambin aplicables a CMA.
La diferencia crucial entre ambos algoritmos reside en que para la adaptacin mediante
CMA no se necesitan smbolos piloto, a diferencia de LMS. Por tanto, CMA constituye un
mtodo de adaptacin ciego, tal como se pretenda. Aunque el desarrollo anterior se basa
en la caracterstica de mdulo constante de la constelacin QPSK, CMA funciona correcta-
mente cuando los smbolos pertenecen a una constelacin sin esta propiedad, como puede
ser por ejemplo la constelacin 16-QAM. Esta destacable propiedad hace de CMA un algo-
ritmo de adaptacin muy popular en aplicaciones en las que se requiere un mtodo ciego.
Una estrategia comn consiste en utilizar inicialmente CMA para abrir sucientemente el
ojo a la salida del igualador, tras lo cual es posible conmutar a LMS dirigido por decisin.
Esto es deseable puesto que LMS presenta en general un menor ruido de adaptacin que
CMA, lo que permite utilizar un paso de adaptacin mayor con el consiguiente benecio a
la hora de realizar el seguimiento de las uctuaciones del canal.
El valor de C no afecta a la convergencia de CMA siempre y cuando C > 0, aunque un
cambio en C se traduce en un reescalado de la salida del igualador. Para ajustar correcta-
mente la magnitud de dicha salida (lo cual es necesario para el correcto funcionamiento del
detector, excepto en el caso de modulaciones PSK), C ha de jarse al valor
C = E[A[n][
4
/E[A[n][
2
(6.156)
En la expresin (6.152) se puede observar que J
CM
es insensible a rotaciones de fase en
la salida del igualador; es decir, si se sustituye u[n] por u[n]e
j[n]
, donde [n] es un valor
de fase (posiblemente variante con el tiempo), el valor de J
CM
no cambia. Como conse-
cuencia, CMA resulta operativo incluso en casos en los que la seal entregada al igualador
presenta una modulacin residual debida a desajustes entre las frecuencias de los osciladores
del transmisor y el demodulador. Tras el igualador esta modulacin residual estar todava
presente, pero una vez que CMA ha convergido la interferencia entre smbolos habr sido
eliminada, o al menos sucientemente reducida. As, a la salida del igualador se obtendr
una versin de la constelacin de los smbolos transmitidos que estar rotando en torno
al origen del plano complejo a una velocidad proporcional al error de frecuencia cometido.
Los mtodos de sincronizacin que se expondrn en el Captulo 11 realizarn los ajustes
nales de fase y frecuencia, necesarios antes de realizar las decisiones sobre los smbolos.
A diferencia de LMS, la regla de adaptacin de CMA (6.155) no requiere especicar un
retardo global d, de forma que no es posible determinar a priori el valor de dicho retardo
asociado al igualador, una vez que CMA ha convergido. De hecho, a diferencia de J
d
(la cual
presenta un nico mnimo), la funcin de coste J
CM
presenta en general varios mnimos, los
cuales suelen estar prximos a los igualadores MSE w
d,MSE
asociados a los distintos valores
de d. Debido a esto, CMA converger al mnimo local ms prximo al valor inicial w[0],
que puede estar asociado a un retardo con un elevado error cuadrtico medio (recurdese
que el valor del retardo puede afectar signicativamente a las prestaciones del igualador,
como se muestra en la Figura 6.12). Dado que el nico tipo de control que se puede ejercer
sobre el retardo nal obtenido por CMA es mediante la inicializacin del igualador, esta es
extremadamente importante. Una prctica comn, denominada inicializacin de pa central,
consiste en comenzar con un simple retardo de
K
w
2
muestras:
w[k; 0] =
_
1, k =
K
w
2

0, en otro caso
(6.157)
La razn es que CMA tiende a converger a igualadores con el mismo retardo asociado al
valor inicial. Dado que los valores en el centro del rango de retardos suelen proporcionar
prestaciones aceptables (de nuevo nos remitimos al ejemplo de la Figura 6.12), la estrategia
de inicializacin de pa central suele ser satisfactoria.
1.5 1 0.5 0 0.5 1 1.5
1
0.5
0
0.5
1
w[0]
w[1]
Figura 6.27. Evolucin de los coecientes del igualador con el algoritmo CMA para dos
inicializaciones distintas. Los crculos sealan los igualadores MSE correspondientes a los
retardos globales d = 1 y d = 2.
Ejemplo 6.23
En la Figura 6.27 se representan las lneas de J
CM
constante para el canal del Ejemplo 6.22 y un
igualador de dos coecientes. Estas lneas de contorno ya no son elipses, a diferencia de lo que
ocurra con el error cuadrtico medio. De hecho, para este canal J
CM
presenta cuatro mnimos
distintos. Dos de ellos se encuentran prximos a los igualadores MSE w
d,MSE
para d = 1 y
d = 2. Cambiando estos de signo, obtenemos los otros dos mnimos. Esto se debe a que, como
se ha dicho, J
CM
es insensible a rotaciones de fase en la salida del igualador (para coecientes
reales, la nica rotacin de fase posible es de radianes). Otra caracterstica de J
CM
que se puede
observar es la presencia de un mximo en w = 0. Esta propiedad no es exclusiva de este entorno,
sino que es general, aunque no lo demostraremos (vase tambin el Problema P6.25).
Tambin se muestran en la Figura 6.27 las trayectorias del algoritmo CMA para dos diferentes
inicializaciones de pa para el igualador (W(z) = 1 y W(z) = z
1
), ilustrando la importancia
de la inicializacin en las prestaciones obtenidas. Con un igualador inicial W(z) = 1, CMA
converge al mnimo local prximo a w
1,MSE
, que no es capaz de abrir el ojo a su salida. Para un
ltro inicial W(z) = z
1
, la convergencia es al mnimo cercano a w
2,MSE
, resultando en un ojo
abierto.
El problema que supone la interferencia entre smbolos para la correcta recuperacin de
la informacin transmitida ha tenido un papel clave en el diseo de los receptores desde hace
ya ms de cuarenta aos, con los primeros mdems telefnicos; as, la bibliografa sobre este
tema es bastante extensa. Los textos de Barry, Lee y Messerschmitt [5] y Proakis [61] son
buenas referencias generales. A. Viterbi propuso inicialmente su hoy famoso algoritmo para
la decodicacin de cdigos convolucionales en [90]; pocos aos despus, G. Forney lo
aplic al problema de deteccin ML de secuencias con ISI en [32].
El igualador fraccionario y la estructura con realimentacin de decisiones fueron pro-
puestos a principios de los setenta [84], [52]. La principal motivacin inicial de la estructura
fraccionaria fue su robustez frente a errores de sincronizacin, aunque ms recientemente ha
habido un inters renovado por estas estructuras en relacin con el problema de igualacin
ciega. El artculo [82] proporciona una buena introduccin prctica a los igualadores frac-
cionarios. Por otro lado, el igualador DFE se analiza en profundidad en el estudio general
[6].
La aplicacin del algoritmo LMS, que haba sido propuesto inicialmente por B. Widrow
[93] en un contexto ms general, al problema de la adaptacin del igualador lineal se debe
a R. Lucky. Desde entonces han aparecido numerosos algoritmos para este propsito: S.
Qureshi proporciona una buena visin general en el artculo tutorial [64], donde se discu-
te tambin la adaptacin de igualadores con realimentacin de decisiones y fraccionarios.
Algunas excelentes referencias sobre ltrado adaptativo son el texto de Haykin [40] y el ya
citado libro de Widrow y Stearns [93].
El algoritmo CMA, propuesto originalmente por D. Godard en [33], es quiz el mtodo
de igualacin ciega con ms xito. En [15] se puede encontrar una excelente introduccin a
las propiedades y caractersticas de CMA, mientras que [83] proporciona una visin prctica
del diseo y funcionamiento de un receptor ciego.
PROBLEMAS
P6.1 Demuestre que si para una cierta constelacin el nivel de ISI (6.6) del canal discreto
equivalente cumple
ISI
< 1, entonces en ausencia de ruido un decisor smbolo a
smbolo no comete errores (Ayuda: la desigualdad triangular establece que [
k
x
k
[
k
[x
k
[ para cualesquiera nmeros complejos x
k
).
P6.2 Un sistema de comunicaciones en banda base utiliza la modulacin BPSK, con ener-
ga media por smbolo E
s
. La respuesta impulsional del canal discreto equivalente es
p[n] = [n] +[n 1], con real y [[ < 1.
2.1. Suponga que los smbolos transmitidos son equiprobables e independientes. Cal-
cule la expresin de la probabilidad de error de smbolo en funcin de E
s
/N
0
y
cuando se emplea un decisor smbolo a smbolo.
2.2. A partir de dicha expresin, concluya que en este sistema el efecto de la ISI
es aproximadamente equivalente a una reduccin en la relacin seal a ruido
efectiva de 20 log(1 [[) dB con respecto al caso en que no hay ISI.
P6.3 En el Cuadro 6.1 se observa que para las constelaciones all enumeradas el parmetro
de robustez frente a la ISI , denido en (6.7), cumple 1.
3.1. Demuestre que esta propiedad se cumple para cualquier constelacin de M sm-
bolos complejos.
3.2. Demuestre que = 1 nicamente para una constelacin BPSK.
3.3. Halle en funcin de M para las constelaciones M-PAM y M-PSK. Para un M
dado, cul de estas constelaciones es ms robusta frente a la ISI?
P6.4 Demuestre que si p, q, son dos vectores dados, entonces minimizar la norma [[qap[[
2
con respecto a a sobre un subconjunto del plano complejo es equivalente a minimizar
[q
f
a[
2
sobre dicho subconjunto, donde q
f
= p
H
q/[[p[[
2
.
P6.5 Considere el modelo q = Ap + z en el que se transmite un mismo smbolo A por
K + 1 canales distintos, libres de ISI, donde p es el vector que recoge las amplitudes
de dichos canales y las componentes de z son variables aleatorias gausianas indepen-
dientes, circularmente simtricas, de media cero e idntica varianza
2
z
. Si formamos
el estadstico x = g
H
q como una combinacin lineal de las observaciones, cul es el
vector g que maximiza la relacin seal a ruido en x? Es nica la solucin? Cul es
la relacin seal a ruido resultante? (Ayuda: la desigualdad de Schwarz establece que
para dos vectores cualesquiera v, w, se tiene [v
H
w[ [[v[[ [[w[[, y la igualdad se
satisface si y slo si v y w son colineales, esto es, si w = v para algn escalar ).
P6.6 Demuestre la propiedad enunciada en la Pgina 317 referida a las mtricas acumu-
ladas. Para ello, considere el camino a tal que a coincide con a
antes de la etapa
m-sima del diagrama de rejilla, y con a despus de dicha etapa. Qu ocurre con a
si (6.23) no se satisface?
P6.7 Considere el Ejemplo 6.6 de aplicacin del algoritmo de Viterbi, ilustrado en la Figura
6.5. Obtenga las decisiones producidas por una versin truncada del algoritmo, usando
d
v
= 1. Coinciden estas decisiones con las de la versin no truncada? Repita el pro-
ceso para el caso extremo de una profundidad de truncamiento d
v
= 0. Existe alguna
diferencia con respecto a un decisor sin memoria basado en la distancia eucldea?
P6.8 Observe que en los clculos del algoritmo de Viterbi truncado con d
v
= 2 del Ejemplo
6.7, en la etapa n no todos los caminos iniciales comparten la misma rama corres-
pondiente a la etapa n d
v
= 0. Repita los clculos usando una profundidad de
truncamiento d
v
= 3 y compruebe si en tal caso se comparten o no.
P6.9 La rejilla de la Figura 6.3 puede descomponerse en cuatro subrejillas disjuntas, cada
una de las cuales conecta dos nodos en el instante n con otros dos nodos en el instante
n+1 (por ejemplo, una de estas subrejillas est dada por los nodos () y (+)
en el instante n, y los nodos () y (+) en el instante n + 1). Estas celdas o
subrejillas disjuntas reciben el nombre de mariposas.
Considere el caso general en el que la constelacin tiene M elementos y la memoria
del canal es K, de forma que la rejilla tiene M
K
estados.
9.1. Dena formalmente una mariposa estableciendo las propiedades de sus nodos de
entrada y de salida.
9.2. Cuntos nodos de entrada y de salida posee cada mariposa?
9.3. Cuntas mariposas posee la rejilla?
La importancia de esta divisin de la rejilla en mariposas es que, al ser disjuntas, las
operaciones requeridas por el algoritmo de Viterbi pueden ejecutarse en paralelo, es
decir, cada mariposa puede implementarse de forma independiente de y simultnea a
las dems. La unidad de clculo que realiza las operaciones asociadas a una mariposa
se denomina ACS (Add-Compare-Select ).
P6.10 Cul es la longitud mnima de cualquier suceso errneo para un diagrama de rejilla
correspondiente a una constelacin de M smbolos y un canal con memoria K?
P6.11 Suponga que para una constelacin con mnima distancia entre elementos d
min
y un
canal p[n] con energa [[p[[
2
=
K
k=0
[p[k][
2
dados, el diagrama de rejilla es tal que
existe un suceso errneo e = (,

) induciendo un nico error de smbolo, y tal que
dicho error ocurre entre dos smbolos de la constelacin separados d
min
. Demuestre
que para dicho suceso errneo se verica d(,

) = d
min
[[p[[. Podemos concluir
que D
min
= d
min
[[p[[?
P6.12 Considere la transmisin de smbolos binarios 1, +1 por el canal p[n] = 0,5[n]
0,5[n 1] + 0,8[n 2].
12.1. Dibuje el diagrama de rejilla etiquetando cada rama con la mtrica correspon-
diente.
12.2. Dibuje el diagrama de rejilla asociado a la constelacin de errores 2, 0, +2.
12.3. Determine los sucesos errneos con mnima distancia. Cul es el valor de D
min
?
12.4. Cul es el incremento en relacin seal a ruido SNR con respecto a un canal
sin ISI?
P6.13 Determine la funcin de autocorrelacin R
q
[m] = Eq
[n]q[n +m] de las muestras

de la seal recibida q[n]. A partir del modelo del canal discreto equivalente (6.3),
13.1. Demuestre que
R
q
[n] = E
s
k=0
p[k +n]p
[k] +
2
z
[n]
13.2. Concuerda esto con la expresin (6.60) de la matriz de autocorrelacin?
13.3. Tomando Transformadas Z en la expresin anterior, demuestre que la densidad
espectral de potencia de la seal recibida es
S
q
(z) = P(z)P
(1/z
) +
2
z
donde P(z) es la Transformada Z del canal discreto equivalente. Concluya que
S
q
(e
j
) = [P(e
j
)[
2
+
2
z
.
P6.14 Para un canal discreto equivalente p[n] de orden K y un igualador lineal w[n] de
orden K
w
, el canal global c[n] = w[n] p[n] tiene orden K + K
w
. En este problema
demostraremos que el diseo del igualador ZF mediante (6.64) resulta en un canal
global para el que su distancia eucldea a un impulso [n d], dada por
K+K
w
n=0
[c[n] [n d][
2
(6.158)
es mnima. Ntese que [n d] representa una respuesta completamente libre de ISI.
14.1. Siendo c el vector de coecientes del canal global, demuestre que c = Pw,
donde P es la matriz de convolucin del canal p[n], cuya traspuesta se introdujo
en (6.54). Concluya que la suma (6.158) puede reescribirse como [[
d
Pw[[
2
.
14.2. Escriba esta norma como [[
d
Pw[[
2
= (
d
Pw)
H
(
d
Pw) y desarrolle
esta expresin.
14.3. Compruebe que se verica
[[
d
Pw[[
2
= [1
H
d
P(P
H
P)
1
P
H
d
] +[[P[w (P
H
P)
1
P
H
d
][[
2
(6.159)
14.4. Observe que el primer sumando en (6.159) no depende de w. Concluya que el
vector w que minimiza (6.158) es w
d,ZF
, dado por (6.64).
14.5. Demuestre que el valor mnimo de (6.158), obtenido mediante w
d,ZF
, es el ele-
mento (d + 1)-simo de la diagonal de la matriz I P(P
H
P)
1
P
H
.
P6.15 Considere el canal discreto equivalente p[n] = 0,5[n] +0,45[n 1] 0,45[n 2]
de los Ejemplos 6.10 y 6.11.
15.1. Con la ayuda de un programa de manipulacin numrica, obtenga la respuesta
impulsional del igualador ZF bajo el criterio de mnimos cuadrados para K
w
=
15, d = 9 y para K
w
= 20, d = 12, y represente el diagrama de ceros del
igualador y del canal global para ambos casos. Qu es lo que observa?
15.2. Considere la respuesta impulsional de un sistema lineal e invariante en el tiempo
con N ceros equiespaciados sobre una circunferencia de radio r > 0 centrada
en el origen del plano complejo. Demuestre que la respuesta impulsional c[n] =
[n] (re
j
)
N
[n N], con [0, 2), cumple esta propiedad.
15.3. Obtenga la funcin de transferencia C(e
j
) correspondiente a esta respuesta al
impulso y demuestre que el valor de la variacin pico a pico de [C(e
j
)[
2
es
m ax
[C(e
j
)[
2
mn
[C(e
j
)[
2
=
[1 +r
N
[
2
[1 r
N
[
2
(6.160)
A partir de este resultado, concluya que si r ,= 1 entonces [C(e
j
)[
2
tiende a
hacerse plana a medida que el nmero N de ceros equiespaciados aumenta.
P6.16 Sea c[n] la respuesta impulsional del canal global obtenida con el igualador lineal
MSE de orden K
w
y retardo d. Demuestre que el valor mnimo de la varianza del error,
dado en (6.63), puede escribirse como (1 c[d])E
s
. Por tanto, el valor del coeciente
cursor del canal global, c[d], es siempre real y menor que la unidad.
P6.17 En el diseo del igualador DFE, suponga que el orden del canal discreto equivalen-
te K, el nmero de coecientes del ltro de realimentacin K
b
, el orden del ltro
precursor K
w
, y el retardo global d son tales que se tiene d +K
b
> K +K
w
.
17.1. Demuestre que, para un ltro precursor jo y con coecientes w, los coecientes
del ltro de realimentacin que minimiza el error cuadrtico medio estn dados
por b
opt
(w) = E
1
s
E a
[n]a
T
[n]Pw, donde a[n] y a[n] son los vectores
denidos en (6.74) y (6.77) respectivamente.
17.2. Demuestre que la matriz E a
[n]a
T
[n] est dada por
E a
[n]a
T
[n] =
_
0
(K+K
w
d)(d+1)
E
s
I
K+K
w
d
0
(d+K
b
KK
w
)(d+1)
0
(d+K
b
KK
w
)(K+K
w
d)
_
17.3. Cul es el valor de los ltimos (d +K
b
) (K +K
w
) coecientes del ltro de
realimentacin ptimo? Cmo interpreta este resultado en trminos de cancela-
cin de ISI postcursora, en vista de la Figura 6.15?
17.4. Concluya que el error cuadrtico medio obtenido no vara si el nmero de coe-
cientes del ltro de realimentacin se reduce a K
b
= K +K
w
d < K
b
.
P6.18 Considere el diseo del igualador DFE bajo el criterio MSE. Suponga que el orden
K
b
del ltro de realimentacin se escoge igual al orden del canal discreto equivalente:
K
b
= K. En tal caso, la condicin (6.82) d +K
b
K +K
w
se reduce a d K
w
.
18.1. Demuestre que en tal caso (K
b
= K y d K
w
) la matriz D
T
d
P admite la
siguiente particin:
D
T
d
P =
_
_
L 0
(d+1)(K
w
d)
0
K(d+1)
0
K(K
w
d)
0
(K
w
d)(d+1)
U
_
_
donde L es una matriz cuadrada triangular inferior tamao d + 1, y U es una
matriz cuadrada triangular superior de tamao K
w
d.
18.2. Demuestre que los ltimos K
w
d coecientes del vector P
H
d
son cero.
18.3. Utilizando los resultados anteriores y en vista de (6.91), demuestre que los lti-
mos K
w
d coecientes del ltro precursor del DFE son iguales a cero.
18.4. Concluya que el error cuadrtico medio obtenido no vara si el nmero de coe-
cientes del ltro precursor se reduce a K
w
= d K
w
. Cmo interpreta este
resultado en trminos de cancelacin de ISI postcursora?
18.5. De este resultado, junto con el del Problema P6.17, deduzca que no se obtiene
reduccin alguna del error cuadrtico medio incrementando el orden K
b
del ltro
de realimentacin ms all del orden K del canal discreto equivalente.
P6.19 Considere el modelo (6.96) para la salida del ltro adaptado muestreada a periodo
T/2. Demuestre que en el modelo matricial q
s
[n] = P
T
s
a[n] + z
s
[n] para el vector
q
s
[n] denido en (6.101), la la m-sima de la matriz P
T
s
para m = 1,. . . , 2(K
w
+1),
est dada por
[0, , 0,
. .
k1
p
s
[0], p
s
[2], , p
s
[2K], 0, , 0
. .
K
w
k+1
], para m = 2k 1
[0, , 0,
. .
k
p
s
[1], p
s
[3], , p
s
[2K 1], 0, , 0
. .
K
w
k
], para m = 2k
P6.20 Sea n(t) el ruido aditivo en el canal, y sea z(t) el proceso obtenido al pasar n(t) por
el ltro receptor f(t).
20.1. Calcule la funcin de autocorrelacin de z(t), R
z
(), suponiendo que la densi-
dad espectral de potencia de n(t) es S
n
(j) = N
0
/2 W/Hz.
20.2. Suponga que f(t) es un pulso en raz de coseno alzado con factor de cada .
Considere el proceso z
s
[n] = z(nT/2) obtenido al muestrear z(t) con periodo
T
s
= T/2. Es z
s
[n] un proceso blanco?
20.3. Calcule la matriz de autocorrelacin del vector z
s
[n] de las muestras de ruido,
dado por z
s
[n] = [z
s
[2n], z
s
[2n 1], , z
s
[2n 2K
w
1]]
T
.
P6.21 En este problema se obtiene una expresin para la relacin entre los valores asintticos
del error cuadrtico medio mnimo correspondientes a los igualadores lineal y con
realimentacin de decisiones.
21.1. Sean e
lin
[n] y e
dfe
[n] los errores de igualacin obtenidos con los esquemas p-
timos lineal y DFE respectivamente. Partiendo de (6.120), halle el ltro causal y
estable G(z) con respuesta impulsional g[n] tal que e
lin
[n] = g[n] e
dfe
[n].
21.2. A partir del resultado anterior, obtenga la relacin entre las varianzas
lin
=
E[e
lin
[n][
2
,
dfe
= E[e
dfe
[n][
2
en funcin del ltro de realimentacin B
(Ayuda: e
dfe
[n] es un proceso blanco).
21.3. Concluya que
lin
/
dfe
1, con igualdad si y slo si el ltro de realimentacin
ptimo es B(z) = 0.
P6.22 La desigualdad de Jensen (vase el Apndice 9.B) establece que para toda varia-
ble aleatoria X y toda funcin cncava f denida sobre el rango de X, se tiene
Ef(X) f (EX).
22.1. Utilice la concavidad de la funcin logaritmo para demostrar que Eln g(X)
ln Eg(X) para toda funcin no negativa g y toda variable aleatoria X.
22.2. Particularizando al caso en el que X est uniformemente distribuida en [, ),
demuestre la desigualdad entre las medias geomtrica y aritmtica de g:
exp
_
1
2
_

ln g()d
_
1
2
_

g()d
22.3. Verique que la igualdad se cumple si g es constante en [, ).
P6.23 En este problema se extiende el diseo LS del igualador, basado en smbolos de en-
trenamiento, al esquema con realimentacin de decisiones. La expresin del error de
igualacin para un esquema DFE con retardo global d es
e
d
[n] = A[n d]
K
w
k=0
w[k]q[n k] +
K
b
k=1
b[k]

A[n d k]
23.1. Generalice (6.134) a esta conguracin para obtener un modelo de la forma
e
d
= a
d
Qw +

A
d
b, donde w y b son los vectores con los coecientes del
ltro precursor y de realimentacin respectivamente. La matriz

A
d
est forma-
da por decisiones previas, que podemos suponer correctas; por tanto,

A
d
puede
construirse a partir de los smbolos de entrenamiento.
23.2. Demuestre que para un ltro precursor dado, el ltro de realimentacin que mi-
nimiza [[e
d
[[
2
es b
d,LS
= (

A
H
d

A
d
)
1

A
H
d
(a
d
Qw).
23.3. Con este ltro de realimentacin, demuestre que el vector de error puede escri-
birse como e
d
= G
d
(a
d
Qw), donde G
d
.
= I

A
d
(

A
H
d

A
d
)
1

A
H
d
.
23.4. Demuestre que el ltro precursor que minimiza [[e
d
[[
2
est dado por w
d,LS
=
(Q
H
G
d
Q)
1
QG
d
a
d
.
P6.24 Dada una matriz R de tamao n n simtrica y real, se dene la forma cuadrtica
asociada a Rcomo la funcin f(v) = v
T
Rv, con v R
n
. Se dice que Res denida
positiva, lo que se denota mediante R > 0, si se tiene f(v) > 0 para todo v ,= 0.
24.1. Demuestre que el gradiente, esto es, el vector de derivadas, de f(v) con respecto
a v es f(v) = 2Rv.
24.2. Demuestre que si R > 0, el nico punto en el que f(v) se anula es v = 0.
Concluya que este punto es el nico mnimo de f(v).
24.3. Considere la matriz de autocorrelacin R = Eq
[n]q
T
[n] que aparece en
(6.147). Utilizando el modelo (6.54) para el vector q[n], calcule R en funcin
de la matriz de convolucin del canal P, la energa media por smbolo E
s
y la
varianza del ruido
2
z
. Demuestre que Res denida positiva.
24.4. Concluya que, en el caso real, la funcin de coste (6.147) posee un nico mnimo
en w = w
d,MSE
(esto es tambin cierto en el caso complejo).
P6.25 Suponga que en la adaptacin del igualador mediante CMA, dada por (6.155), se es-
coge la inicializacin w[0] = 0 para el vector de coecientes. Puede predecir la
evolucin de w[n] para n > 0? Existe este problema con el algoritmo LMS?
6.A PROBABILIDAD DE ERROR DE SMBOLO DEL DETECTOR ML 381
APNDICES
6.A. PROBABILIDAD DE ERROR DE SMBOLO DEL DETECTOR ML
Procederemos aqu a demostrar la expresin de la probabilidad de error de smbolo del
detector ML dada por (6.27). Considrese la etapa n del diagrama de rejilla, y denotemos
por P
e
[n] la probabilidad de que el smbolo decidido en el instante n por el detector ML sea
errneo. Para que esto ocurra, es preciso que haya habido un suceso errneo. Para cualquier
suceso errneo e, denamos la variable
n
(e)
.
=
_
1 si e produce un smbolo errneo en la etapa n
0 en otro caso
As, la probabilidad de que se haya producido un smbolo errneo en el instante n causado
por un suceso errneo e es
n
(e)Pre, y por tanto,
P
e
[n] =
ec
n
(e)Pre (6.161)
donde c es el conjunto de todos los sucesos errneos. Ntese que podemos escribir c =
k=
c
k
, donde c
k
es el conjunto de sucesos errneos comenzando en la etapa k de la
rejilla. Dado que los c
k
son disjuntos, (6.161) resulta en
P
e
[n] =
k=
e
k
c
k
n
(e
k
)Pre
k
(6.162)
Observemos ahora que el conjunto de sucesos errneos comenzando en una etapa dada es
numerable, de forma que podemos escribir c
k
= e
(m)
k
, m = 0, 1, 2, . . .. As,
P
e
[n] =
k=
m=0
n
_
e
(m)
k
_
Pr
_
e
(m)
k
_
(6.163)
Suponiendo que el nmero de smbolos transmitidos, L, es sucientemente grande, pode-
mos suponer que las caractersticas de los sucesos errneos son estacionarias. En particular,
podemos establecer una correspondencia uno a uno entre los elementos de los conjuntos c
k
1
y c
k
2
, de forma que e
(m)
k
2
se obtiene de e
(m)
k
1
sin ms que desplazarlo de la etapa k
1
a la etapa
k
2
. Nuestra hiptesis de estacionariedad implica entonces que, para todo k
1
, k
2
,
Pr
_
e
(m)
k
2
_
= Pr
_
e
(m)
k
1
_
,
n
_
e
(m)
k
1
_
=
nk
1
+k
2
_
e
(m)
k
2
_
(6.164)
Aplicando estas propiedades en (6.163),
P
e
[n] =
k=
m=0
nk
_
e
(m)
0
_
Pr
_
e
(m)
0
_
=
i=
m=0
i
_
e
(m)
0
_
Pr
_
e
(m)
0
_
=
m=0
Pr
_
e
(m)
0
_

i=
i
_
e
(m)
0
_
. .
=w
e
(m)
0
ec
0
w(e)Pre (6.165)
que es (6.27). Obsrvese que (6.165) no depende de n, es decir, P
e
[n] = P
e
para todo n.
Esto, naturalmente, es una consecuencia de la hiptesis de estacionariedad. Tambin pode-
mos observar que (6.165) es el valor medio del nmero de smbolos incorrectos inducidos
por los sucesos de error que comienzan en una etapa determinada de la rejilla.
6.B. ESTIMACIN LINEAL PTIMA
El problema de la estimacin lineal ptima puede plantearse informalmente de la si-
guiente forma. Dado un conjunto de vectores, cul es la combinacin lineal de ellos que
mejor aproxima otro vector dado?
En esta formulacin general, un vector es cualquier elemento de un espacio de Hilbert.
El caso ms comn es el espacio vectorial C
K
con el producto escalar usual, aunque existen
mltiples aplicaciones a otros espacios de Hilbert: uno que nos interesa particularmente es
el de las variables aleatorias conjuntamente distribuidas, al que volveremos tras presentar la
solucin al caso general.
Sea 1 un espacio de Hilbert sobre el conjunto de los nmeros complejos C, dotado con
el producto escalar , (vase Apartado 2.1.4). Dado un conjunto de K vectores w
k
1,
k = 1, . . . , K, y otro vector v 1, el problema es el siguiente: determinar los escalares
1
, . . . ,
K
de forma que el estimador v
.
=
1
w
1
+ +
K
w
K
minimice la norma del
error resultante [[v v[[
2
.
Podemos desarrollar la norma de este error para obtener
[[v v[[
2
= v v, v v = [[v[[
2
v, v v, v +[[ v[[
2
(6.166)
El primer sumando, [[v[[
2
, no depende de los escalares
k
. Los otros trminos estn dados
por
v, v =
_
K
k=1
k
w
k
, v
_
=
K
k=1
k
w
k
, v (6.167)
[[ v[[
2
=
_
K
k=1
k
w
k
,
K
l=1
l
w
l
_
=
K
k=1
K
l=1
l
w
k
, w
l
(6.168)
Deniendo el vector
.
= [
1

K
]
T
, estos trminos pueden expresarse de forma
compacta como
v, v = c
H
, [[ v[[
2
=
H
R (6.169)
donde el vector c y la matriz Restn dados por
c
.
=
_
_
v, w
1
v, w
2
.
.
.
v, w
K
_
, R
.
=
_
_
w
1
, w
1
w
2
, w
1
w
K
, w
1
w
1
, w
2
w
2
, w
2
w
K
, w
2
.
.
.
.
.
.
.
.
.
.
.
.
w
1
, w
K
w
2
, w
K
w
K
, w
K
_
(6.170)
6.B ESTIMACIN LINEAL PTIMA 383
As, la norma del error de aproximacin (6.166) puede escribirse como
[[v v[[
2
= [[v[[
2
c
H
H
c +
H
R (6.171)
Para hallar el vector ptimo vamos a manipular ligeramente esta expresin. Sustituyamos
c
H
y
H
c en (6.171) por c
H
R
1
R y
H
RR
1
c, respectivamente:
[[v v[[
2
= [[v[[
2
c
H
R
1
R
H
H
RR
1
c +
H
R (6.172)
y aadamos la cantidad c
H
R
1
RR
1
c c
H
R
1
c (la cual es igual a cero), para obtener
[[v v[[
2
=
_
[[v[[
2
c
H
R
1
c
_
c
H
R
1
R
H
(6.173)
H
RR
1
c +
H
R+c
H
R
1
RR
1
c
=
_
[[v[[
2
c
H
R
1
c
_
+ (R
1
c)
H
R(R
1
c). (6.174)
Observamos que el primer sumando en (6.174) no depende de los coecientes
k
. El segun-
do trmino es no negativo, puesto que Res una matriz hermtica y denida positiva
14
, como
el lector puede comprobar usando las propiedades del producto escalar, si se supone que los
vectores w
1
, . . . , w
K
son linealmente independientes.
Por ello, est claro que [[v v[[
2
ser mnima si se toma =
opt
.
= R
1
c. Los
coecientes ptimos
opt
= [
opt,1

opt,K
]
T
son, por tanto, la solucin de las
denominadas ecuaciones normales
R
opt
= c (6.175)
El valor mnimo de la norma del error que resulta es
[[v v
opt
[[
2
= [[v[[
2
c
H
R
1
c = [[v[[
2
H
opt
R
opt
(6.176)
Una importante propiedad del estimador ptimo v
opt
=
opt,1
w
1
+ +
opt,K
w
K
,
que el lector puede comprobar, es que el error resultante es ortogonal a todos los vectores
w
k
, propiedad conocida como principio de ortogonalidad o Teorema de la proyeccin:
v v
opt
, w
k
= 0, k = 1, . . . , K (6.177)
Su interpretacin geomtrica se muestra en la Figura 6.28. Dado que el estimador de v se
construye como combinacin lineal de los w
k
, la norma del error ser mnima cuando dicho
estimador es la proyeccin de v sobre el subespacio generado por w
1
, . . . , w
K
.
La estimacin lineal de mnima varianza constituye una aplicacin importante de lo
expuesto. El conjunto de variables aleatorias complejas conjuntamente distribuidas, con el
producto escalar x, y
.
= Exy
, constituye un espacio de Hilbert, como el lector puede

comprobar fcilmente. Sean v C, w = [ w
1
w
K
]
T
C
K1
variables aleatorias
14
R C
KK
es hermtica si cumple R = R
H
; en tal caso, x
H
Rx es real para todo x C
K
. Res denida
positiva si adems x
H
Rx > 0 para todo x ,= 0.
subespacio generado
por ,..., w w
1 K
opt
v
opt
- v v
v
Figura 6.28. Principio de ortogonalidad. El error del estimador lineal ptimo es ortogonal
al subespacio generado por los vectores sobre los que se basa la estimacin.
conjuntamente distribuidas, ambas de media cero
15
. A menudo es preciso obtener una esti-
macin del valor de v a partir de la observacin de w. Una posible forma de hacerlo consiste
en plantear un estimador v lineal, dado por v =
T
w =
1
w
1
+ +
K
w
K
.
El estimador lineal de mnima varianza se dene como aqul para el cual el valor cua-
drtico medio
16
del error de estimacin, E[v v[
2
, es mnimo. Este error cuadrtico puede
expresarse como
E[v v[
2
= E(v v)(v v)
= v v, v v = [[v v[[
2
por lo que el problema es un caso particular de la formulacin general expuesta. En vista de
nuestro desarrollo precedente, el vector de coecientes ptimo es la solucin de las ecua-
ciones normales (6.175), donde el vector c y la matriz Rdenidos en (6.170) estarn dados
ahora por
c = Ew
v, R = Ew
w
T
(6.178)
La varianza del error de estimacin que se consigue de este modo se obtiene de (6.176):
E[v v
opt
[
2
= E[v[
2
c
H
R
1
c
= E[v[
2

H
opt
Ew
w
T
opt
(6.179)
En este contexto, el principio de ortogonalidad (6.177) se traduce en que el error de esti-
macin se halla incorrelacionado con las variables aleatorias w
1
,. . . , w
K
, es decir, E(v
v
opt
)w
k
= 0 para k = 1, . . . , K.
15
En caso de que v, w no tengan media cero, basta sustituir v por v
.
= v E|v y w por w
.
= wE|w,
las cuales s son de media cero.
16
Ntese que E|v v = E|v
T
E|w = 0
T
0 = 0, de forma que la varianza del error de
estimacin coincide con su valor cuadrtico medio.
6.C MINIMIZACIN DE LA DENSIDAD ESPECTRAL DE POTENCIA DEL ERROR DE IGUALACIN 385
6.C. MINIMIZACIN DE LA DENSIDAD ESPECTRAL DE POTENCIA DEL
ERROR DE IGUALACIN
En este Apndice se desarrolla la solucin al problema de minimizacin con respecto a
W de una densidad espectral de potencia S
e
de la forma
S
e
= [D WP[
2
S
A
+[W[
2
S
z
(6.180)
donde S
A
y S
z
representan respectivamente las densidades espectrales de potencia de los
smbolos y del ruido, siendo por tanto reales y positivas. Desarrollando esta expresin,
S
e
= (D WP)(D
)S
A
+[W[
2
S
z
= ([D[
2
+[W[
2
[P[
2
WPD
D)S
A
+[W[
2
S
z
= ([D[
2
+
2
[P[
2
e
j
PD
e
j
P
D)S
A
+
2
S
z
(6.181)
donde
.
= [W[ y
.
= W. Derivando (6.181) con respecto a se obtiene
S
e
= 2([P[
2
S
A
+S
z
) (e
j
PD
+e
j
P
D)S
A
(6.182)
la cual se anula para
= S
A
e
j
PD
+e
j
P
D
2([P[
2
S
A
+S
z
)
(6.183)
Por otro lado, derivando (6.181) con respecto a se tiene
S
e
= S
A
(je
j
PD
+je
j
P
D) (6.184)
que se anular si e
j
PD
= e
j
P
D. Sustituyendo esto en (6.183) obtenemos

= S
A
e
j
P
D
[P[
2
S
A
+S
z
(6.185)
y por tanto el W ptimo est dado por
W = e
j
=
S
A
P
D
[P[
2
S
A
+S
z
(6.186)
El valor mnimo de S
e
se obtiene sustituyendo (6.186) en (6.180):
S
e
=
S
A
S
z
[D[
2
[P[
2
S
A
+S
z
(6.187)
6.D. DEMOSTRACIN DEL TEOREMA DE FACTORIZACIN ESPECTRAL
Sea S(z) tal que S(e
j
) es real y 0 < S(e
j
) < S
0
para todo y alguna constante S
0
.
En el desarrollo en serie de Fourier S(e
j
) =
k=
s
k
e
jk
se verica s
k
= s
k
para
todo k, ya que S
(e
j
) = S(e
j
). Por tanto, se tiene S(z) = S
(1/z
), lo cual implica
que si z
0
es un cero (o un polo) de S(z), entonces su recproco conjugado 1/z
0
ha de serlo
tambin. Es decir, los polos y ceros de S(z) se presentan en pares de recprocos conjugados
(z
0
, 1/z
0
). Sean d
1
,. . . , d
M
los ceros de S(z) en el interior de la circunferencia unidad, y
sean c
1
,. . . , c
N
los polos de S(z) tambin en dicho interior. Podemos entonces escribir
S(z) =
2
S

M
k=1
(1 d
k
z
1
)
N
k=1
(1 c
k
z
1
)
. .
.
=1+F(z)

M
k=1
(1 d
k
z)
N
k=1
(1 c
k
z)
. .
=1+F
(1/z
)
(6.188)
para alguna constante
2
S
. Ntese que la funcin 1 + F(z) as construida es causal, estable,
y de fase mnima, y que el hecho de que S(e
j
) sea estrictamente positiva y est acotada
implica que S(z) no puede poseer polos ni ceros sobre la circunferencia unidad.
Para calcular el valor de
2
S
, observemos que, integrando el logaritmo de (6.188),
1
2
_

ln S(e
j
)d = ln
2
S
+
M
k=1
1
2
_

ln
1 d
k
e
j
2
d
k=1
1
2
_

ln
1 c
k
e
j
2
d (6.189)
Teniendo en cuenta que ln [1 ae
j
[
2
= ln(1 ae
j
) + ln(1 a
e
j
) vemos que:
1
2
_

ln [1ae
j
[
2
d =
1
2
_

ln(1ae
j
)d+
1
2
_

ln(1a
e
j
)d (6.190)
Cada una de las dos integrales de la derecha puede verse como una Transformada de Fourier
inversa evaluada en n = 0. Para calcular la primera integral sea, por tanto, t
1
[n] la secuencia
cuya Transformada de Fourier T
1
(e
j
) es ln(1ae
j
). Derivando con respecto a tenemos
que
dT
1
(e
j
)
d
=
jae
j
(1 ae
j
)
(6.191)
Por otro lado, sabemos que derivar en frecuencia con respecto a equivale en el dominio
temporal a multiplicar por jn (vase Pgina 49). Por tanto, utilizando el Cuadro 2.3 de
pares transformados bsicos, podemos escribir que
jnt
1
[n] =
_
ja
n
, n > 0
0, en otro caso
(6.192)
6.D DEMOSTRACIN DEL TEOREMA DE FACTORIZACIN ESPECTRAL 387
con lo que
t
1
[n] =
_
a
n
n
, n > 0
0, en otro caso
(6.193)
de donde deducimos que t
1
[0] = 0.
Similares argumentos sirven para demostrar que si t
2
[n] denota la Tranformada de Fou-
rier inversa de ln(1 a
e
j
), entonces
t
2
[n] =
_
(a
)
n
n
, n < 0
0, en otro caso
(6.194)
de donde, de nuevo, concluimos que t
2
[0] = 0.
Por tanto, las integrales de la forma (6.190) valen 0, lo que establece la validez de
(6.123).
CAPTULO 7
MODULACIONES DE FASE Y
FRECUENCIA
En este captulo revisaremos un conjunto de modulaciones que comparte la caracters-
tica de tener envolvente constante, de modo que la informacin se transmite (con mayor
o menor grado de complejidad) en la fase de la portadora. Ello presenta la ventaja de una
mayor inmunidad a las distorsiones no lineales tpicas de las etapas de amplicacin en ra-
diofrecuencia y de, como veremos, permitir en muchos casos soluciones incoherentes, esto
es, que no requieren conocer la fase exacta de la portadora de la seal recibida, siempre a
costa de una prdida en prestaciones que en muchas aplicaciones prcticas puede resultar
asumible.
Para transmitir la informacin en la fase, se puede cambiar directamente la fase de la
portadora en funcin de la seal de informacin o recurrir a esquemas que envan la infor-
macin en cambios incrementales de fase, pudiendo ser dichos cambios discretos o con-
tinuos. En este ltimo caso, la solucin ms simple consiste en enviar la informacin en
la frecuencia, esto es, en la derivada de la fase instantnea, alternativa que conduce a im-
plementaciones hardware extremadamente sencillas. Por ltimo, veremos cmo la idea de
modicar la fase instantnea para modular informacin se puede generalizar considerable-
mente en las llamadas modulaciones de fase continua que, incrementando la complejidad
del receptor, permiten aumentar la eciencia espectral.
7.1. MODULACIONES DE FASE
En este apartado nos ocuparemos de una familia de modulaciones paso banda que cons-
truyen la seal a transmitir modulando la fase de la portadora de un modo sencillo. Como
ya hemos sealado, la modulacin de fase es ventajosa cuando el canal incluye efectos no
lineales sobre la amplitud, como es el caso de los amplicadores de radiofrecuencia em-
pleados en comunicaciones mviles y va satlite. Estas no linealidades tpicamente tienen
la forma de una zona lineal y una saturacin. Para obtener el mximo rendimiento del am-
plicador se desea trabajar lo ms cerca posible de la saturacin; en el caso de modulaciones
390 MODULACIONES DE FASE Y FRECUENCIA
de amplitud esto tiene como consecuencia una notable distorsin (adems de un mayor an-
cho de banda ocupado) que afecta negativamente al rendimiento
1
. En cierto modo, todas las
modulaciones que estudiaremos se derivan a partir de la PSK (descrita en el Apartado 5.4)
y tratan de paliar algunos de sus defectos.
Para conseguir envolvente constante, podramos partir de la seal PSK denida en (5.69)
usando como ltro conformador un pulso rectangular causal de duracin T segundos y nor-
malizado en energa, esto es,
g(t) =
1
T
w
T
(t) (7.1)
siendo w
T
(t) un pulso rectangular causal, que ser utilizado a menudo ms adelante, por lo
que conviene introducir aqu su expresin
w
T
(t) =
_
1 0 t < T
0 resto
(7.2)
Por desgracia, el precio que pagaramos por la simplicidad del modulador es la necesidad de
un considerable ancho de banda, ya que, bajo la hiptesis de que la secuencia de smbolos
equiprobables complejos es blanca con energa media E
s
= E[A[n][
2
, y aplicando la
Ecuacin (5.72) a este caso, la densidad espectral de potencia de la seal en banda base s(t)
ser
S
s
(j) = E
s
sinc
2
_
T
2
_
(7.3)
El espectro resultante es una sinc al cuadrado que decrece como 1/
2
, por lo que sus l-
bulos secundarios contienen una energa considerable. Esto hace que, en canales limitados
en ancho de banda, como puede ser el caso de comunicaciones mviles, su uso sin ms
modicaciones no sea aconsejable. Una forma de razonar el porqu de esa ineciencia
espectral consiste en pensar en los saltos bruscos de fase que se pueden producir cada T
segundos. En la Figura 7.1 se representa un fragmento de seal transmitida x(t) con una
modulacin QPSK con pulsos rectangulares, adems de las correspondientes componentes
en fase y cuadratura. Para facilitar la visualizacin, la portadora ha sido desfasada /4 radia-
nes. Como podemos observar, los saltos de fase en la portadora de un smbolo al adyacente
pueden ser de 90
o
y 180
o
: el primer caso se da cuando vara una sola de las componentes,
mientras que en el segundo caso el cambio acontece simultneamente en ambas componen-
tes. Estas discontinuidades de fase son en ltima instancia las responsables del ancho de
banda ocupado.
7.1.1. Modulaciones QPSK con desplazamiento temporal
Una forma obvia de reducir el ancho de banda de la seal transmitida es colocar un
ltro paso banda en el transmisor que reduzca la radiacin de potencia fuera de la banda
1
Para modulaciones de amplitud la solucin es trabajar en la zona lineal para todo el rango de envolventes
de entrada, lo que se consigue reduciendo la potencia de salida del amplicador.
7.1 MODULACIONES DE FASE 391
0 T 2T 3T 4T 5T 6T 7T
x(t)
s
I
(t)
s
Q
(t)
Figura 7.1. Fragmento de una seal QPSK x(t) y componentes en fase s
I
(t) y cuadratura s
Q
(t).
deseada. Como sabemos, este ltro se podra agrupar con el pulso rectangular g(t) para
producir el pulso conformador que efectivamente estamos usando y que, naturalmente, deja
de ser el pulso rectangular original. En otras palabras, el proceso de ltrado paso banda va a
traer como consecuencia que la seal transmitida deje de tener envolvente constante. En el
Problema P7.1 se comprueba cmo los saltos de fase de 180
o
son muy perjudiciales, ya que
dan lugar, tras el ltrado paso banda, a relaciones entre los valores mximo y mnimo de la
envolvente que pueden llegar a valer innito.
Una forma sencilla de evitar los saltos de fase de 180
o
consiste en no cambiar simul-
tneamente las partes en fase y cuadratura, lo que se puede conseguir desplazando medio
periodo de smbolo la seal en cuadratura con respecto a la componente en fase
2
. Por esta
razn, la modulacin resultante se denomina QPSK con desplazamiento (Offset QPSK,
OQPSK) . Con esta solucin, los saltos de fase ocurren con mayor frecuencia (cada T/2
segundos) pero son slo de 90
o
. Esta circunstancia se ilustra en la Figura 7.2, donde se
representa la seal x(t) correspondiente a una modulacin OQPSK con pulsos rectangula-
res. Para facilitar la visualizacin, la portadora ha sido desfasada /4 radianes. Asimismo,
se representan las componentes en fase y cuadratura, comprobndose que ahora estn des-
plazadas relativamente T/2 segundos.
En el Problema P7.1 se demuestra que la relacin entre los valores mximo y mnimo
de la envolvente de la seal OQPSK tras un ltrado paso banda es de

2, mientras que en
la QPSK era innito.
Formalmente, la seal transmitida en OQPSK es
x(t) =
2s
I
(t) cos(
c
t)
2s
Q
(t) sen(
c
t) (7.4)
siendo s
I
(t) y s
Q
(t) idnticas a las denidas en (5.56-5.57), adaptadas a este caso (pulsos
2
En el Problema P7.6 se presenta otra forma de evitar los saltos de fase de 180
o
en la que las componentes
en fase y en cuadratura cambian simultneamente.
0 T 2T 3T 4T 5T 6T 7T
x(t)
s
I
(t)
s
Q
(t)
Figura 7.2. Fragmento de una seal OQPSK x(t) y componentes en fase s
I
(t) y cuadratura s
Q
(t).
rectangulares):
s
I
(t) =
n
1eA[n]g(t nT) (7.5)
s
Q
(t) =
n
JmA[n]g(t nT T/2) (7.6)
con g(t) el pulso rectangular introducido en (7.1). Como en la QPSK, si las partes real e
imaginaria de los smbolos son independientes, la modulacin OQPSK equivale a transmitir
con sendas constelaciones binarias antipodales sobre los canales en fase y cuadratura. Te-
niendo presente que la seal en cuadratura se genera desplazada T/2 segundos con respecto
a la seal en fase, el modulador enviar entonces los smbolos binarios pares en la compo-
nente en fase y los impares sobre la componente en cuadratura, tal como se esquematiza en
la Figura 7.3.
Cod. Binario
Antipodal
2g t ( )
2g t ( )
cos( ) w
c
t
sen( ) w
c
t
B n [ ] A n [ ]
-
x t ( )
Cada T/2
segundos
Figura 7.3. Arquitectura de un modulador para OQPSK.
Espectro de la seal OQPSK
La determinacin de la densidad espectral de potencia de la seal transmitida OQPSK
puede apoyarse en que el espectro total es simplemente la suma de los correspondientes
a las partes en fase y cuadratura, si suponemos que los smbolos antipodales transmitidos
sobre cada componente estn incorrelacionados. Estudiemos primero el espectro de potencia
de la parte en fase x
1
(t)
.
=
2s
I
(t) cos(
c
t), que no es ms que una seal PAM-DSB.
Denotaremos este espectro por S
x1
(j). En el Apartado 3.3.8 se demostr que la densidad
espectral de potencia de una seal como x
1
(t), suponiendo que esta es de banda estrecha,
tiene la forma
S
x1
(j) =
1
2
S
sI
(j j
c
) +S
sI
(j j
c
) (7.7)
siendo S
sI
(j) el espectro de potencia de s
I
(t). El clculo de S
sI
(j) es inmediato a partir
de la Ecuacin (3.297). As, para una secuencia blanca transmitida sobre el canal en fase,
con pulsos g(t) en transmisin, tenemos
S
sI
(j) =
E1e
2
A[n]
T
[G(j)[
2
(7.8)
Por otra parte, deniendo x
2
(t)
.
=
2s
Q
(t) sen(
c
t) podemos calcular su densidad
espectral de potencia, que denotamos por S
x2
(j). Es inmediato ver, adaptando el clculo
del espectro de una seal como (3.364) al caso de una modulacin con un seno, que
S
x2
(j) =
1
2
S
sQ
(j j
c
) +S
sQ
(j j
c
) (7.9)
siendo S
sQ
(j) el espectro de potencia de s
Q
(t). En cuanto al clculo de dicho espectro,
de nuevo se puede aplicar la relacin en 3.297. As, para una secuencia blanca transmitida
sobre el canal en cuadratura resulta
S
sQ
(j) =
EJm
2
A[n]
T
[G(j)[
2
(7.10)
donde se ha tenido en cuenta que la densidad espectral de potencia de s
Q
(tT/2) es idntica
a la de s
Q
(t). Por tanto,
S
x
(j) = S
x1
(j) +S
x2
(j)
=
E1e
2
A[n] +EJm
2
A[n]
2T
_
[G(j j
c
)[
2
+[G(j j
c
)[
2
_
=
E
s
2T
_
[G(j j
c
)[
2
+[G(j j
c
)[
2
_
(7.11)
siendo E
s
la energa media por smbolo transmitido. Particularizando la expresin anterior
para pulsos g(t) rectangulares como los denidos en (7.1), obtenemos
S
x
(j) =
E
s
2
_
sinc
2
_
(
c
)T
2
_
+ sinc
2
_
( +
c
)T
2
__
(7.12)
Por tanto, podemos concluir que el espectro de potencia de la seal OQPSK es idntico
al de la QPSK convencional. Como ya hemos sealado, la principal ventaja de la OQPSK
es la reduccin en el rango de valores de la envolvente con respecto a la QPSK.
7.1.2. Receptores para modulaciones de fase
El receptor para una modulacin de fase responde a la estructura de la Figura 5.34,
o cualquiera de las realizaciones equivalentes del Apartado 5.4.2, operando el decisor en
funcin de la fase de la observacin q[n]. Este tipo de receptor recibe el nombre de coherente
porque supone un conocimiento exacto de la fase de la seal recibida. Para el caso que
nos ocupa, si en el receptor decidimos emplear un ltro adaptado al transmisor, esto es,
f(t) = g(t), entonces, teniendo en cuenta que g(t) es un pulso rectangular, la estructura
de la Figura 5.34 es equivalente a la de la Figura 7.4 (en el caso de la gura, por simplicidad
se ha supuesto que = 0).
y t ( )
v t ( )
e
- j
c
t w
Decisor
q n [ ]
$
[ ] A n
$
[ ] B l
Decod.
2
1
T
dt
nT
n T
+
z
( )
Figura 7.4. Diagrama de bloques de un receptor coherente para PSK.
Por lo que respecta a la estructura de un receptor para OQPSK, este es una adaptacin del
diagrama de bloques de la Figura 5.38, teniendo en cuenta que ahora el canal en cuadratura
se transmite retardado T/2 segundos. El esquema resultante se muestra en la Figura 7.5.
-sen w
c
t b g
cos w
c
t b g
y t ( )
Im{ [ ]} q n
Re{ [ ]} q n
Decisor
$
[ ] A n
q n [ ]
( 1) / 2
/ 2
2
n T T
nT T
dt
T
+ +
+
( 1)
2
n T
nT
dt
T
+
Figura 7.5. Diagrama de bloques de un receptor para OQPSK.

7.1.3. Modulaciones de fase diferencial
Uno de los principales problemas que encontramos a la hora de disear receptores pa-
ra modulaciones de fase es la necesidad de conocer la fase absoluta de la seal recibida.
Pinsese que las decisiones en un receptor de PSK se toman en funcin de la fase de la
observacin q[n] (vase Figura 7.6). Si la fase absoluta de la portadora es desconocida en
el receptor y este realiza la demodulacin con una fase arbitraria, el resultado es que la se-
cuencia q[n] ser una versin rotada de la secuencia de smbolos A[n], como demostramos
q
q
Figura 7.6. Constelacin 8-PSK () y regiones de decisin. Constelacin (*) despus de
una rotacin de radianes.
Ejemplo 7.1
Supongamos que transmitimos una seal 8-PSK por un canal ideal (con respuesta h(t) = (t)
y sin ruido). Supngase, no obstante, que la demodulacin se realiza con una exponencial com-
pleja de frecuencia
c
. Las portadoras empleadas en el transmisor y receptor estn desfasadas
radianes. Adaptando el desarrollo del Apartado 5.4.4 al presente caso, vemos que el canal dis-
creto equivalente en banda base es simplemente p[k] = e
j
[k], lo que tiene el efecto de rotar la
constelacin transmitida en radianes.
Es fcil ver (Figura 7.6) que si [[ > /8 los smbolos transmitidos sern girados hasta caer en
una regin de decisin diferente a la que les debera corresponder, por lo que la probabilidad de
error de smbolo ser 1. Si [[ < /8 las cosas no son tan graves (la observacin q[n] caer en
la regin de decisin correcta), pero har falta menos potencia de ruido para provocar un error.
Obviamente, hay dos soluciones triviales a este problema: 1) corregir la fase de la secuencia q[n]
multiplicndola por e
j
o 2) girar las regiones de decisin radianes para que se adapten
a la secuencia de observaciones esperadas en recepcin. Pero cualquiera de las dos soluciones
propuestas implica conocer y eso no es fcil.
Como acabamos de ver en el ejemplo, para demodular perfectamente una seal PSK es
necesario conocer exactamente la fase absoluta de la portadora de la seal recibida. En el
Captulo 11 estudiaremos con detalle algunas formas de averiguar , pero debemos adelantar
que, a no ser que se enve una seal de referencia (por ejemplo, una portadora llamada
piloto, que no enva ninguna informacin) con el consiguiente desperdicio de potencia o
de eciencia espectral, su determinacin resulta problemtica. Existen, sin embargo, algunos
esquemas de recuperacin de fase (vase Apartado 11.5.2) que no requieren del envo de
informacin de referencia, pero que emplean no linealidades que dan lugar a ambigedades
en la estimacin de . As, por ejemplo, para modulaciones de tipo M-PSK, la estima

es
de la forma

= + 2K/M, para algn entero jo K 0, 1, , M 1. Por ello,
cualquier intento de corregir la observacin rotndola

radianes en el sentido contrario a las
agujas del reloj, provocar que, siempre que K ,= 0, el resultado se encuentre en una regin
de decisin incorrecta.
Como veremos a continuacin, una solucin a los problemas del desconocimiento de la
fase absoluta o de las ambigedades de fase, pasa por enviar la informacin en el cambio de
fase con respecto a la fase transmitida en el smbolo anterior. Esta modulacin se denomina
PSKcodicada diferencialmente y se construye como sigue. Si [n1] es la fase transmitida
en el periodo de smbolo (n1)-simo, la fase en el periodo siguiente [n] se obtiene como
[n] = [n 1] +
[n] (7.13)
donde para una modulacin M-aria
[n] se elige dentro del conjunto de fases 0, 2/M,

, 2(M 1)/M. La clave de la PSK codicada diferencialmente reside en que ahora
la informacin no se codica en [n] sino en
[n], es decir, en los saltos de fase, tal como

se ilustra en la Figura 7.7.
Codificador exp( j) 2g t ( )
e
j
c
t w
x t a f
B l [ ]
D
f
[ ] n
f[ ] n
z
-1
{ } Re
Figura 7.7. Arquitectura de un modulador para PSK codicada diferencialmente.
La PSK codicada diferencialmente admite una demodulacin coherente, tal como se
esquematiza en la Figura 7.8: partiendo de la muestra q[n] primero se corrige la rotacin
de la constelacin, despus se toma la decisin sobre la fase del smbolo transmitido y,
nalmente, se hace la decodicacin diferencial, que es el proceso inverso al realizado en el
codicador. Hemos supuesto que la fase estimada

procede de un esquema de recuperacin
de fase que no se muestra en la gura.
y t ( ) v t ( )
e
- j
c
t w
q t ( )
t nT =
q n [ ]
-
'[ ] q n
[ ] A n
$
e
jq -
$
[ ] D
f
n
$
[ ] B l
DECOD.
Calcula
fase
Decide
smbolo
PSK
z
-1
2 ( ) g t -
Figura 7.8. Arquitectura de un demodulador coherente para PSK codicada diferencialmente.
Naturalmente, si se conoce la fase absoluta de la seal recibida, esto es,

= el sis-
tema funcionar casi tan bien como la PSK convencional demodulada coherentemente. La
pequea diferencia de prestaciones se debe a que en la PSK codicada diferencialmente
un error en la decodicacin de un smbolo suele producir tambin un error en el smbolo
siguiente. Esto se traduce en una P
e
que para E
b
/N
0
grande aproximadamente duplica la
de la PSK. Lo ms interesante del esquema de la Figura 7.8 es que tambin resulta vlido
cuando existen ambigedades de fase, tal y como pone de maniesto el siguiente ejemplo.
Ejemplo 7.2
En las mismas condiciones del Ejemplo 7.1, la informacin se codica con saltos de fase
[n]
dentro del conjunto 0, 2/8, , 27/8 (la asignacin particular de bits a
[n] es irrelevante
en este ejemplo). La fase de los smbolos transmitidos se genera a partir de
[n] empleando
(7.13). La demodulacin se realiza de acuerdo con el esquema de la Figura 7.8.
La observacin corregida q
[n] es tal que

q
[n] = [n] +

(7.14)
Supongamos que la ambigedad de fase es tal que

= +2K/8, para algn entero K. Enton-
ces, q
[n] = [n] 2K/8 y q
[n 1] = [n 1] 2K/8. Como en nuestro ejemplo no

hay ruido, las fases decididas

[n] sern iguales a q
[n], para todo n. Por tanto,
[n]
.
= q
[n] q
[n 1] = [n] 2K/8 [n 1] + 2K/8 =
[n] (7.15)
por lo que la decisin ser siempre correcta en ausencia de ruido.
Obsrvese que para su buen funcionamiento, la PSK codicada diferencialmente necesi-
ta una fase inicial, digamos [1] = 0, que deben conocer tanto transmisor como receptor.
En todo caso, el desconocimiento de esta fase (o, como ya hemos comentado, el error en
la recepcin de un smbolo) no produce propagacin de errores, en el sentido de que slo
corrompe la informacin enviada en el periodo de smbolo siguiente.
La PSK codicada diferencialmente admite tambin una demodulacin de tipo incohe-
rente, esto es, sin conocimiento alguno de la fase de la portadora de la seal recibida. Cuando
la PSK codicada diferencialmente se demodula con el esquema de la Figura 7.9, entonces
se habla de PSK diferencial (differential PSK, DPSK). El caso particular denominado
DQPSK se corresponde con la QPSK modulada y demodulada diferencialmente.
Figura 7.9. Diagrama de bloques de un receptor para DPSK.
Para analizar el funcionamiento de la DPSK, consideremos de nuevo que la seal trans-
mitida sobre un canal gausiano sufre en la conversin a banda base del receptor un despla-
zamiento de fase de radianes. Entonces, la observacin q[n] se podr escribir como
q[n] =
_
E
s
e
j([n]+)
+z[n], (7.16)
donde z[n] es ruido complejo circularmente simtrico de varianza
2
z
. Por tanto, el producto
q[n]q
[n 1] ser
q[n]q
[n 1] = E
s
e
j([n][n1])
+
_
E
s
e
j([n]+)
z
[n 1]
+
_
E
s
e
j([n1]+)
z[n] +z[n]z
[n 1] (7.17)
de modo que, en ausencia de ruido los tres ltimos trminos son nulos, y q[n]q
[n1] =
[n], por lo que la decisin es correcta, independientemente del valor de . A efectos de

interpretacin del resultado, es conveniente dividir la Ecuacin (7.17) por
E
s
:
q[n]q
[n 1]
E
s
=
_
E
s
e
j([n][n1])
+e
j([n]+)
z
[n 1]
+ e
j([n1]+)
z[n] +
z[n]z
[n 1]
E
s
(7.18)
lo que no afecta en modo alguno a la decisin, pues est basada en la fase de q[n]q
[n 1].
Cuando el ruido no es nulo, el clculo exacto de la probabilidad de error se ve dicultado
por el ltimo sumando en (7.18), ya que es difcil caracterizar su densidad de probabilidad.
Sin embargo, cuando la relacin seal a ruido es alta (E
s
/
2
z
grande), este trmino se pue-
de despreciar. Por otra parte, los otros dos trminos de ruido restantes, tienen la forma de
una exponencial compleja multiplicada por una muestra de ruido gausiano. Si las partes real
e imaginaria de z[n] son independientes e idnticamente distribuidas (ruido con simetra
circular), entonces la multiplicacin por una exponencial compleja no cambia esas propie-
dades. Por tanto, si el ruido es blanco, el trmino e
j([n]+)
z
[n 1] + e
j([n1]+)
z[n]
ser gausiano con simetra circular y varianza 2
2
z
. En resumen, cuando el ltimo trmino de
(7.18) es despreciable, tenemos que la parte de seal deseada es

E
s
e
j([n][n1])
mien-
tras que el ruido complejo es gausiano de varianza 2
2
z
. Estos parmetros coinciden con los
que se tienen en una modulacin PSK, salvo por que la varianza del ruido es ahora el do-
ble de la que se tendra en PSK (debido a que ahora hay dos trminos de ruido). Por tanto,
para relaciones E
s
/N
0
grandes, la DPSK sufre una penalizacin de 3 dB frente a la PSK
(Apartado 5.2.3).
Cuando el desfase no es constante, sino variante en el tiempo, la DPSK todava puede
ofrecer un rendimiento aceptable siempre que la variacin [n] [n 1] sea pequea
en comparacin con la separacin angular entre las regiones de decisin. Este aspecto se
explora en el Problema P7.5.
7.2. MODULACIONES POR DESPLAZAMIENTO DE FRECUENCIA
Las modulaciones que hemos estudiado hasta ahora tienen la caracterstica comn de
que la seal transmitida se obtiene a partir de combinaciones lineales de unos pulsos bsicos
modulados por la secuencia de informacin, por lo que se pueden denominar modulaciones
lineales. En este apartado presentamos otras modulaciones que no presentan la propiedad
anterior, por lo que pueden denominarse modulaciones no lineales. Las modulaciones que
estudiaremos en este apartado pueden verse como modulaciones de fase, aunque, con el
nimo de facilitar la comprensin, comenzaremos introduciendo dos casos particulares (FSK
y MSK), que generalizaremos posteriormente en las modulaciones CPM.
7.2 MODULACIONES POR DESPLAZAMIENTO DE FRECUENCIA 399
7.2.1. Seal transmitida FSK
Una de las posibilidades para transmitir informacin consiste en hacerlo variando la fre-
cuencia de la portadora, en lugar de la amplitud o la fase, como hemos venido haciendo hasta
ahora. La idea bsica es seleccionar la frecuencia de la portadora que se transmite durante
un intervalo de smbolo de entre un conjunto discreto de frecuencias disponibles. Por esta
razn, se habla en este caso de modulacin por desplazamiento de frecuencia (Frequency
Shift Keying, FSK).
Las principales ventajas de la FSK son la facilidad y bajo coste para implementar tanto
transmisores como receptores, en especial, los receptores incoherentes que discutiremos en
breve. Adems, el hecho de que la informacin est presente en los cruces por cero hace
que ciertas alinealidades del sistema de transmisin (como las de los amplicadores de RF
que operan cerca del punto de saturacin) que no afectan a los cruces por cero sean menos
dainas sobre la FSK que si se tratase de modulaciones de amplitud. Como hemos visto,
esta ltima es, en realidad, una ventaja tambin de las modulaciones de fase; al n y al
cabo, una modulacin de frecuencia puede verse como una modulacin de la derivada de
la fase instantnea. Como veremos, el precio de las ventajas mencionadas es una prdida de
eciencia en ancho de banda y en potencia.
Deniendo los pulsos g
i
(t), i = 0, , M 1 como
g
i
(t) = sen(
i
t)w
T
(t) (7.19)
siendo w
T
(t) el pulso rectangular causal denido en (7.2), la modulacin FSK asigna a
cada smbolo de entrada A[n] 0, 1, , M1, el pulso g
A[n]
(t), de modo que si, por
simplicidad, suponemos que M es una potencia de dos, y enviamos un nuevo pulso cada T
segundos, entonces estaremos transmitiendo con rgimen binario log
2
(M)/T bits/seg. La
seal transmitida tiene entonces la siguiente expresin
x(t) = K
n
g
A[n]
(t nT) (7.20)
donde K es una constante relacionada con la energa media por smbolo transmitido, tal y
como estableceremos en breve.
Teniendo en cuenta las consideraciones que ya realizamos en el Apartado 7.1 al respecto
del incremento de ancho de banda debido a la existencia de saltos bruscos en la fase de
la seal transmitida, nos limitaremos aqu a una versin de la modulacin FSK en la que
se garantiza la continuidad de fase. Dicha modulacin se denomina FSK de fase continua
(Continuous Phase FSK, CPFSK). El lector puede comprobar que la condicin para que
exista continuidad de fase es que las frecuencias
i
empleadas en (7.19) sean tales que exista
un nmero entero de ciclos dentro del periodo de smbolo T o, equivalentemente,
i
=
2N
i
T
, i = 0, , M 1 (7.21)
para algn nmero entero N
i
. Ms adelante (Apartado 7.4) veremos que si uno est dispues-
to a aumentar el conjunto de pulsos disponibles y a introducir memoria en el transmisor,
entonces la condicin (7.21) ya no es necesaria para la continuidad de fase.
Es claro que el espectro de energa asociado al pulso g
i
(t) es una sinc al cuadrado cen-
trada en la frecuencia
i
. Consecuentemente, no es difcil intuir que el espectro ocupado por
la seal transmitida ser menor cuanto menor sea la separacin entre las frecuencias em-
pleadas, lo que obliga a que los enteros N
i
sean todos consecutivos. Ms adelante, cuando
determinemos la expresin del espectro de potencia de la seal transmitida, quedar plena-
mente justicada nuestra intuicin.
Ms abajo comprobaremos que, la condicin (7.21) es adems suciente para garan-
tizar la ortogonalidad de los pulsos g
i
(t), por lo que hablaremos en este caso de CPFSK
ortogonal. Podemos, por tanto, denir la base ortonormal
i
(t) =
_
2
T
sen(
i
t)w
T
(t), i = 0, , M 1 (7.22)
y, a partir de ella, la seal transmitida (7.20) ser
x(t) =
_
E
s
A[n]
(t nT) (7.23)
siendo E
s
la energa por pulso transmitido. En la Figura 7.10 representamos un fragmento de
seal transmitida para una modulacin CPFSK ortogonal binaria (M = 2), donde podemos
observar claramente cmo se mantiene la continuidad de fase. Para esta misma modulacin
binaria la Figura 7.11 recoge en el espacio de seales la constelacin empleada. De un modo
genrico, las modulaciones que emplean este tipo de constelaciones reciben el nombre de
modulaciones ortogonales, reservndose la denominacin modulaciones biortogonales para
las que transmiten un bit adicional de informacin en el signo del pulso empleado.
Figura 7.10. Fragmento de una seal CPFSK ortogonal binaria.
Una forma interesante de representar la modulacin CPFSK consiste en considerar la
transmisin de un pulso de frecuencia
i
como una desviacin con respecto a una frecuencia
central, que denotaremos por
c
y que se puede relacionar con una frecuencia nominal de
portadora. Por ejemplo, en el caso de la CPFSK ortogonal binaria,
c
= (
0
+
1
)/2 y en
la CPFSK ortogonal cuaternaria,
c
= (
0
+
3
)/2 = (
1
+
2
)/2. De forma alternativa,
en la CPFSK ortogonal binaria
0
=
c
/T;
1
=
c
+ /T y en la CPFSK ortogonal
cuaternaria
0
=
c
3/T;
1
=
c
/T;
2
=
c
+/T y
3
=
c
+ 3/T.
0
(t)
1
(t)
E
s
E
s
Figura 7.11. Representacin en espacio de seales de la constelacin empleada en la mo-
dulacin CPFSK ortogonal binaria.
De este modo, la seal x(t) puede reescribirse como
x(t) =
_
2E
s
T
n
sen
_
c
t +I[n]
t
T
_
w
T
(t nT) (7.24)
donde I[n] 1, 3, , (M 1) sirve para seleccionar la frecuencia de transmi-
sin durante la transmisin del pulso n-simo. Obsrvese que los I[n] pueden considerarse
en cierto sentido smbolos de informacin, sin que ello implique la existencia de una
constelacin unidimensional porque, como acabamos de ver, estamos trabajando con M di-
mensiones. En cualquier caso, la utilizacin de los I[n] permite ver la modulacin como un
autntico desplazamiento de frecuencia con respecto a
c
, lo que justica el nombre de FSK.
Ms adelante veremos cmo la generalizacin de este formato permite una notacin com-
pacta que evita la necesidad de enumerar todo el conjunto de pulsos posibles en transmisin
cuando su nmero es elevado.
7.2.2. Espectro de la seal FSK
En al Apndice 7.A se obtiene el espectro de una seal FSK, bajo la hiptesis de que los
smbolos transmitidos son independientes y equiprobables, de forma que los pulsos g
i
(t),
0 i M 1 tienen idntica probabilidad de ser transmitidos. Es interesante sealar que,
dado que la media de la seal transmitida es peridica de periodo T y, en general, no nula,
el espectro contiene dos componentes que describimos a continuacin. El llamado espectro
discreto, que denotamos por S
xd
(j), se corresponde con la transformada de la seal media.
Como dicha seal media es determinista y peridica, su Transformada de Fourier contendr
exclusivamente lneas espectrales en frecuencias mltiplo de 2/T. Por su parte, el llamado
espectro continuo, que denotamos por S
xc
(j), se corresponde con la densidad espectral de
potencia de la seal transmitida, una vez se ha sustrado la seal media. Dichos espectros
resultan ser:
S
xd
(j) =
2E
s
T
1
(MT)
2
M1
i=0
G
i
(j)
_

2k
T
_
(7.25)
S
xc
(j) =
2E
s
T
1
MT
_
_
_
M1
i=0
[G
i
(j)[
2
1
M
M1
i=0
G
i
(j)
2
_
_
_
(7.26)
donde G
i
(j), i = 0, , M 1, es la Transformada de Fourier del pulso g
i
(t).
Finalmente, el espectro de la seal transmitida ser
S
x
(j) = S
xc
(j) +S
xd
(j) (7.27)
Ejemplo 7.3
Calculemos el espectro de la seal FSK binaria con frecuencias
0
y
1
. Teniendo en cuenta que
G
i
(j) =
1
2

j
((
i
) ( +
i
))
_
T sinc
_
T
2
_
e
jT/2
_
, i = 0, 1 (7.28)
resulta evidente que
G
0
(j) +G
1
(j) =
1
2j
((
0
) ( +
0
) +(
1
) ( +
1
))
_
T sinc
_
T
2
_
e
jT/2
_
(7.29)
Por tanto, G
0
(j)+G
1
(j) es la suma de cuatro sincs desplazadas a las frecuencias
0
y
1
.
Recordando que tanto
0
como
1
son mltiplo de 2/T, es claro que (7.29) se anular en las
frecuencias mltiplo de 2/T (porque as ocurre con la sinc) excepto precisamente en
0
y
1
,
de modo que el espectro discreto constar de los dos pares de lneas espectrales siguientes:
S
xd
(j) =
2E
s
T

1
4T
2

T
2
4
((
0
) ( +
0
) +(
1
) ( +
1
))
=
E
s
8T
((
0
) ( +
0
) +(
1
) ( +
1
)) (7.30)
En cuanto al espectro continuo, desarrollando (7.26) tenemos que
S
xc
(j) =
E
s
T
2
_
[G
0
(j)[
2
+[G
1
(j)[
2
21eG
0
(j)G
1
(j)
_
(7.31)
El espectro continuo para la CPFSK ortogonal binaria, se representa en la Figura 7.12, junto
con el espectro continuo para el caso en que
1
=
0
+ 3/T (que ya no es una FSK de fase
continua). Las frecuencias representadas lo son a partir de
c
, ya que el espectro es simtrico con
respecto a la frecuencia central. Obsrvese el mayor espectro ocupado en el caso en que la fase
no es continua. Tambin es interesante comprobar que en ese caso el espectro discreto deja de
tener dos pares de lneas espectrales (para la CPFSK ortogonal binaria, en el rango de frecuencias
representado en la gura slo aparecera una delta, situada en
1
) y pasa a tener innitas. Esta
comprobacin se deja como ejercicio, y evidencia el aumento de potencia radiada fuera de banda
para la FSK de fase no continua.
S
xc
(j)/E
s
(dB)
90
80
70
60
50
40
30
20
10
0
c

c
+2/T
c
+4/T
c
+6/T
c
+8/T
Figura 7.12. Espectro continuo de la seal FSK binaria del Ejemplo 7.3 para los casos de
fase continua (lnea continua) y fase discontinua (lnea punteada).
7.2.3. Receptores para FSK
Para un canal gausiano que introduce ruido aditivo blanco, la obtencin de un receptor
de mxima verosimilitud (ML) para FSK es sencilla a partir de los resultados del Apartado
4.5. Para el caso de la FSK binaria, basta con colocar un banco de ltros adaptados a las fun-
ciones base, seguidos de un muestreador a periodo de smbolo y un decisor que selecciona
el smbolo (bit)

B[n] correspondiente a la rama cuya salida es mxima, tal como ilustramos
en la Figura 7.13 para el caso binario. Naturalmente, la estructura basada en ltros adap-
tados puede sustituirse por su equivalente con correlacionadores. Obsrvese la ventaja que
supone el que los posibles pulsos transmitidos sean ortogonales: en ausencia de ruido en el
canal, las salidas de todas las ramas del receptor, excepto la correspondiente al ndice de la
informacin transmitida sern cero.
y t ( )
f
0
( ) -t
t nT =
q n
0
[ ]
q n
1
[ ]
f
1
( ) -t
Mximo
[ ] B n
Figura 7.13. Diagrama de bloques de un receptor coherente para FSK binaria.
El clculo de la probabilidad de error obtenida en CPFSK ortogonal binaria con el recep-
tor coherente y canal gausiano con densidad espectral de potencia N
0
/2 W/Hz es inmediato
a partir de la representacin en espacio de seales de la Figura 7.11, empleando la Ecua-
cin (4.68), de modo que
P
e
= Q
_
_
E
s
N
0
_
(7.32)
Obsrvese que, en comparacin con una modulacin de amplitud binaria (Ecuacin (5.35),
la energa por smbolo en CPFSK debera ser el doble para conseguir alcanzar las mismas
prestaciones. Por esta razn, se dice que la CPFSK binaria tiene una penalizacin de 3 dB
con respecto a la PAM binaria.
Como ya hemos sealado, una de las principales ventajas de la modulacin FSK es que
conduce de forma natural por la separacin entre las frecuencias empleadas a esquemas
de receptores incoherentes muy fciles de implementar. En el Apartado 7.1.3 comprobamos
las consecuencias de no conocer exactamente la fase de la seal recibida y propusimos la
modulacin DPSK como una solucin al problema. En el caso de la FSK, la presencia de
una fase desconocida en la seal recibida puede empeorar considerablemente el funcio-
namiento del sistema de transmisin. Para verlo, supongamos que en el intervalo [0, T) se
transmite, digamos, el pulso g
0
(t), y se recibe
y(t) =
_
2E
s
T
sen(
0
t +)w
T
(t) (7.33)
Al pasar por el ltro adaptado y muestrear, de acuerdo con el esquema de la Figura 7.13,
tendramos
q
0
[0] =
_
T
0
y(t)
0
(t)dt
_
E
s
cos (7.34)
El caso en que la salida es mxima se corresponde con = 0, que coincide con las hiptesis
de trabajo en deteccin coherente, pero a medida que se aproxima a /2 la salida de la
rama superior del receptor decrece en magnitud hasta llegar a valer cero. Lgicamente, esto
provocar que las prestaciones del receptor se reduzcan notablemente, puesto que ahora ser
ms fcil que en la rama inferior el ruido produzca una salida mayor que en la superior y,
por tanto, una equivocacin.
Para solventar el problema anterior sin recurrir a ningn esquema de recuperacin de la
fase de la seal recibida (necesario para una correcta recepcin coherente), es relativamente
sencillo construir receptores incoherentes que, aunque subptimos (en el sentido de que sus
prestaciones son inferiores a las del receptor coherente con estimacin perfecta de fase), son
bastante ms inmunes a los efectos de una fase desconocida en la seal recibida. La idea
que subyace a muchos de estos receptores es bien sencilla: si la informacin se transmite en
la frecuencia, basta con colocar un banco de ltros paso banda sintonizados a las diferentes
frecuencias y seleccionar la salida de aquella rama cuya envolvente (integrada sobre un
periodo de smbolo) sea mayor. En la Figura 7.14 se representa un receptor incoherente para
FSK binaria, basado en la deteccin de la envolvente a la salida de ltros paso banda h
0
(t)
y h
1
(t), sintonizados respectivamente a las frecuencias
0
y
1
. Obsrvese que es necesario
7.3 MODULACIN MSK 405
y t ( )
h t
0
( )
h t
1
( )
Mximo
Detector
envolvente
Detector
envolvente
t nT =
[ ] B n
Figura 7.14. Diagrama de bloques de un receptor incoherente para FSK basado en ltros
paso banda y detectores de envolvente.
muestrear la salida del detector de envolvente y que es relativamente importante hacerlo en
el instante adecuado, esto es, cuando dicha salida alcanza su mximo (o su mnimo).
Incluso es posible derivar el receptor incoherente ptimo segn el criterio de mxima
verosimilitud, suponiendo que el receptor no dispone de ninguna informacin a priori sobre
la fase . Esto se lleva a cabo en el Apndice 7.B. La arquitectura de receptor resultan-
te se muestra en la Figura 7.15 y consta de un correlacionador seguido de una deteccin
de envolvente con la denominada ley cuadrtica de combinacin. Cualitativamente, cuando
enviamos el pulso g
0
(t), si = /2 entonces la salida del correlacionador con sen(
0
t) ser
cero, pero la salida del correlacionador con cos(
0
t) ser mxima. Sin embargo, la salida
de cualquiera de los dos correlacionadores de la rama inferior ser pequea, por correspon-
derse con ltros sintonizados a
1
. Por esta razn, el receptor es mucho ms robusto ante
la presencia de un desfase arbitrario (vase Problema P7.7). Como comentario nal, es
interesante razonar que, dado que el receptor de la Figura 7.14 emplea ltros paso banda,
cuando se transmita g
0
(t) (g
1
(t)) habr una parte de la energa del pulso que atravesar el
ltro h
1
(t) (h
0
(t)) (recordemos que el espectro asociado a cada pulso es una sinc). Esta
componente indeseada ser tanto mayor cuanto menor sea la separacin entre
0
y
1
, por
lo que se puede establecer un compromiso entre la probabilidad de error en el receptor y el
ancho de banda ocupado.
7.3. MODULACIN MSK
Ya hemos visto que para garantizar la continuidad de fase en FSK las portadoras aso-
ciadas a cada pulso deban ser de la forma
i
= 2N
i
/T, i = 0, , M 1 para algn
nmero entero N
i
y que, adems, esta asignacin de frecuencias conduca a la ortogonalidad
de los pulsos empleados. Tambin hemos visto cmo el espectro de la seal FSK aumenta
con la separacin frecuencial entre portadoras, por lo que podramos preguntarnos si existen
otras separaciones menores que tambin provean ortogonalidad. Intuitivamente, esta menor
separacin se traducir en un menor ancho de banda ocupado.
y t ( )
cos w
0
t b g
sen w
0
t b g
sen w
1
t b g
cos w
1
t b g
+
z
dt
nT
n T ( ) 1
a f
2
+
z
dt
nT
n T ( ) 1
a f
2
+
z
dt
nT
n T ( ) 1
a f
2
+
z
dt
nT
n T ( ) 1
a f
2
Mximo
[ ] B n
0
[ ] r n
1
[ ] r n
Figura 7.15. Diagrama de bloques de un receptor incoherente para FSK basado en corre-
lacionadores y deteccin de envolvente con ley cuadrtica.
7.3.1. Seal transmitida MSK
Considerando pulsos g
i
(t) como los dados en (7.19), podemos plantearnos qu separa-
cin entre frecuencias conduce a la ortogonalidad. Para ello, sean g
i
(t) y g
l
(t) dos pulsos
cualesquiera y calculemos su producto escalar
g
i
, g
l
=
_
T
0
sen(
i
t) sen(
l
t)dt =
1
2
_
T
0
cos[(
i
l
)t]dt
1
2
_
T
0
cos[(
i
+
l
)t]dt
=
T
2
sen[(
i
l
)T]
(
i
l
)T

T
2
sen[(
i
+
l
)T]
(
i
+
l
)T
(7.35)
El segundo sumando de la ltima lnea de (7.35) es despreciable cuando el producto (
i
+
l
)T es muy grande, lo que precisamente sucede en los sistemas de banda estrecha, que son
los que se emplean en la prctica. Para que el primer trmino de la ltima lnea de (7.35) se
anule es necesario que (
i

l
)T = N
i,l
, para algn N
i,l
entero distinto de cero. Equi-
valentemente, la condicin de ortogonalidad fuerza a que la separacin entre frecuencias
sea
l
=
N
i,l
T
, i, l = 0, , M 1, i ,= l (7.36)
Como podemos observar, la separacin empleada en CPFSK ortogonal (mltiplo de 2/T
rad/seg) cumple la condicin anterior, pero dicha condicin tambin se satisface para una
separacin mltiplo de /T rad/seg.
Podramos pensar entonces en una modulacin FSK con frecuencias de la forma
i
=
N
i
/T, para algn entero N
i
distinto de cero
3
, pero encontraramos que ya no se satisface
3
Curiosamente, para esta asignacin de frecuencias el segundo trmino de la ltima lnea de (7.35) no slo
es muy pequeo, sino cero.
la condicin de continuidad de fase, por lo que el resultado (para M = 2) sera una seal
como la que se muestra en la Figura 7.16, en la que se observan los saltos de fase de 180
o
.
t
0 T 2T 3T 4T 5T 6T 7T 8T 9T
Figura 7.16. Fragmento (lnea continua) de una seal FSK con frecuencias
0
= 2/T y
1
= 3/T. Asimismo, se muestra la seal de informacin (lnea discontinua).
1
1
t
g
0
(t)
g
0
(t)
T
1
1
t
g
1
(t)
g
1
(t)
T
Figura 7.17. Pulsos empleados en la modulacin MSK.
Sin embargo, no es difcil conseguir una fase continua con esta separacin de frecuen-
cias. Vemoslo para el caso M = 2. En la Figura 7.17 se muestran en lnea continua los
pulsos g
0
(t) y g
1
(t) que se emplearan en este caso, mientras en lnea discontinua se repre-
sentan g
0
(t) y g
1
(t). Como es evidente, si g
0
(t) y g
1
(t) son ortogonales, esta propiedad
se conserva si alguno de ellos o ambos se multiplican por 1.
Ahora podemos ver (Figura 7.18) que una eleccin cuidadosa del signo del pulso g
i
(t)
permite resolver el problema. Conviene tener presente que, para poder garantizar la conti-
nuidad de fase, el transmisor debe tener memoria en el sentido de que, aunque la eleccin
del pulso depende exclusivamente del bit que queremos transmitir, el signo depende del pul-
so anteriormente transmitido; de forma alternativa, podemos pensar que ahora tenemos 4
pulsos distintos que se seleccionan en funcin del bit de informacin que se desea transmitir
t
0 T 2T 3T 4T 5T 6T 7T 8T 9T
Figura 7.18. Fragmento (lnea continua) de una seal MSK y seal de informacin corres-
pondiente (lnea discontinua).
y del estado del transmisor durante el periodo de smbolo anterior.
La modulacin resultante, que contina empleando pulsos ortogonales pero con separa-
cin mnima en frecuencia, se denomina modulacin por desplazamiento mnimo (Mini-
mum Shift Keying, MSK).
Con todas las consideraciones realizadas previamente, es claro que la seal transmitida
x(t) se puede escribir de forma similar a la expresin (7.24) vlida para la CPFSK ortogonal.
As,
x(t) =
_
2E
s
T
n
sen
_
c
t +I[n]
t
2T
+[n]
_
w
T
(t nT) (7.37)
donde I[n] 1, 3, , (M 1) es el n-simo smbolo de informacin,
c
es
la frecuencia central o frecuencia nominal de la portadora, w
T
(t) es el pulso rectangular
causal denido en (7.2), y [n] tiene como misin forzar la continuidad de fase. Recurdese
que la denicin de los smbolos de informacin no implica la existencia de una conste-
lacin unidimensional, sino que, de modo similar al caso de la CPFSK ortogonal, estamos
trabajando con M/2 dimensiones (constelacin biortogonal). El empleo de los I[n] permite
tambin contemplar la modulacin MSK como un verdadero desplazamiento de frecuencia
con respecto a una frecuencia central
c
. Ms adelante, cuando describamos de forma gene-
ral las modulaciones de fase continua, veremos cmo la MSK se corresponde con un caso
especial de aqullas.
Por lo que respecta a los [n] que aparecen en la Ecuacin (7.37) vamos a determinar qu
caractersticas han de tener para mantener la fase continua. Particularizando dicha expresin
para t = mT + y t = mT , > 0, y haciendo tender a cero, obtenemos la condicin
siguiente para conservar la continuidad de fase:
I[m1]
m
2
+[m1] = I[m]
m
2
+[m] m od 2 (7.38)
de donde
[m] = [m1] + (I[m1] I[m])
m
2
m od 2 (7.39)
La MSK, vista como una adaptacin de la FSK ortogonal de fase continua, es una mo-
dulacin no lineal. Sin embargo, vamos a demostrar a continuacin cmo la MSK binaria
puede verse como una forma particular de una modulacin OQPSK (Apartado 7.1.1), lo que
nos ser de gran utilidad a la hora de determinar las caractersticas espectrales de la seal
transmitida. Observemos que, para la MSK binaria, I[n] 1, [n] 0, , para todo
n. Supondremos en nuestro anlisis que la fase de referencia [1] = 0. En primer lugar,
escribiendo el seno como la parte imaginaria de una exponencial y desarrollando trminos,
la Ecuacin (7.37) se puede transformar a
x(t) =
_
2E
s
T
cos(
c
t)
n
Jm
_
exp(jI[n]
t
2T
) exp(j[n])
_
w
T
(t nT)
+
_
2E
s
T
sen(
c
t)
n
1e
_
exp(jI[n]

2T
) exp(j[n])
_
w
T
(t nT)
=
_
2E
s
T
cos(
c
t)
n
I[n] cos([n]) sen
_
t
2T
_
w
T
(t nT)
+
_
2E
s
T
sen(
c
t)
n
cos([n]) cos
_
t
2T
_
w
T
(t nT) (7.40)
donde hemos utilizado el hecho de que sen([n]) = 0 por ser [n] mltiplo entero de .
A partir de (7.39) y recordando que I[n] 1, podemos obtener las siguientes rela-
ciones para n par:
cos([n]) = cos([n 1]) (7.41)
I[n] cos([n]) = I[n + 1] cos([n + 1]) (7.42)
Con estas relaciones, y usando el hecho de que
w
T
(t nT) +w
T
(t nT T) = w
2T
(t nT) (7.43)
se tiene que es posible escribir (7.40) como
x(t) =
_
2E
s
T
cos(
c
t)
n par
I[n] cos([n]) sen
_
t
2T
_
w
2T
(t nT)
+
_
2E
s
T
sen(
c
t)
n par
cos([n]) cos
_
t
2T
_
w
2T
(t nT +T) (7.44)
Finalmente, empleando el hecho de que para n par,
cos(t/2T) = sen[(t nT +T)/2T](1)
n/2
(7.45)
sen(t/2T) = sen[(t nT)/2T](1)
n/2
(7.46)
y deniendo el pulso normalizado
g(t) =
_
1
T
sen
_
t
2T
_
w
2T
(t) (7.47)
es posible llegar a la siguiente expresin para una modulacin MSK binaria
x(t) =
_
2E
s
cos(
c
t)
n par
I[n] cos([n])(1)
n/2
g(t nT)
+
_
2E
s
sen(
c
t)
n par
cos([n])(1)
n/2
g(t nT +T) (7.48)
que no es ms que la expresin de la OQPSK en (7.4), diriendo slamente en el tipo de
pulsos empleados (ahora se corresponden con medio ciclo de sinusoide) y en los smbolos
que se transmiten en los canales en fase y cuadratura, que ahora se generan de una forma
algo ms elaborada. Adems, como queda patente en (7.48), la transmisin de la OQPSK
equivalente se realiza con periodo de smbolo 2T, esto es, slo se transmite en los instantes
nT, con n par y con pulsos de duracin 2T.
En cualquier caso, esta mayor complicacin formal no impide que las secuencias de
smbolos que modulan respectivamente a los canales en fase y cuadratura sean blancas y
mutuamente incorrelacionadas cuando la secuencia I[n] es blanca. La demostracin se deja
como ejercicio para el lector.
0 T 2T 3T 4T 5T 6T 7T
x(t)
s
I
(t)
s
Q
(t)
Figura 7.19. Fragmento de una seal MSK x(t) y sus componentes en fase s
I
(t) y cua-
dratura s
Q
(t).
La Figura 7.19 muestra la seal x(t) y las componentes en fase y cuadratura (con un
desplazamiento relativo de T/2 segundos) correspondientes a una seal MSK. Comprese
con las guras 7.1 y 7.2 correspondientes a una seal QPSK y una OQPSK, respectivamente.
7.3.2. Espectro de la seal MSK binaria
Para calcular el espectro de potencia de la seal transmitida, basta con utilizar los resul-
tados del Apartado 7.1.1 referidos a la modulacin OQPSK, teniendo en cuenta nicamente
la nueva forma del pulso conformador g(t) cuya Transformada de Fourier G(j) es tal que
[G(j)[
2
= 16T
2
_
cos T
2
4
2
T
2
_
2
(7.49)
Por tanto, aplicando (7.11), el espectro de potencia de la seal MSK binaria es
S
x
(j) = 8E
s
2
_
cos[(
c
)T]
2
4(
c
)
2
T
2
_
2
+ 8E
s
2
_
cos[( +
c
)T]
2
4( +
c
)
2
T
2
_
2
(7.50)
S
x
(j)/E
s
(dB)
90
80
70
60
50
40
30
20
10
0
c

c
+2/T
c
+4/T
c
+6/T
Figura 7.20. Espectros de las seales MSK (lnea punteada) y OQPSK (lnea continua).
En la Figura 7.20 se representan los espectros correspondientes a una modulacin MSK
binaria y a una OQPSK (idntico al de una QPSK) con pulsos rectangulares (y periodo de
smbolo 2T segundos, de forma que la velocidad binaria de transmisin sea idntica en am-
bos casos). Aunque el lbulo principal de la seal MSK es ms ancho que el de la OQPSK,
los lbulos secundarios de la primera decrecen ms rpidamente, por lo que el ancho de
banda efectivo de la MSK es signicativamente menor que el de la OQPSK (QPSK) (la di-
ferencia es mayor cuanto mayor es el porcentaje de potencia para el que se dene el ancho
de banda). De hecho, mientras la densidad espectral de potencia de la OQPSK decrece como
1/
2
, para la MSK lo hace como 1/
4
.
Para terminar con nuestra descripcin de la modulacin MSK es interesante repetir que,
aunque se trata de una modulacin no lineal, hemos visto cmo, adecuadamente manipulada,
para el caso binario se puede transformar en una modulacin de tipo lineal con desplaza-
miento, lo que nos ha facilitado la determinacin de su espectro de potencia. El clculo
del espectro de potencia para una modulacin MSK general es bastante ms complicado,
requiriendo una metodologa que se encuentra fuera del alcance de este texto.
7.3.3. Receptores para MSK binaria
Resulta muy sencillo adaptar las estructuras de receptor incoherente propuestas para
FSK en el Apartado 7.2.3 al caso de MSK ya que ambas modulaciones se basan en el mismo
principio de codicar la informacin en la frecuencia. Para la obtencin de un receptor
coherente, uno estara tentado de proponer la estructura de la Figura 7.21, que no es ms
que una adaptacin del receptor coherente para FSK que tiene en cuenta que los pulsos
transmitidos pueden cambiar su signo para mantener continua la fase; de ah el bloque que
calcula el valor absoluto de la salida.
y t ( )
f
0
( ) -t
t nT =
f
1
( ) -t
abs a f
abs a f
q n
0
[ ]
q n
1
[ ]
Mximo
$
[ ] I n
Figura 7.21. Diagrama de bloques de un receptor para MSK binaria basado en el receptor
ML para FSK.
Sin embargo, con ser esta una estructura razonable no cabe decir, a diferencia de lo
que ocurre con el receptor coherente para CPFSK ortogonal, que sea ptima en el sentido
de mxima verosimilitud (ML). La razn estriba en que la toma de decisiones smbolo a
smbolo no tiene en cuenta que el transmisor tiene memoria, en el sentido de que a un pul-
so dado no le puede suceder cualquiera de los otros cuatro, sino slo dos. Por ejemplo, si
durante el intervalo [nT, (n + 1)T) se transmite el pulso +g
1
(t), en el intervalo siguiente
[(n +1)T, (n +2)T) solamente es vlido transmitir g
0
(t) g
1
(t). En realidad, en el re-
ceptor de la Figura 7.21 no estamos teniendo en cuenta este hecho; en otras palabras, aunque
improbable, es posible que, en funcin de las observaciones, el receptor decida que el pulso
+g
0
(t) sucede al +g
1
(t), lo cual no es consistente con la condicin de continuidad de fase.
Tener en cuenta esta condicin contribuira a reducir la probabilidad de error en el receptor;
por tanto, la estructura propuesta no puede ser ptima en el sentido ML. Desgraciadamente,
la complejidad del receptor ML es muy superior a la del receptor de la Figura 7.21, como
comprobaremos ms adelante (Apartado 7.4.2).
Es fcil demostrar (vase Problema P7.9) que la probabilidad de error obtenida con el
receptor de la Figura 7.21 es
P
e
= 2Q
_
_
E
s
N
0
_
(7.51)
7.4 MODULACIONES DE FASE CONTINUA 413
esto es, el doble de la que resulta en CPFSK binaria ortogonal con receptor coherente.
Tambin podemos plantear un receptor de MSK siguiendo la analoga con la modu-
lacin OQPSK y el receptor propuesto para esta ltima en la Figura 7.5. El diagrama de
bloques del receptor resultante se expone en la Figura 7.22 donde, a efectos ilustrativos, se
ha empleado un banco de ltros adaptados, mientras en la Figura 7.5 se utilizaba un banco
de correlacionadores.
-sen w
c
t b g
cos w
c
t b g
y t ( )
2g t ( ) -
2g t ( ) -
Decisor
$
[ ] I n
q n [ ]
Cada T
segundos
t nT = 2
q n
0
[ ]
t n T = - ( ) 2 1
q n
1
[ ]
Figura 7.22. Diagrama de bloques de un receptor para MSK binaria basado en el receptor
ML para OQPSK.
En este caso volvemos a tener el mismo problema comentado en el prrafo anterior: si
no tenemos en cuenta la memoria del receptor, estaremos desperdiciando informacin valio-
sa. Por ejemplo, aqu podramos pensar en emplear la observacin q
1
[n] de la componente
en fase para tomar una decisin sobre I[n], n par (vase Ecuacin (7.48)), para lo cual debe-
ramos conocer [n], que a su vez interviene tambin en la componente en cuadratura. Pero
I[n] y [n] tambin dependen de I[n 2] y [n 2], a travs de I[n 1], [n 1], con n
par (vase Ecuacin (7.39), y este argumento se podra llevar hacia atrs, hasta la primera
observacin recibida. Como consecuencia, para implementar el receptor ML necesitamos
que el bloque etiquetado como Decisor en la Figura 7.22 tome decisiones conjuntas sobre
toda la secuencia recibida y no smbolo a smbolo. Como ya hemos dicho, formalizaremos
este tipo de soluciones en el Apartado 7.4.2.
7.4. MODULACIONES DE FASE CONTINUA
Como veremos en breve, las modulaciones CPFSK ortogonal y MSK no son ms que
casos particulares de una familia de modulaciones denominadas de fase continua (Conti-
nuous Phase Modulations, CPM), que tienen la ventaja de mantener constante la envolvente
de la seal transmitida y consiguen reducciones signicativas en el ancho de banda con res-
pecto al necesario para la modulacin QPSK. Conseguir amplitud constante no es difcil;
ya hemos visto que para ello basta con que la informacin se transmita en la fase (o en su
derivada, la frecuencia). Para lograr fase continua, es suciente que la fase no tenga saltos
bruscos, cosa que siempre se puede conseguir con un ltrado apropiado.
7.4.1. Seal transmitida CPM
En general, las modulaciones CPM responden a la siguiente expresin para la seal
transmitida, que es una generalizacin de (7.24) y (7.37), correspondientes a las modulacio-
nes CPFSK y MSK, respectivamente:
x(t) =
_
2E
s
T
sen [
c
t +
0
+(t, i)] (7.52)
donde i es la secuencia de smbolos transmitidos,
c
es la frecuencia nominal de la porta-
dora,
0
es la fase inicial de la portadora, E
s
es la energa transmitida durante un periodo
de smbolo y (t, i) es una funcin continua de t que puede adoptar diferentes formas, tal
como veremos en breve.
Para introducir los parmetros de inters en una modulacin CPM, es ilustrativo y conve-
niente comenzar con una primera generalizacin de la modulacin CPFSK ortogonal, cuya
expresin es (7.24). Dicha generalizacin se obtiene al abandonar la restriccin de ortogo-
nalidad, por lo que emplearemos el trmino CPFSK, sin otros calicativos, para referirnos a
este caso.
Sea s(t) una seal PAMen banda base con pulsos rectangulares de duracin T segundos,
con la forma
s(t) =
n
I[n]g(t nT) (7.53)
donde los smbolos I[n] pertenecen al conjunto 1, 3, , (M 1). El pulso rectan-
gular g(t) se normaliza de tal modo que su rea sea 1/2, esto es,
_

g(t)dt = 1/2 (7.54)

Como en el apartado anterior, el uso de los smbolos I[n] no implica que la constelacin
empleada sea unidimensional; de hecho, en las modulaciones CPM se complica extraordi-
nariamente la bsqueda de una base para representar las posibles seales transmitidas. A
partir de s(t) se genera una seal cuya frecuencia instantnea (esto es, la derivada de la fase
instantnea) sea (
c
+ 2
d
Ts(t)), siendo
d
la denominada desviacin de frecuencia de
pico, nombre que se corresponde con la mxima excursin de frecuencia con respecto a
c
para el caso de CPFSK binaria. Teniendo en cuenta que hemos especicado la derivada, la
fase se obtendr por integracin, de forma que la seal transmitida ser
x(t) =
_
2E
s
T
sen
_
c
t +
0
+ 2
d
T
_
t
s()d
_
=
_
2E
s
T
sen
_
c
t +
0
+ 2
d
T
_
t
n
I[n]g( nT)d
_
(7.55)
Fijmonos en que aunque la seal s(t) tiene discontinuidades (por el uso de pulsos rec-
tangulares), al integrarla dichas discontinuidades desaparecen. Identicando trminos con
respecto a la Ecuacin (7.52), podemos escribir que
(t, i) = 2
d
T
_
t
n
I[n]g( nT)d (7.56)
Para determinar la evolucin de la fase (t, i) de la portadora en el intervalo [nT, (n +
1)T], basta con realizar la integral (usando (7.54)), resultando
(t, i) =
d
T
n1
m=
I[m] +
d
T
_
t nT
T
_
I[n], nT t < (n + 1)T (7.57)
(t, i) = [n] + 2hI[n]q
g
(t nT), nT t < (n + 1)T (7.58)
donde h es el denominado ndice de modulacin, denido como h =
d
T/; [n] es la fase
acumulada hasta el instante t = nT, esto es,
[n] = h
n1
m=
I[m] (7.59)
y, nalmente, q
g
(t) es
q
g
(t) =
_
t
g()d (7.60)
En el siguiente ejemplo, procedemos a identicar la modulacin recin vista con la
CPFSK binaria.
Ejemplo 7.4
En el Apartado 7.2 obtuvimos una expresin para la CPFSK ortogonal (Ecuacin (7.24)) similar
a (7.57). Identicando trminos tenemos que, para la CPFSK ortogonal binaria, I[n] 1,
d
= /T y h = 1. Obsrvese que si [0] = 0, entonces
(t, i) =
n1
m=0
I[m] nI[n] +
t
T
I[n], nT t < (n + 1)T (7.61)
Teniendo en cuenta que los I[m] son impares, es inmediato ver que
n1
m=0
I[m] nI[n] es
un mltiplo entero de 2, por lo que el trmino (t, i) es, mdulo 2, igual a (t/T)I[n], por lo
que queda establecido que la CPFSK binaria es un caso particular de CPM. La identicacin es
fcilmente extensible a cualquier modulacin M-CPFSK, con los mismos parmetros
d
y h.
En la Figura 7.23 se representa el llamado rbol de fases para la CPFSK binaria. El
rbol de fases muestra la evolucin con el tiempo del trmino (t, i) para todos los valores
posibles de la secuencia I[n]. Como referencia, se ha tomado [0] = 0. Es interesante
observar varias caractersticas en este rbol de fases:
0 T 2T 3T 4T
t
(t,i)
0
h
2 h
3 h
4 h
h
2 h
3 h
4 h
Figura 7.23. rbol de fases para una CPFSK binaria.
1. Las trayectorias de la fase son lineales, porque los pulsos g(t) que se usan para mo-
dular la fase son rectangulares y, por tanto, su integral q
g
(t) es lineal.
2. El hecho de que las fases sean indistinguibles mdulo 2 hace que el rbol sea in-
variante a desplazamientos verticales que sean mltiplo de 2. Por ello, en muchas
ocasiones el rbol de fases se representa mdulo 2; en realidad, es conveniente pen-
sar en el rbol de fases como pegado sobre un cilindro de radio unitario, de modo que
las fases y son, en realidad, coincidentes.
En el siguiente ejemplo, estudiamos la MSK binaria como caso particular de la CPM.
Ejemplo 7.5
En la MSK binaria, la identicacin de trminos entre (7.37) y (7.57) nos permite escribir que
d
= /2T, h = 1/2. El rbol de fases es idntico al de la Figura 7.23, aunque mientras en la
CPFSK binaria, las posibles fases al cabo de un periodo de smbolo eran mltiplo entero de
rad, ahora lo son de /2 rad.
Los pulsos g(t) que hemos venido empleando en este apartado eran rectangulares y de
duracin un periodo de smbolo. En realidad, no hay ningn impedimento para utilizar otros
tipos de pulsos. La posibilidad de usar pulsos con respuesta temporal ms suave o duracin
mayor de T segundos, abre la puerta a variaciones menos bruscas en la fase, por lo que se
puede esperar un menor ancho de banda ocupado, a costa de una mayor complejidad (espe-
cialmente del receptor) debida a la introduccin de memoria, fenmeno que ya observamos
en la MSK. Cuando la duracin del pulso g(t), que supondremos causal, es de L periodos
de smbolo, L > 1, hablamos de CPM de respuesta parcial, quedando el nombre CPM de
respuesta completa reservado para el caso L = 1. En cualquier caso, mantendremos vigente
la condicin (7.54) por la que la integral de g(t) es 1/2 para t LT. En denitiva, pode-
mos decir que la CPFSK es un caso particular de CPM con pulsos rectangulares y duracin
L = 1 periodo de smbolo.
Generalizando los clculos realizados en (7.57), podemos escribir la fase (t, i) en el
intervalo [nT, (n + 1)T] como
(t, i) = 2h
n
m=
I[m]q
g
(t mT) (7.62)
= h
nL
m=
I[m] + 2h
n
m=nL+1
I[m]q
g
(t mT) (7.63)
= [n] +(t, I[n], I[n 1], , I[n L + 1]) (7.64)
En (7.63) [n] representa la fase acumulada hasta el instante nT debida a todos los pulsos
que ya han colmado la integral, mientras que (t, I[n], I[n1], , I[nL+1]) representa
la contribucin de todos aquellos pulsos que an no han llegado hasta su valor nal en el
instante (n+1)T. Esta ltima funcin se puede descomponer en las contribuciones debidas
a los smbolos pasados y la correspondiente al smbolo actual. De este modo:
(t, I[n], , I[n L + 1]) = 2h
n1
m=nL+1
I[m]q
g
(t mT) + 2hI[n]q
g
(t nT)
(7.65)
Para describir la evolucin de la fase (t, i) podemos recurrir a un diagrama de estados o a
un diagrama de rejilla (vase Apartado 6.2.2). Mientras en la CPM de respuesta completa
el estado viene determinado exclusivamente por [n], para la CPM de respuesta parcial
necesitamos denir un vector de estados que contenga, adems de [n], los smbolos que
aparecen explcitamente en (7.65), de modo que dicho vector de estados en el instante n,
que denotaremos por [n], ser
[n] = ([n], I[n 1], , I[n L + 1])
T
(7.66)
Para el caso de respuesta completa (L = 1) vemos que el vector de estados [n] se reduce
a [n], tal como habamos necesitado para CPFSK y MSK.
Cuntos estados diferentes necesita un diagrama de rejilla para CPM? En principio,
atendiendo a las combinaciones posibles de L 1 smbolos que pueden tomar M valores
diferentes, tendramos un total de M
L1
, multiplicado por el nmero de valores distintos
que [n] puede tomar. Calculemos este ltimo valor, suponiendo que el ndice de modulacin
h es un nmero racional, de la forma
h =
P
Q
(7.67)
con P y Q nmeros enteros coprimos
4
. Por otro lado, a partir de (7.63) tenemos que [n] es
4
Dos nmeros enteros son coprimos si su mximo comn divisor es 1.
una suma de nmeros enteros multiplicada por h, que puede tomar los siguientes valores
[n]
_
0,
P
Q
, 2
P
Q
, , N
P
Q
,
_
(7.68)
Recordemos que de cara al nmero de estados las fases son indistinguibles mdulo 2, por
lo que basta con averiguar cuntos valores diferentes mdulo 2 puede tomar la secuencia
en (7.68). Para P un nmero entero par, la secuencia se repite a partir de N = Q, por lo
que [n] puede tomar Q valores diferentes; para P impar, la secuencia no se repite hasta
N = 2Q. Recapitulando, el nmero de estados es
_
QM
L1
, P par
2QM
L1
, P impar
(7.69)
Ejemplo 7.6
a) Para la CPFSK binaria (M = 2) con h = 1 y L = 1, la expresin (7.69) determina que
el nmero de estados es 2, que se corresponden con [n] = [n] 0, . Para la MSK bi-
naria (M = 2), con h = 1/2 y L = 1, el nmero de estados es 4, que se corresponden con
[n] = [n] 0, /2, .
b) Para una modulacin CPM de respuesta parcial, con longitud de los pulsos L = 2 periodos de
smbolo, ndice de modulacin h = 2/3 y M = 4, el nmero de estados [n] = ([n], I[n 1])
es 12.
Para nalizar la descripcin del diagrama de rejilla basta con especicar el vector de
estado [n + 1] a partir de la entrada I[n] y del valor del vector de estado en el instante
anterior [n]. Esto es inmediato a partir de la denicin de [n + 1], ya que
[n + 1] = [n] +hI[n L + 1] (7.70)
Finalmente, completan la descripcin de [n + 1] los smbolos I[n], , I[n L + 2].
El ejemplo siguiente muestra cmo determinar el diagrama de rejilla para una modula-
cin CPM.
Ejemplo 7.7
Sea una modulacin CPM con L = 2, h = 2/3 y M = 2. Los 6 posibles valores del vector de
estados son
[n] = ([n], I[n 1]) (0, +1), (0, 1), (2/3, +1), (2/3, 1), (4/3, +1), (4/3, 1)
(7.71)
En la Figura 7.24 se representan las posibles transiciones entre estados, de acuerdo con la Ecua-
cin (7.70).
Dentro de la inabarcable cantidad de posibilidades a la hora de elegir los pulsos g(t)
presentaremos aqu, con nimo ilustrativo, los ms conocidos, aparte de los rectangulares,
que son los llamados pulsos en coseno alzado y que no deben confundirse con los empleados
para satisfacer el criterio de Nyquist en modulaciones de tipo lineal. Los pulsos en coseno
Figura 7.24. Diagrama de rejilla para la modulacin CPM del Ejemplo 7.7. Las transicio-
nes en lnea continua se producen con I[n] = +1. Las transiciones en lnea discontinua se
producen con I[n] = 1.
alzado tienen la ventaja de suavizar las transiciones de fase debido a su forma (comprese
con la de los pulsos rectangulares). La expresin de los pulsos g(t) usados en este caso es
g(t) =
1
2LT
_
1 cos
_
2t
LT
__
w
LT
(t) (7.72)
donde w
LT
es un pulso rectangular causal de duracin LT segundos, denido segn (7.2).
El pulso g(t) se representa en la Figura 7.25 junto con su integral q
g
(t) para L = 1. Como
podemos observar en la Figura 7.26, donde se representa el rbol de fases para una CPM
cuaternaria con L = 2 y pulsos en coseno alzado, las transiciones son ms suaves, lo que
hace que el ancho de banda ocupado resulte menor. En la Figura 7.26 se ha supuesto que la
secuencia I[n] para n < 0 toma idnticamente el valor +3 y, como referencia a efectos de
representacin, se ha tomado una fase inicial de 0 radianes.
Otro caso interesante es el de la llamada GMSK (Gaussian MSK) , de importancia por
ser empleada como modulacin en el estndar europeo GSM de comunicaciones mviles de
segunda generacin y en el estndar europeo de comunicaciones inalmbricas DECT. La
GMSK coincide con la MSK binaria en el empleo de h = 1/2 y M = 2, pero ahora la
duracin de los pulsos es mayor que un periodo de smbolo (L > 1) y los pulsos g(t)
t T
1/2T
g(t)
(a)
t T
1/2
q
g
(t)
(b)
Figura 7.25. (a) Pulso en coseno alzado (L = 1) y (b) su integral.
0 T 2T 3T 4T
t
(t,i)
0
3 h
6 h
9 h
12 h
3 h
6 h
9 h
Figura 7.26. rbol de fases para una modulacin CPM cuaternaria con pulsos en coseno
alzado y L = 2.
son el resultado de pasar el pulso rectangular empleado en MSK a travs de un ltro con
respuesta al impulso gausiana y truncando el resultado en tiempo. El resultado es que los
pulsos empleados tienen la forma
g(t) =
1
2T
_
Q
_
2(t T/2)
ln 2
_
Q
_
2(t +T/2)
ln 2
__
(7.73)
donde Q() es la conocida funcin Q denida mediante (3.31) en la Pgina 103 y que ya
empleamos en el clculo de probabilidades de error en el Captulo 4, y es un parmetro que
permite controlar la duracin temporal de los pulsos. A un mayor valor de le corresponde
una mayor duracin temporal en g(t) por lo que el ancho de banda disminuye. A cambio, al
aumentar crece el nmero de estados del diagrama de rejilla y con l la complejidad del
detector en el receptor. En el caso del estndar GSM, = 0,3 mientras que en el estndar
DECT, = 0,2. En la Figura 7.27 se representa g(t) y su integral q
g
(t) para = 0,2 y
= 0,3.
t T
1/2T
g(t)
t T
1/2
q
g
(t)
(a) (b)
Figura 7.27. (a) Pulsos gausianos para = 0,2 (lnea continua) y = 0,3 (lnea disconti-
nua); (b) integrales respectivas.
Para concluir nuestra descripcin de las modulaciones CPM, mencionaremos dos posi-
bles extensiones, en las que no profundizaremos por quedar fuera de los objetivos de este
texto. Por una parte, en la denominada CPM multiamplitud, la amplitud de la seal transmi-
tida no es constante, sino que puede tomar uno de entre un conjunto de valores posibles. En
la llamada CPM multi-h es el ndice de modulacin h el que vara de forma cclica dentro
de un conjunto de ndices permitidos.
7.4.2. Detector coherente ML para CPM
En este apartado estudiaremos el diseo de un detector para CPM segn el criterio de
mxima verosimilitud (ML) en un canal gausiano. Recordemos que en el intervalo [0, NT)
la seal transmitida x(t) tiene la forma
x
i
(t) =
_
2E
s
T
sen [
c
t +
0
+(t, i)] , 0 t < NT (7.74)
donde i es la secuencia de smbolos transmitidos, que deseamos averiguar con la mnima
probabilidad de error, N es el nmero de periodos de smbolo transmitidos y la dependencia
de la seal transmitida con i se explicita escribiendo x
i
(t). Para simplicar la discusin,
supondremos que la decisin se basa en la observacin de la seal recibida y(t) en el inter-
valo [0, NT) y que la fase inicial de la portadora
0
es nula. Como sabemos, para canales
gausianos con ruido blanco, el criterio ML dicta que elijamos aquella secuencia

i tal que
la distancia eucldea entre las proyecciones sobre una base ortonormal de y(t) y x
i
(t) sea
mnima. Teniendo en cuenta que las distancias eucldeas se pueden calcular de forma equi-
valente en el espacio de Hilbert L
2
(vase Apartado 4.2), podemos concluir que debemos
buscar aquella secuencia

i tal que
_
NT
0
y(t)
_
2E
s
T
sen
_
c
t +(t,
i)
_
2
dt (7.75)
sea mnima. Desarrollando el cuadrado en (7.75) y sabiendo que la seal y(t) no depende
de

i y que cx
i
(t) = NE
s
, por lo que tampoco depende de

i, podemos concluir que
el receptor ML puede de forma equivalente seleccionar aquella secuencia que maximiza la
correlacin
x
i
, y
.
=
_
NT
0
y(t) sen
_
c
t +(t,
i)
_
dt. (7.76)
Para resolver el problema de encontrar

i se puede emplear el algoritmo de Viterbi (Aparta-
do 6.2.2), ya que, si denimos las mtricas
l
n
(y, x
i
)
.
=
_
(n+1)T
nT
y(t) sen [
c
t +(t, i)] dt, 0 n N 1 (7.77)
vemos que l
n
(y, x
i
) depende nicamente de la seal recibida en el intervalo [nT, (n+1)T),
del vector de estado [n] (vase Ecuacin 7.66)) y del smbolo I[n]. La correlacin en (7.76)
se puede escribir como una suma de mtricas de rama
x
i
, y =
N1
n=0
l
n
(y, x
i
) (7.78)
Para aplicar el algoritmo de Viterbi, slo tenemos que representar el diagrama de rejilla
de la modulacin CPM en cuestin, segn lo explicado ms arriba, asignar a cada rama
la mtrica (7.77) correspondiente y proceder como en el Apartado 6.2.2, determinando el
camino superviviente hasta cada nodo como aqul que llega a dicho nodo con la mayor
5
mtrica acumulada, y eligiendo el camino con mayor mtrica una vez alcanzado el nal
de la rejilla (o, forzando las decisiones con una determinada profundidad de truncamiento,
Pgina 319). Obsrvese que el cmputo de las mtricas (7.77) requiere la evaluacin de
una integral que, en la prctica, se suele implementar mediante una suma, tomando varias
muestras de y(t) por periodo de smbolo.
Veamos a continuacin cmo calcular la probabilidad de error de smbolo en un canal
gausiano representado por ruido n(t) de media cero y densidad espectral de potencia N
0
/2
W/Hz. Tal y como se discute en el Apartado 6.2.3, la probabilidad de error de smbolo se
puede expresar en trminos de la probabilidad de elegir un camino errneo que comience
en una etapa dada de la rejilla. En particular, la aproximacin (6.33) permite escribir la
probabilidad de error de smbolo P
e
como
P
e

2
Q
_
D
min
2
_
N
0
/2
_
(7.79)
5
Obsrvese que deseamos maximizar la correlacin.
donde D
min
denota la distancia eucldea mnima entre caminos en el diagrama de rejilla
y
2
est relacionada con el nmero de caminos errneos a distancia mnima. Para calcu-
lar la distancia mnima entre caminos, basta con considerar que cada camino est asociado
unvocamente con una posible seal transmitida x
i
(t), siendo i la secuencia de smbolos
asociada. Por tanto, D
min
no es ms que la distancia eucldea mnima entre seales trans-
mitidas. Con este n, conviene desarrollar la distancia eucldea entre dos seales genricas,
x
i
(t) y x
j
(t), tales que las secuencias de smbolos asociadas cumplen i ,= j. Esta distancia,
que denotaremos por d(x
i
(t), x
j
(t)) se puede calcular como sigue, suponiendo N smbolos
transmitidos,
d
2
(x
i
(t), x
j
(t)) =
_
NT
0
[x
i
(t) x
j
(t)[
2
dt
=
_
NT
0
x
2
i
(t)dt +
_
NT
0
x
2
j
(t)dt 2
_
NT
0
x
i
(t)x
j
(t)dt
= 2NE
s
2
2E
s
T
_
NT
0
sen [
c
t +(t, i)] sen [
c
t +(t, j)] dt
= 2NE
s
2E
s
T
_
NT
0
cos [(t, i) (t, j)] dt
=
2E
s
T
_
NT
0
(1 cos [(t, i) (t, j)]) dt (7.80)
Adems, a partir de la denicin de (t, i) en (7.62), es inmediato concluir que (t, i)
(t, j) = (t, i j) = (t, e), donde e es la secuencia de error entre i y j, de tal modo que
si I[n], J[n] 1, 3, , (M 1), entonces E[n] 0, 2, , 2(M 1). Por
consiguiente, para encontrar D
2
min
basta con considerar
D
2
min
= mn
ec
_
2E
s
T
_
NT
0
(1 cos [(t, e)]) dt
_
(7.81)
siendo c el conjunto de posibles secuencias de error excluyendo e ,= 0, y N sucientemente
grande como para que no se produzcan truncamientos anticipados del camino de distancia
mnima. En cualquier caso, el clculo de las integrales debe con frecuencia realizarse me-
diante tcnicas numricas. En el Problema P7.10 se calcula una cota a la distancia mnima
para los casos de CPFSK y MSK binaria.
Tambin se pueden construir receptores incoherentes para CPM, que no se consideran
en este texto. Recomendamos al lector interesado la consulta de [61] y [2].
Las modulaciones de frecuencia ms sencillas, como la FSK o la MSK, se pueden en-
contrar en la prctica totalidad de los libros de texto sobre comunicaciones digitales, como
[43], [94], [7]. Por el nivel de detalle y el completo anlisis de las tcnicas empleadas en
recepcin se recomienda consultar el texto de Proakis [61], que aqu se ha tomado como
fuente para los desarrollos de algunos apartados.
Las modulaciones CPM han ido perdiendo vigencia con el transcurso del tiempo, es-
pecialmente a causa de la complejidad de las implementaciones que de ellas se derivan. El
libro de Anderson, Aulin y Sundberg [1] es ya un clsico sobre la materia y es especialmente
interesante para consultar informacin sobre las caractersticas espectrales y distancias en
las modulaciones CPM multiamplitud y multi-h. Un buen resumen de este material est en
el ms reciente libro de Anderson y Svensson [2]. Tambin resulta recomendable el tuto-
rial [3]. El clculo del espectro de la seales OQPSK y CPFSK que hemos presentado est
basado en el texto de Benedetto y Biglieri [7].
Existen dos campos de aplicacin en los que las modulaciones presentadas en este ca-
ptulo han sido profusamente utilizadas: las comunicaciones mviles y las comunicaciones
va satlite. En [80] se discute con un alto grado de detalle las modulaciones empleadas en
comunicaciones mviles, excepto las de espectro ensanchado. Otro caso similar es [25] que,
una vez desprovisto de su autobombo, resulta un libro atractivo por su enfoque pragmtico.
PROBLEMAS
P7.1 Considere la transmisin de una seal paso banda x(t) =
21es(t)e
j
c
t
corres-
pondiente a una seal banda base s(t) y frecuencia de portadora
c
rad/seg a travs de
un ltro paso banda h(t) de la forma
h(t) = w
(t) cos(
c
t) (7.82)
siendo w
(t) un pulso rectangular causal de duracin segundos, con 0 < < T,

siendo T el periodo de smbolo. Observe que este es un mal ltro paso banda, pero
suciente para ilustrar la interaccin entre los saltos de fase y el ltrado.
1.1. Demuestre que la seal ltrada y(t) = x(t) h(t) se puede escribir como
y(t) =
21e(s(t) w
(t))e
j
c
t
(7.83)
de forma que la seal banda base equivalente es s(t) w
(t) (Ayuda: utilice los

resultados del Apartado 5.4.4).
Como consecuencia, si s
I
(t) y s
Q
(t) denotan las componentes en fase y cua-
dratura de s(t), respectivamente, las componentes en fase y cuadratura tras el
ltrado sern s
fI
(t)
.
= s
I
(t) w
(t) y s
fQ
(t)
.
= s
Q
(t) w
(t), respectivamente.
1.2. Sea s(t) una seal QPSK con pulsos rectangulares. Demuestre que el valor mni-
mo de la envolvente de la seal ltrada
_
2(s
2
fQ
(t) +s
2
fI
(t)) es 0 y que el valor
mximo es
_
2E
s
T
.
1.3. Para el caso en que s(t) es una seal OQPSK demuestre que el cociente entre el
valor mximo y el mnimo de la envolvente de la seal ltrada es
2.
P7.2 En este captulo hemos estudiado un buen nmero de modulaciones en las que las va-
riaciones de fase juegan un papel fundamental. Una forma ilustrativa de visualizar las
diferentes modulaciones es la llamada grca I/Q. En ella, se representa el par consti-
tuido por las componentes en fase y cuadratura en el instante t, (s
I
(t), s
Q
(t)), como
un punto del plano, de modo que, a medida que t vara, obtenemos una representacin
de cmo evoluciona la magnitud y fase de la seal en banda base. La envolvente de la
seal paso banda es proporcional al radio de su grca I/Q.
2.1. Compruebe que las grcas I/Q para las modulaciones QPSK y QPSK codica-
da diferencialmente son iguales y contienen un conjunto nito de puntos. Tpi-
camente, estos puntos se unen con lneas discontinuas para reejar las posibles
transiciones (instantneas) de fase.
2.2. Dibuje la grca I/Q de la modulacin OQPSK.
2.3. Dibuje las grcas I/Q de las modulaciones MSK y CPFSK binarias.
P7.3 Demuestre que el receptor DPSK de la Figura 7.9 no produce propagacin de errores.
Para ello, sea [n] la fase transmitida en el periodo n-simo (obtenida segn la Ecua-
cin (7.13)) y suponga que la seal recibida q[n] es tal que q[n] =
E
s
e
j[n]
para todo
n, excepto n = n
0
, en que q[n
0
] =
E
s
e
j([n
0
]+[n
0
])
, siendo [[n
0
][ sucientemente
grande como para producir un error en decisin tomada en el instante n
0
. Demuestre
que la decisin tomada en el instante (n
0
+ 1) tambin ser incorrecta, pero que para
n > (n
0
+ 1) no hay errores.
P7.4 Suponga la transmisin de una seal M-PSK a travs de un canal gausiano que intro-
duce ruido con densidad espectral de potencia N
0
/2 W/Hz y que, adems, introduce
un desfase de rad desconocido en el receptor. El receptor mantiene las regiones de
decisin que se corresponderan con = 0.
4.1. Bajo la hiptesis de E
s
/N
0
alta, escriba una expresin aproximada para la pro-
babilidad de error de smbolo P
e
(), en el rango (/M, /M), en funcin
de . (Ayuda: tenga en cuenta que la probabilidad de error est relacionada con
la distancia del smbolo transmitido, rotado rad (vase Figura 7.6), a la frontera
de decisin).
4.2. Sea d
min
la distancia mnima entre smbolos de la constelacin. Denimos la
distancia efectiva d
ef
() como aquella tal que la probabilidad de errorP
e
() se
puede aproximar como sigue
P
e
() Q
_
d
ef
()
2
_
N
0
/2
_
(7.84)
para alguna constante . Represente el cociente d
min
/d
ef
() (en dB) con respec-
to a en el rango (/M, /M). Este cociente puede interpretarse como
la prdida de rendimiento (medido en reduccin de la SNR efectiva) debida al
desconocimiento de la fase y sirve para establecer unos lmites de tolerancia a
los algoritmos de recuperacin de fase para receptores coherentes.
P7.5 Considere una seal QPSK que ha sido obtenida modulando una portadora de frecuen-
cia
c
rad/seg. En el receptor, la demodulacin se realiza con una frecuencia
c
+
rad/seg, lo que modela la inevitable diferencia entre las frecuencias de los osciladores
del transmisor y el receptor, o la desviacin de frecuencia debida al efecto Doppler.
El canal es gausiano con densidad espectral de potencia de ruido N
0
/2 W/Hz y la
respuesta combinada transmisor/receptor cumple el criterio de Nyquist. El periodo de
smbolo es T seg.
5.1. Demuestre que si los smbolos transmitidos son A[n], la seal a la salida del
muestreador del receptor es
q[n] = A[n]e
j(
0
n+)
+z[n]
donde
0
= T, es el desfase entre las sinusoides usadas en modulacin
y demodulacin, y z[n] es ruido blanco, gausiano, circularmente simtrico, de
media cero y varianza
2
z
= N
0
.
0
= P/Q, con P, Q dos nmeros enteros positivos tales
que P/Q < 1, entonces la probabilidad de error de smbolo es mayor que 0.5,
independientemente del valor de .
5.3. Considere ahora un sistema DQPSK. Obtenga una expresin aproximada de la
P
e
(
0
), probabilidad de error de smbolo en funcin de
0
, cuando E
s
/N
0
es
grande. (Ayuda: utilice los resultados del Problema P7.4. Recuerde asimismo
que para la DQPSK el ruido equivalente es 3dB superior al correspondiente a
PSK.)
5.4. Obtenga (numricamente) el rango de valores de
0
para el que la prdida de la
SNR efectiva con respecto al caso
0
= 0 es inferior a 3 dB.
P7.6 Una modulacin de fase diferencial empleada en algunos estndares de telefona ce-
lular americanos y japoneses es la conocida como /4-DQPSK. Esta modulacin es
similar a una DQPSK convencional, excepto en que los saltos de fase
[n] pertene-
cen al conjunto /4, 3/4. La fase transmitida [n] se genera segn la Ecua-
cin (7.13), con [1] = 0.
6.1. Demuestre que los conjuntos de fases transmitidas en los instantes pares e impa-
res son disjuntos.
6.2. Dibuje el diagrama I/Q de esta modulacin (vase Problema P7.2) uniendo las
posibles transiciones entre smbolos con lnea discontinua. Observe que las tran-
siciones conectan los dos conjuntos del apartado anterior.
6.3. Considere un ltro paso banda como el del Problema P7.1. Calcule el cociente
entre los valores mximo y mnimo de la envolvente de la seal ltrada y com-
prelo con el de la QPSK convencional (que a su vez es igual al de la DQPSK
convencional).
P7.7 Considere el receptor incoherente para FSK binaria de la Figura 7.15. Suponga que
0
T 1 y
1
T 1,
0
= 2K/T, para algn entero K y
0
=
1
+ 2/T (con-
dicin de ortogonalidad). Considere la transmisin en el intervalo [0, T) del smbolo
correspondiente a la frecuencia
0
a travs de un canal sin ruido que slo introduce un
desfase , de modo que la seal recibida y(t) es (7.33). Demuestre que las variables
de decisin r
0
[n] y r
1
[n] del detector de ley cuadrtica cumplen
r
0
[n] E
2
s
; r
1
[n] 0
para cualquier .
Suponga ahora que no se cumple la condicin de ortogonalidad. Calcule las variables
de decisin en funcin de
.
=
1
0
.
P7.8 Demuestre que las secuencias I[n] cos([n])(1)
n/2
y cos([n])(1)
n/2
, con n par,
que dan lugar a las componentes en fase y cuadratura de la seal MSK segn la Ecua-
cin (7.48), son blancas y mutuamente incorrelacionadas. Debe tener presente que los
[n] sirven para garantizar la continuidad de fase y, por tanto, dependen de los I[n].
P7.9 Demuestre que la probabilidad de error de smbolo en MSK binaria cuando se emplea
el receptor de la Figura 7.21 es la dada por (7.51).
P7.10 Considere la transmisin de una seal CPM binaria (M = 1) de respuesta completa
(L = 1), con ndice de modulacin h racional, a travs de un canal gausiano con
densidad espectral de potencia de ruido N
0
/2 W/Hz. Sean dos secuencias de smbolos
i, j tales que ambas dieren nicamente en los smbolos correspondientes a n = 0, 1.
10.1. Demuestre que los caminos del diagrama de rejilla correspondientes a las se-
cuencias i, j se separan en el instante n = 0 y se vuelven a juntar al cabo de dos
transiciones.
10.2. Considere la secuencia de error e = ij. Observe que E[n] 0, 2 para todo
n. Utilice la Ecuacin (7.81) para demostrar que la distancia entre las seales
x
i
(t) y x
j
(t) es tal que
d
2
(x
i
(t), x
j
(t)) = 4E
s
_
1
sen 2h
2h
_
(7.85)
La anterior es una cota superior a la distancia mnima. Por qu?
10.3. Utilice la cota anterior para obtener una aproximacin de la probabilidad de error
de smbolo. Particularice dicha expresin para el caso de MSK (h = 1/2). Com-
pare esta probabilidad con la del receptor de la Figura 7.21.
APNDICES
7.A. ESPECTRO DE UNA SEAL MULTIPULSO SIN MEMORIA
En este apndice calculamos el espectro de potencia de un proceso de la forma
X(t) = K
n
g
A[n]
(t nT) (7.86)
donde K =
_
2E
s
/T, los pulsos g
i
(t), i = 0, , M 1 tienen duracin igual o menor
que T segundos, y los smbolos A[n] son estadsticamente independientes y uniformemente
distribuidos en 0, 1, , M1. En primer lugar, es fcil comprobar que el proceso X(t)
es cicloestacionario de periodo T, por lo que la autocorrelacin R
x
(t +, t) es una funcin
peridica de t y, por tanto, la funcin de autocorrelacin promediada se puede calcular sobre
un nico periodo
R
x
() =
1
T
_
T
0
R
x
(t +, t)dt
=
K
2
T
l
_
T
0
Eg
A[n]
(t + nT)g
A[l]
(t lT)dt (7.87)
Es conveniente introducir la media
g
(t) de los pulsos transmitidos, ya que, en general, esta
no ser nula
g
(t)
.
= Eg
A[n]
(t) =
1
M
M1
i=0
g
i
(t) (7.88)
donde la ltima igualdad es consecuencia del carcter equiprobable de los smbolos. Tam-
bin ser conveniente denir, para todo i, 0 i M 1, g
i
(t)
.
= g
i
(t)
g
(t). Obsrvese
que E g
A[n]
(t) = 0, donde la esperanza se toma sobre la variable A[n].
Recordando la independencia de los smbolos, las funciones g
A[n]
(t) y g
A[l]
(t) sern
independientes para cualquier t siempre que n ,= l. Esta consideracin nos permite escribir
Eg
A[n]
(t + nT)g
A[l]
(t lT) = Eg
A[n]
(t + nT) Eg
A[l]
(t lT)
=
g
(t + nT)
g
(t lT), n ,= l (7.89)
Para el caso n = l, tenemos
Eg
A[n]
(t + nT)g
A[n]
(t nT) = E[ g
A[n]
(t + nT) +
g
(t + nT)]
[ g
A[n]
(t nT) +
g
(t nT)]
= E g
A[n]
(t + nT) g
A[n]
(t nT)
+
g
(t + nT)
g
(t nT) (7.90)
7.A ESPECTRO DE UNA SEAL MULTIPULSO SIN MEMORIA 429
Ahora estamos en condiciones de escribir (7.87) como
R
x
() =
K
2
T
l
_
T
0
g
(t + nT)
g
(t lT)dt
+
K
2
T
n
_
T
0
E g
A[n]
(t + nT) g
A[n]
(t nT)dt (7.91)
Denotamos los dos sumandos anteriores por R
xd
() y R
xc
() respectivamente, mientras
que sus transformadas respectivas son S
xd
(j) y S
xc
(j). A continuacin, desarrollamos
cada una de las autocorrelaciones promediadas y sus espectros asociados.
R
xd
() =
K
2
T
l
_
TlT
lT
g
(t + +lT nT)
g
(t)dt
=
K
2
T
l
_
TlT
lT
g
(t + +mT)
g
(t)dt
=
K
2
T
m
_

g
(t + +mT)
g
(t)dt
=
K
2
T
m
r
g
( +mT)
=
K
2
T
r
g
(t)
m
( +mT) (7.92)
donde r
g
(t)
.
=
g
(t)
g
(t) es la funcin de ambigedad temporal de
g
(t). Para calcular
S
xd
(j), slo tenemos que recordar que la transformada de un tren de impulsos espaciados
T segundos es otro tren de impulsos espaciados 2/T rad/seg. Por tanto,
S
xd
(j) =
K
2
T
2
S
g
(j)
_
j j
2m
T
_
(7.93)
donde S
g
(j) es la Transformada de Fourier de r
g
() =
g
()
g
(). A partir de
(7.88) es inmediato ver que
S
g
(j) =
1
M
2
M1
i=0
G
i
(j)
2
(7.94)
ecuacin que, sustituida en (7.93), produce (7.25).
Por lo que respecta a R
xc
, podemos escribir
R
xc
() =
K
2
T
n
_
TnT
nT
E g
A[n]
(t +) g
A[n]
(t)dt
=
K
2
T
_

E g
A[n]
(t +) g
A[n]
(t)dt
=
K
2
MT
M1
i=0
_

g
i
(t +) g
i
(t)dt
=
K
2
MT
_
M1
i=0
g
i
() g
i
() Mr
g
()
_
(7.95)
cuya Transformada de Fourier es (7.26).
7.B. RECEPTOR INCOHERENTE PTIMO
En este apndice vamos a extender el clculo del demodulador ML del Apartado 4.3 a la
recepcin incoherente (esto es, con una fase desconocida) de seales paso banda. Como en
aquella ocasin, consideraremos la transmisin de un nico smbolo b
i
0, 1, , M
1, que se transforma en el modulador en otro smbolo a
i
perteneciente a la constelacin
a
i
, i = 0, 1, , M 1, con la hiptesis adicional de que dichos smbolos tienen la
misma energa, esto es, [[a
i
[[
2
= E
s
, para todo i 0, 1, , M1. La extensin al caso
de una transmisin indenida de smbolos es inmediata, siempre que las formas de onda no
abarquen ms de un periodo de smbolo T.
Recordemos que cada smbolo a
i
se corresponde de forma unvoca con una forma de
onda s
i
(t), perteneciente al espacio de Hilbert L
2
y que podemos escribir como una combi-
nacin lineal de elementos de una base ortonormal
s
i
(t) =
N1
k=0
a
ik
k
(t) (7.96)
donde los a
ik
, 0 k N 1, son los elementos del vector a
i
. Dado que en nuestro caso
queremos considerar una transmisin paso banda, permitiremos que dichos coecientes sean
complejos, de modo que las formas de onda en banda base s
i
(t), i = 0, , M1, tambin
pueden tomar valores complejos. Por tanto, suponiendo que el modulador desea enviar el
smbolo a
i
, construir la seal
x(t) =
21es
i
(t)e
j
c
t
, (7.97)
donde, como de costumbre,
c
denota la frecuencia de la portadora. La seal x(t) se trans-
mite por un canal que supondremos gausiano y que introduce un desfase de radianes sobre
la portadora, de modo que la seal recibida puede escribirse como
y(t) =
21es
i
(t)e
j(
c
t+)
+n(t), (7.98)
7.B RECEPTOR INCOHERENTE PTIMO 431
con n(t) el ruido. En el receptor, la primera operacin (vase Figura 5.34) consiste en una
demodulacin compleja multiplicando por e
j
c
t
(la fase no se utiliza, porque se supo-
ne desconocida para el receptor) que produce la seal v(t) = y(t)e
j
c
t
. A continuacin,
siguiendo el esquema del demodulador del Apartado 4.3, obtenemos el vector q de coor-
denadas de v(t) en la base del modulador. Estas coordenadas, q
k
, k = 0, 1, , N 1 se
calculan como
q
k
=
2v,
k
=
2
_

v(t)
k
(t)dt, (7.99)
donde el factor
2 sirve para conservar la potencia de la seal (vase Apartado 5.4.2). Sus-

tituyendo (7.98) en (7.99) y considerando, por una parte, la ortogonalidad de las funciones
base y, por otra, que las funciones
k
(t) eliminan aquellas componentes de la seal que estn
centradas en la frecuencia 2
c
rad/seg, podemos escribir, emulando el desarrollo realizado
en (4.10),
q
k
= a
ik
e
j
+z
k
, 0 k N 1 (7.100)
donde a
ik
es la coordenada k-sima del i-simo smbolo de la constelacin (el que hemos
transmitido) y z
k
es una realizacin de una variable aleatoria gausiana compleja circular-
mente simtrica, de media cero y varianza total
2
z
= N
0
. Recordemos que esta varianza
se reparte entre la varianzas de la parte real e imaginaria de z
k
. Adems, es fcil demostrar
que las N componentes de ruido son mutuamente incorrelacionadas. Por tanto, la funcin
de densidad de probabilidad conjunta de q condicionada al smbolo enviado y a una fase
es
f
q[A,
(q[a
i
, ) =
N1
k=0
f
q
k
[A
k
(q
k
[a
ik
, ) =
1
(N
0
)
N
e
N1
k=0
|q
k
a
ik
e
j
|
2
N
0
=
1
(N
0
)
N
e
||qa
i
e
j
||
2
N
0
. (7.101)
Comparando este resultado con (4.17) vemos que, adems de la presencia de la fase , el
hecho de que el ruido sea ahora complejo introduce cambios menores en el exponente del
denominador.
Recordando que el receptor ML elige el smbolo a
i
que maximiza (7.101), y que la fun-
cin exponencial es estrictamente creciente, parecera que ahora bastara con seleccionar a
i
tal que [[q a
i
e
j
[[
2
es mnimo. Sin embargo, esta estrategia slo valdra para un demo-
dulador coherente, esto es, que conociese . En el caso incoherente, el demodulador ptimo
requiere dar algunos pasos ms. En primer lugar, debemos eliminar la dependencia con la
fase desconocida, lo que implica marginalizar la fdp en (7.101) integrando con respecto a la
distribucin de , que denotaremos por f
():
f
q[A
(q[a
i
) =
_

f
q[A,
(q[a
i
, )f
()d. (7.102)
Teniendo en cuenta que en la mayor parte de los casos no existe informacin disponible a
priori sobre , parece razonable escoger aquella distribucin que maximiza su entropa, esto
es, la uniforme en [, ) (vase Captulo 9). En este caso, sustituyendo (7.101) en (7.102),
tenemos
f
q[A
(q[a
i
) =
1
2(N
0
)
N
_

||qa
i
e
j
||
2
N
0
d, (7.103)
integral que tiene solucin analtica:
f
q[A
(q[a
i
) =
1
(N
0
)
N
exp
_
[[q[[
2
+[[a
i
[[
2
N
0
_
I
0
_
2[q, a
i
[
N
0
_
, (7.104)
donde I
0
() es la llamada funcin de Bessel modicada de orden 0, de la que esencialmente
nos interesa saber que es estrictamente creciente para argumentos positivos. Observando
la expresin (7.104) y teniendo en cuenta nuestra hiptesis de que todos los smbolos de la
constelacin tienen idntica energa, podemos concluir que el receptor ML debe elegir aquel
a
i
tal que maximiza
r
i
.
= [q, a
i
[
2
=
N1
k=0
q
k
a
ik
2
=
2
_

v(t)s
i
(t)
2
. (7.105)
La estructura resultante, en este caso realizada con ltros adaptados y generalizada a la
transmisin indenida de smbolos, se representa en la Figura 7.28, en la que

B[n] denota
el n-simo smbolo decidido.
.

.

.

.
t nT =
*
0
( ) s t -
.
.
.
y t ( )
v t ( )
e
- j
c
t w
Mximo
[ ] B n
*
1
( ) s t -
*
1
( )
M
s t
-
-
Figura 7.28. Diagrama de bloques de un receptor ML incoherente.
7.B.1. Receptor ML Incoherente para CPFSK ortogonal binaria
Consideraremos aqu la transmisin de un nico smbolo en el intervalo t [0, T). La
generalizacin a una transmisin indenida de smbolos en inmediata, habida cuenta de que
las formas de onda de diferentes smbolos transmitidos no se solapan. En este caso, tenemos
dos formas de onda en banda base:
s
0
(t) =
_
E
s
T
e
j(
t
T
+/2)
w
T
(t),
s
1
(t) =
_
E
s
T
e
j(
t
T
+/2)
w
T
(t), (7.106)
7.B RECEPTOR INCOHERENTE PTIMO 433
y la operacin (7.105) produce la variable de decisin
r
0
=
_
2E
s
T
_
T
0
y(t)e
j
c
t
e
j(t/T+/2)
2
=
_
2E
s
T
_
T
0
y(t)e
j(
0
t+/2)
2
=
2E
s
T
_
__
T
0
y(t) sen(
0
t)dt
_
2
+
__
T
0
y(t) cos(
0
t)dt
_
2
_
, (7.107)
con un resultado similar para la variable de decisin r
1
, con
1
en lugar de
0
. Finalmente,
el decisor elegir aquel smbolo cuya variable de decisin asociada sea mxima.
CAPTULO 8
MODULACIONES MULTIPULSO
En el Captulo 6 comprobamos que, para canales con ISI, las modulaciones de amplitud
requieren el empleo de igualadores que, a menudo, se convierten en sosticados sistemas
con un elevado coste de implementacin. En el presente captulo desarrollaremos la idea,
presentada en el Captulo 4 y ya utilizada en el captulo precedente, de usar conjuntos de
pulsos ortogonales, y que, adecuadamente modicada, se convierte en un valioso instru-
mento que permite combatir el multitrayecto con soluciones con menor complejidad que las
propias de PAM. En nuestro caso, los pulsos empleados respondern a una generalizacin
de la CPFSK en la que se permite la modulacin compleja en amplitud. Como veremos, la
modulacin resultante se puede relacionar con la Transformada de Fourier discreta, analo-
ga que no slo facilita la implementacin eciente, sino que da lugar al aprovechamiento
de algunas propiedades de dicha transformada que abren la puerta a ingeniosas soluciones
contra el multitrayecto.
Asimismo, veremos cmo la utilizacin de un ancho de banda muy superior al mnimo
requerido por el criterio de Nyquist se puede convertir en un magnco aliado contra el mul-
titrayecto. A esta solucin, conocida como espectro ensanchado, dedicaremos la segunda
parte del captulo. El aparente desperdicio de ancho de banda de esta estrategia se ve com-
pensado con la aparicin de grados de libertad que permiten construir conjuntos de pulsos
ortogonales (o cuasi-ortogonales) que, a su vez, se pueden emplear para albergar muchos
usuarios aprovechando simultneamente el mismo ancho de banda. Por supuesto, semejante
recurso implica un diseo muy cuidadoso de los pulsos empleados y del receptor.
8.1. MODULACIONES MULTIPORTADORA
En el Apartado 7.2 hemos visto cmo es posible conseguir conjuntos ortogonales de
pulsos empleando frecuencias relacionadas de forma armnica. Una extensin de dicha idea
consistira en modular dichos pulsos en amplitud, por lo que tendramos la posibilidad de
transmitir informacin de dos formas: 1) seleccionando la amplitud transmitida, y 2) selec-
cionando el pulso empleado. Alternativamente, podramos pensar en aprovechar la ortogo-
nalidad de los pulsos para transmitirlos todos simultneamente, cada uno de ellos modulado
436 MODULACIONES MULTIPULSO
en amplitud por smbolos de informacin. En el receptor, la ortogonalidad nos ayudar a
separar la contribucin de cada pulso y decidir sobre la informacin transmitida sobre ste
sin interferencia de los restantes. De hecho, algo parecido hacemos cuando enviamos si-
multneamente las componentes en fase y cuadratura y posteriormente las separamos en el
receptor, de forma que las decisiones tomadas en el canal en fase pueden ser independientes
de las tomadas en el canal en cuadratura.
Por otra parte, como veremos en este apartado, no hay nada que impida emplear ex-
ponenciales complejas como pulsos bsicos en lugar de seales tipo coseno, puesto que ya
sabemos que el proceso de modulacin en cuadratura nos permite trabajar con seales com-
plejas en banda base. Como quedar claro, el uso de exponenciales complejas separadas un
mltiplo de 2/T rad/seg, siendo T el periodo de smbolo, permite crear un conjunto de
pulsos ortogonales.
Figura 8.1. Esquema de un modulador FDM (OFDM).
Comencemos por un mltiplex por divisin en frecuencia clsico (Frequency Division
Multiplex, FDM) aplicado a un nico usuario (es decir, el ancho de banda disponible no
se comparte con otros usuarios). Este ancho de banda disponible, digamos W rad/seg, se
divide (empleando ltros ideales) en N subcanales de ancho de banda W/N rad/seg por
los que se transmite la informacin empleando una modulacin PAM paso banda en cada
subcanal. El proceso se ilustra en la Figura 8.1. La misin del conversor serie/paralelo es la
de multiplexar la secuencia de smbolos a su entrada sobre los N subcanales disponibles.
Lgicamente, si N/T baudios es la velocidad de smbolo a la entrada del conversor, en
cada subcanal la velocidad de smbolo ser de 1/T baudios. Como justicaremos en breve,
nada se gana dividiendo un canal en N subcanales para su utilizacin por un nico usuario;
sin embargo, la relacin conceptual de un sistema FDM con un sistema multiportadora es
sucientemente estrecha como para aconsejar un rpido vistazo.
Por lo que respecta al receptor FDM, ste simplemente separara la seal recibida en N
subcanales, convertira la informacin de paralelo a serie (operacin inversa a la realizada
en el transmisor) y tomara una decisin en funcin de la observacin. Ntese que en el
receptor necesitamos ahora N muestreadores operando a tasa 1/T seg
1
. El receptor FDM
se muestra en la Figura 8.2. Es interesante razonar que si la seal transmitida atraviesa
un canal lineal, es evidente que no habr interferencia entre los smbolos transmitidos entre
subcanales diferentes; s puede haber interferencia entre los smbolos de un mismo subcanal,
8.1 MODULACIONES MULTIPORTADORA 437
Figura 8.2. Diagrama de bloques de un receptor para FDM (OFDM).
aunque si sobre cada subcanal se cumple el criterio de Nyquist (cuidado!, ahora a periodo
T), dicha interferencia ser cero.
Los inconvenientes del sistema FDM son:
1. Se necesita emplear ltros ideales, irrealizables en la prctica. En cuanto esta res-
triccin se relaja, aparece interferencia entre subcanales. Una forma de reducir esta
interferencia es dejar una banda de guarda entre ltros adyacentes, pero esto reduce
la eciencia espectral, tanto ms cuanto mayor es el nmero de subcanales en que se
ha dividido el canal.
2. La complejidad del sistema es considerablemente mayor que la de un sistema PAM.
Concretamente, tanto en el transmisor como en el receptor se necesitan N ltros;
adems, en el receptor ha de haber N muestreadores operando sncronamente.
La solucin al primer inconveniente pasa por emplear pulsos que, manteniendo la orto-
gonalidad, sean realizables de forma prctica. Como sabemos, es posible conseguir conjun-
tos de pulsos ortogonales aunque stos se solapen espectralmente de manera parcial o total.
La solucin al segundo problema es ms sutil y aparecer algo ms adelante, en el transcurso
de nuestro anlisis.
8.1.1. Modulaciones multiportadora en tiempo continuo
En una modulacin multiportadora se emplea un conjunto de pulsos que se generan
multiplicando un ltro prototipo por un conjunto de N portadoras distintas. Comenzaremos
estudiando el caso en que dicho ltro prototipo es un pulso rectangular causal de duracin T
segundos y nos centraremos nicamente en la seal compleja en banda base s(t). La seal
transmitida x(t) se obtiene a partir de s(t) en la forma acostumbrada
x(t) =
21es(t)e
j
c
t
(8.1)
siendo
c
la frecuencia de la seal portadora en rad/seg. En el caso comentado, la seal
compleja en banda base responde a la expresin:
s(t) =
n
A
T
[n](t nT) =
n
N1
k=0
A
k
[n]
k
(t nT) (8.2)
donde las funciones base
k
(t), k = 0, , N 1 son de la forma:
k
(t) =
1
T
e
j
2kt
T
w
T
(t) (8.3)
siendo w
T
(t) una ventana temporal rectangular de duracin T segundos
w
T
(t) =
_
1 0 t < T
0 resto
(8.4)
Estas funciones
k
(t) constituyen una base ortonormal, puesto que
k
,
l
=
1
T
_
T
0
e
j2kt
T
e
j
2lt
T
dt
=
1
T
_
T
0
cos
_
2(k l)t
T
_
dt +
j
T
_
T
0
sen
_
2(k l)t
T
_
dt = [k l]
(8.5)
para todo k, l 0, , N 1.
Teniendo en cuenta que cada funcin base
k
(t) se genera modulando una portadora
compleja con un pulso rectangular w
T
(t) y que las funciones anteriormente descritas son
ortogonales, este formato de modulacin tambin se conoce como Mltiplex por Divisin
en Frecuencia Ortogonal (Orthogonal Frequency Division Multiplex, OFDM).
Los nmeros complejos A
k
[n] que aparecen en (8.2) son los smbolos de la modulacin
OFDM. Como observamos en dicha expresin, la OFDM es, en realidad, la superposicin de
N modulaciones de tipo PAM paso banda, que se transmiten simultneamente. El esquema
de la Figura 8.1 tambin es vlido para un modulador OFDM en tiempo continuo, teniendo
en cuenta que las funciones base empleadas son las descritas en (8.3). En el caso de OFDM,
adems, es inmediato demostrar que para cualquier entero n se cumple que
k
(t nT) =
0
(t nT)e
j
2k(tnT)
T
=
0
(t nT)e
j
2kt
T
(8.6)
de modo que cada uno de los ltros de la Figura 8.1 es equivalente a un ltrado con
0
(t)
(que es un pulso rectangular en banda base) y una posterior modulacin compleja, tal como
se representa en la Figura 8.3.
En adelante, utilizaremos el trmino subcanal para referirnos a cada una de las modula-
ciones de tipo PAM paso banda considerada por separado. Es interesante observar que, dado
><
[ ]
k
A n [ ]
k
A n
( )
k
t f
2 kt
j
T
e
p
0
( ) t f
Figura 8.3. Equivalencia entre el ltrado con
k
(t) y el ltrado con
0
(t) y una modula-
cin compleja.
que la transmisin de smbolos sobre los diferentes subcanales puede considerarse indepen-
diente, es posible emplear diferentes constelaciones sobre cada uno, de forma que se enve
ms informacin en aquellos subcanales con mejores prestaciones.
Es ilustrativo representar el mdulo al cuadrado de la Transformada de Fourier de las
funciones base, [
k
(j)[
2
, ya que de este modo se pueden observar sus caractersticas es-
pectrales. A partir de (8.3) es inmediato ver que:
[
k
(j)[
2
= T sinc
2
_
( 2k/T)T
2
_
, k = 0, , N 1 (8.7)
En la Figura 8.4 se representa el espectro de las funciones correspondientes a k = 0 y k = 9.
En primer lugar, vemos que, a diferencia de un mltiplex por divisin en frecuencia conven-
cional, las funciones base se solapan en frecuencia; de todas formas, esto no signica que
no sean fcilmente separables si se transmiten superpuestas, en virtud de su ortogonalidad.
Por otra parte, tambin a diferencia de un mltiplex por divisin en frecuencia clsico, los
espectros se extienden hasta el innito, aunque su cada asinttica es como 1/
2
.
12/T6/T 0 6/T 12/T 18/T 24/T 30/T
T
|
0
(j)|
2
|
9
(j)|
2
Figura 8.4. Espectro de la funcin base correspondiente a los subcanales nmero 0 (l-
nea punteada) y nmero 9 (lnea continua) en una modulacin multiportadora en tiempo
continuo con N = 16.
Espectro de la seal multiportadora en tiempo continuo
Si los smbolos que se transmiten sobre cualquier par de subcanales estn mutuamente
incorrelacionados y la secuencia A
k
[n], con k jo, es blanca, entonces es posible escribir:
S
s
(j) =
1
T
N1
k=0
E
s,k
[
k
(j)[
2
(8.8)
donde E
s,k
.
= E[A
k
[n][
2
es la energa media por smbolo transmitido sobre el subca-
nal k-simo. La dependencia de la energa media con el ndice k de la portadora reeja la
posibilidad, antes aludida, de emplear una constelacin diferente con cada funcin base.
A partir de (8.8) es sencillo obtener la potencia transmitida P, ya que
P =
1
2
_

S
s
(j)d =
1
T
N1
k=0
E
s,k
1
2
_

[
k
(j)[
2
d =
1
T
N1
k=0
E
s,k
(8.9)
donde hemos usado el hecho de que las funciones base tienen energa unidad.
Cuando las energas medias de las constelaciones empleadas en cada subcanal son idn-
ticas, es decir, E
s,k
= E
s
, para todo k = 0, 1, , N 1, podemos escribir
P =
NE
s
T
(8.10)
que es N veces mayor que la que obtenamos para PAM paso banda (vase Ecuacin (5.75)).
Este resultado no es en absoluto sorprendente: recurdese que, segn nuestra formulacin,
la velocidad de transmisin es de N/T baudios, esto es, N veces mayor que la de PAM paso
banda. En otras palabras, a igualdad de tasas de smbolo, la PAM paso banda y la OFDM
consumen la misma potencia.
En la Figura 8.5 se representa el espectro de la seal OFDM cuando se emplean 8 por-
tadoras, es decir, N = 8, mientras que en la Figura 8.6 se repite la representacin para
N = 64. En ambos casos, las constelaciones empleadas sobre cada subcanal son idnticas.
Como se puede observar, a medida que aumenta el nmero de portadoras, el espectro tiende
a aplanarse ms en la zona intermedia. En la Figura 8.7 se representan los espectros corres-
pondientes a las 8 funciones base que conforman el espectro, representadas con lneas de
diferente trazo y centradas en la frecuencia que les corresponde. Como se puede comprobar,
los picos del espectro de cada subcanal coinciden con los nulos de los restantes; en el resto
de las frecuencias, la suma se aproxima asintticamente (cuando el nmero de portadoras
N tiende a innito) al valor de los picos, como demostramos a continuacin.
Para ello, consideremos que los ndices de las funciones base en la Ecuacin (8.2) se
extienden desde k = hasta k = . Calculemos la densidad espectral de potencia
para este caso, suponiendo que la constelacin usada sobre cada subcanal es idntica y con
energa media E
s
. Sustituyendo (8.7) en (8.8) y teniendo en cuenta los ndices, es posible
16/T 0 16/T 32/T
0
10
20
30
40
(dB)
S
s
(j)/E
s
Figura 8.5. Espectro de la seal OFDM en tiempo continuo para N = 8.
0 32/T 64/T 96/T 128/T
0
10
20
30
40
(dB)
S
s
(j)/E
s
Figura 8.6. Espectro de la seal OFDM en tiempo continuo para N = 64.
escribir:
S
s
(j) =
E
s
T
k=
sinc
2
_
( 2k/T)T
2
_
=
E
s
T
sinc
2
_
T
2
_
k=
_

2k
T
_
(8.11)
Pero S
s
(j) en (8.11) slo ser constante con si su Transformada de Fourier inversa es
8/T 0 8/T 16/T 24/T
E
s
S
s
(j)
Figura 8.7. Espectros individuales correspondientes a los subcanales de una modulacin
OFDM en tiempo continuo (N = 8) en lnea discontinua y espectro completo en lnea
continua.
una delta en el origen, esto es, si se verica que
E
s
T
(
0
(t)
0
(t))
k=
(t kT) = C(t) (8.12)
para algn nmero real C. El que en (8.12) aparezca la funcin de ambigedad
0
(t)
0
(t) se debe a que sta es la seal cuya transformada es sinc
2
(T/2). En tiempo, esta
seal es un pulso triangular de ancho 2T segundos y centrado en el origen. En consecuencia,
al multiplicar esta seal por un tren de deltas espaciadas T segundos, es evidente que slo
quedar la situada en el origen, con lo que la validez de (8.12) queda demostrada y, por
tanto, el espectro es plano para el caso asinttico.
8.1.2. Modulaciones multiportadora en tiempo discreto
La modulacin OFDM descrita en los apartados anteriores tiene el inconveniente de que
su implementacin prctica resulta difcil debido a que es necesario generar N portadoras
complejas (2N reales) perfectamente enganchadas en fase. Si esta condicin no se cumple,
las funciones base dejan de ser ortogonales y aparece el efecto conocido como interferencia
entre portadoras (InterCarrier Interference, ICI) que afecta negativamente a las prestacio-
nes del sistema. En este apartado veremos cmo, empleando tcnicas de procesado de seal,
es posible generar una seal similar a la anterior, pero sin los problemas de enganche en fase
de las portadoras y con una realizacin mucho ms eciente.
En principio, podra pensarse en generar muestras discretas de las seales transmitidas y,
a partir de ellas, construir la seal de la Ecuacin (8.2). Desgraciadamente, ya hemos visto
que las funciones base son de ancho de banda innito, propiedad que hereda el espectro
completo S
s
(j) en la Ecuacin (8.8). Sin embargo, como podemos ver en las Figuras 8.5 y
8.6, el espectro ocupa aproximadamente
1
2N/T rad/seg. Esto sugiere la idea de muestrear
a la tasa de Nyquist asociada a este ancho de banda, lo que a su vez se corresponde con
un muestreo con periodo T/N segundos. Muestreando s(t) en (8.2) con periodo T/N, y
denotando por s[m] las muestras complejas recogidas en el intervalo 0 t < T, tendramos:
s[m] =
N1
k=0
A
k
[0]
k
(mT/N), m = 0, , N 1 (8.13)
s[m] =
1
T
N1
k=0
A
k
[0]e
j
2km
N
, m = 0, , N 1 (8.14)
Pero el trmino de la derecha de (8.14) no es ms que la DFT inversa (IDFT, vase Aparta-
do 2.3.5) de la secuencia A
k
[0], k = 0, , N 1, salvo por un factor constante. Podemos,
pues, pensar en transmitir la IDFT de los smbolos A
k
, aprovechando, adems, la existencia
de algoritmos muy ecientes para la realizacin de la IDFT, como es el caso de la FFT (Fast
Fourier Transform) inversa, especialmente eciente cuando el nmero de portadoras N es
una potencia de 2. La descripcin de estos y otros algoritmos para la realizacin rpida de la
DFT se escapa del mbito de este texto. En el Apartado 8.4 se ofrecen algunas referencias
bibliogrcas donde se puede encontrar una descripcin detallada de dichos algoritmos y
sus propiedades.
Cuando muestreamos la seal s(t) completa no slo un intervalo de duracin T dada
en la forma (8.2) obtenemos una secuencia s[m] cuya expresin es
s[m] =
n
N1
k=0
A
k
[n]
k
(mT/N nT)
=
1
n
N1
k=0
A
k
[n]e
j
2k(mnN)
N
w
N
[mnN] (8.15)
donde la secuencia w
N
[m] es una ventana rectangular en tiempo discreto de N muestras de
duracin:
w
N
[m] =
_
1 0 m N 1
0 resto
(8.16)
La Ecuacin (8.15) admite una interesante interpretacin en trminos de una base orto-
normal de funciones en tiempo discreto. Deniendo las funciones discretas
k
[m] =
1
N
e
j
2km
N
w
N
[m], k = 0, , N 1 (8.17)
1
En realidad, si consideramos slo aquellas partes del espectro asociado a cada subcanal que estn a menos
de 20 dB con respecto al lbulo principal, lo que corresponde con mantener dos lbulos secundarios a cada
lado del espectro, el ancho de banda sera 2(N + 5)/T rad/seg, por lo que para N grande se justica el valor
empleado en la aproximacin.
es fcil demostrar que constituyen un conjunto ortonormal, en el sentido de que
k
,
l
=
k
[m]
l
[m] =
1
N
N1
m=0
e
j
2(kl)m
N
= [k l] (8.18)
As, (8.15) puede reescribirse como
s[m] =
_
N
T
n
N1
k=0
A
k
[n]
k
[mnN] (8.19)
que, como puede vericarse, no es ms que una versin discreta de la Ecuacin (8.2).
(a)
(b)
Figura 8.8. Arquitectura de un modulador OFDM en tiempo discreto: (a) realizacin me-
diante exponenciales complejas; (b) realizacin mediante IDFT.
El desarrollo anterior sugiere una implementacin en tiempo discreto de la modulacin
OFDM como la que se esquematiza en la Figura 8.8. La conversin digital/analgica de la
seal s[m] se lleva a cabo con un ltro de reconstruccin g(t) que, por ahora, consideraremos
ideal
2
. La conversin de discreto a continuo se hace con periodo T/N segundos, por lo que
2
Matemticamente, el proceso de conversin de discreto a continuo de la secuencia s[m] con un ltro de
reconstruccin g(t) es equivalente a una modulacin de amplitud con la secuencia s[m] usando como ltro
transmisor g(t).
las respuestas al impulso y en frecuencia del ltro de reconstruccin son, respectivamente,
g(t) = sinc
_
tN
T
_
(8.20)
G(j) =
T
N

_
T
2N
_
(8.21)
Antes justicamos el hecho de que si las funciones
k
(t) eran de ancho de banda ilimi-
tado, stas no eran realizables a partir de la reconstruccin de una seal discreta mediante
un ltro ideal, como el utilizado en el esquema de la Figura 8.8. Si las realizaciones discre-
ta y continua no son realmente idnticas, entonces qu funciones equivalentes en tiempo
continuo estamos empleando cuando utilizamos la estructura de la Figura 8.8? Conocer
estas funciones es relativamente sencillo: slo tenemos que aplicar el principio de superpo-
sicin a la salida del ltro de reconstruccin g(t). Denotaremos estas funciones por

k
(t),
k = 0, , N 1 y la salida del conversor digital/analgico ideal operando con tasa N/T
seg
1
por s
r
(t). Entonces, s
r
(t) se puede escribir a partir de la conocida expresin que re-
laciona la seal reconstruida con sus muestras tomadas con tasa de muestreo N/T seg
1
,
esto es,
s
r
(t) =
m
s[m]g(t mT/N) (8.22)
donde g(t) viene dado por (8.20). Sustituyendo (8.19) en la ecuacin anterior, es posible
escribir
s
r
(t) =
_
N
T
n
N1
k=0
A
k
[n]
k
[mnN]g(t mT/N) (8.23)
que, tras un cambio de variable, se convierte en
s
r
(t) =
n
N1
k=0
A
k
[n]
k
(t nT) (8.24)
siendo
k
(t) =
_
N
T
k
[m]g(t mT/N) =
1
T
N1
m=0
e
j
2mk
N
sinc [(t mT/N)N/T]
(8.25)
La Figura 8.9 ilustra las funciones base para k = 6 empleadas en los casos continuo y
discreto (en este ltimo, con N = 8 y N = 16). Es interesante observar cmo, a medida
que aumenta N, la funcin

k
(t) converge en valor cuadrtico medio
3
a
k
(t).
3
La convergencia no es uniforme, ya que en este caso aparece el llamado fenmeno de Gibbs, que provoca
las oscilaciones que se ven en la Figura 8.9.c y que no desaparecen por mucho que aumente N.
t
T
1/T
1/T
6
(t)
t
T
1/T
1/T
^
6
(t)
(a) (b)
t
T
1/T
1/T
^
6
(t)
(c)
Figura 8.9. Representacin de la parte real de las funciones base en el dominio del tiempo:
(a) OFDM en tiempo continuo; (b) OFDM en tiempo discreto para N = 8; (c) OFDM en
tiempo discreto para N = 64.
De nuevo cabe preguntarse si el conjunto de funciones

k
(t), k = 0, , N 1 es orto-
normal. Y, de nuevo, la respuesta es armativa. Efectuando la correlacin cruzada (tomando
como soporte toda la recta real porque, como ya hemos visto, las funciones tienen duracin
innita) y usando (8.25) resulta
k
,

l
=
_

k
(t)
l
(t)dt
=
1
T
N1
m=0
N1
i=0
e
j
2km
N
e
j
2li
N
_

g(t mT/N)g(t iT/N)dt

(8.26)
Operando con el integrando de (8.26) es fcil ver que
_

g( mT/N)g( iT/N)d = (g(t) g(t))
t=(mi)T/N
(8.27)
Pero la funcin de ambigedad temporal de g(t) cumple, salvo por una constante, el criterio
de Nyquist cuando se muestrea con periodo T/N, no en vano g(t) constituye un caso dege-
nerado de ltro en raz cuadrada de coseno alzado con factor de cada igual a cero. Por
tanto,
_

g( mT/N)g( iT/N)dt =
T
N
[mi] (8.28)
El factor T/N es debido a que g(t) g(t) no es exactamente un pulso de Nyquist porque
g(t) no est normalizado en energa.
Sustituyendo (8.28) en (8.26) tenemos
k
,

l
=
1
N
N1
m=0
e
j
2(kl)m
N
= [k l] (8.29)
con lo que queda demostrado que el conjunto de funciones

k
(t), k = 0, , N 1 es
ortonormal. De hecho, esta propiedad se verica para cualquier ltro de reconstruccin g(t)
cuya funcin de ambigedad temporal cumpla el criterio de Nyquist cuando se muestrea con
periodo T/N. La demostracin sigue las mismas lneas que la que aqu se ha presentado para
un ltro de interpolacin ideal.
Espectro de la seal multiportadora en tiempo discreto
En este caso, si los smbolos que modulan a cada par de funciones base estn mutuamen-
te incorrelacionados y la secuencia de smbolos transmitida sobre cada subcanal es blanca,
el espectro de la seal transmitida s
r
(t), que denotaremos por S
sr
(j), es
S
sr
(j) =
1
T
N1
k=0
E
s,k
[
k
(j)[
2
(8.30)
siendo E
s,k
= E[A
k
[n][
2
la energa media por smbolo transmitido sobre el subcanal k-
simo y

k
(j) la Transformada de Fourier de

k
(t). De nuevo, la dependencia de (8.30)
con el ndice k reeja la posibilidad de emplear constelaciones diferentes con cada portado-
ra, o incluso apagar portadoras.
Slo nos resta calcular [
k
(j)[
2
. Para ello, basta con tener en cuenta que

k
(t) es el
resultado de pasar la seal discreta
_
N/T
k
[m] por un interpolador ideal con respuesta en
frecuencia G(j) dada por (8.21). Calculando la magnitud al cuadrado de la Transformada
de Fourier de (8.17) obtenemos
[
k
(e
j
)[
2
=
1
N
sen
2
[( 2k/N)N/2]
sen
2
[( 2k/N)/2]
(8.31)
Por otra parte, aplicando los resultados del Apartado 2.4.3 que permiten relacionar el espec-
tro de una seal continua reconstruida con el de la seal discreta y el ltro reconstructor,
podemos escribir
[
k
(j)[
2
=
N
T
[
k
(e
jT/N
)[
2
T
2
N
2

_
T
2N
_
(8.32)
que, tras sustituir en (8.31), resulta en
[
k
(j)[
2
=
T
N
2
sen
2
[( 2k/T)T/2]
sen
2
[( 2k/T)T/2N]
, [[ <
N
T
(8.33)
En la Figura 8.10 se representa el cuadrado de la magnitud del espectro de

k
(t) para
k = 9 y N = 16. La principal diferencia con la Figura 8.10 reside en la posicin que
ocupan los subcanales en el espectro continuo, debido a la presencia ahora del ltro de
reconstruccin. Ello provoca que los subcanales aparezcan ordenados de forma diferente a
como sucede en la OFDM en tiempo continuo. De hecho, se produce un desplazamiento
cclico de N/T rad/seg sobre el ordenamiento natural.
16/T 8/T 0 8/T 16/T
T
|
9
(j)|
2 ^
Figura 8.10. Espectro de la funcin base correspondiente al subcanal nmero 9 en una
modulacin OFDM en tiempo discreto con N = 16.
En caso de que se desease un ordenamiento natural de las portadoras asociadas a cada
smbolo, ste se puede conseguir a travs de un desplazamiento cclico de radianes sobre el
espectro de la secuencia discreta s[m] (equivalente a multiplicar en tiempo por la secuencia
(1)
m
) o bien a travs de un ltro de reconstruccin complejo con frecuencia de corte
inferior 0 rad/seg y superior 2N/T rad/seg. Evidentemente, esta ltima opcin requiere
cambiar la frecuencia de la portadora
c
para trasladar el espectro de la seal transmitida a
la frecuencia deseada.
En cuanto a la representacin de S
sr
(j), es fcil demostrar (Problema P8.2) que, en el
caso de que las constelaciones empleadas sobre cada subcanal sean idnticas y con energa
media E
s
, entonces
S
sr
(j) =
_
E
s
[[ <
N
T
0 resto
(8.34)
por lo que el espectro es plano en la banda de paso del ltro transmisor, tal como se muestra
en la Figura 8.11. Por supuesto, esto es consecuencia del ltro de reconstruccin empleado;
en el caso ms general de un ltro con funcin de transferencia G(j), el espectro de la
seal transmitida es
S
sr
(j) =
N
2
E
s
T
2
[G(j)[
2
(8.35)
8/T 0 8/T
E
s
S
sr
(j)
Figura 8.11. Espectro de la seal en banda base (lnea continua) correspondiente a una mo-
dulacin OFDM en tiempo discreto con N = 8 y los espectros asociados a cada subcanal
(lnea punteada).
El clculo de la potencia transmitida P se puede efectuar sin ms que integrar la densi-
dad espectral de potencia en (8.35). Para el caso en que G(j) es un ltro de reconstruccin
ideal, el espectro de potencia viene dado por (8.34), de modo que
P =
NE
s
T
(8.36)
que coincide con el resultado obtenido para la OFDM en tiempo continuo (vase Ecua-
cin 8.10). Recordemos del Apartado 8.1.1 que dicho resultado implica que a igualdad de
tasas de smbolo, la PAM paso banda y la OFDM consumen la misma potencia. Un razona-
miento similar lleva tambin a concluir que, cuando se usan los mismos pulsos conforma-
dores, la PAM paso banda y la OFDM presentan la misma eciencia espectral.
Una de las mayores ventajas de la OFDM es su exibilidad a la hora de conformar el
espectro, ya que se puede actuar de forma independiente sobre cada portadora. As, por
ejemplo, el espectro de la Figura 8.11 implica la utilizacin de un ltro paso bajo ideal; sin
embargo, en la prctica se emplean ltros con cadas mucho menos abruptas debido a res-
tricciones de complejidad y coste. Para facilitar la labor de dichos ltros de reconstruccin
es habitual poner a cero (apagar) las portadoras situadas en frecuencias prximas a N/T
rad/seg.
4
Obviamente, esto reduce la velocidad de transmisin alcanzable, pero tambin el
ancho de banda ocupado en aproximadamente la misma proporcin, por lo que la eciencia
espectral no se resiente. El precio reside en la aparente mayor complejidad derivada del uso
de un N mayor que el nmero de portadoras que realmente se utiliza, pero, como ya hemos
sealado, si N es potencia de 2 incluso puede comportar una reduccin computacional fren-
te a otros valores an menores. Otra importante ventaja de la OFDM reside en la posibilidad
de aplicar algoritmos de carga de bits, en los que se enva ms informacin sobre aquellas
portadoras con mejor relacin seal a ruido. El Problema P8.8 ilustra este concepto.
8.1.3. Receptores para modulaciones multiportadora
Resulta fcil obtener receptores para modulaciones multiportadora, apoyndose en la
formulacin en espacio de seales, para la que ya hemos caracterizado las funciones base
k
(t) y

k
(t) en los casos continuo y discreto, respectivamente. La estructura del receptor
sigue entonces las directrices del Apartado 4.5 y no es ms que una adaptacin de la Fi-
gura 4.41 a este caso concreto, lo que incluye una demodulacin compleja para trasladar la
seal a banda base y el empleo de ltros adaptados complejos. La estructura resultante se re-
coge en la Figura 8.2 para el caso de modulacin en tiempo continuo. Ha de tenerse presente
que si las constelaciones empleadas sobre cada subcanal son distintas, habr que colocar un
decisor y un decodicador por cada rama del receptor y hacer la conversin paralelo/serie
posteriormente.
El esquema correspondiente a un receptor para una modulacin multiportadora en tiem-
po discreto es idntico al representado en la Figura 8.2, sustituyendo
k
(t) por

k
(t).
No obstante, como veremos a continuacin, en el caso discreto es posible una imple-
mentacin mucho ms eciente que no requiere un banco de ltros adaptados (o de corre-
lacionadores, segn sea la implementacin concreta), y que se muestra en la Figura 8.12(a).
Sea v(t) la seal recibida en banda base; entonces, la seal discreta a la salida del k-simo
muestreador es
q
k
[n] =
_
v(t)

k
(t)
_
[
t=nT
=
_
N
T
k
[m] (v(t) g(t mT/N)) [
t=nT
=
1
T
N1
m=0
e
j
2km
N
(v(t) g(t))
t=nT+mT/N
(8.37)
Sea v[m] la secuencia obtenida al muestrear la seal v(t)g(t) con periodo T/N segundos.
Entonces, (8.37) puede reescribirse de la siguiente forma
q
k
[n] =
1
T
N1
m=0
e
j
2km
N
v[nN +m] (8.38)
4
Recurdese que, de acuerdo con el desplazamiento cclico de N/T rad/seg de los subcanales debido al
ltro de reconstruccin, estas portadoras se corresponden con aqullas con ndices en torno a N/2 en el dominio
de la DFT. Vase Problema P8.10.
por lo que q
k
[n] es, salvo un factor constante, el k-simo coeciente de la DFT de N puntos
del n-simo bloque de N puntos de la seal v[m]. Este resultado no es demasiado sorpren-
dente, en vista de cmo hemos generado la seal transmitida. El lector puede comprobar
fcilmente que si la funcin de ambigedad temporal g(t) g(t) satisface el criterio de
Nyquist a periodo T/N y el canal es ideal y no introduce ruido, tendremos v[m] = s[m].
El diagrama de bloques del receptor resultante se representa en la Figura 8.12(b). Como
vemos, hemos sustituido un banco de ltros adaptados y muestreadores por un solo ltro
adaptado y un muestreador operando a tasa N/T seg
1
, esto es, N veces mayor que los
de la Figura 8.2. Ahora es necesario calcular una DFT pero, como ya hemos indicado ms
arriba, la existencia de algoritmos para su clculo eciente hace que esta solucin sea, con
mucho, preferible.
(a)
(b)
Figura 8.12. Arquitectura de un receptor para OFDM en tiempo discreto: (a) realizacin
mediante exponenciales complejas; (b) realizacin mediante DFT. Los factores constantes
se incluyen en el bloque decisor.
Si el canal introduce ruido aditivo y gausiano n(t) con densidad espectral de potencia
S
n
(j), podemos aplicar la misma metodologa que en el Apartado 5.4.3 para obtener las
caractersticas del ruido discreto sobre cada subcanal. Sea z
k
[n] el ruido presente en la obser-
vacin q
k
[n] correspondiente al subcanal k-simo. Entonces, si
2f
k
(t) es el ltro receptor
en dicho subcanal, es posible escribir (vase Ecuacin (5.83)),
S
z,k
(e
j
) =
2
T
i
S
n
_
j
T
+j
c
T
j
2i
T
_
F
k
_
j
T
j
2i
T
_
2
(8.39)
siendo S
z,k
(e
j
) la densidad espectral de potencia del proceso z
k
[n] y F
k
(j) la Transfor-
mada de Fourier de f
k
(t). En el caso particular en que f
k
(t) =
k
(t) y el ruido n(t) es
blanco, con densidad espectral de potencia N
0
/2 W/Hz, de (8.39) se puede deducir que el
ruido z
k
[n] es blanco, circularmente simtrico, con varianza
2
z,k
= N
0
, k = 0, , N 1 (8.40)
Adems, para este caso es sencillo demostrar aprovechando la ortogonalidad entre los pulsos
usados sobre cada subcanal que Ez
i
[n]z
k
[l] = 0 si i ,= k, para todo n y l.
Idnticos resultados se obtienen en caso de que se emplee una modulacin multiporta-
dora en tiempo discreto.
8.1.5. Canal discreto equivalente en banda base
Como ya vimos en el Apartado 4.5, Ecuacin (4.99), es posible calcular un canal discre-
to equivalente para la transmisin indenida de smbolos, aplicable al caso de modulaciones
multiportadora. En realidad, dado que empleamos N subcanales en paralelo, ms que un
canal discreto equivalente en banda base, tendremos una matriz de canales discretos equiva-
lentes en banda base, como quedar claro en breve. Adicionalmente, el clculo de la matriz
de canales discretos equivalentes nos permitir llegar a una ingeniosa extensin de la OFDM
que resulta de gran utilidad para combatir la distorsin introducida por canales lineales con
memoria.
Supongamos que, por el momento, el canal no introduce ruido y que est caracterizado
por una respuesta al impulso h(t) o una respuesta en frecuencia H(j). Consideremos la
secuencia q
k
[n] de observaciones a la salida del muestreador del k-simo subcanal y sea
2f
k
(t) el ltro empleado en la rama del receptor correspondiente a dicho subcanal. En-
tonces, recordando que sobre cada subcanal tenemos, en realidad, una modulacin PAM,
podemos usar los resultados del Apartado 5.4.4 para escribir que
q
k
(t) =
N1
i=0
l
A
i
[l]p
k,i
(t lT), k = 0, , N 1 (8.41)
donde p
k,i
(t)
.
=
i
(t)h
eq
(t)f
k
(t), y h
eq
(t) = e
j
c
t
h(t). La seal a la salida del k-simo
muestreador es
q
k
[n] =
N1
i=0
l
A
i
[l]p
k,i
[n l], k = 0, , N 1 (8.42)
donde p
k,i
[n] = p
k,i
(nT).
Como vemos, sin hacer ms consideraciones, todos los smbolos enviados sobre cada
uno de los subcanales intereren con el transmitido sobre el subcanal k-simo en el instante
nT. Teniendo en cuenta que
q
k
[n] =
N1
i=0
A
i
[n] p
k,i
[n], k = 0, , N 1 (8.43)
podemos ver que ahora tenemos N
2
canales discretos equivalentes, siendo el canal p
k,i
[n]
el que contiene la interferencia de los smbolos enviados en el subcanal i-simo sobre un
smbolo transmitido por el subcanal k-simo. Para evitar una degradacin importante de las
prestaciones del sistema, desearamos que:
1. La interferencia entre smbolos (ISI) en cada subcanal sea cero. Esto se consigue si y
slo si p
i,i
[n] = C[n] para todo i = 0, , N 1, con C una constante compleja no
nula.
2. La interferencia entre subcanales (tambin llamada interferencia entre portadoras,
ICI) sea cero. Esto se consigue si y slo si p
k,i
[n] = 0 cuando k ,= i, k, i =
0, , N 1.
Si se cumplen las dos condiciones anteriores y C = 1, est claro que, en ausencia de ruido,
q
k
[n] = A
k
[n].
Si P
k,i
(e
j
) denota la Transformada de Fourier de la secuencia p
k,i
[n] y P(e
j
) es una
matriz cuyo elemento k, i-simo es P
k,i
(e
j
), entonces las condiciones anteriores se pueden
reescribir como
P(e
j
) = I
NN
(8.44)
donde I
NN
es la matriz identidad de dimensin N. La Condicin (8.44) se conoce como
criterio de Nyquist generalizado. Por desgracia, la aplicacin de la Condicin (8.44) es dif-
cil; por ejemplo, si quisiramos encontrar los f
k
(t) tales que se satisciese dicha condicin,
veramos que ahora tenemos N grados de libertad y N
2
condiciones, por lo que, en general,
no es posible cumplir (8.44). Otra alternativa al diseo de los f
k
(t) sera la minimizacin del
error cuadrtico medio por subcanal. En todo caso, es importante sealar que para aplicar
estos diseos se necesita conocer la respuesta del canal en banda base equivalente h
eq
(t), lo
que a menudo no es factible en la prctica.
Por consiguiente, aqu adoptaremos una solucin ms cercana a la prctica. En primer
lugar, haremos que f
k
(t) =
k
(t), k = 0, , N 1, esto es, emplearemos como ltros
receptores los ltros adaptados a los correspondientes ltros transmisores. El canal equiva-
lente en banda base es ahora
p
k,i
(t) =
i
(t)
k
(t) h
eq
(t) (8.45)
o, en frecuencia,
P
k,i
(j) =
i
(j)
k
(j)H
eq
(j) (8.46)
Vamos a tratar de razonar sobre las implicaciones de (8.46) de forma cualitativa. Supon-
gamos que T es muy grande en comparacin con la duracin efectiva del canal h
eq
(t).
Recordemos que las funciones
k
(t) son tales que su Transformada de Fourier es una sinc
centrada en
k
= 2k/T rad/seg, por lo que, para T grande, la respuesta en frecuencia del
canal puede considerarse aproximadamente plana con respecto a dicha sinc, de modo que
su efecto es el de multiplicar
k
(j) por aproximadamente H
eq
(j2k/T). Adems, esta
multiplicacin no destruye la ortogonalidad, puesto que en este caso (8.45) resulta
p
k,i
[n] H
eq
(j2k/T) (
i
(t)
k
(t)) [
t=nT
=
_
H(j
c
+j2k/T)[n] si k = i
0 si k ,= i
(8.47)
donde la segunda igualdad es consecuencia de la ortonormalidad de las funciones
k
(t).
Obsrvese que, por tanto, estaramos cerca de nuestro objetivo de cumplir el criterio
de Nyquist generalizado. La matriz de canales discretos equivalentes es aproximadamente
diagonal, pero no es la identidad. Para conseguir exactamente la identidad, bastara con mul-
tiplicar la salida de cada muestreador q
k
[n] por H
1
(j
c
+ j2k/T), aunque correramos
el riesgo de aumentar la potencia de ruido en algn subcanal si el correspondiente valor de
H(j
c
+j2k/T) fuese muy pequeo.
Llegados a este punto, conviene detenernos para extraer las siguientes conclusiones:
1. El anlisis realizado slo sirve para analizar cualitativamente el problema; la aproxi-
macin en (8.47) es vlida si la respuesta en frecuencia del canal es plana dentro del
ancho de banda donde cada portadora tiene la mayor parte de su energa.
2. El efecto del canal h(t) sobre el subcanal k-simo se cuantica a travs de su respues-
ta a la frecuencia
c
+ 2k/T rad/seg. En otras palabras, para entender qu sucede
sobre la portadora k-sima, basta con considerar la respuesta del canal equivalente
en banda base en la frecuencia de dicha portadora. Esta consideracin no debera ser
sorprendente: a medida que aumenta T, ms se parece la funcin
k
(t) a una exponen-
cial compleja de la forma e
j
k
t
; pero las exponenciales complejas son autofunciones
de los sistemas lineales y el autovalor correspondiente es la respuesta del canal a la
frecuencia de la exponencial
k
. Es importante percatarse de que, dado que H(j)
es, en general, un nmero complejo, el efecto ser el de rotar y escalar la constelacin
transmitida sobre el subcanal correspondiente.
El desarrollo y las conclusiones de este apartado se pueden extender a las funciones base
empleadas en la modulacin multiportadora en tiempo discreto. En este caso, es interesante
desarrollar la expresin (8.45) (cambiando
i
(t) y
k
(t) por

i
(t) y

k
(t), respectivamente),
ya que nos servir como punto de partida para solventar los problemas de la ISI y la ICI. Por
tanto, sustituyendo (8.25) en (8.45) obtenemos
p
k,i
(t) =
N
T
i
[m]
k
[l] (g(t mT/N) h
eq
(t) g(t lT/N)) (8.48)
Y, de aqu, empleando (8.17),
p
k,i
[n] =
1
T
N1
m=0
N1
l=0
e
j
2im
N
e
j
2lk
N
d[nN +l m] (8.49)
siendo d[m] el canal discreto equivalente en banda base a periodo T/N segundos, resultado
de muestrear con periodo T/N la respuesta combinada del ltro transmisor, ltro receptor
y canal equivalente en banda base
d[m]
.
= (g(t) h
eq
(t) g(t))
t=mT/N
(8.50)
Obsrvese que, mientras p
k,i
[n] depende de los ndices de las funciones base, d[m] no lo
hace. La Ecuacin (8.49) puede verse como el resultado de calcular primero una DFT y
despus una DFT inversa (usando ndices diferentes) del canal discreto equivalente en banda
base obtenido a periodo T/N. Como ya hemos razonado antes, la matriz P(e
j
) no es la
identidad, salvo en el primero de los casos siguientes:
Ejemplo 8.1
a) Si el canal discreto equivalente es d[m] = T/N[m], entonces es inmediato ver que p
k,i
[n] =
[k i][n]. Obsrvese que el factor T/N en d[m] tiene en cuenta la ganancia del ltro g(t)
(vase (8.28)).
b) Si el canal discreto equivalente es d[m] = T/N([m] + 0,5[m N]), entonces p
k,i
[n] =
[k i]([n] + 0,5[n 1]). En tal caso, tenemos ISI pero no ICI.
c) Si el canal discreto equivalente es d[m] = T/N([m] + 0, 5[m 1]), el clculo de p
k,i
[n]
se complica algo ms. Naturalmente, el primer sumando de d[n] no presenta ninguna dicultad,
puesto que se trata del caso (a) que estudiamos en este ejemplo. Sin embargo, para el segundo
sumando, tenemos dos casos en los que d[nN + l m] es igual a 0,5: 1) si l = m+ 1 y n = 0,
y 2) si l = 0, m = N 1 y n = 1. Analizando el primer caso, tendremos
1
2N
N1
m=0
N1
l=0
e
j
2im
N
e
j
2lk
N
[l m1]
=
1
2N
N2
m=0
e
j
2(immkk)
N
=
1
2N
N1
m=0
e
j
2(immkk)
N
1
2N
e
j
2i
N
=
1
2
e
j
2k
N
[k i]
1
2N
e
j
2i
N
(8.51)
El segundo caso produce, simplemente,
1
2N
e
j
2i(N1)
N
=
1
2N
e
j
2i
N
(8.52)
Agrupando los resultados obtenidos, podemos escribir
p
k,i
[n] = [n][k i] +
1
2
_
e
j
2k
N
[k i]
1
N
e
j
2i
N
_
[n] +
1
2N
e
j
2i
N
[n 1] (8.53)
Como vemos, para este canal discreto equivalente, no slo tenemos ICI (como cabra esperar),
sino tambin ISI.
En el apartado siguiente veremos cmo una pequea modicacin de la arquitectura de
transmisor y receptor nos va a permitir obtener una matriz de canales discretos equivalentes
autnticamente (no aproximadamente) diagonal.
Hasta el momento hemos supuesto que no hay ruido en el sistema; cuando el canal
introduce ruido gausiano n(t) con densidad espectral de potencia S
n
(j), la variable de
decisin en el subcanal k-simo se puede expresar como
q
k
[n] =
N1
i=0
A
i
[n] p
k,i
[n] +z
k
[n] (8.54)
donde z
k
[n] es ruido gausiano complejo cuyo espectro de potencia se calcula segn (8.39).
Tal como se discute en el Apartado 8.1.4, cuando n(t) es blanco con densidad espectral
N
0
/2 W/Hz, el ruido z
k
[n] es blanco, circularmente simtrico y con varianza N
0
.
8.1.6. Eliminacin de la ISI y la ICI en modulaciones multiportadora
Supngase que el canal discreto equivalente en banda base a periodo T/N, d[n], es
causal y de duracin K + 1 muestras, es decir, d[n] = 0 si n < 0 n > K
5
.
Consideremos ahora una modulacin multiportadora en tiempo discreto en la que las
funciones base en tiempo discreto son de la forma
k
[m] =
1
N
e
j
2km
N
w
N+M
[m+M], k = 0, , N 1 (8.55)
de modo que la seal en tiempo discreto s[m] que contiene las muestras de la seal en tiempo
continuo que se va a enviar por el canal se obtiene como
s[m] =
_
N
T
n
N1
k=0
A
k
[n]
k
[mn(N +M)] (8.56)
Como se puede comprobar, la nica diferencia de

k
[m] dada en (8.55) con la denicin
dada en (8.17) es que ahora la funcin toma valores no nulos en el intervalo [M, N
1], cuando antes lo haca en el intervalo [0, N 1]. Por el momento, supongamos que la
extensin de las funciones base es mayor que la duracin del canal, esto es, realizaremos
nuestra discusin bajo la siguiente hiptesis
M K (8.57)
La secuencia s[m] en (8.56) se convierte a tiempo continuo con periodo T/N segundos
empleando un ltro de reconstruccin g(t) cuya funcin de ambigedad temporal cumple,
5
Muchos canales prcticos cumplen esta condicin de forma aproximada, ya que se puede encontrar un K
tal que la mayor parte de la energa del canal est contenida en las K+1 primeras muestras. Vase Apartado 6.1.
salvo por una constante, el criterio de Nyquist a periodo T/N (no necesariamente un ltro
ideal). Aunque la velocidad de conversin es la misma que la empleada anteriormente
6
, el
hecho de que las funciones

k
[m] tengan ahora una duracin (N + M)/N veces superior
hace que la velocidad de transmisin efectiva de la secuencia de smbolos se reduzca en un
factor (N +M)/N, lo que se traduce en una prdida de eciencia espectral.
La estructura propuesta ahora para el receptor consiste en obtener la secuencia v[m]
muestreando la seal v(t) g(t) con periodo T/N segundos y calcular la variable de
decisin del subcanal k-simo q
k
[n] como
q
k
[n] =
1
T
N1
m=0
k
[m]v[n(N +M) +m] (8.58)
lo que implica usar
k
[m] y no

k
[m] en el correlacionador del receptor, como en princi-
pio cabra esperar sabiendo que es

k
[m] la base discreta que empleamos en el transmisor.
Comparando (8.58) y (8.38) vemos que la nica diferencia es que ahora diezmamos por un
factor de N + M en lugar de N, lo cual es lgico porque en el transmisor cada smbolo
de informacin se debe repetir N + M muestras antes de multiplicarlo por la funcin base
discreta correspondiente. Adems, es fundamental observar en (8.58) que por cada N +M
muestras recibidas slo estamos empleando las N ltimas para efectuar la correlacin, lo
que equivale a descartar las primeras M; por ejemplo, para obtener q
k
[0] empleamos las
muestras v[0], , v[N 1], mientras que para obtener q
k
[1] empleamos las muestras
v[N + M], , v[M + 2N 1], etc. Ms adelante justicaremos el porqu de este es-
quema de receptor.
Es posible repetir el clculo del canal discreto equivalente del apartado anterior para te-
ner en cuenta las modicaciones en modulador y demodulador propuestas. As, suponiendo
que no hay ruido en el sistema, tenemos
p
k,i
[n] =
1
T
N1
m=M
N1
l=0
e
j
2mi
N
e
j
2lk
N
d[n(N +M) +l m] (8.59)
Haciendo el cambio de variable u = l m podemos escribir
p
k,i
[n] =
1
T
N1
l=0
l+M
u=lN+1
e
j
2ui
N
e
j
2l(ik)
N
d[n(N +M) +u] (8.60)
Es fcil ver que si d[m] slo toma valores no nulos en el intervalo [0, K], como M K y
u recorre el intervalo [N + 1, M + N 1], entonces d[n(N + M) + u] slo puede ser
distinto de cero para n = 0. Por otra parte, para todo l, 0 l N 1 se cumple que el
6
Y, por tanto, la tasa de smbolo efectiva pasa de N/T a N
2
/T(N +M) baudios.
intervalo [0, K] [l N + 1, l +M]. Por tanto, (8.60) es equivalente a
p
k,i
[n] =
1
T
K
u=0
e
j
2ui
N
d[u][n]
N1
l=0
e
j
2l(ik)
N
=
N
T
[n][k i]
K
u=0
e
j
2ui
N
d[u] (8.61)
Por tanto, vemos que la ISI y la ICI han desaparecido, limitndose el efecto del canal a
ser multiplicativo. Es muy interesante reconocer en (8.61) que el canal discreto equivalente
sobre el canal i-simo es simplemente la DFT de N puntos de d[m]!, de modo que la seal
recibida en el subcanal k-simo es
q
k
[n] =
N
T
A
k
[n]D[k] (8.62)
siendo D[k] el k-simo coeciente de la DFT de N puntos del canal discreto equivalente a
periodo T/N. Todo ello nos permite contemplar subcanales discretos equivalentes como
en la Figura 8.13, donde se ha prescindido, en benecio de la claridad, del factor N/T en
cada uno de los subcanales.
Figura 8.13. Subcanales discretos equivalentes en banda base para la modulacin OFDM
con extensin cclica de tamao mayor que la duracin del canal.
Es de capital importancia tener presente que este resultado slo es vlido si la extensin
cclica de las funciones base es mayor que la longitud del canal menos uno. De lo contrario,
volveramos a la situacin con ISI e ICI, pudiendo cuanticar ambas a partir de (8.60).
Ejemplo 8.2
Comprobemos, calculando el canal discreto equivalente, que tanto la ISI como la ICI han des-
aparecido en la situacin analizada en el Ejemplo 8.1(c). En este caso, el canal discreto a periodo
T/N es d[m] = T/N([m]+0,5[m1]). Para que p
k,i
[n] en (8.59) tomase valores no nulos pa-
ra algn n
0
,= 0 tendra que cumplirse que n
0
(N+M)1 = m
0
l
0
, con m
0
[M, , N1]
y l
0
[0, , N 1]. Es fcil ver que esto no puede ocurrir: el mximo y el mnimo de m
0
l
0
son, respectivamente, N 1 y M N +1, por lo que la condicin anterior no se cumple para
ningn n
0
,= 0 si M > 0.
Podemos escribir, por tanto,
p
k,i
[n] =
1
N
[n]
N1
m=M
N1
l=0
e
j
2mi
N
e
j
2lk
N
([l m] + 0,5[l m1])
=
1
N
[n]
_
N[k i] + 0,5
N1
l=0
e
j
2(l+1)i
N
e
j
2lk
N
_
= [n][k i](1 + 0,5e
j
2i
N
) (8.63)
que slo toma valores no nulos si n = 0 y k = i.
Sin embargo, en el caso planteado en el Ejemplo 8.1(b). el lector puede comprobar que si M es
tal que M < N, entonces la ISI no slo no desaparece, sino que adems se crea ICI. Vase el
Problema P8.4.
En este apartado hemos supuesto que el canal no introduce ruido; en caso de que s lo
introdujese, la Ecuacin (8.54) y las consideraciones efectuadas con posterioridad para el
caso de ruido blanco siguen siendo vlidas.
Probabilidades de error
Como en el Captulo 5, el concepto de canal discreto equivalente simplica el clculo
de la probabilidad de error. A efectos de comparacin con la PAM paso banda, cuyas pro-
babilidades se consideran en el Apartado 5.2.3, analicemos el caso de canal gausiano con
densidad espectral de potencia de ruido N
0
/2 W/Hz. Como hemos discutido, este tipo de
canal no da lugar a ISI ni ICI, por lo que, para todo i, k, p
k,i
[n] = [n][k i], de modo que
las variables de decisin en (8.54) se simplican a
q
k
[n] = A
k
[n] +z
k
[n] (8.64)
siendo z
k
[n] ruido blanco, circularmente simtrico y de varianza N
0
(recurdese: N
0
/2 por
dimensin). Como se ve, este modelo coincide exactamente con el estudiado para PAM
paso banda, por lo que podemos concluir que si en el l-simo subcanal se emplea la misma
constelacin que en PAM paso banda, las probabilidades de error respectivas sern idnticas,
de modo que la discusin realizada en el Apartado 5.2.3 es enteramente aplicable a este caso.
En resumen, nada se gana en prestaciones por emplear una modulacin OFDM en lugar de
una PAM cuando el canal es gausiano.
Asimismo, es interesante examinar el caso en que eliminamos la ISI y la ICI con la
extensin cclica, para el que
q
k
[n] = A
k
[n]
N
T
D[k] +z
k
[n] (8.65)
Recordando que D[k] es, en general, complejo, el efecto sobre el canal k-simo es el de esca-
lar y rotar la constelacin originalmente transmitida. Por tanto, si suponemos que se emplea
la misma constelacin en todos los subcanales, y d
min
es la distancia mnima entre los ele-
mentos de dicha constelacin, en recepcin dicha distancia se convierte en d
min
[D[k][N/T
para el canal k-simo, por lo que el peor caso se tiene en aquel subcanal para el que [D[k][
es mnimo. No obstante, es de capital importancia sealar que si no se toman medidas para
contrarrestar el efecto de D[k] en el receptor (vase Apartado 8.1.8), los efectos pueden ser
desastrosos. Ello apunta a la necesidad de estimar D[k] o emplear mtodos incoherentes.
Por ejemplo, si la modulacin empleada en cada subcanal es DPSK (Apartado 7.1.3), en-
tonces el escalado no tiene efecto, ya que la informacin se enva en la fase; adems, si la
fase de D[k] se puede considerar constante en un periodo de T segundos, la demodulacin
diferencial evita la necesidad de conocerla.
8.1.7. La OFDM vista como un proceso en bloques
En este apartado ofrecemos una interpretacin alternativa de los resultados del apartado
precedente, lo que nos permitir profundizar en las causas que hacen que tanto la ISI como
la ICI desaparezcan. En aras de una mayor claridad en la exposicin, prescindiremos de los
factores de escala en la DFT y en la DFT inversa.
Bloque
N muestras
IDFT DFT
Ext.
cclica
Elimina
ext.
[ ] A m
( )
[ ]
n
A k
( )
[ ]
n
s m
( )
[ ]
n
s m %
( )
[ ]
n
z m %
( )
[ ]
n
q m %
( )
[ ]
n
q m
( )
[ ]
n
Q k
[ ] d m
Figura 8.14. La modulacin OFDM como un proceso por bloques. El superndice n indica
el n-simo bloque.
La Figura 8.14 presenta esta nueva perspectiva. La secuencia de smbolos A[m] se divide
en bloques de N muestras, a las que se calcula la DFT inversa, lo que produce tambin N
muestras. Denotaremos por s
(n)
[m], m = 0, , N 1 el n-simo bloque de muestras
de salida de la IDFT. Antes de ser transmitidas secuencialmente (con periodo T/N) las
muestras del bloque, se les aade (por la izquierda) un prejo cclico de M muestras, de
modo que se construye la versin extendida del bloque s
(n)
[m], que denotamos mediante
s
(n)
[m], como
s
(n)
[m] =
_
s
(n)
[m+N] m = M, , 1
s
(n)
[m] m = 0, , N 1
(8.66)
Equivalentemente, s
(n)
[m] es el resultado de haber truncado al intervalo [M, N 1] una
seal peridica (innita) construida a partir de s
(n)
[m]. La operacin de extensin cclica se
ilustra en la Figura 8.15.
El bloque s
(n)
[m] se enva ahora por el canal discreto equivalente en banda base obte-
nido a periodo T/N, que denotamos por d[m]. En ausencia de ruido, el n-simo bloque de
observaciones es entonces q
(n)
[m] = s
(n)
[m] d[m]. Finalmente, el receptor calcula la DFT
de N puntos del bloque q
(n)
[m] obtenido a partir de las muestras de s
(n)
[m] en el intervalo
[0, N 1]:
q
(n)
[m] = q
(n)
[m]w
N
[m] (8.67)
0 N-1 -M
( )
[ ]
n
s m
( )
[ ]
n
s m %
Figura 8.15. Operacin de extensin cclica sobre s
(n)
[m].
Sea Q
(n)
[k] la DFT de N puntos de q
(n)
[m]. Obsrvese que, a partir de la denicin de la
DFT,
Q
(n)
[k] =
N1
m=0
q
(n)
[m]e
j
2km
N
=
N1
m=0
q
(n)
[m]e
j
2km
N
(8.68)
De acuerdo con lo anterior, tenemos las siguientes relaciones
Q
(n)
[k] = DFTq
(n)
[m] = DFT q
(n)
[m] = DFT s
(n)
[m] d[m] (8.69)
Pero, gracias a la extensin cclica, la convolucin lineal entre s
(n)
[m] y d[m] en el intervalo
[0, N 1] equivale a la convolucin circular s
(n)
[m] _N d[m] y, por tanto,
Q
(n)
[k] = DFTs
(n)
[m] DFTd[m]
= DFTIDFTA
(n)
[k] DFTd[m]
= A
(n)
[k]D[k] (8.70)
siendo D[k] la DFT de N puntos del canal, que es, salvo por una constante, el mismo
resultado al que habamos llegado en el apartado anterior
7
.
En la Figura 8.16 se representan los diagramas de bloques de un transmisor y un recep-
tor que aprovechan la idea de la extensin cclica. Para qu sirve la extensin cclica? La
respuesta es: para engaar al canal. Evidentemente, en el canal se realiza una operacin
7
Obsrvese que la notacin empleada en este apartado diere de la empleada en otros anteriores: A
k
[n]
denota el n-simo smbolo transmitido sobre la portadora k-sima, mientras que A
(n)
[k] denota el smbolo
transmitido sobre la portadora k-sima en el n-simo bloque.
(a)
v t ( )
g t ( ) -
t mT N = /
Elimina
pref. cclico
S/P P/S
Decisor
$
[ ] A m
DFT
N puntos
.

.

.

.
.

.

.

.
(b)
Figura 8.16. Estructura de un: (a) transmisor y (b) receptor para OFDM en tiempo discreto
con extensin cclica.
de convolucin lineal; sin embargo, nosotros estamos interesados en una convolucin cir-
cular. Slo la convolucin circular tiene un efecto puramente multiplicativo en el dominio
transformado y eso es lo que buscamos para que no haya ICI. Para que la convolucin lineal
equivalga a una circular tenemos que realizar la extensin cclica. Pero, adems, la incorpo-
racin del prejo cclico evita que un bloque interera con el siguiente, lo que se traduce en
una ISI nula. Mientras la duracin del prejo sea mayor que la longitud del canal, el efecto
de un bloque sobre el siguiente se limitar a corromper su prejo cclico, pero no la parte de
informacin. En realidad, esta caracterstica de ISI nula se consigue con cualquier intervalo
de guarda temporal introducido por ejemplo, un intervalo idnticamente nulo, pero slo
la extensin cclica garantiza, adems, una ICI nula
8
.
Finalmente, es importante mencionar que la introduccin de la extensin cclica hace
que las funciones base empleadas en el transmisor ya no sean ortogonales, aunque esto
no es un problema, ya que en el receptor se elimina dicha extensin cclica y se recupera
la ortogonalidad. Otro efecto interesante es que al aumentar la duracin temporal de las
funciones base, las sincs correspondientes son ms estrechas en frecuencia que antes, por lo
que sus mximos ya no coinciden exactamente con los nulos de las dems y el espectro total
resultante S
sr
(j) ya no es plano, sino que presenta un rizado. La Figura 8.17 ilustra este
hecho. Lgicamente, para un N jo, a mayor valor de M, mayor rizado. Por otra parte, el
espectro de la Figura 8.17 se ha obtenido empleando un ltro transmisor g(t) del tipo raz
cuadrada de coseno alzado, con factor de cada = 0,5, lo que da lugar a la cada suave de
la gura.
8
Existen otras formas de construir el bloque a transmitir que, mediante un procesado posterior, tambin
permiten eliminar la ICI (vase Problema P8.5).
96/T 48/T 0 48/T 96/T
0
10
20
30
40
(dB)
S
sr
(j)/(E
s
/T)
Figura 8.17. Espectro de potencia de la seal OFDM en tiempo discreto cuando N = 64,
M = 4 y el pulso transmisor es un ltro en raz cuadrada de coseno alzado con factor de
cada = 0,5.
8.1.8. Igualacin Lineal
Como hemos visto en el Apartado 8.1.6, la OFDM con un prejo cclico sucientemente
largo ofrece la ventaja de convertir el efecto convolutivo del canal en otro multiplicativo. Ello
garantiza que la implementacin de igualadores lineales es extremadamente sencilla. Nues-
tro punto de partida ser la Ecuacin (8.65), que relaciona la seal recibida en el subcanal
k-simo con el smbolo enviado sobre dicho subcanal. La primera observacin importante
es que, dado que la seal recibida depende de la DFT del canal D[k], deberemos colocar
un igualador por cada subcanal; afortunadamente, el hecho de que no tengamos ISI impli-
ca que este igualador ser nicamente multiplicativo. Por tanto, denotaremos el igualador
empleado sobre el k-simo subcanal por W[k].
Atendiendo al criterio forzador de ceros (ZF, Apartado 6.3.1), el igualador simplemente
invierte el efecto del canal. As pues,
W
ZF
[k] =
T
N
D
1
[k] =
T
N

D
[k]
[D[k][
2
(8.71)
Como se coment en el Apartado 6.3.1, este igualador presenta el inconveniente de ampli-
car la potencia de ruido si [D[k][N/T es pequeo.
Por lo que respecta al igualador diseado de acuerdo con el criterio de mnimo error cua-
drtico medio (MSE), ste se disea para minimizar E[W[k]q
k
[n] A
k
[n][
2
. Siguiendo
las directrices del Apartado 6.3.2 es inmediato concluir que, ahora,
W
MSE
[k] =
E
s,k
D
[k]N/T
E
s,k
[D[k][
2
N
2
/T
2
+
2
z,k
(8.72)
siendo E
s,k
y
2
z,k
la energa de smbolo y la varianza de ruido del subcanal k-simo, res-
pectivamente.
Aunque ambos igualadores parecen muy distintos, obsrvese que
W
ZF
[k] =
D
[k]N/T
[D[k][
2
N
2
/T
2
(8.73)
de modo que podemos interpretar ambos igualadores del siguiente modo: la multiplicacin
por D
[k] sirve para corregir la rotacin de fase introducida en el canal; por lo dems, ambos
igualadores realizan un escalado (diferente en cada caso) para tratar de restaurar la amplitud
del smbolo transmitido.
Un aspecto muy interesante de la comparativa entre ambos igualadores es que el iguala-
dor ZF obtiene mejores prestaciones en trminos de probabilidad de error. Este hecho puede
parecer sorprendente a primera vista, pero debe recordarse que, en realidad, el igualador
MSE minimiza el error cuadrtico medio, no la probabilidad de error. Se recomienda al
lector la resolucin del Problema P8.11 en el que se profundiza en este aspecto.
Por supuesto, ambas estructuras de igualador requieren conocer la respuesta del canal
en cada portadora D[k]. Tal como vimos en el Apartado 6.7.2, este problema se puede
solucionar enviando smbolos piloto bien para estimar el canal o bien para construir un
igualador adaptativo con un algoritmo como el LMS.
A lo largo de los apartados precedentes hemos venido suponiendo la idealidad de los
sistemas descritos en lo que respecta a la sincronizacin: as, la conversin a banda base de
la seal recibida se considera perfecta (esto es, se usa exactamente la misma frecuencia y
fase que en la modulacin) y el instante de muestreo es ptimo. Adems, cuando se trata de
operar con bloques (por ejemplo, para eliminar el prejo cclico o hacer la DFT), suponemos
que el receptor conoce el instante en que comienza cada bloque. Por supuesto, en la prctica
es necesario resolver estos problemas, que abordaremos en el Apartado 11.7.
8.2. MODULACIONES DE ESPECTRO ENSANCHADO
En este apartado estudiaremos un tipo de modulaciones pensadas originalmente para
combatir la interferencia en sistemas militares y que son aplicadas hoy en da como tcnica
de acceso mltiple o para mitigar los efectos de la distorsin lineal del canal. Dado que estas
tcnicas se basan en la utilizacin de un ancho de banda considerablemente superior al que
dictara el cumplimiento del criterio de Nyquist para la ausencia de ISI, reciben el nombre
de espectro ensanchado. As, si la tasa de transmisin de informacin en baudios es 1/T y
W es el ancho de la banda base en hercios, el criterio de Nyquist para seales paso banda
determina que W T 1/2. Para una modulacin en espectro ensanchado, el producto
W T es mucho mayor que 1/2.
Para qu sirve entonces esta redundancia? En contra de lo que se pueda pensar ini-
cialmente, el uso de un mayor ancho de banda sobre un canal gausiano ideal no produce
ninguna mejora de prestaciones, medidas en la relacin E
b
/N
0
que se necesita para alcan-
zar un cierto nivel de probabilidad de error. Las principales ventajas de usar un mayor ancho
de banda para sistemas con un nico usuario son dos: 1) en caso de que haya interferencias
localizadas en frecuencia presentes en el canal, en promedio stas afectarn menos cuanto
8.2 MODULACIONES DE ESPECTRO ENSANCHADO 465
mayor sea el ancho de banda ocupado, especialmente si la potencia transmitida se distribuye
uniformemente sobre el ancho de banda disponible; 2) si el canal introduce una distorsin
lineal, puede haber zonas del espectro del canal con una atenuacin considerable, por lo que
el uso de un mayor ancho de banda evita concentrar toda la potencia en las zonas malas
del canal.
Las modulaciones en espectro ensanchado tambin son de utilidad para construir siste-
mas de acceso mltiple (vase Apartado 8.3). En tal caso es posible minimizar las necesi-
dades de intervalos y bandas de guarda que requieren los sistemas de acceso mltiple por
divisin en tiempo y en frecuencia, respectivamente. Para ello, todos los usuarios presentes
en el sistema transmiten simultneamente ocupando el mismo ancho de banda. Semejante
milagro no ha de suponer para nosotros sorpresa alguna, por cuanto ya sabemos que la
ortogonalidad entre las seales transmitidas nos permite la separacin de la informacin en
el receptor, aunque sta se haya enviado usando pulsos que se solapan en tiempo y en fre-
cuencia. Por tanto, basta con que la informacin de cada usuario module un pulso distintivo,
ortogonal (o casi ortogonal) a los dems, de modo que se minimice la interferencia debida
a los restantes usuarios. Dicha interferencia se denomina multiacceso (Multiaccess Inter-
ference, MAI). Por razones prcticas el pulso distintivo usado en transmisin se genera a
partir de un cdigo (o rma), por lo que se habla de acceso mltiple por divisin en cdigo
(Code-Division Multiple Access, CDMA).
En este apartado revisaremos las modulaciones de espectro ensanchado, detenindonos
en la arquitectura del transmisor y en un receptor basado en el ltro adaptado. El diseo
de receptores de espectro ensanchado para sistemas con un nico usuario se aborda en el
Apartado 8.2.3, mientras que la aplicacin de las modulaciones de espectro ensanchado a
acceso mltiple se considerar en el Apartado 8.3.1.
Como motivacin del problema, consideremos el siguiente ejemplo.
Ejemplo 8.3
Sea el canal h(t) = (t) 0,9(t ), para un conocido. A travs de dicho canal se
transmite con una modulacin PAM paso banda con frecuencia de portadora
c
rad/seg y periodo
de smbolo T segundos. Por simplicidad, supongamos que el ltro transmisor es un ltro ideal
con frecuencia de corte /T rad/seg y ganancia
T o, lo que es lo mismo, es un ltro en raz de

coseno alzado con factor de cada = 0.
La respuesta en frecuencia del canal es H(j) = 1 0,9e
j
, representada en la Figura 8.18
en un rango apropiado, en el que vemos que dicha respuesta es peridica con periodo 2/
rad/seg, con mnimos situados en las frecuencias de la forma 2k/ rad/seg, y mximos en las
frecuencias de la forma (2k + 1)/ rad/seg, con k un nmero entero.
Cualitativamente, si la frecuencia de la portadora coincide con un mnimo de H(j) y el ancho de
banda empleado es muy pequeo en comparacin con el espaciado entre agujeros espectrales,
la potencia recibida ser muy pequea. Dicha potencia aumentar a medida que lo haga el ancho
de banda empleado. La condicin de que el ancho de banda sea pequeo se traduce en que
T/ 1 (8.74)
lo que puede interpretarse como que el periodo de smbolo empleado es mucho mayor que el
retardo introducido en la componente retardada por el canal. En efecto, si el retardo es pe-
queo en comparacin con T, y la frecuencia de la portadora es de la forma 2k/, el canal se
0.6
1.2
1.8
2.4
3
3.6
2k
0
/ 2 (k
0
+1)/ 2 (k
0
+2)/ 2 (k
0
+3)/

|H(j )|
2
Figura 8.18. Respuesta en magnitud al cuadrado del canal del Ejemplo 8.3.
comportar aproximadamente como h(t) 0,1(t), por lo que una seal transmitida en banda
base (donde hay un mnimo) ser fuertemente atenuada.
Formalmente, para una secuencia de smbolos A[n] blanca y con energa media E
s
, la potencia
recibida S es
S =
E
s
T
2T
_
/T
/T
[1 0,9e
j
[
2
d
=
E
s
2
_
/T
/T
(1,81 1,8 cos())d
= P
_
1,81
1,8
/T
sen(/T)
_
(8.75)
donde P = E
s
/T es la potencia transmitida. Es, por tanto, el factor entre parntesis en (8.75) el
que determina la ganancia en potencia del canal. Este factor depende, como puede comprobarse,
del cociente /T y se representa en funcin de dicho parmetro en la Figura 8.19, donde es
posible observar que, a medida que aumenta el ancho de banda empleado tambin lo hace la
ganancia en potencia del canal, hasta alcanzar un mximo, produciendo despus una respuesta
oscilatoria. Esta respuesta se debe a que, con el aumento del ancho de banda ocupado se van
incluyendo dentro del mismo nuevos mximos o mnimos, aunque su importancia relativa es
cada vez menor. El valor asinttico de la ganancia es, como puede comprobarse en (8.75), 1,81.
El ejemplo anterior pone de maniesto el riesgo de emplear un ancho de banda pequeo
cuando el canal es selectivo en frecuencia. Una solucin trivial sera cambiar de frecuencia
de portadora, pero esto no es posible en muchos sistemas reales en los que vara con el
tiempo, lo que, a su vez, provoca que la posicin de los agujeros tambin sea variante en el
tiempo. Este es el caso de muchos radioenlaces digitales, con el cambio en las condiciones
atmosfricas, y, en mayor medida, en comunicaciones mviles, con el desplazamiento del
terminal del usuario.
Como solucin al problema anterior, hemos visto tambin en el Ejemplo 8.3 que un
aumento del ancho de banda utilizado en transmisin produce un aumento de la ganancia en
0
0.5
1
1.5
2
2.5
0 1.5 3.5 5.5 7.5 9.5
/T
S/P
Figura 8.19. Ganancia en funcin del cociente /T para el Ejemplo 8.3.
potencia del canal, aunque ello no es, en absoluto, una panacea, ya que en cuanto T/
1/2 la interferencia entre smbolos empieza a jugar un papel relevante.
Cmo podemos aumentar el ancho de banda en transmisin? Parece obvio que la so-
lucin pasa por aumentar el ancho de banda del ltro empleado en transmisin (vase, por
ejemplo, la Ecuacin (5.72)) por encima del mnimo marcado por el criterio de Nyquist
para la ausencia de ISI. Si nuestro deseo es enviar smbolos de informacin con una tasa
de 1/T baudios, podramos pensar en emplear un ltro transmisor de ancho de banda (en
banda base) de N/T rad/seg, con N un nmero entero sucientemente grande. Este valor
N recibe el nombre de factor de expansin, puesto que determina el nmero de veces en que
se aumenta el ancho de banda por encima del mnimo necesario para que no haya ISI.
Supongamos entonces que nuestra seal compleja en banda base es de la forma:
s(t) =
n
A[n]g(t nT) (8.76)
donde ahora el ltro g(t) es un ltro en raz de coseno alzado (con = 0), ocupando N/T
rad/seg de ancho de banda. En tiempo, la funcin de ambigedad temporal de ese pulso
es una sinc que pasa por cero en los instantes t = kT/N, para cualquier entero k distinto
de cero. En la Figura 8.20 se representa un fragmento de seal transmitida para ilustrar el
problema que el uso de este tipo de pulsos acarreara: la duracin del pulso g(t) es ahora
muy corta en comparacin con el periodo de smbolo T. Por esta razn, la seal se transmite
en rfagas de muy corta duracin cada T segundos, por lo que la potencia instantnea no se
distribuye de manera uniforme: en algunos instantes la potencia es muy grande y durante la
mayor parte del tiempo prcticamente no se transmite seal alguna. Conseguir esta elevada
potencia de pico sin distorsiones de amplitud es, como ya hemos comentado en captulos
precedentes, problemtica all donde hay amplicadores de radiofrecuencia, por lo que la
solucin que aqu hemos planteado es maniestamente mejorable.
En cualquier caso, es interesante advertir que la funcin de ambigedad de los pulsos
T
t
s(t)
Figura 8.20. Fragmento de una seal de espectro ensanchado con pulsos muy estrechos en
el dominio temporal.
empleados cumple, salvo por un factor constante, el criterio de Nyquist, no slo a periodo
T, sino tambin a periodo T/N (recordemos que esto tambin ocurra en OFDM). El hecho
de que se fuercen cruces por cero cada T/N segundos est directamente relacionado con
el ancho de banda ocupado. As pues, podramos pensar en buscar otros pulsos g(t) cuyas
funciones de ambigedad no estn tan localizadas en el dominio del tiempo, pero sigan
cumpliendo el criterio de Nyquist a periodo T/N. Obviamente, el nmero de pulsos que
satisfacen esta restriccin es innito, por lo que aqu nos centraremos en una familia de
pulsos que, por construccin, cumplen dicho requisito y que, adems, cuentan con la ventaja
adicional de ser parametrizables en funcin de un cdigo o rma, por lo que sern de utilidad
en aplicaciones de acceso mltiple, como ya hemos comentado.
8.2.1. Espectro ensanchado por secuencia directa
La familia de pulsos considerada responde a la forma:
g(t) =
N1
m=0
x[m]g
c
(t mT
c
) (8.77)
donde la secuencia x[m] (posiblemente compleja) es determinista (por tanto, no porta in-
formacin) y se denomina secuencia ensanchadora o secuencia de chip; g
c
(t) es un pulso
cuya funcin de ambigedad cumple el criterio de Nyquist a periodo T
c
, y T
c
= T/N es el
denominado periodo de chip
9
.
De la Expresin (8.77) se deduce que el pulso g(t) se obtiene despus de sumar versiones
desplazadas y escaladas del pulso de chip g
c
(t) o, de forma equivalente, g(t) es el resultado
9
En ingls, chip signica pedacito. El trmino alude a cada uno de los pedacitos en que se divide el periodo
de smbolo T.
de modular el pulso de chip con una secuencia determinista y de duracin un periodo de
smbolo.
Sustituyendo (8.77) en (8.76) tenemos
s(t) =
n
A[n]
N1
l=0
x[l]g
c
(t lT
c
nT) (8.78)
La expresin anterior se puede transformar para ofrecer una interpretacin alternativa de la
generacin de seales de espectro ensanchado. Haciendo el cambio de variable m = nN+l
en (8.78) resulta
s(t) =
n
A[n]
nN+N1
m=nN
x[mnN]g
c
(t mT
c
)
=
n
A[n]
m
x[m]w
N
[mnN]g
c
(t mT
c
) (8.79)
donde x[m] es una seal peridica generada a partir de x[m] como x[m]
.
=
k
x[mkN]
y w
N
[m] es una ventana rectangular causal de N muestras.
De este modo, la seal s(t) en (8.79) es equivalente a modular un pulso g
c
(t) con una
secuencia s[m] tal que
s[m] = x[m]
n
A[n]w
N
[mnN] (8.80)
Obsrvese que

n
A[n]w
N
[m nN] en (8.80) puede interpretarse como una secuencia
obtenida repitiendo N veces las muestras de A[n] a una tasa lgicamente N veces mayor.
Gracias a ello, el producto con x[m] es compatible en tasa. Esta forma de generar seales
de espectro ensanchado, multiplicando por una secuencia ensanchadora se denomina por
secuencia directa (Direct Sequence Spread Spectrum, DSSS).
Figura 8.21. Arquitectura de un transmisor de espectro ensanchado de secuencia directa
en banda base.
La Ecuacin (8.80) posibilita dibujar el diagrama de bloques de un transmisor corres-
pondiente a una modulacin de espectro ensanchado, tal como se representa en la Figura
8.21. Adems, esta estructura nos permite razonar fcilmente por qu podemos conseguir
ensanchar el espectro: la secuencia s[m] se transmite ahora a una velocidad N veces supe-
rior; si esta nueva secuencia tiene un espectro discreto plano, el espectro de potencia de la
seal s(t) coincidir con [G
c
(j)[
2
, siendo G
c
(j) la Transformada de Fourier del pulso
de chip. Esta ltima consideracin es de gran importancia: no todas las secuencias de chip
x[m] sern vlidas para nuestros propsitos. En el ejemplo siguiente, se consideran algunas
secuencias de chip que no lo son.
Ejemplo 8.4
a) Si x[m] = [m] estamos en el caso ilustrado en la Figura 8.20, esto es, la energa transmitida
durante un periodo de smbolo se concentra en un periodo de chip, y durante el resto apenas se
transmite seal. Se dice entonces que la seal est localizada en tiempo. Es fcil ver que si la
secuencia A[n] es blanca, entonces el espectro de s[m] es plano.
b) Si x[m] = e
j
2ml
N
, para un l 0, , N 1 jo, la seal transmitida equivale a modular
una de las funciones base discretas empleadas en OFDM. Aunque en este caso la transmisin
ya no est localizada en tiempo, el lector recordar que el espectro asociado a una portadora en
OFDM era una sinc, por lo que ahora estar localizado en frecuencia. Por tanto, los inconvenien-
tes que encontraramos son idnticos a los comentados ms arriba cuando motivamos el empleo
de espectro ensanchado: en canales selectivos en frecuencia, un espectro estrecho puede sufrir
una importante atenuacin.
A la vista del ejemplo anterior, desearamos que la secuencia s[m] no estuviese localiza-
da ni en tiempo ni en frecuencia. Existe alguna secuencia de chip x[m] con la que podamos
lograr este doble objetivo? La respuesta es armativa, siempre que estemos dispuestos a re-
lajar las condiciones. Por ejemplo, no es difcil demostrar que las nicas secuencias x[m]
para las que el espectro de s[m] es plano son aquellas de la forma x[m] = e
j
[m k],
para algn k 0, , N 1 y algn nmero real . Pero estas secuencias son las que
precisamente hemos descartado anteriormente.
Supongamos por un momento que N es innito y x[m] es una realizacin de un proce-
so estocstico blanco. Entonces, su espectro de potencia sera plano y, con l, el de s[m].
Obviamente, si consideramos una realizacin de dicho proceso truncada a un nmero nito
de muestras, el espectro de x[m] dejar de ser plano y otro tanto suceder con la densidad
espectral de potencia de s[m]. En cualquier caso, parece una buena idea obtener x[m] co-
mo una secuencia de seudorruido, esto es, una secuencia determinista pero con apariencia
externa de ruido blanco. En el Apartado 8.2.9 analizaremos este aspecto en detalle.
8.2.2. Espectro de la seal espectro ensanchado por secuencia direc-
ta
En este caso, podemos aplicar directamente la Expresin (5.72), de forma que el espectro
de potencia de la seal en banda base s(t) es
S
s
(j) =
1
T
S
A
(e
jT
)[G(j)[
2
(8.81)
siendo S
A
(e
j
) la densidad espectral de potencia de la secuencia A[n]. Es conveniente, no
obstante, poner la expresin anterior en funcin de la secuencia de chip y del pulso de chip.
Para ello, se calcula la Transformada de Fourier en ambos lados de (8.77), de modo que
G(j) = G
c
(j)
N1
m=0
x[m]e
jmT
c
(8.82)
pero el trmino dentro del sumatorio no es ms que la Transformada de Fourier de la se-
cuencia x[m] evaluada en T
c
. Por tanto,
S
s
(j) =
1
T
S
A
(e
jT
) [X(e
jT
c
)[
2
[G
c
(j)[
2
(8.83)
Ejemplo 8.5
En la Figura 8.22 se representa la densidad espectral de potencia de la seal en banda base cuando
el pulso de chip es de tipo raz cuadrada de coseno alzado, con factor de cada = 0,5, N = 10 y
la secuencia ensanchadora es 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 normalizada por

10 para
tener energa unidad. La secuencia de smbolos transmitidos es blanca y con energa media E
s
.
15/T 5/T 5/T 15/T 0

0
10
20
30
40
(dB)
S
s
(j)/E
s
Figura 8.22. Espectro de potencia de la seal en banda base del Ejemplo 8.5.
Es interesante sealar que, dado que el trmino S
A
(e
jT
) [X(e
jT
c
)[
2
es peridico en
, es la respuesta en frecuencia del pulso de chip G
c
(j) la que suele determinar el ancho
de banda empleado. As, si G
c
(j) es un pulso en raz cuadrada de coseno alzado con factor
de cada , el ancho de banda ocupado por la seal paso banda ser 2N(1+)/T rad/seg,
esto es, N veces mayor que el que resultara de usar una modulacin PAM paso banda con
el mismo valor de .
8.2.3. Receptores para modulaciones de espectro ensanchado por
secuencia directa
La estructura del receptor para espectro ensanchado de secuencia directa sigue exacta-
mente las directrices del Apartado 5.4.2, por lo que su diagrama de bloques es idntico a
la Figura 5.34. Desgraciadamente, dicha estructura es poco apropiada para su implementa-
cin prctica incluso en el caso en que el ltro receptor f(t) sea tal que f(t) = g
(t) ya
que depende directamente de la secuencia x[m]. En muchas aplicaciones, como en acceso
mltiple por divisin en cdigo, la asignacin de secuencias (o rmas, en este caso) x[m]
a cada usuario no es ja, sino que se realiza dinmicamente. Esto obligara a construir un
ltro analgico g(t) para cada nueva rma, lo que, obviamente, est lejos de constituir una
solucin prctica.
Por otra parte, podemos pensar en emplear una solucin similar a la que presentamos en
modulaciones OFDM: se trata de usar un ltro receptor a periodo de chip y realizar el resto
de las operaciones en tiempo discreto, donde ya no habr problemas por el hecho de que el
cdigo sea diferente.
Por tanto, suponiendo f(t) = g
(t), si v(t) es la seal recibida en banda base, la

secuencia de observaciones a la salida del muestreador a periodo de smbolo q[n] es
q[n] = (v(t) g
(t)) [
t=nT
=
N1
m=0
x
[m] (v(t) g
c
(t mT
c
)) [
t=nT
=
N1
m=0
x
[m] (v(t) g
c
(t)) [
t=nT+mT
c
(8.84)
Sea v[m] la secuencia obtenida al muestrear la seal v(t) g
c
(t) con periodo de chip.
Entonces (8.84) se puede escribir de la siguiente forma
q[n] =
N1
m=0
x
[m]v[nN +m] (8.85)

= (v[m] x
[m]) w
N
[mnN] (8.86)
lo que permite representar el diagrama de bloques del receptor en banda base de acuerdo con
el esquema de la Figura 8.23. Tngase en cuenta que para el caso paso banda este diagrama
debera ser ampliado para incorporar una demodulacin compleja y un factor
2 en el ltro
receptor. Adems, hemos supuesto que el ltro g
c
(t) es real, por lo que en el receptor no es
necesario el conjugado.
w m
N
[ ] -
~
[ ]
*
x m
v t ( )
N
v m [ ] q n [ ]
t mT N = /
Decisor
$
[ ] A n
( )
c
g t -
Figura 8.23. Arquitectura de un receptor de espectro ensanchado en banda base.
La operacin realizada en (8.85), consistente en multiplicar por x
[m] y sumar N mues-

tras consecutivas, recibe el nombre de desensanchado porque a su salida la tasa de operacin
pasa de N/T seg
1
a 1/T seg
1
, lo que equivale a una reduccin del ancho espectral por
un factor de N.
Consideraremos aqu el caso paso banda, aunque los resultados son vlidos para banda
base. Si el canal introduce ruido aditivo y gausiano n(t) con densidad espectral de potencia
S
n
(j), podemos de nuevo aplicar la misma metodologa que en el Apartado 5.4.3 para
obtener las caractersticas del ruido discreto z[n] presente en cada observacin q[n]. Si el
ltro receptor es de la forma
2f(t), entonces (5.83) sigue siendo vlida.

En el caso particular en que g(t) es un pulso cuya funcin de ambigedad temporal
cumple el criterio de Nyquist a periodo T, el ltro receptor est adaptado al pulso transmisor
(f(t) = g
(t)) y el ruido n(t) es blanco, con densidad espectral de potencia N

0
/2 W/Hz,
(8.39), el ruido discreto z[n] es blanco y circularmente simtrico, con varianza
2
z
= N
0
(8.87)
Obsrvese que una condicin suciente para que r
g
(t) = g(t)g
(t) cumpla el criterio

de Nyquist a periodo T es que g
c
(t) g
c
(t) cumpla dicho criterio a periodo T/N.
La obtencin del canal discreto equivalente para el caso de modulacin de espectro
ensanchado por secuencia directa es inmediata a partir de los resultados del Apartado 5.4.4.
As, si p[n] denota el canal discreto equivalente en banda base,
p[n] = (g(t) h
eq
(t) f(t)) [
t=nT
(8.88)
por lo que la representacin del mismo coincide exactamente con la Figura 5.7. Sin embargo,
en el caso en que el ltro receptor f(t) se selecciona de modo que f(t) = g
(t), podemos
ir algo ms lejos en nuestro anlisis. As,
p[n] =
N1
l=0
N1
m=0
x[l]x
[m] (g
c
(t lT
c
) h
eq
(t) g
c
(t mT
c
)) [
t=nT
=
N1
l=0
N1
m=0
x[l]x
[m]d[nN +ml] (8.89)

siendo d[m] = (g
c
(t) h
eq
(t) g
c
(t))[
t=mT
c
el canal discreto equivalente en banda base a
periodo de chip, equivalente a muestrear a periodo de chip la respuesta combinada del ltro
transmisor, ltro receptor y canal equivalente en banda base.
Para ilustrar la obtencin del canal discreto equivalente, consideremos el ejemplo si-
guiente:
Ejemplo 8.6
Supongamos que g
c
(t) es tal que su funcin de ambigedad g
c
(t) g
c
(t) cumple el criterio de
Nyquist a periodo de chip.
a) Si el canal equivalente en banda base es h
eq
(t) = (t), entonces d[m] = [m] y, por tanto,
p[n] =
N1
m=0
[x[m][
2
[n] (8.90)
b) En el caso del canal del Ejemplo 8.3, tenemos h
eq
(t) = h(t)e
j
c
t
= (t) 0,9e
j
c
(t
). Supongamos que = T/10 y que N = 100. Entonces, d[m] = [m] 0,9e
j
c
T/10
[m
10], por lo que
p[n] =
N1
m=0
[x[m][
2
[n] 0,9e
j
c
T
10
N1
m=0
x[m10]x
[m][n]
0,9e
j
c
T
10
N1
m=0
x[m+ 90]x
[m][n 1] (8.91)
De este ejemplo podemos concluir que para que no hubiese ISI (siempre que fuese menor
que T) una condicin suciente sera que
r
x
[k]
.
=
N1
m=0
x
[m]x[m+k] = [k] (8.92)

o, puesto de otro modo, que la funcin de ambigedad de la secuencia ensanchadora x[m]
fuese una delta en el origen. La funcin r
x
[k] tambin recibe tambin el nombre de autoco-
rrelacin determinista aperidica
10
(vase (2.50)). Es fcil ver que precisamente el cumpli-
miento de esta condicin garantizara que [X(e
jT
c
)[
2
en (8.83) fuese constante. No obs-
tante, no olvidemos que las nicas secuencias x[m] que satisfacen (8.92) son de la forma
e
j
[m k], para algn real y algn k 0, , N 1 y que stas no son adecuadas
para nuestros propsitos, por lo que una solucin pragmtica consiste en hacer que x[m] sea
seudorruido.
En el Ejemplo 8.6(b) hemos visto cmo un diseo adecuado de la secuencia ensancha-
dora puede reducir considerablemente la ISI. Antes de proseguir, repasemos los pasos que
hemos dado para llegar hasta aqu:
1. Para evitar que la transmisin a periodo T sobre un canal de la forma h
eq
(t) = (t)
h
1
(t ), con h
1
complejo y T/ mucho mayor que 1, se pudiese ver seriamente
afectada por la atenuacin del canal, redujimos el periodo efectivo de transmisin a
T
c
= T/N y, consecuentemente, aumentamos el ancho de banda ocupado en un factor
N.
2. Al disminuir el periodo efectivo de transmisin sobre el canal a T
c
el cociente T
c
/
es menor que 1 y, por tanto, aparece interferencia entre chips que, dependiendo de
la secuencia ensanchadora, puede dar lugar a ISI.
10
El calicativo aperidica servir ms adelante para distinguirla de la autocorrelacin determinista peridica.
3. Para mitigar los efectos de la ISI, las secuencias de chip se disean de modo que su
funcin de ambigedad temporal se parezca a una delta en el origen.
Qu hemos ganado con esta tcnica? En primer lugar, analicemos su coste: sabemos
que el ancho de banda es un bien limitado en muchos casos sin lugar a dudas, esto sucede
en los canales de radiofrecuencia y, adems, aumentar la velocidad de transmisin supone
una complicacin tecnolgica adicional en el diseo de transmisor y receptor. En cuanto a
los benecios, pensemos que como T/ es mucho mayor que 1, en un sistema PAM en
banda base convencional, aunque habr ISI presente en la secuencia recibida, sta se centra
prcticamente en el smbolo actual, por lo que, si la frecuencia de la portadora es tal que
c
= 2k/T para algn nmero entero k (vase Figura 8.18), la seal q[n] a la salida
del muestreador slo tendr inuencia del smbolo actual. Para el canal del ejemplo 8.3
tendremos
q[n] A[n] 0,9A[n] +z[n] (8.93)
siendo la varianza del ruido
2
z
= N
0
. Por otra parte, en el sistema de espectro ensanchado,
suponiendo que se satisface aproximadamente (8.92), tenemos que
q[n] A[n] +z[n] (8.94)
donde, de nuevo,
2
z
= N
0
. Por tanto, como vemos, la relacin seal a ruido ha aumentado
en unos 20 dB gracias a la utilizacin de espectro ensanchado. En cualquier caso, como
veremos en el Apartado 8.2.8, todava podemos hacerlo algo mejor, a base de complicar
ms el receptor.
Asimismo, en el Apartado 11.8 se efectan consideraciones sobre la sincronizacin apli-
cada a sistemas de espectro ensanchado por secuencia directa.
8.2.6. Inmunidad a las interferencias de banda estrecha
En este apartado vericaremos que las modulaciones de espectro ensanchado son muy
apropiadas para el caso en que existen interferencias de banda estrecha presentes en el canal,
ya sean malintencionadas (en ingls se emplea el trmino jammer) como no intencionadas
(por ejemplo, debidas a una emisin esprea de un transmisor autorizado). Aunque en la
literatura existen casi tantas formas de abordar el problema como autores, las conclusiones
son esencialmente idnticas, por lo que aqu adoptaremos un enfoque relativamente original
con idntico resultado.
Considrese un sistema de espectro ensanchado por secuencia directa que transmite con
una frecuencia de portadora
c
rad/seg. Los pulsos empleados tanto en transmisin como en
recepcin son de tipo raz cuadrada de coseno alzado con factor de cada (vanse guras
8.21 y 8.23). Supngase que el sistema est interferido por una portadora J(t) de frecuencia
J
prxima a
c
y amplitud A
J
:
J(t) = A
J
cos(
J
t +) (8.95)
donde es un desfase que el interferente malicioso puede elegir para producir el mayor
dao medido en la BER posible en el sistema
11
. Naturalmente, para interferencias no
intencionadas la BER alcanzada en el caso anterior supondr una cota superior.
Para calcular la BERnecesitamos determinar la contribucin de la seal interferente a la
entrada del decisor de la Figura 8.23. Denominando q
J
[n] a dicha contribucin y aplicando
(8.85), tendremos
q
J
[n] =
N1
m=0
x
[m]J[nN +m] (8.96)

donde
J[m] = (J(t)e
j
c
t
2g
c
(t))[
t=mT
c
(8.97)
Los factores
2 y e
j
c
t
se deben al proceso de conversin a banda base, que no se explicita
en la Figura 8.23. Suponiendo que
J
y
c
estn lo sucientemente prximas como para que
J

c
pertenezca a la banda de paso del ltro receptor de lo contrario la interferencia se
eliminara completamente, podemos escribir
J[m] =
2
2
A
J
G
c
(j
J
j
c
) expj(
J
mT
c
c
mT
c
+) (8.98)
Sustituyendo (8.98) en (8.96) obtendramos directamente la contribucin del interferente a
la entrada del decisor. Si desde el punto de vista del interferente consideramos la secuen-
cia x[m] como un proceso blanco que toma valores en 1/
N con igual probabilidad

(vase Apartado 8.2.9), entonces podremos caracterizar estadsticamente q
J
[n] calculando
su media y su varianza. Es inmediato ver que
Eq
J
[n] = 0 (8.99)
Varq
J
[n] =
A
2
J
2
[G
c
(j
J
j
c
)[
2
(8.100)
Recurdese que [G
c
(j)[
2
= T
c
= T/N para [[ < (1)/T
c
y es montona decreciente
para valores de mayores, ya que se trata de un pulso en coseno alzado. Por tanto, mientras
la frecuencia de la seal interferente no diera de la de la portadora en ms de (1 )/T
c
rad/seg, la probabilidad de error alcanzable ser independiente de la primera
12
. Adems,
como vemos, la fase es irrelevante.
Para valores de N grandes la variable q
J
[n] seguir por el teorema central del lmite
(Apartado 3.2.8) una distribucin gausiana compleja circularmente simtrica. En este caso,
podemos calcular la BER para diferentes constelaciones. A modo de ejemplo, considere-
mos una constelacin binaria antipodal (BPSK) con energa media de smbolo E
s
. En este
11
Suponemos que el receptor es capaz de alcanzar una sincronizacin perfecta con el transmisor. En realidad,
en muchas ocasiones, el peor dao se inige atacando a la sincronizacin del sistema.
12
En el Problema P8.14 se considera una frecuencia arbitraria en la seal interferente.
caso,
BER = Q
_
2E
s
N
0
+J
0
_
(8.101)
con N
0
/2 W/Hz la densidad espectral de potencia del ruido del canal y
J
0
= Varq
J
[n] =
TA
2
J
2N
(8.102)
Si el ruido del canal es despreciable, entonces la relacin seal a ruido a la entrada del
detector
SNR =
4E
s
N
TA
2
J
(8.103)
aumenta con N, o, dicho de otro modo, el dao causado por el interferente es menor cuanto
mayor es el ancho de banda empleado. Por esta razn, 10 log
10
N recibe habitualmente la
denominacin de ganancia de procesado. Como comentario nal, no debe perderse de vista
que esta ganancia de procesado no existe si la interferencia tiene un ancho de banda mayor
que el empleado en la transmisin; esto sucedera, por ejemplo, en el caso de un interferente
que emitiese ruido blanco.
8.2.7. Espectro ensanchado por salto en frecuencia
Volvamos ahora al Ejemplo 8.3 para discutir un esquema de espectro ensanchado que
tambin resulta adecuado en canales selectivos en frecuencia. En dicho ejemplo razonamos
que si el ancho de banda era pequeo, entonces un sistema clsico utilizando el ancho de
banda mnimo poda tener la mala suerte de transmitir all donde apareca un agujero es-
pectral, con la consiguiente prdida en la potencia de la seal recibida. En cambio, tambin
poda tenerse la buena suerte de transmitir en la banda en la que la respuesta del canal tena
la ganancia mxima. Dado que, como ya comentamos, la posicin de los picos y valles de
la funcin de transferencia del canal es variable y relativamente difcil de predecir, po-
dra pensarse en no dejar al sistema en manos de la fortuna y repartir casos favorables y
desfavorables empleando una frecuencia de portadora que cambie cada cierto tiempo, que
denominaremos periodo de salto. Ya que ahora la frecuencia de portadora se va desplazando
a medida que transcurre el tiempo, el ancho de banda necesario es aproximadamente igual
a la mxima excursin permitida en la frecuencia de portadora. Por las mismas razones que
en el Ejemplo 8.3 conviene que dicho ancho de banda sea grande en comparacin con el que
dictara el criterio de Nyquist. El resultado es una modulacin de espectro ensanchado que
recibe el nombre de salto en frecuencia (Frequency Hopping, FH).
Aunque la idea del salto en frecuencia se puede combinar con cualquier modulacin
bsica (por ejemplo, QAM o PSK), lo ms natural es hacerlo con una modulacin FSK de
fase continua (CPFSK) ya sea binaria o, en general, M-aria (Apartado 7.2). En este caso,
la frecuencia de la portadora se hace variar en el tiempo de acuerdo con una secuencia
determinista x[m].
Es habitual clasicar las modulaciones de espectro ensanchado por salto en frecuencia
como de salto lento y salto rpido, atendiendo a la relacin entre el periodo de salto, que
denotaremos por T
2
, y el de smbolo T. Para el salto lento, T
2
/T 1, y para el rpido,
T
2
/T < 1. Adems, por razones prcticas, la relacin entre el periodo ms grande y el ms
pequeo suele ser en ambos casos un nmero entero.
Formalmente, recordando la Expresin (7.24), la seal transmitida en CPFSK puede
escribirse como
x(t) =
_
2E
s
T
n
sen
_
c
t +I[n]
t
T
_
w
T
(t nT) (8.104)
donde los I[n] eran los smbolos de informacin tales que I[n] 1, , (M 1)
para una CPFSK M-aria. Veamos cmo modicar esta expresin para las modulaciones de
espectro ensanchado por salto en frecuencia.
T
2
T
(a)
T
2
T
(b)
Figura 8.24. Ilustracin de las relaciones entre el periodo de smbolo T y el periodo de
salto en frecuencia T
2
. (a) Salto lento (SFH); (b) salto rpido (FFH).
De acuerdo con lo indicado en el prrafo anterior, en una modulacin por salto lento en
frecuencia (Slow FH, SFH), la seal transmitida puede escribirse como:
x(t) =
_
2E
s
T
m
T
2
/T1
n=0
sen
_
c
t +x[m]
t
T
+I[n +mN]
t
T
_
w
T
(t nT mT
2
)
(8.105)
con N = T
2
/T un entero mayor que 1, de forma que se transmiten varios smbolos de in-
formacin por cada cambio en la frecuencia central, tal como se ilustra en la Figura 8.24(a).
Podemos interpretar la secuencia x[m] como la que realiza la seleccin gruesa de la
frecuencia, mientras la secuencia de smbolos I[m] realiza una seleccin na. De he-
cho, para que los conjuntos de frecuencias gruesas empleados no se solapen y se garantice
la continuidad de fase, x[m] ha de tener la forma 2kM, con k entero. Naturalmente, para
que el ancho de banda ocupado sea mnimo, los valores de k empleados deben pertenecer
a un conjunto de N enteros consecutivos; en tal caso, la expansin de ancho de banda en
comparacin con el de una CPFSK M-aria es de aproximadamente N.
En una modulacin por salto rpido en frecuencia (Fast FH, FFH) la frecuencia de la
portadora cambia varias veces por cada smbolo procedente de la fuente, esto es,
x(t) =
_
2E
s
T
n
T/T
2
1
m=0
sen
_
c
t +x[m+nN]
t
T
2
+I[n]
t
T
2
_
w
T
2
(t nT mT
2
)
(8.106)
con N = T/T
2
un entero mayor que 1 (vase Figura 8.24(b)) y la secuencia x[m] con la
misma forma que en el prrafo anterior. Obsrvese que ahora las condiciones para garantizar
continuidad de fase se aplican cada T
2
segundos.
En la Figura 8.25 se representa una posible arquitectura de transmisor para FH, teniendo
en cuenta la idea ya comentada de que, en realidad, basta con cambiar la frecuencia de la
portadora cada T
2
segundos. Con los modernos sistemas de sntesis digital directa (Direct
Digital Synthesis, DDS) es posible simplicar el esquema anterior sin ms que generar en
cada momento los valores (numricos) de las frecuencias necesarias.
Mezclador
Modulador
FSK
Sintetizador
Frecuencias
Generador
seudorruido
[ ] x m
[ ] I n ( ) x t
2
T
T
Figura 8.25. Diagrama de bloques de un modulador de espectro ensanchado por salto en
frecuencia.
Para el clculo del espectro de potencia de la seal transmitida, es evidente, de acuerdo
con los resultados presentados en el Apartado 7.2 para CPFSK que sera necesario extender
el procedimiento all presentado teniendo en cuenta que el patrn de saltos en frecuencia
dado por x[m] es determinista, por lo que no profundizaremos ms en esta direccin.
En cualquier caso, es interesante sealar que, en consonancia con la justicacin dada al
comienzo de este apartado, para que el reparto de bandas en FH sea efectivo, la secuencia
x[m] debera ser tal que cada subbanda se visitase el mismo nmero de veces. Si, adems,
el canal fuese variante en el tiempo, convendra que la portadora cambiase de una forma
aleatoria, para que no se visitasen consecutivamente subbandas con atenuaciones que pueden
estar fuertemente correlacionadas. Como consecuencia, interesa que la secuencia x[m] tenga
las mismas propiedades que exigamos a su homnima empleada en espectro ensanchado
por secuencia directa y que se resumen en que tenga caractersticas de seudorruido.
Aunque se pueden construir receptores coherentes para FH siguiendo los principios del
Apartado 4.5, es obvio que ahora pueden esgrimirse las mismas razones que conducen al
empleo de receptores incoherentes en modulaciones FSK. Por tanto, es posible deducir un
receptor incoherente para FH a partir de la discusin del Apartado 7.2.3. El diagrama de
bloques correspondiente al caso de saltos lentos en frecuencia (SFH) se representa en la
Figura 8.26. En el caso de saltos rpidos (FFH, Figura 8.27) debe tenerse en cuenta que
la transmisin de un smbolo de la fuente implica N sucesivas envolventes de frecuencias
diferentes, por lo que el receptor dispondr de N estadsticos que han de producir una nica
decisin, de modo que es necesario combinarlos. Aunque es posible determinar tericamente
la ley de combinacin ptima (siguiendo el criterio ML) sta resulta ser poco atractiva de
cara a una implementacin fsica, por lo que la simplicacin ms comn (especialmente
adecuada para SNR pequea) conduce a una combinacin cuadrtica, esto es, a utilizar
como variables de decisin la suma de las N salidas sucesivas de los detectores de ley
cuadrtica. Por tanto, obsrvese que esta arquitectura de receptor incoherente no es ms que
una generalizacin del detector de ley cuadrtica para tener en cuenta las N subenvolventes
por smbolo transmitido.
Mezclador
Detector
ley cuadrtica
Sintetizador
Frecuencias
Generador
seudorruido
$ n
MAXIMO
( ) y t
[ ] x m
2
T
T
0
[ ] q n
1
[ ] q n
Figura 8.26. Arquitectura de un receptor de espectro ensanchado por salto lento en frecuencia.
Mezclador
Detector
ley cuadrtica
Sintetizador
Frecuencias
Generador
seudorruido
$ n
MAXIMO
w m
N
[ ] -
N
w m
N
[ ] -
N
( ) y t
1
[ ] q n
[ ] x m
0
[ ] q n
2
T
2
T
Figura 8.27. Arquitectura de un receptor de espectro ensanchado por salto rpido en frecuencia.
Para nalizar este apartado, es de inters sealar que tambin es posible trasladar las
ideas de FH al dominio del tiempo, donde se convierten en espectro ensanchado por salto en
el tiempo (Time Hopping, TH). En este caso, los pulsos empleados son similares a los que
se utilizan en la Figura 8.20, salvo porque ahora la posicin del pulso dentro del periodo de
smbolo vara de acuerdo con una secuencia determinista. Valga decir, como consecuencia,
que las razones que dicultaban el empleo de este tipo de pulsos son aplicables tambin en
este caso. Por otra parte, los esquemas DS, FH y TH se pueden combinar entre s para dar
lugar a hbridos que heredan algunas de las ventajas de sus progenitores, siempre a costa de
un aumento de complejidad y, generalmente, requisitos ms estrictos en los relojes de chip.
En el Apartado 11.8 se efectan consideraciones sobre la sincronizacin aplicada a sis-
temas de espectro ensanchado por salto en frecuencia.
8.2.8. Receptores RAKE
En comunicaciones terrestres (p.ej., radioenlaces, comunicaciones celulares, etc.) es fre-
cuente que la seal transmitida llegue al receptor por diferentes caminos, en un fenmeno
que se conoce como propagacin multitrayecto
13
. Dichos caminos son debidos a las ree-
xiones, refracciones y/o difracciones que experimenta la seal transmitida en su interaccin
con el medio. El efecto neto es que la seal que llega al receptor por cada uno de los caminos
sufre una atenuacin, un desfase en la portadora y un retardo distintos.
Si en el receptor fuese posible resolver (separar) los diferentes caminos de propagacin,
entonces se podra aprovechar su conocimiento para mejorar el funcionamiento del sistema.
Naturalmente, cuanto mayor sea el ancho de banda de la seal transmitida (menor duracin
de la funcin de ambigedad de los pulsos) ms fcil ser distinguir las diferentes compo-
nentes del multitrayecto. En este apartado estudiaremos someramente un tipo de receptor
que, tras identicar la respuesta al impulso del canal, construye de acuerdo con el criterio
del ltro adaptado una estructura que, por recordar vagamente a los rastrillos de jardn, fue
bautizada por sus inventores (Price y Green, 1958) como receptor RAKE (rastrillo).
Para deducir su arquitectura, consideremos la respuesta equivalente en banda base que
corresponde a un canal con multitrayecto:
h
eq
(t) =
L
l=1
h
l
(t
l
) (8.107)
donde L es el nmero de caminos, h
l
es un coeciente complejo que indica la ganancia y
desfase relativos al camino l-simo y
l
es el retardo experimentado por la seal transmitida
al recorrer el l-simo trayecto. En la Expresin (8.107) hemos supuesto que el canal es
invariante con el tiempo; no obstante, el desarrollo que presentaremos en este apartado se
puede extender de forma casi inmediata a canales lentamente variantes en el tiempo.
Como ya se discuti en los Apartados 5.3 y 5.4, si conocisemos h
eq
(t), entonces po-
dramos implementar un receptor basado en el ltro adaptado, con una estructura como la
de la Figura 5.34. En este caso, si f(t) denota el ltro receptor entonces debera cumplirse
13
Vase Ejemplo 8.3.
que
f
(t) = g(t) h
eq
(t)
=
L
l=1
h
l
g(t
l
) (8.108)
siendo g(t) el pulso transmisor. De aqu, se deduce que
f(t) = g
(t)
L
l=1
h
l
(t +
l
) (8.109)
De este modo, habiendo determinado previamente aunque todava no hemos dicho cmo
los coecientes h
l
, l = 1, , L y los retardos
l
, podramos emplear la estructura de la
Figura 8.28 en la que, como se ve, existen L ramas paralelas cuyas salidas se combinan
para producir la variable de decisin. Estas ramas (o, mejor, pas) son las que conguran
el rastrillo o RAKE
14
. Intuitivamente, cuanto menor es h
l
, ms atenuada resulta la seal
transmitida por el camino correspondiente, de modo que, si se ve afectada por el mismo
nivel de ruido (tal y como ocurre en nuestro modelo), su abilidad ser menor; de ah que
se multiplique por un coeciente ms pequeo (justamente h
l
). Por otra parte, el adelanto
de
l
segundos sirve para compensar el introducido por el canal y as alinear las salidas
procedentes de cada pa. Evidentemente, el esquema propuesto no es causal, pero es in-
mediato transformarlo en causal sin ms que retardar m ax
l=1, ,L
l
segundos la toma de
decisiones.
v t ( )
DECISOR
.

.

.

.
.

.

.

.
*
( ) g t -
*
1
h
1
( ) t d t +
2
( ) t d t +
( )
L
t d t +
t nT =
[ ] A n
*
2
h
*
L
h
Figura 8.28. Diagrama de bloques de un receptor RAKE en banda base con pas en tiempo
continuo.
Como bien podr razonar el lector, lo dicho hasta ahora sobre el receptor RAKE no es
exclusivo de modulaciones de espectro ensanchado, sino que se puede adaptar a cualquier
modulacin lineal o no lineal. Sin embargo, para el caso de espectro ensanchado por secuen-
cia directa, la implementacin prctica cobra ms sentido. En primer lugar, cuanto menor
14
El receptor arrastra las contribuciones temporales de la seal recibida cuyos retardos caen en el rango de
accin de cada rama; de ah el nombre.
es T
c
(mayor ancho de banda), ms resolucin temporal podemos alcanzar, de modo que
podremos aproximar el adelanto
l
con un adelanto discreto de m
l

l
/T
c
unidades co-
metiendo un menor error. Pinsese que la realizacin exacta de un retardo no entero entraa
una mayor dicultad, tal como discutiremos ms adelante.
Siguiendo la deduccin del Apartado 8.2.3, es inmediato obtener la estructura del recep-
tor RAKE en tiempo discreto de la Figura 8.29. En realidad, en lugar de retardos especcos
para cada pa, es ms eciente una implementacin a partir de una lnea de retardos, pero
el diagrama en 8.29 ilustra mejor las operaciones que se realizan en cada rama
15
. Como no
poda ser de otra manera, tambin es necesario conocer los parmetros del canal para la rea-
lizacin del receptor RAKE en tiempo discreto. Antes de discutir cmo podemos averiguar
dichos parmetros, es interesante cuanticar las ventajas de esta estructura para el canal del
Ejemplo 8.3.
v t ( )
.

.

.

.
.

.

.

.
N
DECISOR
( )
c
g t -
c
t mT =
%
*
[ ] x m
[ ] A n
[ ]
N
w m -
1
[ ] m m d +
2
[ ] m m d +
[ ]
L
m m d +
*
1
h
*
2
h
*
L
h
Figura 8.29. Diagrama de bloques de un receptor RAKE en banda base con pas en tiempo
discreto para modulacin de espectro ensanchado por secuencia directa.
Ejemplo 8.7
Recordando que h
eq
(t) = (t) 0,9e
j
c
(t ), con = T/10 y N = 100 y utilizando

los resultados de este apartado, representamos en la Figura 8.30 el esquema del receptor RAKE.
Si calculamos el canal discreto equivalente a periodo de chip, ste ser ahora de la forma
d[m] = (g
c
(t) h
eq
(t) h
eq
(t) g
c
(t))[
t=mT
c
= 0,9e
j
c
T/10
[n + 10] + 1,81[n] 0,9e
j
c
T/10
[n 10] (8.110)
El clculo del canal discreto equivalente (a periodo de smbolo, Ecuacin (8.89)) producira 5
trminos (ya no 3, como en el Ejemplo 8.6) cuya determinacin se deja al lector como ejercicio.
De nuevo, si se cumple (aproximadamente) la condicin de que la funcin de ambigedad tem-
poral de la secuencia ensanchadora, r
x
[k], sea una delta en el origen, entonces el canal discreto
equivalente p[n] ser p[n] = 1,81[n].
Por otra parte, el ruido a la entrada del decisor, aunque ya no ser blanco, conservar su gausiani-
dad, por lo que para evaluar las prestaciones del receptor RAKE, bastar con conocer su varianza
(puesto que es de media cero). No es difcil ver que a la salida del muestreador a T
c
el ltro FIR
15
Recurdese que el ltro adaptado del receptor se puede implementar en forma discreta siguiendo las direc-
trices del Apartado 5.5.
v t ( )
N
DECISOR [ ]
N
w m -
c
t mT =
0,9e
c
jw D
-
10
z
( )
c
g t -
*
[ ] x m %
[ ] A n
Figura 8.30. Diagrama de bloques del receptor RAKE del Ejemplo 8.7
de dos ramas colorea el ruido y aumenta su varianza a (1 + 0,9
2
)N
0
= 1,81N
0
. Por ltimo, la
operacin de multiplicacin por la secuencia x[m] y suma de N muestras, deja inalterada dicha
varianza (puesto que
N1
m=0
[ x[m][
2
= 1).
Finalmente, la BER (para una constelacin binaria antipodal) con el receptor RAKE sera
BER = Q
_
_
2 1,81E
s
N
0
_
(8.111)
de modo que hemos ganado aproximadamente 10 log
10
1,81= 2,5 dB en comparacin con el
receptor de la Figura 8.23.
El receptor RAKE no est exento de problemas: supongamos que, en lugar de un ltro
f(t) perfectamente adaptado, esto es, f
(t) = g(t)h
eq
(t) empleamos en su construccin
una estima de h
eq
(t) que denotaremos por

h
eq
(t), de modo que utilizamos como ltro re-
ceptor un f(t) tal que f
(t) = g(t)
h
eq
(t). Entonces, basta generalizar el razonamiento
del Ejemplo 8.7 para demostrar que el canal discreto equivalente (siempre que la secuencia
x[m] cumpla la Condicin (8.92)) es
p[n] =
L
l=1
h
l
l
[n] (8.112)
y que la varianza del ruido a la entrada del decisor es
2
z
= N
0
L
l=1
[
h
l
[
2
(8.113)
Por tanto, una estima incorrecta de los parmetros del canal puede tener consecuencias
desastrosas en recepcin, por cuanto el nico coeciente de p[n], que es un nmero comple-
jo, puede tener una amplitud muy pequea y una fase que rote la constelacin transmitida.
Como ya sabemos, este ltimo problema puede solucionarse si los smbolos A[n] son gene-
rados mediante una modulacin diferencial de fase (DPSK).
El prrafo anterior pone de maniesto la importancia de estimar correctamente los pa-
rmetros del canal. A continuacin, estudiaremos uno de los procedimientos posibles. Para
simplicar la discusin vamos a suponer que el canal tiene un nico trayecto, cuyos par-
metros h
1
y
1
, deseamos estimar, y que no hay ruido presente. El diagrama de bloques del
estimador se representa en la Figura 8.31 donde puede observarse que el ltro receptor es
g
c
(t); de este modo, todo el procesado se hace en tiempo discreto. Es fcil ver que el canal
discreto equivalente a periodo de chip es, para este caso:
d[m] = (g
c
(t) h
1
(t
1
) g
c
(t))[
t=mT
c
(8.114)
de modo que si los pulsos g
c
(t) son de raz cuadrada de coseno alzado, podremos hacer la
aproximacin
d[m] h
1
[mk
1
] (8.115)
con k
1

1
/T
c
. Como antes, esta aproximacin es perfecta si
1
/T
c
es un nmero entero y,
en cualquier caso, tanto ms correcta cuanto mayor es el factor de cada del pulso g
c
(t). En
breve, encontraremos conveniente descomponer k
1
como
k
1
= m
1
+n
1
N, m
1
0, , N 1 (8.116)
y n
1
entero. Ntese que en esta descomposicin nica, n
1
equivale al nmero entero de
periodos de smbolo que caben en
1
, y m
1
es el nmero de periodos de chip que restan al
dividir
1
por n
1
T.
v t ( )
c
t mT =
[ ] v m
( )
c
g t - [ ]
N
w m m
D
- +
*
[ ] x m m
D
- %
*
[ ] A n n
D
-
N
DECISOR
P 1 n M
n
D+ -
D

$
1 h
Figura 8.31. Diagrama de bloques del estimador de parmetros de una pa del receptor RAKE.
Vamos a analizar a continuacin el funcionamiento del estimador de la Figura 8.31. Por
simplicidad, y sin restar validez alguna a nuestras conclusiones, supondremos que el retardo
m
en el esquema de la gura es tal que m
< m
1
. La secuencia a la salida del diezmador
ser
N1+m
m=m
v[m+nN] x
[mm
] =
N1
m=0
v[m+m
+nN] x
[m] (8.117)
que es idntica a (8.85) salvo porque ahora la secuencia v[m] aparece adelantada m
muestras. Por tanto, podemos pensar que tenemos la misma situacin estudiada en el Apar-
tado 8.2.5 donde ahora el canal discreto equivalente a periodo de chip es
d[m] h
1
[mk
1
] [m+m
] = h
1
[mn
1
N (m
1
m
)] (8.118)
Por tanto, empleando (8.89), el canal discreto equivalente a periodo de smbolo ser
p[n] = h
1
N1
m=0
x
[m]x[m+m
m
1
][n n
1
]
+ h
1
N1
m=0
x
[m]x[m+N +m
m
1
][n n
1
1] (8.119)
Por tanto, si se cumple la Condicin (8.92) relativa a la funcin de ambigedad temporal
de la secuencia x[m], entonces a la salida del diezmador por N de la Figura 8.31 tendramos
la secuencia h
1
A[n n
1
] si y slo si m
= m
1
. As pues, para averiguar el parmetro m
1
(nmero de chips que restan al dividir k
1
por N) bastara con realizar la correlacin con
versiones desplazadas de la secuencia ensanchadora. Obsrvese que, en ausencia de ruido y
satisfaciendo la Condicin (8.92) dicha correlacin valdr cero excepto cuando m
= m
1
.
Para reducir la varianza de dicha estimacin, se puede integrar el resultado durante varios
(digamos M) periodos de smbolo. Al mismo tiempo, ello puede servir para averiguar el
valor del parmetro n
1
. De nuevo, realizando una correlacin de la secuencia a la salida del
diezmador por N con A
[n n
] es fcil ver que en ausencia de ruido el resultado ser

distinto de cero si la secuencia A[n] es blanca y de media cero y se cumple que n
= n
1
. El
propsito del bloque sumador en la Figura 8.31 es entonces el de efectuar dicha correlacin
sobre una ventana sucientemente grande de tiempo (M muestras). Es importante sealar
que para poder determinar el parmetro n
1
(nmero entero de smbolos en k
1
) necesitamos
conocer la secuencia transmitida (durante las M muestras).
Para smbolos de una constelacin PSK y en ausencia de ruido, por el teorema central
del lmite, es fcil ver que cuando n
,= n
1
y M es grande, cada muestra a la salida del
sumador es una variable aleatoria gausiana de media 0 y varianza [h
1
[
2
ME
2
s
, mientras que
cuando n
= n
1
a la salida del sumador tendremos el valor h
1
ME
s
. Teniendo en cuenta
esta caracterizacin estadstica, el bloque etiquetado como DECISOR en la Figura 8.31
ofrecera una decisin binaria, que hemos llamado P, sobre si se han encontrado o no los
valores correctos para los m
y n
tentativos. En caso negativo, sera necesario probar con

otros parmetros, y as sucesivamente. En caso de que se decida que se ha podido determinar
el parmetro k
1
= m
1
+ Nn
1
, el coeciente h
1
se puede estimar a partir de la variable de
decisin, dividiendo el valor medio de sta por ME
s
.
Para nalizar este apartado, es interesante realizar una serie de consideraciones:
Para un canal multitrayecto como el descrito mediante (8.107) el mtodo de estima-
cin buscara los diferentes picos de la correlacin para identicar los parmetros
asociados a cada retardo. De esta forma, el esquema resultante tendra una estructura
tipo RAKE, con tantas pas como a priori caminos de propagacin presentes en el
canal.
La resolucin del mtodo presentado es de T
c
segundos. Esto quiere decir que si
dos retardos
i
y
l
dieren en menos que esta cantidad, en general no ser posible
resolverlos. En consecuencia, a todos los efectos, ambos se comportarn como si slo
existiese un camino. Lgicamente, cuanto menor sea T
c
(mayor ancho de banda),
mayor ser la resolucin alcanzable.
Algunos canales no encajan fsicamente dentro del modelo propagacin multitrayecto
que hemos discutido, sino que ms bien presentan un continuo de caminos. En todo
caso, dado que la seal de espectro ensanchado suele ser de banda limitada (algo que
por ejemplo ocurre si los g
c
(t) son pulsos en raz cuadrada de coseno alzado), es po-
sible recurrir al teorema del muestreo para representar matemticamente la respuesta
al impulso de h
eq
(t) como un tren de deltas espaciadas 1/W segundos, donde W Hz
sera el ancho de la seal paso banda. A partir de aqu, se pueden aplicar los resulta-
dos de este apartado. Tngase en cuenta que, aunque en principio el tren de deltas es
innito (ya que la seal es de banda limitada), truncando la respuesta impulsional a
partir de un T
p
que suele denominarse extensin de retardo, el error cometido puede
considerarse sucientemente pequeo.
Nuestro modelo supone que las componentes del canal son deterministas; cuando
cada componente es en realidad la combinacin de muchas contribuciones que llegan
prcticamente al mismo tiempo con fases aleatorias, es justicable modelar los h
l
como variables aleatorias complejas cuyo mdulo sigue una distribucin Rayleigh y
cuya fase es uniforme en [0, 2). En este caso, el tipo de anlisis presentado en el
Ejemplo 8.7 deja de ser vlido y es necesario un mtodo ms elaborado.
Cuanto mayor es el tamao de la ventana de integracin M, mayor ser la relacin
seal a ruido a la salida del correlacionador y menor la probabilidad de cometer un
error en la determinacin de n
1
. Por contra, mayores valores de M implican: 1) mayor
tiempo necesario para identicar el canal, y 2) una secuencia piloto (smbolos A[n]
conocidos) ms larga, con la consiguiente prdida de eciencia.
Conviene no olvidar que, a lo largo del presente apartado, hemos supuesto que la funcin de
ambigedad temporal de x[m] era una delta en el origen. Dado que, como discutiremos ms
adelante, esta condicin no es alcanzable en la prctica, hemos despreciado los trminos de
autointerferencia debidos a esta falta de idealidad. En particular, los resultados del Ejemplo
8.7 deben considerarse un lmite superior para las verdaderas prestaciones.
8.2.9. Diseo de pulsos para espectro ensanchado
En este apartado abordaremos el problema del diseo de las secuencias x[m] para su
utilizacin en modulaciones de espectro ensanchado. A travs de los apartados precedentes
hemos venido insistiendo en el inters que tiene la satisfaccin de la Condicin (8.92), que
recordemos era
r
x
[k]
.
=
N1
m=0
x
[m]x[m+k] = [k]
tanto para mitigar la posible ISI como para la estima de los parmetros del canal en mo-
dulaciones de espectro ensanchado. Tambin hemos comentado que las nicas secuencias
que cumplen (8.92) son de la forma x[m] = e
j
[m k], para algn k 0, , N 1
y real, pero resultan poco apropiadas por concentrar su energa en un corto intervalo de
tiempo.
Es ilustrativo y til formular la Condicin (8.92) en el dominio de la frecuencia. Toman-
do Transformadas de Fourier en ambos lados y recordando que X(e
j
) denota la Transfor-
mada de x[m], podemos escribir una condicin completamente equivalente:
N1
m=0
X(e
j
)e
jm
x
[m] = [X(e
j
)[
2
= 1, para todo (8.120)
Renunciando al cumplimiento estricto de (8.92) (8.120) existen varios caminos posi-
bles; por ejemplo, se puede disear x[m] de modo que la funcin de ambigedad temporal,
r
x
[k], tenga la menor energa posible fuera del origen. Sin embargo, el mtodo que goza de
mayor popularidad en la literatura es el de forzar el cumplimiento de (8.92) en un conjunto
nito de frecuencias, en concreto, aquellas de la forma = 2k/N, k = 0, , N 1, que
son las que se manejan en la DFT. As, la Condicin (8.120) se relaja a
[X(e
j
2k
N
)[
2
= 1, para todo k = 0, , N 1 (8.121)
Para secuencias de longitud N, es fcil ver el equivalente temporal de (8.121). En efecto, si
x[m] es la secuencia peridica de periodo N construida a partir de x[m], entonces tomando
la DFT inversa a ambos lados de (8.121), tenemos
x[m] _N x
[((m))
N
] = [m], m = 0, , N 1 (8.122)
r
x
[m]
.
=
N1
l=0
x
[l] x[l +m] = [m], m = 0, , N 1 (8.123)

Obsrvese que mientras la funcin de ambigedad temporal de x[m] en (8.92) tiene longitud
2N 1 muestras, la que aparece en la Condicin (8.123) es peridica (aunque la condicin
se reere a un solo periodo) y, por tanto, la denominaremos funcin de ambigedad temporal
peridica o funcin de autocorrelacin determinista peridica.
Seguidamente, estudiaremos un mtodo que produce secuencias ensanchadoras que casi
cumplen la Condicin (8.123), y que destacan por su simplicidad, periodicidad inherente
16
y por servir como bloque constructivo para secuencias algo ms elaboradas que se emplean
en acceso mltiple (Apartado 8.3.2).
...
...
1
z
-
[ ]
b
x m [ 1]
b
x m-
[ 2]
b
x m-
[ ]
b
x m r -
0 1
1 1
-
+
[ ] x m %
1/ N
1
a
2
a
r
a
1 r
a
-
1
z
- 1
z
-
Figura 8.32. Esquema de un generador de secuencias peridicas de longitud maximal.
Consideremos un registro de desplazamiento lineal realimentado (Linear Feedback
Shift Register, LFSR) como el de la Figura 8.32 en el que tanto la secuencia x
b
[m] co-
mo los coecientes a
1
a a
r
son binarios (de ah el subndice b en x
b
[m]) y las operaciones
16
Esta es una interesante propiedad, ya que las secuencias que se emplean en el modulador (vase Figura
8.21) son peridicas.
de suma y las operaciones de multiplicacin y suma son mdulo 2
17
. Construimos un poli-
nomio A(z) a partir de los multiplicadores del LFSR tal y como se indica a continuacin:
A(z) = 1 +a
1
z
1
+a
2
z
2
+ +a
r1
z
(r1)
+a
r
z
r
(8.124)
Claramente, la secuencia x
b
[m] de salida del LFSR puede verse como una funcin del con-
tenido inicial del registro (que, arbitrariamente, tomaremos en m = 0) y del polinomio
A(z):
x
b
[m] = a
1
x
b
[m1] +a
2
x
b
[m2] + +a
r
x
b
[mr]
=
r
i=1
a
i
x
b
[mi], m > 0 (8.125)
Deniendo la funcin generadora de la secuencia x
b
[m] como su Transformada Z uni-
lateral
X
b
(z) =
m=0
x
b
[m]z
m
(8.126)
y combinando esta ecuacin con (8.125) podemos escribir
X
b
(z) =
m=0
r
i=1
a
i
x
b
[mi]z
m
=
r
i=1
a
i
z
i
m=0
x
b
[mi]z
im
=
r
i=1
a
i
z
i
_
x
b
[i]z
i
+ +x
b
[1]z +X
b
(z)
_
=
r
i=1
a
i
z
i
_
x
b
[i]z
i
+ x
b
[1]z
_
+ (A(z) 1)X
b
(z) (8.127)
que, a su vez, se puede manipular (recordando que en mdulo 2 restar es equivalente a
sumar), resultando
X
b
(z)A(z) =
r
i=1
a
i
z
i
_
x
b
[i]z
i
+ x
b
[1]z
_
(8.128)
por lo que, nalmente,
X
b
(z) =
r
i=1
a
i
z
i
_
x
b
[i]z
i
+ x
b
[1]z
_
A(z)
(8.129)
17
Formalmente, x
b
[m] y a
1
a a
r
estn denidos sobre el cuerpo de Galois binario, GF(2), cuya estructura
algebraica ser analizada con mayor detalle en el Apartado 10.2. Aqu soslayaremos cuando sea posible este
anlisis, detallando nicamente los conceptos mnimos imprescindibles que nos permitan denir las secuencias
de longitud maximal que utilizaremos ms adelante.
Por la forma en que aparece en la ecuacin anterior, A(z) recibe el nombre de polinomio
caracterstico y desempea un papel clave en la generacin de secuencias ensanchadoras. Es
interesante percatarse de que, dado un m
0
> 0, las muestras de la secuencia x
b
[m] para m
m
0
dependen exclusivamente del contenido del registro en el instante m
0
y del polinomio
caracterstico. Por tanto, si en otro instante m
1
> m
0
el contenido del registro vuelve a
ser igual al que se tena en m
0
, es evidente que la secuencia ser tal que: x
b
[m m
1
] =
x
b
[m m
0
], para todo m > m
1
, y, por tanto, x
b
[m] ser peridica con periodo m
1
m
0
.
Ahora bien, en el LFSRslo puede haber como mximo 2
r
combinaciones diferentes, una de
las cuales la de todo ceros produce una salida idnticamente nula, por lo que el contenido
del registro ser igual a un valor anterior al cabo de, como mximo, 2
r
1 instantes de
tiempo. De todo lo dicho se concluye que el periodo mximo en la secuencia x
b
[m] es de
2
r
1. No obstante, existen polinomios caractersticos que hacen que el contenido del LFSR
se repita al cabo de menos muestras, como discutiremos a continuacin. Cuando el periodo
de la secuencia x
b
[m] es 2
r
1 se dice que sta es una secuencia de longitud maximal o,
tambin, una secuencia m.
Es posible demostrar que excepto en casos degenerados en que el numerador y el deno-
minador de (8.129) tienen factores comunes, el periodo p de la secuencia x
b
[m] es el menor
entero positivo para el que A(z) divide a 1 z
p
, de modo que una condicin necesaria
para que una secuencia sea de longitud maximal es que el polinomio A(z) sea irreducible
(no factorizable). Los polinomios caractersticos que dan lugar a una secuencia de longitud
maximal se denominan primitivos.
Dos propiedades de las secuencias de longitud maximal tienen importantes implicacio-
nes sobre la funcin de ambigedad temporal peridica de la secuencia binaria antipodal
x[m] que se obtiene a partir de la secuencia binaria x
b
[m r] mediante el proceso de co-
rrespondencia 0 1, 1 +1 y una posterior normalizacin de energa dividiendo por
N (vase Figura 8.32). Recurdese que N es el periodo de la secuencia m.

Primero, considerando que en una secuencia de longitud maximal todos los vectores
binarios de r bits (excepto el vector nulo) acaban apareciendo en el LFSR y que el bit de
menor peso es el que aparece directamente en x
b
[mr], es fcil ver que habr 2
r
/2 vectores
con un 1 y 2
r
/21 vectores con un 0 en la posicin de menor peso. De ello se puede concluir
que toda secuencia de longitud maximal tiene 2
r1
unos y 2
r1
1 ceros.
En segundo lugar, es inmediato ver que cualquier desplazamiento de menos de N uni-
dades de una secuencia m x[m] se corresponde con la secuencia m x
[m] obtenida a partir

de otro vector inicial. Sumando (mdulo 2) las respectivas funciones generadoras (8.129) se
deduce que la suma de dos secuencias m es equivalente a otra secuencia m con un nuevo
vector inicial. Como consecuencia de ello y de la propiedad indicada en el prrafo anterior,
la suma de dos secuencias x
b
[m] y x
b
[m] de longitud maximal producidas con el mismo
polinomio primitivo tendr 2
r1
unos y 2
r1
1 ceros o, lo que es lo mismo, ambos su-
mandos diferirn en exactamente 2
r1
bits y coincidirn en exactamente 2
r1
1 bits. Si
ahora nos jamos en las correspondientes secuencias x[m] y x
[m] no nos ser difcil ver

que
N1
m=0
x[m] x
[m] =
1
N
(8.130)
pero x
[m] no es ms que una versin desplazada de x[m], esto es, x
[m] = x[m+k], para

algn k tal que 0 < k N 1. As pues, la funcin de ambigedad temporal peridica
verica que
r
x
[k] =
N1
m=0
x[m] x[m+k] =
_
1
N
0 < k N 1
1 k = 0
(8.131)
de modo que hemos presentado un mtodo de generacin de secuencias que casi cumplen la
Condicin (8.92), por lo que resultan apropiadas para su empleo en aplicaciones de espectro
ensanchado
18
.
Cuntas secuencias mexisten para un tamao de registro r determinado? La respuesta,
que no demostraremos aqu, es (2
r
1)/r, siendo () la llamada funcin indicatriz de
Euler tal que, para un nmero entero n, (n) es el nmero de enteros menores que n que
son coprimos
19
con n.
El siguiente ejemplo pretende ilustrar las propiedades de las secuencias de longitud ma-
ximal.
Ejemplo 8.8
Consideremos los LFSR de longitud r = 4, que darn lugar a secuencias m de longitud
2
r
1 = 15. El nmero de polinomios primitivos disponibles es de 2, puesto que (15)/4 =
2 (tngase en cuenta que los enteros positivos menores y coprimos con 15 son 8, a saber:
1, 2, 4, 7, 8, 11, 13, 14). Mediante bsqueda exhaustiva (comprobando si los polinomios divi-
den a 1 z
p
) encontramos que los dos polinomios primitivos son:
A
1
(z) = 1 +z
3
+z
4
(8.132)
A
2
(z) = 1 +z
1
+z
4
(8.133)
(en el Cuadro 10.2 podemos encontrar polinomios binarios primitivos de grado 2 a 21).
1
[ ]
b
x m
1
z
- 1
z
- 1
z
- 1
z
-
1
[ 4]
b
x m-
Figura 8.33. Diagrama de bloques del generador de secuencias m basado en A
1
(z) del
Ejemplo 8.8.
18
Como se ve, los trminos fuera del origen tienden a cero asintticamente con N.
19
Su mximo comn divisor es el 1.
En la Figura 8.33 se representa el LFSR asociado al polinomio A
1
(z), mientras que en la Figura
8.34 se muestra un fragmento (dos perodos) de la secuencia m obtenida (convertida ya a binaria
antipodal) empleando A
1
(z) como polinomio caracterstico e inicializando el LFSR con todo
unos. Denotaremos esta secuencia por x
1
[m].
Figura 8.34. Fragmento de la secuencia ensanchadora peridica del Ejemplo 8.8.
La funcin de ambigedad temporal peridica de x
1
[m] aparece en la Figura 8.35. Como vemos,
dicha funcin es peridica y slo toma los valores 1 y 1/15, por lo que se encuentra muy cerca
de cumplir la Condicin (8.92). La Figura 8.36 representa la funcin de ambigedad temporal
Figura 8.35. Funcin de ambigedad temporal peridica correspondiente a la secuencia
del Ejemplo 8.8.
aperidica de x
1
[m]. Como resulta notorio, algunos valores no son todo lo pequeos que cabra
desear, por ejemplo, r
x
1
[5] = 4/15. Este es un efecto tanto ms importante cuanto menor es N,
lo que aconseja valores relativamente grandes del factor de expansin. En consecuencia, aunque
8.3 ACCESO MLTIPLE 493
Figura 8.36. Funcin de ambigedad temporal aperidica correspondiente a la secuencia
del Ejemplo 8.8.
el mtodo de diseo basado en la funcin de ambigedad temporal peridica resulta ser muy
simple, no es del todo satisfactorio para valores de N pequeos, como el de nuestro ejemplo.
Abundando ms en las propiedades de la secuencia que hemos generado, es interesante analizar
(Figura 8.37) su respuesta en frecuencia. Recordemos que la Condicin (8.92) se corresponda
con un espectro plano (Ecuacin (8.120)), pero que el mtodo presentado en este apartado ni-
camente garantiza casi unos en las frecuencias asociadas a la DFT de N puntos. Para constatar
que el grado de planicidad aumenta a medida que lo hace N, se representa en la Figura 8.38 el
espectro de una secuencia m, de longitud 1023, generada con el polinomio caracterstico
A(z) = 1 +z
3
+z
10
(8.134)
En el Problema P8.16 se pide explicar el porqu del mnimo espectral en continua que se observa
en las guras 8.37 y 8.38.
8.3. ACCESO MLTIPLE
En este apartado analizaremos algunos mecanismos existentes para conseguir que ml-
tiples usuarios compartan el medio fsico de comunicaciones. Aqu nos centraremos en el
llamado acceso mltiple, en el que un conjunto de usuarios transmiten informacin a un
receptor y soslayaremos el caso de los sistemas de difusin, en los que un transmisor enva
la misma informacin a mltiples usuarios.
Existen formas bien conocidas que permiten que mltiples usuarios hagan llegar la in-
formacin al receptor: el acceso mltiple por divisin en frecuencia (Frequency Division
Multiple Access, FDMA) y el acceso mltiple por divisin en tiempo (Time Division
Multiple Access, TDMA). En el primero, el ancho de banda disponible se divide en sub-
bandas que no se solapan y stas se asignan a los diferentes usuarios, con la ventaja de que
se pueden emplear modulaciones de distinta naturaleza sobre cada subbanda. En el caso
(dB) |X
1
(e
j
)|
2
0
2
4
6
8
10
/2 0 /2
Figura 8.37. Respuesta en frecuencia de la secuencia ensanchadora del Ejemplo 8.8.
(dB)
|X(e
j
)|
3
0
3
6
9
12
15
/2 0 /2
Figura 8.38. Respuesta en frecuencia correspondiente a una secuencia ensanchadora de
tipo m con longitud 1023.
de TDMA, se divide un intervalo de tiempo denominado trama en subintervalos que no se
solapan y que de nuevo se asignan a los distintos usuarios.
Pero las posibilidades no terminan aqu: recordando la modulacin OFDM (Aparta-
do 8.1) vemos que es inmediato construir a partir de sta un esquema de acceso mltiple,
simplemente asignando una o varias portadoras (esto es, una o varias funciones base) a ca-
da usuario. El mtodo resultante se denomina OFDMA (Orthogonal Frequency Division
Multiple Access).
En realidad, basta con disponer de una base ortogonal de seales para construir un siste-
ma de acceso mltiple, asignando una o varias funciones base a cada usuario. En el receptor
ser fcil separar la informacin correspondiente a cada usuario con una estructura de re-
ceptor similar a la de la Figura 8.2, siempre y cuando en el canal no se haya destruido la
ortogonalidad; recordemos las medidas que, en forma de prejo cclico, era preciso tomar
en OFDM para evitar que esto sucediese.
Cuntas funciones base podramos conseguir dado un ancho de banda W Hz y una
duracin de t
0
segundos
20
? La respuesta, consecuencia del llamado Teorema de Landau-
Pollack, es 2Wt
0
+ 1. Este resultado es consistente con el criterio de Nyquist generalizado
(vase Ecuacin (8.44)) en el que, adems de la condicin de ortogonalidad mutua, se im-
pone que la ISI sobre canales limitados en banda correspondiente a cada usuario sea nula.
Para una transmisin a una tasa de 1/T baudios puede demostrarse que de este criterio
se desprende que es necesario un ancho de banda de N/T rad/seg o, equivalentemente,
N/2T Hz para acomodar N usuarios. Alternativamente, si se dispone de un ancho de banda
de W Hz, el criterio de Nyquist generalizado garantiza la existencia de las funciones base
que permiten dar cabida a un nmero mximo de usuarios igual a 2WT.
Naturalmente, a una compaa operadora de telecomunicaciones, el nmero anterior le
parecer siempre raqutico. En realidad, es cierto que una buena parte del trco de infor-
macin que circula por las redes de telecomunicaciones se produce en forma de rfagas.
Pinsese, por ejemplo, en que en una conversacin telefnica cada interlocutor est activo,
en promedio, aproximadamente el 37,5 % del tiempo
21
, o en alguien navegando en Internet
quien, mientras lee en la pantalla de su ordenador, puede no estar recibiendo ninguna in-
formacin. A la vista de lo anterior, en sistemas en los que el trco no es uniforme, no es
demasiado eciente asignar una funcin base a un usuario de forma permanente. Es por ello
que desde el origen de las redes telemticas se han propuesto mecanismos de asignacin
dinmica de canales, como los populares mtodos de escucha y deteccin de colisiones en
transmisin (el protocolo CSMA/CD
22
empleado en redes Ethernet); los de polling, en los
que un terminal maestro que controla la red pregunta a los dems si tienen algo que enviar;
o los de paso de testigo, en los que un testigo (token) que conere el derecho a transmitir va
circulando entre los distintos terminales.
Puesto que estos mecanismos de asignacin dinmica de canales se sitan un nivel por
encima de la capa fsica, los dejaremos de lado en este texto. Frente a los mtodos anterio-
res, a lo largo de este apartado plantearemos un camino alternativo: renunciaremos a utilizar
seales ortogonales en transmisin (aunque buscaremos conjuntos de seales con bajas co-
rrelaciones entre sus elementos). Como consecuencia, el receptor basado en ltros adapta-
dos no ser capaz de separar completamente las seales y aparecer la llamada interferencia
multiacceso (MAI). A cambio, al abandonar la condicin de ortogonalidad, el nmero L de
usuarios en el sistema podr superar el lmite del criterio generalizado de Nyquist. Adems,
no ser necesario recurrir a complicados esquemas de asignacin dinmica, ya que permi-
tiremos que los L usuarios transmitan simultneamente y sobre el mismo ancho de banda.
20
Tanto la duracin como el ancho de banda denidos como aquellos que concentran una porcin signicativa
de la energa, ya que, como es sabido, una seal de duracin nita tiene un ancho de banda innito y viceversa.
21
Este es un valor medio; todos conocemos personas con factores de actividad de ms del 75 %.
22
Carrier Sense Multiple Access with Collision Detection: Acceso mltiple con escucha de portadora y
deteccin de colisiones.
Para lograr estos objetivos veremos que el empleo de modulaciones de espectro ensanchado
resulta sumamente adecuado. En particular, circunscribiremos nuestra discusin a las mo-
dulaciones basadas en secuencia directa asignando una secuencia ensanchadora (que en este
contexto recibe el nombre de secuencia de cdigo o rma) diferente a cada usuario. Este ti-
po de acceso mltiple se denomina acceso mltiple por divisin en cdigo (Code Division
Multiple Access, CDMA).
8.3.1. Seales multiusuario en CDMA
Como hemos indicado anteriormente, cada usuario en el sistema tendr una secuencia de
cdigo diferente y, obviamente, enviar una secuencia de smbolos diferente. En adelante,
y para simplicar nuestro anlisis, supondremos que el resto de parmetros del sistema son
idnticos para todos los usuarios: pulsos de chip g
c
(t), periodo de smbolo T y periodo
de chip T
c
. La funcin de ambigedad de dichos pulsos cumple el criterio a periodo T
c
.
Adems, supondremos que la constelacin empleada por todos los usuarios es una binaria
antipodal con energa media por smbolo E
s
.
As pues, la seal transmitida por el usuario i-simo ser:
x
i
(t) =
21e
n
A
i
[n]g
i
(t nT)e
j
c
t
21e
n
N1
l=0
A
i
[n]x
i
[l]g
c
(t lT
c
nT)e
j
c
t
(8.135)
donde g
i
(t) es el pulso transmisor (a periodo de smbolo), A
i
[n] la secuencia de smbolos
transmitidos y x
i
[l] la secuencia de cdigo correspondiente. En el canal se combinarn todas
las seales procedentes de los usuarios activos (supondremos que hay L de ellos) y a la
entrada del receptor se tendr una superposicin de dichas seales con ruido:
y(t) =
21e
L1
i=0
n
A
i
[n]g
r,i
(t nT)e
j
c
t
+n(t) (8.136)
donde g
r,i
(t) = g
i
(t) h
eq,i
(t) es la respuesta combinada del ltro transmisor y el canal
equivalente correspondientes al usuario i-simo. Obsrvese que el ltro transmisor es espe-
cco de cada usuario (porque se basa en una secuencia de cdigo distintiva) y que el canal,
en general, tambin lo es (ya que la ubicacin fsica de cada transmisor ser en general
diferente).
Teniendo en cuenta las hiptesis que se realizan sobre los canales h
i
(t), los sistemas
multiusuario se pueden clasicar en sncronos y asncronos. En los sistemas sncronos, el
instante de transmisin se elige cuidadosamente en cada transmisor para que las seales de
los diferentes usuarios se reciban alineadas temporalmente. Esto quiere decir que no slo
los periodos de smbolo y chip son idnticos para todos los usuarios, sino que el instante
de muestreo en el receptor es ptimo para todas y cada una de las seales transmitidas
(que se reciben superpuestas). En el caso de comunicaciones celulares, es razonable pensar
que el caso sncrono se da en las comunicaciones desde la estacin base (que es donde
fsicamente se realiza la superposicin de las seales destinadas a los L usuarios) hasta
los receptores mviles
23
, mientras que en las comunicaciones desde los terminales mviles
hacia la estacin base
24
lo ms frecuente es encontrar un escenario asncrono, aunque sera
posible convertirlo en sncrono a costa de enviar seales de control de reloj y fase en lazo
cerrado.
Con el n de no complicar innecesariamente las discusiones subsiguientes considerare-
mos canales con respuesta plana en frecuencia; supondremos entonces que el caso sncrono
se corresponde con canales en banda base equivalentes de la forma:
h
eq,i
(t) =
i
(t), i = 0, , L 1 (8.137)
donde
i
es un nmero real que tiene en cuenta que la atenuacin experimentada por las
seales procedentes de cada usuario puede ser diferente. En cuanto al caso asncrono, su-
pondremos que ste se corresponde con canales del tipo
h
eq,i
(t) =
i
(t
i
), i = 0, , L 1 (8.138)
por lo que las seales llegarn al receptor con retardos diferentes e, incluso en el caso de que
las fases de la portadoras fuesen idnticas en transmisin, fases diferentes, ya que el retardo
i
se traduce en un fasor e
j
c
i
que se incluye en
i
.
En el caso sncrono, si los pulsos g
i
(t) fuesen ortogonales, entonces el receptor ptimo
segn el criterio ML estara basado en ltros adaptados (vase Figura 5.34). Es ms, en este
caso, el receptor basado en cada ltro adaptado puede adoptar la forma de la Figura 8.23, en
la que se ha prescindido en aras de una mayor claridad del factor
2 y de la demodulacin
con una exponencial compleja de frecuencia la de la portadora. El esquema resultante, para
el i-simo usuario es el que se detalla en la Figura 8.39
25
. Es conveniente que el lector exa-
mine tambin la Figura 8.12(a) para establecer un claro paralelismo. En esencia, la OFDM
para acceso mltiple (OFDMA) puede verse como un caso particular de CDMA en el que
las secuencias de cdigo son tales que L = N y
x
i
[m] =
1
N
e
j
2im
N
, i = 0, , N 1 (8.139)
Dada la sencillez de la estructura de la Figura 8.39, podemos preguntarnos por las con-
diciones que hacen que los pulsos g
i
(t) sean efectivamente ortogonales. Para ello, basta con
23
Denominado habitualmente enlace descendente.
24
Denominado enlace ascendente.
25
En sentido estricto, el receptor basado en el ltro adaptado debera incluir tambin una multiplicacin por
i
, que simplemente conllevara una redenicin de las regiones de decisin, por lo que dicha multiplicacin se
puede evitar modicando el decisor. En cualquier caso, excepto en algunos casos especiales (p.ej., constelacin
binaria antipodal y
i
> 0), la redenicin del decisor es siempre necesaria, porque el propio canal introduce
un escalado por
i
.
Figura 8.39. Demodulador correspondiente al usuario i-simo en CDMA sncrono.
calcular el producto escalar
g
i
, g
j
=
_

g
i
(t)g
j
(t)dt
=
N1
m=0
N1
l=0
x
i
[m]x
j
[l] (g
c
(t mT
c
) g
c
(t lT
c
)) [
t=0
=
N1
m=0
x
i
[m]x
j
[m] (8.140)
Para escribir la segunda lnea se ha utilizado el hecho de que la funcin de ambigedad
temporal equivale a una convolucin (con una de las seales reejada) y un muestreo en
t = 0. Para escribir la tercera, se ha tenido en cuenta que los pulsos g
c
(t) g
c
(t) cumplen
el criterio de Nyquist a periodo de chip. Por consiguiente, la condicin de ortogonalidad
entre los g
i
(t) puede parafrasearse como ortogonalidad entre las respectivas secuencias de
cdigo, esto es,
N1
m=0
x
i
[m]x
j
[m] = [i j], i, j = 0, , L 1 (8.141)
Entonces, para que se satisfaga (8.141) ha de vericarse que L N, ya que, en el mejor de
los casos, las secuencias x
i
[m], i = 0, , L1 podran constituir una base del subespacio
de seales discretas complejas de energa nita que son nulas fuera del intervalo [0, N
1]. Evidentemente, existen innitas bases posibles para este subespacio y cualquiera nos
servira para el caso sncrono, aunque siempre con la limitacin de N usuarios en el sistema.
Como ejemplo, estn las funciones empleadas en OFDMA (Ecuacin (8.139)), o las que se
corresponderan con un acceso mltiple por divisin en tiempo (TDMA). En este ltimo
caso,
x
i
[m] = [mi], i = 0, , N 1 (8.142)
Consideremos ahora el caso asncrono. Supondremos que el receptor emplea un es-
quema basado en ltros adaptados (teniendo en cuenta el canal), de modo que el demo-
dulador de informacin correspondiente al usuario l-simo emplea un ltro f
l
(t) tal que
f
l
(t) = g
l
(t) h
eq,l
(t), tal y como se detalla en la Figura 8.40, en la que se ha obviado
la demodulacin con la exponencial compleja e
j
c
t
y la multiplicacin por

2. Es muy
v t ( )
Decisor ( )
l
f t
t nT =
[ ]
l
q n

[ ]
l
A n
Figura 8.40. Demodulador correspondiente al usuario l-simo en CDMA asncrono.
revelador obtener el canal, o mejor dicho, los canales discretos equivalentes para este caso,
siguiendo estrechamente el desarrollo del Apartado 8.1.5, realizado para OFDM.
Sea q
l
(t), l 0, , L 1 la seal a la salida del ltro f
l
(t) situado en la l-sima
rama del receptor. Entonces, en ausencia de ruido,
q
l
(t) =
L1
i=0
k
A
i
[k]p
l,i
(t kT) (8.143)
donde
p
l,i
(t) = g
i
(t) h
eq,i
(t) f
l
(t) (8.144)
es el canal equivalente que se corresponde con los smbolos enviados por el usuario i-simo
a la salida del l-simo ltro adaptado. A la salida del l-simo muestreador tenemos
q
l
[n] =
L1
i=0
k
A
i
[k]p
l,i
[n k]
=
L1
i=0
A
i
[n] p
l,i
[n], l = 0, , L 1 (8.145)
con p
l,i
[n]
.
= p
l,i
(nT).
A continuacin, expresaremos (8.145) en funcin de los canales discretos equivalentes
a periodo de chip, denidos como
d
l,i
[m] = (g
c
(t) h
eq,i
(t) h
eq,l
(t) g
c
(t))[
t=mT
c
(8.146)
En efecto, sustituyendo las respectivas expresiones de g
i
(t) y g
l
(t) en (8.144) tenemos
p
l,i
(t) =
N1
m=0
N1
k=0
x
i
[m]x
l
[k]
i
l
(g
c
(t mT
c
i
) g
c
(t kT
c
l
)) (8.147)
de donde se sigue inmediatamente que
p
l,i
[n] =
N1
m=0
N1
k=0
x
i
[m]x
l
[k]d
l,i
[nN +k m] (8.148)
La expresin anterior no admite en general ms simplicaciones, ya que en principio d
l,i
[m]
en (8.146) puede tener innitos trminos, incluso aunque los pulsos de chip sean de tipo raz
cuadrada de coseno alzado, ya que basta con que
i
l
no sea igual a un nmero entero de
periodos de chip.
De acuerdo con la Expresin (8.145), la seal a la entrada del l-simo decisor es una
suma de L contribuciones, una de las cuales depende de la secuencia deseada A
l
[n], aun-
que, a su vez, este trmino podra contener ISI. En nuestro caso los canales h
l
(t) que esta-
mos considerando no producen ISI, lo que se traduce en que p
i,i
[n] = [
i
[
2
[n], para todo
i = 0, , L 1. Por otra parte, cuando p
l,i
[n] ,= 0 para algn l ,= i, diremos que te-
nemos interferencia multiacceso (MAI, Multi-Access Interference). Cuando existe MAI
el receptor basado en el banco de ltros adaptados no es ptimo. Es por ello que resulta
interesante evaluar esta MAI y examinar bajo qu condiciones se hace cero. Comenzaremos
con un ejemplo que arrojar alguna luz sobre dichas condiciones.
Ejemplo 8.9
Sea un sistema asncrono con dos usuarios, para el que N = 100. Asimismo, los retardos res-
pectivos son
0
= 3T + 25T
c
,
1
= 3T + 50T
c
y las ganancias respectivas
0
= 1,
1
= 0,5.
Finalmente, por simplicidad, supondremos que
c
es tal que
c
T
c
es un mltiplo entero de 2.
Entonces, aplicando (8.146):
d
0,0
[m] = [m]
d
0,1
[m] = 0,5[m25]
d
1,0
[m] = 0,5[m+ 25] (8.149)
d
1,1
[m] = 0,25[m]
lo que, sustituido en (8.148), produce:
p
0,0
[n] =
_
N1
m=0
[x
0
[m][
2
_
[n];
p
1,1
[n] =
_
0,25
N1
m=0
[x
1
[m][
2
_
[n];
p
0,1
[n] =
_
0,5
N1
m=0
x
0
[m]x
1
[m25]
_
[n] +
_
0,5
N1
m=0
x
0
[m]x
1
[m+ 75]
_
[n 1]
p
1,0
[n] =
_
0,5
N1
m=0
x
1
[m]x
0
[m+ 25]
_
[n] +
_
0,5
N1
m=0
x
1
[m]x
0
[m75]
_
[n + 1]
(8.150)
El lector puede comprobar que p
1,0
[n] = p
0,1
[n]. A la vista de (8.150), para que no haya MAI,
la condicin es que los canales discretos equivalentes cruzados sean cero, algo que se consigue
si y slo si se satisfacen simultneamente las dos condiciones siguientes:
N1
m=0
x
0
[m]x
1
[m25] = 0 (8.151)
N1
m=0
x
0
[m]x
1
[m+ 75] = 0 (8.152)
Si ahora pensamos en una aplicacin en la que los usuarios pueden variar su distancia relati-
va con respecto al receptor esto sucede, por ejemplo, en comunicaciones mviles y que, a
falta de mecanismos de sincronizacin en lazo cerrado, el instante de inicio de transmisin
por parte de cada usuario se puede considerar arbitrario, parece recomendable que se cumpla
el siguiente conjunto de condiciones de ortogonalidad
r
x
i
,x
l
[k]
.
=
N1
m=0
x
i
[m]x
l
[m+k] = 0, para todo k (8.153)
y para todo i, l 0, , L 1, i ,= l. La funcin r
x
i
,x
l
[k] se suele denominar funcin de
correlacin cruzada determinista aperidica Cuando no hay posibilidad de equvoco, dicha
funcin suele nombrarse simplemente como correlacin aperidica, y hablaremos de alta
correlacin entre secuencias cuando la magnitud de r
x
i
,x
l
[k] sea elevada, y de ortogonalidad,
que no de incorrelacin, cuando r
x
i
,x
l
[k] = 0.
Por desgracia, parece demasiado optimista esperar conseguir muchas secuencias de c-
digo que cumplan (8.153). Por otra parte, est claro que cuanto mayor es la magnitud de los
trminos r
x
i
,x
l
[k], mayor es el nivel de MAI presente en el sistema. Todo ello nos lleva a
concluir que un buen objetivo de diseo es conseguir muchas secuencias de cdigo lo que
se convertir en muchos usuarios con correlacin entre ellos lo ms baja posible lo que
se traducir en una interferencia multiacceso reducida. Con estas premisas es inmediato
descartar como secuencias de cdigo las secuencias de longitud maximal obtenidas con el
mismo polinomio caracterstico, que tendran la forma (ms fcilmente expresable sobre la
versin peridica):
x
i
[m] = x
0
[m+i], i = 1, , N 1 (8.154)
Estas secuencias produciran para determinados desplazamientos valores de correlacin ex-
cesivamente grandes.
En el apartado siguiente veremos algunas formas de disear secuencias ensanchadoras
apropiadas para CDMA.
8.3.2. Diseo de secuencias de cdigo para CDMA
Comenzaremos presentando algunas de las alternativas ms frecuentemente utilizadas
para el caso sncrono, para, con posterioridad, realizar algunas consideraciones para el caso
asncrono. Recordemos que el caso sncrono impone muchas menos restricciones, por lo
que su solucin es mucho ms sencilla.
Una de las construcciones de cdigos ms populares en CDMA sncrono son los lla-
mados cdigos Walsh-Hadamard. Estos cdigos estn denidos para longitudes de la forma
N = 2
r
, con r entero positivo. La construccin de Hadamard dene un conjunto de matrices
de acuerdo con el siguiente procedimiento recursivo:
H
1
= [0]; H
2
=
_
0 0
0 1
_
; H
4
=
_
_
0 0 0 0
0 1 0 1
0 0 1 1
0 1 1 0
_
_
(8.155)
H
2N
=
_
H
N
H
N
H
N
H
N
_
(8.156)
siendo H
N
la submatriz que se obtiene realizando el complemento a 2 de los bits de H
N
.
La secuencia de cdigo x
i
[m], m = 0, , N1, se obtiene seleccionando la i-sima la de
la matriz H
N
y convirtindola de binaria a antipodal con la transformacin 0 1/
N,
1 1/
N. Por construccin, es fcil ver que las secuencias de chip generadas de este mo-
do, son ortonormales; por tanto, satisfacen la Condicin (8.141). Con este procedimiento se
generan exactamente N secuencias de cdigo de tamao N. Una ventaja de las secuencias
de Walsh-Hadamard es su capacidad para generar cdigos con un factor de expansin varia-
ble (Orthogonal Variable Spreading Factor, OVSF), que ofrecen ms grados de libertad a
la hora de alcanzar un compromiso entre velocidad binaria y robustez. El Problema P8.17
sirve para ilustrar este interesante concepto.
Desgraciadamente, los cdigos de Walsh-Hadamard se comportan muy mal en entor-
nos asncronos. Basta con comprobar que la cuarta la de la matriz H
4
se obtiene tras un
desplazamiento cclico de la tercera; esta caracterstica se propaga en la construccin re-
cursiva, teniendo en cuenta la forma en que se extienden las las en la parte superior de la
matriz. A partir de ahora, centraremos nuestra atencin en el caso asncrono, dejando para
el nal de este apartado la discusin sobre algunas otras secuencias ptimas en el caso sn-
crono. Lamentablemente, la bsqueda de conjuntos de secuencias que satisfagan (8.153) no
ha arrojado hasta la fecha resultados satisfactorios en forma de procedimientos sistemticos
que no requieran de la resolucin de problemas numricos. Sin embargo, un problema simi-
lar relacionado, basado en la funcin de correlacin peridica, s que da lugar a soluciones
fcilmente descriptibles, tal y como mostraremos a continuacin.
La correlacin peridica entre dos secuencias x
i
[m] y x
l
[m], i ,= l, de periodo N, se
dene como
r
x
i
, x
l
[k]
.
=
N1
m=0
x
i
[m] x
l
[m+k] (8.157)
y diere de la correlacin aperidica entre las secuencias de duracin nita x
i
[m], x
l
[m],
dada en (8.153), en que all algunos de los N sumandos son cero, en concreto, aquellos en
los que aparecen factores de la forma x
l
[m+k], con m+k > N 1 m+k < 0.
En lo sucesivo, consideraremos conjuntos de L secuencias de cdigo binarias antipo-
dales, normalizadas en energa y de periodo N. Es pertinente mencionar aqu un resultado
debido a Welch, que establece una cota inferior para la magnitud de la correlacin peridica
entre cualesquiera dos secuencias del conjunto:
m ax
i,l{0,1, ,L1}
i,=l
[ r
x
i
, x
l
[k][
_
L 1
LN 1
(8.158)
que, para L y N grandes, es aproximadamente 1/
N. Obsrvese que, para L y N dados,

el resultado de Welch conrma nuestra intuicin de que la correlacin peridica dentro del
conjunto no se puede hacer cero (no es posible la ortogonalidad).
Es razonable preguntarse si existen conjuntos de secuencias que se acerquen a la cota
de Welch. Como ya hemos sealado, ste no es el caso para las secuencias m obtenidas con
el mismo polinomio caracterstico, ya que es fcil ver que para cualquier par de secuencias
el mximo de la correlacin peridica es 1. No obstante, las secuencias m se emplean co-
mo elemento constructivo en conjuntos de secuencias con baja correlacin peridica. Sea
x
b
[m] la secuencia m binaria a la salida de un LFSR y sea x
b
[m] la secuencia obtenida al
diezmar x
b
[m] por un factor entero P, de modo que x
b
[m] = x
b
[Pm]. Puesto que x
b
[m] es
peridica, es fcil ver que la secuencia x
b
[m] tambin ser peridica; en concreto, el periodo
es N/mcd(N, P), con mcd(, ) el mximo comn divisor. Por tanto, si P y N son copri-
mos, la secuencia x
b
[m] ser maximal. Aunque aqu omitiremos la justicacin, cuando se
conoce el polinomio generador A(z) de la secuencia x
b
[m] es fcil calcular el polinomio
generador A
(z) que da lugar a la secuencia diezmada x
b
[m]. Para ello, se puede recurrir al
concepto de clases conjugadas del Apartado 10.2.2: basta calcular el polinomio minimal de
la P-sima clase conjugada en el cuerpo de Galois de orden 2
r
, siendo A(z), de grado r, el
polinomio primitivo. Un mtodo equivalente ms sencillo consiste en calcular las r races
de A(z), que denotaremos por
i
, i = 1, , r; entonces A
(z) se obtiene calculando el

polinomio cuyas r races son de la forma
P
i
, i = 1, , r, y reduciendo sus coecientes
mdulo 2. En caso de que el polinomio resultante tenga races mltiples, A
(z) se calcula
jando a uno la multiplicidad de cada raz (vase Ejemplo 8.10).
Los cdigos Gold se construyen a partir de un par preferido de secuencias m. Un par
(x
b
[m], x
b
[m]) de secuencias m de longitud N = 2
r
1 se dice preferido si:
r m od 4 ,= 0, es decir, r no es mltiplo de 4.
x
b
[m] se obtiene diezmando x
b
[m] por un factor P de una de las dos formas siguien-
tes: P = 2
k
+ 1; P = 2
2k
2
k
+ 1, para algn entero k.
Si r es mltiplo de 2 (pero no de 4), mcd(r, k) = 2; si r es impar, mcd(r, k) = 1.
Para simplicar la descripcin de los conjuntos subsiguientes, dada una secuencia binaria
genrica y
b
[m] de periodo M, denotamos por }
b
el cdigo constituido por dicha secuencia
y todos sus posibles desplazamientos mdulo M:
}
b
= y
b
[m], y
b
[m+ 1], , y
b
[m+M 1] (8.159)
Asimismo, la suma de una secuencia y
b
[m] y un cdigo }
b
es el conjunto resultante de
sumar y
b
[m] y cada una de las secuencias en }
b
. Naturalmente, la cardinalidad del conjunto
dado en (8.159) es M.
Dado un par preferido de secuencias x
b
[m] y x
b
[m] un cdigo Gold consiste en el con-
junto de 2
r
+ 1 secuencias siguiente:
x
b
[m] x
b
[m] (x
b
[m] +A
b
) (8.160)
donde todas las sumas son mdulo-2 y A
b
es el cdigo asociado a x
b
[m].
Considerando las secuencias antipodales correspondientes a x
b
[m], x
b
[m], que denota-
mos por x
b
[m], x
b
[m], Gold demostr que la correlacin peridica entre cualesquiera dos
secuencias del cdigo puede tomar tres valores distintos:
r
x
i
, x
l
[k] t(r), 1/N, t(r) 2/N, para todo k (8.161)
siendo
t(r) =
_
1+2
(r+1)/2
N
, si r es impar
1+2
(r+2)/2
N
, si r es par
(8.162)
El valor absoluto mximo de la correlacin peridica, t(r), cuando r es impar es (1 +
_
2(N + 1))/N, que se puede aproximar para N grande por
_
2/N. Para el caso r par, el
pico de la correlacin peridica cuando N es grande se puede aproximar por 2/
N. Por
tanto, para N grande los cdigos Gold alcanzan un nivel mximo de correlacin que es
mayor que la cota de Welch en un factor de
2 para r impar de 2 para r par.

El precio a pagar por alcanzar unos niveles bajos de correlacin de pico lo encontramos
en la propia funcin de ambigedad temporal. Aunque las secuencias x[m] y x
[m] son
maximales (y por tanto, su funcin de ambigedad temporal peridica es de la forma dada
en (8.131)), las creadas a partir de su suma no lo son; de hecho, la funcin de ambigedad
temporal peridica de dichas secuencias toma los valores dados en (8.161), adems de 1,
que es el valor en el origen y que se corresponde con una recepcin correcta. Ello supone
una desventaja para la estimacin de canal en receptores de tipo RAKE y, en general, en la
sincronizacin.
Otro conjunto de secuencias similares son los llamados cdigos Kasami. Existen dos
conjuntos de secuencias que, por su tamao, reciben los nombres de pequeo y grande.
Ambos resultan de manipular secuencias m de tamao N = 2
r
1, con r par (pero no
mltiplo de 4). El conjunto pequeo se obtiene del siguiente modo: dada una secuencia
maximal x
b
[m], se construye x
b
[m] diezmando x
b
[m] con un factor P = 2
r/2
+ 1. Viendo
que N = 2
r
1 = (2
r/2
+1)(2
r/2
1) = P(2
r/2
1) podemos concluir que x
b
[m] tendr
periodo N/mcd(N, P) = 2
r/2
1. Ahora, el conjunto en cuestin es
x
b
[m] (x
b
[m] +A
b
) (8.163)
cuyo tamao es 2
r/2
. Las funciones de correlacin cruzada y ambigedad temporal (peridi-
cas) toman ahora valores en el conjunto 1/N, (2
r/2
+1)/N, (2
r/2
1)/N, cuyo valor
absoluto mximo es (2
r/2
+ 1)/N o, aproximadamente, 2
r/2
para N grande. Obsrvese
que la cota de Welch en este caso (L = 2
r/2
, N = 2
r
1) es, segn (8.158),
2
r/2
1
2
r/2
(2
r
1)
2
r/2
(8.164)
siendo la aproximacin vlida para N grande. Por tanto, las secuencias del conjunto pe-
queo de Kasami alcanzan asintticamente (N ) la cota de Welch. En este sentido,
dicho conjunto se puede considerar ptimo. En comparacin con el de Gold, el conjunto
que acabamos de describir es muy pequeo (del orden de 2
r/2
veces ms pequeo).
Para construir el conjunto grande de Kasami, comenzamos con un par preferido de se-
cuencias (x
b
[m], x
b
[m]), generado exactamente de la misma forma que en los cdigos Gold.
Adems, se emplea una tercera secuencia x
b
[m], obtenida a partir de x
b
[m] con un factor de
diezmado P = 2
r/2
+ 1. El conjunto se forma como sigue:
x
b
[m] x
b
[m] (x
b
[m] +A
b
) (x
b
[m] +A
b
) (x
b
[m] +A
b
+A
b
) (8.165)
Como se puede comprobar, el conjunto grande de Kasami contiene al conjunto de Gold
y al conjunto pequeo de Kasami. Dentro del conjunto, tanto la correlacin cruzada co-
mo la funcin de ambigedad temporal (peridicas) toman cinco valores posibles, a sa-
ber, t(r), s(r), 1/N, s(r) 2/N, t(r) 2/N, siendo t(r) = (1 + 2
(r+2)/2
)/N y
s(r) = (t(r) + 1/N)/2. Ello implica que el valor de pico es t(r), esto es, el mismo que
para los cdigos Gold; sin embargo, el tamao del conjunto es considerablemente superior,
ya que contiene 2
r/2
(2
r
+ 1) secuencias.
El siguiente ejemplo ilustra la construccin de los cdigos de Gold y Kasami.
Ejemplo 8.10
Sea r = 6, lo que produce secuencias de, como mximo, periodo N = 2
r
1 = 63. El polinomio
generador A(z) = 1 +z
1
+z
6
es primitivo, por lo que la secuencia obtenida a partir de dicho
generador es maximal. Las races de A(z) son z
1
= 0,9554 0,6118j, z
1
= 0,1547
1,0384j y z
1
= 0,79070,3005j. Consideremos ahora un factor de diezmado P = 3; en este
caso, el polinomio obtenido al elevar al cubo las races de A(z) es 1+z
1
+3z
2
+3z
4
+z
6
,
que reducido mdulo-2, se convierte en A
3
(z) = 1 + z
1
+ z
2
+ z
4
+ z
6
. No obstante,
como el mximo comn divisor de N y P es 3, la secuencia generada a partir de A
3
(z) no es
maximal, sino que tendr periodo 63/mcd(63, 3) = 21. Sin embargo, para un factor de diezmado
P = 5, como P y N no tienen factores comunes (salvo el 1), el polinomio generador resultante,
s que da lugar a una secuencia maximal. Dicho polinomio, que denotaremos por A
5
(z) resulta
ser (despus de calcular las races de A(z), elevarlas a la quinta potencia, construir el polinomio
con las races resultantes y reducir mdulo-2) A
5
(z) = 1 + z
1
+ z
2
+ z
5
+ z
6
que, por
tanto, tambin es primitivo.
Como r no es mltiplo de 4; P es de la forma 2
k
+ 1, con k entero (aqu k = 2), y el mximo
comn divisor entre r y k es 2, entonces las secuencias generadas a partir de A(z) y A
5
(z)
constituyen un par preferido, por lo que se pueden emplear para construir un cdigo Gold con
2
r
+ 1 = 65 secuencias. El valor absoluto de las funciones correlacin cruzada y ambigedad
temporal cruzada (fuera del cero) peridicas es de t(r) = (1 + 2
(r+2)/2
)/N = 17/63.
Dado que r = 6 es mltiplo de 2 (pero no de 4), tambin podemos construir los conjuntos peque-
o y grande de Kasami. Para ello, necesitamos diezmar la secuencia generada por el polinomio
A(z) con un factor P = 2
r/2
+ 1 = 9. Segn el mtodo explicado, reduciendo mdulo-2 el
polinomio resultante de elevar las races de A(z) a la novena potencia, obtenemos 1+z
4
+z
6
que tiene races mltiples (ya que nicamente contiene potencias pares de z
1
), que, una vez
eliminadas, conducen al polinomio minimal A
9
(z) = 1 + z
2
+ z
3
. Dicho polinomio genera
una secuencia de periodo 63/mcd(63, 9) = 7. Combinando las secuencias obtenidas en la forma
(8.163) obtenemos un conjunto de 2
r/2
= 8 secuencias, cuyo valor absoluto mximo para la
correlacin peridica es de tan solo (2
r/2
+ 1)/N = 9/63.
El conjunto grande de Kasami resulta al combinar las secuencias generadas por los polinomios
A
(z), A
5
(z) y A
9
(z) en la forma dada por (8.165). El valor absoluto mximo de la correlacin
es como en los cdigos Gold: 17/63, pero el tamao del conjunto es considerablemente superior:
2
r/2
(2
r
+ 1) = 520, esto es, 8 veces mayor que el de Gold.
Una vez que hemos descrito algunos procedimientos prcticos para el diseo de secuen-
cias con bajos niveles de pico de correlacin peridica, es pertinente preguntarnos si son
adecuados pensando en que, como discutimos en el apartado precedente, estamos realmen-
te interesados en reducir la correlacin aperidica (Condicin (8.153)). Para encontrar la
relacin entre ambas funciones, obsrvese que para k 0
r
x
i
, x
l
[k] =
N1
m=0
x
i
[m] x
l
[m+k]
=
N1k
m=0
x
i
[m]x
l
[m+k] +
N1
m=Nk
x
i
[m]x
l
[m+k N]
= r
x
i
,x
l
[k] +r
x
i
,x
l
[k N], k 0 (8.166)
El problema, como se ve, es que un valor bajo de r
x
i
, x
l
[k] no conduce directamente a un
valor bajo de r
x
i
,x
l
[k], ya que ste se puede compensar con r
x
i
,x
l
[k N].
Para hacer ms explcita la inuencia de la correlacin peridica en las prestaciones de
un sistema CDMA, analicemos un caso con dos usuarios con secuencias respectivas x
i
[m]
y x
l
[m], que se reciben con la misma potencia (
i
=
l
= 1) y retardos
l
= 0 y
i
=
kT/N, para algn k 1, , N1. Los smbolos transmitidos A
i
[n], A
l
[n] se eligen con
igual probabilidad en la constelacin binaria antipodal
E
s
, +
E
s
. Considerando el
receptor adaptado al usuario l-simo, los canales discretos equivalentes sern, segn (8.148),
p
l,l
[n] =
N1
m=0
[x
l
[m][
2
= r
x
l
[0]; (8.167)
p
l,i
[n] =
N1
m=0
x
l
[m]x
i
[mk][n] +
N1
m=0
x
l
[m]x
i
[m+N k][n 1]
= r
x
l
,x
i
[k][n] +r
x
l
,x
i
[N k][n 1] (8.168)
por lo que la seal a la salida del receptor l-simo ser
q
l
[n] = A
l
[n]r
x
l
[0] +A
i
[n]r
x
l
,x
i
[k] +A
i
[n 1]r
x
l
,x
i
[N k]
=
_
A
l
[n]r
x
l
[0] +A
i
[n] r
x
l
, x
i
[N k], si A
i
[n] = A
i
[n 1]
A
l
[n]r
x
l
[0] A
i
[n]r
o
x
l
,x
i
[N k], si A
i
[n] ,= A
i
[n 1]
(8.169)
siendo
r
o
x
l
,x
i
[k]
.
= r
x
l
,x
i
[k] r
x
l
,x
i
[k N] (8.170)
la llamada correlacin impar.
Observando (8.169), podemos concluir que el 50 % del tiempo la MAI viene dada por la
correlacin peridica, mientras que el 50 % del tiempo restante est determinada por la co-
rrelacin impar. En consecuencia, en el diseo de secuencias para CDMA se debera prestar
atencin no slo a la correlacin peridica, como suele ser habitual, sino tambin a la corre-
lacin impar. En el Problema P8.18 se estudian algunas propiedades de la correlacin impar
impar, mientras que en el Problema P8.19 se aborda el diseo de conjuntos de secuencias
cuyos valores de correlacin impar son idnticos a los de la correlacin peridica, lo que
garantiza valores de MAI bajos.
Dado un conjunto de L secuencias binarias antipodales de longitud N y normalizadas en
energa existe una cota inferior, tambin debida a Welch, referida a los valores de correlacin
aperidica:
m ax
l,i{0, ,L1}
l,=i
[r
x
l
,x
i
[k][
_
(L 1)
2LN L 1
(8.171)
En todo caso, y a pesar de que ha sido a menudo utilizado, el criterio de diseo de se-
cuencias para CDMA asncrono basado en el valor de pico de la correlacin aperidica,
presenta el evidente problema de que no tiene en cuenta cuntas veces la correlacin se
acerca a dicho valor de pico. Intuitivamente, si r
p
es el valor de pico, es menos perjudicial
una correlacin tal que [r
x
l
,x
i
[k][ = r
p
, si k = k
0
y [r
x
l
,x
i
[k][ = 0, para todo k ,= k
0
, que
una correlacin tal que [r
x
l
,x
i
[k][ = r
p
para todo k. Un criterio ms razonable sera disear
el cdigo para minimizar la probabilidad de error de bit, pero para ello conviene hacer algu-
nas simplicaciones. Sin prdida de generalidad, supondremos que estamos interesados en
minimizar la BER correspondiente al usuario l-simo y que el retardo asociado a la seal
transmitida por dicho usuario es
l
= 0 (por lo que el receptor est perfectamente engan-
chado). Asimismo, supondremos que la seales transmitidas por los otros L 1 usuarios
se reciben con igual potencia, y que los retardos asociados a dichas seales son mltiplos
enteros del periodo de chip. Dado que no hay ninguna razn a priori para atribuir mayor
probabilidad a un determinado retardo, supondremos que todos son independientes y con
distribucin uniforme en 0, T/N, , (N 1)T/N
26
. Por tanto, los retardos discretos
correspondientes se distribuyen uniformemente en 0, 1, , N 1. Finalmente, supon-
dremos que los smbolos transmitidos por cada usuario se escogen con igual probabilidad en
la constelacin
E
s
, +
E
s
, son blancos y mutuamente ortogonales con los de otros
usuarios. Por tanto, a la vista de (8.169), el valor esperado de la interferencia multiacceso
26
Obsrvese que, dada la cicloestacionariedad con periodo T de la seal transmitida, basta con considerar
retardos en el intervalo [0, T).
(MAI) es 0 y su varianza:
VarMAI
l
=
1
N
L1
i=0
i,=l
_
N1
k=0
E[A
i
[n][
2
[r
x
l
,x
i
[k][
2
+
N1
k=1
E[A
i
[n 1][
2
[r
x
l
,x
i
[N k][
2
_
=
E
s
N
L1
i=0
i,=l
N1
k=N+1
[r
x
l
,x
i
[k][
2
(8.172)
Si el nmero de usuarios L es grande, de acuerdo con el Teorema Central del Lmite
(Apartado 3.2.8), es razonable modelar la MAI como una variable aleatoria gausiana de me-
dia nula y varianza VarMAI
l
27
. Si el canal introduce ruido blanco gausiano con densidad
0
/2 W/Hz y las secuencias de cdigo estn normalizadas en energa,
podemos escribir la BER para el usuario l-simo como
BER
e
l
= Q
_
E
s
N
0
2
+ VarMAI
l
_
(8.173)
Conviene recordar que la MAI depende de la energa media por smbolo E
s
. De hecho,
para E
s
/N
0
grandes, la MAI suele dominar al trmino de ruido. En cualquier caso, desde
el punto de vista del diseo de secuencias, es evidente que para minimizar la probabilidad
de error se debe minimizar la varianza de la MAI. Por otra parte, en la mayor parte de los
sistemas CDMA de nada sirve disear las secuencias para que un usuario en particular tenga
un bajo nivel de MAI, si ello implica empeorar el rendimiento de otros usuarios. Es por ello
que un criterio de diseo comnmente aceptado es el de minimizar la varianza de la MAI
promediada sobre todos los usuarios, esto es,
VarMAI
.
=
1
L
L1
l=0
VarMAI
l
=
E
s
LN
L1
l=0
L1
i=0
i,=l
N1
k=N+1
[r
x
i
,x
l
[k][
2
(8.174)
Generalmente, se suele imponer alguna condicin adicional sobre la funcin de ambigedad
temporal aperidica total promediada sobre todas las secuencias del conjunto (suponiendo
que estn normalizadas en energa):
1
L
N1
l=0
N1
k=N+1
k,=0
[r
x
l
[k][
2
(8.175)
Recurdese que la funcin de ambigedad temporal aperidica fuera del cero tiene impor-
tancia en las prestaciones de los receptores tipo RAKE y, en general, en todos los sistemas
que requieran sincronizar el cdigo.
27
No obstante, este modelo adolece de ciertas imperfecciones para relaciones seal a ruido grandes que pue-
den conducir a conclusiones errneas. Vase el apartado siguiente.
Excepto en unos pocos casos, la solucin a la minimizacin de VarMAI sujeta a al-
guna condicin sobre (8.175) se ha resuelto con procedimientos numricos de variada natu-
raleza, no existiendo mtodos que ofrezcan soluciones cerradas satisfactorias, por lo que no
profundizaremos ms en esta direccin. S es interesante sealar que para el caso sncrono,
en el que la dicultad del problema se reduce considerablemente, existen soluciones muy
sencillas. Suponiendo que las seales recibidas de todos los usuarios estn perfectamente
sincronizadas, la varianza media de la MAI se obtiene promediando nicamente sobre los
smbolos de informacin transmitidos y sobre todas las combinaciones de usuarios, pero no
sobre los desplazamientos de la correlacin; en otras palabras, basta con eliminar el prome-
diado sobre k y jar k = 0 en (8.174). Como sabemos, siempre que el nmero de usuarios
L sea menor o igual que la longitud de las secuencias N, es posible conseguir que la MAI
en el caso sncrono se haga cero; por ejemplo, las secuencias de Walsh-Hadamard alcanzan
este objetivo. Por esta razn, nos centraremos en el caso L > N, que suele conocerse como
sobresaturado. Para este caso, la cota de Welch es
1
L
L1
l=0
L1
i=0
i,=l
[r
x
i
,x
l
[0][
2
L N
N
(8.176)
Vase el Problema P8.20. Curiosamente, es muy fcil producir conjuntos de secuencias
que satisfagan la cota de Welch; dichos conjuntos reciben el calicativo de WBE (Welch-
Bound-Equality, igualdad en la cota de Welch). Sea X una matriz L N tal que sus
columnas son ortogonales y con energa L/N; entonces las secuencias construidas a partir
de las L las de X constituyen un conjunto WBE. A la inversa, si se dispone de un conjunto
WBE con L secuencias de longitud N, entonces la matriz L N cuyas las son dichas
secuencias es tal que sus columnas son ortogonales con energa L/N. Este importante re-
sultado se demuestra en el Problema P8.20.
A lo largo de este apartado hemos revisado diferentes mecanismos para la generacin
de secuencias de cdigo. Evidentemente, existen muchsimos ms, generalmente buscando
satisfacer alguna propiedad de inters. Por ejemplo, dividiendo el cdigo en subconjuntos
se puede pensar en obtener una funcin de ambigedad aperidica reducida (o cero) entre
secuencias pertenecientes a un mismo subconjunto, admitiendo una correlacin ms alta con
secuencias de otros subconjuntos. Otra posibilidad consiste en suponer un entorno cuasi-
sncrono, en el que los receptores son capaces de alcanzar una sincronizacin imperfecta, lo
que implica que el error en la identicacin del canal est limitado en valor absoluto a un
nmero determinado de muestras K. En este ltimo caso, el objetivo del diseo del cdigo
es conseguir valores bajos de correlacin aperidica dentro de la ventana K k K,
siendo irrelevantes los valores que se obtienen para k > K.
No obstante, excepto en el caso sncrono con un nmero de usuarios igual o inferior a
la longitud del cdigo, la MAI es un hecho inevitable. Es natural preguntarse entonces si
existe alguna forma de combatirla en el receptor, del mismo modo que el detector de Viterbi
o los igualadores mitigan los efectos de la ISI (Captulo 6). La respuesta la encontraremos
en el siguiente apartado, bajo el concepto de deteccin multiusuario.
8.3.3. Deteccin Multiusuario
Nuestro objetivo en este apartado es el de mostrar las ventajas que comporta el empleo
de un receptor que demodule simultneamente la seal de todos los usuarios en el sistema,
con el objeto de reducir la interferencia sobre la seal deseada. Por esta razn, nos concen-
traremos exclusivamente en sistemas sncronos con dos usuarios que denotaremos por 0 y 1,
aunque indicaremos cmo extender los esquemas a una situacin ms realista en la que ms
usuarios compartan el medio. De hecho, aunque es obvio que para N 2 se pueden disear
cdigos ortogonales, supondremos que las secuencias x
0
[m] y x
1
[m] no lo son, por ser sta
la situacin de inters prctico. Por la razn arriba esgrimida, en este apartado considerare-
mos un sistema en banda base, lo que implica que todas las secuencias que manejaremos,
incluidas las de cdigo, son reales. Adems, supondremos que todas las secuencias de cdi-
go estn normalizadas en energa, es decir, r
x
l
[0] = 1, para todo l.
Recordemos que en el caso sncrono el efecto de la MAI viene recogido a travs de la
correlacin en el origen r
x
1
,x
0
[0] (en este caso la correlacin peridica y la aperidica coin-
ciden). Para simplicar la notacin, realizaremos la asignacin
.
= r
x
1
,x
0
[0] = r
x
0
,x
1
[0].
Adems, supondremos que ambos usuarios emplean una constelacin binaria antipodal
E
s
, +
E
s
y que el ruido es blanco y gausiano con densidad espectral de potencia
N
0
/2 W/Hz. Finalmente, realizaremos la suposicin de que las ganancias de los canales
correspondientes a las seales transmitidas por ambos usuarios,
0
y
1
, son positivas (si
alguna de las ganancias o ambas son negativas es fcil transformar el problema para resta-
blecer la situacin aqu considerada).
Consideraremos en primer lugar el receptor basado en el ltro adaptado, que se ilustra
en la Figura 8.39. En este caso, siguiendo los desarrollos de los apartados precedentes,
encontramos que
q
0
[n] =
0
A
0
[n] +
1
A
1
[n] +z
0
[n] (8.177)
donde z
0
[n] es ruido gausiano de varianza N
0
/2, tal como se demuestra en el Proble-
ma P8.22.
1 0 1
q
0
[n]
(1+) (1) (1) (1+)
Figura 8.41. Posibles valores recibidos en ausencia de ruido a la salida del ltro adaptado
del usuario 0, cuando
0
=
1
= 1, = 0,6 y E
s
= 1.
Teniendo en cuenta las constelaciones empleadas, fcilmente podemos ver que la MAI
puede tomar dos valores,
1
E
s
. Como el umbral de decisin se encuentra en el cero,
la MAI causar complicaciones cuando tenga el signo contrario al smbolo transmitido. La
situacin sin ruido se representa en la Figura 8.41 para
0
=
1
= 1, = 0, 6 y E
s
= 1.
Por simetra, el clculo de la BER se puede efectuar considerando que A
0
[n] =
E
s
. En
este caso, se tendr un error cuando
0
E
s
+
1
A
1
[n] + z
0
[n] < 0. Por tanto, la BER
para el usuario 0 ser
BER
e
0
=
1
2
Q
_
(
0
1
)
2E
s
N
0
_
+
1
2
Q
_
(
0
+
1
)
2E
s
N
0
_
(8.178)
donde el primer trmino, que se corresponde con el evento a distancia mnima de la frontera
de decisin, ser dominante en la suma. Una observacin fundamental es que la probabilidad
de error no slo depende del nivel de correlacin , sino tambin de los valores de
0
y
1
.
Por consiguiente, de poco servir tener un valor de correlacin muy bajo si
1
es grande
en comparacin con
0
. Esta situacin recibe el nombre de efecto cerca-lejos porque se da
cuando el usuario deseado est ms lejos del receptor (estacin base) que el interferente. De
hecho, el lector puede vericar que si
1
es tal que
1
>
0
/, entonces en ausencia de
ruido la probabilidad de error para el usuario 0 es 1/2. El efecto cerca-lejos se puede mitigar
controlando la potencia con que transmite cada usuario, de modo que todos se reciban con
potencias similares; ello tiende a ahorrar potencia y a alargar la duracin de la batera de
los terminales en entornos celulares. No obstante, los algoritmos de control de potencia se
sitan fuera del mbito de este texto; aqu examinaremos otro tipo de soluciones basadas en
el procesado de las seales recibidas.
Para entender qu tipo de soluciones perseguimos, pinsese en la BER para el usuario
1 cuando
1
>
0
; en este caso, replicando el desarrollo que lleva a (8.178), es inmediato
ver que el numerador del argumento de la funcin Q() ser mayor que para el usuario 0, por
lo que la BER ser menor. Ello sugiere la siguiente estrategia en el receptor: se decodica
la seal correspondiente al usuario 1, obtenindose

A
1
[n], que se usa para estimar la MAI
28
y sustraerla de q
0
[n], de modo que la entrada al decisor es q
0
[n]
1

A
1
[n]. Por tanto, en
una situacin en la que predomina el efecto cerca-lejos, un decisor basado en cancelaciones
sucesivas de la interferencia podr ser efectivo. El lector habr encontrado aqu una evi-
dente similitud con la estrategia empleada por los igualadores con decisiones realimentadas
(Apartado 6.4): mientras all se cancela la ISI, aqu se elimina la MAI. Obsrvese que pa-
ra poder implementar la idea que acabamos de describir, necesitamos haber demodulado la
seal del usuario 1, incluso aunque slo estuvisemos interesados en extraer la informacin
transmitida por el usuario 0. Esta es la esencia de la deteccin multiusuario.
Podemos generalizar fcilmente el anlisis de las prestaciones correspondientes al re-
ceptor con ltro adaptado a una situacin con L usuarios. En este caso, la Ecuacin (8.178)
se transforma en
P
e
0
=
1
2
L1
i
1
=1,+1

i
k
=1,+1

i
L1
=1,+1
Q
_
(
0
+
L1
k=1
i
k
k
r
x
k
,x
0
)
2E
s
N
0
_
(8.179)
Ahora la condicin para que la probabilidad de error en ausencia de ruido sea nula es
0
>
L1
k=1
k
[r
x
k
,x
0
[k][ (8.180)
28
Suponiendo que
1
es conocido.
que se conoce como condicin de ojo abierto (vase Apartado 6.1.2). Es interesante ver que
aunque el nmero de usuarios sea muy grande, es posible que la probabilidad de error sea
0 en ausencia de ruido. Esta consideracin se debe contrastar con la aproximacin realizada
en (8.173) para calcular la probabilidad de error empleando el teorema central del lmite:
all aproximbamos la MAI por una variable aleatoria gausiana, lo que implica que, inclu-
so sin ruido, la aproximacin arroja una probabilidad de error que nunca puede ser nula.
Este razonamiento no hace sino apuntar a que la aproximacin en (8.173) no es able si
la relacin seal a ruido es alta. De hecho, mientras la MAI siempre est acotada, esto no
ocurre con la aproximacin gausiana. A pesar de ello, en el contexto en que la usamos, la
aproximacin (8.173) presenta la ventaja de ser mucho ms tratable matemticamente que
(8.179).
Como hemos visto, el hecho de que tanto q
0
[n] como q
1
[n] contengan informacin sobre
A
0
[n] y A
1
[n] hace que el detector basado en el ltro adaptado no sea ptimo. Podramos
pensar entonces en tomar decisiones conjuntas sobre el vector A[n]
.
= (A
0
[n], A
1
[n])
T
tras
haber observado el vector q[n]
.
= (q
0
[n], q
1
[n])
T
. En este caso, si z[n]
.
= (z
0
[n], z
1
[n])
T
denota el vector de ruido, tendramos el siguiente modelo
q[n] =
_

0

1
0

1
_
A[n] +z[n] (8.181)
sobre el que podramos emplear la teora expuesta en el Captulo 4. Desgraciadamente, el
modelo en (8.181) no es del todo adecuado: las componentes del vector de ruido, aunque
gausianas y de media cero, no son independientes, por lo que no podemos aplicar sin ms
un decisor basado en minimizar la distancia eucldea. En efecto, la matriz de covarianza del
ruido (Problema P8.22) es
Ez[n]z
T
[n] =
N
0
2
_
1
1
_
(8.182)
cuyo carcter no diagonal es consecuencia de la falta de ortogonalidad entre x
0
[m] y x
1
[m].
Para formular el problema dentro del marco del Captulo 4 necesitamos que las componentes
de ruido sean independientes e idnticamente distribuidas. Hay varias formas de conseguir
este objetivo: podemos realizar una transformacin de coordenadas sobre q[n] tal que el
ruido tenga las propiedades deseadas
29
; sin embargo, aqu optaremos por proyectar la seal
recibida empleando una base ortonormal. El detector resultante, que recibe el nombre de
detector conjunto ML ptimo se recoge en la Figura 8.42.
Para conseguir que el ruido tenga componentes independientes, buscamos una secuencia
ensanchadora x
1
[m] de energa unidad y ortogonal a x
0
[m]. En el receptor proyectamos
sobre las secuencias x
0
[m] y x
1
[m], obteniendo un nuevo vector de observaciones q
[n] que
contiene informacin sobre A[n]. El hecho de que la transformacin de q[n] a q
[n] sea
invertible garantiza que q
[n] es un estadstico suciente, esto es, que contiene informacin

suciente como para tomar una decisin ptima.
29
Esta operacin, que se conoce como blanqueado, se basa en efectuar la descomposicin en autovectores de
la matriz de covarianza.
v t ( )
N
N
c
t mT =
[ ] v m
( )
c
g t -
[ ]
N
w m -
[ ]
N
w m -
*
1
[ ] x m %
Decisor
0[ ] A n
*
0
[ ] x m %
0
' [ ] q n
1
' [ ] q n
Figura 8.42. Diagrama de bloques de un detector conjunto ML.
Dadas x
0
[m] y x
1
[m], podemos construir una base ortonormal sin ms que aplicar el
procedimiento de Gram-Schmidt (Apndice 4.A)
30
. La primera seal de la nueva base x
0
[m]
es simplemente x
0
[m]; mientras que la segunda se obtiene del siguiente modo
x
1
[m] =
x
1
[m] x
0
[m]
_
1
2
(8.183)
Con esta base es posible comprobar (Problema P8.22) que el ruido z
[n] presente en q
[n]
tendr componentes gausianas independientes, con media cero y varianza N
0
/2, por lo que
se cumple el objetivo jado. Ahora resta escribir la componente de seal en trminos de
la nueva base; en ausencia de ruido, la seal v[m] (vase Figura 8.39), para nN m
nN +N 1, se puede expresar como
v[m] =
0
A
0
[n] x
0
[m] +
1
A
1
[n] x
1
[m], nN m nN +N 1 (8.184)
de donde se deduce que, en ausencia de ruido,
q
0
[n] =
N1
m=0
(
0
A
0
[n]x
0
[m] +
1
A
1
[n]x
1
[m])(x
0
[m])
=
0
A
0
[n] +
1
A
1
[n] (8.185)
q
1
[n] =
N1
m=0
(
0
A
0
[n]x
0
[m] +
1
A
1
[n]x
1
[m])(x
1
[m])
=
1
A
1
[n]
_
1
2
(8.186)
El nuevo modelo es, por tanto,
q
[n] =
_

0

1
0
1
_
1
2
_
A[n] +z
[n] (8.187)
30
Aunque el procedimiento all descrito se aplica a seales en tiempo continuo, la extensin a seales en
tiempo discreto es inmediata.
que ahora cuenta con la ventaja de que el ruido es circularmente simtrico en el plano
(q
0
[n], q
1
[n]) por lo que el decisor ptimo segn el criterio ML simplemente elegir aquel
vector A[n] tal que [[q
[n] M
A[n][[
2
es mnimo, siendo M
la matriz que multiplica a

A[n] en (8.187). En la Figura 8.43(a) se representa el vector recibido asociado a cada uno
de los cuatro posibles valores de A[n] (etiquetados con los valores binarios asociados), as
como las regiones de decisin en el plano (q
0
[n], q
1
[n]) cuando
0
=
1
= 1 y = 0,6.
La Figura 8.43(b) transforma la representacin al plano (q
0
[n], q
1
[n]). El lector puede com-
probar cmo en este caso las fronteras de decisin no son las que resultaran si se utilizase
la regla de decisiones basadas en distancia eucldea mnima: la razn es que en el plano
(q
0
[n], q
1
[n]) el ruido no tiene componentes independientes.
Para calcular la BER, podemos usar la misma metodologa del Apartado 4.4.2, tra-
bajando con las probabilidades de acierto. Obsrvese que la simetra presente en la Figu-
ra 8.43(a) obliga a calcular nicamente dos probabilidades de acierto: las asociadas a los
vectores A[n] = [
E
s
,
E
s
]
T
y A[n] = [
E
s
,
E
s
]
T
. Una alternativa, especialmen-
te interesante en detectores multidimensionales, es recurrir a cotas como la de la unin o
aproximaciones basadas en los vectores ms cercanos.
q
0
[n]
q
1
[n]
11
10
01
00
q
0
[n]
q
1
[n]
11
10
01
00
(a) (b)
Figura 8.43. Regiones de decisin para el detector conjunto ptimo (
0
=
1
= 1; =
0,6): (a) En el plano (q
0
[n], q
1
[n]); (b) en el plano (q
0
[n], q
1
[n]).
Parecera que el detector conjunto ML conduce a minimizar la probabilidad de error,
pero qu probabilidad de error? Un instante de reexin nos debe llevar a pensar que este
detector minimiza la probabilidad de error sobre la decisin conjunta, es decir, si A[n] de-
nota el vector con los smbolos transmitidos en un instante dado y

A[n] es la decisin, el
detector conjunto ML minimiza Pr(
A[n] ,= A[n]). Pero tambin podemos pensar en que

si estamos interesados en decodicar los smbolos del usuario, digamos, 0, entonces querre-
mos minimizar la probabilidad de error en las decisiones relativas a dicho usuario, esto es,
Pr(

A
0
[n] ,= A
0
[n]), utilizando el detector ptimo para el usuario cuestin.
Es fcil caer en la tentacin de pensar que ambos detectores van a producir el mismo
resultado, pero no es as. El detector ptimo ML para el usuario 0 ser aquel que maximice
la probabilidad de observar la secuencia recibida v[m] condicionada a la transmisin del
smbolo a
0
[n]; esto quiere decir que A
1
[n] debe ser eliminado marginalizando con respecto
a su distribucin. Desarrollemos esta idea: para empezar, las nicas muestras de v[m] que
dependen de A
0
[n] y A
1
[n] son aquellas tales que nN m nN + N 1, por lo que
vamos a agrupar dichas muestras en el vector v[n]. Por otra parte, sean x
0
y x
1
los vectores
que contienen las muestras de las secuencias ensanchadoras x
0
[m] y x
1
[m]. Teniendo en
cuenta que el ruido presente en v[m] es blanco y con varianza N
0
/2, podemos concluir que,
condicionado a a
0
[n] y a
1
[n], el vector v[n] tendr una distribucin conjuntamente gausiana
de media
0
a
0
[n]x
0
+
1
a
1
[n]x
1
y matriz de covarianza (N
0
/2)I
NN
. Por tanto, podemos
escribir
f
v[n][A[n]
(v[n][a[n]) =
1
(N
0
)
N/2
exp
_
[[v[n]
0
a
0
[n]x
0
1
a
1
[n]x
1
[[
2
/N
0
_
(8.188)
Ahora, suponiendo que los dos valores de A
1
[n] son equiprobables, tenemos que la distri-
bucin de v[n] condicionada solamente a a
0
[n] es
f
v[n][a
0
[n]
(v[n][a
0
[n]) =
1
2
f
v[n][A[n]
(v[n][a
0
[n], A
1
[n] =
_
E
s
)
+
1
2
f
v[n][A[n]
(v[n][a
0
[n], A
1
[n] = +
_
E
s
)
=
1
2(N
0
)
N/2
exp
_
[[v[n]
0
a
0
[n]x
0
+
1
_
E
s
x
1
[[
2
/N
0
_
+
1
2(N
0
)
N/2
exp
_
[[v[n]
0
a
0
[n]x
0
1
_
E
s
x
1
[[
2
/N
0
_
(8.189)
Desarrollando las normas al cuadrado y eliminando aquellos trminos que no dependen de
a
0
[n], podemos ver que el detector ML ptimo para el usuario 0 elige aquel

A
0
[n] que
maximiza la siguiente funcin
2q
0
[n]
0

A
0
[n]
N
0
+ log cosh
_
2
1
E
s
q
1
[n] 2
0
E
s

A
0
[n]
N
0
_
(8.190)
Equivalentemente, la decisin ser

A[n] = +
E
s
si
4
0
E
s
q
0
[n]
N
0
log
cosh(
2
1
E
s
q
1
[n]+2
0
1
E
s
N
0
)
cosh(
2
1
E
s
q
1
[n]2
0
1
E
s
N
0
)
> 0 (8.191)
y

A[n] =
E
s
en caso contrario.
En la Figura 8.44(a) se ilustran las regiones de decisin en el plano (q
0
[n], q
1
[n]) que
resultan con el detector ML ptimo del usuario 0, para el caso
0
=
1
= 1 y = 0,6
q
0
[n]
q
1
[n]
11
10
01
00
q
0
[n]
q
1
[n]
11
10
01
00
(a) (b)
Figura 8.44. Regiones de decisin para el detector ptimo correspondiente al usuario 0
(
0
=
1
= 1; = 0,6; E
s
/N
0
= 3dB): (a) En el plano (q
0
[n], q
1
[n]); (b) en el plano
(q
0
[n], q
1
[n]).
y una relacin E
s
/N
0
de 3 dB. La Figura 8.44(b) transforma las regiones de decisin al
plano (q
0
[n], q
1
[n]) para compararlas con las que se obtienen con el detector conjunto (Fi-
gura 8.43(a)). Como se ve, el resultado es bastante parecido al obtenido con el detector
conjunto, y tanto ms cuanto mayor es la relacin E
s
/N
0
. De hecho, dadas las diculta-
des que entraa el anlisis de la probabilidad de error del detector ptimo para un usuario,
la probabilidad de error del detector conjunto sirve como una cota superior, que suele ser
muy ajustada. Por ejemplo, a partir de E
s
/N
0
= 15 dB las dos regiones de decisin para el
ejemplo analizado en las guras son prcticamente indistinguibles.
El ltimo receptor multiusuario que estudiaremos, denominado detector decorrelacio-
nador, busca precisamente eliminar la correlacin existente entre las seales recibidas a la
salida de cada ltro adaptado. De acuerdo con el modelo en (8.181), las componentes del
vector q[n] estn correlacionadas a travs la matriz M
; por tanto, para separar (decorre-

lacionar) las contribuciones de cada uno de los usuarios, basta con multiplicar q[n] por la
inversa de dicha matriz (suponiendo que sta exista), obtenindose en este caso un nuevo
vector q
[n] que responde al modelo siguiente:

q
[n] = M
1
(M
A[n] +z[n])
= A[n] +z
[n] (8.192)
observndose claramente cmo hemos aislado las contribuciones de cada smbolo, de modo
que, por ejemplo, q
0
[n] depende de A
0
[n], pero no de A
i
[n], i = 1, , L 1. Como
consecuencia de esto, el decisor simplemente decidir que A
i
[n] = +
E
s
si q
i
[n] > 0, y
A
i
[n] =
E
s
en caso contrario.
Podra parecer que de este modo tan sencillo hemos conseguido construir un decisor
ptimo, gracias a la decorrelacin, pero desgraciadamente no es as. La razn es que aunque
hemos eliminado la MAI, el ruido z
[n] presente en q
[n] sigue sin tener componentes in-

dependientes (recordemos que z[n] tampoco las tena)
31
. En efecto, la matriz de covarianza
del ruido (Problema P8.22) es
Ez
[n]z
[n]
T
=
N
0
2
M
1
_
1
1
_
M
1
=
N
0
2(1
2
)
_
1/
2
0
/
2
1
/
2
0
1/
2
1
_
(8.193)
y, por tanto, no es diagonal a no ser que = 0.
Para calcular la BERdel i-simo usuario, simplemente necesitamos conocer el elemen-
to (i, i)-simo de la matriz de covarianza del ruido, ya que se corresponde con la varianza
de z
i
[n]. Por tanto, la BER para el usuario i-simo es
BER
e
i
= Q
_

E
s
_
Varz
i
[n]
_
(8.194)
Por ejemplo, en el caso de 2 usuarios, la BERpara el usuario 0 es, usando (8.193) y (8.194),
BER
e
0
= Q
_
_
2E
s
(1
2
)
2
0
N
0
_
_
(8.195)
Comparando la expresin de la probabilidad de error del receptor con ltro adaptado (8.178)
con la correspondiente al decorrelacionador (8.195), vemos que si
1
es pequeo es prefe-
rible emplear el ltro adaptado, mientras que el decorrelacionador es conveniente cuando la
MAI es considerable. Existen otros detectores en los que no profundizaremos aqu, como la
cancelacin sucesiva de interferencias, o los detectores de mnimo error cuadrtico medio
(MMSE). Estos ltimos son objeto del Problema P8.23.
El texto de Goldsmith [34] contiene un interesante captulo sobre OFDM, incluyendo
una formulacin matricial que permite emplear algunas propiedades interesantes de las ma-
trices circulantes. Para un tratamiento ms amplio de la OFDM se recomienda [72] que,
adems, establece interesantes conexiones con algunos sistemas OFDM empleados en es-
tndares. En cambio, el libro de Barry, Lee y Messerschmitt [5] aborda slo supercial-
mente las modulaciones multiportadora. Otros textos ntegramente dedicados a OFDM son
[4], [60] y [38]. Un excelente libro, que aborda numerosos aspectos de la implementacin
prctica de sistemas OFDM, incluyendo la sincronizacin, es [24]. La modulacin conoci-
da como Multitono Discreta (DMT, Discrete MultiTone) es funcionalmente equivalente
31
El paralelismo con lo que sucede en los igualadores ZF (Apartado 6.3.1) es evidente: intentando cancelar
la ISI podemos acabar aumentando la potencia de ruido.
a la OFDM y se emplea en bucles de abonado digitales asimtricos (ADSL, Asymmetric
Digital Subscriber Loop), donde el carcter punto a punto de la comunicacin permite me-
joras adicionales a las estudiadas aqu, como la existencia de algoritmos para la reduccin
de la potencia de pico o de asignacin de bits a portadoras (carga de bits). Un buen libro
introductorio sobre el tema es [79].
Desde la publicacin del algoritmo bsico de la FFT, por Cooley y Tukey [20], pensado
para un nmero de puntos que sea potencia de dos, se han propuesto muchos otros algorit-
mos rpidos para la DFT, llegando a ser un tema muy activo de investigacin durante los
aos 70 y 80. El libro de Oppenheim y Schafer [54] ofrece una explicacin excelente de los
fundamentos de algunos de los algoritmos ms populares, incluyendo detalles de implemen-
tacin. Otras buenas fuentes de informacin son los libros de Burrus y Parks [14], Blahut
[8] y Brigham [13].
Para la parte de espectro ensanchado, nos hemos guiado fundamentalmente por el li-
bro de Proakis [61], aunque para el apartado de diseo de secuencias ensanchadoras hemos
empleado el excelente tutorial de Sarwate y Pursley [70], completado con otros muchos
artculos ms recientes. Para el apartado de deteccin multiusuario nos hemos basado de
manera especial en el libro de Verd [89]. El tratamiento de las secuencias m y sus pro-
piedades se encuentra razonablemente bien explicado en [91], donde tambin se analizan
problemas suscitados por el uso de espectro ensanchado en redes celulares.
Clsicos que todava siguen siendo de recomendada lectura son el libro de Dixon [23]
y, especialmente, los tres volmenes de Simon et al. [74]. Los recientes textos de Goldsmith
[34] y Schulze y Lders [72] tambin contienen interesantes captulos sobre modulaciones
de espectro ensanchado.
PROBLEMAS
P8.1 Suponga un modulacin multiportadora en la que las funciones
k
(t), k = 0, , N
1, son de la forma:
k
(t) =
1
T
0
e
j
2kt
T
w
T
0
(t)
cuya duracin T
0
es tal que T < T
0
< 2T.
1.1. Demuestre que dichas funciones no son ortogonales.
1.2. Siguiendo la misma metodologa que en las ecuaciones (8.11) y (8.12), demues-
tre que, aunque los ndices se extiendan desde k = hasta k = (esto es,
innitas portadoras), el espectro ya no es plano.
P8.2 En este problema se demuestra (8.34). Considere una modulacin OFDM en tiempo
discreto con N portadoras y sin extensin cclica, en que las secuencias de smbolos
A
k
[n], k = 0, , N 1 son blancas, mutuamente incorrelacionadas y equiener-
gticas, con energa E
s
.
2.1. Demuestre que el proceso discreto s[m] denido en (8.15) es blanco con densi-
dad espectral de potencia
S
s
(e
j
) =
NE
s
T
(8.196)
2.2. Recordando que la seal transmitida s
r
(t) se obtiene tras modular en amplitud el
pulso g(t) dado por (8.20) con la secuencia s[m], utilice (3.297) para demostrar
(8.34). Tenga en cuenta que el periodo usado en dicha modulacin es T/N seg.
P8.3 La periodicidad espectral intrnseca a las secuencias discretas permite construir de un
modo muy simple un sistema OFDM discreto con redundancia, que exploraremos en
este problema. Sea un sistema OFDM con N = 16 portadoras en el que el ltro g(t)
es
g(t) = sinc
_
3Nt
T
_
(8.197)
En recepcin se emplea un esquema como el de la Figura 8.12(b), muestreando con
tasa 3N/Tseg
1
e implementando una DFT de 3N puntos. El canal es gausiano, con
ruido blanco.
3.1. Represente el espectro de las funciones

0
(t) y

9
(t) y comprelo con el dibuja-
do en la Figura 8.10.
3.2. Calcule el ancho de banda ocupado por la modulacin.
3.3. Discuta cmo se deben combinar las muestras a la salida del conversor parale-
lo/serie del receptor para tomar una decisin sobre cada smbolo enviado segn
el criterio de mxima verosimilitud. Tenga presente que, por cada N smbolos
enviados, en el receptor tenemos 3N observaciones.
3.4. Discuta las ventajas del esquema propuesto para su utilizacin en canales con
propagacin multitrayecto, especialmente, aquellos con mnimos espectrales pro-
nunciados.
P8.4 Considere un sistema OFDM en tiempo discreto con N portadoras, prejo cclico de
M < N muestras y periodo de smbolo T. El canal discreto equivalente a periodo
T/N es d[m] = T/N([m] + 0,5[m N]). Escriba la expresin de p
k,i
[n], k, i =
0, , N 1 y demuestre que en este caso se tiene tanto ISI como ICI.
P8.5 Una de las ventajas de la utilizacin del prejo cclico en OFDM es que permite con-
vertir el efecto del canal en puramente multiplicativo. Sin embargo, obliga a malgastar
energa transmitiendo una seal que se tira en el receptor. Una alternativa es el re-
llenado con ceros, porque reduce la potencia transmitida. En este problema se trata de
encontrar la relacin entre los mtodos de prejo cclico y rellenado con ceros.
La seal con extensin cclica, s
(n)
[m], correspondiente al bloque n-simo es
s
(n)
[m] =
_
s
(n)
[m+N] m = M, , 1
s
(n)
[m] m = 0, , N 1
donde s
(n)
[m] es la IDFT del bloque de smbolos.
La seal rellenada con ceros, t
(n)
0
[m], correspondiente al bloque n-simo es
t
(n)
0
[m] =
_
0 m = M, , 1
s
(n)
[m] m = 0, , N 1
La seal con prejo cclico s
(n)
[m] se transmite a travs de un canal que no introduce
ruido con respuesta al impulso d[m] causal y de longitud K + 1 muestras, es decir,
d[m] = 0 si m < 0 o m > K, con K tal que K M, recibindose la seal
q
(n)
[m] = s
(n)
[m] d[m], a la que se elimina el prejo, obtenindose
q
(n)
[m] =
_
q
(n)
[m] m = 0, , N 1
0 en otro caso
La seal rellenada con ceros t
(n)
0
[m] se transmite a travs del mismo canal, recibin-
dose r
(n)
0
[m] = t
(n)
0
[m] d[m].
Demuestre que a partir de la secuencia r
(n)
0
[m] es posible obtener q
(n)
[m]. Encuentre
la relacin existente entre ambas secuencias.
P8.6 Un sistema emplea una modulacin OFDM en tiempo discreto con una constela-
cin QPSK y 64 portadoras, con un prejo cclico de 8 muestras. El canal discreto
equivalente a periodo T/N, en el que el ruido se puede considerar despreciable, es
d[m] = [m] [m1], 0 1.
6.1. Represente en un diagrama de dispersin (Apartado 5.4.4) la seal que se tendra
a la salida del conversor paralelo/serie del receptor.
6.2. Indique para qu valores de la probabilidad de error sera 0.
P8.7 Sea un sistema OFDM con slo 4 portadoras y que emplea un prejo cclico de 2
muestras. La seal se transmite sobre un canal discreto equivalente (muestreado a
periodo T/N) de la forma
d[m] = [m] 0,5[m1].
El ruido es aditivo, blanco y gausiano con densidad espectral de potencia N
0
/2 W/Hz
y la constelacin empleada en todas las portadoras es idntica. En recepcin se utiliza
un igualador ZF.
7.1. Determine en qu portadora habr una mayor probabilidad de error de smbolo.
7.2. Calcule la probabilidad de error de smbolo media si en el modulador se emplea
una constelacin QPSK.
P8.8 Una de las ventajas de las modulaciones multiportadora es su exibilidad para asig-
nar distinto nmero de bits a cada portadora, en funcin del estado del canal. Es la
llamada carga de bits. Considere el sistema OFDM discreto del Problema P8.7. Se
desea transmitir 8 bits por cada bloque OFDM, con una constelacin M-PSK (con
M 2, 4, 8, 16) que puede ser diferente en cada portadora. La asignacin de bits a
smbolos es de tipo Gray. Si P
b,k
, k = 0, , 3, denota la probabilidad de error de bit
en el subcanal k-simo, encuentre la asignacin de smbolos a portadoras tal que
m ax
k=0, ,3
P
b,k
es mnima, suponiendo que la relacin seal a ruido es sucientemente grande como
para justicar el uso de los smbolos a distancia mnima en el clculo de las probabi-
lidades de error.
P8.9 Una alternativa al empleo de igualadores en el dominio de la DFT para modulacio-
nes OFDM es la utilizacin de modulaciones diferenciales de fase. Suponga que se
tiene un sistema OFDM con N portadoras y un prejo cclico sucientemente gran-
de en comparacin con la longitud de la respuesta al impulso del canal como para
conseguir un efecto puramente multiplicativo en el dominio transformado. La modu-
lacin/demodulacin empleada sobre cada portadora es una DQPSK (Apartado 7.1.3),
de modo que si
(n1)
[k] es la fase del smbolo transmitido sobre la portadora k-sima
del (n 1)-simo bloque de N muestras, entonces la fase de
(n)
[k] se genera como
(n)
[k] =
(n1)
[k] +
,n
[k] (8.198)
donde
,n
[k] se escoge dentro del conjunto de fases 0, /2, , /2 en funcin de
la informacin a enviar. En el receptor, la decodicacin se realiza diferencialmente.
9.1. Demuestre que, en ausencia de ruido, el sistema descrito no produce ningn
error, independientemente de la respuesta del canal.
9.2. Compare las prestaciones obtenidas para el sistema DQPSK-OFDM propuesto
con las de un sistema que emplee QPSK sobre cada portadora y un igualador ZF
en el receptor. Suponga que la relacin E
s
/N
0
es sucientemente grande.
P8.10 Para simplicar los procesos de ltrado analgico, un sistema OFDM discreto con
N portadoras y periodo de smbolo T apaga las 2N
A
+ 1 portadoras en el rango
J = [N/2 N
A
, N/2 + N
A
]. Debido al desajuste en los osciladores, la frecuencia
empleada en la conversin a banda base en el receptor
d
no coincide con la de por-
tadora
c
, por lo que la seal recibida en banda base v(t) (Figura 8.12) contendr una
modulacin residual con la exponencial exp(j
t), siendo
w
= (
d

c
). El
ltro de reconstruccin g(t), as como el canal, son ideales.
10.1. Establezca las condiciones sobre N
A
,
w
y N/T que garantizan que en el ltra-
do por g(t) en el receptor no se produce una distorsin signicativa.
10.2. Bajo las condiciones del apartado anterior, determine qu otras condiciones de-
ben cumplir
w
y N/T para que el efecto de la modulacin residual se reduz-
ca a un desplazamiento, esto es, para todo l = 0, , N 1, se cumple que
q
k
[n] = A
k+l
[n], para algn entero l. Calcule l.
10.3. Cuando se cumplen las condiciones del apartado (a) pero no las del (b) se tiene
ICI. Por qu?
P8.11 En este problema se realiza una comparacin entre los igualadores MSE y ZF. Re-
cuerde que, en el caso de OFDM, tanto el efecto del canal como los igualadores son
multiplicativos. Para simplicar el problema sin alterar sus conclusiones, suponga el
siguiente modelo:
q = A D +z (8.199)
donde A es un smbolo equiprobable de la constelacin 1, 3, D es un nmero
real conocido y z es una muestra de ruido gausiano, de media 0 y varianza
2
z
e inde-
pendiente de A. El coeciente real nico del igualador se denota por W. En el decisor
se elige el smbolo ms prximo a la salida del igualador.
11.1. Determine W en los casos ZF y MSE.
11.2. Obtenga el error cuadrtico medio E[Wq A[
2
para ambos casos y compare
los resultados.
11.3. Calcule la probabilidad de error de bit que se obtiene usando cada igualador y
demuestre que la correspondiente al ZF nunca es mayor que para el MSE.
11.4. Dada la observacin q, el decisor ML elige aquel Atal que [qAD[
2
es mnimo.
Demuestre que si D ,= 0 la solucin al problema de la minimizacin es equiva-
lente a un igualador ZF seguido de un decisor de smbolo. Como consecuencia,
el igualador ZF es tambin el de mnima probabilidad de error.
P8.12 Uno de los mayores inconvenientes de la OFDM es la elevada relacin entre poten-
cia de pico y potencia media (PAR, Peak-to-Average-Ratio) que presenta, lo puede
obligar a reducir la potencia media para mitigar los efectos de la saturacin en los
amplicadores. Aqu estudiaremos la que puede considerarse la forma ms simple de
reducir la PAR, que es un simple recorte de la envolvente de la seal en banda base.
Considere un sistema OFDM que emplea una constelacin QPSK sobre todas y cada
una de las N portadoras disponibles, esto es, A
k
[n]
E
s
, j
E
s
. Las secuen-
cias de smbolos enviados sobre cada una de las portadoras son blancas y mutuamente
independientes y los smbolos son equiprobables. Por simplicidad, el prejo cclico
est ausente. Asimismo, considere la secuencia s[m] de la Ecuacin (8.15) cuya re-
presentacin en magnitud y fase es
s[m] = [s[m][ e
js[m]
(8.200)
La PAR se puede denir como
PAR =
m ax
m
[s[m][
2
E
s
(8.201)
donde E
s
es la energa media por smbolo.
12.1. Cul es el valor mximo que puede tomar [s[m][? Utilice este valor para calcular
la PAR.
12.2. Cul es la probabilidad de alcanzar el valor mximo de [s[m][? Observe cmo
decrece dicha probabilidad al aumentar N.
12.3. Una muy buena aproximacin (tanto mejor cuanto mayor es N) de las compo-
nentes en fase y cuadratura de s[m] se obtiene empleando el teorema central del
lmite (vase Apartado 3.2.8). Demuestre que s[m] se puede aproximar por un
proceso complejo gausiano circularmente simtrico y calcule su varianza.
12.4. Suponga un recortador de envolvente cuya entrada es s[m] y salida s
c
[m] =
[s
c
[m][e
js[m]
, que acta sobre la envolvente de la siguiente manera
[s
c
[m][ =
_
[s[m][, si [s[m][
, si [s[m][ >
(8.202)
Calcule la PAR en la seal s
c
[m].
12.5. Usando los resultados del apartado (c) calcule, en funcin de , la probabilidad
de que la seal s[m] sea recortada al pasar por el sistema del apartado anterior.
Para resolver este apartado necesitar trabajar con una funcin de densidad de
probabilidad Rayleigh (Ecuacin (3.39)).
P8.13 Considere una modulacin de espectro ensanchado por secuencia directa con N = 10,
x[m] = (1)
m
y g
c
(t) g
c
(t) que cumple el criterio de Nyquist a periodo T/N.
El canal equivalente en banda base es h
eq
(t) = (t ). Determine el canal discreto
equivalente, p[n], (si no es posible simplicar la expresin resultante, djela en funcin
de g
c
(t)) y si existir o no ISI en los siguientes casos:
13.1. = T
13.2. = T/2
13.3. = T/4
P8.14 Escriba la expresin de la BER que resulta en un sistema de espectro ensanchado
por secuencia directa cuando ste est interferido por una portadora de frecuencia
J
arbitraria y amplitud A
J
. Demuestre que, desde el punto de vista del interferente, la
limitacin sobre
J
introducida en el Apartado 8.2.6 conduce a resultados ptimos.
P8.15 Considere un sistema de espectro ensanchado con salto lento, en el que el ruido es
despreciable pero existe una interferencia de banda estrecha con una potencia tal que
cuando un smbolo de informacin se transmite en una frecuencia prxima a la de di-
cha interferencia, la probabilidad de recepcin correcta es 1/2. Escriba la expresin de
la probabilidad de error de smbolo en funcin de T, N y M. Ganara algo un inter-
ferente malintencionado si tuviese la posibilidad de cambiar su frecuencia de acuerdo
con cualquier patrn deseado si tanto la secuencia de cdigo x[m] como los smbolos
I[n] le resultan impredecibles?
P8.16 Utilice (8.131) para demostrar el porqu del mnimo espectral en continua que se ob-
serva en las guras 8.37 y 8.38. Calcule su nivel en dB en funcin de N.
P8.17 Los cdigos de factor de expansin variable (Orthogonal Variable Spreading Factor,
OVSF) permiten que diferentes usuarios empleen distintos factores de expansin y,
por tanto, diferentes tasas binarias, manteniendo la ortogonalidad entre las secuencias
empleadas. En este problema mostraremos cmo construirlos empleando como base
los cdigos de Walsh-Hadamard. Supondremos un escenario sncrono en el que los
smbolos de informacin son binarios antipodales.
17.1. Construya el cdigo de Walsh-Hadamard de longitud N = 8. El usuario nme-
ro 1 emplea la secuencia binaria antipodal correspondiente a la ltima la de la
matriz H
8
. Suponga que el usuario nmero 2 transmite empleando la secuencia
correspondiente a la primera la de la matriz H
2
, por lo que su tasa binaria de
transmisin es 4 veces superior a la del usuario 1. Demuestre que la interferencia
mutua entre ambos usuarios es siempre 0. Suponga ahora que el usuario nmero
2 emplea la secuencia correspondiente a la segunda la de la matriz H
2
. De-
muestre que en este caso la interferencia mutua entre ambos usuarios no tiene
por qu ser 0.
17.2. Utilice los resultados del apartado anterior para disear un procedimiento de
asignacin de cdigos de tasa variable con longitud mxima N
max
, que garantice
que la interferencia mutua entre cualesquiera dos usuarios es nula. Un diagrama
de rbol puede ser de gran ayuda.
17.3. Si en el sistema anterior todos los usuarios emplean cdigos de longitud N
max
,
entonces la tasa de transmisin total (suma de las de todos los usuarios) mxima
es de N
max
/T smbolos/seg, siendo T el periodo de smbolo. Sea r un entero
positivo tal que r < log
2
N
max
. Cul es la mxima tasa total si un nico usuario
emplea un cdigo de longitud N
max
/2
r
? Cuntos usuarios caben en el sistema
en ese caso?
P8.18 En este problema demostramos algunas propiedades de las funciones de correlacin
aperidica e impar. Sean x
i
, x
l
dos secuencias ensanchadoras de longitud N.
18.1. Demuestre que r
x
i
,x
l
[k] = r
x
l
,x
i
[k].
o
x
i
,x
l
[k] = (r
o
x
l
,x
i
[N k])
.
x
i
, x
l
[k] = r
x
l
, x
i
[N k].
18.4. Dada la secuencia x
l
[m] = x
l
[(m+1) m od N], demuestre que se da la siguien-
te relacin, que permite calcular de forma recursiva la correlacin aperidica en
conjuntos de secuencias
r
x
i
,x
l
[k] =
_
r
x
i
,x
l
[k + 1] +x
i
[N 1 k]x
l
[0], k 0
r
x
i
,x
l
[k + 1] x
i
[k 1]x
l
[0], k < 0
(8.203)
P8.19 En este problema se aborda el diseo de secuencias de periodo N que cumplan la
condicin siguiente sobre las correlaciones impar y peridica
[r
o
x
i
,x
l
[k][
2
= [ r
x
i
, x
l
[k][
2
, para todo k, i ,= l (8.204)
Vanse las deniciones en (8.170) y (8.157).
19.1. Demuestre que la Condicin (8.204) se puede poner en funcin de la correlacin
aperidica como
1er
x
i
,x
l
[k]r
x
i
,x
l
[l N] = 0, para todo k, i ,= l (8.205)
19.2. Escribiendo la correlacin aperidica en forma polar r
x
i
,x
l
[k] = [r
x
i
,x
l
[k][
exp(j
x
i
,x
l
[k]) demuestre que la condicin anterior se cumple si se da alguna de
las dos siguientes
[r
x
i
,x
l
[k][ [r
x
i
,x
l
[k N][ = 0, y
x
i
,x
l
[k]
x
i
,x
l
[k N] = p/2 (8.206)
con p un nmero entero impar.
19.3. Sean y
i
[m], y
l
[m] dos secuencias ensanchadoras de longitud N y que toman
valores reales. A partir de ellas construimos las secuencias x
i
[m], x
l
[m]
x
i
[m] = y
i
[m] exp(jmp/(2N)); x
l
[m] = y
l
[m] exp(jmp/(2N)) (8.207)
con p un entero impar. Demuestre que las secuencias x
i
[m], x
l
[m] as construidas
satisfacen (8.206).
19.4. Compruebe que si p = N las nuevas secuencias se construyen multiplicando
las anteriores por 1, j. Por ejemplo, si las secuencias originales son binarias
antipodales, ahora se tienen secuencias pertenecientes a una constelacin QPSK.
19.5. Demuestre que el mtodo constructivo del apartado (c) no aumenta la magnitud
de la correlacin impar ni de la peridica.
P8.20 Considere un conjunto de L secuencias ensanchadoras x
i
[m], i = 0, , L 1, de
longitud N, con L > N. Dichas secuencias son ortonormales, esto es,
x
i
, x
l
=
N1
m=0
x
i
[m]x
l
[m] = [i l], para todo i, l 0, , L 1 (8.208)
Sea X la matriz LN cuya l-sima la es x
l
; denotamos por y
n
, n 0, , N1,
el vector formado por la n-sima columna de X.
20.1. Demuestre que
L1
i=0
L1
l=0
[x
i
, x
l
[
2
=
N1
p=0
N1
q=0
[y
p
, y
q
[
2
(8.209)
20.2. Demuestre que
N1
p=0
N1
q=0
[y
p
, y
q
[
2
N1
p=0
_
[[y
p
[[
2
_
2
(8.210)
con igualdad si y slo si los vectores y
i
, con i = 0, , N 1 son ortogonales.
20.3. Dado un conjunto de nmeros reales a
0
, a
1
, , a
N1
, se puede demostrar usan-
do la desigualdad de Jensen (Ecuacin (9.87)) que
N1
p=0
a
2
p

_
_
N1
p=0
a
p
_
_
2
/N,
con igualdad si y slo si todos los a
i
, i = 0, , N 1 son iguales. Utilice este
resultado y los de los apartados (a) y (b) para demostrar que
L1
i=0
L1
l=0
[x
i
, x
l
[
2
1
N
_
_
N1
p=0
[[y
p
[[
2
_
_
2
=
L
2
N
(8.211)
con igualdad si y slo si los vectores y
i
, con i = 0, , N 1 son ortogonales
y todos tienen energa L/N.
20.4. Utilice los resultados anteriores para demostrar la cota de Welch en (8.176).
P8.21 Suponga que generamos las L secuencias ensanchadoras de longitud N de forma per-
fectamente aleatoria, de modo que para cualquier m 0, 1, , N 1 y cualquier
l 0, 1, , L 1, la muestra x
l
[m] se obtiene eligiendo con probabilidad uni-
forme en 1/
N, +1/
N e independientemente de cualquier otra x

i
[n], i ,= l,
n ,= m. Compruebe que los valores esperados de la funcin de correlacin (peri-
dica o aperidica, segn corresponda) del cdigo as generado verican las cotas de
Welch en (8.158), (8.171) y (8.176). A la vista de los resultados obtenidos discuta cun
buenos pueden ser los cdigos aleatorios en aplicaciones de CDMA.
P8.22 Considere un sistema de acceso mltiple basado en CDMA en banda base sncrono en
el que el canal aade ruido gausiano de densidad espectral de potencia N
0
/2 W/Hz.
22.1. Suponga que en recepcin se emplea el detector basado en el ltro adaptado de
la Figura 8.39. Demuestre que el ruido z
0
[n] a la entrada del decisor es blanco,
con varianza N
0
/2.
22.2. Suponga que en recepcin se proyecta la seal recibida sobre las secuencias
x
0
[m] y x
1
[m], cuya correlacin es , para obtener q
0
[n] y q
1
[n]. Si z
0
[n] y z
1
[n]
denotan las componentes de ruido respectivas, demuestre que ambas son blan-
cas. Demuestre que el vector de ruido z[n] = (z
0
[n], z
1
[n])
T
es conjuntamente
gausiano, con matriz de covarianza
Ez[n]z
T
[n] =
N
0
2
_
1
1
_
(8.212)
Cmo sera la matriz de covarianza del ruido en caso de tener un detector con-
junto para L usuarios?
22.3. Considere el detector conjunto ML de la Figura 8.42. Demuestre que, en este
caso, la matriz de covarianza del vector de ruido z
[n] = (z
0
[n], z
1
[n])
T
es dia-
gonal, con elementos en la diagonal idnticos y de valor N
0
/2.
22.4. Suponga que en recepcin se emplea el detector decorrelacionador. Demuestre
que las componentes del vector de ruido z
[n] = (z
0
[n], z
1
[n])
T
son blancas y
la matriz de covarianza es
Ez
[n]z
T
[n] =
N
0
2(1
2
)
_
1/
2
0
/
2
1
/
2
0
1/
2
1
_
(8.213)
siendo
0
y
1
las ganancias correspondientes a las seales transmitidas por los
usuarios 0 y 1, respectivamente.
P8.23 Considere el modelo de receptor conjunto para dos usuarios de la Ecuacin (8.187).
Suponga que se multiplica el vector recibido q
[n] por una matriz B tal que se mini-

miza el error cuadrtico medio
E[[A[n] B q
[n][[
2
(8.214)
Calcule dicha matriz y compare el error cuadrtico medio que se obtiene con esta
solucin con el que resulta de usar el detector decorrelacionador.
CAPTULO 9
LMITES FUNDAMENTALES EN LAS
COMUNICACIONES DIGITALES
Al analizar tanto los fundamentos de modulacin y deteccin en canales gausianos (Ca-
ptulo 4) como los distintos formatos de modulacin (Captulos 5, 7 y 8) hemos comprobado
que los smbolos se recuperan en el receptor con una probabilidad de error no nula. Tambin
hemos vericado que esta probabilidad de error aumenta cuando disminuimos la relacin
seal a ruido o cuando, manteniendo constante la relacin seal a ruido, aumentamos el n-
mero de puntos de la constelacin (si bien este ltimo caso no se da en todos los formatos
de modulacin). Estos hechos se consideraban como ineludibles a principios de los aos
cuarenta, hasta que Claude Shannon demostr que podemos transmitir con una probabilidad
de error tan baja como queramos a una velocidad binaria tan alta como queramos, siempre
que esta velocidad est por debajo de la capacidad del canal. Esta demostracin se considera
el principio de la denominada teora de la informacin, una de cuyas partes, la dedicada
a establecer el lmite de la velocidad binaria con la que podemos transmitir por un canal,
abordaremos en este captulo. Ntese que hablamos de establecer el lmite y no de cmo
llegar a l, pregunta a la que la teora de la informacin, en general, no da respuesta.
Comenzaremos estableciendo distintos modelos de canal denidos mediante sus proba-
bilidades de transicin a partir de distintos niveles de abstraccin sobre el modelo general de
un sistema de comunicacin digital, realizando la distincin entre canales digitales (aquellos
en los que los alfabetos de entrada y salida poseen un nmero de elementos nito) y canales
gausianos (aquellos en los que la salida, conocida la entrada, posee una distribucin conti-
nua gausiana). Estos dos tipos de canales sern objeto de un desarrollo paralelo, en el que se
comenzar deniendo las distintas medidas objetivas de informacin para, a continuacin,
determinar la capacidad de transmisin de informacin del modelo y las condiciones en las
que podemos realizar una transmisin able a travs de ellos.
530 LMITES FUNDAMENTALES EN LAS COMUNICACIONES DIGITALES
9.1. MODELOS PROBABILSTICOS DE CANAL
En el Captulo 4 plantebamos un modelo general de sistema de comunicacin digital
(Figuras 4.1 y 4.39) en el que considerbamos un canal (el canal aditivo gausiano) que es
una abstraccin del medio fsico de transmisin. Ahora deniremos otros modelos de canal
obtenidos a partir del modelo general de comunicacin digital haciendo uso de distintos
niveles de abstraccin. Alguno de estos modelos ya ha sido denido anteriormente, como
el canal discreto equivalente que presentbamos en el Apartado 4.3.3 y emplebamos en
captulos posteriores y que, recordemos, estaba compuesto por el modulador, el canal aditivo
gausiano y el demodulador.
En primer lugar vamos a modicar ligeramente el modelo para transmisin indenida
de smbolos del Apartado 4.5 (Figura 4.39) para obtener el que muestra la Figura 9.1, donde
el decisor ha sido divido en dos partes: la decisin sobre el smbolo de la constelacin que
fue transmitido y la decodicacin de dicho smbolo a smbolos binarios. Sobre esta gura
B l [ ]
] [
l B
Demodulador
Decisor de
smbolos
q[ ] n
r t ( )
Receptor
Decodificador
] [
n A
Decisor
A[ ] n
Transmisor
s t ( )
n t ( )
Canal
Figura 9.1. Modelo general de un sistema de comunicacin digital para transmisin inde-
nida de smbolos.
denimos los modelos antes mencionados tal y como se muestra en la Figura 9.2, donde
podemos ver los siguientes cuatro modelos distintos de canal:
1. Canal gausiano. Es el canal considerado hasta ahora. Representa el canal fsico pro-
piamente dicho, y transforma la seal de entrada mediante la adicin de ruido gau-
siano, blanco y de media nula para obtener la salida. Las entrada y salida de este canal
son seales analgicas en tiempo continuo.
2. Canal gausiano con entrada digital. Este modelo es el que denominbamos canal
discreto equivalente y que presenta como entrada una secuencia de smbolos de un al-
fabeto (constelacin) de M smbolos y como salida una secuencia analgica (la salida
del demodulador). Transforma cada smbolo de la secuencia de entrada, de manera in-
dependiente, mediante la adicin de ruido gausiano en tiempo discreto, blanco y de
media nula para obtener la salida .
9.1 MODELOS PROBABILSTICOS DE CANAL 531
B l [ ]
] [
l B
Demodulador
Decisor de
smbolos
q[ ] n
r t ( )
Receptor
Decodificador
] [
n A
Decisor
A[ ] n
Transmisor
s t ( )
n t ( )
Canal
Canal gausiano
Canal gausiano con entrada digital
Canal digital
Canal digital binario
Figura 9.2. Denicin de modelos de canal sobre el modelo general de un sistema de
comunicacin digital.
3. Canal digital. En este modelo consideramos el conjunto formado por el modulador,
el canal, el demodulador y el decisor de smbolos como un canal que presenta co-
mo entrada una secuencia de smbolos de un alfabeto de M smbolos y como salida
la secuencia de smbolos del mismo alfabeto que proporciona el decisor de smbo-
los. La relacin entre un smbolo de entrada y su correspondiente de salida habr de
determinarse en funcin de las probabilidades de acierto y de error en el decisor.
4. Canal digital binario. Similar al anterior, en este modelo consideramos todo el siste-
ma de comunicacin como un canal, cuyas entrada y salida son secuencias de smbo-
los binarios. Representa el mayor nivel de abstraccin que podemos realizar sobre el
sistema de comunicacin.
Si aqu hemos renombrado el canal discreto equivalente como canal gausiano con en-
trada digital es para enfatizar la caracterizacin que pretendemos realizar sobre cada uno
de estos modelos: una caracterizacin atendiendo fundamentalmente a la relacin entre las
funciones de densidad de probabilidad de la entrada y la salida. De ah el nombre de este
apartado, modelos probabilsticos de canal.
En realidad deberamos contemplar no slo una nica relacin entre las funciones de
densidad de probabilidad de la entrada y la salida sino, en general, una relacin (entre las
funciones de densidad de probabilidad) distinta para cada instante de tiempo, porque, como
bien sabemos, la entrada y la salida en nuestros modelos son procesos estocsticos que
pueden ser no estacionarios. Sin embargo, con el n de evitar una complejidad excesiva en
el anlisis, estableceremos las hiptesis oportunas para eliminar la dependencia temporal en
nuestro estudio.
Realizaremos el anlisis de los distintos canales por orden creciente de complejidad,
comenzando con los canales digitales, contiuando con el canal gausiano y nalizando con
el canal gausiano con entrada digital.
9.1.1. Canales digitales
Al sustituir el modelo de canal digital en el modelo general de transmisin indenida de
smbolos (Figura 9.1), este se transforma en el que muestra la Figura 9.3. En este modelo
B l [ ] ] [
l B ] [
n A
Canal
digital
Decodificador Codificador
A[ ] n
nida de smbolos utilizando el modelo de canal digital.
se considera que cada smbolo de la secuencia A[n] es estadsticamente independiente del
resto de smbolos de la secuencia. Por otra parte, en el Apartado 4.5 demostrbamos que,
en la transmisin de una secuencia de longitud indenida de smbolos, si la secuencia de
smbolos cumple lo anterior y la duracin de las seales empleadas en el modulador no
excede del intervalo de smbolo T, la recepcin de cada smbolo es independiente del resto
de smbolos.
Bajo estas condiciones, un smbolo determinado de la secuencia de salida del canal
digital,

A[n
0
], depende nicamente del smbolo de entrada al canal en ese mismo instante
temporal, A[n
0
], lo que es cierto para cualquier valor concreto del instante temporal, n
0
. En
consecuencia, para caracterizar el canal digital podemos eliminar la dependencia temporal y
analizar nicamente el caso de la transmisin de un smbolo aislado, entendiendo que cada
vez que se use el canal para transmitir un smbolo, no va a modicar su comportamiento.
Pero, qu sucede cuando presentamos un smbolo determinado, a
i
, a la entrada del
canal digital? O, dicho de otra forma, qu sucede cuando transmitimos un smbolo deter-
minado, a
i
? Sucede que a la salida del canal digital aparecer el smbolo a
j
con una proba-
bilidad p
A[A
(a
j
[a
i
) (que aprendimos a calcular en el Captulo 4 a partir de la constelacin
y la varianza de ruido en el canal). Conociendo los valores de la probabilidad condicional
de la salida respecto a la entrada, p
A[A
(a
j
[a
i
), para todas las combinaciones posibles de
smbolos de entrada y salida tendremos perfectamente caracterizado el comportamiento del
canal digital.
Existe un modelo probabilstico ampliamente utilizado que contempla como caso parti-
cular nuestro canal digital y se denomina canal discreto sin memoria (Discrete Memoryless
Channel, DMC). El DMC es un modelo estadstico que relaciona una variable aleatoria X
con funcin de densidad de probabilidad discreta que denominamos entrada, con otra varia-
ble aleatoria Y , tambin discreta, que denominamos salida. En el DMC los alfabetos de X
e Y son, en general, distintos, por lo que el canal digital es un caso particular del DMC.
Una representacin del canal discreto sin memoria es la mostrada en la Figura 9.4, donde
podemos ver que dentro del bloque que representa el canal no encontramos funciones de
transferencia en el dominio de la frecuencia ni respuestas al impulso, sino las probabilidades
condicionales de la salida con respecto a la entrada. El calicativo discreto proviene de la
naturaleza de las probabilidades de X e Y y no de tiempo discreto, por lo que no debemos
p y |x
Y|X j i
( )
X Y
Figura 9.4. Canal discreto sin memoria.
de confundirlo con el canal discreto equivalente estudiado en el Captulo 4. El calicativo
sin memoria proviene del modelo probabilstico de la entrada y salida, que son variables
aleatorias y no procesos estocsticos.
Formalmente, el canal se dene mediante un alfabeto de entrada x
i
, i = 1, . . . , M,
un alfabeto de salida y
j
, j = 1, . . . , L y el conjunto de probabilidades condicionales
p
Y [X
(y
j
[x
i
) i = 1, . . . , M j = 1, . . . , L (9.1)
denominadas probabilidades de transicin, que podemos agrupar en la denominada matriz
de canal como
P =
_
_
p
Y [X
(y
1
[x
1
) p
Y [X
(y
2
[x
1
) p
Y [X
(y
L
[x
1
)
p
Y [X
(y
1
[x
2
) p
Y [X
(y
2
[x
2
) p
Y [X
(y
L
[x
2
)
.
.
.
.
.
.
.
.
.
p
Y [X
(y
1
[x
M
) p
Y [X
(y
2
[x
M
) p
Y [X
(y
L
[x
M
)
_
_
(9.2)
donde, por la forma en que est denida, la suma a lo largo de cada la da como resultado
1.
Ntese que en la denicin entra el alfabeto de la entrada y el de la salida, pero no
la distribucin de probabilidades de la entrada, p
X
(x
i
), i = 1, . . . , M, ni de la salida,
p
Y
(y
j
), j = 1, . . . , L, porque no forman parte de la naturaleza del canal.
Veamos ahora cmo pueden relacionarse las probabilidades de error de smbolo vistas
en el captulo anterior con la matriz de canal del modelo DMC. En primer lugar, hace-
mos corresponder el alfabeto de entrada, x
i
, i = 1, . . . , M, con el alfabeto de smbolos
de la constelacin, a
i
, i = 0, . . . , M 1, y el alfabeto de smbolos de salida, y
j
, j =
1, . . . , M (L = M), con el alfabeto de smbolos de la constelacin a la salida del de-
cisor (el mismo que el del transmisor), a
j
, j = 0, . . . , M 1. Los valores p
Y [X
(y
j
[x
i
)
expresan la probabilidad de decidir que el smbolo transmitido fue a
j1
cuando el smbolo
transmitido fue a
i1
y, de esta forma, los elementos de la diagonal de la matriz de canal se
corresponden con las probabilidades de acierto condicionadas a la transmisin de cada uno
de los smbolos de la constelacin
p
Y [X
(y
i
[x
i
) = p
A[A
(a
i1
[a
i1
) = 1 P
e[a
i1
(9.3)
y la suma del resto de elementos de cada la, con la probabilidad de error condicionada a la
transmisin del smbolo correspondiente
M
j=1
j,=i
p
Y [X
(y
j
[x
i
) =
M1
j=0
j,=i
p
A[A
(a
j1
[a
i1
) = P
e[a
i1
(9.4)
Para ilustrar el procedimiento de obtencin de la matriz de canal vamos a considerar en el
siguiente ejemplo una constelacin de cuatro smbolos (M = L = 4) ya analizada en el
Captulo 4.
Ejemplo 9.1
Considere la constelacin del formato de modulacin paso bajo 4-PAM (vase la Figura 4.28,
Pgina 208), en la que los smbolos tienen de coordenadas 1, 3 y cuya probabilidad de
error media est dada en (4.71).
Aplicando el procedimiento anteriormente descrito, el DMC equivalente tiene la siguiente matriz
de canal
P =
1 Q
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
1 2Q
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
1 2Q
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
2
5
E
s
N
0
1 Q
2
5
E
s
N
0
(9.5)
donde podemos comprobar el cumplimiento de (9.3) y (9.4).
Cada valor posible de la varianza del ruido gausiano que introduce el canal fsico, N
0
/2, genera
una matriz de canal distinta. Por ejemplo, para un valor de N
0
/2 igual a 1, que se corresponde
con un valor de E
s
/N
0
igual a 2,5, la matriz de canal toma la forma
P =
_
_
0,8413 0,1573 0,0013 2,9 10
7
0,1587 0,6827 0,1573 0,0013
0,0013 0,1573 0,6827 0,1587
2,9 10
7
0,0013 0,1573 0,8413
_
_
(9.6)
y para un valor de N
0
/2 diez veces menor, 0,1, la matriz de canal toma la forma
P =
_
_
0,9992 7,8 10
4
1,2 10
21
1,3 10
56
7,8 10
4
0,9984 7,8 10
4
1,2 10
21
1,2 10
21
7,8 10
4
0,9984 7,8 10
4
1,3 10
56
1,2 10
21
7,8 10
4
0,9992
_
_
(9.7)
Podemos comprobar que conforme la varianza de ruido tiende a cero, la matriz de canal tiende a
la matriz identidad.
Un caso particular del DMC de especial importancia lo obtenemos cuando M = L = 2
y la matriz de canal es simtrica. En este caso la matriz de canal toma la forma
P =
_
p
Y [X
(y
1
[x
1
) p
Y [X
(y
2
[x
1
)
p
Y [X
(y
1
[x
2
) p
Y [X
(y
2
[x
2
)
_
=
_
1 p p
p 1 p
_
(9.8)
y se conoce con el nombre de canal binario simtrico (Binary Symmetric Channel, BSC),
que se suele representar de forma grca tal y como se muestra en la Figura 9.5.
El BSC es el modelo probabilstico ms adecuado para representar el canal digital bina-
rio denido anteriormente, cuya sustitucin en el modelo general de transmisin indenida
de smbolos (Figura 9.1) da como resultado el que muestra la Figura 9.6. Sin embargo, an-
tes de dar por buena la equivalencia entre canal digital binario y BSC, conviene realizar las
siguientes puntualizaciones:
x
1
x
2
1-p
p
1-p
p
y
1
y
2
Figura 9.5. Canal binario simtrico.
B l [ ] ] [
l B
Canal
digital
binario
nida de smbolos utilizando el modelo de canal digital binario.
1. El BSC representa un comportamiento medio a lo largo del tiempo del canal digital
binario, porque la transmisin de la secuencia A[n] se realiza smbolo a smbolo y, en
general, es necesario ms de un smbolo de la secuencia binaria B[l] para generar cada
smbolo de A[n]. O, en otras palabras, podemos decir que mientras que el canal digital
no posee memoria (porque la transmisin se realiza smbolo a smbolo de manera
independiente) y encaja perfectamente en el modelo del DMC, el canal digital binario
tiene la memoria introducida por el codicador que transforma la secuencia B[l] en la
secuencia A[n] y, por tanto, no puede considerarse, en puridad, un canal sin memoria.
Desde este punto de vista, el BSC es una aproximacin al canal digital binario que
representa su comportamiento medio a lo largo del tiempo.
2. El valor de la probabilidad p denida para el BSC, (9.8), equivale a la BER del canal
digital binario, pero para el clculo de esta BER (vase Pgina 228 y siguientes) se
emplean las probabilidades de aparicin de cada uno de los smbolos de la conste-
lacin, lo cual no concuerda con la propia denicin del BSC, independiente de la
distribucin de probabilidades a su entrada.
A pesar de esta discordancia entre las hiptesis del modelo BSC y la naturaleza del canal
digital binario, se suele aceptar en la prctica la equivalencia entre ambos, asignando a p el
valor de la BER, tal y como se muestra en el siguiente ejemplo.
Ejemplo 9.2
Considere la constelacin del Ejemplo 9.1 empleada conjuntamente con el codicador del Ejem-
plo 4.5, tal y como se muestra en la Figura 4.43 (Pgina 229). Bajo la hiptesis de smbolos
equiprobables, se obtiene una BER del sistema, (4.102), igual a
BER =
3
4
Q
_
_
4
5
E
b
N
0
_
+
1
2
Q
_
3
_
4
5
E
b
N
0
_
1
4
Q
_
5
_
4
5
E
b
N
0
_
El BSC equivalente tendr una matriz de canal
P =
_
1 BER BER
BER 1 BER
_
(9.9)
que, para un valor de N
0
/2 igual a 1, que se corresponde con un valor de E
b
/N
0
igual a 1,25, la
matriz de canal toma la forma
P =
_
0,8803 0,1197
0,1197 0,8803
_
(9.10)
y para un valor de N
0
/2 diez veces menor, 0,1, la matriz de canal toma la forma
P =
_
0,9994 0,0006
0,0006 0,9994
_
(9.11)
9.1.2. Canal gausiano
Aparentemente, la obtencin de un modelo probabilstico para el canal gausiano debera
ser una tarea sencilla, porque la sustitucin del canal gausiano en el modelo general de
transmisin indenida de smbolos (Figura 9.1) deja a este prcticamente inalterado, tal y
como puede observarse en la Figura 9.7.
B l [ ]
] [
l B
Demodulador
Decisor de
smbolos
q[ ] n
r t ( )
Decodificador
] [
n A
A[ ] n s t ( ) Canal
gausiano
nida de smbolos utilizando el modelo de canal gausiano.
Sin embargo, la sencillez termina aqu, como vamos a comprobar de inmediato. La re-
lacin entre la entrada y la salida del canal viene dada por
r(t) = s(t) +n(t)
donde n(t) es un proceso gausiano blanco de media nula y densidad espectral de potencia
N
0
/2. La funcin de autocorrelacin de n(t) es, por tanto
R
n
() =
N
0
2
() (9.12)
lo que implica que la varianza de n(t) en cualquier instante es innita, que a su vez acarrea
no pocos problemas, pero este no es el nico hasta obtener un modelo probabilstico que
resulte til. Lo que sigue es el planteamiento de modelos equivalentes al original que nos
van a permitir obtener el modelo probabilstico que estamos buscando.
Para limitar la potencia del ruido podemos situar a la salida del canal un ltro selectivo en
frecuencia, como se muestra en la Figura 9.8, siempre que este ltro no introduzca ninguna
distorsin sobre la seal del transmisor, s(t), o, ms concretamente, siempre que seamos
capaces de encontrar un conjunto de seales que no sean distorsionadas a su paso por el
ltro con respuesta al impulso g(t).
s( ) t r t ( )
n t ( )
g t
G j
( )
( ) w
Figura 9.8. Canal gausiano de banda limitada.
Un ltro que cumple esas caractersticas es un ltro paso bajo ideal con frecuencia de
corte W, con funcin de transferencia
G(j) =
_

2W
_
(9.13)
y respuesta al impulso
g(t) =
W
sinc
_
Wt
_
(9.14)
y que da nombre a este modelo de canal, denominado canal gausiano de banda limitada.
El ruido a la salida del ltro, que denotaremos como n
(t), es un proceso gausiano

estacionario de media nula y densidad espectral de potencia, S
n
(j), dada por
S
n
(j) = S
n
(j) [G(j)[
2
=
N
0
2

_

2W
_
(9.15)
Su funcin de autocorrelacin, R
n
(), se obtiene como la Transformada de Fourier inversa
de S
n
(j),
R
n
() =
N
0
W
2
sinc
_
W
_
(9.16)
De aqu, teniendo en cuenta que sinc(0) = 1, obtenemos que la varianza de n
(t) en cual-
quier instante es WN
0
/2, y la funcin de densidad de probabilidad es
f
n
(t)
(n
(t)) =
1
WN
0
e
(t)
2
WN
0
(9.17)
Ahora hay que encontrar un conjunto de elementos de la base del espacio de seal,
j
(t), j = 0, . . . , N 1, que no se vea afectado a su paso por el sistema con respuesta al
impulso g(t). Esto es, buscamos formas de onda
j
(t) que cumplan
j
(t) g(t) =
j
(t) (9.18)
Al mismo tiempo han de cumplir el criterio de Nyquist generalizado
_

i
(t kT)
j
(t lT)dt = [i j][k l] i, j = 0, . . . N 1, k, l Z (9.19)
que nos garantiza (debido a la condicin de ortogonalidad) la independencia con estadsti-
ca gausiana y, por tanto, que cada elemento de la secuencia q[n], q[n
0
], es un estadstico
suciente para la deteccin del smbolo A[n
0
].
Para evitar una formulacin excesivamente farragosa vamos a jar, sin prdida de gene-
ralidad, la dimensionalidad del espacio de seales, N, igual a 1.
Fijando W = /T, encontramos el siguiente
0
(t), que no es otro que un pulso en raz
de coseno alzado de ancho de banda mnimo
0
(t) =
_
1
T
sinc
_
t
T
_
TF

0
(j) =
T
_
T
2
_
(9.20)
que cumple (9.18), ya que
0
(j)G(j) =
0
(j) y cumple (9.19) porque ser un ltro en
raz de coseno alzado. Para dimensiones del espacio de seales, N, mayores que uno pueden
encontrarse formas de onda basadas en la funcin sinc modulada en amplitud que cumplen
las condiciones de ortonormalidad (9.19) haciendo W = N/T, como encontramos en el
formato de modulacin OFDM tratado en el captulo anterior.
El siguiente paso consiste en restituir la independencia entre las muestras del ruido que
se ha perdido al introducir el ltro de limitacin de banda. Para ello vamos a plantear un
modelo equivalente en tiempo discreto con ayuda de tcnicas de muestreo, que no introduce
ninguna limitacin adicional a la informacin que podemos transmitir por el canal.
Tenemos que tanto la entrada (si se quiere, efectiva) como la salida del canal son de
banda limitada, y podemos emplear un muestreo uniforme ideal a la frecuencia de Nyquist;
esto es, con un periodo de muestro T
s
igual a /W. Como anteriormente, jaremos, sin
prdida de generalidad, la dimensin del espacio de seales, N, igual a 1.
En estas condiciones, jando W = /T tenemos T
s
= T, y deniendo s[n] s(nT),
n[n] n
(nT) y r[n] r(nT), nuestro canal se reduce al canal discreto equivalente cuando
se cumple el criterio de Nyquist (vase el Apartado 5.2), siendo su relacin entre entrada y
salida
r[n] = s[n] +n[n] (9.21)
con n[n] un proceso gausiano y blanco en tiempo discreto, funcin de autocorrelacin
R
n
[k] =
N
0
2T
[k] =
N
0
W
2
[k] y estadsticamente independiente de s[n] (derivado del mode-
lo de comunicaciones). s[n] es un proceso en tiempo discreto con la misma base de tiempo
que la secuencia de smbolos A[n] y generado a partir de esta mediante una transformacin
sin memoria, lo que hace que, si los valores de A[n] eran estadsticamente independientes
unos de otros, tambin lo sean los de la secuencia s[n]. La diferencia, en trminos de natu-
raleza probabilstica, entre s[n] y A[n], reside en que mientras que la funcin de densidad
de probabilidad de cada muestra de s[n] es continua, la de la secuencia A[n] es discreta.
Una vez conseguida la independencia estadstica entre las muestras de n[n] y entre las
muestras de s[n] ya podemos suprimir la dependencia temporal y denir formalmente el
canal probabilstico gausiano
1
como aquel que relaciona dos variables aleatorias X e Y con
funciones de densidad de probabilidad continuas sobre R mediante la funcin de densidad
1
Siempre que no exista ambigedad, nos referiremos al canal probabilstico gausiano simplemente como
canal gausiano.
de probabilidad condicional
f
Y [X
(y[x) =
1
2
e
(yx)
2
2
2
(9.22)
En nuestro caso,
2
= N
0
W/2 = N
0
/2T, siendo utilizado el canal 1/T veces por
segundo.
Para dimensiones del espacio de seales, N, mayores que uno puede realizarse un desa-
rrollo paralelo que conduce a una formulacin vectorial de (9.21) en la que cada muestra del
proceso multidimensional n[n] es estadsticamente independientemente del resto de mues-
tras, de media nula y matriz de covarianza C
n
= N
0
/(2T) I, siendo I la matriz identidad.
El canal probabilstico gausiano resultante posee una funcin de densidad de probabilidad
condicional
f
Y [X
(y[x) =
1
(2
2
)
N
2
e
yx
2
2
2
(9.23)
con
2
= N
0
W/2 = N
0
/2T. Este modelo es conocido en la literatura como canales
gausianos en paralelo.
9.1.3. Canal gausiano con entrada digital
La sustitucin del canal gausiano con entrada digital en el modelo general de transmisin
indenida de smbolos (Figura 9.1) da como resultado el que muestra la Figura 9.9. Como
B l [ ]
] [
l B
Decisor de
smbolos
q[ ] n
Decodificador
] [
n A
Codificador
Canal gausiano con
entrada digital
A[ ] n
nida de smbolos utilizando el modelo de canal gausiano con entrada digital.
qued establecido en el Apartado 4.5 (Pgina 224 y siguientes), la entrada a este canal es
una secuencia de smbolos A[n] pertenecientes a la constelacin a
i
, i = 0, . . . , M 1 y
estadsticamente independientes. La salida, q[n], toma la forma (4.99)
q[n] = A[n] +n[n]
donde n[n] es la componente de ruido, que es un proceso estocstico discreto multidimen-
sional gausiano independiente de A[n], cuyas muestras son a su vez mutuamente indepen-
dientes y con funcin de densidad de probabilidad
f
n[n]
(n[n]) =
1
(N
0
)
N/2
e
n[n]
2
N
0
(9.24)
A partir de aqu, la obtencin del modelo probabilstico es simple. Formalmente, lo de-
nimos como aquel que relaciona dos variables aleatorias X e Y , la primera con un alfabeto
x
i
, i = 1, . . . , M y la segunda con una funcin de densidad de probabilidad continua
sobre R (ntese que la funcin de densidad de probabilidad de Y no entra en la deni-
cin del canal, slo su dominio, R) y el conjunto de funciones de densidad de probabilidad
condicionales
f
Y [X
(y[x
i
) =
1
(2
2
)
N
2
e
yx
i
2
2
2
i = 1, . . . , M (9.25)
A este canal lo denominamos canal gausiano con entrada discreta.
En nuestro caso,
2
= N
0
/2, independientemente de la dimensionalidad del espacio de
seales.
9.2. CANALES DIGITALES
Una vez establecido el modelo probabilstico para los canales digitales, el DMC, en el
apartado anterior, abordaremos ahora el establecimiento de los lmites en este tipo de canales
con ayuda de la teora de la informacin de Shannon. Comenzaremos con el establecimiento
de las medidas de informacin, para denir posteriormente el concepto de capacidad de ca-
nal y, nalmente, el teorema de codicacin de canal, que es el que realmente establece que
podemos realizar una comunicacin tan able como deseemos siempre que transmitamos
una cantidad de informacin no superior a la de la capacidad del canal.
9.2.1. Informacin y entropa
Intuitivamente podemos decir que un evento poco frecuente contiene mucha informacin
y un evento frecuente, poca. Que un poltico dimita de un cargo pblico tras algn escndalo
es un evento que contiene gran informacin por lo infrecuente y, en cambio, que no dimita
en tales circunstancias contiene poca informacin.
Para evitar la subjetividad que entraa una denicin de informacin como esta es nece-
sario recurrir a la teora de la probabilidad y denir una medida objetiva de la informacin
sobre una variable aleatoria. Esta medida es la entropa, cuya denicin y propiedades vere-
mos en este apartado. Tambin analizaremos la medida de la informacin que una variable
aleatoria proporciona sobre otra mediante la informacin mutua.
Entropa, entropa conjunta y entropa condicional
Consideremos una variable aleatoria discreta X que puede tomar uno de entre M valores
posibles x
i
, i = 1, . . . , M de acuerdo con la distribucin de probabilidades p
X
(x
i
), i =
1, . . . , M. En el caso del canal digital, esta variable aleatoria X puede corresponderse con
la entrada o la salida, siendo M el nmero de puntos de la constelacin de seales y, si X se
9.2 CANALES DIGITALES 541
corresponde con la entrada, una distribucin de probabilidades uniforme (p
X
(x
i
) = 1/M).
En el caso del canal digital binario, X puede corresponderse con la entrada o la salida
tomando M un valor igual a 2. Aqu vamos a considerar que cada smbolo x
i
tiene una
probabilidad de aparicin p
X
(x
i
) que es, en general, distinta de p
X
(x
j
) para i ,= j.
Denimos la entropa de X, H(X), como
H(X)
.
=
M
i=1
p
X
(x
i
) log
2
1
p
X
(x
i
)
=
M
i=1
p
X
(x
i
) log
2
p
X
(x
i
) (9.26)
que expresamos en bits, y donde consideramos 0 log
2
0 = 0. Antes de entrar a analizar
esta medida conviene decir que puede aplicarse a cualquier variable aleatoria discreta y que
podemos emplear otras bases para el logaritmo, en cuyo caso cambian las unidades en que
se expresa la medida, pero no la propia medida; si en lugar de emplear el logaritmo en base
2 hubisemos empleado el logaritmo neperiano, el resultado se expresara en nats.
La entropa puede interpretarse desde dos puntos de vista distintos. Desde el punto de
vista del modelo de sistema de comunicacin digital o, en general, desde el punto de vista
de un observador que espera a que la variable aleatoria B tome un valor determinado, la
entropa representa la incertidumbre sobre el valor concreto que tomar X. Si X tomase
siempre el mismo valor (un valor de p
X
(x
i
) igual a 1 y el resto 0) no tenemos ninguna
incertidumbre sobre el valor que tomar X, y podemos comprobar que la entropa en ese
caso es igual a 0. Si X deja de tomar siempre el mismo valor, la incertidumbre aumenta y,
con ella, la entropa.
Desde el punto de vista de una fuente que genere el smbolo X, la entropa representa el
valor medio de la informacin que contiene el smbolo. No en vano, la entropa puede con-
siderarse como la esperanza matemtica de una funcin sobre x, log
2
1
p
X
(x
i
)
, y esta funcin
es una medida objetiva del concepto intuitivo de informacin que mencionamos al principio
del apartado (un evento contiene ms informacin cuanto menos probable es su ocurrencia).
Esta interpretacin tambin est relacionada con el sentido de entropa empleado en fsica
y, concretamente, con el concepto de entropa en termodinmica.
En el Apndice 9.A puede encontrase la justicacin que ofrece Shannon sobre la adop-
cin de la entropa como medida de incertidumbre o informacin.
La entropa es un funcional de la distribucin de probabilidad de los smbolos, H(X) =
H(p
X
(x
i
), i = 1, . . . , M), y no depende de los valores concretos x
i
que tomen estos.
Algunas de sus propiedades son:
H(X) 0, ya que 0 p
X
(x
i
) 1 y, consecuentemente, log
2
(1/p
X
(x
i
)) 0.
H(X) log
2
M, producindose la igualdad si y slo si los smbolos son equiproba-
bles (p
X
(x
i
) = 1/M). Esta propiedad se demuestra en el Apndice 9.B.
Para ilustrar estas propiedades vamos a calcular la entropa en un caso muy sencillo. Si
M = 2 y p
X
(x
1
) = p = 1 p
X
(x
2
), la entropa de X es igual a
H(X) = p log
2
p (1 p) log
2
(1 p)
.
= H(p) (9.27)
0
0
0.1
0.1
0.2
0.2
0.3
0.3
0.4
0.4
0.5
0.5
0.6
0.6
0.7
0.7
0.8
0.8
0.9
0.9
1
1
p
H(p)
Figura 9.10. Entropa de un alfabeto binario en funcin de la probabilidad de aparicin de
uno de los smbolos.
cuyo valor est representado en la Figura 9.10 en funcin de p. Podemos comprobar que
en los casos en que no existe incertidumbre (p = 0 y p = 1) la entropa es nula. Fuera de
estos casos la entropa es siempre mayor que cero, tomando el valor mximo, un bit, cuando
los smbolos son equiprobables. La funcin H(p) denida en (9.27) recibe el nombre de
funcin entropa, y no debe confundirse con la entropa de una variable aleatoria, pues su
argumento es un nmero entre 0 y 1.
Podemos extender la denicin de entropa a ms de una variable aleatoria (por ejem-
plo, a dos smbolos de la secuencia B[n] del modelo de transmisin de una secuencia in-
denida) sin ms que considerar su funcin de probabilidad conjunta. Para mayor gene-
ralidad, consideramos que la segunda variable aleatoria, Y , tiene un alfabeto de L smbo-
los, y
i
, i = 1, . . . , L y una distribucin de probabilidades (marginales) p
Y
(y
j
), j =
1, . . . , L. La entropa conjunta de X e Y con una distribucin de probabilidad conjunta
p
X,Y
(x
i
, y
j
), i = 1, . . . , M, j = 1, . . . , L, H(X, Y ), se dene como
H(X, Y )
.
=
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
1
p
X,Y
(x
i
, y
j
)
(9.28)
y se mide, al igual que la entropa, en bits.
La interpretacin de la entropa conjunta no diere de la de entropa para una variable
aleatoria porque, al n y al cabo, el par de variables X e Y puede considerarse como una
nica variable aleatoria vectorial con un alfabeto de ML smbolos.
Si las variables X e Y son independientes se cumple que p
X,Y
(x
i
, y
j
) = p
X
(x
i
)p
Y
(y
j
)
y su entropa conjunta es la suma de las entropas individuales
H(X, Y ) =
M
i=1
L
j=1
p
X
(x
i
)p
Y
(y
j
) log
2
1
p
X
(x
i
)p
Y
(y
j
)
=
M
i=1
L
j=1
p
X
(x
i
)p
Y
(y
j
) log
2
1
p
X
(x
i
)
+
M
i=1
L
j=1
p
X
(x
i
)p
Y
(y
j
) log
2
1
p
Y
(y
j
)
=
M
i=1
p
X
(x
i
) log
2
1
p
X
(x
i
)
+
L
j=1
p
Y
(y
j
) log
2
1
p
Y
(y
j
)
= H(X) +H(Y ) (9.29)
Sin embargo, ese es el caso en que la combinacin de dos variables produce mayor en-
tropa, ya que si ambas variables no fuesen independientes, el conocimiento del valor de una
de ellas nos eliminara incertidumbre sobre el valor de la otra. Para medir esta incertidumbre
denimos la entropa condicional de dos variables X e Y , H(X[Y ) como
H(X[Y )
.
=
L
j=1
p
Y
(y
j
)H(X[Y = y
j
)
=
L
j=1
p
Y
(y
j
)
M
i=1
p
X[Y
(x
i
[y
j
) log
2
1
p
X[Y
(x
i
[y
j
)
=
L
j=1
M
i=1
p
X,Y
(x
i
, y
j
) log
2
1
p
X[Y
(x
i
[y
j
)
(9.30)
donde p
X[Y
(x
i
[y
j
) es la probabilidad de X condicionada a Y , que cumple, de acuerdo con
la regla de Bayes, que p
X[Y
(x
i
[y
j
)p
Y
(y
j
) = p
X,Y
(x
i
, y
j
). La entropa condicional tambin
se mide en bits.
La entropa condicional puede interpretarse como la medida de la incertidumbre que
tenemos sobre el valor de X una vez que conocemos el valor de Y o, visto al contrario,
conocido Y , H(X[Y ) representa la informacin nueva que aade el conocimiento de X. Si,
como hemos considerado antes, las variables X e Y fuesen independientes, el conocimiento
del valor de una no elimina incertidumbre con respecto a la otra y se cumple, como podemos
comprobar fcilmente, que H(X[Y ) = H(X).
Podemos relacionar la entropa conjunta con la condicional de la forma
H(X, Y ) =
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
1
p
X,Y
(x
i
, y
j
)
=
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
1
p
X
(x
i
)p
Y [X
(y
j
[x
i
)
=
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
1
p
X
(x
i
)
+
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
1
p
Y [X
(y
j
[x
i
)
=
M
i=1
p
X
(x
i
) log
2
1
p
X
(x
i
)
+
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
1
p
Y [X
(y
j
[x
i
)
= H(X) +H(Y [X) (9.31)
y realizando un desarrollo similar podemos llegar a demostrar que
H(X, Y ) = H(Y ) +H(X[Y ) (9.32)
lo que no quiere decir, por comparacin con (9.31), que H(X[Y ) sea igual a H(Y [X),
como podemos comprobar sin ms que considerar una situacin en la que H(X[Y ) ,= 0 y
H(X) ,= H(Y ).
Informacin mutua
El concepto que podramos denir como contrario a la entropa condicional es la in-
formacin mutua entre dos variables aleatorias X e Y , I(X; Y ), ya que representa la incer-
tidumbre que hemos eliminado sobre el valor de X mediante el conocimiento del valor de
Y o, visto de otra forma, la informacin que aporta Y sobre el valor que puede tomar X.
Formalmente se dene como
I(X; Y )
.
=
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
p
X,Y
(x
i
, y
j
)
p
X
(x
i
)p
Y
(y
j
)
(9.33)
y se mide en bits.
La informacin mutua es una medida no negativa, I(X; Y ) 0, como demostramos en
el Apndice 9.B. Adems, puede expresarse en funcin de la entropa si reescribimos (9.33)
de la forma
I(X; Y ) =
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
p
X,Y
(x
i
, y
j
)
p
X
(x
i
)p
Y
(y
j
)
=
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
p
X[Y
(x
i
[y
j
)
p
X
(x
i
)
=
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
1
p
X
(x
i
)
+
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
p
X[Y
(x
i
[y
j
)
=
M
i=1
p
X
(x
i
) log
2
1
p
X
(x
i
)

M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
1
p
X[Y
(x
i
[y
j
)
= H(X) H(X[Y ) (9.34)
Con un desarrollo similar llegamos a
I(X; Y ) = H(Y ) H(Y [X) (9.35)
Bien a partir de la denicin (9.33), o bien igualando (9.34) a (9.35), obtenemos que la
informacin mutua es una medida simtrica
I(X; Y ) = I(Y ; X) (9.36)
Adems, sustituyendo (9.32) en (9.34) relacionamos la informacin mutua con la entropa
conjunta como
I(X; Y ) = H(X) +H(Y ) H(X, Y ) (9.37)
Estas relaciones podemos expresarlas grcamente mediante un diagrama de Venn tal y
como se muestra en la Figura 9.11, donde cada uno de los conjuntos representa la entropa de
cada variable, H(X) y H(Y ); la interseccin entre ellos es la informacin mutua, I(X; Y ),
y la unin la entropa conjunta, H(X, Y ). Si X fuese independiente de Y ambos conjuntos
I X Y ( , ) H X Y ( | )
H Y X ( | )
H X ( )
H Y ( )
H X Y ( , )
Figura 9.11. Relacin entre entropa e informacin mutua.
tendran interseccin nula, y si X fuese igual a Y , la entropa condicional de una variable
con respecto a la otra sera nula.
A partir de la denicin de informacin mutua, (9.33), tambin podemos obtener la de-
nicin de entropa. Para ello basta considerar la informacin mutua de una variable consigo
misma, I(X; X). Teniendo en cuenta que la distribucin conjunta de una variable consigo
misma toma la forma p
X,X
(x
i
, x
j
) = [i j]p
X
(x
i
) tenemos
I(X; X) =
M
i=1
M
j=1
[i j]p
X
(x
i
) log
2
[i j]p
X
(x
i
)
p
X
(x
i
)p
X
(x
j
)
=
M
i=1
p
X
(x
i
) log
2
p
X
(x
i
)
p
X
(x
i
)p
X
(x
i
)
=
M
i=1
p
X
(x
i
) log
2
1
p
X
(x
i
)
= H(X) (9.38)
De aqu que la entropa tambin se conoce con el nombre de autoinformacin.
9.2.2. Capacidad de canal
Una vez denidos los conceptos de entropa e informacin mutua estamos en condicio-
nes de determinar la cantidad mxima de informacin que podemos transmitir por el DMC.
Para ello vamos a calcular la informacin mutua entre la entrada y la salida del canal y a
travs de ella intentaremos averiguar qu parte de la informacin se transmite y qu parte se
pierde a su paso por el canal.
Para calcular la informacin entre la entrada, X, y la salida, Y , del DMC es necesario
conocer las distribuciones de probabilidad de X e Y . Conocida una de ellas, por ejemplo,
la distribucin de probabilidades de la entrada, p
X
(x
i
), i = 1, . . . , M, y haciendo uso
de las probabilidades de transicin que denen el DMC, p
Y [X
(y
j
[x
i
), i = 1, . . . , M, j =
1, . . . , L, queda determinada la distribucin de probabilidad conjunta de la entrada y la
salida, p
X,Y
(x
i
, y
j
) = p
Y [X
(y
j
[x
i
)p
X
(x
i
). A partir de esta, mediante marginalizacin, ob-
tenemos la distribucin de probabilidades de la salida como
p
Y
(y
j
) =
M
i=1
p
X,Y
(x
i
, y
j
) =
M
i=1
p
Y [X
(y
j
[x
i
)p
X
(x
i
) (9.39)
y tenemos, en denitiva, la caracterizacin estadstica completa de la entrada y la salida.
A partir de todas estas distribuciones de probabilidad podemos calcular la informacin
mutua entre la entrada y la salida del canal; por ejemplo, calculando H(X), H(Y ), H(X, Y )
y aplicando (9.37).
En primer lugar, podemos decir que la informacin mutua entre la entrada y la salida del
canal representa la informacin que aporta la salida del canal sobre la entrada, o la incerti-
dumbre que eliminamos sobre el valor de la entrada conociendo la salida o, en denitiva, la
informacin que es transmitida por el canal.
Para aclarar esta idea, emplearemos la igualdad (9.34), I(X; Y ) = H(X) H(X[Y ) y
analizaremos dos casos extremos en el DMC ms sencillo, el BSC: el mejor canal posible,
esto es, un canal libre de errores (p = 0 , alternativamente, p = 1) y el peor canal posible,
es decir, un canal con la mxima probabilidad de error (p = 1/2)
2
.
La distribucin conjunta de probabilidades entrada-salida en el caso en que la probabi-
lidad de error, p, es igual a 0 es la que muestra el Cuadro 9.1. A partir de esta distribucin
p
X,Y
(x
i
, y
j
) x
1
x
2
y
1
p
X
(x
1
) 0
y
2
0 p
X
(x
2
)
Cuadro 9.1. Distribucin de probabilidades en el BSC con p = 0.
o, simplemente, teniendo en cuenta que cuando p = 0 no se producen errores, podemos
establecer la identidad Y = X. Empleando la igualdad (9.38), obtenemos que
I(X; Y ) = H(X)
y, teniendo en cuenta (9.34), obtenemos que H(X[Y ) = 0, lo que tambin podramos haber
deducido directamente a partir de la denicin de entropa condicional: en nuestro caso,
conocida Y eliminamos toda incertidumbre sobre el valor de X y, por tanto, H(X[Y ) = 0.
La distribucin conjunta de probabilidades entrada-salida en el caso en que la proba-
bilidad de error, p, es igual a 1/2 es la que muestra el Cuadro 9.2, donde, como era de
p
X,Y
(x
i
, y
j
) x
1
x
2
y
1
p
X
(x
1
)/2 p
X
(x
2
)/2
y
2
p
X
(x
1
)/2 p
X
(x
2
)/2
Cuadro 9.2. Distribucin de probabilidades en el BSC con p = 1/2.
esperar (tngase en cuenta que en esta situacin al enviar un smbolo existe tanta probabili-
dad de que aparezca el mismo smbolo como el otro) Y posee una distribucin equiprobable
independientemente de la que posee X o, lo que es lo mismo, X e Y son estadsticamente
independientes (p
X,Y
(x
i
, y
j
) = p
X
(x
i
)p
Y
(y
j
)). Como hemos deducido anteriormente, si X
e Y son independientes, su informacin mutua es nula (I(X; Y ) = 0) y, teniendo en cuenta
(9.34), obtenemos que H(X[Y ) = H(X), lo que tambin podramos haber deducido direc-
tamente a partir de la denicin de entropa condicional: en nuestro caso, el conocimiento
de Y no elimina ninguna incertidumbre sobre el valor de X porque ambas variables son
independientes y, por tanto, H(X[Y ) = H(X).
De estos dos casos extremos podemos extraer las siguientes conclusiones:
La informacin mutua entre la entrada y la salida del canal es la cantidad de informa-
cin que pasa de la entrada a la salida cuando se utiliza dicho canal. En el caso en el
2
Si p fuese mayor de 1/2 no hay ms que intercambiar los smbolos a la salida para tener una probabilidad
menor que 1/2.
que la probabilidad de error es nula, pasa toda la informacin (I(X; Y ) = H(X)),
y en el caso en que la entrada y la salida son estadsticamente independientes, se
pierde toda la informacin (I(X; Y ) = 0).
H(X[Y ) puede interpretarse como la informacin que se pierde en el canal, y as
la informacin que atraviesa el canal (I(X; Y )) es igual a la que hay a la entrada
(H(X)) menos la que se pierde (H(X[Y )), segn (9.34). En el caso en que la
probabilidad de error es cero, la prdida es nula, y en el caso en que la entrada y la
salida son estadsticamente independientes, la prdida es total, es decir, igual a la
informacin a la entrada del canal.
Estas conclusiones pueden extenderse a cualquier DMC con alfabetos de entrada y salida
de, respectivamente, M y L smbolos.
Ahora bien, la informacin mutua entre la entrada y la salida del canal es funcin no
slo de las probabilidades de transicin del canal, sino tambin de la distribucin de proba-
bilidades a la entrada. Si lo que deseamos es una caracterizacin slo del canal, esta debe
ser la cantidad de informacin que es capaz de atravesar dicho canal. Para determinarla, de-
bemos ensayar todas las posibles distribuciones de entrada, tomando el valor mximo de la
informacin mutua entre la entrada y la salida como la verdadera capacidad de transmisin
de informacin del canal. Formalmente, denimos la capacidad de canal, C, de un canal
discreto sin memoria, como
C
.
= m ax
p
X
(x
i
)
I(X; Y ) (9.40)
Algunas propiedades de la capacidad de canal son las siguientes:
C 0, ya que I(X; Y ) 0.
C log
2
M, ya que C = m ax I(X; Y ) m ax H(X) = log
2
M.
C log
2
L, ya que C = m ax I(X; Y ) m ax H(Y ) = log
2
L.
Para algunos casos sencillos, como el canal binario simtrico, podemos calcular de for-
ma directa la capacidad del canal
I(X; Y ) = H(Y ) H(Y [X)
= H(Y )
2
i=1
p
X
(x
i
)H(Y [X = x
i
)
= H(Y )
2
i=1
p
X
(x
i
)
_
_
j=1
p
Y [X
(y
j
[x
i
) log
2
p
Y [X
(y
j
[x
i
)
_
_
= H(Y )
2
i=1
p
X
(x
i
) (p log
2
p (1 p) log
2
(1 p))
= H(Y )
2
i=1
p
X
(x
i
)H(p)
= H(Y ) H(p) (9.41)
donde H(p) es la funcin entropa denida en (9.27) y representada en la Figura 9.10. El
mximo de (9.41) se consigue cuando los smbolos de entrada son equiprobables, lo que
produce a la salida smbolos equiprobables y, por tanto, H(Y ) = 1. La capacidad C en este
caso es
C = 1 H(p) bits (9.42)
Para otros casos sencillos podemos obtener demostraciones similares, buscando siempre
la distribucin de probabilidades a la entrada que hace mxima la informacin mutua entre
la entrada y la salida. Sin embargo, no existe un procedimiento estndar que nos permita,
sistemticamente, obtener la capacidad de un canal discreto sin memoria de manera anal-
tica. Aunque en algunos casos especiales podemos encontrar resultados en la literatura que
ofrecen frmulas cerradas para el clculo de la capacidad de canal (vase Problema P9.11),
en general se puede calcular la capacidad de canal para valores concretos de la matriz de ca-
nal mediante tcnicas numricas de optimizacin no lineal teniendo en cuenta que I(X; Y )
es una funcin continua respecto al valor de la distribucin de probabilidades de entrada,
cncava y con un nico mximo
3
.
Veamos ahora algunos ejemplos de clculo de la capacidad de canal. En primer lugar,
calcularemos la capacidad del BSC equivalente al canal digital binario considerado en el
Ejemplo 9.2.
Ejemplo 9.3
Continuando con el Ejemplo 9.2 (recuerde que se obtiene el BSC equivalente a un sistema
de comunicaciones que emplea la constelacin que muestra la Figura 4.28 y el codicador del
Ejemplo 4.5, obteniendo la BER expresada en (4.102)), y empleando la frmula de la capacidad
de un canal BSC previamente obtenida, (9.42), tenemos que para un valor de N
0
/2 igual a 1
(E
b
/N
0
= 1, 25), que proporcionaba una BER igual a 0,1197, la capacidad del BSC es de
0,4716 bits por uso del canal. Igualmente, para un valor de N
0
/2 diez veces menor, 0,1, que
proporcionaba una BER igual a 0,0006, la capacidad del BSC es de 0,9929 bits por uso del
canal.
Variando de forma continua el valor de N
0
, obtenemos la relacin entre la relacin seal a ruido
en el canal (expresada en trminos de E
b
/N
0
) y la capacidad del canal que muestra la Figura
9.12. En ella podemos apreciar cmo al disminuir la relacin seal a ruido la capacidad del canal
tiende a ser nula.
Analicemos ahora el DMC equivalente al canal digital de cuatro smbolos del Ejemplo
9.1.
Ejemplo 9.4
Empleando la constelacin que muestra la Figura 4.28, en el Ejemplo 9.1 calculbamos la matriz
de canal del DMC equivalente, (9.5), que particularizbamos para dos valores distintos de N
0
en
(9.6) y (9.7).
En este caso no es tan sencillo encontrar analticamente la distribucin de probabilidades a la
entrada del canal que hace mxima la informacin mutua entre la entrada y la salida del canal.
3
Estas propiedades de la informacin mutua facilitan enormemente los procedimientos de bsqueda del
mximo respecto a la distribucin de probabilidades de la entrada.
10
2
10
1
10
0
10
1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
E
b
/N
0
C

(
b
i
t
s
)
Figura 9.12. Capacidad del canal digital binario considerado en el Ejemplo 9.3 en funcin
de E
b
/N
0
.
Podemos, sin embargo, emplear uno de los procedimientos numricos mencionados anterior-
mente; concretamente, el descrito en [21, Pgina 367] consistente en, alternativamente, calcular
el conjunto de probabilidades p
X|Y
(x
i
[y
j
), i = 1, . . . , M, j = 1, . . . , L y encontrar la distri-
bucin de probabilidades p
X
(x
i
), i = 1, . . . , M que hace mxima I(X; Y ) supuestas jas las
probabilidades p
X|Y
(x
i
[y
j
), i = 1, . . . , M, j = 1, . . . , L. El cdigo de una funcin Matlab
que implementa este procedimiento podemos encontrarlo en la Figura 9.13 y en el Problema
P9.13 se aborda su desarrollo.
Empleando este procedimiento, los DMC con matrices de canal dadas en (9.6) y (9.7) poseen ca-
pacidades de, respectivamente, 1,1095 y 1,9862 bits por uso. Ms interesante que estos nmeros
resulta obtener la grca de capacidad del canal en funcin de la relacin seal a ruido, como
hicimos en el ejemplo anterior. Esta grca puede observarse en la Figura 9.14, donde se muestra
tambin la distribucin de probabilidades para la que se alcanza la capacidad para cada valor de
E
s
/N
0
. Resulta interesante ahora establecer las similitudes y diferencias de este comportamiento
con la relacin seal a ruido y el mostrado en la Figura 9.12. Por una parte la capacidad crece
cuando lo hace la relacin seal a ruido tal y como anteriormente, estando ahora el lmite en 2
bits por uso del canal. Por otra, en la Figura 9.14 podemos apreciar dos situaciones distintas: para
valores altos de E
s
/N
0
la capacidad se alcanza cuando los cuatro smbolos de entrada al canal
(recordemos que se corresponden con valores de A[n] de 1, 1, 3 y 3) son equiprobables, pero
conforme disminuye la relacin seal a ruido, la informacin mutua se hace mxima aumentando
la probabilidad de los smbolos de mayor amplitud (3 y 3) y disminuyendo la de los smbolos
de menor amplitud (1 y 1) llegando, para valores de E
s
/N
0
menores de 2, a emplear nicamen-
te los smbolos de mayor amplitud, cada uno de ellos con probabilidad 0,5. Este comportamiento
nos indica que para relaciones seal a ruido pequeas una modulacin binaria resulta ptima.
Recurdese tambin que la distribucin de probabilidades para la que se alcanza la capacidad en
el BSC (como es el caso del ejemplo anterior) es siempre la misma, independiente de la relacin
seal a ruido.
Si en el proceso de codicacin de la secuencia B[l] a la secuencia A[n] no hubiese prdida
function [c,x]=capacidad(p,tol)
%
% Calcula de la capacidad de un DMC
% entradas:
% p matriz de canal
% tol tolerancia para condicion de parada
% salidas:
% c capacidad del canal
% x distribucion de probabilidades para la que se alcanza
% la capacidad del canal
%
%
[a b]=size(p);
x=ones(1,a)/a; % equiprobabilidad como punto inicial
continuar=1;
while continuar
y=x
*
p; % p(y)
xy=diag(x)
*
p; % p(x,y)
q=xy/diag(y); % p(x|y)
aux=prod((q.^p));
xn=aux/sum(aux); % p(x) que hace maxima I(x,y) dado p(x|y)
continuar=norm(x-xn)>=tol; % comparacion con la solucion anterior
x=xn; % actualizar p(x)
end
y=x
*
p;
c=log2(sum(aux)); % capacidad
Figura 9.13. Programa MATLAB
que calcula la capacidad de un DMC.

de capacidad, la curva de la Figura 9.12 debera ser exactamente la mitad de la curva de la
Figura 9.14 (haciendo la equivalencia E
s
= 2E
b
), porque se emplean dos smbolos binarios de la
secuencia B[l] para codicar cada smbolo de la secuencia. Sin embargo, restando a la capacidad
del DMC que muestra la Figura 9.14 el doble de la capacidad del BSC que muestra la Figura
9.12 obtenemos el resultado que puede verse en la Figura 9.15, donde podemos apreciar que, en
funcin de la relacin a seal a ruido, pueden perderse hasta casi 0,6 bits por smbolo binario
transmitido. Aunque la prdida real es menor debido a la distribucin de probabilidades para la
que se alcanza la capacidad tal y como se ha discutido antes, la conclusin que podemos extraer
de este ejemplo es que incluso un proceso tan inocuo como la codicacin de los smbolos de
entrada a los smbolos de la constelacin puede producir una prdida de abilidad del sistema de
comunicaciones.
Un ltimo comentario respecto a la capacidad de canal en relacin con estos ejemplos:
hay que recordar que la capacidad representa el lmite superior de la informacin que atra-
viesa el canal, y que ante una determinada distribucin de probabilidades a la entrada del
canal, la informacin que realmente atraviesa el canal es la informacin mutua entre la en-
trada y la salida.
10
1
10
0
10
1
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
E
s
/N
0
C

(
b
i
t
s
)

(
.

p
r
o
b
a
b
i
l
i
d
a
d
e
s

d
e

e
n
t
r
a
d
a
)
p
X
(1)=p
X
(1)
p
X
(3)=p
X
(3)
Figura 9.14. Capacidad del canal discreto sin memoria considerado en el Ejemplo 9.4 en
funcin de E
s
/N
0
y distribucin de probabilidades para la que se alcanza la capacidad.
9.2.3. Teorema de codicacin de canal
Hasta ahora lo nico que hemos hecho es denir la capacidad de canal como la mxima
informacin que es capaz de atravesarlo, lo que, en s mismo, no es de utilidad si no somos
capaces de demostrar que es posible transmitir esa cantidad de informacin (la capacidad)
de manera able.
Tomemos como ejemplo el BSC. Si la probabilidad de error p es igual a cero podemos
transmitir un smbolo binario de manera able sin ms que presentarlo a la entrada del
canal. En este caso, el smbolo binario puede contener un bit de informacin (si los dos
posibles smbolos son equiprobables), la capacidad del canal es igual a 1 bit por uso, y la
cantidad de informacin que podemos transmitir de manera able es igual a la capacidad del
canal. Ahora bien, podemos mantener esta conclusin cuando p es no nula? Veamos con
un ejemplo lo que sucede en este caso.
Ejemplo 9.5
Consideremos ahora el caso de BSC con p = 0,15, que nos da una capacidad de 0,39 bits por
uso del canal, insuciente para transmitir un smbolo binario equiprobable. Una estrategia que
podemos adoptar es utilizar tres veces de manera consecutiva el BSC para transmitir un smbolo
binario, con la intencin de obtener una capacidad de 3 0,39 = 1,17 bits
4
. La opcin ms
sencilla es transmitir las tres veces el mismo smbolo, decidiendo por mayora a la salida del
4
Este valor de capacidad no es exacto, aunque sirve igualmente para ilustrar la necesidad de un
mecanismo de codicacin cuando el canal es ruidoso. La razn de la inexactitud viene derivada del
hecho de que los usos del canal no son independientes. Si los usos del BSC son independientes,
I((X[1], X[2], X[3]); (Y [1], Y [2], Y [3])) = I(X[1]; Y [1]) + I(X[2]; Y [2]) + I(X[2]; Y [2]) y se suman las
capacidades, pero en realidad nuestro alfabeto de entrada es binario porque slo vamos a transmitir un smbolo
binario. Ms adelante calcularemos la capacidad exacta en este supuesto.
10
1
10
0
10
1
0
0.1
0.2
0.3
0.4
0.5
E
s
/N
0
P
e
r
d
i
d
a

d
e

c
a
p
a
c
i
d
a
d

(
b
i
t
s
)
Figura 9.15. Prdida de capacidad en el proceso de codicacin de la secuencia B[l] a la
secuencia A[n] por smbolo transmitido de esta ltima en el sistema considerado en los
Ejemplos 9.3 y 9.4, en funcin de E
s
/N
0
.
canal: si los tres smbolos recibidos son el mismo, se decide que fue transmitido ese smbolo, y
en el caso en que los tres smbolos recibidos no sean el mismo, se decide que fue transmitido
aqul que se haya recibido dos veces. Para que se produzca un error han de recibirse ms de dos
smbolos errneos, lo que se produce con una probabilidad 3p
2
(1 p) + p
3
, que es menor que
p cuando 0 < p < 0,5, lo que demuestra que ha aumentado la abilidad de la transmisin
5
. En
nuestro caso, hemos pasado de una probabilidad de error p = 0,15 a una probabilidad de error
3p
2
(1 p) + p
3
= 0,0607, aunque an no podemos calicar como able la transmisin porque
existe una probabilidad de error no nula.
Canal
discreto
sin memoria
B l [ ]
] [
l B
Codificador
DMC
X i [ ]
Decodificador
DMC
Y i [ ]
1 2 n 1 2
n
1 2 k
1 2 k
Figura 9.16. Codicador y decodicador para un canal discreto sin memoria.
En este ejemplo hemos utilizado lo que se conoce como un cdigo para un DMC (no
necesariamente un BSC), cuyo funcionamiento vamos a explicar con ayuda de la Figura
9.16. Un cdigo est compuesto por el codicador, que lleva a cabo la funcin de codica-
cin, y el decodicador, que lleva a cabo la funcin de decodicacin. El codicador tiene
como entrada un vector de k smbolos binarios, que dene un alfabeto de entrada (al codi-
cador), formalmente denominado conjunto de ndices, de 2
k
elementos. Ante cada entrada,
5
3p
2
(1 p) +p
3
= 3p
2
2p
3
<
3
2
p
1
4
< p.
el codicador genera como salida un vector de n smbolos de entrada al DMC, haciendo
corresponder a cada combinacin de k smbolos binarios una combinacin de n smbolos
del DMC o palabra cdigo. En estas condiciones, decimos que es un cdigo (n, k), y el
valor de n suele denominarse longitud del cdigo. El conjunto de todas las palabras cdigo
(2
k
) recibe el nombre de diccionario de cdigos. Los vectores de entrada al codicador son
el resultado de dividir la secuencia de entrada en bloques de k smbolos, y mediante la con-
catenacin de los vectores de salida del codicador se forma la secuencia X[i] de entrada
al DMC. El decodicador funciona de manera recproca, asignando a cada combinacin de
n smbolos de salida del DMC una combinacin de k smbolos binarios. Formalmente, un
cdigo (n, k) queda denido por el conjunto de ndices y las funciones de codicacin y
decodicacin.
Para simplicar la notacin de lo que sigue vamos a considerar la transmisin de una
nica palabra cdigo
6
. Denotamos los vectores de smbolos de entrada al codicador y salida
del decodicador, respectivamente, como
B =
_
_
B[0]
B[1]
.
.
.
B[k 1]
_
B =
_
B[0]
B[1]
.
.
.
B[k 1]
_
_
(9.43)
ambos con el mismo alfabeto, b
i
, i = 1, . . . , 2
k
. Denotamos tambin los vectores de
smbolos de entrada y salida del DMC cuando se transmite una palabra cdigo como
X =
_
_
X[0]
X[1]
.
.
.
X[n 1]
_
_
Y =
_
_
Y [0]
Y [1]
.
.
.
Y [n 1]
_
_
(9.44)
cuyos alfabetos son x
l
, l = 1, . . . , M
n
y y
j
, j = 1, . . . , L
n
, respectivamente. El co-
ciente entre el nmero de bits de entrada
7
al codicador, k, y el nmero de veces que se
utiliza el DMC para transmitir una palabra cdigo o longitud del cdigo, n, se denomina
tasa de transmisin o, simplemente, tasa; se denota como R y se mide en bits por uso del
DMC
R =
k
n
bits por uso (9.45)
El codicador asigna a cada vector b
i
una palabra cdigo de entre los posibles vectores
x
l
, l = 1, . . . , M
n
de la forma b
i
x(i). Si el objetivo es lograr una transmisin
6
Esta simplicacin no le resta generalidad a nuestro planteamiento puesto que los smbolos de la secuencia
B[l] son independientes y el canal es sin memoria. Por otra parte, el planteamiento general del teorema de
codicacin de canal es ms general que el aqu realizado, ya que no necesita que el nmero de ndices del
cdigo sea una potencia de 2, lo que tampoco resta generalidad a nuestro planteamiento.
7
Nos referiremos indistintamente a smbolos binarios o bits, dado que los smbolos de la secuencia B[l] son
estadsticamente independientes y equiprobables y, por tanto, cada uno contiene un bit de informacin.
able en canales con errores, el nmero de palabras cdigo, 2
k
, ser menor que el nmero
de posibles vectores x
l
, M
n
. A primera vista esto puede parecer un contrasentido si tene-
mos en cuenta el siguiente razonamiento: para transmitir una palabra cdigo empleamos n
veces consecutivas el DMC, con lo que disponemos de una capacidad mxima de nC bits,
siendo C la capacidad del DMC; al omitir algunos vectores x
l
(los que no son palabras
cdigo) estamos, en apariencia, reduciendo la capacidad. Ilustremos este razonamiento con
un ejemplo.
Ejemplo 9.6
Retomando el Ejemplo 9.5, tenemos un caso en que k = 1, n = 3, M = L = 2 (canal binario),
C = 0,39 bits y una capacidad mxima por palabra cdigo de 3 0,39 = 1,17 bits. Sin embargo,
de los ocho posibles valores de x
l
,
_
_
0
0
0
_
_
,
_
_
0
0
1
_
_
,
_
_
0
1
0
_
_
,
_
_
0
1
1
_
_
,
_
_
1
0
0
_
_
,
_
_
1
0
1
_
_
,
_
_
1
1
0
_
_
y
_
_
1
1
1
_
_
slo se emplean dos
_
_
0
0
0
_
_
y
_
_
1
1
1
_
_
Si calculamos la capacidad de un canal que tiene estas dos entradas y las ocho posibles salidas
correspondientes a los tres usos consecutivos del BSC, su capacidad resulta ser 0,7365 bits, y no
los 3 0,39 = 1,17 bits.
El resultado es an ms desalentador si tenemos en cuenta el decodicador. Empleando el deco-
dicador por mayora que se planteaba (no hay otro mejor siempre que p < 0,5), la probabilidad
de error por bit transmitido era 0,0607, lo que a su vez es asimilable a un BSC con capacidad
0,6696 bits.
La razn de esta prdida radica en el hecho de que nC bits es la capacidad del canal que
tiene como alfabeto de entrada x
l
, l = 1, . . . , M
n
, como alfabeto de salida y
j
, j =
1, . . . , L
n
y unas probabilidades de transicin derivadas de n usos independientes del DMC
p
Y [X
(y
j
[x
l
) =
n1
i=0
p
Y [X
(y
j
[i][x
l
[i]) l = 1, . . . , M
n
j = 1, . . . , L
n
(9.46)
pero, en realidad, la capacidad de que disponemos es la de un canal con x(i), i = 1, . . . , 2
k
como alfabeto de entrada, y

j
, j = 1, . . . , L
n
como alfabeto de salida y las mismas pro-
babilidades de transicin si consideramos el canal hasta la entrada del decodicador, y
b
i
, i = 1, . . . , 2
k
como alfabeto de salida si consideramos hasta la salida del decodi-
cador; en este ltimo caso con unas probabilidades de transicin resultantes de aplicar la
funcin de decodicacin a (9.46).
La cuestin radica en encontrar la forma de hacer esta prdida despreciable mantenien-
do la misma tasa de transmisin, R. Veamos con un ejemplo qu sucede en este caso al
aumentar el valor de n.
Ejemplo 9.7
Continuando con los Ejemplos 9.5 y 9.6, consideramos el mismo canal BSC con p = 0,15, y
vamos a plantear y analizar distintos codicadores y decodicadores para distintos valores de k,
escogiendo n = 3k para mantener la tasa R igual a 1/3 como en los ejemplos anteriores.
En lugar de repetir cada smbolo binario tres veces para formar la palabra cdigo, vamos a pro-
ceder de la siguiente manera: escogeremos las 2
k
palabras cdigo como aqullas, de entre las
2
n
= 2
3k
posibles, que se diferencian entre s en el mayor nmero de smbolos. Por ejemplo,
para k = 2 podran ser las 4 siguientes
_
_
_
_
0
0
0
0
0
0
_
_
,
_
_
0
1
1
0
1
1
_
_
,
_
_
1
1
0
1
1
0
_
_
,
_
_
1
0
1
1
0
1
_
_
_
_
(9.47)
donde podemos comprobar cmo cualesquiera dos se diferencian entre s en cuatro smbolos
binarios. Estas palabras cdigo no son las nicas que cumplen este criterio (basta con reordenar
simultneamente las las de cada vector para tener otro diccionario de cdigos) pero nos basta
con encontrar uno. Tngase en cuenta que el criterio es muy similar al criterio para el diseo
de constelaciones en el Apartado 4.4.3: hacer mxima la distancia entre smbolos, siendo la
nica diferencia la medida de distancia que utilizamos ahora (nmero de smbolos distintos en el
vector).
Podramos disear ahora el decodicador bajo el criterio MAP o bajo el criterio ML, pues el
decodicador no es otra cosa que un decisor, pero vamos a disear aqu uno que nos permita un
anlisis ms simple. Como vimos en el Apartado 4.4.1, un decisor queda especicado unvoca-
mente mediante sus regiones de decisin, que en este caso son subconjuntos del alfabeto de salida
del BSC, y
j
, j = 1, . . . , 2
n
. Bastar, por tanto, con asignar un conjunto de smbolos de salida
a cada una de las 2
k
palabras cdigo transmitidas. Por diseo, cada uno de estos 2
k
conjuntos
tendr exactamente 2
n
/2
k
= 2
nk
= 2
2k
elementos; precisamente aquellos que dieren en me-
nor o igual nmero de smbolos binarios de la palabra cdigo asociada. As, por ejemplo, para el
diccionario de cdigos de (9.47), una posible eleccin (que no la nica) de conjunto asociado a la
palabra cdigo compuesta por seis ceros sera el constituido por los siguiente 2
4
= 16 vectores
_
_
0
0
0
0
0
0
_
_
,
_
_
0
0
0
0
0
1
_
_
,
_
_
0
0
0
0
1
0
_
_
,
_
_
0
0
0
1
0
0
_
_
,
_
_
0
0
1
0
0
0
_
_
,
_
_
0
1
0
0
0
0
_
_
,
_
_
1
0
0
0
0
0
_
_
,
_
_
1
1
0
0
0
0
_
_
,
_
_
0
1
1
0
0
0
_
_
,
_
_
0
0
1
1
0
0
_
_
,
_
_
0
0
0
1
1
0
_
_
,
_
_
0
0
0
0
1
1
_
_
,
_
_
0
0
0
1
0
1
_
_
,
_
_
0
0
1
0
1
0
_
_
,
_
_
0
1
0
1
0
0
_
_
,
_
_
1
0
1
0
0
0
_
_
Con este diseo, el anlisis de la probabilidad de error media por palabra cdigo se simplica,
ya que podemos averiguar fcilmente cuntas salidas dieren en un nmero dado de smbolos de
una dada. Esta probabilidad de error se muestra en funcin de n en la Figura 9.17, donde se han
incluido adems las curvas correspondientes a otras probabilidades de error del BSC distinta de
la empleada hasta ahora, p = 0,15.
Analizando con un poco de detalle los resultados de la Figura 9.17 comprenderemos lo sor-
prendentes que resultan. Para n = 1500 y p = 0,15 (el caso que hemos estado analizando),
0 500 1000 1500
10
6
10
5
10
4
10
3
10
2
10
1
10
0
n
P
e
p=0,15
p=0,13
p=0,17
p=0,19
0 500 1000 1500
0
0.2
0.4
0.6
0.8
1
n
P
e
p=0,15
p=0,13
p=0,17
p=0,19
Figura 9.17. Probabilidad de error de palabra cdigo en escala logartmica (izquierda) y
natural (derecha) correspondiente al cdigo del Ejemplo 9.7 en funcin de la longitud del
cdigo, n, para distintas probabilidades de error del BSC, p.
la probabilidad de error por palabra cdigo es aproximadamente 3 10
3
o, equivalentemen-
te, la probabilidad de que una palabra cdigo sea recibida correctamente es de 0,997. Cada
palabra cdigo, en este caso, contiene 500 bits (1500/3), lo que equivale (en promedio) a
que la probabilidad de que 500 bits consecutivos se reciban de forma correcta sea 0,997. Si
pensamos en un sistema de comunicaciones con una BER determinada, la probabilidad de
que 500 bits consecutivos se reciban sin error es (1 BER)
500
, e igualando esta cantidad
a 0,997 y despejando, obtenemos que BER
310
3
500
= 6 10
6
. Lo sorprendente de los
resultados radica en que, al aumentar n, no slo disminuye la BER, sino tambin la pro-
babilidad de error por palabra cdigo (recordemos que al aumentar n tambin aumenta el
nmero de bits que contiene cada palabra cdigo con una tasa igual a nR).
En la Figura 9.17 tambin podemos apreciar cmo para algunos valores de p del BSC
distintos de p = 0,15 la probabilidad de error tambin disminuye cuando aumenta n, mien-
tras que para otros, no. Calculando la capacidad del BSC para esos valores de p, tenemos
que C = 0,2985 para p = 0,19, C = 0,3423 para p = 0,17, C = 0,3902 para p = 0,15 y
C = 0,4426 para p = 0,13. Curiosamente, cuando C > R la probabilidad de error decrece
al aumentar n, y cuando C < R la probabilidad de error aumenta. El decaimiento, cuando
C > R, es aproximadamente exponencial para valores de n sucientemente grandes, es-
tando en relacin directa la tasa de decaimiento con la diferencia entre C y R: si mayor es
la diferencia entre C y R ms rpidamente decae, y viceversa. Tcnicamente, este error se
acota superiormente por una exponencial decreciente de la forma e
ne(R)
, siendo e(R) una
funcin denominada exponente de error que depende de la tasa R para unas condiciones
dadas (en nuestro caso, para una C dada).
Desgraciadamente, no todos los cdigos presentan un comportamiento como el del
Ejemplo 9.7. Sin ir ms lejos, la secuencia de cdigos que resulta de repetir tres veces el
smbolo a transmitir, tal y como lo hemos hecho en los Ejemplos 9.5 y 9.6 (tcnicamente,
los cdigos de repeticin de tasa 1/3) presenta un comportamiento en el que la probabili-
dad de error de palabra cdigo tiende a 1 cuando aumentamos n para cualquier valor de p
distinto de 0 (y de 1). Tambin podemos encontrar cdigos que funcionen mejor que el del
Ejemplo 9.7: cdigos en los que el decrecimiento de la probabilidad de error de palabra c-
digo sea ms rpido para las mismas condiciones o, equivalentemente, con mayor exponente
del error. En cualquier caso, lo nico importante a resear aqu es que el comportamiento
va a depender del cdigo concreto, pero que al menos existe un cdigo para el que la proba-
bilidad de error de palabra cdigo tiende exponencialmente a cero conforme aumentamos n
cuando R < C.
Otra conclusin importante que podemos obtener es que, en general, va a ser imposible
realizar una transmisin libre de errores pero, sin embargo, podemos conseguir una proba-
bilidad de error tan pequea como queramos sin ms que hacer n lo sucientemente grande.
Esta es, precisamente, la base para denir el trmino abilidad de la transmisin que hemos
venido utilizando repetidamente a lo largo del captulo.
Deniremos formalmente en primer lugar la probabilidad de error de una palabra cdigo
de un cdigo de longitud n como
P
e
(i, n) = Pr(

B ,= b
i
[ B = b
i
) (9.48)
La probabilidad de error mxima de un cdigo de longitud n como
P
e
(m ax, n) = m ax
i1,...,2
k
P
e
(i, n) (9.49)
y la probabilidad de error media de un cdigo de longitud n como
P
e
(med, n) =
1
2
k
2
k
i=1
P
e
(i, n) (9.50)
Decimos que podemos realizar una transmisin able a una tasa R si existe una secuen-
cia de cdigos (n, nR) (donde nR denota el entero ms pequeo que es mayor que
nR) tal que la probabilidad de error mxima, P
e
(m ax, n), tiende a cero cuando n tiende a
innito. Formalmente, si para todo > 0 existe una secuencia de cdigos (n, nR) y un
valor n
0
para el que P
e
(m ax, n) < cuando n > n
0
.
Queda claro, a partir de esta denicin, que con cdigos como los del Ejemplo 9.7 es
posible realizar una transmisin able a determinadas tasas. Bsicamente, hay que escoger
la abilidad (probabilidad de error) deseada y, a partir de curvas como las de la Figura 9.17
o de cotas de estas curvas, determinar el valor de n mnimo para el que se cumple el criterio
jado. Existe un pequeo detalle en este razonamiento, y es que la denicin de transmisin
able habla de probabilidad de error mxima y no media (como la mostrada en la curva):
sorprendentemente, ambas se encuentran muy cerca para valores de n grandes debido a la
ley de los grandes nmeros.
En la denicin de transmisin able, la tasa R juega el mismo papel que la informa-
cin mutua en la denicin de capacidad: es una medida de la informacin que atraviesa
un canal. Mientras que la informacin mutua nos da una medida de la cantidad de infor-
macin que atraviesa un canal (exactamente la informacin a la entrada menos la prdida
de informacin, I(X; Y ) = H(X) H(X[Y )), la tasa en una transmisin able nos dice
la cantidad de informacin que est atravesando el canal con una prdida de informacin
tan pequea como queramos. Algunos autores denen una capacidad operativa del canal
como la mxima tasa alcanzable para un canal dado, en contraposicin a la capacidad de ca-
nal tal y como la hemos denido, que es denominada como capacidad de informacin del
canal. En realidad, esa doble denicin no es necesaria porque ambos conceptos de capaci-
dad coinciden, tal y como demuestra el conocido como teorema de codicacin de canal o
segundo teorema de Shannon, que enunciamos formalmente a continuacin.
El teorema dice: Es posible realizar una transmisin able a una tasa R por un DMC de
capacidad C si R C. Adems, toda transmisin able a travs de un DMC de capacidad
C debe realizarse a tasas R C.
A causa de este teorema es comn referirse a la capacidad C como lmite de Shannon o
lmite de Shannon de la capacidad del canal, asociando el concepto de distancia al lmite de
Shannon con la diferencia entre C y R.
Aunque el teorema de codicacin canal nos garantiza adems que existe un codicador
de tasa R = C con el que podemos realizar una transmisin able, las dicultades para di-
searlo y realizarlo son numerosas, como comprobaremos retomando uno de los resultados
del Ejemplo 9.7: aqul que nos permita obtener una BER 6 10
6
sobre un BSC con
p = 0,15 empleando un codicador con R = 1/3. Ciertamente la ganancia es espectacular,
pero para obtenerla era necesario jar n = 1500 y k = 500. Esto nos lleva a utilizar un dic-
cionario con 2
500
10
150
palabras cdigo de 1500 smbolos binarios cada una. El primer
problema lo tenemos para encontrar esas 2
500
palabras cdigo de entre un total de 2
1500
sin
que podamos decir a priori que posean ninguna caracterstica que nos permita diferenciarlas
del resto. Supuesto que hayamos resuelto el monstruoso problema de bsqueda, tenemos
que almacenar en el codicador y en el decodicador esas 2
500
palabras. Para realizar la
decodicacin tenemos, en general, dos opciones (si las palabras cdigo no poseen ninguna
estructura): una de ellas es comparar el vector Y recibido con cada una de las 2
500
pala-
bras cdigo, y otra opcin es tener una memoria con 2
1500
posiciones, indicando en cada
una de ellas la palabra cdigo que corresponde a cada posible valor de Y . En resumen, nos
encontramos con un crecimiento exponencial de la complejidad del cdigo con respecto a
su longitud n.
Otra manifestacin de la dicultad intrnseca del problema de codicacin de canal la
encontramos tambin en el Ejemplo 9.7, y concretamente en la Figura 9.17: cuanto ms se
acerca la tasa R a la capacidad del canal ms lentamente disminuye el error (tcnicamente,
ms pequeo es el exponente de error e(R)) y, por tanto, mayores sern los valores de n y k
necesarios para alcanzar una abilidad determinada.
En el Captulo 10 se presentarn cdigos con buenas prestaciones (alto exponente de
error para una tasa R dada) y que no presentan este crecimiento exponencial de la comple-
jidad con n. La idea general en la mayora de esos diseos para limitar la complejidad es
encontrar funciones (frmulas) que permitan generar de forma analtica las palabras cdigo
y algoritmos que, en decodicacin, permitan convertir la dependencia de la complejidad de
exponencial a polinmica (por ejemplo, lineal).
An salvando el problema de la complejidad de codicadores y decodicadores, persiste
otro que puede ser crtico en determinadas aplicaciones: el retardo. En este mismo ejemplo
que venimos utilizando es necesario trasmitir 1500 smbolos binarios para poder decodicar
una palabra, lo que impone el retardo correspondiente a recibir 500 smbolos de entrada al
codicador, ms el retardo de transmitir 1500 smbolos por el canal, ms el retardo corres-
pondiente a ofrecer 500 smbolos de salida del decodicador. Un tipo de cdigos con bajo
retardo (en relacin a la longitud del cdigo) son los cdigos convolucionales, que tambin
sern tratados en el Captulo 10.
9.3. CANAL GAUSIANO
Consideraremos a continuacin el canal gausiano con un desarrollo paralelo al del apar-
tado precedente, pero ahora con distribuciones de probabilidad continuas
8
en lugar de dis-
cretas: en primer lugar las medidas de informacin, para continuar con el anlisis de la
capacidad del canal gausiano y nalizar con el teorema de codicacin de canal.
Sin embargo, hay que ser cuidadoso al hacer comparaciones entre los conceptos de en-
tropa e informacin sobre distribuciones continuas y discretas de probabilidad porque algu-
nos no resultan equivalentes. No en vano, el propio Shannon conjeturaba que la naturaleza
de la informacin es inherentemente discreta; est asociada a la dicotoma, a la eleccin
entre un conjunto numerable de opciones.
9.3.1. Informacin mutua y entropa diferencial
Las deniciones de entropa e informacin mutua para variables aleatorias discretas pue-
den interpretarse como la esperanza matemtica de una determinada funcin: el logaritmo
del inverso de la probabilidad en el caso de la entropa de una variable aleatoria y el logarit-
mo del cociente entre la probabilidad conjunta y el producto de las probabilidades margina-
les de dos variables aleatorias en el caso de la informacin mutua.
Para denir sus equivalentes sobre variables aleatorias continuas no hay ms que aplicar
el operador esperanza matemtica sobre la misma funcin. Comenzaremos con la denicin
de informacin mutua, analizando la relacin con la misma medida para variables aleatorias
discretas.
Denimos la informacin mutua, I(X; Y ), entre dos variables aleatorias X e Y con
funcin de densidad de probabilidad conjunta f
X,Y
(x, y) y funciones de densidad de proba-
bilidad marginales f
X
(x) y f
Y
(y), respectivamente, como
I(X; Y )
.
=
_

f
X,Y
(x, y) log
2
f
X,Y
(x, y)
f
X
(x)f
Y
(y)
dxdy (9.51)
8
Siempre que no exista confusin, nos referiremos a las variables aleatorias con funcin de densidad de pro-
babilidad continua como variables aleatorias continuas o variables aleatorias con distribucin continua. Anlo-
gamente, nos referiremos a las variables aleatorias con distribucin discreta de probabilidad como variables
aleatorias discretas.
9.3 CANAL GAUSIANO 561
y se mide en bits. Tambin por denicin, hacemos 0 log
2
0 = 0 para evitar ambigedades.
Adems es necesario aadir el si la integral existe, como en toda denicin que incluye
una integral.
Al igual que para variables aleatorias discretas, para las variables aleatorias continuas la
informacin mutua representa la incertidumbre que hemos eliminado sobre el valor de X
mediante el conocimiento del valor de Y , o la informacin que aporta Y sobre el valor que
puede tomar X. La relacin entre ambas deniciones, (9.51) y (9.33), podemos establecerla
de la siguiente manera: dividimos el dominio de la variable aleatoria continua (la recta real,
por ejemplo) en intervalos disjuntos de igual longitud, y creamos una variable aleatoria dis-
creta con tantos valores distintos como intervalos hemos obtenido, siendo la probabilidad
de cada uno de los valores igual a la probabilidad de que la variable aleatoria continua tome
valor en el intervalo correspondiente. Siguiendo este procedimiento, en el Apndice 9.C se
demuestra que cuando la longitud del intervalo tiende a cero y, por tanto, las variables alea-
torias discretas tienden a las continuas, la informacin mutua entre las variables aleatorias
discretas tiende a la informacin mutua denida en (9.51).
Esta equivalencia hace tambin que la informacin mutua, tal como queda denida en
(9.51), sea una medida no negativa (I(X; Y ) 0) que toma valor cero slo si las variables
aleatorias son estadsticamente independientes, y simtrica (I(X; Y ) = I(Y ; X)).
Manipulando la denicin de informacin mutua obtenemos
I(X; Y ) =
_

f
X,Y
(x, y) log
2
f
X,Y
(x, y)
f
X
(x)f
Y
(y)
dxdy
=
_

f
X[Y
(x[y)f
Y
(y) log
2
f
X[Y
(x[y)f
Y
(y)
f
X
(x)f
Y
(y)
dxdy
=
_

f
X[Y
(x[y)f
Y
(y) log
2
f
X[Y
(x[y)
f
X
(x)
dxdy
=
_

f
X[Y
(x[y)f
Y
(y) log
2
1
f
X
(x)
dxdy
f
X[Y
(x[y)f
Y
(y) log
2
1
f
X[Y
(x[y)
dxdy
=
_

f
X
(x) log
2
1
f
X
(x)
dx
f
Y
(y)
_

f
X[Y
(x[y) log
2
1
f
X[Y
(x[y)
dxdy (9.52)
donde el primero de los sumandos es la esperanza de log
2
1
f
X
(x)
, el equivalente para varia-
bles aleatorias continuas de la entropa, y el segundo es la esperanza de log
2
1
f
X|Y
(x[y)
, el
equivalente a la entropa condicional.
Formalmente, denimos la entropa diferencial , h(X), de una variable aleatoria X con
funcin de densidad de probabilidad f
X
(x) como
h(X)
.
=
_

f
X
(x) log
2
1
f
X
(x)
dx (9.53)
Denimos tambin la entropa diferencial conjunta, h(X, Y ), de dos variables aleatorias X
e Y con funcin de densidad de probabilidad conjunta f
X,Y
(x, y) como
h(X, Y )
.
=
_

f
X,Y
(x, y) log
2
1
f
X,Y
(x, y)
dxdy (9.54)
y denimos la entropa diferencial condicional , h(X[Y ), entre dos variables aleatorias X e
Y con funcin de densidad de probabilidad conjunta f
X,Y
(x, y) como
h(X[Y )
.
=
_

f
X,Y
(x, y) log
2
1
f
X[Y
(x[y)
dxdy
=
_

f
Y
(y)
_

f
X[Y
(x[y) log
2
1
f
X[Y
(x[y)
dxdy (9.55)
El uso del calicativo diferencial en la denicin de la entropa y el empleo de la letra
h minscula en la notacin estn motivados porque h(X) y H(X) son medidas distintas.
Aplicando el procedimiento de denicin de una variable aleatoria discreta a partir de una
continua descrito anteriormente, tal y como se realiza en el Apndice 9.C, se demuestra que
cuando la longitud del intervalo tiende a cero y, por tanto, las variables aleatorias discretas
tienden a las continuas, la entropa tiende a innito aun cuando la entropa diferencial es una
cantidad nita.
Una vez denida la entropa diferencial, podemos reescribir la informacin mutua en
funcin de aqulla sin ms que sustituir las deniciones en (9.52), dando como resultado
I(X; Y ) = h(X) h(X[Y ) (9.56)
ecuacin anloga a su equivalente para variables aleatorias discretas, (9.34). Dada la simetra
de la informacin mutua (9.56) tambin puede escribirse como
I(X; Y ) = h(Y ) h(Y [X) (9.57)
El hecho de que podamos expresar la informacin mutua en funcin de la entropa di-
ferencial empleando las mismas expresiones que para la entropa de variables aleatorias
discretas no debe hacernos creer que la entropa diferencial posee las mismas propiedades
que la entropa. Por ejemplo, la entropa diferencial puede ser negativa, como comprobamos
Ejemplo 9.8
Una variable aleatoria X con funcin de densidad de probabilidad uniforme entre 0 y a posee
una entropa diferencial
h(X) =
_
a
0
1
a
log
2
1
1/a
dx = log
2
a
_
a
0
1
a
dx = log
2
a
que puede ser positiva o negativa dependiendo del valor de a.
Tampoco est acotada, como podemos comprobar con el mismo ejemplo sin ms que hacer
que a tienda a cero o a innito.
Resulta tambin interesante comprobar cmo vara la entropa diferencial frente a las
transformaciones ms frecuentes de una variable aleatoria. Por ejemplo, las traslaciones
no afectan a la entropa diferencial, como podemos comprobar construyendo una variable
aleatoria Y como suma de una variable aleatoria X y una constante real c, Y = X + c. La
funcin de densidad de probabilidad de Y es, de acuerdo con (3.49), f
Y
(y) = f
X
(y c), y
su entropa diferencial
h(Y ) =
_

f
X
(y c) log
2
1
f
X
(y c)
dy =
_

f
X
(x) log
2
1
f
X
(x)
dx = h(X) (9.58)
la misma que la de X. Veriquemos ahora el caso de los escalados, construyendo la variable
aleatoria Y como el producto de una variable aleatoria X por una constante real a, Y = aX.
La funcin de densidad de probabilidad de Y es
f
Y
(y) =
1
[a[
f
X
_
y
a
_
y su entropa diferencial
h(Y ) =
_

1
[a[
f
X
_
y
a
_
log
2
_
1
1
[a[
f
X
_
y
a
_
_
dy
=
_

f
X
_
y
a
_
_
log
2
_
1
f
X
_
y
a
_
_
+ log
2
([a[)
_
dy
[a[
=
_

f
X
(x) log
2
1
f
X
(x)
dx + log
2
[a[
= h(X) + log
2
[a[ (9.59)
9.3.2. Capacidad del canal gausiano
En la Pgina 538 denimos el canal gausiano como aqul que relaciona dos variables
aleatorias continuas X e Y mediante una funcin de densidad de probabilidad condicio-
nal f
Y [X
(y[x) gausiana de media X y varianza
2
. Alternativamente, tambin podamos
denirlo mediante la relacin
Y = X +Z (9.60)
donde Z es una variable aleatoria gausiana de media nula, varianza
2
y estadsticamente
independiente de X. Nuestro objetivo ahora es calcular su capacidad.
La denicin de capacidad de canal sigue siendo la misma que para variables aleatorias
discretas: la mxima informacin mutua entre la entrada y la salida del canal obtenida sobre
las distribuciones de la seal de entrada.
Aplicando esta denicin, la capacidad del canal gausiano sera innita ya que la en-
tropa diferencial no est acotada y, por lo tanto, tampoco la informacin mutua. Para com-
probar este punto, basta con considerar como entrada al canal, X, una variable aleatoria
uniformemente distribuida como la del Ejemplo 9.8 con un valor de a que tienda a inni-
to. En este caso, h(X) = y, de acuerdo con (9.60), h(X[Y ) = h(Z) = h(Z) que,
como demostraremos ms adelante, es una cantidad nita porque la varianza de Z tambin
es una cantidad nita,
2
. Aplicando (9.56) tenemos que I(X; Y ) = . Una explicacin
ms intuitiva pero menos formal es la siguiente: como la potencia del ruido aditivo es ja,
si podemos hacer la potencia de la seal de entrada tan grande como queramos podemos
hacer la relacin seal a ruido tan grande como queramos; en consecuencia, la salida ser
tan parecida a la entrada como queramos y podremos transmitir tanta informacin como
queramos.
Como este resultado carece de utilidad, impondremos como restriccin adicional la limi-
tacin de la varianza de la entrada del canal, X, y denimos la capacidad del canal gausiano
con limitacin de potencia o, simplemente, capacidad del canal gausiano como
C
.
= m ax
f
X
(x):EX
2
P
I(X; Y ) (9.61)
siendo X e Y , respectivamente, la entrada y la salida del canal gausiano descrito anterior-
mente.
Para calcular la capacidad expresamos la informacin mutua en funcin de las entropas
de la entrada y del ruido empleando (9.57) y (9.60)
I(X; Y ) = h(Y ) h(Y [X) = h(X +Z) h(Z) (9.62)
Calculamos en primer lugar la entropa diferencial de Z
h(Z) =
_

2
e
z
2
2
2
log
2
1
1
2
e
z
2
2
2
dz
=
_

2
e
z
2
2
2
_
1
2
log
2
2
2
+
z
2
2
2
log
2
e
_
dz
=
1
2
log
2
2
2
_

2
e
z
2
2
2
dz +
log
2
e
2
2
_

z
2
1
2
e
z
2
2
2
dz
=
1
2
log
2
2
2
+
log
2
e
2
2

2
=
1
2
log
2
2e
2
(9.63)
que resulta depender slo de su varianza
9
. Ahora, para encontrar la funcin de densidad de
probabilidad que dene la capacidad necesitamos el siguiente resultado, que demostraremos
a continuacin: supuesta ja la varianza de una variable aleatoria, la funcin de densidad de
probabilidad que hace mxima su entropa diferencial es la gausiana.
Para simplicar la demostracin de este resultado vamos a considerar nicamente va-
riables aleatorias de media nula, ya que cualquier traslacin sobre la variable aleatoria no
9
Aunque Z fuese una variable aleatoria gausiana de media no nula, de acuerdo con (9.58), su entropa
diferencial seguira dependiendo nicamente de su varianza.
modica su entropa, como vimos en (9.58). Consideremos dos variables aleatorias, Z y
Z
, ambas de media nula y varianza

2
; Z posee una funcin de densidad de probabilidad
gausiana y Z
puede, en principio, tener cualquier funcin de densidad de probabilidad. Va-

mos a demostrar que, en estas condiciones, se cumple que h(Z) h(Z
), vericndose
la igualdad slo si Z
posee una funcin de densidad de probabilidad gausiana, lo que de-

muestra que una variable aleatoria gausiana es la de mayor entropa diferencial a igualdad
de varianza.
La esperanza respecto a Z
de la funcin log
2
1
1
2
e
z
2
2
2
resulta ser
_

log
2
1
1
2
e
z
2
2
2
f
Z
(z
) dz
=
=
_

_
1
2
log
2
2
2
+
z
2
2
2
log
2
e
_
f
Z
(z
) dz
=
1
2
log
2
2e
2
independiente de la funcin de densidad de probabilidad de Z
siempre que su media sea

nula y su varianza sea
2
. La diferencia de entropas entre Z y Z
es
h(Z) h(Z
) =
_

2
e
z
2
2
2
log
2
1
1
2
e
z
2
2
2
dz
_

f
Z
(z
) log
2
1
f
Z
(z
)
dz
=
_

f
Z
(z) log
2
1
1
2
e
z
2
2
2
dz
_

f
Z
(z
) log
2
1
f
Z
(z
)
dz
(9.64)
=
_

f
Z
(z) log
2
1
2
e
z
2
2
2
f
Z
(z)
dz (9.65)
log
2
_

f
Z
(z)
1
2
e
z
2
2
2
f
Z
(z)
dz (9.66)
= log
2
_

2
e
z
2
2
2
dz
= log
2
1
= 0
donde la igualdad (9.64) se obtiene del resultado anterior, la desigualdad (9.66) a partir de la
desigualdad de Jensen y de la concavidad de la funcin logaritmo (vase el Apndice 9.B).
Adems, como la funcin logaritmo es estrictamente cncava, la igualdad slo se produce
en el caso en que se anule el logaritmo en (9.65)
log
2
1
2
e
z
2
2
2
f
Z
(z)
= 0 = f
Z
(z) =
1
2
e
z
2
2
2
Hemos demostrado, como queramos, que h(Z) h(Z
), cumplindose la igualdad nica-

mente en el caso en que Z
tenga una funcin de densidad de probabilidad gausiana.

Volviendo al clculo de la capacidad del canal gausiano, tenamos que encontrar el m-
ximo de
I(X; Y ) = h(Y )
1
2
log
2
2e
2
= h(X +Z)
1
2
log
2
2e
2
(9.67)
sujeto a la restriccin EX
2
P. Como X y Z son estadsticamente independientes y Z
es de media nula, la varianza de Y es EY
2
= E(X + Z)
2
= EX
2
+ EZ
2

P +
2
.
Como la varianza de Y est acotada, la capacidad se alcanza slo cuando Y es una
variable aleatoria gausiana de media nula y varianza igual a P +
2
. A su vez, para que
esto suceda, X debe ser una variable aleatoria gausiana de media nula y varianza P, porque
slo en ese caso X + Z es una variable aleatoria gausiana de media nula y varianza igual a
P +
2
.
Finalmente, la capacidad del canal gausiano es
C =
1
2
log
2
2e(P +
2
)
1
2
log
2
2e
2
=
1
2
log
2
_
1 +
P
2
_
bits (9.68)
alcanzndose cuando la entrada es una variable aleatoria gausiana de media nula y varianza
P.
Enlazando el modelo probabilstico con el modelo de canal gausiano de banda limitada
(Apartado 9.1.2), tenemos que la potencia de ruido cuando el ancho de banda es W rad/s es
2
= N
0
W/2 = N
0
/2T, siendo utilizado el canal 1/T = W/ veces por segundo. Esto
nos da una capacidad, en bits por uso del canal
C =
1
2
log
2
_
1 +
2P
N
0
W
_
bits (o bits por uso del canal) (9.69)
y en bits por segundo
C =
W
2
log
2
_
1 +
2P
N
0
W
_
bits/s (9.70)
que queda ms simple si expresamos el ancho de banda en hercios
C = W
log
2
_
1 +
P
N
0
W
_
bits/s (9.71)
siendo W
= W/2 el ancho de banda en hercios.

Ejemplo 9.9
Consideremos un canal gausiano con un ancho de banda de 2 2.000 rad/s. En la Figura 9.18
se muestra (en lnea continua) la capacidad del canal en bits/s en funcin de la relacin seal
a ruido,
2P
WN
0
. Empleando este canal para transmitir smbolos de la constelacin 4-PAM de la
Figura 4.28 (Pgina 208) empleada en los Ejemplos 9.1 y 9.4 a una velocidad de 4.000 baudios,
la capacidad ofrecida por el canal digital (a partir del modelo de DMC) es la que muestra la lnea
discontinua de la gura. Obviamente, esta capacidad es siempre inferior a la del canal gausiano,
adems de presentar un lmite mximo de capacidad de 2 bits por uso.
10
1
10
0
10
1
10
2
10
3
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
x 10
4
2P/(WN
0
)
C

(
b
i
t
s
/
s
)
Figura 9.18. Capacidad del canal gausiano del Ejemplo 9.9 (lnea continua) y del DMC
del Ejemplo 9.1 empleado 4.000 veces por segundo (lnea discontinua) en funcin de la
relacin seal a ruido.
9.3.3. Teorema de codicacin de canal y curva de capacidad
Al igual que suceda analizando el DMC, hemos calculado la capacidad del canal gau-
siano, pero no hemos demostrado que es posible transmitir de manera able una cantidad de
informacin igual a la capacidad a travs del canal gausiano. Esta demostracin es el objeto
del teorema de codicacin de canal para el canal gausiano, que expondremos a continua-
cin siguiendo un desarrollo paralelo al realizado para el DMC.
Para transmitir informacin a travs de un canal gausiano empleamos un cdigo para el
canal gausiano con limitacin de potencia, que no es sino una generalizacin de los codi-
cadores de canal vistos en los Captulos 4, 5 y 8, y cuyo funcionamiento explicaremos con
ayuda de la Figura 9.19.
Canal
gausiano
B l [ ]
] [
l B
Codificador
canal
gausiano
X i [ ]
Decodificador
canal
gausiano
Y i [ ]
1 2 n 1 2
n
1 2 k
1 2 k
Figura 9.19. Codicador y decodicador para el canal gausiano.
El cdigo queda denido por el codicador y el decodicador. El codicador tiene como
entrada un vector de k smbolos binarios, formando ndices que pueden tomar 2
k
valores
distintos. Ante cada entrada, el codicador genera como salida un vector de n valores reales
(a diferencia del codicador para DMC, que generaba un vector de smbolos de entrada al
DMC) o palabra cdigo de energa no superior a nP. El decodicador decide, a partir de
la versin ruidosa de la palabra cdigo, su ndice. Formalmente, el cdigo queda denido
por el conjunto de ndices b
i
, i = 1, . . . , 2
k
, la funcin de codicacin que asigna un
palabra cdigo (de entre el diccionario x(i), i = 1, . . . , 2
k
) a cada ndice de la forma
b
i
x(i), y la funcin de decodicacin, que asigna a cada posible vector Y (denido
como en (9.44)) un ndice. La tasa del cdigo, como en el caso del DMC, se dene como
R = k/n y se mide en bits por uso del canal, y cada palabra cdigo debe cumplir la siguiente
restriccin de energa
10
|x(i)|
2
nP i = 1, . . . , 2
k
(9.72)
Ejemplo 9.10
La modulacin 16-QAM (Apartado 5.4) dene un codicador en que k = 4, n = 2 (partes real
e imaginaria). Si aadimos, por ejemplo, un decisor de mnima distancia, hemos completado la
denicin de un cdigo con tasa R = 2.
Ejemplo 9.11
Una modulacin OFDM en tiempo discreto (Apartado 8.1) con 1.024 portadoras con modulacin
16-QAM dene un codicador en que k = 4.096, n = 2.048. Si aadimos, por ejemplo, un
decisor de mnima distancia, hemos completado la denicin de un cdigo con tasa R = 2.
Empleando cdigos para el canal gausiano es posible demostrar un teorema de codica-
cin de canal de enunciado idntico al correspondiente al DMC, aunque su demostracin sea
distinta. Podemos denir una probabilidad de error mxima igual a la expresada en (9.49),
a partir de ella la transmisin able a una tasa R, enunciando el teorema de codicacin de
canal como: es posible realizar una transmisin able a una tasa R por un canal gausiano
de capacidad C si R C. Adems, toda transmisin able a travs de un canal gausiano de
capacidad C debe realizarse a tasas R C.
La demostracin del teorema se escapa del alcance de este texto. Sin embargo, vamos a
presentar a continuacin un argumento que demuestra que es posible construir cdigos con
los que realizar una transmisin able a una tasa C. Para ello vamos a determinar primero
la probabilidad de que una realizacin de una variable aleatoria gausiana n-dimensional
de media nula y componentes independientes e idnticamente distribuidas (esto es, cuyas
componentes son gausianas independientes de media nula y varianza
2
) est a una distancia
mayor de d del origen de coordenadas. Sea Z
n
=
_
Z[0] Z[1] Z[n 1]
T
una variable
aleatoria gausiana de media nula y matriz de covarianza
2
I
n
, siendo I
n
la matriz identidad
de tamao n n. La distancia al cuadrado de Z
n
al origen dividida por la varianza
|Z
n
|
2
2
=
1
2
n1
i=0
Z
2
[i] =
n1
i=0
Z
2
[i]
2
10
Ntese que esta condicin es una restriccin ms dura que la de potencia media (o energa media por
smbolo de entrada al canal) no superior a P, aunque garantiza el cumplimiento de esta ltima sea cual sea la
frecuencia de aparicin de cada palabra cdigo.
posee una distribucin
2
con n grados de libertad (Ecuacin (3.43)) por ser la suma de los
cuadrados de n gausianas independientes de media nula y varianza unidad. En consecuencia
Pr(|Z
n
| > d) = 1 F
2(n, d
2
/
2
) (9.73)
donde F
2(n, ) es la funcin de distribucin de una

2
con n grados de libertad. La Figura
9.20 muestra esta probabilidad en funcin de n cuando d =
_
n(
2
+) para = 0,05
2
,
donde podemos ver que esta probabilidad decrece exponencialmente con la dimensin, n.
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
10
4
10
3
10
2
10
1
10
0
n
P
r
(
|
Z
n
|

>

d
)
Figura 9.20. Probabilidad de que una realizacin de una variable aleatoria gausiana n-
dimensional con matriz de covarianza
2
I
n
est a una distancia mayor que
1,05n de
su media, en funcin de n.
Las implicaciones de este resultado en el problema del diseo del cdigo son que, puesto
que el canal introduce una interferencia aditiva de ruido blanco gausiano, podemos conseguir
una probabilidad de error tan baja como queramos si la funcin de decodicacin se disea
asignando al ndice b
i
todos los puntos del interior de una hiperesfera de radio
_
n(
2
+)
centrada en la palabra cdigo x(i).
El problema est en determinar cuntas hiperesferas disjuntas de radio
_
n(
2
+)
podemos encajar en la regin del espacio n-dimensional a la que podemos llegar mante-
niendo la restriccin de potencia (9.72), esto es, la hiperesfera de radio
_
n(P +
2
+)
centrada en el origen. Teniendo en cuenta que el volumen de una hiperesfera de radio
d en un espacio de dimensin n es Kd
n
, con K =
n/2
/(n/2)! para n par y K =
2
n
(n1)/2
((n 1)/2)!/n! para n impar, si hacemos las aproximaciones: 1) el vector reci-
bido Y
n
= X
n
+Z
n
posee una distribucin gausiana de media nula y matriz de covarianza
(P +
2
)I
n
, y 2) si la dimensin del espacio n es lo sucientemente alta es posible em-
paquetar las hiperesferas sin dejar intersticios entre ellas; el nmero de hiperesferas (y, por
tanto, el de palabras cdigo, M) es el resultado de dividir el volumen de las hiperesferas
de radios
_
n(P +
2
+) y
_
n(
2
+). Teniendo en cuenta que podemos hacer tan
pequeo como queramos (siempre que sea positivo), el nmero de palabras cdigo para una
transmisin able es
M =
__
P +
2
2
_
n
=
_
1 +
P
2
_n
2
(9.74)
y de aqu la tasa R a la que conseguimos una transmisin able como
R =
log
2
M
n
=
1
2
log
2
_
1 +
P
2
_
(9.75)
igual a la capacidad del canal gausiano, (9.68).
Aunque pueda parecer que debido a las aproximaciones realizadas es imposible alcanzar
una tasa R = C, una de las partes de la demostracin del teorema de codicacin est
dedicada precisamente a probar que existe al menos un cdigo con el que es posible alcanzar
la capacidad del canal. No obstante, no debemos olvidar la denicin de transmisin able,
en la que jamos en primer lugar la probabilidad de error que consideramos aceptable y, en
funcin de esa, se elige el n mnimo, lo que va a implicar, en general, codicadores de una
complejidad inabarcable.
Volviendo a (9.70), podemos averiguar en qu condiciones una determinada tasa binaria
R est por encima o por debajo de la capacidad del canal C. La potencia de seal, P, puede
expresarse en funcin de la tasa binaria y de la energa por bit como P = RE
b
, que sustituida
en (9.70) nos da un valor de capacidad
C =
W
2
log
2
_
1 +
2E
b
R
N
0
W
_
=
W
2
log
2
_
1 +
2R
W
E
b
N
0
_
bits/s (9.76)
El argumento del logaritmo en esta ecuacin est expresado en funcin de dos trminos.
Uno de ellos es
E
b
N
0
, la medida normalizada de la relacin seal a ruido que hemos venido
utilizando a lo largo de los captulos anteriores. El otro es
2R
W
=
R
W
, la eciencia espectral
denida en el Apartado 5.1.1.
Si transmitimos a una tasa binaria R igual a la capacidad del canal, R = C, (9.76) se
transforma en
C =
W
2
log
2
_
1 +
2C
W
E
b
N
0
_
=
2C
W
= log
2
_
1 +
2C
W
E
b
N
0
_
(9.77)
de donde, despejando
E
b
N
0
, obtenemos
E
b
N
0
=
W
2C
_
2
2C
W
1
_
(9.78)
que es la curva en el plano
E
b
N
0
frente a
R
W
que representa la Figura 9.21.

En la regin bajo la curva se cumple que R < C y por tanto existe un cdigo (un formato
de modulacin) con el que podemos realizar una transmisin able. La regin por encima
de la curva es aqulla en la que R > C, donde es imposible encontrar un cdigo con el que
realizar una transmisin able.
1.6
5 0 5 10 15 20 25 30
E
b
/N
0
(dB)
0.5
1
2
4
8
R
/
W

(
b
i
t
s
/
s
/
H
z
)
R>C
R<C
Figura 9.21. Curva de capacidad del canal gausiano.
Veamos ahora dnde se sitan en el plano eciencia espectral (
R
W
) frente a relacin
seal a ruido (
E
b
N
0
) de la Figura 9.21 algunos de los formatos de modulacin tratados has-
ta ahora. Recordemos que un formato de modulacin ser un punto en este plano para la
probabilidad de error a la que consideramos able la transmisin, y que tomando distintas
probabilidades de error variarn las coordenadas (la relacin seal a ruido) de dicho punto.
En la Figura 9.22 se muestran las modulaciones lineales (PAM) paso bajo tratadas en el
Apartado 5.1 considerando probabilidades de error medias de smbolo de, respectivamente,
10
3
, 10
6
y 10
9
. Dado el decrecimiento de la funcin Q la diferencia en
E
b
N
0
conforme
disminuimos la probabilidad de error va siendo cada vez ms pequea.
En las Figuras 9.23 y 9.24 se muestran, respectivamente, las grcas equivalentes para
las modulaciones QAM y modulaciones ortogonales paso bajo. Estas ltimas se correspon-
den con un equivalente paso bajo real de las modulaciones FSK en las que las constelaciones
de smbolos seran de la forma
_
E
s
0
.
.
.
0
_
_
,
_
_
0
E
s
.
.
.
0
_
_
, . . . ,
_
_
0
0
.
.
.
E
s
_
_
La primera conclusin que podemos extraer de estas tres ltimas guras es la gran di-
ferencia que existe, para cada valor de eciencia espectral en que se sitan cada una de las
modulaciones, entre la
E
b
N
0
que dene la capacidad del canal gausiano y aqulla para la que
se consigue una transmisin able con la modulacin correspondiente.
La segunda conclusin que podemos obtener es que, dentro de la regin en que R < C,
podemos intercambiar eciencia espectral (
R
W
) por relacin seal a ruido (

E
b
N
0
) movindo-
2PAM
4PAM
8PAM
16PAM
32PAM
5 0 5 10 15 20 25 30
E
b
/N
0
(dB)
0.5
1
2
4
8
R
/
W

(
b
i
t
s
/
s
/
H
z
)
P
e
=10
3
P
e
=10
6
P
e
=10
9
Figura 9.22. Ubicacin de las modulaciones lineales paso bajo en el plano eciencia es-
pectral frente a relacin seal a ruido para tres probabilidades de error.
nos desde la parte superior derecha a la inferior izquierda de la Figura 9.21 a base de sustituir
una modulacin por otra. En la parte superior derecha podemos conseguir una alta eciencia
espectral a costa de una tambin alta relacin seal a ruido, aumentando la capacidad del
canal de forma logartmica con la relacin seal a ruido, segn podemos deducir de (9.76).
Los formatos de modulacin que se sitan en esta parte del plano, por ejemplo, los formatos
QAM, suelen denominarse ecientes en ancho de banda. Por el contrario, en la zona inferior
izquierda del plano, donde se sitan las modulaciones ecientes en potencia, por ejemplo,
las modulaciones ortogonales, podemos conseguir transmitir de forma able con una baja
relacin seal a ruido a costa de disminuir la eciencia espectral. Sin embargo, y a diferen-
cia de la zona de alta eciencia espectral en que podemos aumentar de forma indenida la
capacidad aumentando la relacin seal a ruido, no podemos disminuir de forma indenida
la relacin seal a ruido aunque reduzcamos indenidamente la eciencia espectral. Calcu-
lando, con ayuda de la regla de LHopital, el lmite de la curva de capacidad, (9.78), cuando
la eciencia espectral tiende a cero obtenemos
lm
C
W
0
E
b
N
0
= ln 2 0,693 1,6 dB (9.79)
que podemos ver en la Figura 9.21 y que implica que no es posible realizar una transmisin
able con una relacin seal a ruido (
E
b
N
0
) inferior a 1,6 dB.
9.3.4. Canal gausiano con entrada digital
En el apartado anterior hemos comprobado las diferencias existentes entre la relacin
seal a ruido para la que se alcanza la capacidad del canal gausiano y aqullas a las que
4QAM
8QAM
16QAM
32QAM
64QAM
128QAM
256QAM
BPSK
5 0 5 10 15 20 25 30
E
b
/N
0
(dB)
0.5
1
2
4
8
R
/
W

(
b
i
t
s
/
s
/
H
z
)
P
e
=10
3
P
e
=10
6
P
e
=10
9
Figura 9.23. Ubicacin de las modulaciones QAM en el plano eciencia espectral frente
a relacin seal a ruido para tres probabilidades de error.
conseguimos una transmisin able empleando los distintos formatos de modulacin, dife-
rencias que llegan a superar los 10 dB en algunos casos. Para encontrar las causas de estas
diferencias analizaremos en primer lugar la inuencia del formato de modulacin con la
ayuda del modelo de canal gausiano con entrada digital que enunciamos en el Apartado
9.1.3, del que nos proponemos calcular su capacidad.
La informacin mutua entre la entrada y salida del canal gausiano con entrada digital
toma la forma
I(X; Y ) = E
_
log
2
f
Y [X
(y[x)
f
Y
(y)
_
=
_
M
i=1
p(x
i
)f
Y [X
(y[x
i
) log
2
f
Y [X
(y[x
i
)
M
j=1
p(x
j
)f
Y [X
(y[x
j
)
dy (9.80)
con f
Y [X
(y[x) segn (9.25). Debido a la forma de la funcin de densidad de probabilidad
de la salida del canal (una mezcla de gausianas) resulta imposible evaluar analticamente
(9.80). Podemos, sin embargo, realizar una evaluacin numrica de (9.80) (por ejemplo,
mediante el mtodo de Monte Carlo), y las Figuras 9.25 y 9.26 muestran el resultado para el
caso de smbolos equiprobables empleando constelaciones, respectivamente, reales de tipo
PAM y complejas de tipo QAM.
Como referencia en estas guras encontramos tambin la capacidad del canal gausiano
y, como podemos apreciar, aun sin emplear la distribucin de probabilidades de entrada
que hace mximo I(X; Y ) (y que nos dara la capacidad del canal gausiano con entrada
digital) es posible alcanzar una capacidad muy prxima a la del canal gausiano empleando
los formatos de modulacin analizados. Recordemos que la capacidad del canal gausiano se
alcanzaba con una entrada que poseyese una funcin de densidad de probabilidad gausiana,
M=2 M=4
M=8
M=16
M=32
5 0 5 10 15 20 25 30
E
b
/N
0
(dB)
0.25
0.5
1
2
4
8
R
/
W

(
b
i
t
s
/
s
/
H
z
)
P
e
=10
3
P
e
=10
6
P
e
=10
9
Figura 9.24. Ubicacin de las modulaciones ortogonales paso bajo en el plano eciencia
espectral frente a relacin seal a ruido para tres probabilidades de error.
y nosotros estamos utilizando aqu una entrada discreta con distribucin de probabilidad
uniforme.
En el siguiente ejemplo analizaremos de forma ms detallada el caso de la modulacin
4-PAM tratado en los Ejemplos 9.1, 9.4 y 9.9.
Ejemplo 9.12
Calculando numricamente el mximo de (9.80) respecto a la distribucin de probabilidad de los
smbolos a la entrada del canal para el caso de una modulacin 4-PAM obtenemos el resultado
que muestra la Figura 9.27, donde se compara con la capacidad del canal gausiano y la capacidad
del DMC resultante de esta misma modulacin que fue presentando en el Ejemplo 9.1 y analizado
en el Ejemplo 9.4.
Como es lgico, la capacidad del canal gausiano con entrada digital se sita entre la capacidad
del canal gausiano y la capacidad del DMC. Del canal gausiano al gausiano con entrada digital la
prdida de capacidad se debe al empleo de una distribucin discreta de probabilidades en lugar
de una continua gausiana adems de, obviamente, el lmite mximo de dos bits por smbolo
de entrada al canal de la constelacin 4-PAM. Del canal gausiano con entrada digital al DMC la
prdida de capacidad se debe a la prdida de informacin en el decisor (el decisor no es un sistema
invertible). Esta ltima prdida de informacin no se producira si, adems del smbolo decidido,
el decisor ofreciese a su salida tambin la verosimilitud de cada posible smbolo transmitido.
De estos ejemplos cabe concluir que el empleo de un determinado formato de modula-
cin adecuado no limita signicativamente la capacidad del canal gausiano.
Ejemplo 9.13
Con una relacin seal a ruido de 20 dB en un canal complejo paso banda (vase Figura 9.26)
el canal gausiano posee una capacidad aproximada de 3,33 bits por uso (smbolo), pero para
conseguir una capacidad mnima de 3 bits por smbolo debemos emplear una constelacin QAM
10
1
10
0
10
1
10
2
10
3
10
4
10
5
0
1
2
3
4
5
6
7
2PAM
4PAM
8PAM
16PAM
32PAM
64PAM
2P/(WN
0
)
I
(
X
;
Y
)

(
b
i
t
s

p
o
r

u
s
o

d
e
l

c
a
n
a
l
)
Figura 9.25. Informacin mutua entre la entrada y la salida de un canal gausiano con
entrada digital para distintas modulaciones en banda de base de tipo PAM con smbolos
equiprobables en funcin de la relacin seal a ruido. En lnea punteada, la capacidad del
canal gausiano.
con, al menos, 16 smbolos; empleando una 8-QAM la capacidad est ligeramente por debajo de
los 3 bits por smbolo.
Para alcanzar esta capacidad mnima de tres bits por smbolo, el codicador de canal ha de
seleccionar las palabras cdigo de entre una constelacin QAM de, al menos, 16 puntos. La
solucin natural para enviar tres bits por smbolo, emplear una constelacin 8-QAM, necesita
un valor de
E
b
N
0
(vase Figura 9.23) superior a 15 dB (equivalente a una relacin seal a ruido
aproximada de 20 dB) para conseguir una trasmisin able, si denimos esta como la que se
realiza con una probabilidad de error menor que 10
9
.
La diferencia entre la capacidad del canal gausiano y la que conseguimos con los formatos
de modulacin considerados en las Figuras 9.22 a 9.24 es debida a la simplicidad del codi-
cador (la transmisin de cada smbolo se realiza en un solo uso del canal gausiano) y no
al empleo de un formato de modulacin. En el captulo siguiente analizaremos codicado-
res, como los TCM, en los que es posible acortar la distancia entre la capacidad del canal
gausiano y la tasa binaria a la que podemos conseguir una transmisin able empleando los
mismos formatos de modulacin.
A pesar del tiempo transcurrido, an resulta recomendable la lectura de los artculos
originales de Shannon, [76], fundamentalmente [73]. Entre los tratados monogrcos sobre
teora de la informacin caben destacar especialmente dos, el de Cover y Thomas [21] por
la calidad del texto en s y el de Gallager [28] por ser una referencia absoluta en la teora de
10
1
10
0
10
1
10
2
10
3
0
1
2
3
4
5
6
7
BPSK
4QAM
8QAM
16QAM
32QAM
64QAM
2P/(WN
0
)
I
(
X
;
Y
)

(
b
i
t
s

p
o
r

u
s
o

d
e
l

c
a
n
a
l
)
Figura 9.26. Informacin mutua entre la entrada y la salida de un canal gausiano con
entrada digital para distintas modulaciones paso banda de tipo QAM con smbolos equi-
probables en funcin de la relacin seal a ruido. En lnea punteada, la capacidad del canal
gausiano.
la informacin aplicada a las comunicaciones digitales. Del resto podemos mencionar los
de Blahut [9] y Csiszr y Krner [22] entre los de corte ms clsico y el de Mackay [47],
bastante ms heterodoxo. Por ltimo, resmenes de extensin similar al presente captulo
podemos encontrarlos en un gran nmero de libros de comunicaciones digitales, como por
ejemplo el debido a Haykin en [39].
PROBLEMAS
P9.1 Calcule la matriz de canal del DMC equivalente a un canal digital con una modulacin
4-QAM y decisor ML en funcin de
E
b
N
0
.
P9.2 Calcule las probabilidades de transicin del canal gausiano con entrada discreta equi-
valente a un canal gausiano con entrada digital con una modulacin ortogonal de M
smbolos en funcin de
E
b
N
0
. Calcule la matriz de canal del DMC equivalente a un canal
digital formado por el anterior seguido de un decisor ML, tambin en funcin de
E
b
N
0
(Ayuda: realice de manera justicada las simplicaciones que considere oportunas en
la determinacin de la probabilidad de error).
P9.3 La entrada a un sistema de comunicaciones binario, que se denota con una variable
aleatoria X toma uno de dos posibles valores 0 1, con probabilidades
3
4
y
1
4
, respec-
tivamente. La salida de este sistema de comunicaciones se modela con una variable
10
1
10
0
10
1
10
2
0
0.5
1
1.5
2
2.5
2P/(WN
0
)
C

(
b
i
t
s
/
s
)
Figura 9.27. Capacidad del canal gausiano con entrada digital y formato de modulacin
4-PAM en funcin de la relacin seal a ruido. En lnea discontinua, la capacidad del canal
gausiano y en lnea punteada, la capacidad del DMC del Ejemplo 9.4.
aleatoria Y , y el comportamiento de dicho sistema viene descrito por las probabilida-
des condicionadas siguientes:
P (Y = 1[X = 1) = 3/4 P (Y = 0[X = 0) = 7/8
Calcule:
3.1. La entropa de X, H(X).
3.2. La entropa de la salida, H(Y ).
3.3. La entropa condicionada de la salida a la entrada, H(Y [X).
3.4. La informacin mutua entre la entrada y la salida, I(X; Y ).
P9.4 Considere un proceso gausiano y blanco que es ltrado con un ltro paso bajo ideal de
ancho de banda 15 KHz, y posteriormente muestreado con una frecuencia de muestreo
de 30 KHz. A partir de estas muestras, X[n], obtenemos el proceso Y [n] como
Y [n] =
_
_
0 si 0 X[n] <
x
1 si X[n]
x
2 si 0 > X[n]
x
3 si X[n] <
x
donde
2
x
es la varianza de X[n]. Determine la cantidad de informacin por unidad de
tiempo (bits por segundo) que proporciona el proceso Y [n].
P9.5 Podemos denir la entropa conjunta de ms de dos variables de forma similar a (9.28).
Para tres variables aleatorias X, Y y Z con una distribucin de probabilidad conjunta
p
X,Y,Z
(x
i
, y
j
, z
k
), i = 1, . . . , M, j = 1, . . . , L, k = 1, . . . , K, H(X, Y, Z), se
dene como
H(X, Y, Z)
.
=
M
i=1
L
j=1
K
k=1
p
X,Y,Z
(x
i
, y
j
, z
k
) log
2
1
p
X,Y,Z
(x
i
, y
j
, z
k
)
Demuestre que H(X, Y, Z) puede descomponerse en trminos de entropa condicional
como
H(X, Y, Z) = H(X) +H(Y [X) +H(Z[X, Y )
Lo que se conoce como la regla de la cadena de la entropa. Proceda por induccin
para determinar la regla de la cadena de la entropa para N variables aleatorias.
P9.6 En el Apndice 9.B se demuestra que H(X[Y ) H(X). Demuestre que la igualdad
se produce nicamente cuando X e Y son estadsticamente independientes.
P9.7 Sea X una variable aleatoria discreta y g(X) una funcin (determinista) de X. De-
muestre que H(X) H(g(X)). (Ayuda: descomponga H(X, g(X)) como en (9.31)
y como en (9.32) e iguale ambas expresiones).
P9.8 Demuestre que H(X, Y [Z) H(X[Z) y encuentre las condiciones en las que se
cumple la igualdad.
P9.9 La informacin mutua condicional entre las variables X e Y dado Z con una distribu-
cin de probabilidad conjunta p
X,Y,Z
(x
i
, y
j
, z
k
), i = 1, . . . , M, j = 1, . . . , L, k =
1, . . . , K, I(X; Y [Z), se dene como
I(X; Y [Z)
.
=
M
i=1
L
j=1
K
k=1
p
X,Y,Z
(x
i
, y
j
, z
k
) log
2
p
X,Y [Z
(x
i
, y
j
[z
k
)
p
X[Z
(x
i
[z
k
)p
Y [Z
(y
j
[z
k
)
Demuestre que I(X, Y ; Z), que se dene como
I(X, Y ; Z)
.
=
M
i=1
L
j=1
K
k=1
p
X,Y,Z
(x
i
, y
j
, z
k
) log
2
p
X,Y,Z
(x
i
, y
j
, z
k
)
p
X,Y
(x
i
, y
j
)p
Z
(z
k
)
puede descomponerse en trminos de informacin mutua condicional como
I(X, Y ; Z) = I(X; Z) +I(Y ; Z[X)
Lo que se conoce como la regla de la cadena para la informacin mutua. Proceda
por induccin para determinar la regla de la cadena de la informacin mutua para N
variables aleatorias.
x
1
x
2
1-e
e
y
1
y
3
y
2
1-e
e
a)
x
1
x
2
1
p
1-p
y
1
y
2
b)
x
1
x
N
y
1
y
N-1
y
2
1/2
1/2
1/2
1/2
1/2
1/2
1/2
1/2
y
3
y
N
x
N-1
x
2
c)
Figura 9.28. Canales correspondientes al Problema P9.10.
P9.10 Calcule la capacidad de los DMC de la Figura 9.28. Suponga, por simplicidad, que el
valor de N en la Figura 9.28(c) es par.
P9.11 Considere un DMC con un alfabeto de entrada x
1
, x
2
, x
3
, un alfabeto de salida
y
1
, y
2
, y
3
y una matriz de canal
P =
_
_
1/2 1/4 1/4
1/4 1/2 1/4
1/4 1/4 1/2
_
_
11.1. Calcule su capacidad.
11.2. Este canal es un ejemplo de canal simtrico, que se dene como aqul en el
que todas las las y columnas de su matriz de canal estn formadas por la per-
mutacin de los mismos elementos. Tambin se denen los canales simtricos
en sentido amplio como aqullos cuyas matrices de canal no son cuadradas, pero
los elementos de cualquier la se forman mediante la permutacin de los mismos
elementos y la suma de los elementos de cada columna es la misma. Determi-
ne la frmula general de la capacidad de los canales simtricos y simtricos en
sentido amplio.
P9.12 Considere la concatenacin de dos BSC con idntica probabilidad de cruce, p, 0 <
p < 1/2.
12.1. Demuestre que pueden ser considerados conjuntamente como un nico BSC,
determine su probabilidad de cruce en funcin de p y calcule su capacidad.
12.2. Repita el apartado anterior para la concatenacin de N BSC.
12.3. Determine el resultado cuando N tiende a innito.
P9.13 Considere un DMC con alfabeto de entrada x
i
, i = 1, . . . , M, alfabeto de salida
y
j
, j = 1, . . . , L y probabilidades de transicin p
Y [X
(y
j
[x
i
)
13.1. Demuestre que la informacin mutua entre la entrada y la salida del canal se
puede escribir como
I(X; Y ) =
M
i=1
p
X
(x
i
) log
2
i
p
X
(x
i
)
donde
i
.
=
L
j=1
_
p
X[Y
(x
i
[y
j
)
_
p
Y |X
(y
j
[x
i
)
13.2. A partir de la expresin anterior, demuestre que si consideramos jos los valores
de p
X[Y
(x
i
[y
j
) (adems de las probabilides de transicin), la distribucin de
entrada que hace mxima I(X; Y ) es p
X
(x
i
) = c
i
, donde c es una constante
elegida para que
M
i=1
p
X
(x
i
) = 1.
13.3. Demuestre que el valor mximo de I(X; Y ) obtenido segn el apartado anterior
es igual a log
_
M
i=1
i
_
.
P9.14 Calcule la entropa diferencial de una variable aleatoria continua para las siguientes
distribuciones:
14.1. Laplaciana (ver P4.8).
14.2. Exponencial.
14.3. Rayleigh.
P9.15 Sean X e Y dos variables aleatorias gausianas idnticamente distribuidas, de media ,
varianza
2
y covarianza cruzada E(X )(Y ) =
2
. Determine h(X +Y )
e I(X; Y ) en los siguientes casos:
15.1. = 0
15.2. = 1
15.3. = 1
P9.16 Podemos modelar el canal telefnico de comunicaciones vocales como un canal gau-
siano limitado en banda, con una banda de paso de 200 a 3.400 Hz y una relacin seal
a ruido de 30 dB en recepcin. Determine su capacidad.
P9.17 Consideremos un canal discreto equivalente en un espacio de dimensin N en el que
el vector de ruido aditivo es gausiano, de componentes independientes, pero cada una
de ellas de una varianza distinta. Suponiendo que limitamos la energa media de la
seal en cada dimensin a P, determine la capacidad del canal. Indique razonadamente
cmo variara la capacidad si establecisemos una nica limitacin de la energa media
de la seal a NP.
9.A JUSTIFICACIN DE LA MEDIDA DE ENTROPA 581
P9.18 En un canal gausiano en banda base tenemos una relacin seal a ruido de 20 dB.
Determine la capacidad del canal, la informacin mutua entrada salida de los canales
gausianos con entrada digital si empleamos las constelaciones 2-PAM, 4-PAM y 8-
PAMy smbolos equiprobables (emplee los datos de la Figura 9.25), las probabilidades
de error con esas constelaciones y un decisor ML y, en funcin de todos estos datos,
escoja la modulacin que considere ms adecuada para lograr una transmisin able
a la mayor velocidad binaria posible.
APNDICES
9.A. POR QU LA ENTROPA ES LA NICA MEDIDA POSIBLE DE IN-
FORMACIN, SEGN SHANNON
El contenido de este apndice es, en sus lneas fundamentales, el desarrollo original que
aparece en el artculo A Mathematical Theory of Communication, de Claude Shannon
[73]. En l se establece una denicin axiomtica de la entropa a partir de tres propiedades
que debe de cumplir una medida de incertidumbre sobre una variable aleatoria discreta.
Otras deniciones axiomticas de la entropa podemos encontrarlas en [22].
Consideremos una variable aleatoria discreta X
M
que puede tomar uno de entre M
valores posibles x
i
, i = 1, . . . , M con probabilidades p
i
, i = 1, . . . , M. Queremos
denir una medida sobre X
M
, H(X
M
), que nos indique la incertidumbre sobre el valor
concreto que toma la variable aleatoria en una realizacin, de tal manera que si la incerti-
dumbre es mayor, tambin lo sea la medida. Una forma de pensar en la medida de incer-
tidumbre es como el nmero de preguntas que, en media, necesitamos hacer para conocer
el valor concreto de una realizacin; a mayor nmero de preguntas, mayor incertidumbre
sobre el valor concreto. La incertidumbre, denida as, no depende de los valores concre-
tos que puede tomar la variable aleatoria, sino slo de sus probabilidades; ser una funcin
H(X
M
) = H(p
1
, p
2
, . . . , p
M
).
Sobre esta medida, H(p
1
, p
2
, . . . , p
M
), impondremos las siguientes tres condiciones:
C1. H(p
1
, p
2
, . . . , p
M
) debe ser una funcin continua respecto a los valores p
i
, i = 1, . . . ,
M.
C2. Para variables aleatorias equiprobables, H(
1
M
,
1
M
, . . . ,
1
M
) debe ser estrictamente cre-
ciente respecto a M.
C3. Si una variable aleatoria puede expresarse como la composicin secuencial de dos va-
riables aleatorias estadsticamente independientes, su entropa ser la suma ponderada
de las entropas de cada variable aleatoria.
La primera condicin nos asegura que una pequea variacin en la distribucin de probabili-
dades no produce cambios bruscos en el valor de la entropa. La segunda condicin establece
que, en igualdad de condiciones (equiprobabilidad), a mayor nmero de opciones (M), ma-
yor entropa. Como consecuencia, la medida sobre la probabilidad de cada evento debe ser
decreciente; a mayor probabilidad, menor valor. La tercera es la que establece el carcter
logartmico de la medida de entropa, y vamos a explicar su sentido con el mismo ejemplo
que emplea Shannon. Sean dos variables aleatorias con alfabetos x
11
, x
12
y x
21
, x
22
,
con distribuciones de probabilidad, respectivamente,
1
2
,
1
2
y
2
3
,
1
3
, y la siguiente forma
de composicin: si la primera variable aleatoria da como resultado en una realizacin el
smbolo x
12
, se obtiene una realizacin de la segunda variable aleatoria y, en caso contrario,
no. Esta composicin da lugar a una variable aleatoria con tres smbolos con las siguientes
probabilidades:
1
2
(si la realizacin de la primera variable aleatoria fue x
11
),
1
3
(si la reali-
zacin de la primera variable aleatoria fue x
12
y la de la segunda x
21
, ya que
1
3
=
1
2
2
3
) y
1
6
(si la realizacin de la primera variable aleatoria fue x
12
y la de la segunda x
22
, ya que
1
6
=
1
2
1
3
). En estas condiciones, la tercera condicin dice que
H
_
1
2
,
1
3
,
1
6
_
= H
_
1
2
,
1
2
_
+
1
2
H
_
2
3
,
1
3
_
La derivacin de la medida de entropa sigue el siguiente esquema: primero obtenemos
la expresin de la entropa para variables con distribuciones de probabilidad uniformes em-
pleando las Condiciones 2 y 3; a continuacin obtenemos la entropa para distribuciones
de probabilidad con probabilidades racionales agrupando smbolos con ayuda de la Condi-
cin 3 y, nalmente, empleando la condicin de continuidad, pasamos a valores reales de
probabilidad.
Para simplicar la notacin denimos H(M) como H(M)
.
= H(
1
M
,
1
M
, . . . ,
1
M
). Con-
sideramos ahora una variable aleatoria equiprobable con un alfabeto de M = l
m
smbolos,
siendo l y m nmeros enteros. La condicin 3 nos dice que
H(l
m
) = mH(l)
Consideramos tambin otra variable aleatoria con un alfabeto de o
n
smbolos equiprobables
(o, n Z), que tambin cumple H(o
n
) = nH(o).
Para cada n tan grande como queramos, podemos siempre encontrar un valor de m que
satisfaga
l
m
o
n
< l
m+1
(9.81)
Tomando el logaritmo de (9.81) y dividiendo cada trmino por nlog
2
l obtenemos
m
n

log
2
o
log
2
l
<
m
n
+
1
n
o, lo que es lo mismo,
m
n

log
2
o
log
2
l
< (9.82)
donde es un nmero real positivo que podemos hacer tan pequeo como queramos sin ms
que hacer n lo sucientemente grande.
Por otra parte, la Condicin 2 nos dice que
H(l
m
) H(o
n
) < H(l
m+1
)
9.A JUSTIFICACIN DE LA MEDIDA DE ENTROPA 583
sobre la que aplicamos la Condicin 3 para obtener
mH(l) nH(o) < (m+ 1)H(l) (9.83)
que dividimos por nH(l) para obtener
m
n

H(o)
H(l)
<
m
n
+
1
n
m
n

H(o)
H(l)
< (9.84)
con el mismo que en (9.82). Combinando (9.82) y (9.84) tenemos
H(o)
H(l)

log
2
o
log
2
l
< 2 (9.85)
y de aqu, como podemos hacer tan pequeo como queramos, concluimos que
H(o) = K log
2
o
siendo K una constante real y positiva para cumplir con la Condicin 2. Esta constante K
aparece debido a que en (9.85) encontramos el cociente entre los logaritmos.
Ahora que hemos demostrado la forma que toma la funcin entropa para variables alea-
torias con distribuciones uniformes, vamos a ver qu forma toma para distribuciones con
probabilidades racionales.
Consideramos un conjunto de M nmeros enteros, m
i
, i = 1, . . . , M. A partir de es-
tos nmeros construimos dos variables aleatorias, la primera con un alfabeto de M smbolos
cuyas probabilidades son p
i
=
m
i
M
j=1
m
j
, i = 1, . . . , M y la segunda con un alfabeto de
M
j=1
m
j
smbolos equiprobables. Cada smbolo x
i
de la primera puede considerarse como
generado a partir de m
i
smbolos (equiprobables) de la segunda variable aleatoria o, lo que
viene a ser lo mismo, la segunda variable aleatoria puede considerarse como la composicin
de la primera variable aleatoria con un conjunto de variables aleatorias con alfabetos de m
i
(i = 1, . . . , M) smbolos equiprobables tal y como se consideraba en la Condicin 3.
Como ya sabemos la forma que adopta la entropa para variables aleatorias uniformes,
slo tenemos que despejar la entropa de la variable que tiene M smbolos. Segn la Condi-
cin 3 tenemos
K log
2
_
_
M
j=1
m
j
_
_
= H(p
1
, p
2
, . . . , p
M
) +
M
i=1
p
i
(K log
2
m
i
)
y
H(p
1
, p
2
, . . . , p
M
) = K log
2
_
_
M
j=1
m
j
_
_
K
M
i=1
p
i
log
2
m
i
= K
M
i=1
p
i
log
2
m
i
M
j=1
m
j
= K
M
i=1
p
i
log
2
1
p
i
(9.86)
A partir de aqu ya slo queda hacer tender

M
j=1
m
j
hacia innito para, aplicando la
Condicin 1 (continuidad), conseguir que (9.86) sea vlida para cualquier valor real de p
i
contenido entre 0 y 1. El valor de K es arbitrario y nos permite cambiar la base del logaritmo
empleando la igualdad log
c
a = log
c
b log
b
a.
9.B. DEMOSTRACIN DE ALGUNAS DESIGUALDADES
En este apndice vamos a demostrar algunas desigualdades bsicas en la teora de la
informacin. Comenzaremos antes con las deniciones de concavidad y convexidad:
Denicin 1. Una funcin f ( f(x)) es convexa si se cumple
f(x
1
+ (1 )x
2
) f(x
1
) + (1 )f(x
2
)
para todo 0 1 y cualesquiera x
1
y x
2
en el dominio de f.
Denicin 2. Una funcin f es estrictamente convexa si se cumple
f(x
1
+ (1 )x
2
) < f(x
1
) + (1 )f(x
2
)
para todo 0 < < 1 y cualesquiera x
1
y x
2
en el dominio de f.
Denicin 3. Una funcin f es cncava si se cumple
f(x
1
+ (1 )x
2
) f(x
1
) + (1 )f(x
2
)
para todo 0 1 y cualesquiera x
1
y x
2
en el dominio de f.
Denicin 4. Una funcin f es estrictamente cncava si se cumple
f(x
1
+ (1 )x
2
) > f(x
1
) + (1 )f(x
2
)
para todo 0 < < 1 y cualesquiera x
1
y x
2
en el dominio de f.
9.B DEMOSTRACIN DE ALGUNAS DESIGUALDADES 585
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
Funcin convexa
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
Funcin estrictamente convexa
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
Funcin cncava
0 0.5 1 1.5 2
5
4
3
2
1
0
1
Funcin estrictamente cncava
Figura 9.29. Ejemplos de funciones convexas y cncavas.
de los que podemos ver algunos ejemplos en la Figura 9.29.
A continuacin demostraremos la conocida como desigualdad de Jensen: dada una va-
riable aleatoria X, si f es una funcin convexa se cumple
f (EX) Ef(X) (9.87)
Anlogamente, si f es estrictamente convexa se cumple que f (EX) < Ef(X), si f es
cncava se cumple que f (EX) Ef(X) y si f es estrictamente cncava se cumple
que f (EX) > Ef(X).
Demostraremos nicamente la versin bsica de esta desigualdad, indicando posterior-
mente la forma de extenderla al resto de casos.
Consideremos en primer lugar una variable aleatoria discreta binaria X que puede tomar
los valores x
1
y x
2
. En este caso, la desigualdad de Jensen, (9.87), toma la forma
f(x
1
p
X
(x
1
) +x
2
p
X
(x
2
)) p
X
(x
1
)f(x
1
) +p
X
(x
2
)f(x
2
)
que se demuestra directamente a partir de la denicin de convexidad.
Procediendo por induccin, suponemos que (9.87) es cierta para distribuciones discretas
con alfabetos de M smbolos (con M 2) y probaremos que se cumple para distribuciones
con alfabetos de (M + 1) smbolos. Sea X una variable aleatoria discreta que puede tomar
los valores x
i
, i = 1, . . . , M + 1 de acuerdo con una distribucin de probabilidades
p
X
(x
i
), i = 1, . . . , M + 1. Tenemos
f
_
M+1
i=1
x
i
p
X
(x
i
)
_
= f
_
x
M+1
p
X
(x
M+1
) + (1 p
X
(x
M+1
))
M
i=1
x
i
p
X
(x
i
)
(1 p
X
(x
M+1
))
_
p
X
(x
M+1
)f(x
M+1
) + (1 p
X
(x
M+1
))f
_
M
i=1
x
i
p
X
(x
i
)
(1 p
X
(x
M+1
))
_
(9.88)
por la denicin de convexidad. Por otra parte,
M
i=1
p
X
(x
i
)
(1p
X
(x
M+1
))
= 1, y el argumento de
f en el segundo trmino de (9.88) es la esperanza de una distribucin de M smbolos. Como
la hiptesis de partida es que la desigualdad es cierta para distribuciones con M trminos
tenemos que
f
_
M
i=1
x
i
p
X
(x
i
)
(1 p
X
(x
M+1
))
_
i=1
p
X
(x
i
)
(1 p
X
(x
M+1
))
f(x
i
)
que, sustituido en (9.88) da como resultado
f
_
M+1
i=1
x
i
p
X
(x
i
)
_
p
X
(x
M+1
)f(x
M+1
) + (1 p
X
(x
M+1
))
M
i=1
p
X
(x
i
)
(1 p
X
(x
M+1
))
f(x
i
)
=
M+1
i=1
p
X
(x
i
)f(x
i
)
lo que demuestra la desigualdad. Las demostraciones para concavidad es anloga, as co-
mo los casos de convexidad o concavidad estricta. Para variables aleatorias continuas, la
desigualdad sigue siendo cierta y se puede probar extendiendo la demostracin anterior im-
poniendo continuidad en la funcin y empleando la continuidad en x.
Basndonos en la desigualdad de Jensen y la concavidad de la funcin logaritmo demos-
traremos ahora el lmite superior de la entropa de una variable aleatoria discreta, H(X)
log
2
M. Hacemos
log
2
M H(X) = log
2
M
M
i=1
p
X
(x
i
) log
2
1
p
X
(x
i
)
=
M
i=1
p
X
(x
i
) log
2
1
M p
X
(x
i
)
log
2
M
i=1
p
X
(x
i
)
1
M p
X
(x
i
)
= log
2
M
i=1
1
M
= log
2
1
= 0
y de aqu, despejando log
2
M tenemos que log
2
M H(X). Como la funcin logaritmo
es estrictamente cncava, la igualdad slo se produce en el caso en que los smbolos sean
equiprobables (p
X
(x
i
) = 1/M), porque
M
i=1
p
X
(x
i
) log
2
1
M p
X
(x
i
)
=
M
i=1
1
M
log
2
1
1
=
M
i=1
1
M
0 = 0
9.C RELACIN ENTRE LAS MEDIDAS DE VARIABLES ALEATORIAS CONTINUAS Y DISCRETAS 587
Utilizando los mismos argumentos, podemos demostrar la no negatividad de la informa-
cin mutua.
I(X; Y ) =
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
p
X,Y
(x
i
, y
j
)
p
X
(x
i
)p
Y
(y
j
)
=
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
) log
2
p
X
(x
i
)p
Y
(y
j
)
p
X,Y
(x
i
, y
j
)
log
2
M
i=1
L
j=1
p
X,Y
(x
i
, y
j
)
p
X
(x
i
)p
Y
(y
j
)
p
X,Y
(x
i
, y
j
)
= log
2
M
i=1
L
j=1
p
X
(x
i
)p
Y
(y
j
)
= log
2
1
= 0
donde la igualdad slo se produce en el caso en que X e Y sean independientes, porque en
ese caso
log
2
p
X,Y
(x
i
, y
j
)
p
X
(x
i
)p
Y
(y
j
)
= log
2
p
X
(x
i
)p
Y
(y
j
)
p
X
(x
i
)p
Y
(y
j
)
= log
2
1 = 0
Esta ltima demostracin es esencialmente vlida tambin para variables aleatorias conti-
nuas ya que los dos argumentos de la demostracin (la desigualdad de Jensen y la concavi-
dad de la funcin logaritmo) siguen siendo de aplicacin, aunque la esperanza matemtica
se evale mediante una integral.
A partir de la no negatividad de la informacin mutua podemos demostrar que el con-
dicionamiento nunca aumenta la entropa y, al contrario, puede reducirla. Para variables
aleatorias discretas tenemos que
0 I(X; Y ) = H(X) H(X[Y ) = H(X[Y ) H(X)
y para variables aleatorias continuas
0 I(X; Y ) = h(X) h(X[Y ) = h(X[Y ) h(X)
9.C. RELACIN ENTRE LAS MEDIDAS DE INFORMACIN DE VARIA-
BLES ALEATORIAS CONTINUAS Y DISCRETAS
En el Apartado 9.3.1 hemos mencionado que la informacin mutua entre variables alea-
torias continuas es, esencialmente, la misma medida que su equivalente para variables alea-
torias discretas, mientras que la entropa diferencial es una medida distinta de la entropa
de variables aleatorias discretas. Aqu analizaremos de manera estricta estas relaciones, co-
menzando por la informacin mutua y nalizando con las entropas.
Para analizar la relacin entre la informacin mutua de variables aleatorias continuas
y discretas vamos a discretizar (o cuanticar) las variables aleatorias continuas X e Y .
Dividimos el rango de X en intervalos de longitud
x
de la forma [i
x
, (i + 1)
x
) y el
rango de Y en intervalos de longitud
y
de la forma [j
y
, (j + 1)
y
). A partir de esta
divisin denimos las variables aleatorias discretas X
e Y
de la siguiente forma: X
toma el valor x
x
i
si X est en el intervalo [i
x
, (i + 1)
x
), siendo anloga la denicin
para Y
.
Las distribuciones de probabilidad marginales y conjunta de X
e Y
se obtienen inte-
grando las de X e Y en los intervalos en que estn denidas
p
X
(x
x
i
) =
_
(i+1)
x
i
x
f
X
(x) dx (9.89)
p
Y
(y
y
j
) =
_
(j+1)
y
j
y
f
Y
(y) dy (9.90)
p
X
,Y
(x
x
i
, y
y
j
) =
_
(i+1)
x
i
x
_
(j+1)
y
j
y
f
X,Y
(x, y) dxdy (9.91)
Resulta conveniente tambin denir las siguientes cantidades normalizando respecto a las
longitudes de los intervalos
x
y
y
como
p
X
(x
x
i
)
.
=
1
x
p
X
(x
x
i
) =
1
x
_
(i+1)
x
i
x
f
X
(x) dx (9.92)
p
Y
(y
y
j
)
.
=
1
y
p
Y
(y
y
j
) =
1
y
_
(j+1)
y
j
y
f
Y
(y) dy (9.93)
p
X,Y
(x
x
i
, y
y
j
)
.
=
1
y
p
X
,Y
(x
x
i
, y
y
j
)
=
1
y
_
(i+1)
x
i
x
_
(j+1)
y
j
y
f
X,Y
(x, y) dxdy (9.94)
cuyos lmites, cuando las longitudes de los intervalos tienden a cero, son las funciones de
densidad de probabilidad de las variables aleatorias continuas. En el caso de X tenemos
lm
x
0
p
X
(x
x
i
) = lm
x
0
1
x
_
(i+1)
x
i
x
f
X
(x) dx = f
X
(i
x
)
Calculamos ahora la informacin mutua entre X
e Y
I(X
; Y
) =
i=
j=
p
X
,Y
(x
x
i
, y
y
j
) log
2
p
X
,Y
(x
x
i
, y
y
j
)
p
X
(x
x
i
)p
Y
(y
y
j
)
(9.95)
=
i=
j=
p
X
,Y
(x
x
i
, y
y
j
) log
2
y
p
X,Y
(x
x
i
, y
y
j
)
x
p
X
(x
x
i
)
y
p
Y
(y
y
j
)
=
i=
j=
_
(i+1)
x
i
x
_
(j+1)
y
j
y
f
X,Y
(x, y) dxdy log
2
p
X,Y
(x
x
i
, y
y
j
)
p
X
(x
x
i
)p
Y
(y
y
j
)
9.C RELACIN ENTRE LAS MEDIDAS DE VARIABLES ALEATORIAS CONTINUAS Y DISCRETAS 589
y tomamos el lmite cuando
x
y
y
tienden a cero
lm
x
0
y
0
i=
j=
_
(i+1)
x
i
x
_
(j+1)
y
j
y
f
X,Y
(x, y) log
2
p
X,Y
(x
x
i
, y
y
j
)
p
X
(x
x
i
)p
Y
(y
y
j
)
dxdy =
=
_

f
X,Y
(x, y) log
2
f
X,Y
(x, y)
f
X
(x)f
Y
(y)
dxdy (9.96)
lm
x
0
y
0
I(X
; Y
) = I(X; Y ) (9.97)
lo que demuestra la identidad de ambas medidas.
Procediendo de igual manera con las entropas, calculamos la entropa de X
, H(X
),
como
H(X
) =
i=
p
X
(x
x
i
) log
2
1
p
X
(x
x
i
)
=
i=
p
X
(x
x
i
) log
2
1
x
p
X
(x
x
i
)
=
i=
p
X
(x
x
i
) log
2
1
p
X
(x
x
i
)
+
i=
p
X
(x
x
i
) log
2
1
x
=
i=
p
X
(x
x
i
) log
2
1
p
X
(x
x
i
)
+ log
2
1
x
(9.98)
y tomamos el lmite cuando
x
tiende a cero
lm
x
0
H(X
) = lm
x
0
i=
p
X
(x
x
i
) log
2
1
p
X
(x
x
i
)
+ lm
x
0
log
2
1
x
=
_

f
X
(x) log
2
1
f
X
(x)
dx + lm
x
0
log
2
1
x
= h(X) + lm
x
0
log
2
1
x
(9.99)
que hace que H(X
) tienda a innito, demostrando de esta forma la disparidad entre la

entropa y la entropa diferencial.
CAPTULO 10
CODIFICACIN PARA PROTECCIN
CONTRA ERRORES
Si en el captulo anterior denamos el concepto de capacidad de canal como lmite de
la velocidad binaria con la que podemos transmitir de forma able, en este vamos a anali-
zar algunas de las tcnicas de diseo de codicadores que permiten, de forma sistemtica,
aproximarse a l.
Trataremos en primer lugar los cdigos que podramos denominar tradicionales: los blo-
que y los convolucionales, analizando de forma conjunta los decodicadores para DMC y
para el canal gausiano. Estos cdigos, sin embargo, no son capaces de proporcionar solu-
ciones con velocidades binarias cercanas al lmite de Shannon de la capacidad del canal con
codicadores y decodicadores de complejidad moderada. Un primer paso para reducir esta
diferencia se consigue con los cdigos en rejilla o modulaciones codicadas en rejilla (Tre-
llis Coded Modulations, TCM) que analizaremos a continuacin de los convolucionales y
como extensin directa de estos. El asalto denitivo al lmite de Shannon se consigue con
los cdigos analizados en el ltimo apartado: los (mal) llamados turbo cdigos y los cdigos
LDPC (Low Density Parity Check).
10.1. INTRODUCCIN Y DEFINICIONES
La denicin que establece la teora de la informacin de transmisin able a una tasa R
es (Pgina 558): para todo > 0 existe una secuencia de cdigos (n, nR) y un valor n
0
para el que sus probabilidades de error mximas P
e
(m ax, n) < cuando n > n
0
. Por otra
parte, la demostracin de los teoremas de codicacin de canal se basa en formular una es-
tructura del codicador y una estrategia de decodicacin que permita calcular P
e
(m ax, n)
de forma simple para poder vericar que es posible transmitir de forma able si R C.
Aplicado a un caso concreto como el del Ejemplo 9.7, un valor de de 3 10
3
sobre un
BSC con p = 0,15 nos proporciona, con el codicador y el decodicador propuestos, un va-
lor de n
0
aproximadamente igual a 500, lo que conduce a un codicador y un decodicador
de complejidad inabordable. Este ejemplo pone de maniesto, por una parte, la dicultad de
592 CODIFICACIN PARA PROTECCIN CONTRA ERRORES
alcanzar en la prctica los lmites establecidos en la teora de la informacin y, por otra, la
necesidad de disponer de codicadores y decodicadores que puedan ser realizados con una
complejidad moderada, aunque no sean ptimos en trminos de probabilidad de error.
Las tcnicas de diseo de codicadores y decodicadores de canal que vamos a consi-
derar en este captulo se centran en esto ltimo, dotando de una estructura algebraica bien
denida a los cdigos y haciendo uso de mtodos de decodicacin computacionalmen-
te ecientes. Para no complicar innecesariamente estas tcnicas de diseo, en lo sucesivo
consideraremos, de entre los canales digitales, nicamente el BSC y, de entre los canales
gausianos, el de entrada digital.
Al particularizar el codicador para DMC denido en el Apartado 9.2.3 (Figura 9.16)
para BSC igualamos el tamao del alfabeto de entrada y de salida, y el codicador trans-
forma k bits en n dgitos binarios. Para no incrementar la probabilidad de error del BSC,
n debe ser mayor o igual que k (n k) y, por tanto, la tasa R del cdigo ser menor o
igual que 1 (R 1). Estrictamente hablando, R se medir ahora en bits por dgito binario
de entrada al BSC pero, salvo que sea necesario distinguir entre bits y dgitos binarios, en
lo sucesivo, y por simplicidad, nos refereriremos a estos ltimos como bits, y R ser adi-
mensional. Podemos denir adems la redundancia, r = nk, como el nmero de bits que
aade el codicador, y expresar R en funcin de r como R =
k
n
=
nr
n
= 1 r/n.
Vamos diferenciar entre la entrada al canal, X, cuyo alfabeto tiene 2
n
elementos, de la
salida del codicador, C, cuyo alfabeto tiene slo 2
k
elementos (aunque cada elemento sea
un vector o palabra de n bits). Empleando la notacin mediante vectores la, ms habitual
en la literatura de mtodos de codicacin para proteccin contra errores, podemos decir
que el codicador asigna a cada una de las 2
k
palabras de entrada b
i
= [b
i
[0] . . . b
i
[k 1]]
una palabra cdigo c
i
= [c
i
[0] . . . c
i
[n 1]] para i 0, 1, . . . 2
k
1.
Podemos denir una mtrica para vectores o palabras binarias, que se denomina dis-
tancia de Hamming, y es igual al nmero de componentes o dgitos en que dieren dos
vectores, y que denotaremos como d
H
. As, si x = [01100] e y = [01111], d
H
(x, y) = 2
d
H
(01100, 01111) = 2, d
H
(000, 111) = 3, etc.
1
Dejamos como ejercicio comprobar que
la distancia de Hamming cumple las tres propiedades de distancia (no negatividad, simetra
y d
H
(x, y) = 0 x = y) y la desigualdad triangular (d
H
(x, y) d
H
(x, z) +d
H
(z, y)).
El nmero de unos de una palabra binaria, que podemos interpretar como la distancia a la
palabra compuesta slo por ceros e incluso como una norma de la que podra derivarse la
distancia de Hamming, suele denominarse peso de la palabra.
De forma similar a la distancia mnima de una constelacin denimos la distancia mni-
ma de un cdigo como la menor distancia entre dos palabras cdigo
d
min
= mn
i,j=0,...,2
k
1
i,=j
d
H
(c
i
, c
j
) (10.1)
Ejemplo 10.1
La distancia mnima del cdigo de repeticin de tasa 1/3 del Ejemplo 9.6 es 3. La distancia
1
En realidad, la distancia de Hamming se dene sobre cualesquiera dos secuencias m-arias de igual longitud.
Podemos, por ejemplo, medir la distancia de Hamming entre dos palabras de texto con el mismo nmero de
letras, d
H
(pepe, pepa) = 1, d
H
(pepe, pato) = 3.
10.1 INTRODUCCIN Y DEFINICIONES 593
mnima del cdigo de tasa 1/3 del Ejemplo 9.7 es 4.
Por lo que respecta al canal gausiano con entrada digital, suponemos que la modulacin
est jada de antemano (aunque pueda ser tan compleja como una modulacin OFDM con
8.192 portadoras y constelacin 256-QAM). El valor de n del codicador ser un mltiplo
de la dimensin de la constelacin, N, y cada palabra cdigo estar compuesta por n/N
smbolos de la constelacin,
c
i
= [c
i
[0], . . . , c
i
[n 1]]
= [a
i
[0], . . . , a
i
[n/N 1]]
= [a
i0
[0], . . . , a
i(N1)
[0], . . . , a
i0
[n/N 1], . . . , a
i(N1)
[n/N 1]]
Por ejemplo, cada palabra cdigo de un codicador con k igual a 4, R = 1 y modulacin
16-QAM estar compuesta por dos smbolos 16-QAM.
El clculo de distancias se realiza ahora con distancia eucldea, y la distancia mnima de
un cdigo se dene como anteriormente
d
min
= mn
i,j=0,...,2
k
1
i,=j
d(c
i
, c
j
) (10.2)
Los decodicadores que proporcionan la mnima probabilidad de error, como qued
establecido en el Apartado 4.4.1, sern los correspondientes decisores MAP. En el caso de
canal gausiano, la salida del decodicador ser la palabra b
i
que cumple
p
B[q
(b
i
[q) > p
B[q
(b
j
[q) j = 0, . . . 2
k
1, j ,= i (10.3)
donde q es el vector n-dimensional a la entrada del decodicador, cuya fdp ser una gausiana
n-dimensional de media la palabra cdigo transmitida y matriz de covarianza diagonal. En
el caso de bits equiprobables a la entrada del codicador, el criterio MAP se reduce al ML, y
este a hallar la palabra cdigo que se encuentra a menor distancia (eucldea) de la recibida.
La probabilidad de error que se obtiene con este decisor se calcula como en el Apartado
4.4.2, siendo (4.91) una buena aproximacin para relaciones seal a ruido altas y valores
grandes de k, que reproducimos aqu por comodidad
P
e
Q
_
d
min
2
_
N
0
/2
_
(4.91)
donde ahora representa el nmero de palabras cdigo que estn a una distancia d
min
de una
dada. Si suponemos adems una codicacin de tipo Gray (o pseudo-Gray) de las palabras
cdigo, de tal forma que las salidas del decisor correspondientes a dos palabras cdigo
separadas d
min
diere nicamente en un bit, podemos determinar la BER en funcin de
E
b
/N
0
como
BER

k
Q
_
d
min
2
_
N
0
/2
_
=

k
Q
_
d
min
2E
b
_
E
b
N
0
_
=

k
Q
_
d
min
kN
2nE
s
_
E
b
N
0
_
(10.4)
donde hemos utilizado el hecho de que por cada k bits de entrada se generan n/N smbo-
los de la constelacin empleada. Si no es posible realizar una codicacin de tipo Gray o
pseudo-Gray siempre podemos acotar la BERcomo en (4.103), teniendo en cuenta que una
decisin errnea proporcionar entre 1 y k bits errneos:
1
k
P
e
BER P
e
.
En el caso del canal BSC, si denotamos como r = [r[0] . . . r[n1]] el vector a la entrada
del decodicador, el decisor MAP ofrecer como salida aquella palabra b
i
que cumple
p
B[r
(b
i
[r) > p
B[r
(b
j
[r) j = 0, . . . 2
k
1, j ,= i (10.5)
que en el caso de bits equiprobables a la entrada del codicador ofrece la misma salida que
el decisor ML; esto es,
p
r[C
(r[c
i
) > p
r[C
(r[c
j
) j = 0, . . . 2
k
1, j ,= i (10.6)
Si el BSC tiene una probabilidad de cruce (o de error) igual a p, tenemos que
p
r[C
(r[c
i
) = p
d
H
(r,c
i
)
(1 p)
nd
H
(r,c
i
)
(10.7)
lo que, sustituido en (10.6), nos da como resultado
p
d
H
(r,c
i
)
(1 p)
nd
H
(r,c
i
)
> p
d
H
(r,c
j
)
(1 p)
nd
H
(r,c
j
)
j = 0, . . . 2
k
1, j ,= i (10.8)
y que, si p < 0,5 (y, por tanto, 1 p > p), se reduce a
d
H
(r, c
i
) < d
H
(r, c
j
) j = 0, . . . 2
k
1, j ,= i (10.9)
Expresado en palabras, el decisor ML ha de encontrar la palabra cdigo a menor distancia
(de Hamming) de la palabra a la entrada del decodicador lo que, adems de poner de
maniesto el paralelismo existente entre los decodicadores para canal gausiano y para
BSC, demuestra el carcter ptimo de los decodicadores empleados en el captulo anterior.
Este decisor proporcionar la salida correcta siempre que, en la transmisin a travs
del BSC, se hayan producido menos de d
min
/2 errores, por lo que decimos que el cdigo es
capaz de corregir hasta (d
min
1)/2 errores del BSC, o que el cdigo tiene una capacidad
de correccin de (d
min
1)/2 errores.
Como, a diferencia de la transmisin a travs del canal gausiano, la probabilidad de que
la salida del BSC sea igual a la entrada es no nula, el decodicador tiene adems capaci-
dad para detectar si se han producido errores en la transmisin. Concretamente, podemos
asegurar que si se producen menos de d
min
errores (lo que podra ocasionar que transmi-
tisemos una palabra cdigo y recibisemos exactamente otra) el decodicador es capaz de
detectarlos.
Este decisor puede cometer un error si se producen ms de (d
min
1)/2 errores de
transmisin
2
, lo que nos permite obtener una cota superior de la probabilidad de error
P
e

n
i=(d
min
1)/2+1
_
n
i
_
p
i
(1 p)
ni
(10.10)
2
Pueden existir, sin embargo, palabras cuya palabra cdigo ms cercana est a una distancia mayor que
(d
min
1)/2.
Cuando, simultneamente, p toma valores pequeos y d
min
elevados, esta cota es muy ajus-
tada y, adems, se puede aproximar por el primer trmino de la suma
3
P
e

_
n
(d
min
1)/2 + 1
_
p
(d
min
1)/2+1
(1 p)
n(d
min
1)/21
(10.11)
Si suponemos adems una codicacin de tipo Gray (o pseudo-Gray) de las palabras cdi-
go, de tal forma que las salidas del decisor correspondientes a dos palabras cdigo separadas
d
min
dieren nicamente en un bit, podemos determinar la BER en funcin de la probabi-
lidad de cruce p como
BER
1
k
_
n
(d
min
1)/2 + 1
_
p
(d
min
1)/2+1
(1 p)
n(d
min
1)/21
(10.12)
Como anteriormente, si no es posible realizar una codicacin de tipo Gray o pseudo-Gray
siempre podemos acotar la BER como
1
k
P
e
BER P
e
.
Resulta de inters sealar que estas prestaciones no son alcanzadas por todos los deci-
sores que se emplean en la prctica porque, para valores elevados de n, la complejidad del
decisor resulta inabordable. Pensemos que evaluar si existe una palabra cdigo a una distan-
cia menor o igual a (d
min
1)/2 de la palabra recibida exige explorar
(d
min
1)/2
i=1
_
n
i
_
posibilidades, y esto no nos garantiza que encontremos una palabra cdigo si se han produ-
cido ms de (d
min
1)/2 errores en la transmisin a travs del BSC.
La probabilidad de que se produzcan errores de transmisin que no sean detectados es
ms difcil de determinar de forma exacta, pero es muy fcil de acotar. Si denotamos como
P
nd
esta probabilidad, sabemos que tienen que producirse al menos d
min
errores para que,
transmitiendo una palabra cdigo, se reciba exactamente otra, por lo que
P
nd
<
n
i=d
min
_
n
i
_
p
i
(1 p)
ni
(10.13)
A veces, el decisor hace uso no slo de la salida del BSC, sino tambin de la salida del
canal gausiano o de una medida de la verosimilitud de cada bit transmitido dentro del re-
ceptor de comunicaciones. En ese caso hablamos de un decisor o decodicador con entrada
blanda, o que realiza una decodicacin blanda. Esta se realiza sustituyendo en (10.6) la ve-
rosimilitud de cada palabra cdigo a la salida del BSC por la verosimilitud de cada palabra
cdigo a la salida del canal gausiano y que conduce, en el caso de observacin directa de la
salida del canal gausiano, a una decisin por mnima distancia eucldea. Por contra, decimos
que los decisores o decodicadores que hacen uso slo de la salida del BSC realizan una de-
codicacin dura. Generalmente, la decodicacin blanda ofrece mejores prestaciones que
la decodicacin dura, como comprobaremos en el siguiente ejemplo.
3
Donde podemos adems simplicar la evaluacin de

n
(d
min
1)/2+1
o, ms concretamente, de los facto-

riales que aparecen en (3.21) haciendo uso de la aproximacin de Stirling, n! n
n
e
n
.
Ejemplo 10.2
Consideremos un cdigo de tasa 2/3 que genera cada palabra cdigo concatenando a los dos bits
de entrada su suma mdulo 2:
b
i
c
i
00 000
01 011
10 101
11 110
La distancia mnima de este cdigo es 2, por lo que el decisor con entrada dura no tiene capacidad
para corregir ningn error ((2 1)/2 = 0) y es capaz de detectar si se produce un nico error
en la transmisin.
Estas palabras cdigo se transmiten mediante una modulacin PAM en banda base con una cons-
telacin binaria antipodal (A[n] +1, 1), que posee una probabilidad de error de smbolo
dada por (5.35), P
e
= Q
_
_
2E
s
/N
0
_
, que asimilamos a la probabilidad de cruce del BSC, p.
Aplicando (10.10) obtenemos la probabilidad de error del decisor con entrada dura
P
e
= 3Q
_
_
2E
s
N
0
__
1 Q
_
_
2E
s
N
0
__
2
+ 3
_
Q
_
_
2E
s
N
0
__
2
_
1 Q
_
_
2E
s
N
0
__
+
_
Q
_
_
2E
s
N
0
__
3
que, para relaciones seal a ruido altas, podemos aproximar por
P
e
3Q
_
_
2E
s
N
0
_
siendo la BER
BER
2
3
3Q
_
_
2E
s
N
0
_
que, en funcin de E
b
/N
0
resulta ser, considerando que empleamos 3 smbolos para enviar 2 bits,
BER 2Q
_
_
2(2E
b
/3)
N
0
_
_
= 2Q
_
_
4E
b
3N
0
_
(10.14)
y esta es la probabilidad de que se produzca un error de transmisin en el BSC que no podremos
corregir.
Si realizamos una decodicacin blanda, el vector q de entrada al decisor tiene dimensin 3 y se
compone de la suma de un smbolo de la constelacin que se muestra en la Figura 10.1 (com-
puesta por las 4 posibles combinaciones de los smbolos A[0], A[1] y A[2] que se corresponden
con las cuatro palabras cdigo c
i
= [c
i
[0], c
i
[1], c
i
[2]]) y ruido. La distancia mnima del cdigo
es 2
E
s
(esto es,
2 veces la de la constelacin), y la probabilidad de error

P
e
3Q
_
2
_
E
s
N
0
_
A[0]
1
1
A[1]
1
1
1
A[2]
1
Figura 10.1. Constelacin resultante del codicador del Ejemplo 10.2.
y, de aqu, la BER en funcin de E
b
/N
0
resulta ser
BER 2Q
_
_
2
(2E
b
/3)
N
0
_
_
= 2Q
_
_
8E
b
3N
0
_
(10.15)
Comparando (10.14) con (10.15) vemos que con decodicacin blanda necesitamos una relacin
seal a ruido 3 dB inferior a la necesaria con decodicacin dura para obtener la misma BER.
Como conclusin, podemos decir que un cdigo para BSC se puede utilizar para corregir
o detectar errores (decodicacin dura), pero tambin para evitar que se produzcan errores
(decodicacin blanda) mediante el aumento de la distancia mnima del cdigo respecto a
la distancia mnima de la constelacin empleada en el sistema de comunicacin. Este triple
papel es el que nos lleva a denominar el presente captulo codicacin para proteccin
contra errores en lugar de emplear el ms tradicional de cdigos correctores de errores.
El ejemplo anterior, adems de ilustrar la diferencia entre decodicacin dura y blanda,
nos ha permitido introducir una medida para comparar la efectividad de los mtodos de
proteccin contra errores que formalizaremos a continuacin: la ganancia de codicacin.
Formalmente, se dene como la diferencia en decibelios entre las relaciones seal a ruido
(medida como E
b
/N
0
) necesarias para alcanzar una determinada BER sin y con el sistema
de proteccin contra errores. Veamos el procedimiento para su clculo empleando el ejemplo
anterior.
Ejemplo 10.2 (cont.)
Para obtener la ganancia de codicacin con decodicacin dura igualamos la BER obtenida
con la modulacin binaria antipodal (que, al ser una modulacin binaria, coincide con P
e
, siendo
adems E
s
= E
b
), Q
_
_
2E
b
/N
0
_
, con la expresin de la BER que aparece en (10.14), dando
como resultado
Q
_
2
_
E
b
N
0
_
sc
_
= 2Q
_
4
3
_
E
b
N
0
_
c
_
(10.16)
donde los subndices sc y c hacen referencia, respectivamente, a los sistemas sin y con pro-
teccin contra errores. Teniendo en cuenta que la funcin Q(x) decrece como e
x
2
/2
, como
podemos comprobar en (3.32), para relaciones seal a ruido altas podemos depreciar el factor 2
que multiplica a la funcin Q en (10.16) e igualar los argumentos de las funciones Q
2
_
E
b
N
0
_
sc
=
4
3
_
E
b
N
0
_
c
y, de aqu,
G =
_
E
b
N
0
_
sc
_
E
b
N
0
_
c
=
2
3
1,76dB
o, lo que es lo mismo, una prdida de 1,76 decibelios.
Repetimos el procedimiento para obtener la ganancia de codicacin con decodicacin blanda
Q
_
2
_
E
b
N
0
_
sc
_
= 2Q
_
8
3
_
E
b
N
0
_
c
_
y, empleando los mismos argumentos llegamos a
G =
_
E
b
N
0
_
sc
_
E
b
N
0
_
c
=
4
3
1,25 dB
Los valores obtenidos de ganancia de codicacin suelen denominarse ganancia de codi-
cacin asinttica, porque las aproximaciones que hemos realizado (despreciar los trminos
Q
2
y Q
3
, las constantes que multiplican a Q, etc.) son exactas slo cuando el argumento de
la funcin Q tiende a innito (en la prctica, cuando la relacin seal a ruido es elevada), ya
que la ganancia de codicacin, en general, no es igual para cualquier probabilidad de error.
Para ilustrar este hecho vase el siguiente ejemplo.
Ejemplo 10.3
Consideremos el cdigo Hamming (7, 4) (estos cdigos sern presentados en el siguiente apar-
tado), que con valores de n = 7 y k = 4 consigue una d
min
= 3 o, lo que es lo mismo, posee
una capacidad de correccin de 1 error del BSC. Consideremos, adems, que la transmisin se
realiza empleando una modulacin PAM en banda base con una constelacin binaria antipodal.
La Figura 10.2 muestra las curvas de error en funcin de E
b
/N
0
obtenidas sin el cdigo Ham-
ming, y con el cdigo con decodicacin dura y blanda, todas ellas empleando decisin de mxi-
ma verosimilitud. Observe cmo para BERsuperiores a, aproximadamente, 3,3 10
3
, el cdigo
Hamming (7, 4) con decodicacin dura ofrece una ganancia de codicacin negativa (es decir,
que introduce prdidas), mientras que para BER inferiores, la ganancia es positiva, siendo de,
aproximadamente, 0,3 dB para una BER de 5 10
5
(lnea denotada como G
dura
).
La ganancia de codicacin obtenida con decodicacin blanda, por el contrario, es siempre
positiva, siendo de, aproximadamente, 1,8 dB para una BER de 2,5 10
6
(lnea denotada como
G
blanda
).
Tambin es posible determinar la ganancia de codicacin cuando la modulacin em-
pleada en la transmisin sin codicacin no es binaria, como veremos en el Apartado 10.4.
10.2 CDIGOS BLOQUE 599
2 3 4 5 6 7 8 9 10
10
6
10
5
10
4
10
3
10
2
10
1
G
dura
G
blanda
E
b
/N
0
(dB)
B
E
R
Sin cod.
Dec. dura
Dec. blanda
Figura 10.2. Curvas de BER en funcin de E
b
/N
0
del Ejemplo 10.3.
Es importante sealar que la ganancia de codicacin, con ser la medida ms amplia-
mente utilizada para evaluar la efectividad de un cdigo, reeja slo una parte del efecto de
la inclusin de un cdigo de proteccin contra errores en un sistema de comunicaciones: la
inmunidad frente al ruido aditivo gausiano. El otro efecto a tener en cuenta es el aumento en
el ancho de banda ocupado.
Si queremos mantener la tasa binaria de entrada a nuestro sistema de comunicaciones y
no se modica el formato de modulacin, la inclusin de un cdigo de tasa R incrementa
el ancho de banda por un factor 1/R, ya que donde en el sistema sin proteccin contra
errores tranmitamos k bits ahora transmitimos n, y esta proporcin se mantiene incluso
aunque el formato de modulacin no sea binario. Por el contrario, si mantenemos el ancho
de banda ocupado y no se modica el formato de modulacin, la inclusin de un cdigo
de tasa R disminuye la tasa binaria de entrada en un un factor R. Si deseamos mantener
al mismo tiempo la tasa binaria de entrada y el ancho de banda no queda otro remedio que
modicar el formato de modulacin. Esta ltima solucin es la que emplean los TCM que
estudiaremos en el Apartado 10.4.
10.2. CDIGOS BLOQUE
En este apartado se presentan los cdigos bloque para BSC. Centraremos nuestro estudio
en los cdigos bloque lineales y, dentro de estos, prestaremos especial atencin a los cdigos
bloque cclicos. Las ventajas de estos ltimos residen en que se pueden disear con una
distancia mnima prejada y la complejidad de la codicacin crece linealmente con n.
Adems, existe un algoritmo de decodicacin cuya salida es igual a la del decisor ML si
se producen como mximo (d
min
1)/2 errores en la transmisin a travs del BSC cuya
complejidad crece de forma lineal con k.
10.2.1. Cdigos bloque lineales
Comencemos deniendo la estructura algebraica necesaria para la formulacin de los
cdigos, que est basada en cuerpos con un nmero nito de elementos o cuerpos de Galois
basados en los nmeros enteros. Denimos el cuerpo de Galois binario o GF(2) basado en
los enteros como aqul con dos elementos, 0 y 1, y las operaciones de suma y producto de
enteros mdulo 2:
a +b = ((a +b))
2
a b = ((a b))
2
Puede comprobarse fcilmente que posee la estructura de cuerpo
4
al igual que la poseen, por
ejemplo, los nmeros reales. Denimos tambin el espacio vectorial sobre GF(2) formado
por vectores de elementos de GF(2) y las operaciones habituales con vectores y matrices,
incluido el producto escalar. As, una palabra cdigo c
i
= [c
i
[0], . . . , c
i
[n 1]] es un vector
del espacio GF(2)
n
.
Podemos ya denir un cdigo bloque lineal (n, k) como un subespacio de dimensin k
de GF(2)
n
; esto es, cuando el conjunto de las 2
k
palabras cdigo forma un subespacio de
dimensin k del espacio de todas las posibles palabras cdigo GF(2)
n
.
Algunas de las propiedades de los cdigos bloque lineales son:
P1 Toda combinacin lineal de cualquier conjunto de palabras cdigo es a su vez una pala-
bra cdigo, debido a la estructura de subespacio.
P2 La palabra todo ceros pertenece a todos los cdigos bloque lineales: 0c
1
+. . .+0c
2
k
1
=
0.
P3 Todas las palabras cdigo poseen al menos otra palabra cdigo a distancia d
min
, ya que
un cdigo bloque lineal es invariante frente a traslaciones por una palabra cdigo (esto
es, si a todas las palabras cdigo les sumamos una palabra cdigo dada, c, el resultado,
c
0
+ c, c
1
+ c, . . . , c
2
k
1
+ c, es el mismo conjunto de palabras cdigo) y, en con-
secuencia, cada palabra cdigo mantiene la misma relacin geomtrica con el resto de
palabras.
P4 La d
min
de un cdigo bloque lineal es igual al menor peso (menor nmero de unos) de
una palabra cdigo distinta de la todo ceros, ya que en virtud de la propiedad anterior
d
min
= mn
i,j=0,...,2
k
1
i,=j
d
H
(c
i
, c
j
) = mn
i=0,...,2
k
1
c
i
,=0
d
H
(0, c
i
) (10.17)
4
Sea T un conjunto con dos operaciones denidas: + y . Se dice que T es un cuerpo si y slo si cumple
las siguientes propiedades:
1. T forma un grupo conmutativo (abeliano) sobre la operacin +. El elemento identidad de la operacin
+ se etiqueta como 0.
2. T |0 (el conjunto T sin el elemento identidad de la operacin +) forma un grupo conmutativo
(abeliano) sobre la operacin . El elemento identidad de la operacin se etiqueta como 1.
3. Las operaciones + y cumplen la propiedad distributiva: a (b +c) = a b +a c, para todo a, b, c T.
Para generar cualquier palabra cdigo podemos emplear una base del subespacio que
dene el cdigo, que estar compuesta por k palabras cdigo linealmente independientes,
g
0
, g
1
, . . . , g
k1
: a
0
g
0
+ a
1
g
1
+ + a
k1
g
k1
= 0 a
0
= a
1
= = a
k1
= 0.
Agrupando la base en forma matricial obtenemos
G =
_
_
g
0
.
.
.
g
k1
_
_
=
_
_
g
0,0
g
0,n1
.
.
.
.
.
.
.
.
.
g
k1,0
g
k1,n1
_
_
(10.18)
que se denomina matriz generadora del cdigo bloque lineal.
El proceso de codicacin se reduce as a una simple operacin matricial:
c = b G (10.19)
Ejemplo 10.4
Considere el cdigo bloque lineal (5, 2) denido por la matriz generadora
G =
_
0 1 1 1 0
1 0 1 0 1
_
El vector de entrada b = [1, 1] da como resultado la palabra cdigo
[1, 1]
_
0 1 1 1 0
1 0 1 0 1
_
= [1, 1, 0, 1, 1]
Resulta de utilidad caracterizar el complemento ortogonal del cdigo en GF(2)
n
; esto
es, todos los vectores de GF(2)
n
ortogonales a las palabras cdigo. Este complemento
ortogonal tiene dimensin n k y es a su vez un cdigo bloque lineal (n, n k). Su matriz
generadora se denota como H y toma la forma
H =
_
_
h
0
.
.
.
h
nk1
_
_
=
_
_
h
0,0
h
0,n1
.
.
.
.
.
.
.
.
.
h
nk1,0
h
nk1,n1
_
_
(10.20)
donde h
0
, . . . , h
nk1
es una base del complemento ortogonal, y se denomina matriz de
comprobacin de paridad.
El nombre de matriz de comprobacin proviene de su empleo para comprobar si una
palabra es o no una palabra cdigo ya que, por la propia construccin de H se cumple que,
para cualquier palabra cdigo c
5
c H
T
= 0 (10.21)
En el decodicador se puede calcular el denominado sndrome, s, como s = r H
T
: si
el sndrome es igual al vector nulo 0, la palabra recibida r es una palabra cdigo, y si el
5
De hecho, una forma de calcular H es, basndonos en (10.21), encontrar los n k vectores
|h
0
, . . . , h
nk1
linealmente independientes y que cumplen que GH
T
= 0.
sndrome es distinto del vector nulo podemos asegurar que se han producido errores en la
transmisin a travs del BSC.
Podemos, incluso, realizar la decodicacin basndonos en el sndrome, como analiza-
mos a continuacin. La palabra recibida r se puede expresar como r = c + e, donde e es
un vector que indica los dgitos en que se han producido errores de transmisin. Analizando
el sndrome
s = (c +e)H
T
= cH
T
+eH
T
= eH
T
(10.22)
vemos que depende nicamente del error producido y podemos emplearlo para determinar
dicho error. Una vez determinado el patrn de error, se resta de la palabra recibida para
obtener la palabra cdigo transmitida, c = r e.
Este tipo de decodicacin se denomina decodicacin por sndrome y para realizarla
en el decodicador se construye una tabla en la que cada sndrome se asocia con un patrn
de error. Existen 2
n
patrones de error y nicamente 2
nk
sndromes, por lo que cada sndro-
me puede estar asociado a 2
k
patrones de error. El patrn de error correspondiente a cada
sndrome en la tabla ser el que presente menor nmero de errores de transmisin de los 2
k
patrones posible. Esta eleccin garantiza que la decodicacin por sndrome proporcione la
decodicacin de mxima verosimilitud, ya que nos indica la palabra cdigo a menor dis-
tancia de Hamming de la palabra recibida. La tabla de sndromes se genera multiplicando
todos los patrones de error corregibles (aqullos con un peso menor o igual a
d
min
1
2
) por
la matriz de comprobacin de paridad para obtener su sndrome correspondiente.
Ejemplo 10.5
La matriz de comprobacin de paridad del cdigo del Ejemplo 10.4 es
H =
_
_
1 0 0 0 1
0 1 0 1 0
0 0 1 1 1
_
_
La distancia mnima de este cdigo es tres (la palabra de menor peso contiene 3 unos), siendo
capaz de corregir las palabras recibidas con un error. La tabla de sndromes contiene los cinco
posibles errores de transmisin de un nico bit
e s
00001 101
00010 011
00100 001
01000 010
10000 100
Es de destacar que en esta tabla no aparecen los sndromes 110 y 111. Si obtuvisemos alguno
de ellos sabramos que se han producido al menos dos errores. El sndrome 110 puede obtenerse
mediante los siguientes patrones de error e
1
= [11000], e
2
= [00011], e
3
= [10110] y e
4
=
[01101]. Es evidente que los dos ltimos patrones de error son ms improbables que los dos
anteriores (si la probabilidad de error de bit es menor que 0,5), y que los otros dos son igual de
verosmiles. En el caso que se desee realizar la decodicacin de mxima verosimilitud para toda
palabra recibida es necesario completar la tabla con los sndromes 110 y 111. Se deben incluir
cualesquiera patrones de error con dos errores que dan lugar a dichos sndromes.
Tener que aadir sndromes para extender la tabla de sndromes sucede en todos los denominados
cdigos bloques lineales no perfectos (que deniremos un poco ms adelante). En los cdigos
perfectos la tabla de sndromes contiene todos los patrones de error de hasta
d
min
1
2
y no queda
ninguno sin asignar.
Un caso en que es extremadamente simple encontrar la matriz de comprobacin de pa-
ridad (adems de poseer otras ventajas computacionales en los procesos de codicacin y
decodicacin) ocurre cuando el cdigo es sistemtico. Un cdigo sistemtico es aqul en
el que las k primeras columnas de la matriz de comprobacin se corresponden con la matriz
identidad; esto es,
G = [I
k
P] (10.23)
donde I
k
es la matriz identidad de dimensin k k y P es una matriz de dimensin k
(n k). Podemos construir H como
H = [P
T
I
nk
] (10.24)
ya que
GH
T
= [I
k
P]
_
P
I
nk
_
= P
T
+P = 0 (10.25)
Como, adems, en GF(2), P = P, se tiene que H = [P
T
I
nk
].
En un cdigo sistemtico, los k primeros bits de la palabra cdigo se corresponden con
la palabra de entrada al codicador, y los n k restantes pueden interpretarse como la
redundancia que aade el cdigo
c = b G = b [I
k
P] = [b bP] (10.26)
En el caso de que se tenga una matriz Gno sistemtica se puede transformar Gen una
matriz G
sistemtica, realizando eliminacin de Gauss (sumas y permutaciones de las las

de G), de tal forma que G
genere el mismo subespacio que G, idntico cdigo bloque con

las mismas palabras cdigo e igual distancia mnima, pero con distintas asignaciones entre
los vectores mensaje b y las palabras cdigo c (tcnicamente, un isomorsmo). A partir de
G
se puede generar la matriz de comprobacin de paridad para G.

Ejemplo 10.6
Permutando las dos las de la matriz generadora del Ejemplo 10.4 obtenemos el cdigo sistem-
tico
G =
_
1 0 1 0 1
0 1 1 1 0
_
cuya matriz de comprobacin de paridad es
H =
_
_
1 1 1 0 0
1 0 0 1 0
0 1 0 0 1
_
_
y se deja como ejercicio determinar qu sumas y permutaciones de las da lugar a la matriz de
comprobacin de paridad del Ejemplo 10.5.
Hasta ahora hemos hablado de la construccin del cdigos bloque, pero no de las presta-
ciones que podemos alcanzar con ellos, particularmente cuando jamos n o k
6
. La respues-
ta a esta pregunta la encontramos en la denominada cota de Hamming, que establece que
un cdigo en GF(2)
n
con capacidad para corregir t errores
7
debe tener una redundancia
r = n k que satisfaga que:
r log
2
V (n, t) (10.27)
donde V (n, t) =
t
j=0
_
n
j
_
se conoce como la esfera de Hamming de radio t e indica el
nmero de vectores que se encuentran a distancia menor o igual a t de cada palabra cdigo.
Los cdigos en los que r = log
2
V (n, t) se conocen como cdigos perfectos y se de-
tallan en el Cuadro 10.1
8
. Existen cuatro tipos de cdigos perfectos. Los cdigos triviales
n k t nombre
N N 0 Trivial
impar 1 (n 1)/2 Repeticin
2
r
1 2
r
r 1 1 Hamming
23 11 3 Golay
Cuadro 10.1. Cdigos bloques binarios perfectos.
son aqullos en los que no se realiza codicacin y tampoco se introduce redundancia. Los
cdigos de repeticin son aqullos en los que la palabra cdigo se forma repitiendo el bit
de entrada n veces. Los cdigos Hamming sern estudiados a continuacin, y el cdigo de
Golay se estudia en el Problema P10.5. Los cdigos perfectos son muy limitados, por ello
en la mayora de los casos se emplearn cdigos imperfectos con capacidades correctoras y
tasas que no permiten los cdigos perfectos.
Ntese la equivalencia entre la esfera de Hamming de radio t en el espacio vectorial
de dimensin n sobre un cuerpo de Galois y el volumen de una hiperesfera de radio d en
el espacio vectorial eucldeo de dimensin n analizado en el Apartado 9.3.3 para construir
un codicador para el canal gausiano; y la equivalencia entre el problema de empaquetado
de esferas tratado en el Apartado 4.4.3 y el diseo de las palabras cdigo en un cdigo
bloque para BSC: un cdigo es perfecto si conseguimos empaquetar las esferas (ahora en
un espacio vectorial sobre un cuerpo de Galois) sin que queden intersticios entre esferas
como los que aparecan en la Figura 4.37 cuando intentbamos resolver el mismo problema
en un espacio eucldeo de dimensin 2. Tngase en cuenta que un cdigo no perfecto posee
palabras (en nuestro caso, palabras de n bits) en esos intersticios entre esferas, y que esas
6
Este es un caso radicalmente distinto del considerado en la teora de la informacin, donde generalmente se
supone que podemos hacer n o k tan grandes como queramos.
7
En realidad, la cota de Hamming es cierta para cualquier espacio vectorial de dimensin n sobre un cuerpo
de Galois.
8
Se puede demostrar que estos son todos los cdigos perfectos binarios. Existe, adems, un cdigo perfecto
no binario pero su estudio no entra dentro de los objetivos de este libro.
palabras son intiles en el sentido que hacen disminuir la tasa del cdigo sin contribuir al
incremento de la d
min
entre palabras cdigo, de la misma forma que en el espacio eucldeo
esos intersticios hacen aumentar E
s
sin aumentar d
min
.
Los cdigos Hamming son la nica familia de cdigos bloque perfectos de estructura
elaborada. Estos cdigos corrigen un nico error. La forma ms sencilla de generar un cdi-
go Hamming (n, k) con n = 2
r
1 y k = 2
r
r 1 para r 3, es mediante la matriz de
comprobacin de paridad, ya que sta contiene como columnas todos los nmeros binarios
desde 1 hasta 2
r
1 representados en r bits. A la hora de construir la matriz H el orden de
las columnas no es importante, pero si se sitan en ltimo lugar las columnas que generan
la matriz identidad de orden r y despus todas las dems, obtenemos una matriz de com-
probacin de paridad de un cdigo sistemtico. A partir de sta podemos construir la matriz
generadora del cdigo sistemtico de manera directa.
Ejemplo 10.7 (Generacin de un cdigo Hamming)
Se quiere generar un cdigo Hamming (15, 11) con r = 4. Para ello vamos a construir la matriz
H de comprobacin de paridad sistemtica incluyendo todos los nmeros binarios entre 1 y 15
representados con 4 bits. Resulta:
H =
_
_
0 0 0 0 1 1 1 1 1 1 1 1 0 0 0
0 1 1 1 0 0 0 1 1 1 1 0 1 0 0
1 0 1 1 0 1 1 0 0 1 1 0 0 1 0
1 1 0 1 1 0 1 0 1 0 1 0 0 0 1
_
_
= [P
T
I
4
]
La matriz generadora se construye como G = [I
11
P].
10.2.2. Cdigos cclicos y su estructura algebraica
La representacin matricial vista hasta ahora es demasiado pesada para la construccin
de cdigos con valores de k o n elevados (pensemos que el nmero de elementos de la
matriz generadora de un cdigo Hamming (255,247) es 62.985). Este hecho nos obliga a
buscar clases dentro de los cdigos bloque lineales que permitan describir el subespacio que
contiene las palabras cdigo o su complemento ortogonal de una forma computacionalmen-
te eciente, y esta bsqueda nos lleva a los cdigos lineales cclicos y su representacin
mediante cuerpos de Galois basados en el anillo de los polinomios.
Los cdigos bloques lineales cclicos son un subconjunto de los cdigos bloque lineales
que presentan la particularidad de que todo desplazamiento cclico (o circular) de cualquier
palabra cdigo tambin es una palabra cdigo. Esto es, si c = [c
0
, c
1
, . . . , c
n2
, c
n1
] es
una palabra cdigo, c
= [c
n1
, c
0
, c
1
, . . . , c
n2
] tambin lo es.
Los cdigos cclicos se pueden representar mediante polinomios binarios, que permiten
realizar la codicacin y el clculo del sndrome de manera eciente. A cada palabra cdigo
c = [c
0
, c
1
, . . . , c
n2
, c
n1
] se le asigna un polinomio
c(x) = c
0
+c
1
x +. . . +c
n2
x
n2
+c
n1
x
n1
(10.28)
que se obtiene multiplicando cada entrada de la palabra cdigo por el monomio x
i
, donde
i es la posicin de dicha entrada en c
9
. El desplazamiento cclico se consigue como el
producto de c(x) por x, tal que xc(x) = c
0
x+c
1
x
2
+c
n2
x
n1
+c
n1
x
n
y a continuacin
reduciendo el resultado mdulo x
n
1
c
0
x +c
1
x
2
+c
n2
x
n1
+c
n1
x
n
= (x
n
1) 1 +c
n1
+c
0
x +c
1
x
2
+. . . +c
n2
x
n1
(10.29)
((xc(x)))
x
n
1
= c
n1
+c
0
x +c
1
x
2
+. . . +c
n2
x
n1
(10.30)
Aunque en lo sucesivo no se especique, todas las operaciones de producto de polino-
mios se realizarn mdulo x
n
1:
a(x) b(x) = ((a(x) b(x)))
x
n
1
(10.31)
y la suma de polinomios como suma mdulo 2 coeciente a coeciente.
Ejemplo 10.8
Para ilustrar el clculo de las operaciones mdulo con polinomios vamos obtener ((x
4
+ x
3
+
1))
x
2
1
, para lo que debemos recordar que la realizacin de una operacin mdulo es equivalente
a calcular el resto de una operacin de divisin. En nuestro caso, el resto de la divisin de x
4
+
x
3
+ 1 por x
2
1.
Calculamos en primer lugar x
4
/x
2
= x
2
y comenzamos la divisin como
x
4
+x
3
+ 1 x
2
_
x
2
1
_
= x
4
+x
3
+ 1 x
4
+x
2
= x
3
+x
2
+ 1
A continuacin calculamos x
3
/x
2
= x y
x
3
+x
2
+ 1 x
_
x
2
1
_
= x
3
+x
2
+ 1 x
3
+x = x
2
+x + 1
Continuamos calculando x
2
/x
2
= 1 y
x
2
+x + 1
_
x
2
1
_
= x
2
+x + 1 x
+
1 = x
Agrupando estos clculos obtenemos
x
4
+x
3
+ 1 =
_
x
2
+x + 1
_ _
x
2
1
_
+x
por lo que el resto de la divisin es x, que es el resultado de la operacin mdulo, ((x
4
+ x
3
+
1))
x
2
1
= x.
Esta representacin polinmica nos puede parecer a primera vista extraa e innecesa-
riamente compleja. Sin embargo, no resulta tan extraa si pensamos que el producto de
9
Esta representacin no es nueva, pues ya fue utilizada en el Apartado 8.2.9 para representar el contenido de
un LFSR en (8.124). El desarrollo que vamos a realizar en este y en sucesivos apartados presenta muchos puntos
de conexin con el realizado en el Apartado 8.2.9, sobre todo en lo que respecta a la generacin de cuerpos de
Galois de extensin, que all era utilizado para encontrar las secuencias de longitud maximal y aqu lo ser para
disear los cdigos BCH.
polinomios tal y como lo hemos denido es muy similar a la suma en el cuerpo de Galois
denido sobre los enteros GF(q)
10
. Respecto a su aparente complejidad, iremos compro-
bando en lo sucesivo cmo su estructura permite la sustitucin de las operaciones matriciales
por operaciones polinmicas ms simples de realizar.
Los cdigos cclicos contienen una nica palabra cdigo (polinomio) de grado r = nk,
que se conoce como el polinomio generador del cdigo bloque cclico, g(x). A partir de este
polinomio se pueden generar todas las palabras del cdigo multiplicando g(x) por todos los
polinomios b(x) de grado mximo k 1 formado por la palabra de entrada al codicador
como
b(x) = b
0
+b
1
x + +b
k1
x
k1
(10.32)
de la forma
c(x) = b(x)g(x) (10.33)
Si deseamos obtener un realizacin sistemtica del cdigo cclico (dado que son cdigos
lineales y que podemos encontrar una matriz generadora sistemtica), el procedimiento de
codicacin es un poco ms complicado. Enunciaremos aqu su versin ms sencilla, en la
que los k bits de entrada son los ltimos, y no los primeros como se ha denido anteriore-
mente, de la palabra cdigo. Primero, denimos cada palabra cdigo como
c(x) = b(x)x
nk
+d(x) (10.34)
donde d(x) se elige de tal manera que
((c(x)))
g(x)
= ((b(x)x
nk
))
g(x)
+ ((d(x)))
g(x)
= 0 (10.35)
para asegurarnos que c(x) es una palabra cdigo y donde, si imponemos que el grado de
d(x) sea menor o igual que n k, obtenemos nalmente
d(x) = ((b(x)x
nk
))
g(x)
(10.36)
El resultado es que los ltimos k bits de la palabra cdigo coinciden con la palabra de
entrada.
Ejemplo 10.9
Sea g(x) = x
3
+ x + 1 el polinomio generador de un cdigo bloque cclico n = 7, por tanto
k = n grado(g(x)) = 4. Si se quiere codicar la palabra 1001 de forma no sistemtica, se
multiplica b(x) = x
3
+ 1 por g(x)
c(x) = b(x)g(x) = (x
6
+x
4
+x
3
) + (x
3
+x + 1) = x
6
+x
4
+x + 1
10
El cuerpo compuesto por los elementos 0, 1, . . . , q 1 y las operaciones de suma y producto de enteros
mdulo q:
a +b = ((a +b))
q
a b = ((a b))
q
siendo la palabra cdigo c = [1100101].
Si se quisiera realizar de forma sistemtica, se divide b(x)x
3
entre g(x), siendo x
2
+ x el resto
de la divisin, y a continuacin se construye c(x) = b(x)x
3
+ d(x) = x
6
+ x
3
+ x
2
+ x. La
palabra cdigo resultante es c = [0111001].
Para la decodicacin de los cdigos cclicos podemos emplear el mtodo expuesto en
apartado anterior basado en una tabla de sndromes. Para ello, realizamos la transformacin
de matrices en polinomios, comenzando por el polinomio de comprobacin de paridad h(x),
que es aqul de grado k que cumple
g(x)h(x) = x
n
1 (10.37)
que, en mdulo x
n
1 es ((g(x)h(x)))
x
n
1
= ((x
n
1))
x
n
1
= 0 o, lo que lo mismo,
la condicin de ortogonalidad (10.21). El sndrome ser ahora un polinomio s(x) de grado
n k 1 que se obtiene a partir del polinomio recibido r(x)
s(x) = ((r(x)h(x)))
x
n
1
= ((r(x)))
g(x)
= ((c(x) +e(x)))
g(x)
= ((e(x)))
g(x)
(10.38)
siendo e(x) el polinomio que indica los dgitos en que se han producido errores de transmi-
sin.
Hasta ahora hemos estudiado cmo se puede realizar la codicacin y decodicacin de
los cdigos bloque lineales cclicos, incluso cmo medir sus prestaciones y como compa-
rarlos entre s. Pero todava no hemos visto cmo se disean dichos cdigos. Supongamos
que disponemos de un sistema de comunicaciones que requiere una cierta capacidad de de-
teccin y correccin de errores, cmo se construye g(x)?. Para responder a esta pregunta
emplearemos en el apartado siguiente un teorema que indica cmo construir el polinomio
generador de menor grado posible que garantiza una distancia mnima para un tamao de
bloque dado. Este teorema lleva el nombre de sus tres autores: Bose, Chaudhuri y Hocqueng-
hem (BCH), que tambin da nombre a la familia de cdigos bloque cclicos que genera. Sin
embargo, antes de enunciar el teorema, incluso en su versin ms simple, debemos fami-
liarizarnos con la estructura algebraica de los cuerpos de Galois basados en polinomios,
deniendo y enumerando (sin demostracin) las herramientas necesarias para entender el
alcance de dicho teorema y poder disear nuestros propios cdigos bloques cclicos y com-
prender sus propiedades.
El problema central consiste en factorizar x
n
1 como
x
n
1 = (x
1
)(x
2
) (x
n
) (10.39)
de tal manera que podamos construir el polinomio generador g(x) como producto de n k
monomios (x
i
) haciendo mxima la d
min
del cdigo. Con el resto de monomios se
formar el polinomio de comprobacin de paridad, h(x), asegurando que se cumple (10.37).
Las races, en general, no van a ser nmeros de GF(2) (cosa que, en principio, tampoco
nos importa), pero s debemos garantizar que los polinomios generador y de comprobacin
de paridad tengan coecientes binarios. Para garantizar que podemos hacer factorizaciones
no triviales de x
n
1 que den lugar a polinomios con coecientes binarios forzamos a
que las races de x
n
1, junto al cero, estn includos en un cuerpo de Galois que sea
una extensin del binario, GF(2
m
), escogiendo n + 1 = 2
m
, para algn m. Por ltimo,
para generar GF(2
m
) necesitaremos un polinomio primitivo de grado m (que deniremos
a continuacin). Para aclarar toda esta construccin algebraica vamos a proceder en sentido
inverso al aqu expuesto y con la ayuda de un ejemplo.
Comenzaremos deniendo un polinomio irreducible o polinomio primo como aquel que
no se puede factorizar en un producto de polinomios binarios de menor grado. Denimos
adems un polinomio primitivo como un polinomio binario irreducible p(x) de grado mque
cumple que el menor entero n para el cual p(x) divide a x
n
1 es n = 2
m
1. En el Cuadro
10.2 se muestran polinomios binarios primitivos de grado 2 a 21. Es importante resaltar que
hay otros polinomios primitivos del mismo grado, pero con todos ellos se genera el mismo
cuerpo de Galois.
p
2
(x) = x
2
+x + 1 p
12
(x) = x
12
+x
6
+x
4
+x + 1
p
3
(x) = x
3
+x + 1 p
13
(x) = x
13
+x
4
+x
3
+x + 1
p
4
(x) = x
4
+x + 1 p
14
(x) = x
14
+x
5
+x
3
+x + 1
p
5
(x) = x
5
+x
2
+ 1 p
15
(x) = x
15
+x + 1
p
6
(x) = x
6
+x + 1 p
16
(x) = x
16
+x
5
+x
3
+x
2
+ 1
p
7
(x) = x
7
+x + 1 p
17
(x) = x
17
+x
3
+ 1
p
8
(x) = x
8
+x
4
+x
3
+x
2
+ 1 p
18
(x) = x
18
+x
7
+ 1
p
9
(x) = x
9
+x
4
+ 1 p
19
(x) = x
19
+x
5
+x
2
+x + 1
p
10
(x) = x
10
+x
3
+ 1 p
20
(x) = x
20
+x
3
+ 1
p
11
(x) = x
11
+x
2
+ 1 p
21
(x) = x
21
+x
2
+ 1
Cuadro 10.2. Polinomios binarios primitivos de grado 2 a 21.
Ejemplo 10.10
Vamos a construir GF(2
3
) = GF(8) para poder factorizar x
7
1. Para ello empleamos p
3
(x)
del Cuadro 10.2 y construimos las operaciones + y mdulo p
3
(x) = x
3
+x + 1
a(x) b(x) = ((a(x) b(x)))
x
3
+x+1
Dejamos como ejercicio comprobar que x
3
+x + 1 es un polinomio primitivo.
Para determinar los 8 polinomios en x que son los elementos de GF(2
3
) podemos proceder a
partir de los elementos que estn presentes en todos los cuerpos, los elementos neutros respecto a
la suma (el 0) y respecto a la multiplicacin (el 1), ensayamos con un polinomio de grado menor
que el polinomio primitivo (por ejemplo, x) y empezamos a aplicar las operaciones + y
con estos elementos hasta completar las tablas de ambas operaciones (sumando x y 1 obtenemos
x+1, multiplicando x y x obtenemos x
2
, etc.), que en nuestro caso son las mostradas en la Figura
10.3. Identicando los elementos de estas tablas con las races de x
7
1, tenemos que
1
= 1,
2
= x, y as hasta
7
= x
2
+ 1. Dejamos como ejercicio comprobar la vericacin de (10.39)
al sustituir los valores de
1
a
7
.
+ 0 1 x x
2
x + 1 x
2
+x x
2
+x + 1 x
2
+ 1
0 0 1 x x
2
x + 1 x
2
+x x
2
+x + 1 x
2
+ 1
1 1 0 x + 1 x
2
+ 1 x x
2
+x + 1 x
2
+x x
2
x x x + 1 0 x
2
+x 1 x
2
x
2
+ 1 x
2
+x + 1
x
2
x
2
x
2
+ 1 x
2
+x 0 x
2
+x + 1 x x + 1 1
x + 1 x + 1 x 1 x
2
+x + 1 0 x
2
+ 1 x
2
x
2
+x
x
2
+x x
2
+x x
2
+x + 1 x
2
x x
2
+ 1 0 1 x + 1
x
2
+x + 1 x
2
+x + 1 x
2
+x x
2
+ 1 x + 1 x
2
1 0 x
x
2
+ 1 x
2
+ 1 x
2
x
2
+x + 1 1 x
2
+x x + 1 x 0
0 1 x x
2
x + 1 x
2
+x x
2
+x + 1 x
2
+ 1
0 0 0 0 0 0 0 0 0
1 0 1 x x
2
x + 1 x
2
+x x
2
+x + 1 x
2
+ 1
x 0 x x
2
x + 1 x
2
+x x
2
+x + 1 x
2
+ 1 1
x
2
0 x
2
x + 1 x
2
+x x
2
+x + 1 x
2
+ 1 1 x
x + 1 0 x + 1 x
2
+x x
2
+x + 1 x
2
+ 1 1 x x
2
x
2
+x 0 x
2
+x x
2
+x + 1 x
2
+ 1 1 x x
2
x + 1
x
2
+x + 1 0 x
2
+x + 1 x
2
+ 1 1 x x
2
x + 1 x
2
+x
x
2
+ 1 0 x
2
+ 1 1 x x
2
x + 1 x
2
+x x
2
+x + 1
Figura 10.3. Tablas de las operaciones + y en GF(8).
Los 2
m
elementos de GF(2
m
) tienen una estructura cclica derivada de la construccin
del cuerpo y, particularmente, de la estructura cclica del grupo abeliano sobre la opera-
cin de multiplicacin (). Concretamente, se derivan de un nico y toman la forma:
0,
0
,
1
,
2
, . . . ,
2
m
2
, donde 0 es el elemento identidad de la operacin suma mdulo 2
y
0
= 1 es elemento identidad de la operacin producto mdulo 2. Adems
2
m
1
=
0
,
2
m
= , . . ., y en general
d
=
((d))
(2
m
1)
. Todos los elementos no nulos de GF(2
m
)
son las races de x
n
1, de tal forma que:
x
n
1 = (x
1
)(x
2
) (x
n
) = (x
0
)(x)(x
2
) (x
2
m
2
) (10.40)
Esta raz que genera el cuerpo de Galois de orden 2
m
se denomina raz primitiva. La
representacin de los elementos del cuerpo de Galois de orden 2
m
construido mediante
potencias de se conoce como representacin exponencial de GF(2
m
), a diferencia de
la representacin polinmica anterior (la representacin en polinomios en x del ejemplo
anterior).
Para determinar los polinomios binarios g(x) y h(x) debe existir un mecanismo que
permita combinar las races de x
n
1 = (x 1)(x ) (x
2
m
2
) obteniendo
polinomios binarios y, a partir de ellos, generar los polinomios g(x) y h(x) que denen los
cdigos bloque cclicos binarios.
Nuestro objetivo es multiplicar varios monomios (x
j
) de manera que el polinomio
resultante sea binario. Esta forma de agrupar los elementos de los cuerpos de Galois de
orden 2
m
para que den lugar a polinomios binarios se conoce como agrupacin por clases
conjugadas. Para construir una clase conjugada se toma un elemento cualquiera del cuerpo y
se crea una secuencia de cuadrados consecutivos,
d
,
2d
,
4d
,
8d
, . . ., hasta que se repita
el primer elemento,
d
. Si se construye un polinomio que tenga como races los elementos
de la clase conjugada se obtendr un polinomio binario, denominado polinomio minimal de
la clase conjugada, en el que las x
i
slo aparecen multiplicadas por los valores 0 1.
Identicando y sus potencias en la tabla de la operacin de la Figura 10.3 tenemos
0
= 1
1
= x
2
= x
2
3
= ((x
3
))
x
3
+x+1
= x + 1
4
= x(x + 1) = x
2
+x
5
= ((x(x
2
+x)))
x
3
+x+1
= x
2
+x + 1
6
= ((x(x
2
+x + 1)))
x
3
+x+1
= x
2
+ 1
Ntese que podra haberse realizado cualquier ordenacin de los elementos de GF(2
3
) en las
tablas de la Figuras 10.3, pero slo una pone de maniesto la estructura cclica del cuerpo. Si
fuese necesario, se reordenan las races hasta obtener esta estructura cclica.
Para calcular la primera clase conjugada tomamos la raz y construimos la secuencia de cua-
drados consecutivos: ,
2
,
4
,
8
=
((8))
7
= . La primera clase conjugada est formada por
,
2
,
4
. Se puede comprobar que si hubisemos empezado con
2

4
, hubisemos obteni-
do la misma clase conjugada. A continuacin, generamos un polinomio que contenga estas tres
races
(x )(x
2
)(x
4
) = (x
2
( +
2
)x +
3
)(x
4
)
= x
3
(
4
+
2
)x
2
+ (
6
+
5
+
3
)x
7
= x
3
(x+x
2
+x
2
+x)x
2
+ (x
2
+1+x
2
+x+1+x+1)x+ 1
= x
3
+x + 1
Es importante destacar que este polinomio coincide con el polinomio primitivo empleado para
generar el cuerpo de Galois. Esta propiedad es debida a que es una raz del polinomio primitivo
y por tanto el polinomio minimal que contenga a debe ser el polinomio primitivo.
Si tomamos otra raz, por ejemplo,
3
, y construimos su secuencia de cuadrados consecutivos:
3
,
6
,
12
=
((12))
7
=
5
,
10
=
((10))
7
=
3
, se obtiene que el polinomio que genera esta
clase conjugada es
(x
3
)(x
5
)(x
6
) = x
3
+x
2
+ 1
Por ltimo, consideramos la raz 1, que forma una clase conjugada por s sola, ya que 1
2
= 1.
Como hemos utilizado todos los elementos no nulos del cuerpo de Galois de orden 2
3
para gene-
rar sus tres clases conjugadas y sus tres polinomios minimales, podemos expresar el polinomio
x
7
1 como (x
3
+x+1)(x
3
+x
2
+1)(x1). Empleando combinaciones de estos tres polinomios
se pueden crear distintos polinomios generadores de cdigos cclicos con n = 7. En el Cuadro
10.3 se muestra la asignacin entre clases conjugadas y sus polinomios minimales.
Es importante resaltar que los polinomios provenientes de las clases conjugadas son irre-
ducibles y que aquellos que tengan el mismo grado que el polinomio primitivo tambin son
primitivos del mismo cuerpo de Galois. Sin embargo, si se emplea cualquiera de ellos para
generar el cuerpo de Galois de orden 2
m
, la asignacin entre la representacin exponencial
y polinmica variar, ya que sta depende del polinomio primitivo.
Una vez estudiada la manera de transformar los elementos del cuerpo de Galois de orden
2
m
en polinomios minimales (binarios), disponemos de toda la informacin necesaria para
Clases conjugadas Polinomios minimales
1 m
0
(x) = x 1
,
2
,
4
m
1
(x) = x
3
+x + 1
3
,
5
,
6
m
3
(x) = x
3
+x
2
+ 1
Cuadro 10.3. Clases conjugadas de GF(2
3
) generado por p(x) = x
3
+ x + 1 y sus
polinomios minimales asociados.
1 m
0
(x) = x + 1
,
2
,
4
,
8
m
1
(x) = x
4
+x + 1
3
,
6
,
9
,
12
m
3
(x) = x
4
+x
3
+x
2
+x + 1
5
,
10
m
5
(x) = x
2
+x + 1
7
,
11
,
13
,
14
m
7
(x) = x
4
+x
3
+ 1
4
4
+ x + 1 y sus
plantear el teorema BCH y analizar la construccin de polinomios generadores para los cdi-
gos cclicos que de l se desprenden. Como ejemplos adicionales, en los Cuadros 10.4, 10.5
y 10.6 se muestran las clases conjugadas y los polinomios minimales de, respectivamente,
GF(2
4
), GF(2
5
) y GF(2
6
).
10.2.3. Cdigos BCH
Ya disponemos de los elementos necesarios para poder emplear la Cota BCH, que en su
versin restringida para los cdigos cclicos binarios dice lo siguiente: sea un cdigo cclico
(n, k) con polinomio generador g(x), y sea una raz primitiva del polinomio x
n
1; si
el polinomio generador g(x) contiene 1 races consecutivas de (esto es, g(
b
) =
1 m
0
(x) = x + 1
,
2
,
4
,
8
,
16
m
1
(x) = x
5
+x
2
+ 1
3
,
6
,
12
,
17
,
24
m
3
(x) = x
5
+x
4
+x
3
+x
2
+ 1
5
,
9
,
10
,
18
,
20
m
5
(x) = x
5
+x
4
+x
2
+x + 1
7
,
14
,
19
,
25
,
28
m
7
(x) = x
5
+x
3
+x
2
+x + 1
11
,
13
,
21
,
22
,
26
m
11
(x) = x
5
+x
4
+x
3
+x + 1
15
,
23
,
27
,
29
,
30
m
15
(x) = x
5
+x
3
+ 1
5
5
+ x
2
+ 1 y sus
1 m
0
(x) = x + 1
,
2
,
4
,
8
,
16
,
32
m
1
(x) = x
6
+x + 1
3
,
6
,
12
,
24
,
33
,
48
m
3
(x) = x
6
+x
4
+x
2
+x + 1
5
,
10
,
17
,
20
,
34
,
40
m
5
(x) = x
6
+x
5
+x
2
+x + 1
7
,
14
,
28
,
35
,
49
,
56
m
7
(x) = x
6
+x
3
+ 1
9
,
18
,
36
m
9
(x) = x
3
+x
2
+ 1
11
,
22
,
25
,
37
,
44
,
50
m
11
(x) = x
6
+x
5
+x
3
+x
2
+ 1
13
,
19
,
26
,
38
,
41
,
52
m
13
(x) = x
6
+x
4
+x
3
+x + 1
15
,
30
,
39
,
51
,
57
,
60
m
15
(x) = x
6
+x
5
+x
4
+x
2
+ 1
21
,
42
m
21
(x) = x
2
+x + 1
23
,
29
,
43
,
46
,
53
,
58
m
23
(x) = x
6
+x
5
+x
4
+x + 1
27
,
45
,
54
m
27
(x) = x
3
+x + 1
31
,
47
,
55
,
59
,
61
,
62
m
31
(x) = x
6
+x
5
+ 1
6
6
+ x + 1 y sus
g(
b+1
) = = g(
b+2
) = 0, para algn b), entonces la distancia mnima del cdigo es
al menos , es decir, d
min
.
Los cdigos BCH con b = 1 se conocen como cdigos BCH en sentido estricto, ya que
contienen la raz generadora de x
n
1. Si invertimos el teorema y construimos el polinomio
generador, para un n dado, a partir de 1 races consecutivas de , entonces podremos
asegurar una distancia mnima del cdigo de .
Ejemplo 10.11
Los polinomios minimales de GF(2
3
), mostrados en el Cuadro 10.3, permiten construir cdigos
de longitud n = 7. Los posibles polinomios generadores son:
g
1
(x) = m
1
(x) = x
3
+x + 1
g
2
(x) = m
1
(x)m
3
(x) = x
6
+x
5
+x
4
+x
3
+x
2
+x + 1
g
3
(x) = m
0
(x) = x + 1
g
4
(x) = m
3
(x)m
0
(x) = x
4
+x
2
+x + 1
Cul es la distancia mnima de cada uno de estos cdigos cclicos y cuntos bits es posible
codicar?
El primer polinomio contiene las races ,
2
,
4
, presenta dos races consecutivas y, por
tanto, da lugar a una distancia mnima de al menos tres. Como el grado del polinomio ge-
nerador coincide con el nmero de bits de redundancia, el nmero de bits de informacin es
k = n grado(g
1
(x)) = 4. Este cdigo es la versin cclica del cdigo Hamming, con n = 7,
k = 4 y d
min
= 3.
El segundo polinomio contiene las races ,
2
,
3
,
4
,
5
,
6
, seis races consecutivas, y por
tanto una distancia mnima de al menos siete bits. El nmero de bits que se puede transmitir es 1.
Se puede probar que las dos palabras cdigo posibles son aqullas cuyos bits son todos iguales a
cero y la de todo unos. Este polinomio da lugar al cdigo de repeticin de seis bits.
El tercer polinomio generador slo presenta una raz (consecutiva) y, por tanto, d
min
= 2. En este
caso, k = 6 y las palabras cdigo siempre tienen un nmero par de unos. Resulta un cdigo de
comprobacin de paridad par.
Las races del cuarto polinomio son 1,
3
,
5
,
6
. Contiene tres races consecutivas,
5
,
6
y
7
= 1. Este cdigo tiene una d
min
garantizada de 4 y el nmero de bits de informacin es
k = 3. Se puede comprobar que g
1
(x)g
4
(x) = x
n
1, g
4
(x) es, por tanto, el polinomio de
comprobacin de paridad de g
1
(x). A este cdigo se le conoce como el cdigo dual del cdigo
Hamming (7, 4).
Hasta ahora hemos aprendido cmo encontrar las races de x
n
1 para n = 2
m
1, lo
que permite construir nicamente cdigos de longitud 2
m
1. En el caso de que deseemos
construir un cdigo de longitud n ,= 2
m
1, cmo obtenemos las races de x
n
1?. En
primer lugar es necesario emplear un polinomio primitivo de orden mtal que ((2
m
1))
n
=
0. Si 2
m
1 ,= n, el polinomio primitivo generar n
= 2
m
1 races, entre las que se
encuentran las n que nos interesan. Las races de x
n
1 sern las
j
tales que j sea mltiplo
de (2
m
1)/n.
Una vez localizado m, generamos las n races de x
n
1, empleando un polinomio pri-
mitivo de grado m (haciendo uso, por ejemplo, del Cuadro 10.2). A partir de las races de
x
n
1, construimos las clases conjugadas y sus polinomios minimales. Por ltimo, combi-
namos los polinomios minimales de tal forma que se obtengan d
min
1 races consecutivas.
Como el grado del polinomio generador indica el nmero de bits de redundancia, es desea-
ble combinar los polinomios de manera que el grado de g(x) sea lo ms pequeo posible y
por tanto se disponga de mayor nmero de bits para transmitir informacin con una distancia
mnima garantizada.
A modo de resumen, el procedimiento para construir el polinomio generador de un c-
digo BCH de longitud n y capaz de corregir t errores a partir de un cdigo cclico genrico
consta de los siguientes pasos:
1. Localizar m tal que ((2
m
1))
n
= 0.
2. Encontrar un polinomio primitivo de grado m.
3. Generar los elementos de GF(2
m
).
4. Seleccionar las n races
j
tales que j sea mltiplo de (2
m
1)/n.
5. Construir las clases conjugadas y los polinomios minimales de las races de x
n
1.
6. Construir el polinomio generador de menor grado posible que contenga 2t races con-
secutivas de x
n
1 a partir de sus polinomios minimales.
A continuacin se presentan varios ejemplos en los que se generan cdigos cclicos para
una longitud y una distancia mnima dada.
Clases Conjugadas Polinomios Minimales
1 m
0
(x) = x 1
,
2
,
4
,
8
,
11
,
16
m
1
(x) = x
6
+x
4
+x
2
+x + 1
3
,
6
,
12
, m
3
(x) = x
3
+x
2
+ 1
5
,
10
,
13
,
17
,
19
,
20
m
5
(x) = x
6
+x
5
+x
4
+x
2
+ 1
7
,
14
m
7
(x) = x
2
+x + 1
9
,
15
,
18
m
9
(x) = x
3
+x + 1
Cuadro 10.7. Clases conjugadas y polinomios minimales para x
21
1.
Ejemplo 10.12
Se desea construir un polinomio generador para un cdigo de longitud n = 15 y capaz de corregir
dos errores (t = 2). Para m = 4 se cumple que ((2
m
1))
n
= 0 y adems como 2
m
1 = n
empleamos todas sus races. Tomamos el polinomio primitivo del Cuadro 10.2, p(x) = x
4
+x+1.
Sus clases conjugadas y polinomios minimales se encuentran en el Cuadro 10.4. En l se puede
observar que ningn polinomio contiene cuatro races consecutivas y por tanto ser necesario
construir el polinomio cclico uniendo varios polinomios minimales. Los polinomios
g
1
(x) = m
1
(x)m
3
(x) = x
8
+x
7
+x
6
+x
4
+ 1
g
2
(x) = m
3
(x)m
7
(x) = x
8
+x
4
+x
2
+x + 1
contienen cuatro races consecutivas y los dos tienen el mismo grado. No es posible construir un
polinomio de menor grado con m
0
(x) o m
5
(x) y alguno de los tres polinomios de grado 4. Por
ello, los polinomios antes presentados son los de menor grado que protegen contra dos errores en
el canal.
Ejemplo 10.13
Se desea construir un polinomio generador para un cdigo cclico de longitud n = 21 y capa-
cidad para corregir tres errores (t = 3). El grado del polinomio primitivo debe ser seis, ya que
((63))
21
= 0. De los 63 elementos del cuerpo de Galois de orden 2
6
nicamente nos quedamos
con: 1,
3
,
6
, . . . ,
60
, que son las races que anulan a x
21
1. Sea =
3
. En el Cuadro 10.7
se muestran las clases conjugadas en funcin de y los polinomios minimales, que han sido
extrados del Cuadro 10.6, entre aquellas races que anulan a x
63
1.
Para poder construir un polinomio corrector de tres errores es necesario agrupar seis races
consecutivas. La forma de hacerlo utilizando el menor nmero de races posibles es mediante
g
1
(x) = m
1
(x)m
3
(x)m
5
(x) o g
2
(x) = m
1
(x)m
5
(x)m
9
(x). En ambos casos se obtiene un
polinomio de grado quince.
En estos dos ejemplos se ha mostrado cmo se pueden generar cdigos bloque cclicos
para cualquier n impar (un n par nunca dividira a 2
m
1) y para cualquier capacidad
correctora. Si la longitud elegida para el cdigo no proporcionara una tasa de codicacin
sucientemente alta para una aplicacin determinada, un cdigo con n mayor presentara la
misma capacidad correctora pero con una mayor tasa. Cuanto mayor sea n, ms complejos
sern el codicador y el decodicador y ms retardo se introducir en la seal, pues el bloque
que se transmite en cada instante ser mayor. Al elegir la longitud del cdigo existe un
compromiso entre la complejidad y la capacidad de correccin de errores; este compromiso
depender de cada aplicacin.
En el supuesto de que no existieran restricciones signicativas en relacin a la longitud
del cdigo n, se debe tender a elegir aquellos para los que el cociente entre 2
m
1 y n sea
lo menor posible, ya que dan lugar a polinomios generadores ms cortos dada una misma
distancia mnima. Esta regla heurstica proporciona cdigos de mayor tasa para la misma
distancia mnima y para n similares.
10.2.4. Cdigos Reed-Solomon
En el apartado anterior hemos presentado los cdigos BCH binarios, que permiten ge-
nerar cdigos de la capacidad correctora deseada. Sin embargo, al construir los polinomios
generadores es necesario incluir races adicionales de x
n
1 que no contribuyen a aumentar
la capacidad correctora (ya que no son races consecutivas) pero que s incrementan el grado
de g(x), reduciendo as el nmero de bits de informacin que se puede codicar. Es decir,
existen races que no contribuyen a incrementar la distancia mnima, pero que s disminuyen
la tasa de codicacin. En el Ejemplo 10.12, g
1
(x) presenta ocho races, pero slo cuatro de
ellas son consecutivas. Si hubisemos podido construir un cdigo empleando nicamente las
cuatro races consecutivas podramos aumentar la tasa de codicacin hasta 11/15 en lugar
de 7/15 como obtuvimos en ese ejemplo. Es decir, de cada 15 bits, 11 seran de informacin
en lugar de 7. Sin embargo, si en ese ejemplo hubisemos denido g(x) como
g(x) = (x )(x
2
)(x
3
)(x
4
)
el cdigo no sera binario.
Las races adicionales aparecen porque hemos restringido nuestros polinomios genera-
dores a polinomios binarios. Si fusemos capaces de emplear polinomios no binarios po-
dramos utilizar polinomios generadores que nicamente tuviesen races consecutivas (que
son las que aumentan la distancia mnima). Para formar un cdigo en el que cada raz sea
consecutiva con las anteriores, se requiere que todos los polinomios minimales sean de gra-
do 1, asegurndonos de esta forma que slo incluimos una raz si es consecutiva y no porque
otra raz del polinomio minimal sea necesaria para incrementar la distancia mnima. Como
las races de x
n
1 = (x 1)(x ) (x
2
m
2
) pertenecen a GF(2
m
), si se quiere
construir g(x) slo a partir de races consecutivas, sus coecientes debern pertenecer a los
cuerpos de Galois de orden 2
m
. Una vez construido g(x) la codicacin se realiza de manera
similar a la de cualquier cdigo cclico. En este caso b(x) tambin ser un polinomio sobre
GF(2
m
), al igual que c(x) = b(x)g(x). Si la secuencia que se desea proteger es binaria,
pero no los polinomios construidos a partir de elementos GF(2
m
), agruparemos los bits de
entrada de m en m realizando una codicacin binaria como la denida en (10.28) para
representar las palabras cdigo como polinomios, ahora para representar cada m bits en un
polinomio elemento de GF(2
m
) (es decir, transformar m bits en la representacin polin-
mica de GF(2
m
)). Si la secuencia de salida debe ser binaria, se aplica esta transformacin
a la inversa sobre la secuencia de palabras cdigo.
Rep. Exponencial Rep. Polinmica Rep. Exponencial Rep. Polinmica
0 0
7
x
3
+y + 1
1 1
8
x
2
+ 1
y
9
x
3
+y
2
x
2
10
x
2
+y + 1
3
x
3
11
x
3
+x
2
+y
4
y + 1
12
x
3
+x
2
+y + 1
5
x
2
+y
13
x
3
+x
2
+ 1
6
x
3
+x
2
14
x
3
+ 1
Cuadro 10.8. Representaciones exponencial y polinmica de GF(2
4
) generado por
p(x) = x
4
+x + 1.
Los cdigos cclicos que se construyen sobre los cuerpos de Galois de orden 2
m
con
n = 2
m
1 y donde los polinomios generadores nicamente se forman a partir de races
consecutivas, se conocen como cdigos Reed-Solomon (RS). Estos cdigos reciben el nom-
bre de sus descubridores en los aos sesenta. En los siguientes ejemplos mostramos cmo
se construyen tres cdigos RS. Veremos que estos cdigos se generan como los BCH (el
teorema BCH se puede extender a cdigos no binarios), pero con la particularidad de que
los polinomios generadores no son binarios.
Ejemplo 10.14
Se desea construir un polinomio generador para un cdigo RS corrector de 1 error y de longitud
n = 7. Para generar este cdigo se emplean los cuerpos de Galois de orden 2
3
. Para ello uti-
lizamos el polinomio primitivo p(x) = x
3
+ x + 1, ya analizado en el Ejemplo 10.10. Como
queremos corregir un error tomamos dos races consecutivas, obteniendo g(x) como
g(x) = (x )(x
2
) = x
2
( +
2
)x +
3
= x
2
4
x +
3
Ejemplo 10.15
Se desea construir un polinomio generador para cdigos RS capaz de corregir 2 errores y de
longitud n = 255. Para ello empleamos un polinomio primitivo de los cuerpos de Galois de
orden 2
8
, p(x) = x
8
+x
4
+x
3
+x
2
+1, obtenido del Cuadro 10.2. El polinomio generador ser
g(x) = (x )(x
2
)(x
3
)(x
4
) = x
4
76
x
3
+
31
x
2
81
x +
10
Ejemplo 10.16
Se quiere codicar la secuencia 0110010110000 . . . empleando un cdigo RS con n = 15 y
capaz de corregir 2 errores.
Para construir el cdigo RS(15,11) se deben tomar cuatro races consecutivas de tal forma que
nuestro polinomio generador sea
g(x) = (x )(x
2
)(x
3
)(x
4
) =
10
3
x +
6
x
2
13
x
3
+x
4
(para calcular g(x) hemos empleado el polinomio primitivo p(x) = x
4
+ x + 1 y hemos calcu-
lado sus representaciones exponencial y polinmica, que se muestran en el Cuadro 10.8). Para
codicar la secuencia binaria se seleccionan los bits de cuatro en cuatro y se construye el poli-
nomio b(x) transformando cuatro bits en un elemento de GF(2
4
) a partir de su representacin
polinmica, lo que da como resultado
b(x) =
5
+
9
x +x
2
El polinomio cdigo es
c(x) = b(x)g(x)
= (
15
8
x +
11
x
2
18
x
3
+
5
x
4
)+(
19
x
12
x
2
+
15
x
3
22
x
4
+
9
x
5
)
+(
10
x
2
3
x
3
+
6
x
4
13
x
5
+x
6
)
= 1 +
5
x +
5
x
2
+x
3
+x
4
+
10
x
5
+x
6
que en formato binario es c = [1000011001101000100011101000 . . .] completando con ceros
hasta los 60 bits (15 4).
La cota BCH para un cdigo RS de longitud n = 2
m
1 nos indica que no existe otro
cdigo bloque cclico sobre GF(2
m
) con mayor distancia mnima, ya que todas las races
cuentan para aumentar la cota de la distancia mnima. Adicionalmente, podemos demostrar
que no existe otro cdigo bloque lineal (cclico o no) con mayor d
min
que un cdigo RS y
que la distancia mnima de los cdigos RS es igual a la cota BCH. Para ello vamos a utilizar
la cota de Singleton, que establece que la distancia mnima de un cdigo bloque (n, k) est
acotada por
d
min
n k + 1 = r + 1 (10.41)
Para los cdigos RS la cota BCH establece que su d
min
n k +1, por lo que, dada la
cota de Singleton, la distancia mnima de los cdigos RS ser d
min
= nk+1. La cota BCH
proporciona un lmite superior de la distancia mnima, pero para los RS es el valor exacto
y adems estos cdigos presentan la mayor distancia mnima posible para cualquier cdigo
bloque (n, k). A los cdigos que cumplen con igualdad la cota de Singleton se conocen
como cdigos de mxima distancia separable (Maximum Distance Separable, MDS).
Los cdigos RS no son los nicos cdigos MDS. Se pueden construir cdigos MDS
mediante las siguientes operaciones:
Perforado (punctured). Un cdigo bloque es un cdigo perforado si se elimina uno de los
bits de redundancia. Un cdigo (n, k) se transforma en un cdigo (n 1, k).
Acortado (shortened). Un cdigo bloque es acortado si se elimina uno de los bits de
entrada y uno de los bits de salida. Un cdigo (n, k) se transforma en un cdigo
(n 1, k 1).
Se puede demostrar que un cdigo MDS perforado o acortado sigue siendo un cdi-
go MDS. Si tenemos un cdigo RS de longitud n demasiado grande, podemos emplear las
operaciones de perforado y acortado tantas veces como sea necesario para construir un c-
digo de menor longitud, sabiendo que la distancia mnima del nuevo cdigo seguir siendo
d
min
= nk+1. En general, un cdigo RS acortado o perforado deja de ser cclico, aunque
sigue siendo lineal. Por ejemplo, los discos compactos (Compact Disc, CD) emplean dos
cdigos RS acortados a (32,28) y (28,24), que parten del cdigo RS descrito en el Ejemplo
10.15 sobre GF(2
8
). En los CD se emplean estos cdigos porque permiten utilizar palabras
de ocho bits como entrada (la mitad de los bits asignado a cada muestra de audio), pero se
acortan para reducir la complejidad del codicador y decodicador, ya que de lo contrario
cada palabra cdigo tendra 256 8 bits.
10.2.5. Decodicacin de los cdigos BCH y RS
El principal factor limitante en el empleo de cdigos para proteccin contra errores es
la complejidad de los procesos de codicacin y decodicacin, fundamentalmente de este
ltimo. En los apartados precedentes hemos reducido la complejidad de la codicacin de
cdigos cclicos, transformando una matriz de tamao k n en un polinomio de grado
n k, y la multiplicacin de un vector por una matriz en una multiplicacin de polinomios
que puede ser realizada ecientemente. Sin embargo, la complejidad de la decodicacin
sigue estando marcada, en el mejor de los casos, por el tamao de la tabla de sndromes,
que depende exponencialmente de la redundancia, n k. La aplicabilidad de los cdigos
cclicos va a depender de la existencia de algoritmos de decodicacin que eviten construir
la tabla de sndromes.
En la literatura existen diversos algoritmos de complejidad no exponencial para la deco-
dicacin de cdigos bloque cclicos tipo BCH. En este apartado estudiaremos el ms e-
ciente para los cdigos no binarios: el algoritmo de Berlekamp-Massey, cuya complejidad
crece linealmente con la distancia mnima del cdigo. Este algoritmo se puede simplicar si
se utilizan cdigos binarios.
Antes de la presentacin del algoritmo introduciremos la notacin e ideas bsicas de su
planteamiento, que son comunes a la mayor parte de algoritmos para la decodicacin de
cdigos BCH y RS. Al construir el polinomio g(x) con capacidad para corregir t errores
se impuso que tuviese 2t races consecutivas de , por tanto, g(
b
) = g(
b+1
) = =
g(
b+2t1
) = 0. Como cualquier palabra cdigo se obtiene como c(x) = b(x)g(x) para
algn b(x), si
j
es una raz de g(x), tambin lo ser de c(x). Denimos 2t sndromes
evaluando la palabra recibida, r, en las 2t races
S
l
= r(
l
) = c(
l
) +e(
l
) =
n1
j=0
e
j
(
l
)
j
l = 1, . . . , 2t (10.42)
donde c(
l
) = 0 por denicin de palabra cdigo, e
j
es el coeciente j-simo del polinomio
de error e(x) = e
0
+e
1
x+ +e
n1
x
n1
y, adicionalmente, hemos supuesto que el cdigo
es un cdigo BCH en sentido estricto (b = 1). Como ya indicamos para los cdigos bloque
lineales, los sndromes son cero nicamente si el polinomio de error es cero (o si el error
es otra palabra cdigo) y el sndrome slo depende del error producido y no de la palabra
cdigo transmitida.
El algoritmo de Berlekamp-Massey se encuentra detallado en el Cuadro 10.9. Una vez
que naliza el algoritmo el polinomio (x) =
(2t)
(x), denominado polinomio localizador
de errores, es un polinomio de grado menor o igual que t que indica dnde se encuentran
1.- Calcular los sndromes S
1
, S
2
, . . . , S
2t
.
Inicializar
(0)
(x) = 1, L = 1, T(x) = 1 y k = 1.
2.- Calcular
(k)
= S
k

L
i=1

(k1)
i
S
ki
.
3.- Si
(k)
= 0, ir al Paso 7.
4.- Modicar
(k)
(x) =
(k1)
(x)
(k)
T(x).
5.- Si 2L k, ir al Paso 7.
6.- Igualar L = k 1 y T(x) =
(k1)
(x)/
(k)
.
7.- Igualar T(x) = xT(x).
8.- Si k < 2t, entonces k = k + 1 e ir al Paso 2.
Cuadro 10.9. Algoritmo de Berlekamp-Massey para decodicacin de cdigos BCH no binarios.
los errores en la palabra cdigo recibida. (x) se puede factorizar como
(x) = (1 +
l
1
x)(1 +
l
2
x) (1 +
l
t
x) (10.43)
y los errores se encuentran en las posiciones l
1
, l
2
, . . . , l
t
. Si (x) no se puede factorizar o
aparece una raz doble indica que se han producido ms de t errores y dicha palabra no se
puede decodicar, producindose lo que se denomina un fallo de decodicacin. Recorde-
mos que esto tambin suceda cuando calculamos la tabla de sndromes en el Ejemplo 10.5,
en la que haba sndromes que no aparecan en la tabla. Aunque no es nuestro propsito rea-
lizar una descripcin detallada del funcionamiento del algoritmo, mencionaremos que est
basado en la expresin recursiva de los sndromes en funcin de los sndromes anteriores y
los coecientes del polinomio localizador de errores
i
S
ki
+
i1
S
ki1
+ +
1
S
k1
= S
k
(10.44)
que se emplea para construir recursivamente (x) mediante el polinomio corrector T(x),
siempre que , la discrepancia entre los sndromes calculados y los obtenidos mediante
(10.44) a partir de (x) en la iteracin en curso, sea distinta de cero.
Si empleamos este algoritmo para decodicar un cdigo binario, si en la posicin l
1
haba un 1, sabemos que el bit transmitido fue un 0 y viceversa. Pero si el cdigo no es
binario y en la posicin l
1
hay un
k
sabemos qu elemento no se transmiti, pero no
podemos decir cul de los otros 2
m
1 elementos de GF(2
m
) se envi. Una vez localizada
la posicin del error habr que calcular la magnitud, es decir, cul es la diferencia entre el
smbolo correcto y el recibido. Para calcular dicha magnitud podemos emplear el algoritmo
de Forney que establece que, dadas las posiciones de los errores X
1
=
l
1
, X
2
=
l
2
, ...,
X
t
=
l
t
(las races de (x)), la magnitud de los errores se puede calcular como:
e
l
k
=
X
k
(X
1
k
)
(X
1
k
)
(10.45)
donde (x) = (((x)S(x)))
x
2t+1, S(x) es el conjunto de 2t sndromes expresados en
k S
k

(k)
(x)
(k)
L T(x)
0 1 0 x
1
12
1
12
x
12
1
3
x
2
14
1
2
x
4
1
3
x
2
3
3
1
2
x +
12
x
2
9
2
6
x +
8
x
2
4
13
1
13
x +
13
x
2
8

Cuadro 10.10. Resumen de la decodicacin RS mediante el algoritmo de Berlekamp-Massey.
forma polinmica, S(x) =
2t
j=1
S
j
x
j
, y
(x) es la derivada formal de (x)

11
.
Una vez calculada la magnitud del error podemos construir e(x) y obtener la palabra
cdigo transmitida como la diferencia entre la palabra recibida r(x) y el error e(x). La
mejor forma de comprender el funcionamiento de los algoritmos de Berlekamp-Massey y
Forney es mediante un ejemplo.
Ejemplo 10.17
En el decodicador de un cdigo RS (15, 11) en sentido estricto con polinomio generador
g(x) =
10
x
2
3
x +
6
x
2
13
x
3
+x
4
se ha recibido la siguiente palabra cdigo
r(x) = 1 +
5
x
2
+x
3
+x
4
+
10
x
5
+x
6
+
7
x
12
y vamos a determinar cul fue la palabra cdigo transmitida.
En primer lugar se calcula el sndrome de la palabra recibida:
S
1
= r() = 1 +
7
+
3
+
4
+
15
+
6
+
19
=
12
S
2
= r(
2
) = 1 +
9
+
6
+
8
+
20
+
12
+
31
=
14
S
3
= r(
3
) = 1 +
11
+
9
+
12
+
25
+
18
+
43
=
3
S
4
= r(
4
) = 1 +
13
+
12
+
16
+
30
+
24
+
55
=
13
donde se ha utilizado el Cuadro 10.8 para transformar la representacin exponencial en polin-
mica, adems de
d
=
((d))
15
. Como los sndromes son distintos de cero, se ha producido algn
error.
Luego se obtiene el polinomio de error empleando el algoritmo de Berlekamp-Massey mostrado
en el Cuadro 10.9. Las iteraciones del algoritmo se detallan en el Cuadro 10.10 y las operaciones
necesarias para formar esta tabla se especican a continuacin.
Iteracin k = 1:
1.
(1)
= S
1
0 =
12
.
2.
(1)
(x) = 1
12
x.
11
Hablamos de derivada formal porque
(x) se calcula aplicando las reglas de derivacin de polinomios

sobre el cuerpo de los nmeros reales. Sin embargo, no es una derivada porque no tiene la interpretacin del
cociente entre la variacin innitesimal de la funcin y la variacin innitesimal en la variable independiente.
Iteracin k = 2:
1.
(2)
= S
2
S
1
(1)
1
=
14
12
12
=
4
.
2.
(2)
(x) = 1
12
x +
7
x = 1
2
x.
Iteracin k = 3:
1.
(3)
= S
3
S
2
(2)
1
=
3
14
2
=
9
.
2.
(3)
(x) = 1
2
x +
12
x
2
.
Iteracin k = 4:
1.
(4)
= S
4
S
3
(3)
1
S
2
(3)
2
=
13
12
14
= 1 +
2
+
3
++
2
+
+
2
+
3
=
8
.
2.
(4)
(x) = 1
2
x
12
x
2
+
14
x +x
2
= 1
13
x +
13
x
2
.
Una vez generado el polinomio (x) =
(4)
(x) es necesario encontrar sus races para determinar
dnde se localizan los errores. Para ello, dividimos el polinomio (x) entre (1
j
x) para j =
0, 1, . . . n hasta encontrar sus dos races (ya que se trata de un cdigo corrector de dos errores).
En primer lugar, se ensaya la divisin de (x) entre (1 x) y se obtiene 1
13
x +
13
x
2
=
(x1)
13
x+1. Como el resto de la divisin no es nulo no se ha producido un error en la primera
componente del vector recibido. A continuacin consideramos j = 1 y se ensaya la divisin de
(x) entre (1x), obteniendo 1
13
x+
13
x
2
= (1x)(1
12
x) (donde se ha utilizado
que
12
+ =
13
, como podemos comprobar en el Cuadro 10.8). En este caso, el resto de la
divisin es 0 y por tanto existe un error en la segunda componente de r(x). De acuerdo con el
algoritmo continuaramos con j = 2 . . ., pero gracias al cociente de la divisin anterior, sabemos
que el segundo error se encuentra en la decimotercera componente de r(x). El polinomio de error
ser e(x) = e
1
x +e
12
x
12
.
Por ltimo, para poder recuperar la palabra recibida es necesario hallar la magnitud del error (los
valores de e
1
y e
12
). Esta magnitud se puede obtener empleando el algoritmo de Forney. Para ello
necesitamos calcular el polinomio (x) = (((x)S(x)))
x
5 = 1 + x +
4
x
2
y a continuacin
la derivada formal de (x):
(x) =
13
+ 2
13
x =
13
. La magnitud de los dos errores es:
e
1
=
(
1
)
13
=
_
1 +

+

4
2
_
13
=
3
(1 + 1 +
2
) =
5
.
e
12
=

12
(
12
)
13
=
12
_
1 +

12
+

4
24
_
13
=
14
(1 +
2
+
10
) =
22
=
7
.
Por tanto, el polinomio de error es e(x) =
5
x +
7
x
12
y la palabra transmitida ms verosmil
c(x) = 1 +
5
x +
5
x
2
+ x
3
+ x
4
+
10
x
5
+ x
6
, que es la palabra que se transmiti en el
Ejemplo 10.16 donde se empleaba el mismo polinomio generador.
10.2.6. Prestaciones de los cdigos bloque
Para evaluar las prestaciones de un cdigo bloque debemos seguir los siguientes pasos:
1. Determinacin de la d
min
.
2. Clculo de la P
e
y la BER a partir de d
min
y del algoritmo de decodicacin.
3. Obtencin de la ganancia de codicacin.
Este procedimiento puede ser tedioso pero realizable para un cdigo concreto. Repase-
mos cada uno de estos pasos. d
min
puede obtenerse como el menor nmero de unos de
una palabra cdigo distinta de la todo ceros, (10.17), dada la linealidad del cdigo. P
e
puede
evaluarse con la ayuda de (10.10) si el algoritmo de decodicacin realiza la deteccin de
mxima verosimilitud con decodicacin dura, pero incluso si la decodicacin es incom-
pleta (como, por ejemplo, la realizada por el algoritmo de Berlekamp-Massey) y slo es
capaz de realizar la decodicacin correctamente si se produce un nmero de errores menor
o igual que t. Podemos acotar la probabilidad de error como
P
e
= 1
t
i=0
_
n
i
_
p
i
(1 p)
ni
(10.46)
siendo p la probabilidad de cruce del BSC. En el caso en que las palabras cdigo se trans-
miten mediante una modulacin lineal binaria podemos incluso determinar la P
e
obtenida
mediante decodicacin blanda con un decisor ML, teniendo en cuenta que la contribucin
de cada bit a la distancia eucldea puede analizarse independientemente. As, la distancia
eucldea entre dos palabras cdigo es
d(c
i
, c
j
) = d([a
i
[0], . . . , a
i
[n 1]], [a
j
[0], . . . , a
j
[n 1]])
=
_
n1
k=0
d(a
i
[k], a
j
[k])
2
=
_
d
H
(c
i
, c
j
)d(a
0
, a
1
)
2
=
_
d
H
(c
i
, c
j
) d(a
0
, a
1
) (10.47)
donde d(a
0
, a
1
) es la distancia entre los dos smbolos de la constelacin binaria. La modu-
lacin binaria ms frecuente es la antipodal, en la que d(a
0
, a
1
) = 2
E
s
. En lo sucesivo, y
salvo indicacin en contrario, nos refererimos a esta modulacin en el estudio de los cdi-
gos bloque y los cdigos convolucionales. A partir de aqu slo hay que sustituir d
H
(c
i
, c
j
)
por d
min
calculada segn (10.1) para obtener la distancia mnima en el espacio eucldeo y, a
partir de esta, la P
e
como
P
e
Q
_
d(a
0
, a
1
)
d
min
2
_
N
0
/2
_
= Q
_
_
2d
min
E
s
N
0
_
(10.48)
A partir de P
e
se obtiene la BER que, expresada en funcin de E
b
/N
0
, se emplea para
calcular la ganancia de codicacin con procedimientos como el utilizado en el Ejemplo
10.2. Para valores altos de k la obtencin de la BERno resulta fcil porque, por una parte, la
cota
1
k
P
e
BER P
e
no resulta ajustada y, por otra parte, la hiptesis de una codicacin
Gray o pseudo-Gray es, en general, poco realista.
Adems este procedimiento no da respuestas a preguntas como cul es la mnima BER
que puede obtenerse con un canal, una tasa R y un valor de n determinados?, o cul es el
cdigo que permite esa BER? (a no ser, claro est, que repitamos el procedimiento ante-
rior con todos los cdigos posibles). Para dar respuesta a estas preguntas debemos aplicar
resultados como la cota de Singleton visto anteriormente, que establece una cota superior
para d
min
en funcin de R y n. En la literatura encontramos, por ejemplo, cotas tanto infe-
riores como inferiores de d
min
ms elaboradas y ajustadas que el lmite de Singleton
12
, cotas
superiores de las probabilidades de error de los decisores empleados y cotas de la BER,
e incluso expresiones analticas de la ganancia asinttica de codicacin que nos ayudan a
analizar de forma mucho ms general las prestaciones de los cdigos bloque lineales, pero
su estudio est fuera del alcance de este texto.
Como alternativa, vamos a estudiar un par de casos particulares empleando tcnicas de
simulacin de Monte Carlo a partir de los cuales realizaremos consideraciones generales
sobre las prestaciones de los cdigos ms potentes de entre los presentados, los BCH y los
RS.
En el primero de estos casos vamos a considerar un BSC concreto, con una probabilidad
de cruce p = 0,0563, que proporciona una capacidad de 0,6874 bits/transmisin, y anali-
zaremos la BER que se obtiene con distintos cdigos BCH binarios. En la Figura 10.4 se
presentan estos valores de BER para distintas tasas de codicacin. En la gura, el cdigo
Hamming (7, 4) esta representado por y los cdigos BCH con n = 15 y k = 5, 7 y 11
estn representados mediante crculos (). Los , y representan, respectivamente, todos
los cdigos BCH con n = 31, n = 63 y n = 127. Por ltimo las probabilidades de error
para los cdigos BCH con n = 255, 511 y 1023 se muestran, respectivamente, mediante
una lnea discontinua con puntos y rayas, una lnea discontinua con rayas y una lnea conti-
nua. En lugar de representar en esta grca la capacidad del canal como referencia para la
comparacin de los distintos cdigos se presenta un resultado ms elaborado, que es la tasa
mxima que puede obtenerse con un codicador permitiendo una BER dada, que toma la
forma
R =
C
1 H(BER)
(10.49)
donde C es la capacidad del BSC y H la funcin entropa. Obviamente, cuando la BER
tiende a 0, R tiende a C. Esta curva est representada en la gura mediante una lnea conti-
nua ms na que el resto.
Analizado la Figura 10.4 podemos observar que para valores bajos de BER (por ejem-
plo, inferiores a 10
4
) existe una diferencia considerable entre la capacidad del canal y la
tasa de codicacin y, aunque se aumente el tamao del bloque, esta diferencia no se reduce
signicativamente.
En el segundo caso vamos a evaluar la evolucin de la BER con respecto a la rela-
cin seal a ruido para distintos cdigos. En la Figura 10.5 se muestra esta BER de varios
cdigos BCH para distintos valores de n frente a la relacin seal a ruido (E
b
/N
0
) en el
canal. Aunque la decodicacin se realiza de forma dura (se emplea el canal digital binario
12
Caben destacar la cota inferior de Varshamov-Gilbert, y la superior de McEliece-Rodemich-Rumsey-Welch.
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
10
6
10
5
10
4
10
3
10
2
10
1
R
B
E
R
Figura 10.4. BER obtenida por distintos cdigos BCH binarios sobre un BSC con proba-
bilidad de cruce p = 0,0563 y tasa mxima alcanzable.
con BER = Q
_
_
2E
b
/N
0
_
), se ha representado la BER frente la relacin seal a ruido
porque nos va a permitir comparar las prestaciones de estos cdigos con otros cdigos de
proteccin contra errores. Los cdigos representados son aqullos que tienen una tasa de
codicacin prxima a 1/2, para poder realizar comparaciones entre ellos a igual redundan-
cia. Para relaciones seal a ruido superiores a 5 dB podemos obtener probabilidades de error
tan pequeas como deseemos, pero la capacidad de canal para esta relacin seal a ruido es
de 0,77 bits/transmisin, muy superior a la tasa de estos cdigos. Adems, para relaciones
seal a ruido inferiores a 4 dB (que proporciona una capacidad de 0,69 bits/transmisin)
todos los cdigos BCH binarios de tasa 1/2 presentan una BER mayor que la del sistema
sin codicar, y aunque aumentemos el tamao del bloque no mejoran las prestaciones de
estos cdigos.
Estos dos ejemplos muestran la incapacidad de los cdigos bloque cclicos de aproximar-
se a la capacidad del canal. Esta limitacin se debe fundamentalmente a la decodicacin
subptima proporcionada por el algoritmo de Berlekamp-Massey. Este algoritmo decodica
nicamente las palabras recibidas con a lo sumo (d
min
1)/2 errores y descarta las restantes
como fallos de decodicacin. Para los cdigos perfectos esta decodicacin coincide con
la decodicacin de mxima verosimilitud, porque no existen palabras recibidas con distan-
cia Hamming superior a (d
min
1)/2 de alguna palabra cdigo. Pero los restantes cdigos
bloque cclicos son imperfectos y existe una fraccin signicativa de las posibles palabras
recibidas (esta fraccin tiende a 1 conforme aumenta n para una tasa ja) que no se pueden
corregir con el algoritmo de Berlekamp-Massey, lo que limita la calidad de su aproximacin
a la decodicacin de mxima verosimilitud.
Los cdigos bloque cclicos, en particular los RS, son de utilidad prctica aunque no
puedan aproximarse a la capacidad de canal. En general, para construir cdigos que se
aproximen a la capacidad del canal tendremos que aumentar el tamao del cdigo bloque
2.5 3 3.5 4 4.5 5 5.5 6 6.5
10
6
10
5
10
4
10
3
10
2
10
1
n=1023 n=63
Sin cod.
E
b
/N
0
(dB)
B
E
R
Figura 10.5. BER en funcin de la relacin seal a ruido del canal gausiano emplean-
do una modulacin binaria antipodal y distintos cdigos BCH binarios: (1023, 513),
(511, 259), (255, 131), (127, 64) y (63, 30).
(n > 10.000 bits). Pero no es posible emplear dichos valores de n en todas las aplica-
ciones, ya que cdigos bloque de gran longitud presentan un retardo considerable y una
complejidad alta. Los cdigos bloque cclicos son de utilidad en aplicaciones en las que se
transmiten bloques de hasta centenares de bits, en las que sus prestaciones son competitivas
(probabilidad de error y complejidad) con otros esquemas de codicacin. Probablemente,
la mayor limitacin de estos cdigos es que no disponen de un algoritmo de decodicacin
eciente cuando se dispone de la salida del demodulador (salida blanda), lo que limita sus
prestaciones frente a otros cdigos como los convolucionales cuando dicha informacin est
disponible.
A modo de resumen, podemos mencionar como caractersticas ms relevantes de los
cdigos BCH y RS las siguientes:
Los cdigos BCH y, sobre todo, los RS presentan prestaciones competitivas para tasas
altas de codicacin (R 1) sobre canales digitales binarios y tamao de bloque
moderado (n < 1.000).
Los algoritmos de decodicacin eciente (Berlekamp-Massey y similares) propor-
cionan la deteccin de mxima verosimilitud slo si el nmero de errores no excede
de t =
_
d
min
1
2
_
, declarando en caso contrario un fallo de decodicacin. Este com-
portamiento hace que muchas palabras recibidas queden sin decodicar, lo que reduce
las prestaciones de estos cdigos al aumentar n y disminuir R.
No existen algoritmos ecientes para la decodicacin del canal gausiano con entrada
digital (decodicacin blanda) y, en consecuencia, no es posible aprovechar las ven-
tajas de la decodicacin blanda en receptores de comunicaciones en los que se puede
acceder a la salida del demodulador.
10.3 CDIGOS CONVOLUCIONALES 627
10.3. CDIGOS CONVOLUCIONALES
En este apartado analizaremos la segunda aproximacin clsica a la proteccin contra
errores: los cdigos convolucionales. La principal diferencia respecto de los cdigos bloque
es que el codicador ahora es un sistema con memoria y su salida se calcula como una
convolucin en GF(2). De ah el nombre de cdigos convolucionales.
10.3.1. Cdigos convolucionales lineales
Para exponer sus fundamentos vamos a recurrir a ejemplos, comenzando por los mos-
trados en la Figura 10.6, donde podemos ver los codicadores de sendos cdigos convolu-
cionales lineales de tasas 1/2 y 2/3, respectivamente. Siguiendo la notacin habitual en la
literatura sobre cdigos convolucionales, D representa un retardo unidad (equivalente al z
1
de la Transformada Z) y las sumas son, obviamente, mdulo 2. Las relaciones entrada-salida
B
( ) 0
[ ] l
C
(0)
[ ] l
D D D
C
(1)
[ ] l
B
( ) 0
[ ] l
B l
( ) 1
[ ]
C
(0)
[ ] l
C
(1)
[ ] l
C
(2)
[ ] l
D
D
(a) (b)
Figura 10.6. Codicadores convolucionales de tasas 1/2 (a) y 2/3 (b).
del codicador de la Figura 10.6(a) pueden expresarse como
C
(0)
[l] = B
(0)
[l] +B
(0)
[l 1] +B
(0)
[l 3]
C
(1)
[l] = B
(0)
[l] +B
(0)
[l 1] +B
(0)
[l 2] +B
(0)
[l 3] (10.50)
y pueden escribirse de forma ms compacta si expresamos las entradas y salidas como po-
linomios en D, en una estructura muy similar a la Transformada Z pero para funciones
(seales) binarias, como
B
(i)
(D) =
l
B
(i)
[l]D
l
(10.51)
que, aplicado a (10.50), da como resultado
C
(0)
(D) = (D
3
+D + 1) B
(0)
(D)
C
(1)
(D) = (D
3
+D
2
+D + 1) B
(0)
(D) (10.52)
y en forma matricial
C(D) =
_
C
(0)
(D) C
(1)
(D)
= B
(0)
(D)
_
D
3
+D + 1 D
3
+D
2
+D + 1
=
B(D)G(D) (10.53)
donde G(D) es la matriz generadora del cdigo. La Ecuacin (10.53) que pone de mani-
esto que los cdigos bloque lineales son un caso particular (sin memoria) de los cdigos
convolucionales lineales. La matriz generadora del cdigo cuyo codicador es el mostrado
en la Figura 10.6(b) es
G(D) =
_
D + 1 D D
D 1 1
_
(10.54)
Adems de la tasa, R, (o, alternativamente, los valores de k y n) se emplean otros par-
metros que denen la complejidad del cdigo. Uno de ellos es la memoria total del cdigo,
M
t
13
, que es el nmero de unidades de retardo del codicador, y otro es la longitud de res-
triccin (constraint length), K, que se dene como la mxima longitud de las respuestas al
impulso del codicador
14
, o 1 ms el mximo grado de los polinomios en D que conforman
G(D)
K = 1 + m ax
i,j
grado(g
ij
(D)) (10.55)
Para el codicador de la Figura 10.6(a) estos parmetros toman los valores M
t
= 3 y K = 4;
y para el codicador de la Figura 10.6(b), M
t
= 2 y K = 2.
Podemos denir, a semejanza de los cdigos bloque lineales, una matriz de comproba-
cin de paridad, H(D), e incluso un vector de sndrome. Sin embargo, resulta de mayor
inters desarrollar el anlisis de los cdigos convolucionales en base a la consideracin de
los codicadores como mquinas de estados nitos, pues va a permitir de manera natural la
aplicacin del algoritmo de Viterbi como decodicador de mxima verosimilitud.
El estado [l] del codicador queda denido por el contenido de todas las clulas de re-
tardo del codicador, y el nmero de estados es igual a 2
M
t
. A menudo resulta conveniente,
para lograr una representacin ms compacta, etiquetar los distintos estados. Por ejemplo,
los 2
3
= 8 estados del codicador de la Figura 10.6(a) pueden etiquetarse siguiendo la
convencin
i
(B
(0)
[l 1], B
(0)
[l 2], B
(0)
[l 3]) y realizando las asignaciones
0
(0, 0, 0)
4
(0, 0, 1)
1
(1, 0, 0)
5
(1, 0, 1)
2
(0, 1, 0)
6
(0, 1, 1)
3
(1, 1, 0)
7
(1, 1, 1)
Tngase en cuenta que esta asignacin es arbitraria, y que cualquier otra nicamente cam-
biara las etiquetas asignadas a los distintos estados.
Para representar la dinmica de transicin entre estados podemos emplear los diagramas
de rejilla, ya utilizados en los Apartados 6.2.2 y 7.4.1 para representar, respectivamente,
el estado del canal en deteccin de secuencias de mxima verosimilitud en presencia de
ISI y los distintos estados de fase de las modulaciones de fase continua. Tambin podemos
13
Generalmente, en la literatura este parmetro se denota como M, pero para evitar confusiones con el tamao
de las constelaciones lo denotaremos como M
t
.
14
Algunos autores denen este parmetro como nK y otros como kK, siendo K la denicin que empleamos
en este texto.
emplear los denominados diagramas de estados o diagramas de transicin entre estados, que
son grafos dirigidos y etiquetados empleados comnmente en la denicin de autmatas.
En la Figura 10.7 podemos ver el diagrama de rejilla del cdigo convolucional especi-
cado por el codicador de la Figura 10.6(a), y en la Figura 10.8 podemos ver el diagrama de
transicin entre estados del mismo cdigo. En ambas guras cada rama o arco est etique-
y[ ] l
y
6
y
7
y
5
y
4
y
3
y
2
y
1
y
0
0/00
0/11
1/11
1/00
1/10
0/01
1/00
0/10
1/01
1/11
0/00
0/10
1/01
0/01
1/10
y[ + ] l 1
0/11
Figura 10.7. Diagrama de rejilla del cdigo convolucional de la Figura 10.6(a).
tado con su relacin entrada-salida, B
(0)
[l]/C
(0)
[l]C
(1)
[l].
y
1
y
4
y
2
y
0
1/00
0/11
0/01
1/11
0/11
0/00
y
3
y
6
y
7
y
5
0/10
1/01
0/01
1/11
1/01
1/10
1/00
1/10
0/00
0/10
Figura 10.8. Diagrama de estados del cdigo convolucional de la Figura 10.6(a).
Al igual que en los cdigos bloque es posible construir cdigos convolucionales siste-
mticos, donde la matriz generadora toma la forma
G(D) =
_
I
k
P(D)
(10.56)
y en los que las k primeras salidas son una copia de las entradas. En la Figura 10.9 se muestra
el esquema de codicacin de un cdigo convolucional sistemtico cuya matriz generadora
es
G(D) =
_
I
k
P(D)
=
_
1 D
2
+D + 1
B l
( ) 0
[ ]
C =B
( ) 0
[ ] [ ] l l
( ) 0
C
( ) 1
[ ] l
D D
Figura 10.9. Ejemplo de cdigo convolucional sistemtico.
En el Apartado 10.4.3 presentaremos otros cdigos convolucionales que no considera-
mos aqu, los sistemticos recursivos y los no lineales, dentro de los denominados TCM.
10.3.2. Decodicacin de los cdigos convolucionales
El principal problema para la decodicacin de forma ptima de los cdigos convolucio-
nales radica en que, al ser los codicadores sistemas con memoria, el estadstico suciente
para la deteccin de una nica palabra cdigo es toda la secuencia binaria recibida. Este
problema es el mismo que el de deteccin de modulaciones PAM en canales con ISI trata-
do en el Captulo 6, y adoptaremos la misma solucin que se utiliz en el Apartado 6.2: la
deteccin de una secuencia completa en lugar de una deteccin smbolo a smbolo.
Consideramos una secuencia de L smbolos C[0], C[1], . . . , C[L1], generada a partir
de kL bits de entrada y compuesta por nL bits que son transmitidos a travs de un BSC.
Los estados inicial, [0], y nal, [L + K 2], se suponen conocidos. El detector de
secuencias de mxima verosimilitud, a partir de la secuencia de n(L+K2) bits recibidos
r proporcionar como salida aquella secuencia de L smbolos c que haga mnima la mtrica
de camino
l
H
(r, c)
.
=
L+K3
l=0
d
h
(r[l], c[l]) =
L+K3
l=0
l
Hl
(r, c) (10.57)
donde l
Hl
(r, c) es la mtrica de rama en la transicin l-sima. Obsrvese que la secuencia
de smbolos dene un camino a travs de la rejilla del cdigo.
La separabilidad de la mtrica de camino en una suma de mtricas de rama de (10.57)
se deriva de la distancia de Hamming, y posibilita el empleo del algoritmo de Viterbi como
decodicador. La nica diferencia entre el algoritmo de Viterbi desarrollado en el Apartado
6.2.2 y el empleado para la decodicacin de cdigos convolucionales consiste en que el
primero emplea mtrica eucldea y el segundo mtrica binaria. Nos limitaremos aqu sim-
plemente a ilustrar su funcionamiento con la ayuda de un ejemplo.
Ejemplo 10.18
Considere el cdigo convolucional mostrado en la Figura 10.10. Para codicar la secuencia
110101 consideramos
0
como estado inicial (todos los elementos de retardo o registros con
D D
y
1
y
2
y
3
y
0
0/01
1/00
1/10
0/10
1/11
0/11
1/01 0/00
(a) (b)
Figura 10.10. Cdigo convolucional de tasa 1/2, M
t
= 2 y K = 3: codicador (a) y
diagrama de estados (b).
0) y deseamos que
0
sea tambin el estado nal. Para forzar que el estado nal sea
0
(sea cual
sea la secuencia a codicar) aadimos dos ceros a la secuencia a codicar (as nos aseguramos
que el contenido de los dos registros es 0), que nalmente queda como 11010100. La salida del
codicador ante esta entrada es 1110100001000111 (esto es, c = [1110100001000111]).
Supondremos en primer lugar que la secuencia recibida es igual a la transmitida, r = c.
Para decodicar, dividimos la secuencia recibida en bloques de n = 2 bits y los comparamos con
los bits correspondientes a las posibles transiciones entre los estados del convolucional, calculan-
do la mtrica de rama. En la Figura 10.11 se muestra el diagrama de rejilla donde las etiquetas de
cada rama se corresponden con las mtricas de rama calculadas con la secuencia recibida y el n-
mero dentro de cada estado representa la mtrica acumulada. Debajo de la rejilla se representan
los bits recibidos.
y
1
y
2
y
3
y
0 0
0
2
0
2
3
3
2 1
1 0
2
0
11 10 10 00 01 00 01 11
Figura 10.11. Dos primeras iteraciones del algoritmo de Viterbi en el Ejemplo 10.18.
En la primera iteracin se mide la distancia de Hamming entre los dos primeros bits recibidos
(11) y los dos bits de salida de las dos transiciones posibles que parten del estado
0
. A partir del
estado
0
se puede alcanzar el estado
0
, cuando se transmiten dos ceros, o el estado
1
si se
envan dos unos (vase el diagrama de estados en la Figura 10.10(b)). Las distancias de Hamming
entre la secuencia recibida y los bits de estas transiciones son, respectivamente, 2 y 0.
En la segunda transicin se calcula la distancia de Hamming entre los dos siguientes bits recibidos
(10) y los bits de salida de las cuatro transiciones posibles (
0
00

0
,
0
11

1
,
1
01

2
,
1
10

3
). Las ramas de la segunda iteracin en la Figura 10.11 se etiquetan con las distancias
correspondientes a cada una de estas transiciones.
En la tercera iteracin se compara la tercera pareja de bits, 10, con los bits correspondientes a
todas las transiciones posibles entre los estados del convolucional, segn se muestra en la Figura
10.12. Acada estado se podr llegar desde varios estados anteriores y, de acuerdo con el algoritmo
de Viterbi, ser necesario eliminar los de mayor mtrica acumulada (lneas punteadas en la Figura
10.12) y determinar los 2
M
t
caminos supervivientes (lneas continuas en la Figura 10.12).
y
1
y
2
y
3
y
0 0
0
2
0
2
3
3
11 10 10 00 01 00 01 11
+1
+1
+2
+1
+1
+0
+2
+0
2
0
3
3
Figura 10.12. Tercera iteracin del algoritmo de Viterbi en el Ejemplo 10.18.
En la Figura 10.18 podemos ver el resultado nal, donde no se han eliminado los caminos no su-
pervivientes (que se representan en lnea punteada) para ilustrar mejor la dinmica del algoritmo.
Podemos ver cmo la mtrica acumulada en el camino superviviente al nalizar el algoritmo es
0, ya que no se ha producido ningn error de transmisin. Si recorremos los estados indicados
por este camino, los bits de entrada que causaron estos cambios de estado son los bits que fueron
codicados.
y
1
y
2
y
3
y
0 0
0
2
0
2
3
3
11 10 10 00 01 00 01 11
2
0
3
3
3
3
0
2
2
0
3
3
0
3 0
3
3
0
2
Figura 10.13. Resultado nal del algoritmo de Viterbi en el Ejemplo 10.18.
A continuacin consideramos que se han producido tres errores de transmisin, recibindose la
secuencia r = [1010100101010111]. En la Figura 10.14 se muestra el resultado nal propor-
cionado por el algoritmo de Viterbi donde, como en la gura anterior, no se han eliminado los
caminos no supervivientes (que se representan en lnea punteada). Podemos observar que el ca-
mino superviviente es el mismo que en el caso anterior, si bien la mtrica acumulada nal es
igual a 3, el nmero de errores de transmisin.
Si en el receptor est disponible la salida del canal gausiano podemos realizar la deco-
dicacin de forma blanda, para lo cual emplearemos el algoritmo de Viterbi con mtrica
eucldea, de forma idntica a como fue descrito en el Apartado 6.2.2.
Tanto si la mtrica empleada es binaria como eucldea, podemos forzar las decisiones
sin esperar a tener un nico camino superviviente, mediante el truncamiento del algoritmo
de Viterbi. Algo que tampoco cambia en funcin de la mtrica es la complejidad del al-
goritmo, exponencial tanto en el nmero de estados en funcin de la memoria total (2
M
t
)
y
1
y
2
y
3
y
0 0
1
1
1
3
2
2
10 10 10 01 01 01 01 11
2
1
3
3
2
3
2
2
2
2
3
3
3
4 3
2
3
3
3
Figura 10.14. Resultado nal del algoritmo de Viterbi en el Ejemplo 10.18 con tres errores
de transmisin.
como en el nmero de ramas que conectan con un nodo en funcin del nmero de bits de
entrada al codicador (2
k
). Esta complejidad limita el uso de cdigos con altos valores de n
y k y decodicacin ML, aunque existen algoritmos de decodicacin subptimos como el
algoritmo de Fano, en los que la complejidad crece linealmente, y no exponencialmente, en
funcin de la memoria total.
10.3.3. Prestaciones de los cdigos convolucionales
Para evaluar las prestaciones de los cdigos convolucionales debemos seguir los pasos
descritos con anterioridad en este captulo: obtener la distancia mnima del cdigo (ahora
D
min
en lugar de d
min
. al tratarse de deteccin de secuencias), las P
e
y BER a partir de esta
distancia mnima, y nalmente la ganancia de codicacin.
Abordaremos en primer lugar el clculo de D
min
empleando dos mtodos distintos para,
a continuacin, presentar algunos de los mejores cdigos convolucionales conocidos y los
cdigos convolucionales perforados como forma de obtener cdigos con R cercana a 1 y
baja complejidad. Finalizaremos con el clculo de las probabilidades de error y la ganancia
de codicacin.
Clculo de D
min
Para calcular la distancia (de Hamming) mnima entre dos secuencias de palabras cdi-
go, D
min
, que determinar las prestaciones de un cdigo convolucional, aprovecharemos la
linealidad de los cdigos convolucionales presentados y su propiedad de invarianza frente a
traslaciones por una secuencia de smbolos de salida del codicador. Esta propiedad ya fue
empleada para el clculo de d
min
en los cdigos bloque lineales, e implica que cualquier se-
cuencia de palabras cdigo posee al menos otra secuencia a distancia D
min
. En consecuencia,
basta calcular la distancia mnima de cualquier secuencia a una dada que, por conveniencia
y de forma similar al clculo de d
min
en los cdigos bloque, es la secuencia todo ceros, que
siempre es una secuencia de smbolos como consecuencia de la propiedad de linealidad.
El primer mtodo que vamos a emplear para calcular D
min
hace uso del propio algoritmo
de Viterbi para determinar la distancia mnima a la secuencia compuesta por todo ceros. El
evento o suceso errneo de distancia mnima ser aquel que, partiendo del estado en que el
contenido de todos los registros es 0, vuelve a este estado con la menor mtrica acumulada.
Como la secuencia de referencia est compuesta slo por ceros, la mtrica de rama es igual
al nmero de unos de la salida del codicador.
Vamos a calcular a modo de ejemplo la D
min
para el cdigo convolucional presentado
en la Figura 10.10. Partimos del estado
0
y consideramos todas las transiciones que lleven
a un estado distinto del estado inicial (para evitar obtener la secuencia todo ceros). En este
caso, se trata de un cdigo con 1 bit de entrada, k = 1, por lo que slo existe una posible
transicin: del estado
0
al estado
1
, como se muestra en la Figura 10.15(a). En el caso en
que el codicador tuviese dos bits de entrada (k = 2), existiran tres transiciones posibles:
las provocadas por los bits de entrada 10, 01 y 11, y as sucesivamente.
2
22
y
0
y
1
y
2
y
3
0
3
3
2
4
4
3
5
1
2
1
0
1
0
1
2
y
3
y
2
y
1
y
0 0
2
3
3
5
3
4
4
5
4
4
4
5
4
5
5
5
5
5
5
y
0
y
1
y
2
y
3
(a) (b) (c)
Figura 10.15. Clculo de la distancia mnima del cdigo convolucional de la Figura 10.10.
En la Figura 10.15, como anteriormente, la etiqueta de cada rama se corresponde con la
mtrica de rama (ahora, el nmero de unos de la salida del codicador) y el nmero dentro
de cada estado representa la mtrica acumulada. En la Figura 10.15(b) se muestran las dos
siguientes transiciones, donde ya tenemos un camino que ha vuelto al estado
0
con mtrica
acumulada 5 y tenemos mtricas acumuladas no nulas en todos los estados. A partir de aqu,
cuando en una transicin dos ramas (o ms, si fuese k > 1) nos lleven a un mismo nodo
conservamos slo la de menor mtrica acumulada; es decir, el camino superviviente, como
en decodicacin.
En esta tercera iteracin se podra pensar que la distancia mnima de este cdigo es 5;
sin embargo pueden existir secuencias que terminen en
0
producidas por ms unos a la
entrada, pero con menos unos de salida, es decir, es posible que alguno de los estados a
los que hemos llegado con mtrica acumulada inferior a 5 pueda volver al estado
0
con
una mtrica acumulada menor que 5. Por ello, continuaremos el procedimiento hasta que
la mtrica acumulada en cada uno de los estados sea al menos la acumulada en el estado
0
. En ese caso no es posible que una secuencia alcance el estado
0
con menor mtrica
acumulada y por tanto habremos calculado la D
min
del cdigo convolucional. El resultado
nal es el mostrado en la Figura 10.15(c), y podemos concluir que D
min
= 5.
En este ejemplo se ha cumplido que el evento errneo de menor longitud est a una
distancia D
min
, pero esto no es siempre as, como comprobaremos en el siguiente ejemplo.
Ejemplo 10.19
En la Figura 10.16 se muestra el clculo de D
min
para el cdigo de la Figura 10.6(a). Se observa
que la distancia mnima es 6. Sin embargo, si nos hubisemos quedado con la primera secuencia
que llega al estado
0
, habramos concluido errneamente que D
min
= 7, ya que la secuencia
de entrada al codicador 1000 proporciona a su salida una secuencia con siete unos. Para este
5
5
3
3
4
4
4 5
5
6
6
5
5 6
6
6
6
6 6
6
5
5
6
4
5
6
5
5
4
6
5
5
5
6
5
6 4
2
2
5 4
7
7
5
4
5
5
6 6
6
6
6
7
7
6
5
y
0
y
1
y
2
y
3
y
4
y
5
y
6
y
7
0
Figura 10.16. Clculo de D
min
para el cdigo de la Figura 10.6(a).
cdigo la secuencia de entrada que da lugar a la salida con 6 unos es la secuencia 11000. En los
cdigos convolucionales la secuencia de bits de entrada que da lugar a la secuencia con menor
nmero de unos (aqulla que dene la distancia mnima), tambin es relevante para conocer las
prestaciones del cdigo. D
min
indica cun verosmil es que una secuencia se confunda con otra.
El patrn de error ms comn es aqul indicado por D
min
(siempre que la probabilidad de cruce
del BSC sea menor que 0,5) y el nmero de errores a la salida del decodicador es el nmero
de unos del mensaje que dene la secuencia de menor distancia. Para este cdigo, cuando se
produce el error de decodicacin ms comn, se obtienen dos errores de bit en la secuencia
mensaje recuperada, ya que la entrada que dene el camino a D
min
es 11000. Es deseable que la
distancia mnima sea lo mayor posible y que venga determinada por la secuencia 100 . . . (como
en la Figura 10.15.c) para que cuando se produzca el patrn de error ms comn nicamente
resulte un nico error a la salida del convolucional.
Este ltimo ejemplo ha puesto de maniesto que puede ser de inters conocer no slo
D
min
, sino tambin el nmero de transiciones de los eventos errneos, los errores que provo-
can estos eventos en la secuencia decodicada e incluso el nmero de eventos a D
min
. Toda
esta informacin puede obtenerse con el segundo mtodo para la determinacin de D
min
que
expondremos a continuacin, y que consiste en obtener la funcin de transferencia de los
eventos errneos, denominada generalmente funcin generadora del cdigo, enumerador de
caminos o enumerador de pesos.
Para obtenerla, modicamos el diagrama de estados del cdigo, dividiendo en dos el
estado en que el contenido de todos los registros es 0 (supongamos que es
0
), un nodo
inicial (
0i
) y un nodo nal (
0o
). Este nuevo diagrama de estados se denomina diagrama
de estados aumentado. El nodo inicial representa la salida del camino correcto (secuen-
cia de palabras cdigo compuesta nicamente por ceros) y, por tanto, el inicio del evento
errneo, mientras que el nodo nal representa la vuelta al camino correcto y, por tanto, la
nalizacin del evento errneo. Cada rama se etiqueta con X
x
Y
y
Z, donde x es el nmero
de unos de la salida del codicador asociada a esa rama (esto es, la distancia de Ham-
ming entre las salida errnea y la correcta del codicador), y es el nmero de unos de la
salida del decodicador asociada a esa rama (esto es, el nmero de errores a la salida del
decodicador). El trmino Z, presente en todas las transiciones, nos va a indicar la longi-
tud del camino errneo. La funcin generadora del cdigo, H(X, Y, Z), se obtiene como
H(X, Y, Z) =
0o
/
0i
.
y
1
y
2
y
3
y
0i
XZ
YZ
XYZ
XZ
X Z
2
XYZ
y
0o
X YZ
2
Figura 10.17. Diagrama de estados aumentado del cdigo convolucional de la Figura 10.10.
En la Figura 10.17 se muestra el diagrama de estados aumentado del cdigo de la Figura
10.10. A partir de este diagrama obtenemos las siguientes relaciones entre estados
1
= X
2
Y Z
0i
+Y Z
2
2
= XZ
1
+XZ
3
3
= XY Z
1
+XY Z
3
0o
= X
2
Z
2
(10.58)
Sustituyendo sucesivamente
1
,
3
y
2
obtenemos la relacin entre
0i
y
0o
0o
=
X
5
Y Z
3
1 XY (Z +Z
2
)
0i
(10.59)
de donde obtenemos H(X, Y, Z)
0o
0i
= H(X, Y, Z) =
X
5
Y Z
3
1 XY (Z +Z
2
)
=
= X
5
Y Z
3
+X
6
Y
2
(Z
4
+Z
5
) +X
7
Y
3
(Z
5
+Z
6
) + (10.60)
que nos dice que existe un camino, X
5
Y Z
3
, a distancia 5 (el factor X
5
) del camino todo
ceros, que provoca un error de decisin (el factor Y ) y est compuesto por 3 transiciones
errneas (el factor Z
3
); dos errores a distancia 6 y que provocan 2 errores de decisin, uno
compuesto por 4 transiciones errneas y otro por 5; y as sucesivamente. Si expresamos
H(X, Y, Z) como suma de trminos X
x
Y
y
Z
z
, cada uno de ellos representa un posible
evento errneo.
Algunos de los mejores cdigos convolucionales
Una vez analizados los cdigos convolucionales, la pregunta que surge de forma natural
es cmo se obtienen cdigos con la mayor D
min
posible?. En el caso de cdigos bloque
cclicos la bsqueda de los mejores cdigos estaba basada en su estructura algebraica, pero
las tentativas de diseo de cdigos convolucionales explotando su estructura algebraica no
siempre han proporcionado cdigos con buenas propiedades de distancia. La mayora de los
mejores cdigos convolucionales conocidos han sido obtenidos mediante bsqueda exhaus-
tiva entre todos los cdigos posibles con unas caractersticas (R, K y M
t
) predeterminadas.
En los Cuadros 10.11, 10.12 y 10.13 se muestran los mejores cdigos convolucionales
conocidos para valores pequeos de K y tasas, respectivamente, 1/2, 1/3 y 2/3. En ellas, y
por compacidad, se representan los elementos de la matriz generadora del cdigo, g(D) =
g
0
+g
1
D+. . . +g
K1
D
K1
+g
K
D
K
, mediante la codicacin binaria de los polinomios
en D, como g = (g
0
, g
1
, . . . , g
K1
, g
K
). Obsrvese que los dos primeros cdigos del
K g
00
g
01
D
min
3 101 111 5
4 1101 1111 6
5 10011 11101 7
6 110101 101111 8
7 1011011 1111001 10
8 11100101 10011111 10
9 101110001 111101011 12
10 1001110111 1101100101 12
11 10011011101 11110110001 14
12 100011011101 101111010011 15
Cuadro 10.11. Los mejores cdigos convolucionales de tasa 1/2 para una K dada.
K g
00
g
01
g
02
D
min
3 101 111 111 8
4 1011 1101 1111 10
5 10101 11011 11111 12
6 100111 101011 111101 13
7 1011011 1100101 1111101 15
8 10010101 11011001 11110111 16
9 101101111 110110011 111001001 18
10 1001001111 1011110101 1110011011 20
11 10011101011 10110111001 11001111101 22
12 100111110111 101111010011 110010110101 24
Cuadro 10.12. Los mejores cdigos convolucionales de tasa 1/3 para una K dada.
Cuadro 10.11 se corresponden con los representados, respectivamente, en las Figuras 10.10
y 10.6(a).
K M
t
g
00
g
01
g
02
D
min
g
10
g
11
g
12
2 2 11 01 11 3
01 10 10
3 3 10 01 11 4
001 110 111
3 4 111 001 110 5
010 101 111
4 5 110 011 111 6
0011 1000 1111
4 6 1101 0110 1101 7
0110 1101 1111
5 7 1100 0111 1011 8
00111 10011 11110
5 8 11010 00101 10101 8
01011 11011 10010
6 9 10101 00011 11110 9
000101 111000 101011
6 10 110011 001101 100110 10
011010 110101 110001
Cuadro 10.13. Los mejores cdigos convolucionales de tasa 2/3 para K y M
t
dadas.
A la vista de estos cuadros, y comparando los cdigos convolucionales con los cdigos
bloque, podemos extraer las siguientes conclusiones:
Es posible aumentar D
min
sin modicar n y k (y, por tanto, R) incrementando la me-
moria total del cdigo. Esto no era posible con los cdigos bloque lineales, donde para
cada par de valores (n, k) tenamos que d
min
n k 1. El precio que se paga por
aumentar D
min
es la complejidad del decodicador, que aumenta exponencialmente
con la memoria total del cdigo.
A diferencia de los cdigos bloque binarios, donde siempre encontrbamos una rea-
lizacin sistemtica de cualquier cdigo sin disminuir d
min
, en los cdigos convolu-
cionales esto no siempre es posible. La razn de este hecho estriba en que al imponer
el carcter de sistemtico en un cdigo convolucional estamos forzando que una parte
de la matriz generadora (exactamente, la matriz identidad de tamao k k) sea ja
(polinomio en D de grado 0).
Cdigos perforados
En los cdigos convolucionales la manera ms evidente de construir cdigos de tasa
prxima a 1 es imponer n = k+1 (esto es, cdigos (k+1, k)) incrementando k hasta la tasa
R = k/(k+1) deseada. Sin embargo, para obtener buenas propiedades de distancia debemos
poner al menos un retardo en cada una de las k entradas, lo que provoca un incremento
lineal respecto a k de la memoria total del codicador y, en consecuencia, un crecimiento
exponencial respecto a k de la complejidad del decodicador.
Una tcnica alternativa para obtener cdigos convolucionales con valores de R cercanos
a 1 consiste en emplear una tcnica conocida como perforado (puncturing), que ya estu-
diamos en los cdigos bloque para reducir el tamao de los cdigos RS. El perforado sobre
los cdigos convolucionales consiste en descartar o eliminar, de acuerdo con un patrn ccli-
co, bits de salida del codicador. Se reduce as el nmero de bits a la salida del codicador
por cada bit de entrada, sin modicar k y sin aumentar la complejidad del decodicador.
Otra ventaja adicional derivada del empleo de esta tcnica es que con un nico codicador
y decodicador podemos variar R adaptndonos a las condiciones del canal de transmisin.
Por ejemplo, si empleamos un cdigo de tasa 1/2 y en los instantes pares se transmiten
ambas salidas pero en los impares slo una de ellas, la tasa resultante del cdigo convo-
lucional perforado ser 2/3, ya que por cada dos bits de mensaje slo se transmiten tres.
El patrn de perforado en este caso sera (11,10), donde los ceros indican los perforados y
cada palabra se repite peridicamente sobre cada una de las salidas. Es decir, un patrn de
perforado est compuesto por n palabras de tantos bits como la periodicidad con la que se
aplica el patrn.
En la Figura 10.18 se muestra a modo de ejemplo la construccin de un cdigo con-
volucional de tasa 3/4 a partir de un cdigo de tasa 1/2 empleando un patrn de perforado
(110,101). La decodicacin de estos cdigos se realiza de la misma manera que la de los
cdigos convolucionales sin perforar, simplemente los bits perforados no se tienen en con-
sideracin en la mtrica de rama.
Cdigo
Convolucional
R=1/2
c c c c c c c c c c c ...
(0) (0) (0) (0) (0) (0) (0) (0) (0) (0) (0)
[0], [1], [2], [3], [4], [5], [6], [7], [8], [9], [10], ,
c c c c c c c c c c c ...
(1) (1) (1) (1) (1) (1) (1) (1) ) (1) (1) (1)
[0], [1], [2], [3], [4], [5], [6], [7] , [8], [9], [10], ,
Figura 10.18. Cdigo convolucional perforado de tasa 3/4 con patrn de perforado
(110,101) (los bits tachados no se transmiten).
Ejemplo 10.20
Se ha construido un cdigo de tasa 2/3 empleando el cdigo convolucional de la Figura 10.10 y un
patrn de perforado (10,11). La entrada al codicador, como en el Ejemplo 10.18, es 11010100,
que produce una salida antes del perforado 1110100001000111. Tras aplicarle el perforado esta
secuencia se transforma en 11 0 10 0 01 0 01 1. En la Figura 10.19 se muestra el diagrama de
rejilla para decodicar esta secuencia empleando el algoritmo de Viterbi. El funcionamiento es
idntico al detallado en el apartado anterior para el cdigo original de tasa 1/2, a excepcin de los
bits que han sido eliminados, que no se tienen en cuenta para el clculo de la mtrica de rama.
En esta gura, aunque el camino correcto es el mismo que en el Ejemplo 10.18 y las mostradas
en la Figura 10.18, las mtricas acumuladas en los estados intermedios son distintas debido a la
no acumulacin de distancia en los bits eliminados.
0
0
2
0
1
3
2
11 0 10 0 01 0 01 1
2
0
2
2
2
2
0
1
2
0
2
2
0
2 0
2
2
0
1 y
0
y
1
y
2
y
3
Figura 10.19. Decodicacin del cdigo con perforado del Ejemplo 10.20.
Como consecuencia del perforado de bits se produce una disminucin de D
min
, pero
dado el carcter variante en el tiempo del mecanismo de perforado no resulta fcil evaluar
su efecto sobre las prestaciones del cdigo. Una opcin para obtener D
min
consiste en agru-
par los bits de entrada y los smbolos de salida del codicador convolucional en bloques
de longitud la periodicidad del perforado, construyendo su diagrama de rejilla equivalente.
Sobre este diagrama de rejilla, ya invariante en el tiempo, calculamos la D
min
del cdigo
con perforado. As, para el cdigo convolucional perforado de la Figura 10.18, con periodi-
cidad del perforado igual a 3, agrupamos tres bits de entrada y tres salidas del codicador
tras el perforado (un total de 4 bits). Obtenemos un diagrama de rejilla con 2
3
(todas las
combinaciones de los tres bits de entrada que hemos agrupado) transiciones partiendo del
mismo nodo, cada una de ellas produciendo una salida de 4 bits. Ntese que, con el codica-
dor convolucional del Ejemplo 10.20, existirn transciones distintas entre los mismos nodos
(transiciones paralelas), porque el nmero de estados de la rejilla (cuatro) es el mismo que
el de cdigo sin perforado. Se deja como ejercicio calcular D
min
para este ejemplo.
Para realizar la decodicacin de los cdigos convolucionales perforados es necesario,
como ha quedado de maniesto en el Ejemplo 10.20, modicar el algoritmo de Viterbi para
que no tenga en cuenta los bits que se han eliminado en el perforado. Existe un caso en el
que esta modicacin no es necesaria, y es aqul en que, con decodicacin blanda, existe
un punto equidistante a todos los smbolos de la constelacin. Si, como suele ser habitual, la
modulacin es binaria antipodal, este punto es el 0, pero tambin en modulaciones de tipo
PSK, o en modulaciones ortogonales, existe este punto. En el caso de modulacin binaria
antipodal, la forma de proceder es insertar un valor igual a 0 en lugar de los smbolos que
han sido eliminados por el borrado, y decodicar con el algoritmo de Viterbi correspondien-
te al cdigo original. Al ser igual la distancia del 0 a los dos smbolos de la constelacin
no se penaliza ningn camino y, aunque la mtrica acumulada no sea la correcta, el camino
de menor mtrica acumulada es el mismo con este mecanismo que modicando el deco-
dicador para que no tenga en cuenta los smbolos eliminados. En las otras modulaciones,
en lugar de 0 insertamos la coordenada del punto equidistante a todos los smbolos de la
constelacin.
Probabilidad de error y ganancia de codicacin
Una vez determinado el valor de D
min
de un cdigo, el siguiente paso es calcular la pro-
babilidad de error. Distinguiremos ahora entre los procedimientos de decodicacin dura y
blanda, comenzando por la decodicacin blanda, por ser de aplicacin directa el anlisis de
la probabilidad de error del detector de secuencias ML del Apartado 6.2.3. Restringiremos
nuestro anlisis al caso de transmisin mediante modulaciones lineales binarias antipodales,
donde podemos encontrar una relacin directa entre la D
min
binaria medida anteriormente y
la distancia mnima eucldea necesaria para calcular la probabilidad de error del detector de
secuencias mediante (10.47).
Aplicando (6.33), la probabilidad de que una palabra de k bits de entrada al codicador
sea incorrectamente decodicada es
P
e

2
Q
_
_
2D
min
E
s
N
0
_
=
2
Q
_
_
2kD
min
n
_
E
b
N
0
_
(10.61)
donde d(a
0
, a
1
) y E
s
son, respectivamente, la distancia entre los dos smbolos y la energa
media por smbolo de la constelacin binaria y
2
, segn se dene en la propia (6.33), es
el nmero medio de errores que provoca en el decodicador el evento a D
min
. En nuestro
caso, por la linealidad de los cdigos este nmero es igual al nmero de errores que provoca
en el decodicador cualquier evento a D
min
. Por ejemplo, para el cdigo de la Figura 10.10,
2
= 1 y para el cdigo de la Figura 10.6(a),
2
= 2.
En el caso de decodicacin dura debemos sustituir la funcin Qen la ecuacin anterior
por la probabilidad de cometer ms de (D
min
1)/2 errores en un nmero nz de bits con-
secutivos, donde z es la longitud del evento errneo a D
min
(si hay ms de uno, lo podemos
aproximar por la menor longitud de los eventos errneos a D
min
). Tngase en cuenta que en
la obtencin de las cotas de P
e
en el Apartado 6.2.3 slo se emplea la mtrica de rama en el
ltimo paso, siendo el resto del desarrollo idntico para cualquier mtrica separable (como
es la de Hamming). Realizando esta sustitucin obtenemos
P
e

2
nz
i=(D
min
1)/2+1
_
nz
i
_
p
i
(1 p)
nzi
(10.62)
donde p es la probabilidad de cruce del BSC y
2
la misma constante que en (10.61).
Las Ecuaciones (10.61) y (10.62) resultan en general una buena aproximacin a la ver-
dadera P
e
, sobre todo para relaciones seal a ruido elevadas. Hay un caso, sin embargo,
donde estas aproximaciones sirven de poco, y se produce cuando el cdigo es catastrco.
Los cdigos catastrcos son aqullos que poseen un bucle con salidas todo ceros (es decir,
que no acumula mtrica) en su diagrama de estados. Este bucle que no acumula mtrica
hace que existan un nmero innito de caminos errneos a una distancia nita (que puede
ser D
min
) lo que tiene como consecuencia que P
e
= 1 (puede verse tambin como que
2
tiende a innito
15
). Podemos detectar el carcter catastrco de un cdigo si encontramos
15
Si los innitos caminos no estn a D
min
lo que ocurre es que la cota denida por
2
como el nmero de
errores que provocan la totalidad de los eventos errneos de D
min
no es exacta porque se estaran despreciando
innitos trminos no nulos.
factores comunes entre los elementos de la matriz generadora o, dicho de forma ms precisa,
un cdigo de tasa 1/n no es catastrco si y slo si el mximo comn divisor de los ele-
mentos de la matriz generadora toma la forma D
l
para algn entero l negativo (para cdigos
con k > 1 tambin existe otra condicin similar basada en los determinantes de todas las
posibles submatrices de tamao k k).
A guisa de ejemplo, si eliminamos una de las conexiones inferiores del codicador de la
Figura 10.10 y lo transformamos en el codicador de la Figura 10.20 lo habremos convertido
en catastrco, como podemos apreciar en su diagrama de estados aumentado, donde en el
bucle formado por la transicin
3

3
no se acumula distancia. Podemos comprobar
D D
y
1
y
2
y
3
y
0
0/01
1/01
1/10
0/11
1/11
0/10
1/00 0/00
(a) (b)
Figura 10.20. Cdigo convolucional catastrco de tasa 1/2: codicador (a) y diagrama
de estados (b).
tambin cmo su matriz generadora
G(D) =
_
D
2
+ 1 D + 1
es divisible por D + 1, lo que nos demuestra el carcter catastrco del cdigo.

A partir de P
e
podemos acotar la BER por el procedimiento habitual, (4.103), te-
niendo en cuenta que un error de decodicacin se traducir en entre 1 y k bits errneos,
1
k
P
e
BER P
e
. A diferencia de los cdigos bloque lineales, donde no son infrecuentes
valores de k superiores a 100, en los cdigos convolucionales es raro encontrar valores de k
superiores a 5 6, por lo que por este sencillo procedimiento se proporciona un cota bastante
ajustada.
La ganancia de codicacin se obtiene a partir de aqu sin ms que igualar las BER
del sistema sin y con cdigo convolucional. En el caso de decodicacin blanda es posible
obtener un valor de la ganancia de codicacin asinttica de forma analtica. Sin embargo,
en el caso de decodicacin dura, la obtencin de esta ganancia de codicacin no es tan
fcil, requiriendo la mayora de las veces su evaluacin numrica. Vemoslo mediante un
ejemplo.
Ejemplo 10.21
La probabilidad de error con deteccin blanda que obtenemos con el cdigo especicado en la
Figura 10.10 y una modulacin binaria antipodal es (k = 1, n = 2,
2
= 1 y D
min
= 5)
P
e
Q
_
5
_
E
b
N
0
_
(10.63)
Como adems k = 1, BER = P
e
. Igualando las BER con y sin codicacin
Q
_
2
_
E
b
N
0
_
sc
_
= 2Q
_
5
_
E
b
N
0
_
c
_
e igualando los argumentos de las funciones Q
2
_
E
b
N
0
_
sc
=
5
_
E
b
N
0
_
c
y, de aqu,
G =
_
E
b
N
0
_
sc
_
E
b
N
0
_
c
=
5
2
4dB
o, lo que es lo mismo, una ganancia de 4 decibelios. El precio a pagar por esta ganancia es un
incremento del ancho de banda de transmisin del 100 %.
Con decodicacin dura, la probabilidad de error es
P
e

6
i=3
_
6
i
_
p
i
(1 p)
6i
que podemos aproximar por su primer trmino si la relacin seal a ruido es lo sucientemente
alta
P
e

_
6
3
_
p
3
(1 p)
3
= 20 p
3
(1 p)
3
= 20 p
3
_
1 3p + 3p
2
p
3
_
20 p
3
Sustituyendo la probabilidad de cruce del BSC, p por la probabilidad de error de una modulacin
binaria antipodal; teniendo en cuenta adems que R = 1/2 y que, como anteriormente, BER =
P
e
, obtenemos nalmente
BER 20
_
Q
_
_
E
b
N
0
__
3
Para obtener la ganancia de codicacin igualamos las BER con y sin codicacin
Q
_
2
_
E
b
N
0
_
sc
_
= 20
_
Q
_
_
E
b
N
0
_
c
__
3
(10.64)
de donde no resulta fcil despejar el cociente
_
E
b
N
0
_
sc
/
_
E
b
N
0
_
c
para obtener una expresin expl-
cita de la ganancia de codicacin. Podemos obtener una solucin aproximada igualando la fun-
cin Q a su cota superior ms sencilla, dada por la Ecuacin (3.32), de la forma Q(x)
1
2
e
x
2
2
,
transformando (10.64) en
_
E
b
N
0
_
sc
=
3
2
_
E
b
N
0
_
c
ln 20
y, de aqu,
G =
_
E
b
N
0
_
sc
_
E
b
N
0
_
c
=
3
2

ln 20
_
E
b
N
0
_
c
que vara dependiendo del valor de la SNR, y que cuando
_
E
b
N
0
_
c
tiende a innito (ganancia
asinttica) da como resultado
G =
_
E
b
N
0
_
sc
_
E
b
N
0
_
c
=
3
2
1,76dB
Dada la dicultad para obtener la ganancia de codicacin con decodicacin dura, ade-
ms de la validez limitada del valor de la ganancia de codicacin con decodicacin blanda
para relaciones seal a ruido bajas, procederemos en lo sucesivo a una evaluacin mediante
tcnicas de simulacin de Monte Carlo de las prestaciones de los cdigos convolucionales.
Procediendo del mismo modo que en el anlisis de prestaciones de los cdigos bloque en
el Apartado 10.2.6, consideraremos en primer lugar un BSC concreto, el mismo empleado
anteriormente, que recordemos estaba denido por una probabilidad de cruce p = 0,0563
que proporciona una capacidad de 0,6874 bits/transmisin. En la Figura 10.21 se representa
la BER frente a la tasa de codicacin de los cdigos convolucionales de tasa 1/2 para K
entre 6 y 12 (crculos) con decodicacin dura y su comparacin con las probabilidades
de error de los cdigos BCH (n entre 7 y 1023) para este canal. En esta gura se observa
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
10
6
10
5
10
4
10
3
10
2
10
1
R
B
E
R
Figura 10.21. BER obtenida por distintos cdigos convolucionales (crculos) y por los
cdigos BCHbinarios (puntos) mostrados en la Figura 10.4 sobre un BSCcon probabilidad
de cruce p = 0,0563 y tasa mxima alcanzable.
que conforme aumenta K la probabilidad de error baja y podemos obtener una BER tan
pequea como deseemos, mientras que en los cdigos BCH necesitbamos que la tasa fue-
se aproximadamente menor que 0,4 para garantizar que se pudiese reducir todo lo que se
desease la BER a la salida del decodicador.
En la Figura 10.22 se muestra la BER a la salida del cdigo convolucional frente a la
relacin seal a ruido en el canal gausiano empleando modulacin binaria antipodal para
dos cdigos convolucionales de tasa 1/2 y K = 3 y 9. En esta gura podemos comprobar
1 2 3 4 5 6 7 8
10
4
10
3
10
2
10
1
K=9
K=3
Sin cod.
K=9
K=3
E
b
/N
0
(dB)
B
E
R
Figura 10.22. BER en funcin de la relacin seal a ruido del canal gausiano empleando
modulacin binaria antipodal y cdigos convolucionales de tasa 1/2 con K = 3 y 9 y
decodicacin dura (lnea discontinua) y blanda (lnea continua).
la diferencia de prestaciones entre decodicacin dura (lnea discontinua) y decodicacin
blanda (lnea continua), as como la variacin de la ganancia de codicacin para distintos
valores de la BER. Los 4 dB obtenidos como ganancia de codicacin con decodicacin
blanda en el Ejemplo 10.21 se corresponden en esta gura con la separacin a la que se
tiende, conforme se aumenta la relacin seal a ruido, entre la curva de BER para K = 3
y decodicacin blanda (lnea continua), y la curva de BER de la modulacin sin codicar
(lnea de puntos).
Esta gura adems nos sirve para comparar las prestaciones de los cdigos convolucio-
nales con los cdigos bloque; concretamente, con los resultados que se muestran en la Figura
10.5. Para los cdigos bloque vimos que cuando la tasa era aproximadamente igual a 1/2
eran necesarios ms de 5 dB de E
b
/N
0
y valores elevados de n para obtener reducciones
signicativas de la BER. Para los cdigos convolucionales con decodicacin blanda se
pueden obtener probabilidades de error tan pequeas como se desee para valores de E
b
/N
0
inferiores a estos 5 dB sin ms que aumentar el valor de K, y no son necesarios valores
de K elevados (al menos, en comparacin con los valores de k necesarios en los cdigos
bloque de la Figura 10.5 para obtener pequeos valores de BER). No debemos olvidar, sin
embargo, que los resultados de la Figura 10.5 estn obtenidos realizando la decodicacin
con el algoritmo de Berlekamp-Massey, que proporciona la decodicacin de mxima ve-
rosimilitud nicamente cuando las palabras recibidas contienen a lo sumo (d
min
1)/2
errores, pero con un aumento lineal de la complejidad con k, mientras que los de la Figura
10.22 estn obtenidos con el algoritmo de Viterbi, que realiza siempre la decodicacin de
mxima verosimilitud, pero con un aumento exponencial de la complejidad con M
t
.
Por ltimo, en la Figura 10.23 se muestra la BER frente a la relacin seal a ruido
para los cdigos convolucionales con K = 3 hasta 9 de tasa 1/2 y decodicacin blanda,
donde podemos observar adems del resultado obtenido de forma terica de aumento de la
ganancia conforme se aumenta la memoria del codicador, la forma en que va creciendo
esta ganancia conforme lo hace E
b
/N
0
.
1 2 3 4 5 6
10
4
10
3
10
2
10
1
K=9 K=3
Sin cod.
E
b
/N
0
(dB)
B
E
R
Figura 10.23. BER en funcin de la relacin seal a ruido del canal gausiano empleando
modulacin binaria antipodal y cdigos convolucionales de tasa 1/2 con K entre 3 y 9 y
decodicacin blanda.
A modo de resumen, podemos mencionar como caractersticas ms relevantes de los
cdigos convolucionales las siguientes:
Existe un algoritmo, el de Viterbi, que realiza la decodicacin de mxima verosi-
militud con complejidad lineal en el nmero de bits transmitidos pero exponencial
en la memorial total del codicador. Debido a esta restriccin, la mayora de cdigos
convolucionales empleados en la prctica poseen valores de M
t
moderados.
Si est disponible en el receptor la salida del demodulador, es preferible emplear de-
codicacin blanda porque consigue un aumento de prestaciones con un incremento
insignicante de la complejidad (clculo de distancias eucldeas en lugar de distancias
de Hamming).
Existen cdigos con buenas propiedades de distancia para un amplio margen de tasas.
10.4. MODULACIONES CODIFICADAS EN REJILLA
En los apartados anteriores ha quedado clara la ventaja del empleo de la decodicacin
blanda sobre la decodicacin dura, especialmente cuando se aplica a cdigos convolucio-
nales que son los que disponen de un algoritmo de decodicacin de mxima verosimilitud
completo de complejidad moderada para cdigos con buenas propiedades de distancia.
10.4 MODULACIONES CODIFICADAS EN REJILLA 647
La decodicacin blanda es, de hecho, un procedimiento de deteccin para canales gau-
sianos con entrada digital pero, hasta ahora, la hemos aplicado a cdigos diseados para
BSC. Cuando se disea un cdigo convolucional lineal, por ejemplo, una vez que se se es-
pecica la memoria total y el valor de K queda jado el diagrama de rejilla (o el de estados)
a excepcin de la salida asociada a cada rama, y los coecientes de los polinomios de la
matriz generadora se eligen de tal forma que en esa salida la distancia de Hamming en-
tre caminos sea la mxima posible. Escogiendo distintos coecientes podemos pasar de un
buen cdigo a uno catastrco o viceversa, como se demuestra en los cdigos de las Figuras
10.10 y 10.20, donde cambiando un nico coeciente pasamos del mejor cdigo posible a
uno catastrco.
Ahora bien, si empleamos decodicacin blanda, no es ms sensato seleccionar los
coecientes de los polinomios de la matriz generadora para que la distancia eucldea entre
caminos sea la mxima posible o, mejor an, seleccionar directamente los smbolos de la
constelacin utilizada que asignamos como salida en cada rama de tal forma que la distancia
eucldea sea mxima? Esto es, en esencia, un cdigo en rejilla, tambin denominada modu-
lacin codicada en rejilla (Trellis Coded Modulation, TCM) que, a diferencia de los
cdigos bloque y convolucionales, es un cdigo especco para canales gausianos digitales.
10.4.1. TCM bsicos
Un TCM se compone de un codicador convolucional seguido de un codicador de ca-
nal gausiano (tpicamente un modulador PAM paso banda), como el que muestra la Figura
10.24, obtenido a partir del codicador convolucional de la Figura 10.10. Para comprender
D D
B l [ ]
Modulador
QPSK
A l [ ]
j
1
-j
-1
Figura 10.24. TCM basado en el codicador de la Figura 10.10 y modulacin QPSK.
mejor cmo debemos disear este TCM, comencemos analizando por qu el codicador
convolucional del que parte, que posee el mismo diagrama de rejilla que nuestro TCM (sal-
vo, obviamente, la salida asignada a cada rama), es el mejor entre los de tasa 1/2 y K = 3. Si
observamos su diagrama de estados (Figura 10.10(b)) o su diagrama de estados aumentado
(Figura 10.17) podemos apreciar que la distancia de 5 se alcanza porque tanto al abandonar
el camino correcto como al incorporarse a l existe la mxima mtrica posible (2) entre el
camino correcto y el errneo: si consideramos el camino todo ceros como el correcto, la sa-
lida del codicador cuando se abandona el camino (transicin
0

1
) es 11 (la de mayor
distancia a 00), y la salida cuando volvemos a l (transicin
2

0
) tambin es 11.
Aplicando esta misma idea al diseo de nuestro TCM, a las ramas o transiciones que
salen del mismo estado les asignamos como salidas los smbolos de la constelacin ms
distantes entre s (1 y 1, j y j), al igual que a las ramas que llegan al mismo nodo.
De esta forma conseguimos acumular la mxima distancia tanto al salir como al volver del
camino correcto. En nuestro ejemplo este procedimiento da como resultado un diagrama de
rejilla como el que muestra la Figura 10.25, aunque existen otros equivalentes. Adems de
y[ ] l
y
3
y
2
y
1
y
0
0/1
1/-1
1/j
y[ + ] l 1
0/-1
0/-j
1/1
1/-j
0/j
Figura 10.25. Diagrama de rejilla del codicador TCM de la Figura 10.24.
esta regla, en esta asignacin hemos evitado que bucles distintos posean las mismas salidas
para obtener un cdigo no catastrco.
Para comparar este cdigo con el cdigo convolucional del que parte debemos encontrar
la D
min
del TCM y, a partir de esta, la P
e
y la BER. La determinacin de D
min
es una
operacin ms compleja en los TCM que en los cdigos bloque lineales y convolucionales
lineales porque los TCM no son invariantes frente a traslaciones por una palabra cdigo
(smbolo de la constelacin) y, en general, no podemos garantizar que todas las secuencias de
smbolos posean un evento errneo a distancia D
min
. En consecuencia, es necesario calcular
la distancia mnima a cualquier posible secuencia de smbolos.
En el TCM que estamos analizando podemos comprobar que el evento errneo de me-
nor distancia a cada uno de los posibles caminos es el de menor longitud (3 transiciones
errneas) y para evaluar todas las secuencias posibles slo tenemos que considerar todas las
secuencias de longitud 3, que son 32, y para cada una ellas determinar el evento errneo
a menor distancia. Como toda distancia es simtrica, slo tenemos que evaluar la mitad de
esas secuencias, que originan los 16 pares de caminos que se muestran en la Figura 10.26.
Podemos comprobar que la distancia entre cualesquiera de estos pares de caminos es la mis-
ma,
_
2
2
+ (1
2
+ 1
2
) + 2
2
=
4 + 2 + 4 =
10 = D
min
. A primera vista parecera que
hubisemos salido perdiendo respecto al codicador convolucional del que partamos, ya
que con este ltimo y una modulacin binaria antipodal podemos conseguir, de acuerdo con
(10.47), una distancia eucldea mnima de 2
5 con una constelacin con smbolos 1.

Esta diferencia se compensa porque en el convolucional con modulacin binaria antipodal
es necesario transmitir dos smbolos por cada bit de entrada y en el TCM slo uno, teniendo
ambas constelaciones (binaria antipodal y QPSK) la misma E
s
. La P
e
de nuestro TCM es,
por tanto, la misma que para el cdigo convolucional con decodicacin blanda, (10.63).
1
1
1
j
1
1
1
1
1
j
1
1
1
1
1
j
j
j
1
1
1
j
j
j
j
j
1
j
1
1
j
j
1
j
1
1
j
j
1
j
j
j
j
j
1
j
j
j
1
1
1
j
1
1
1
1
1
j
1
1
1
1
1
j
j
j
1
1
1
j
j
j
j
j
1
j
1
1
j
j
1
j
1
1
j
j
1
j
j
j
j
j
1
j
j
j
Figura 10.26. Pares de caminos a menor distancia del TCM de la Figura 10.24.
La razn de esta igualdad de prestaciones radica en que si realizamos la siguiente asig-
nacin de bits de salida al convolucional a smbolos de la constelacin QPSK
[0 0] 1 [1 1] 1 [0 1] j [1 0] j
obtenemos el TCM, conservando la relacin de distancias entre las mtricas de Hamming
(convolucional) y eucldea (TCM).
Otros TCM s obtienen ventajas en trminos de BER frente a relacin seal a ruido
sobre el convolucional del que parten, pero aunque las prestaciones sean idnticas, como en
el ejemplo que estamos considerando, los TCM an presentan una ventaja sobre los cdigos
convolucionales. Esta ventaja consiste en la incorporacin de manera natural en el diseo de
los TCM de restricciones de eciencia espectral o ancho de banda ocupado, restricciones no
tan fciles de incorporar en cdigos convolucionales o bloque.
Supongamos que se desea obtener una eciencia espectral de 3 bits/s/Hz en un canal
gausiano paso banda (equivalentes a 3 bits por uso del canal gausiano bidimensional con
entrada digital) con modulaciones de tipo QAM, representado por la lnea continua hori-
zontal de la Figura 10.27. Supongamos adems que la relacin seal a ruido (medida como
2P/WN
0
) que tenemos en este canal es de 13 dB (lnea continua vertical en la Figura
10.27). La capacidad del canal gausiano (lnea punteada en la Figura 10.27) para esta rela-
cin seal a ruido es superior a 4 bits (cruce de las lneas punteada y continua vertical) y en
consecuencia es posible encontrar un codicador para el canal gausiano que nos proporcione
una comunicacin able.
Si basamos nuestro diseo en cdigos bloque o convolucionales tenemos que escoger
en primer lugar un formato de modulacin. Podemos escoger la modulacin que posee la
eciencia espectral deseada, 8-QAM, pero la informacin mutua entre la entrada y la salida
10
1
10
0
10
1
10
2
10
3
0
1
2
3
4
5
6
7
BPSK
4QAM
8QAM
16QAM
32QAM
64QAM
2P/(WN
0
)
I
(
X
;
Y
)

(
b
i
t
s

p
o
r

u
s
o

d
e
l

c
a
n
a
l
)
Figura 10.27. Punto de trabajo deseado (relacin seal a ruido de 13 dB y eciencia es-
pectral de 3 bits/uso) respecto a la curva de capacidad del canal gausiano paso banda y las
curvas de informacin mutua de las modulaciones QAM con smbolos equiprobables de la
Figura 9.26.
de este canal con smbolos equiprobables
16
de una 8-QAMpara esta relacin seal a ruido es
ligeramente inferior a 3 bits, como podemos apreciar en esta gura. Para poder conseguir una
transmisin able debemos, con esta modulacin, enviar menos de 3 bits por smbolo a base
de reducir la tasa de transmisin con un codicador bloque o convolucional; por ejemplo,
si empleamos un cdigo con tasa 1/2 podemos conseguir una transmisin able, pero la
eciencia espectral baja a 3 1/2 = 1,5 bits/s/Hz. Para mantener la eciencia espectral de
3 bits/s/Hz podemos emplear constelaciones ms densas; por ejemplo, podemos emplear
una modulacin 16-QAM (que tiene una informacin mutua entre la entrada y la salida
superior a 3 bits) y un cdigo bloque o convolucional con tasa 3/4, o una modulacin 64-
QAM con un codicador de tasa 1/2, etc. Sin embargo, para la decodicacin de estos
cdigos bloque o convolucionales no siempre encontraremos un decodicador blando que
sea eciente, perdiendo las ventajas de la decodicacin blanda.
Por el contrario, si basamos nuestro diseo en un TCM, la solucin aparece de forma
natural: si deseamos mantener una eciencia espectral de 3 bits/s/Hz escogemos un formato
de modulacin cuya informacin mutua entre la entrada y la salida del canal gausiano con
entrada digital sea superior a estos 3 bits/s/Hz, acomodando la tasa del codicador convolu-
cional para conseguir esta eciencia espectral, aadiendo tanta memoria en el convolucional
16
Recordemos que, en este canal, para obtener la alcanzar la capacidad tenemos que buscar el mximo de
informacin mutua respecto de la distribucin de probabilidades a priori de los smbolos de la constelacin,
por lo que si imponemos que los smbolos sean equiprobables esta informacin mutua es la capacidad que
podemos alcanzar.
como sea necesaria para obtener la abilidad (BER) deseada, y empleando las reglas men-
cionadas antes para asignar puntos de la constelacin a las salidas correspondientes a cada
una de las ramas del diagrama de rejilla. En nuestro caso podramos escoger una modulacin
16-QAM y un convolucional con tasa 3/4, una modulacin 32-QAM con un convolucional
de tasa 3/5, etc.
En la prctica se suelen emplear codicadores convoluciones de tasa k/(k+1), donde k
se corresponde, en el caso de las modulaciones QAM, con la eciencia espectral deseada. La
memoria total del codicador convolucional suele escogerse en funcin de la complejidad
que resulta admisible para el decodicador, y generalmente este nmero es moderado (<
10).
Por ltimo, si en los cdigos bloque y convolucionales utilizbamos como referencia
(sistema sin codicacin) una modulacin binaria antipodal para determinar la ganancia de
codicacin, en un TCM empleamos como referencia un modulacin de la misma familia
que la empleada en el TCM con un constelacin de 2
k
puntos. As, para un TCM basado
en una modulacin 8-PSK el sistema sin codicacin ser una modulacin QPSK, y para
un TCM que emplee una 64-QAM, una 32-QAM. Por ejemplo, para el TCM de la Figura
10.24 tomamos como referencia una BPSK y, teniendo en cuenta la discusin anterior sobre
la D
min
y BER, y que una BPSK es una modulacin binaria antipodal, la ganancia de
codicacin de este TCM son los 4 dB obtenidos en el Ejemplo 10.21 para decodicacin
blanda.
10.4.2. TCM con bits sin codicar
Cuando deseamos una alta eciencia espectral el valor de k es elevado y, en conse-
cuencia, tambin la memoria total del codicador convolucional, el nmero de estados y
la complejidad del decodicador. Una forma de reducir esta complejidad es limitar la me-
moria total permitiendo que algunos de los bits de entrada al TCM pasen directamente al
modulador de la constelacin PAM paso banda, tal y como se muestra en la Figura 10.28.
Modulador
PAM
paso banda
A l [ ]
Codificador
convolucional
de tasa /( +1) k k
B l
( -1) k
[ ]
B l
( ) k
[ ]
B l
( 1) k-
[ ]
B l
(0)
[ ] C l
(0)
[ ]
C l
( ) k
[ ]
C l
( ) k+1
[ ]
C l
( ) k
[ ]
Figura 10.28. Codicador de un TCM con bits sin codicar.
Para ilustrar el anlisis y diseo de este tipo de TCM emplearemos el codicador de la
Figura 10.29, donde k = 2, k
= 1 y la constelacin es una 8-PSK.

En primer lugar debemos observar que slo los k
bits que entran al codicador con-

volucional, B
(0)
[l], . . . , B
(k
1)
[l] (B
(0)
[l] en nuestro caso) denen el estado del TCM. Los
B l
(1)
[ ]
B l
(0)
[ ]
D D
Modulador
8-PSK
C
(1)
[ ] l
A l [ ]
C l
(0)
[ ]
C l
(2)
[ ]
Figura 10.29. Ejemplo de TCM con bits sin codicar.
2
kk
valores posibles que pueden tomar los k k
bits restantes, B
(k
)
[l], . . . , B
(k1)
[l],
(B
(1)
[l] en nuestro caso particular) han de representarse en el diagrama de rejilla como tran-
siciones paralelas entre dos estados, como podemos ver en la Figura 10.30, donde cada
rama est etiquetada slo con la entrada al TCM de la forma B
(0)
[l]B
(1)
[l]/ A la hora de
y[ ] l
y
3
y
2
y
1
y
0
0/1
10/
y[ + ] l 1
00/
00/ 10/
10/
00/
11/
01/
11/
01/
11/
01/
10/
11/
00/
Figura 10.30. Diagrama de rejilla con transiciones paralelas correspondiente al codicador
de la Figura 10.29.
asignar puntos de la constelacin a cada rama del diagrama de rejilla es necesario tener en
cuenta estas transiciones paralelas porque pueden constituir eventos errneos de una nica
transicin errnea. Para aumentar la distancia entre estas transiciones paralelas seguimos
el siguiente procedimiento: dividimos la constelacin PAM paso banda de 2
k+1
puntos en
2
k
+1
subconstelaciones de 2
kk
puntos cada una; los k
+ 1 bits de salida del codica-

dor convolucional seleccionan la subconstelacin y los k k
bits sin codicar seleccionan

el smbolo dentro de la subconstelacin. De esta forma, hacer mxima la distancia entre
transiciones paralelas equivale a aumentar la distancia mnima entre puntos de cada sub-
constelacin, y para conseguir esto existe un procedimiento recursivo sistemtico (aunque
no necesariamente ptimo) de particin en subconstelaciones.
Este procedimiento comienza dividiendo la constelacin original en dos subconste-
laciones, de tal forma que los smbolos que se encuentran a d
min
de uno dado estn la
subconstelacin opuesta a este (si es posible) para aumentar la distancia mnima de ca-
da subconstelacin. Repetimos este procedimiento otras k
veces de forma recursiva, di-

vidiendo cada subconstelacin en dos, hasta obtener las 2
k
+1
subconstelaciones. En la
Figura 10.31 se muestra este procedimiento sobre la constelacin 8-PSK hasta lograr las
4 subconstelaciones binarias del codicador de la Figura 10.29. La distancia mnima de
A
0
B
0
B
1
C
0
C
1
C
2
C
3
Figura 10.31. Divisin recursiva de una constelacin 8-PSK en 4 subconstelaciones binarias.
una subconstelacin n-PSK con E
s
= 1 es 2 sin(/n), que en nuestro caso resulta ser
2 sen(/8) = 0,7654, 2 sen(/4) =
2 y 2 sen(/2) = 2 para, respectivamente, la cons-

telacin A
0
, las subconstelaciones B
0
y B
1
y las subconstelaciones C
0
a C
3
. El aumento de
d
min
en cada una de la dos divisiones es, respectivamente, sen(/4)/ sen(/8) = 1,8478 y
sen(/2)/ sen(/4) =
2.
Ejemplo 10.22
En las Figura 10.32 se muestra la divisin en subconstelaciones de una constelacin 16-QAM
en ocho constelaciones binarias. En este tipo de constelaciones es fcil observar que el aumento
de distancia mnima es
2 en cada divisin. En otras constelaciones como, por ejemplo, cuando

el nmero de smbolos a distancia mnima es superior a 4 (como sucede, por ejemplo, en las
constelaciones hexagonales), no siempre puede aumentarse la distancia mnima en cada divisin.
La distancia mnima entre transiciones paralelas, que denotaremos como D
|
, se corres-
ponde con la d
min
de las subconstelaciones en el nivel (k
+ 1)-simo de divisin (si fuesen

distintas, la menor de ellas). En nuestro caso ser la d
min
de las subconstelaciones C
0
a C
3
de la Figura 10.31, que es igual a 2.
Una vez determinadas y analizadas las transiciones paralelas procedemos a asignar las
salidas en el diagrama de rejilla del TCM, agrupando las transiciones paralelas en una nica
rama a la que asignaremos como salida una subconstelacin. Para asignar subconstelaciones
a las ramas del diagrama de rejilla seguiremos el mismo procedimiento empleado en el dise-
o de los TCM del apartado anterior: a las ramas que salen del mismo estado les asignamos
como salidas las subconstelaciones ms distantes entre s, al igual que a las ramas que llegan
al mismo nodo.
Hay que tener en cuenta que el hecho de agrupar las transiciones paralelas en una nica
transicin, a la que asignamos una subconstelacin, es simplemente una convencin que
resulta cmoda para disear un TCM, pero que cuando hablamos de distancia entre dos
C
0
D
0
A
0
B
0
B
1
C
1
C
2
C
3
D
1 D
2
D
3
D
4
D
5
D
6
D
7
Figura 10.32. Divisin de una constelacin 16-QAM en 8 subconstelaciones binarias.
subconstelaciones estamos hablando de la menor distancia entre transiciones no paralelas,
que se corresponde con la menor distancia entre dos smbolos pertenecientes cada uno a
una de las subconstelaciones. Es decir, si denotamos d(A
i
, A
j
) como la distancia entre las
subconstelaciones A
i
y A
j
, esta toma la forma
d(A
i
, A
j
) = mn
a
l
A
i
, a
k
A
j
d(a
l
, a
k
) (10.65)
Para las subconstelaciones de la Figura 10.31 obtenemos d(C
0
, C
1
) = d(C
2
, C
3
) =
2
y d(C
0
, C
2
) = d(C
0
, C
3
) = d(C
1
, C
2
) = d(C
1
, C
3
) = 2 sen(/8) = 0,7654. Obsrvese
cmo la distancia entre dos subconstelaciones es la d
min
de la constelacin de nivel ms bajo
en que estn presentes ambas: la distancia entre C
0
y C
1
es la d
min
de B
0
o la distancia entre
C
0
a C
2
es la d
min
de A
0
.
Aplicando estas reglas al TCM de la Figura 10.29 obtenemos la asignacin de subcons-
telaciones que muestra la Figura 10.33. Para nalizar con el diseo del TCM, es pertinente
y[ ] l
y
3
y
2
y
1
y
0
0/C
0
1/C
1
1/C
2
y[ + ] l 1
0/C
1
0/C
1/C
3
0/C
2
3 1/C
0
Figura 10.33. Diagrama de rejilla del codicador de la Figura 10.29.
mencionar que para disminuir la BER debemos realizar una codicacin Gray de los sm-
bolos de las subconstelaciones que son seleccionados por los bits sin codicar. En el ejemplo
que estamos desarrollando no tiene sentido hablar de codicacin Gray puesto que las sub-
constelaciones son binarias.
Los cdigos que siguen el esquema general de la Figura 10.28 cuando el codicador
convolucional es lineal se denominan cdigos de Ungerboeck en honor de la persona que
los propuso, y las reglas que hemos aplicado para el diseo de estos TCM se denominan
reglas de Ungerboeck que se enuncian formalmente como:
Regla 1: Hacer mxima la distancia entre transiciones paralelas asignndoles los smbolos
de las subconstelaciones del ltimo nivel de particin necesario.
Regla 2: Hacer mxima la distancia entre transiciones que salen o llegan al mismo estado
asignndoles para ello las constelaciones que derivan de una misma en el penlti-
mo nivel de particin necesario.
Regla 3: Emplear los smbolos de la constelacin con la misma frecuencia.
Una vez diseado el TCM debemos evaluar sus prestaciones, para lo cual es necesario
determinar la distancia mnima entre dos caminos no paralelos, que denominaremos D
.
Esta se calcula como D
min
en los TCM sin transiciones paralelas, pero empleando las dis-
tancias entre subconstelaciones en lugar de distancias entre smbolos.
Para el codicador de la Figura 10.29 podemos comprobar que el evento errneo no
paralelo de menor distancia a cada uno de los posibles caminos es el de menor longitud (3
transiciones errneas) y para evaluar todas las secuencias posibles slo tenemos que consi-
derar todas las secuencias de tres subconstelaciones consecutivas, que son 32, y para cada
una ellas determinar el evento errneo a menor distancia. Procediendo de forma similar a co-
mo se muestra en la Figura 10.26 para TCM sin transiciones paralelas, podemos comprobar
que todos los caminos poseen un evento errneo no paralelo a distancia
D
=
_
d
2
(C
0
, C
1
) +d
2
(C
0
, C
2
) +d
2
(C
0
, C
1
) = 2,1414
La distancia mnima del TCM puede venir dada por las transiciones paralelas o por las
no paralelas, y ser
D
min
= mn
_
D
|
, D
_
(10.66)
En el caso del codicador de la Figura 10.29 la distancia mnima se produce entre los sm-
bolos de las subconstelaciones, y es D
min
= 2.
A partir de D
min
se determina la P
e
y la BER y, con estas, la ganancia de codicacin
como hemos hecho para los TCM sin bits sin codicar.
Ejemplo 10.23
Para el codicador de la Figura 10.29, la P
e
a altas relaciones seal a ruido viene determinada
por las transiciones paralelas, que es la misma que la de una BPSK, pero provoca errores slo en
uno de los bits de entrada al codicador (el que va directamente al modulador 8-PSK), por lo que
BER
1
2
Q
_
2
_
E
s
N
0
_
c
_
=
1
2
Q
_
4
_
E
b
N
0
_
c
_
Para obtener la ganancia de codicacin empleamos como referencia una modulacin QPSK, cu-
ya P
e
viene dada por (4.83) y su BERser aproximadamente la mitad si empleamos codicacin
Gray. Igualando ambas BER y despreciando el trmino en Q
2
de (4.83)
Q
_
2
_
E
b
N
0
_
sc
_
=
1
2
Q
_
4
_
E
b
N
0
_
c
_
de donde, despreciando el factor
1
2
e igualando los argumentos de la funcin Q obtenemos una
ganancia de codicacin
G =
_
E
b
N
0
_
sc
_
E
b
N
0
_
c
=
4
2
3dB
En los cdigos convolucionales resultaba extremadamente importante la forma en que
combinbamos las entradas y sus versiones retardas para formar las salidas del codicador,
hasta tal punto que, como vimos en la Pgina 642, modicando un solo coeciente pasba-
mos del mejor cdigo posible a uno catastrco. En los TCM no hemos prestado atencin
a la obtencin de la salida del codicador convolucional porque asignbamos directamente
smbolos de la constelacin a cada rama del diagrama de rejilla, pero hasta qu punto inu-
ye la forma en que construyamos la salida del convolucional?. La respuesta a esta pregunta
la encontramos analizando cmo se realiza la correspondencia entre las ramas del diagrama
de rejilla y los smbolos de la constelacin. En primer lugar formamos la salida del convo-
lucional y posteriormente en el modulador asignamos un smbolo de la constelacin (o una
subconstelacin) a cada posible combinacin de entrada. Para poder realizar la asignacin
de smbolos que hemos diseado, el nico requisito que debemos imponer al codicador
convolucional es que proporcione salidas distintas para aquellas ramas que tienen asignados
smbolos (o subconstelaciones) distintos.
As, si sustituimos el cdigo convolucional del codicador de la Figura 10.29, denido
por una matriz generadora G(D) =
_
D
2
+ 1 D
2
+D + 1
y que posee una D

min
= 5
por el codicador con matriz generadora G(D) =
_
D + 1 D
2
+D + 1
cuya D
min
= 3
an es posible realizar la asignacin denida en la Figura 10.33. Se deja como ejercicio al
lector determinar la relacin entre bits de salida del convolucional y subconstelaciones. Sin
embargo, si empleamos un cdigo con matriz generadora G(D) =
_
D
2
+ 1 D + 1
no es
posible realizar la asignacin especicada en la Figura 10.33, cuya comprobacin tambin
se deja como ejercicio al lector.
Una ltima cuestin sobre el diseo de un TCM es la relativa al valor de k
(o, alter-
nativamente, el nmero de bits que dejamos sin codicar) con el que obtenemos mejores
prestaciones. Si no tuvisemos restricciones de complejidad en el decodicador, la mejor
solucin es k
= k y tanta memoria como fuese necesaria para situarnos tan cerca del l-
mite de la capacidad del canal como deseramos. Sin embargo, el motivo que nos llev a
formular los TCM con bits sin codicar fue, precisamente, la limitacin de la complejidad
del decodicador y, en este caso, la determinacin del valor de k
ptimo es tremendamente
complejo. Podemos, eso s, enumerar algunas reglas que nos dicta el sentido comn:
Para un k
dado, podemos ir aumentando la memoria del codicador convolucional

hasta que D
min
venga dominada por las transiciones paralelas. La mejor solucin se-
r, en general, esta ltima; es decir, la de menos memoria para la que D
min
viene
dominada por las transiciones paralelas.
Para una memoria total del codicador dada, podemos partir de k
= 1 e ir incremen-
tndolo hasta que D
min
venga dominada por las transiciones no paralelas quedndo-
nos, por lo general, con la penltima solucin; es decir, con el menor valor de k
para
el que D
min
viene dominada por las transiciones paralelas.
10.4.3. Otros TCM
Adems de los cdigos ya analizados existen otros TCM que son frecuentemente em-
pleados en la prctica. Comenzamos presentado los TCM basados en cdigos convolucio-
nales sistemticos y recursivos, que permiten conseguir buenas prestaciones empleando las
reglas de Ungerboeck con constelaciones QAM y PSK (al contrario de lo que sucede cuan-
do se emplean estos convolucionales en solitario) y una asignacin sencilla entre las salidas
del convolucional y los smbolos de las constelaciones. La representacin esquemtica de
un codicador convolucional sistemtico y recursivo de memoria total M
t
con k k
bits
sin codicar se muestra en la Figura 10.34. A diferencia de los cdigos convolucionales no
B l
( 1) k-
[ ]
g
Mt
( ) r
g
Mt-1
( ) r
g
2
( ) r
g
1
( ) r
g
0
( ) r
B l
( 1) k-
[ ]
B l
(0)
[ ]
C l
( ) k
[ ]
C l
( ) k
[ ]
C l
(0)
[ ]
C l
(1)
[ ]
g
Mt-1
(0)
g
Mt-1
( -1) k
g
2
(0)
g
2
( -1) k
g
1
(0)
g
( -1) k
1
D D D D
Figura 10.34. Representacin esquemtica de un cdigo convolucional recursivo y siste-
mtico genrico.
recursivos analizados hasta ahora, cuya respuesta impulsional era nita, los cdigos convo-
lucionales recursivos poseen una respuesta impulsional innita.
La forma de disear estos cdigos es mediante bsqueda exhaustiva de los valores de
los coecientes y la aplicacin de las reglas de Ungerboeck. Ntese que ahora las transi-
ciones del diagrama de rejilla no son siempre las mismas, sino que dependen de los coe-
cientes del cdigo. En los Cuadros 10.14 y 10.15 se muestran los cdigos convolucionales
recursivos y sistemticos que generan los mejores TCM y las ganancias de codicacin
empleando estos cdigos sobre las modulaciones 8-PSK y 8, 16, 32 y 64-QAM para distin-
tos valores de M
t
y, salvo para M
t
= 2, con 2 bits de entrada al convolucional (k
= 2).
Para representar los coecientes del codicador convolucional se ha empleado la notacin
g
(i)
=
_
g
(i)
M
t
. . . g
(i)
1
g
(i)
0
_
. A guisa de ejemplo, en la Figura 10.35 se muestra la repre-
sentacin esquemtica del cdigo convolucional recursivo y sistemtico con M
t
= 4 para
modulaciones QAM.
M
t
g
(r)
g
(0)
g
(1)
G (dB)
2 110 010 3,0
3 1001 0010 0100 3,6
4 10011 00010 01110 4,1
5 100101 001110 011100 4,6
6 1000110 0011110 0111100 4,8
7 10000011 00001100 00001110 5,0
8 100000101 010101000 001111110 5,4
9 1000000111 0001110100 0010110000 5,7
Cuadro 10.14. Cdigos recursivos y sistemticos para TCM con modulacin 8-PSK y
ganancia de codicacin.
M
t
g
(r)
g
(0)
g
(1)
G
8
G
16
G
32
G
64
2 110 010 2,0 3,0 2,8 3,0
3 1001 0010 0100 3,0 4,0 3,8 4,0
4 10011 00010 01110 3,8 4,8 4,6 4,8
5 100001 000110 001000 3,8 4,8 4,6 4,8
6 1000001 0001110 0011100 4,5 5,4 5,2 5,4
7 10000011 00001100 00100010 5,1 6,0 5,8 6,0
8 100000001 000101110 011101100 5,1 6,0 5,8 6,0
Cuadro 10.15. Cdigos recursivos y sistemticos para TCM con modulaciones QAM y
ganancias de codicacin empleado las constelaciones 8-QAM (G
8
), 16-QAM (G
16
), 32-
QAM (G
32
) y 64-QAM (G
64
) (en dB).
El primer TCM que se inclua en un estndar de telecomunicacin no era, sin embargo,
ninguno de los analizados hasta ahora. Se trataba de un TCM basado en un codicador
convolucional no lineal, y ese estndar era (y sigue siendo) la Recomendacin V.32 de la
ITU-T (International Telecommunication Union, Telecommunication standarization sector)
para transmisin por canal vocal telefnico hasta velocidades de 9.600 bits/s [85].
Este codicador se muestra en la Figura 10.36, donde podemos apreciar, adems de
la presencia de multiplicadores entre bits que fuerzan el carcter no lineal del codicador,
D D D D
C
(2)
[ ] l
C l
(1)
[ ]
C l
(0)
[ ]
B l
(1)
[ ]
B l
(0)
[ ]
Figura 10.35. Codicador convolucional recursivo y sistemtico de 4 retardos indicado en
la tabla 10.14: g
(r)
= 10011, g
(0)
= 00010 y g
(1)
= 01110.
la existencia de un codicador diferencial
17
con el propsito de hacer al TCM invariante
rotacionalmente a rotaciones de mltiplos de /2; esto es, que la decodicacin de cualquier
secuencia de smbolos de la forma A[l]e
jp/2
, siendo p un nmero entero, produce el mismo
resultado sea cual sea el valor de p (vanse las modulaciones de fase diferencial del Apartado
7.1.3 para un tratamiento ms general de la invarianza rotacional).
D D D
Modulador
32-QAM
D
D
Suma
mdulo 4
C l
(4)
[ ]
Codificador diferencial
A l [ ]
C l
(3)
[ ]
C l
(2)
[ ]
C l
(1)
[ ]
C l
(0)
[ ]
B l
(0)
[ ]
B l
(1)
[ ]
B l
(2)
[ ]
B l
(3)
[ ]
Figura 10.36. TCM para trasmisin a 9.600 bits/s de la recomendacin ITU-T V.32.
Para conseguir la invarianza rotacional es necesario en primer lugar que la constelacin
lo sea, como sucede en nuestro caso segn podemos apreciar en la Figura 10.37: cualquier
rotacin de un mltiplo de /2 da como resultado la misma constelacin (obviamente, no
con la misma asignacin de bits a smbolos).
00000
10000
01000 11000
00100
10100
01100 11100
00010
10010
01010
11010
00110
10110
01110
11110
00001 10001
01001 11001 00101 10101
01101 11101
00011
10011 01011
11011 00111
10111 01111
11111
4
4
2
2
0
2
2
4
4
Figura 10.37. Constelacin QAM para transmisin a 9.600 bits/s de la recomenda-
cin ITU-T V.32. La etiqueta sobre cada smbolo se corresponde con la asignacin
C
(4)
[l]C
(3)
[l]C
(2)
[l]C
(1)
[l]C
(0)
[l].
En segundo lugar es necesario que las subconstelaciones tambin lo sean; esto es, que
17
Si denotamos por B[l] y C[l] dos secuencias sobre GF(4) que formamos como, respectivamente, B[l] =
2B
(1)
[l] + B
(0)
[l] y C[l] = 2C
(2)
[l] + C
(1)
[l], el codicador diferencial realiza la operacin C[l] = B[l] +
C[l 1].
una subconstelacin rotada cualquier mltiplo de /2 sea otra subconstelacin. Podemos
comprobar en la Figura 10.38, donde se muestran las 8 subconstelaciones que genera el
codicador de la Figura 10.36, que se cumple este segundo requisito.
Figura 10.38. Subconstelaciones de la constelacin de la Figura 10.37 obtenidas con el
codicador de la Figura 10.36.
En tercer y ltimo lugar, las asignaciones de subconstelaciones a la rejilla y de los bits
sin codicar a los smbolos de las subconstelaciones se debe realizar de tal forma que una
rotacin de la secuencia de smbolos produzca la misma salida en el decodicador. La com-
probacin de la propiedad de invarianza rotacional del codicador de la Recomendacin
V.32 se deja para el Problema P10.20.
Para otras constelaciones QAMla invarianza rotacional requerida tambin es con respec-
to a mltiplos de /2. En las constelaciones de tipo M-PSK, sin embargo, suele requerirse
una invarianza rotacional con respecto a mltiplos de 2/M.
Hasta ahora nos hemos referido a TCM denidos sobre constelaciones PAM paso banda,
pero es posible denir TCMsobre constelaciones denidas sobre espacios de dimensin ms
alta. Pensemos, por ejemplo, en un TCM denido sobre una una constelacin 16-QAM: esta
constelacin se puede considerar como concatenacin (tcnicamente, el producto externo o
cartesiano) de dos constelaciones 4-PAM en banda base. Si deseamos transmitir empleando
una constelacin 16-QAM y disponemos de un canal en banda de base podemos transmitir
la parte real de cada smbolo como uno de una 4-PAM y la parte imaginaria como otro. Pues
bien, si concatenamos dos smbolos 16-QAM tenemos una constelacin de 16 16 = 256
puntos sobre un espacio de dimensin 4.
Esta posibilidad no es slo un ejercicio acadmico, sino que se emplea en la prctica,
como demuestra el hecho de que el mdem para transmisin por canal vocal telefnico ms
avanzado, el que se especica la Recomendacin ITU-T V.34, [86], incluye un TCM sobre
una constelacin en un espacio de dimensin 4.
10.5. TCNICAS DE CODIFICACIN AVANZADA
Como se ha comentado con anterioridad en este captulo, el factor limitante en la ob-
tencin de buenas capacidades de correccin de errores o de inmunidad frente al ruido es
10.5 TCNICAS DE CODIFICACIN AVANZADA 661
la complejidad del decodicador. En los cdigos convolucionales, la complejidad del algo-
ritmo de Viterbi crece exponencialmente con la memoria total del convolucional. La mayor
limitacin de los decodicadores de los cdigos bloque es su no optimalidad, ya que ni-
camente decodican las palabras que tienen t
d
min
1
2
errores y las dems las descartan
como errores no decodicables. En el Apartado 10.2.6 se comprob que estos cdigos no se
aproximan a la capacidad del canal conforme aumentan su tamao y en el Apartado 10.5.2
mostraremos que la causa de este comportamiento es que el nmero de palabras posibles
en recepcin que se pueden decodicar con este tipo de decodicadores es una fraccin
muy pequea del total de posibles palabras recibidas. Para poder aproximarnos al lmite de
Shannon habra que decodicar palabras con ms de
d
min
1
2
errores, que en muchos casos
nicamente tendrn una palabra cdigo a mnima distancia y, por tanto, se podrn decodi-
car sin ambigedad. Adems, no existen decodicadores blandos ecientes para los cdigos
bloque estudiados, lo que limita su uso a canales digitales.
Los cdigos que se estudian en este apartado se basan en el diseo de un decodicador
subptimo de carga computacional lineal en el nmero de bits recibidos y que son capaces de
decodicar cualquier palabra recibida. Para que estos decodicadores subptimos presenten
una buena aproximacin a la decodicacin de mxima verosimilitud los codicadores se
deben disear siguiendo ciertas restricciones que no permiten maximizar la distancia mni-
ma. De hecho, para un tamao de cdigo dado, pueden tener una distancia mnima inferior a
los cdigos antes estudiados. A cambio, estos cdigos aumentan su distancia mnima con el
tamao del cdigo; en consecuencia, podemos emplear cdigos tan grandes como deseemos
porque la complejidad de estos cdigos es lineal en el nmero de bits de mensaje. Es este
incremento de distancia mnima el que nos va a permitir acercarnos a la capacidad del canal.
10.5.1. Cdigos turbo
Los cdigos turbo, o turbo cdigos se construyen concatenando dos codicadores con-
volucionales a travs de una memoria que recibe el nombre de barajador de bits (bit in-
terleaver) en un esquema como el que muestra la Figura 10.39. Aunque la variedad de
cdigos turbo disponibles es mucho mayor, a efectos de facilitar la exposicin nos centra-
remos exclusivamente en cdigos de tasa 1/3 basados en una concatenacin en paralelo de
codicadores convolucionales sistemticos de tasa 1/2, que son los que muestra la gura. La
decodicacin se basa en el algoritmo BCJR, una generalizacin del algoritmo de Viterbi
que realiza la deteccin MAP de cada bit de informacin (y no de la secuencia completa,
como el algoritmo de Viterbi) dada toda la secuencia recibida. Como veremos, esta caracte-
rstica impone un funcionamiento como un cdigo bloque, generando n = 3k bits de salida
por cada k de entrada, aunque los codicadores que emplee sean convolucionales. La idea
que subyace a los cdigos turbo es incrementar la memoria total del cdigo mediante el
empleo de un barajador, manteniendo acotada la complejidad del decodicador mediante el
algoritmo BCJR. Antes de entrar en mayor detalle en los cdigos turbo vamos a analizar los
barajadores de bits y el algoritmo BCJR.
Los barajadores de bits se propusieron inicialmente para evitar los errores en rfagas
y no especcamente para los cdigos turbo. En algunos sistemas de comunicaciones los
Cod. conv.
sistemtico
=1/2 R
Barajador
de bits
Cod. conv.
sistemtico
=1/2 R
[0], , [1], [ -1] B ... B B k
C C C k [0], [1],..., [ -1]
C k C k C k [ ], [ +1],..., [2 -1]
C k C k C k [2 ], [2 +1],..., [3 -1]
Figura 10.39. Representacin esquemtica de un cdigo turbo genrico.
errores producidos por ciertos canales variantes en el tiempo de comunicaciones no son in-
dependientes bit a bit, y pueden existir instantes en los que la probabilidad de error de bit es
sensiblemente superior a la media. Por ejemplo, en canales radio si tenemos un desvaneci-
miento no instantneo de la seal, la probabilidad de error puede aumentar varios rdenes
de magnitud durante un cierto intervalo de tiempo. Para evitar estas rfagas de bit errneos
se emplean los barajadores de bit a la salida del codicador de canal. Si aparecen errores en
rfaga a la entrada del receptor, la operacin inversa al barajador de bits (desbarajador) los
presentar como errores no consecutivos al decodicador, que as ser capaz de detectarlos
y corregirlos. En la Figura 10.40 se muestra de forma esquemtica el funcionamiento directo
(transmisor) e inverso (receptor) de un barajador de bits de tipo matricial
18
.
2 1 0
5
8
4
7
10
3
6
9 11 0 1 2
3 4 5
6 7 8
9 10 11
C C C C C C [0], [3], [6], [9],..., [8], [11]
C C C [0], [1],..., [11] C C C [0], [1],..., [11]
Figura 10.40. Representacin esquemtica de un barajador de bits de tipo matricial, ope-
racin directa (transmisor) e inversa (receptor).
En la gura podemos observar que si se produce una rfaga de 4 errores consecutivos en
los bits transmitidos que afectan a los 4 primeros bits (es decir, C[0], C[3], C[6] y C[9]), a
la salida del desbarajador del receptor estarn separados por dos bits correctos. En general,
18
Existen otros barajadores como los convolucionales que presentan menos retardo que los bloque, y por ese
motivo son frecuentemente empleados en sistemas de comunicaciones va radio, pero raramente para construir
cdigos turbo.
en el supuesto de que se produce una nica rfaga, la longitud de la rfaga mxima sin que
se produzcan errores consecutivos vendr determinada por el nmero de las. El nmero de
columnas nos indica la separacin entre bits consecutivos en el canal de comunicaciones a
la salida del desbarajador. El tamao del barajador se tendr que jar como un compromiso
entre la longitud de las rfagas de errores y el retardo que se puede aadir. Adems de
barajadores de bits matriciales sistemticos como el presentado en la Figura 10.40, existen
otras estrategias distintas al rellenado por las y vaciado por columnas, tales como aleatorias
o con distintos retardos para cada bit, aunque no profundizaremos en ellas en este texto.
Algoritmo BCJR
Como veremos, la decodicacin de los cdigos turbo se basa en el intercambio de men-
sajes entre los decodicadores correspondientes a cada uno de los dos convolucionales sobre
cuan able es cada bit de informacin. Esta medida suele ser funcin de la probabilidad a
posteriori de cada bit de informacin dada toda la secuencia recibida, es decir, Prb[l][r,
l = 0, , L 1, siendo L la longitud del bloque de bits de informacin. El algoritmo
BCJR, nombrado as en honor a sus 4 autores: Bahl, Cocke, Jelinek y Raviv, calcula dicha
probabilidad y decide la secuencia de bits transmitidos segn el criterio MAP. Esta decisin
minimiza la probabilidad de error de cada bit y no tiene por que coincidir con la proporcio-
nada por el algoritmo de Viterbi
19
, que minimiza la probabilidad de error sobre la secuencia
transmitida completa.
Para facilitar la exposicin del algoritmo BCJR vamos a considerar un cdigo convo-
lucional de tasa 1/n, de modo que por cada rama del diagrama de rejilla transmitimos n
smbolos. Adems, supondremos que el estado inicial del convolucional es tal que comienza
en el estado
0
.
= (0, 0, , 0) en el instante 0 y que naliza en el mismo estado al cabo de
k +K 3 transiciones, siendo K la longitud de restriccin del convolucional (vase Apar-
tado 10.3). Recordemos que si la memoria total del cdigo es M
t
el nmero de estados es de
2
M
t
. Vamos a centrarnos en el clculo de la probabilidad a posteriori para un bit de informa-
cin genrico b[l] cuando se dispone de la secuencia recibida r, es decir, Prb[l][r. Como
sabemos, el bit l-simo, junto con el estado del codicador [l] determinan por completo los
n bits de salida c[l] del codicador y el estado siguiente [l+1]. Alternativamente, podemos
calcular la probabilidad Prb[l] = 1 sumando las probabilidades Pr[l], [l + 1] para
todos aquellos pares de estados ([l], [l + 1]) que en el diagrama de rejilla estn conec-
tados por una rama que se recorre cuando b[l] = 1. La situacin descrita se puede entender
mejor con la ayuda de la Figura 10.41, en la que las ramas correspondientes a b[l] = 1 se
marcan con trazo continuo.
Por tanto, la probabilidad deseada se puede escribir como
Pr(b[l] = 1[r) =
([l],[l+1])
b[l]=1
f
,,r
([l], [l + 1], r)
f
r
(r)
(10.67)
19
La explicacin es muy similar a la que ofrecamos en el Apartado 8.3.3 de por qu el detector conjunto
multiusuario no minimizaba la probabilidad de error.
[ ] l y [ 1] l y +

( [ ]) l a y ( [ 1]) l b y +
Figura 10.41. Diagrama de rejilla ilustrando algunas de las transiciones correspondientes
a b[l] = 1 en trazo continuo y a b[l] = 0 en trazo discontinuo.
con una expresin anloga para el caso b[l] = 0. Como hemos sealado, la interpretacin del
sumatorio en (10.67) es como sigue: debemos sumar sobre todos aquellos pares de nodos
([l], [l +1]) tales que b[l] = 1. Como el convolucional es de tasa 1/n (un bit a la entrada)
es fcil ver que de cada estado del diagrama sale una nica transicin cuando b[l] = 1, por
lo que en (10.67) habremos de sumar 2
M
t
trminos, de cuyo clculo nos ocuparemos a con-
tinuacin. Por supuesto, idnticas consideraciones sirven para b[l] = 0. Dado que el divisor
f
r
(r) no depende de b[l], nos concentraremos exclusivamente en f
,,r
(
, , r). Para
una mayor claridad, en lo sucesivo, y salvo que se especique lo contrario, prescindiremos
de los subndices en las fdp.
En breve veremos que es til separar el vector recibido en tres partes: r[l] denota la sali-
da del canal cuando se transmiten los bits C[l]
.
= [C
(0)
[l], C
(1)
[l], , C
(n1)
[l]]; r
<
[l]
.
=
[r[0], , r[l 1]] y r
>
[l]
.
= [r[l + 1], , r[k + K 3]]. Obsrvese que r
<
[l] y r
>
[l]
contienen las muestras recibidas correspondientes a las transiciones anteriores y posterio-
res, respectivamente, a la l-sima. El vector con la secuencia recibida se puede escribir
r = [r
<
[l], r[l], r
>
[l]]. Alternativamente, si suponemos el cursor situado en el instante l,
entonces r
<
[l] contiene las muestras precursoras y r
>
[l] las postcursoras.
Obsrvese que tanto para el BSC como para el canal gausiano con modulacin binaria
los tres vectores recin denidos son estadsticamente independientes (es ms, sus compo-
nentes tambin lo son). Ahora podemos escribir:
f([l], [l + 1], r) = f([l], [l + 1], r
<
[l], r[l], r
>
[l])
= f([l], [l + 1], r
<
[l], r[l]) f(r
>
[l] [ [l], [l + 1], r
<
[l], r[l])
= f([l], r
<
[l]) f([l + 1], r[l] [ [l], r
<
[l])
f(r
>
[l] [ [l], [l + 1], r
<
[l], r[l]) (10.68)
= f([l], r
<
[l]) f([l + 1], r[l] [ [l]) f(r
>
[l] [ [l + 1])
donde la ltima lnea es consecuencia de que dado [l], se tiene que [l + 1] y r[l] no
dependen de r
<
[l] y, anlogamente, dado [l + 1], se tiene que r
>
[l] tampoco depende de
r
<
[l], de r[l] ni de [l].
Como vemos en (10.69), la probabilidad deseada se puede descomponer en tres trminos
que denotaremos respectivamente por ([l]), ([l], [l + 1]) y ([l + 1]). El primero
es proporcional a la probabilidad de estar en el estado [l] dada la secuencia precursora;
el tercero es la probabilidad de recibir la secuencia postcursora cuando el codicador se
encuentra en el estado [l + 1]; nalmente, el segundo se corresponde con la probabilidad
de recibir r[l] y pasar al estado [l + 1] cuando el codicador est en el estado [l].
Como cabe suponer, para construir el algoritmo BCJR se necesita encontrar una forma
recursiva en l de escribir tanto ([l]) como ([l + 1]). As, para l = 0, , k +K 3,
([l + 1]) = f([l + 1], r
<
[l + 1]) =
[l]
f([l + 1], [l], r
<
[l + 1])
=
[l]
f([l], r
<
[l]) f([l + 1], r[l] [ [l], r
<
[l])
=
[l]
f([l], r
<
[l]) f([l + 1], r[l] [ [l])
=
[l]
([l])([l], [l + 1]) (10.69)
dene la llamada recursin hacia adelante, que se inicializa con ([0]) = 1 para [0] =
0
y ([0]) = 0 si [0] ,=
0
.
Un desarrollo similar lleva a concluir que
([l]) =
[l+1]
([l + 1])([l], [l + 1]) (10.70)
que se inicializa con ([n+K2]) = 1 para [k +K2] =
0
y ([k +K2]) = 0
si [k+K2] ,=
0
. La Ecuacin (10.70) dene la denominada recursin hacia atrs. A la
vista de la construccin del algoritmo, se puede entender fcilmente el nombre de adelante-
atrs (forward-backward) con el que tambin se conoce.
Es interesante identicar los tres trminos que hemos denido con el algoritmo de Vi-
terbi: ([l]) es similar a la mtrica acumulada hasta el nodo [l] en dicho algoritmo. De
todas formas, mientras el algoritmo de Viterbi almacena la forma ms verosmil de llegar
hasta dicho nodo, el BCJR guarda la probabilidad (promedio sobre todas las secuencias po-
sibles) de estar en [l]. A su vez, el trmino ([l], [l +1]) se parece a la mtrica de rama
empleada en el algoritmo de Viterbi. Por lo que respecta al trmino ([l +1]), que permite
recorrer hacia atrs el diagrama de rejilla, no tiene equivalente en el algoritmo de Viterbi.
Otra diferencia importante es que el algoritmo BCJR necesita haber recibido toda la secuen-
cia para poder comenzar a operar, mientras que en el algoritmo de Viterbi era posible el uso
de una cierta profundidad de truncamiento, que equivala a un enventanado de la secuencia
recibida. Este enventanado permite una decodicacin que, aunque subptima, evita tener
que esperar a recibir toda la secuencia (vase Apartado 6.2.2).
Hasta ahora hemos explicado cmo se pueden calcular las probabilidades a posteriori
utilizando el algoritmo BCJR. Una vez stas estn disponibles, la secuencia de bits decodi-
cados

b =
_
b[0],
b[1], . . . ,
b[k 1]
_
se obtiene segn la regla MAP, es decir,
b[l] =
_
1, si Pr(b[l] = 1[r) > Pr(b[l] = 0[r)
0, en caso contrario
l = 0, 1, . . . , k 1 (10.71)
Es interesante ver que en todos aquellos canales cuyo efecto sobre cada smbolo transmi-
tido es estadsticamente independiente de los dems, es posible descomponer ([l], [l +
1]) como:
([l], [l + 1]) = f(r[l] [ b[l]) p(b[l])
= f(r
(0)
[l] [ b[l])
n1
i=1
f(r
(i)
[l] [ c
(i)
[l]) p(b[l]) (10.72)
siempre que en el diagrama de rejilla haya una rama que conecta [l] y [l + 1], mientras
que si dicha rama no existe ([l], [l + 1]) = 0. Para escribir la segunda lnea de (10.72)
hemos tenido en cuenta que el cdigo es sistemtico, por lo que C
(0)
[l] = B[l].
Sustituyendo (10.72) en (10.67) obtenemos una expresin para la probabilidad a poste-
riori deseada como
Prb[l] = 1[r = C
0
Prb[l] = 1 f(r
(0)
[l] [ b[l] = 1)
([l],[l+1])
b[l]=1
([l])([l + 1])
n1
i=1
f(r
(i)
[l] [ c
(i)
[l]) (10.73)
donde C
0
.
= 1/f(r) es una constante (no depende de b[l]). El bit decodicado es aqul que
maximiza la probabilidad p(b[l] [ r) de acuerdo con (10.73) y la expresin anloga para el
caso b[l] = 0.
La Ecuacin (10.73) admite una interesante interpretacin como producto de tres trmi-
nos (descartando C
0
): el primero reeja la probabilidad a priori del bit de informacin; el
segundo recoge la inuencia del canal sobre el bit de informacin (recurdese que este bit
sale del convolucional por ser sistemtico); nalmente, el tercero tiene en cuenta los bits de
paridad y la propia composicin de probabilidades en la rejilla. En principio podra parecer
que la primera probabilidad es irrelevante, ya que sin otra informacin a priori, es razona-
ble hacer que Prb[l] = 1 = Prb[l] = 0 = 1/2. Sin embargo, veremos que cuando
tenemos un cdigo turbo, el intercambio de informacin entre los dos decodicadores se
produce precisamente a travs de esta probabilidad a priori.
Obsrvese que tanto el canal BSC como el gausiano cumplen las condiciones que per-
miten llegar a (10.72). De hecho, es posible escribir una expresin cerrada para las proba-
bilidades condicionales que aparecen en (10.73). As, en el canal BSC con probabilidad de
cruce p, r es un vector binario y, por ejemplo, p(r
(0)
[l] [ b[l]) es 1 p cuando r
(0)
[l] = b[l]
y p en otro caso. Para un canal gausiano con entradas binarias antipodales y varianza
2
f(r
0
[l] [ b[l]) =
1
2
2
e
(r
(0)
[l]a[l])
2
/2
2
(10.74)
donde a[l] es el smbolo antipodal correspondiente al bit de informacin b[l]. Para los bits
de paridad se pueden escribir expresiones completamente anlogas.
Aqu encontramos otra diferencia importante con el algoritmo de Viterbi para deco-
dicacin de cdigos convolucionales: para poder aplicar el algoritmo BCJR necesitamos
conocer la probabilidad de transicin si vamos a transmitir sobre el BSC, y la varianza del
ruido (equivalentemente, la relacin seal a ruido) si la transmisin se realiza sobre el canal
gausiano. Esta informacin sobre el canal no es necesaria en el algoritmo de Viterbi.
Decodicacin de los cdigos turbo
La codicacin de los cdigos turbo se realiza como la de los cdigos convolucionales:
los bits a transmitir se codican con el primer cdigo a la vez que se emplean para rellenar
la memoria del barajador de bits. Cuando el barajador ha llenado la memoria, se pasan a co-
dicar los bits de informacin con el segundo convolucional con el orden proporcionado por
el barajador de bits. Por cada bit de informacin generamos 3 bits (vase Figura 10.39). Los
k primeros son los bits de informacin (b[l], l = 0, . . . , k 1) ya que estamos empleando
un cdigo sistemtico. Los siguientes k son los de redundancia del primer cdigo convolu-
cional y los ltimos k son los de redundancia del segundo cdigo convolucional. Los bits de
informacin se comparten por ambos cdigos convolucionales pero en distinto orden.
La decodicacin de los cdigos turbo emplea dos decodicadores BCJR encadenados:
primero empleamos el algoritmo BCJR con los primeros 2k bits recibidos correspondientes
al primer codicador. Obsrvese que, de acuerdo con la notacin establecida, el primer
decodicador emplea r
(0)
[l] = r[l] y r
(1)
[l] = r[k + l], con l = 0, , k 1. Aunque en
principio el decodicador BCJR nos proporcionara la probabilidad p(b[l][r[0], , r[k
1], r[k], r[k + 1], r[2k 1]), en realidad estamos ms interesados en la informacin de
abilidad que nos proporcionan los bits de redundancia. Esto es as porque suponemos que
a priori los bits de informacin son equiprobables y porque el segundo decodicador va a
tener tambin acceso a la parte de la seal recibida correspondiente a los bits de informacin,
vase (10.73). En otras palabras, la informacin nueva que el segundo decodicador va a
demandar del primero es la que depende de los bits de redundancia
20
. A esta informacin se
le llama extrnseca (desde el punto de vista del segundo decodicador) y viene dada por
Prb[l] = 1[r[k], , r[2k 1] = C
1
([l],[l+1])
b[l]=1
([l])([l + 1])f(r[k +l][c[k +l])
(10.75)
para todo l = 0, , k 1 y con C
1
constante.
BCJR1 BCJR2 [0], , [ 1] r r k - K
[2 ], , [3 1] r k r k- K

[0], , [ 1] b b k - K
[ ], , [2 1] r k r k - K
Barajador
p
Barajador
p
Desbarajador
1
p
-
1
( [ ]) p b l

{ }
2
( [ ] ) p b l p
Figura 10.42. Diagrama de bloques de un decodicador turbo. Las probabilidades de sali-
da del BCJR2 se inicializan de modo que p(b[l]) = 1/2, para todo l = 0, , k 1.
Un clculo anlogo servira para obtener la informacin extrnseca para el caso b[l] = 0.
La informacin extrnseca (tanto para b[l] = 0 como para b[l] = 1) se pasa al segundo deco-
dicador, que ahora la utiliza como probabilidades a priori de los bits de informacin. Para
ello es necesario barajarlas, de modo que el segundo decodicador las encuentre en el mismo
orden que las muestras de la seal recibida, vase Figura 10.42. Ahora el segundo decodi-
cador emplea el algoritmo BCJR con la asignacin r
(0)
[l] = r[l] y r
(1)
[l] = r[2k + l],
l = 0, , k 1 y extrae la informacin nueva para el primer decodicador a partir de
los bits de redundancia, donde denota la operacin del barajador. Lo que se entrega en
esta ocasin al primer decodicador como informacin extrnseca es una estimacin de la
probabilidad p(b[l][r) para lo que ahora ya se ha empleado directa o indirectamente (a tra-
vs del primer decodicador) toda la secuencia recibida. Esta informacin se obtiene para
b[l] = 1 como
p
2
(b[l] = 1)
.
=

Pr(b[l] = 1[r) (10.76)
= C
2
([l],[l+1])
b[l]=1
([l])([l + 1])f (r[2k +l][c[2k +l])
para todo l = 0, , k 1 y con C
2
constante. La informacin extrnseca del segundo de-
codicador se emplea (despus de haberla desbarajado) como probabilidades a priori para
el primer decodicador BCJR, que va a renar su estimacin p
1
(b[l]) de p(b[l][r) y que a su
20
En todo caso, obsrvese que para la operacin del algoritmo BCJR se necesita la secuencia recibida desde
r[0] hasta r[2k 1], no slo la correspondiente a los bits de redundancia.
vez servir como informacin extrnseca para el segundo decodicador, y as sucesivamen-
te. El principio de funcionamiento recuerda a los motores turbocomprimidos en los que
los gases de escape del motor sirven para mover una turbina que comprime el aire admitido
en los cilindros y por tanto da entrada a un mayor volumen de combustible, lo que en de-
nitiva hace que aumente la potencia. En cualquier caso la denominacin cdigos turbo es
algo desafortunada, ya que lo que si cabe es turbo es nicamente la decodicacin. Por
esta razn, en muchas ocasiones se habla de cdigos concatenados en paralelo
21
(lo que el
codicador de la Figura 10.39 es en realidad) y de decodicacin iterativa o decodicacin
turbo.
El proceso iterativo habr convergido cuando las probabilidades a posteriori estimadas
por ambos decodicadores estn prximas. La secuencia de bits de informacin decodica-
dos
b[0], ,
b[k1] es la estimada por el segundo decodicador empleando la informacin

extrnseca procedente del primero y la inuencia del canal sobre los bits de informacin y
de redundancia del segundo codicador.
Es importante sealar que la decodicacin turbo no es ptima porque el codicador
turbo se puede ver como un gran codicador bloque en el que entran k bits y salen n = 3k
bits. Un decodicador ptimo debera considerar el codicador como una gran matriz de
codicacin G y obtener los bits transmitidos comparando los n bits recibidos con las 2
k
secuencias posibles. Para valores tpicos de k (mayor de 1000 bits) la decodicacin ptima
es inviable. Tambin se puede observar que el codicador no es ptimo porque no se ha
diseado maximizando la distancia mnima, sino concatenando dos convolucionales. Pro-
bablemente un cdigo del mismo tamao construido para maximizar la distancia mnima
proporcionara mejores prestaciones que los cdigos turbo si fusemos capaces de decodi-
carlo. An as el empleo de esta aproximacin nos permite usar cdigos de gran tamao y
mejores prestaciones que los cdigos previamente estudiados.
Antes de completar esta seccin con varios ejemplos de cdigos turbo vamos a tratar
de entender intuitivamente por qu la decodicacin turbo proporciona una gran ganancia
en decodicacin. En estos cdigos cada bit de informacin que se codica a travs de 2
cdigos de tasa 1/2 est rodeado por bits diferentes en cada cdigo gracias al barajador. Si
una parte de la secuencia recibida tiene mucho ruido y las probabilidades a posteriori de los
bits de informacin no proporcionan una evidencia clara sobre el valor del bit transmitido
( p
1
(b[l] = 1) 0, 5), pero en el segundo codicador la probabilidad de este bit es mucho
ms clara (por ejemplo, p
2
(b[l] = 1) 1), al enviar esta informacin al primer codicador
va a permitir mejorar las estimaciones de probabilidad de los bits a su alrededor, que tie-
nen vecinos diferentes en el segundo codicador, que a su vez se van a beneciar de esta
informacin en las iteraciones futuras.
La decodicacin de los cdigos turbo recuerda a un efecto domin en el que los
bits ms ables (aquellos con probabilidades a posteriori prximas a 0 a 1) fuerzan a
los bits de su alrededor a tomar valores acordes con estas probabilidades para cumplir las
21
Existen tambin cdigos concatenados en serie cuyo principio de decodicacin iterativa es similar al ex-
puesto aqu. Un ejemplo sencillo de cdigos concatenados en serie lo constituyen los cdigos RA, que presen-
tamos ms adelante en este mismo apartado.
restricciones de la rejilla. El barajador consigue que esta abilidad se comparta por todos los
bits al esparcir los bits de informacin entre los dos cdigos. Al realizar la iteracin entre
los decodicadores de los dos convolucionales, el algoritmo de decodicacin permite que
la gran abilidad de algunos bits se extienda a todos los bits de informacin y que despus
de varias iteraciones (del orden de decenas) se obtengan estimas de muy alta calidad para
toda la secuencia de informacin con probabilidades de error muy bajas a la salida del
decodicador, incluso para relaciones seal a ruido bajas.
Cdigos de repeticin y acumulacin
Los cdigos RA (Repeat and Accumulate), como su propio nombre indica, repiten
cada bit a transmitir 3 veces, a continuacin barajan los bits de salida empleando un bara-
jador aleatorio, y el resultado se transmite nalmente empleando un codicador diferencial
(acumulador). El esquema de codicacin para estos cdigos se muestra en el Figura 10.43.
.
Repetidor Barajador
Acumulador
C C C C [0], [1], [2], [3],...
D
B B B ... [0], [1], [2], B B B B ... [0], [0], [0], [1], B B B B ... [27], [1065], [235], [679],
Figura 10.43. Esquema de un cdigo RA.
En el receptor, los bits recibidos primero se decodican con un BCJR para el codicador
diferencial y despus se pasan por el desbarajador para ver si las estimas de los 3 bits corres-
pondientes a cada bit de mensaje son idnticas. Si no lo son, se estiman las probabilidades a
posteriori de cada bit de informacin y se reenvan al decodicador BCJR correspondiente
al codicador diferencial. La decodicacin BCJR del cdigo de repeticin es sumamente
sencilla, ya que al no tener memoria, las probabilidades a posteriori se calculan como el
producto de las probabilidades individuales correspondientes a cada bit de salida del cdigo
de repeticin. La operacin descrita se repite hasta que los 3 bits estimados para cada bit de
informacin sean consistentes. A pesar de su sencillez estos cdigos son capaces de acercar-
se a la capacidad de canal para los canales gausianos con entrada digital y para los canales
digitales binarios.
En la Figura 10.44 se muestra la BER para estos cdigos RA con, respectivamente,
decodicacin blanda y dura. En las dos grcas se puede comprobar cmo las prestaciones
del cdigo mejoran con el tamao y cuando este es muy grande (superior a 10.000 bits) los
RA son capaces de reducir la BER tanto como deseemos para E
b
/N
0
en torno a 0,6 dB.
Para canales digitales binarios estos cdigos puede reducir la BER tanto como queramos
para probabilidades de error inferiores a 0,14. Para estos canales la capacidad del canal es
0,4 bits por uso de canal (observemos que la tasa de estos cdigos es R = 1/3).
Los cdigos RA se propusieron como una extensin a los cdigos turbo que permitiese
realizar anlisis tericos de sus prestaciones, algo que no es posible en otras conguraciones
0.5 1 1.5 2 2.5 3 3.5 4
10
4
10
3
10
2
10
1
n=300
n=600
n=1500
n=3000
Sin cod.
E
b
/N
0
(dB)
B
E
R
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
10
4
10
3
10
2
10
1
n=300
n=600
n=1500 n=3000
Sin cod.
E
b
/N
0
(dB)
B
E
R
(a) (b)
Figura 10.44. BER en funcin de E
b
/N
0
para cdigos RA con decodicacin blanda (a)
y dura (b).
ms complejas. Pero sus prestaciones son muy competitivas con respecto a los cdigos turbo
y han ido reemplazando a stos por sus buenas prestaciones y sencillez.
10.5.2. Cdigos LDPC
En este apartado se presenta una familia de cdigos bloque con una baja densidad de
unos en la matriz de comprobacin de paridad, por lo que reciben el nombre de cdigos
de comprobacin de paridad de baja densidad (Low-Densitity Parity-Check, LDPC). Esta
familia permite trabajar con matrices generadoras del cdigo de gran tamao (k y n pue-
den ser decenas de miles de bits), ya que su algoritmo de decodicacin es de baja carga
computacional. El decodicador de estos cdigos obtiene una aproximacin a la probabili-
dad a posteriori p
C[r
(c[l][r), l = 0, , n 1, de los bits de salida del codicador dada la
secuencia recibida. El procedimiento de decodicacin es una instancia de la llamada pro-
pagacin de la creencia (belief propagation), de la que la decodicacin BCJR tambin
puede considerarse un caso particular. La calidad de la aproximacin y la carga computacio-
nal del algoritmo dependen en gran medida de la existencia de una baja densidad de unos
en la matriz H. Tambin se puede demostrar que los cdigos LDPC presentan buenas pro-
piedades de distancia mnima y resultan competitivos con los ya presentados en trminos de
proteccin contra errores y de carga computacional asociada.
Justicacin
En la primera parte de este captulo presentamos los cdigos bloques y estudiamos cmo
construir cdigos bloque de cualquier distancia mnima asegurando una tasa de codicacin
lo mayor posible (teorema BCH). Dichos cdigos se pueden decodicar de forma eciente
(lineal con la distancia mnima mediante el algoritmo de Berlekamp-Massey), lo que nos
permita construir cdigos bloque de gran tamao. Es pertinente preguntarse entonces por
qu estos cdigos bloque no nos permiten acercarnos a la capacidad del DMC. La respuesta
es que la no perfeccin de los cdigos bloque en general y la de los cclicos en particular
constituye el principal obstculo. Cuando presentamos los cdigos bloque hablamos de los
cdigos perfectos, que eran aqullos en los que todas las posibles palabras recibidas se
encontraban a lo sumo a una distancia de Hamming
d
min
1
2
de alguna palabra cdigo.
Entonces sealamos que, por desgracia, el nmero de cdigos perfectos disponibles era muy
reducido (nicamente disponemos de la familia de cdigos Hamming y del cdigo Golay)
por lo que se haca necesario emplear cdigos no perfectos para conseguir otras tasas de
codicacin y otras distancias mnimas.
Podra pensarse que otros cdigos bloque presentados a lo largo del captulo son casi
perfectos, en el sentido de que existen pocas posibles palabras recibidas a distancia mayor
de
d
min
1
2
de alguna palabra cdigo, por lo que una decodicacin limitada exclusiva-
mente a aquellas palabras recibidas con no ms de
d
min
1
2
errores arrojara resultados
casi idnticos a la de mxima verosimilitud. Desgraciadamente, la realidad es bien distinta y
los cdigos cclicos estudiados, incluyendo los Reed-Solomon, son altamente imperfectos,
de modo que los decodicadores que corrigen
d
min
1
2
o menos errores, estn muy lejos
de la decodicacin de mxima verosimilitud. Como ejemplo de la imperfeccin de la que
hablamos, tomemos el cdigo BCH binario (63, 30) con d
min
= 13, que corrige hasta 6
errores. El nmero de palabras posibles en recepcin es 2
63
y el nmero de palabras deco-
dicables es 2
30
6
i=0
_
63
i
_
2
56,2
. Para este cdigo la fraccin de palabras decodicables
sobre el total de las posibles es 2
56,2
/2
63
= 2
6,8
, que nicamente supone el 0,89 % del
total. Otro ejemplo es el de un cdigo RS (63, 51), con d
min
= 13, para el que la fraccin de
palabras decodicables baja a un 0,01 % de todas las posibles.
En la Figura 10.45 se muestra para varios cdigos BCH binarios la fraccin de las pala-
bras recibidas que se pueden corregir por un decodicador limitado a
d
min
1
2
errores para
distintas longitudes de cdigo y tasas de codicacin. Como se observa, muy pocos cdigos
decodican una fraccin signicativa de las palabras recibidas a excepcin de los cdigos
Hamming (los de mayor tasa para cada n). En el siguiente ejemplo se muestra la diferencia
en trminos de BER entre utilizar decodicador limitado a
d
min
1
2
errores (algoritmo de
Berlekamp-Massey) y uno de mxima verosimilitud para todas las palabras cdigo.
Ejemplo 10.24
Se va a decodicar el cdigo BCH binario (127, 8) que tiene una distancia mnima d
min
= 63 y
es capaz de corregir todas las palabras de hasta 31 errores con el algoritmo de Berlekamp-Massey.
Se ha elegido este cdigo por dos motivos: porque se puede realizar un decodicador de mxi-
ma verosimilitud midiendo la distancia Hamming entre la palabra recibida y todas las palabras
cdigo (existen solo 256) y porque la fraccin de palabras no decodicadas por el algoritmo de
Berlekamp-Massey es 0,9999992.
En la Figura 10.46 se puede comprobar que la diferencia en la probabilidad de error es de cuatro
rdenes de magnitud (para E
b
/N
0
= 8 dB) y emplear un decodicador limitado a
d
min
1
2

errores desaprovecha gran parte de la capacidad de decodicacin de los cdigos empleados.
El ejemplo anterior es ilustrativo de lo que se pierde por emplear un decodicador li-
0 0.2 0.4 0.6 0.8 1
10
10
10
8
10
6
10
4
10
2
10
0
R
F
r
a
c
c
i
o
n

d
e

p
a
l
a
b
r
a
s

d
e
c
o
d
i
f
i
c
a
b
l
e
s
n=15
n=31
n=63
n=127
Figura 10.45. Fraccin de palabras recibidas que se pueden decodicar con el algoritmo
de Berlekamp-Massey.
mitado a
d
min
1
2
errores, pero el empleo de un decodicador de mxima verosimilitud no
supone una solucin al problema porque su complejidad crece exponencialmente con el n-
mero bits del mensaje, lo que limita su uso a cdigos con muy pocas palabras cdigo. La
diferencia entre la probabilidad de error de bit entre ambos decodicadores aumenta confor-
me disminuye la fraccin de palabras recibidas que el algoritmo de Berlekamp-Massey es
capaz de decodicar. Conforme aumenta n para una tasa de codicacin dada esta fraccin
disminuye (vase Figura 10.45), por lo que la decodicacin de cdigos bloque de gran ta-
mao mediante el algoritmo de Berlekamp-Massey supone una gran prdida de la capacidad
correctora presente en el cdigo original y que slo es alcanzable con la decodicacin ML.
Naturalmente, la mayor limitacin de la decodicacin de mxima verosimilitud es su carga
computacional, ya que necesita una tabla con las 2
k
palabras cdigo o, en su defecto, una
tabla con 2
nk
sndromes, cifras ambas que crecen exponencialmente con n para un cdigo
de tasa ja, por lo que la decodicacin ML slo es prctica para cdigos de tasas prximas
a 1 o a 0. En resumen, la limitacin de los cdigo bloque cclicos no se debe a su capa-
cidad protectora sino a que el algoritmo de decodicacin es insuciente para aprovechar
dicha capacidad. Es por ello que cobra sentido buscar otros algoritmos de decodicacin
que proporcionen una aproximacin a la decodicacin ML, para lo que se puede pensar en
esquemas iterativos, a semejanza de los decodicadores para cdigos turbo o RA.
Algoritmo de paso de mensajes
Para la exposicin del algoritmo de paso de mensajes vamos a emplear una herramienta
conocida como grafo de Tanner que sirve para representar de forma grca la estructura de
un cdigo bloque. Los nodos del grafo de Tanner separan en dos conjuntos los bits de la
palabra recibida y el resultado de las ecuaciones de comprobacin de paridad (sndrome).
Los nodos del primer tipo se conocen como nodos variables y los del segundo nodos de
2 3 4 5 6 7 8 9 10
10
6
10
5
10
4
10
3
10
2
10
1
E
b
/N
0
(dB)
B
E
R
Dec ML
Dec BM
Sin Cod
Figura 10.46. BER en funcin de la relacin seal a ruido para el cdigo BCH binario
(127,8) decodicado con el algoritmo Berlekamp-Massey (Dec BM) y la decodicacin
de mxima verosimilitud (Dec ML).
comprobacin. Para un cdigo (n, k) el nmero de nodos variables es n y el nmero de
nodos de comprobacin es nk. La construccin de un grafo de Tanner es inmediata a partir
de la matriz de comprobacin de paridad H: basta con ver que el nodo de comprobacin
f[i] estar conectado con el nodo variable c[l]
22
si y slo si el elemento (i, l) de la matriz H
toma el valor 1, como muestra el siguiente ejemplo.
Ejemplo 10.25
Sea un cdigo (5, 2) con matriz de comprobacin de paridad
H =
_
_
1 1 0 1 0
1 0 1 0 0
0 1 1 1 1
_
_
cuyo grafo de Tanner se representa en la Figura 10.47, con los nodos variables como crculos
y los de comprobacin como cuadrados. En el nodo de comprobacin f[0] se implementa la
ecuacin f[0] = c[0] +c[1] +c[3], donde las sumas se efectan en GF(2).
En general, los nodos de comprobacin (representados como cuadrados en la Figu-
ra 10.47) realizan la suma de los nodos variables conectados con aqullos. La decodicacin
se basa en el paso de mensajes de los nodos variables a los de comprobacin y viceversa.
Vamos a ilustrar el principio de funcionamiento de dicho algoritmo de con una especie de
versin binaria del mismo conocida como volteo de bits (bit-ipping). En la primera fase
del algoritmo de volteo de bits los nodos variables envan un mensaje con su contenido a los
nodos de comprobacin. Al principio, cada nodo variable contiene el bit correspondiente de
22
Con un cierto abuso de notacin, utilizaremos c[l] para denotar el l-simo nodo variable y el l-simo bit
de una palabra cdigo. La razn es que a menudo usaremos el grafo de Tanner para vericar propiedades que
deben cumplir las palabras cdigo.
[0] f
[0] c [1] c [2] c [3] c [4] c
[1] f [2] f
Figura 10.47. Grafo de Tanner del Ejemplo 10.25.
la palabra recibida r. En la segunda etapa, cada nodo de comprobacin f[i] enva a cada no-
do variable c[l] conectado con l el valor que cree que debera tomar para que se cumpliese
la ecuacin de paridad que en aqul se implementa. Por supuesto, si todas las ecuaciones
de comprobacin de paridad se satisfacen simultneamente (es decir, si todos los bits del
sndrome son cero), el algoritmo naliza. En la siguiente etapa cada nodo variable examina
la informacin disponible: el bit correspondiente de la palabra recibida y las sugerencias de
los nodos de comprobacin con los que est conectado. Con esta informacin decide qu
valor almacenar en el nodo y se vuelve a la segunda etapa arriba descrita. Vemoslo con el
ejemplo anterior.
Supongamos que se transmite la palabra cdigo c
0
= [1, 0, 0, 1, 1] por un BSC de modo que el
primer bit se recibe con error, esto es, r = [0, 0, 0, 1, 1]. Esto implica que el contenido inicial de
los nodos variables es c = [0, 0, 0, 1, 1]. Por tanto, el nodo c[0] enva un mensaje con un 0 a los
nodos de comprobacin f[0] y f[1]; el nodo c[1] enva un mensaje con otro 0 a los nodos f[0] y
f[2], etc.
Ahora es el turno de los nodos de comprobacin de paridad: cada nodo calcula qu valor debera
tomar c[l] para que se satisciesen las ecuaciones de comprobacin de paridad. Por ejemplo,
como f[0] = c[0] + c[1] + c[3]; c[1] = 0 y c[3] = 1, entonces f[0] va a sugerir a c[0] que pase a
tomar el valor 1 en la prxima iteracin. Como c[0] = 0 y c[3] = 1, entonces f[0] va a sugerir a
c[1] que la prxima vez tome el valor 1. Finalmente, como c[0] = 0 y c[1] = 0, el valor sugerido
por f[0] a c[3] es de 0. Esta operacin se realiza para todos los nodos de comprobacin y se
resume en la tabla siguiente, en la que se indican los valores que cada nodo f[i], i = 0, 1, 2,
sugiere a cada nodo c[l], l = 0, , 4. Las entradas vacas en la tabla se deben a que entre los
nodos implicados no hay conexin.
c[0] c[1] c[2] c[3] c[4]
f[0] 1 1 0
f[1] 1 1 0
f[2] 0 0 1 1
De nuevo es el turno de los nodos variables. Cada uno examina las dos sugerencias de los nodos
de comprobacin y el bit correspondiente de la palabra recibida. En total, cada nodo variable
dispone de tres fuentes de informacin para decidir voltear o no su contenido. En el algoritmo del
volteo de bits, esta decisin se toma por mayora. Por ejemplo, el nodo c[0] conoce que r[0] = 0,
pero los dos nodos de comprobacin de paridad (columna correspondiente a c[0] en la tabla)
sugieren que tome el valor 1, por lo que decide aceptar la sugerencia. El lector puede comprobar
que una vez realizado este proceso, el contenido de los nodos variables es c = [1, 0, 0, 1, 1] que,
como se ve, coincide con la palabra cdigo transmitida. El algoritmo naliza en cuanto los nodos
de comprobacin verican que la informacin enviada por los nodos variables satisface todas las
ecuaciones de paridad.
Uno de los problemas del cdigo empleado en el Ejemplo 10.25 es que la informacin
que recibe un nodo variable de los nodos de comprobacin tras la primera iteracin no
es realmente independiente de la informacin aportada por el bit homlogo de la palabra
recibida. Por ejemplo, la respuesta de los nodos f[0] y f[2] al nodo c[3] depende del valor
del nodo c[1]; del mismo modo, la respuesta de f[0] y f[2] a c[3] depende del valor de
c[1]. Es fcil entender que estas interdependencias contaminan la informacin que maneja
el algoritmo; esto es precisamente lo que tratbamos de evitar con el paso de solamente la
informacin extrnseca entre los decodicadores BCJR de un decodicador turbo. En el caso
del algoritmo en cuestin esto debera traducirse en la ausencia de ciclos o, cuando menos,
en ciclos lo ms largos posible. Por ejemplo, el caso que hemos descrito se corresponde
con el ciclo c[1] f[0] c[3] f[2] c[1], que se denomina un ciclo corto
23
, y
que se marca en la Figura 10.47 con trazo grueso. El lector puede comprobar con la palabra
recibida r = [1, 0, 0, 0, 1] cmo estos ciclos cortos dan lugar a ciclos en el contenido de c sin
que se llegue a converger a una palabra cdigo. Como ya debemos intuir, para que un cdigo
bloque presente pocos ciclos y que stos sean largos, la matriz de comprobacin de paridad
debe tener pocas entradas a uno, de ah el nombre de stos cdigos. Adems, se puede
demostrar (lo veremos ms adelante con un ejemplo) que las matrices de comprobacin de
paridad con al menos 3 unos por columna producen cdigos bloque a 1 dB del lmite de
Shannon para canales gausianos. Existen matrices de comprobacin de paridad sin ciclos,
pero sus prestaciones son malas.
Ejemplo 10.26
La matriz de comprobacin de paridad de un cdigo LDPC de tasa 1/2 con 3 unos por columna
y 6 unos por la es
H =
_
_
1 0 0 1 1 1 1 0 0 1 0 0
0 1 1 0 0 1 0 1 0 1 1 0
0 0 1 1 1 1 0 1 0 0 0 1
0 1 0 0 1 0 1 0 1 1 1 0
1 1 1 0 0 0 1 0 1 0 0 1
1 0 0 1 0 0 0 1 1 0 1 1
_
_
(10.77)
El objetivo del algoritmo de paso de mensajes que vamos a describir ms adelante es el
de encontrar las probabilidades a posteriori de los bits transmitidos c[l], l = 0, , n 1,
condicionadas a la recepcin del vector r y a que se cumplen las ecuaciones de comproba-
cin de paridad (de modo que c sea una palabra cdigo). Una vez encontrada esta palabra
23
De hecho, los ciclos ms cortos son aquellos en los que intervienen 4 nodos diferentes.
cdigo, la decodicacin es inmediata, dado que, como sabemos, existe una corresponden-
cia biunvoca entre palabras cdigo y mensajes.
Primero vamos a buscar una forma conveniente de escribir la probabilidad deseada para
el bit l-simo, Prc[l] = 1[r, S, donde S es el suceso es una palabra cdigo, que fuerza
a que simultneamente se satisfagan todas las ecuaciones de comprobacin de paridad re-
lativas a c[l]. Como en el caso de cdigos turbo, trabajaremos equivalentemente con la fdp
f(c[l], r, S). La suposicin ms frecuente para el clculo de la probabilidad deseada es que
el grafo de Tanner del cdigo no posee ciclos. Aunque esta hiptesis no se cumple en la
mayora de los cdigos LDPC, resulta una buena aproximacin cuando los ciclos son su-
cientemente largos. Un grafo de Tanner sin ciclos se puede representar de forma alternativa
como en la Figura 10.48, en la que explcitamente se aisla el nodo c[l]. Adems, por razo-
nes que luego se comprendern, tambin hemos aislado el i-simo nodo de comprobacin
de paridad f[i]. Sea T[l] el conjunto de ndices de nodos de comprobacin conectados a
c[l] (de un modo similar, denotaremos por ([i] el conjunto de ndices de nodos variables
conectados directamente a f[i]). Por ejemplo, en la matriz de comprobacin de paridad del
Ejemplo 10.77, T[2] = 2, 3, 4, 5, 7, 11 y ([3] = 0, 2, 5.
[ ] c l
[ ] f i
Figura 10.48. Grafo de Tanner sin ciclos, ilustrando el paso de mensajes. Si se elimina el
nodo c[l] los nodos de comprobacin de paridad tienen entradas independientes.
Es fcil ver que, bajo la hiptesis de ausencia de ciclos, un nodo dado c[j], j ,= l, no
puede estar conectado (directa o indirectamente) a ms de un nodo con ndice en T[l] si no
es a travs de c[l]. La situacin se ilustra en la Figura 10.48. En otras palabras, exceptuando
c[l], cualquier otro nodo variable c[j] participar en un nico nodo de comprobacin cuyo
ndice pertenezca a T[l]. Sea S
m,l
el resultado de sumar todos los nodos conectados a f[m],
excepto c[l]. Como en f[m] se debe satisfacer la paridad para todo m T[l], entonces se ha
de cumplir que c[l] +S
m,l
= 0 (con sumas mdulo-2) o, equivalentemente, que c[l] = S
m,l
.
Pero, adems, jado c[l], la hiptesis de ausencia de ciclos nos garantiza la independencia
entre los S
m,l
, por lo que podemos escribir
PrS[c[l] = 1 =
mT[l]
PrS
m,l
= 1 (10.78)
con una expresin anloga para el caso c[l] = 0. Para calcular cada uno de los factores
en (10.78) podemos recurrir al siguiente resultado: si tenemos una secuencia de P dgitos
binarios independientes con probabilidad p
i
, i = 0, , P 1 de que tomen el valor 1,
entonces la probabilidad de que su suma tome un valor par es
1
2
+
1
2
P1
i=0
(1 2p
i
). Por
tanto, podemos escribir
PrS
m,l
= 0 =
1
2
+
1
2
iC[m]
i,=l
(1 2Prc[i] = 1)
PrS
m,l
= 1 = 1 PrS
m,l
= 0 =
1
2

1
2
iC[m]
i,=l
(1 2Prc[i] = 1)(10.79)
Para separar las contribuciones del vector recibido r en la parte directamente afectada
por c[l] y el resto, denotaremos por r
,=
[l] el vector que contiene todas las componentes de r
excepto r[l]. As,
f(c[l], r, S) = f(c[l], r
,=
[l], r[l], S)
= f(r[l] [ S, c[l], r
,=
[l]) PrS[c[l], r
,=
[l] f(c[l], r
,=
[l]) (10.80)
Dado c[l], se tiene que r[l] es estadsticamente independiente de r
,=
[l] y de S; por tanto,
f(r[l] [ S, c[l], r
,=
[l]) = f(r[l] [ c[l]). Por otra parte, sin condicionar al cumplimiento de las
ecuaciones de paridad, c[l] y r
,=
[l] son independientes, lo que aadido a la equiprobabilidad
(a priori) de que c[l] tome el valor 0 1, hace que podamos considerar que f(c[l], r
,=
[l]) es
constante (desde el punto de vista de hacer mxima la probabilidad a posteriori ).
Como consecuencia de todo lo anterior, podemos escribir
Prc[l] = 0[r = C
l
f(r[l] [ c[l] = 0)
mT[l]
PrS
m,l
= 0[r
,=
[l]
Prc[l] = 1[r = C
l
f(r[l] [ c[l] = 1)
mT[l]
PrS
m,l
= 1[r
,=
[l] (10.81)
donde C
l
es una constante que garantiza que las dos probabilidades anteriores suman 1.
Las ecuaciones (10.79) y (10.81) nos sugieren el mecanismo de un algoritmo recursivo
que va actualizando la probabilidad a posteriori de c[l] mediante el paso de mensajes entre
los nodos variables y los nodos de comprobacin, de un modo similar al algoritmo de volteo
de bits (vase Figura 10.48). En la inicializacin, dado que no hay ninguna otra informacin
disponible, se ja Prc[l] = 0[r = f(r[l] [ c[l] = 0), con una expresin similar para
c[l] = 1. Ambas probabilidades se calculan exactamente como indicamos en el apartado
dedicado a cdigos turbo (vase (10.74)). Recurdese que para canales BSC (decodicacin
dura) ello implica conocer la probabilidad de transicin, mientras que para canales gausia-
nos (decodicacin blanda), se necesita conocer la relacin seal a ruido. Una vez iniciado
el algoritmo, los nodos de comprobacin emplean (10.79) para calcular su mensaje desti-
nado a cada nodo variable. Dicho mensaje es la probabilidad de que la suma de paridad
produzca 0 (respectivamente 1) cuando se elimina el nodo variable destinatario; esta proba-
bilidad coincide con la probabilidad de que el nodo destino tome el valor 0 (1) (a partir de
la evidencia disponible en el nodo de comprobacin en cuestin). Una vez que los nodos
variables han recibido la informacin de los nodos de comprobacin, emplean (10.81) para
generar los mensajes hacia los nodos de comprobacin, y el proceso se repite hasta que se
verican todas las ecuaciones de comprobacin de paridad o se ha superado un nmero de
iteraciones jado de antemano.
Cuando el nodo c[i] emplea (10.81) para generar el mensaje hacia f[i] (suponiendo que
ambos estn conectados) es importante eliminar del producto f[i]
24
; es decir, se debe realizar
para todo m T[l], m ,= i. La razn es la misma que la que nos llevaba a intercambiar
nicamente la informacin extrnseca en el caso de cdigos turbo: los mensajes de c[l] a
f[i] deben contener slo aquella informacin que f[i] no tiene ya disponible. Por contra, si
se desea obtener una estimacin de la probabilidad a posteriori de c[l], entonces todos los
trminos en el producto de (10.81) han de ser empleados.
Construccin de la matriz de comprobacin de paridad
En la introduccin de los cdigos LPDC se coment que el algoritmo BCJR iterado
proporciona mejores aproximaciones a la probabilidad a posteriori de cada bit si la matriz
de comprobacin de paridad contiene pocos unos. Las matrices de comprobacin de paridad
para estos cdigos se generan de forma aleatoria con J unos por columna, para controlar
de esta forma el nmero de unos totales en H. Cuanto menor sea J, menor ser el nmero
de ciclos y mejor la aproximacin del algoritmo BCJR iterado.
El valor de J resulta de un compromiso entre la distancia mnima del cdigo bloque y
las prestaciones del algoritmo de decodicacin para aproximar la deteccin de mximo a
posteriori. En un ejemplo se mostrar que J = 3 presenta las mejores prestaciones para los
distintos valores de n.
Una vez construida H, obtenemos la matriz generadora del cdigo Gempleando el m-
todo explicado en el Apartado 10.2.1, que incluye la utilizacin de la tcnica de eliminacin
de Gauss en caso de que la matriz generadora no sea sistemtica. Para los cdigos LDPC
conocemos la matriz H y queremos determinar G: puesto que Gy H son intercambiables
como matrices generadoras y de comprobacin de paridad, podemos aplicar eliminacin de
Gauss sobre las las de H, obtener H
= [I
nk
P
T
] y construir la matriz generadora del
cdigo como G = [P I
k
].
24
Ello obliga a recalcular la constante C
l
.
Prestaciones de los cdigos LDPC
En este apartado se examinan las prestaciones de los cdigos LDPC y cmo son capaces
de proporcionar probabilidades de error tan pequeas como se desee para relaciones E
b
/N
0
iguales o mayores que 1 dB para modulaciones binarias antipodales en canales gausianos.
En la Figura 10.49 se muestra la BER obtenida empleando cdigos LDPC de tasa 1/2 para
un BSC con probabilidad de transicin 0,075, que proporciona una capacidad de 0,6157
bits/transmisin. Los crculos () muestran la BER de los cdigos LDPC con 3 unos por
columna para n desde 100 hasta 20.000, siendo la menor BERpara n = 20.000. Asimismo,
a efectos de comparacin, se muestran las probabilidades de error de bit de los cdigos BCH
binarios con n entre 7 y 1023 para distintas tasas de codicacin (puntos ) y los cdigos
convolucionales de tasa 1/2 con K = 11 y 12 (aspas ). En esta gura se puede ver que
los cdigos LDPC pueden proporcionar probabilidades de error muy bajas para tasas de
codicacin prximas a la capacidad de canal, aunque no son capaces de alcanzar dicha
capacidad porque el algoritmo de decodicacin nicamente proporciona una aproximacin
a la solucin de mxima verosimilitud.
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
10
6
10
5
10
4
10
3
10
2
10
1
E
b
/N
0
(dB)
B
E
R
b
/N
0
para los cdigos LPDC con n = 100, 250, 500,
1.000, 2.500, 5.000, 10.000 y 20.000 (crculos ); cdigos BCH () y convolucionales ().
La lnea continua muestra la tasa mxima alcanzable.
En la Figura 10.50 se muestra la decodicacin de los cdigos LDPC empleando la
salida del canal BSC (decodicacin dura) y la salida del canal gausiano (decodicacin
blanda). En esta grca, se puede ver que los cdigos LDPC pueden reducir la probabilidad
de error conforme aumenta n para la decodicacin dura con E
b
/N
0
3 dB (equivalente a
un probabilidad de error de bit en el canal de 0,079 y una capacidad de 0,6 bits/transmisin).
Para la decodicacin blanda se puede reducir la BER conforme aumenta n si E
b
/N
0
es
superior a 1 dB.
Para completar la presentacin de los cdigos LDPC se muestra en la Figura 10.51 el
efecto que tiene en los cdigos LDPC el tamao de la matriz de decodicacin y el nmero
1 2 3 4 5 6 7
10
4
10
3
10
2
10
1
n=1000 n=100
n=1000 n=100
Sin cod.
E
b
/N
0
(dB)
B
E
R
b
/N
0
para dos cdigos LDPC con 3 unos por co-
lumna, de tasa 1/2 y tamaos de bloque n = 100 y 1.000, decodicacin blanda (lnea
continua) y decodicacin dura (lnea discontinua).
de unos por columna. En la Figura 10.51(a) se representa la BER en funcin de nmero
de unos por columna para n = 100, observndose que para 2 unos por columna las
prestaciones del cdigo son muy pobres porque la distancia mnima del cdigo es baja, y
en consecuencia su BER disminuye lentamente con la relacin seal a ruido. Cuando em-
pleamos 3 unos por columna obtenemos las mejores prestaciones para los cdigos LDPC,
porque se dispone de una distancia mnima sucientemente elevada (crece conforme aumen-
ta n) y a la vez se consigue una buena aproximacin a la solucin de mxima verosimilitud
para cada palabra recibida. Para 4 o ms unos por columna, aunque aumenta la distancia
mnima del cdigo, el decodicador LDPC presenta mayores fallos de decodicacin y, por
tanto, aproxima peor la solucin de mxima verosimilitud. Aunque nicamente se presenta
una comparativa para n = 100, este resultado es representativo de los resultados que se
obtienen para otros tamaos de bloque con cdigos LDPC.
En la Figura 10.51(b) se muestra la BER para los cdigos LDPC conforme aumenta el
tamao del bloque. El resultado es el esperable: la probabilidad de error disminuye conforme
aumenta n para una E
b
/N
0
ja, si sta es mayor que 1 dB. Para relaciones E
b
/N
0
menores
de 1 dB los cdigos LDPC con 3 unos por columna presentan una BER constante con el
tamao del cdigo bloque y superior a la probabilidad de error del sistema sin codicacin.
Existen excelentes textos sobre codicacin para proteccin contra errores, sin duda, el
libro de Lin y Costello [45], todo un clsico del que acaba salir la segunda edicin actua-
lizada con los avances producidos en los ltimos 20 aos, es la referencia bsica para la
codicacin de canal. Los libros de Wicker [92] y Blahut [10] son grandes guas para los
1 2 3 4 5 6 7
10
4
10
3
10
2
10
1
J=2 J=3 J=6
Sin cod.
E
b
/N
0
(dB)
B
E
R
1 1.5 2 2.5 3 3.5 4 4.5 5
10
4
10
3
10
2
10
1
n=1000 n=100 n=250 n=500
Sin cod.
E
b
/N
0
(dB)
B
E
R
(a) (b)
Figura 10.51. BERen funcin de E
b
/N
0
para cdigos LDPC de tasa 1/2: (a) de n = 100
y valores del nmero de unos por columna (J) de 2 a 6; (b) J = 3 y valores de n de 100
a 1.000.
cdigos algebraicos y de estos libros estn tomadas las ideas para exponer la estructura alge-
braica de los cuerpos de Galois. Entre los libros de comunicaciones digitales, caben destacar
los de Wilson [94] y Barry, Lee y Messerschmitt [5], en los que se presentan de forma de-
tallada los conceptos bsicos de la codicacin para la proteccin contra errores. El manual
de Benedetto y Biglieri [7] contiene una descripcin pormenorizada de los cdigos turbo
y de las modulaciones codicadas en rejilla, y un tratamiento exhaustivo de estos ltimos
podemos encontralo en el libro de Biglieri, Divsalar, McLane y Simon [11]
Entre los libros recientes que abordan las tcnicas de decodicacin iterativas caben
destacar los libros de Schlegel y Perez [71] y MacKay [47]. En este ltimo se presentan
los cdigos LDPC, propuestos por Gallager en 1963 [27] y redescubiertos por el propio
MacKay en 1999 [46] y su algoritmo de decodicacin.
Entre los temas ms relevantes que no hemos abordado en este captulo caben destacar
las extensiones irregulares de los cdigos LDPC y RA. Los trabajos de Richardson, Urbanke
y colaboradores [66, 65, 17, 18] permiten acercar a los cdigos LDPC irregulares a 0,0045
dB de lmite de Shannon, as como analizar sus prestaciones de forma terica. Los cdigos
RAirregulares [42, 41, 69] tambin permiten acercarse a la capacidad de canal con esquemas
de codicacin que son de complejidad lineal en el nmero de bits codicados.
PROBLEMAS
P10.1 Un cdigo tiene las siguientes siete palabras cdigo
0010 0100 1110 1000 1010 1100 0110
Es un cdigo lineal?
P10.2 La matriz de codicacin de un cdigo lineal Reed-Muller (3, 1) es
G =
_
_
1 1 1 1 1 1 1 1
0 1 0 1 0 1 0 1
0 0 1 1 0 0 1 1
0 0 0 0 1 1 1 1
_
_
Determine la tasa del cdigo, su distancia mnima y la tabla de sndromes.
(Sugerencia: el clculo de la tabla de sndromes se realiza de forma ms sencilla si
antes se transforma el cdigo en uno sistemtico.)
P10.3 Dada la matriz generadora para un cdigo lineal (7, 3):
G =
_
_
0 0 1 1 1 0 1
0 1 0 0 1 1 1
1 0 0 1 1 1 0
_
_
3.1. Construya la matriz generadora de un cdigo sistemtico equivalente.
3.2. Encuentre la matriz de control de paridad H.
3.3. Construya la tabla con todos los posibles sndromes y obtenga el patrn de
errores ms probable asociado a cada sndrome.
3.4. Calcule la distancia mnima del cdigo (7, 3), d
min
. Que capacidad correctora
de errores tiene este cdigo?
3.5. Compare las prestaciones de este cdigo con las de un cdigo Hamming (7, 4).
Existe alguna relacin entre ambos?
3.6. Calcule la palabra codicada, cuando a la entrada tiene la palabra 101. Verique
que su sndrome es 0.
P10.4 Calcule la ganancia de codicacin de un cdigo Hamming (15, 11) con decodica-
ciones dura y blanda cuando la relacin seal a ruido es alta.
P10.5 El cdigo Golay (23, 12) es un cdigo perfecto que es capaz de corregir 3 errores.
El cdigo Golay se puede denir de forma cclica mediante el polinomio generador
g
1
(x) = x
11
+x
10
+x
6
+x
5
+x
4
+x
2
+1 o g
2
(x) = x
11
+x
9
+x
7
+x
6
+x
5
+x+1.
5.1. Verique que se cumple la cota de Hamming con igualdad.
5.2. Codique la palabra b = [010001100001] de forma sistemtica empleando
g
1
(x) y de forma directa multiplicando b(x) por g
2
(x).
P10.6 Demuestre que para los cdigos bloque cclicos (n, k) nicamente existe una palabra
cdigo de grado n k. Esta palabra ser el polinomio generador del cdigo.
P10.7 Construya un cdigo BCH capaz de corregir 3 errores con una tasa de codicacin
superior a 0,6 y con n = 2
m
1, para m entero.
P10.8 Para el cdigo del ejemplo anterior codique de forma no sistemtica la siguiente
palabra mensaje: 01110100010 . . . (complete el mensaje con ceros). Introduzca tres
errores de bit aleatorios en la palabra codicada y decodifquela empleando el algo-
ritmo de Berlekamp-Massey.
P10.9 Obtenga el polinomio generador del cdigo RS (63,57).
P10.10 Dado el cdigo RS del ejercicio anterior obtenga la probabilidad de error de bloque
en funcin de la relacin seal a ruido en el canal. Suponga una modulacin 64-
QAM y cada elemento de GF(2
6
) es un smbolo de la constelacin, de tal forma
que la probabilidad de error de smbolo en la constelacin coincida con la de los
elementos del cuerpo de Galois de extensin de orden 64.
Represente la probabilidad de error de bloque para este cdigo acortado en 1, 2 y 3
bits. Comprela con la probabilidad de error de smbolo sin codicar.
P10.11 Calcule la distancia mnima del cdigo convolucional de tasa 2/3, K = 3 y M = 3
en el Cuadro 10.13. Dibuje su diagrama de estados y su diagrama de rejilla.
P10.12 Calcular la ganancia de codicacin del cdigo convolucional de Tasa 1/3 y K = 4
en el Cuadro 10.12.
P10.13 Considere un cdigo convolucional de tasa 1/2 con matriz generadora
G =
_
D D
2
+ 1
13.1. Dibuje su diagrama de estados y su diagrama de rejilla etiquetando cada transi-

cin con el bit de entrada y los dos bits de salida.
13.2. Determine el evento de error de mnima distancia de Hamming, la BER y la
ganancia de codicacin con decodicacin dura.
13.3. Repita el apartado anterior con decodicacin blanda y compare ambos resul-
tados.
P10.14 Repita el problema anterior con el cdigo convolucional de tasa 1/2 y matriz genera-
dora
G =
_
1 D + 1
P10.15 Los cdigos bloque cclicos se pueden ver como cdigos convolucionales de tasa 1/1
y con un nmero mximo de bits a codicar (n).
15.1. Obtenga la representacin esquemtica y el diagrama de estados para el cdigo
Hamming cclico (7,4).
15.2. Codique la palabra 1001 empleando la convolucin en la representacin es-
quemtica (introduzca los ceros necesarios para que el estado del convolucional
sea el idnticamente nulo). Compruebe que los bits transmitidos son los mismos
que los obtenidos multiplicando el mensaje por el polinomio generador.
15.3. Decodique la palabra 0100100 empleando el algoritmo de Viterbi.
15.4. Por qu cree que este cdigo no se puede emplear para transmitir ms bits?.
15.5. Discuta qu es lo que limita el uso del algoritmo de Viterbi para decodicar los
cdigos cclicos.
P10.16 Se desea disear un mdem de 400 bits/s para un canal paso banda que permite una
transmisin a una velocidad de 100 smbolos/s.
16.1. Sin utilizar codicacin, calcule el tamao del alfabeto necesario y elija una
constelacin.
16.2. Empleando un TCM, cual es el tamao del alfabeto requerido? Elija una cons-
telacin.
16.3. Suponga que para obtener una probabilidad de error aceptable el sistema requie-
re 4 dB ms de potencia de los que el canal puede tolerar. Cmo resolvera este
problema?.
P10.17 Realice la divisin de la constelacin hexagonal de la Figura 10.52 hasta obtener
subconstelaciones binarias y calcule la distancia entre subconstelaciones.
Figura 10.52. Constelacin hexagonal con 16 smbolos.
P10.18 Disee el mejor TCM basado en un codicador convolucional lineal no recursivo con
8 estados y una constelacin 32-QAM. Obtenga su ganancia de codicacin.
P10.19 Obtenga la ganancia de codicacin TCM del convolucional en el Cuadro 10.15
M
t
= 3 con constelacin de salida 16-QAM.
P10.20 Demuestre que el TCM de la Recomendacin ITU-T V.32 de las Figuras 10.36 y
10.37 es invariante a rotaciones mltiplo de /2.
P10.21 Calcule la ganancia de codicacin del codicador del problema anterior.
P10.22 Decodique la secuencia
r = 3,06, 1,08, 0,70, 1,06, 0,58, 2,89, 1,37, 0,82, 1,92, 2,63,
1,64, 1,37, 0,70, 0,85, 2,30
con el decodicador BCJR, que ha sido codicada con el cdigo convolucional de la
Figura 10.10. La secuencia ha sido transmitida a travs un canal gausiano empleando
una modulacin binaria antipodal con smbolos 1 y E
b
/N
0
= 5,93 dB.
P10.23 Decodique la secuencia r = [1010100101010111] con el decodicador BCJR, que
ha sido codicada con el cdigo convolucional de la Figura 10.10. La secuencia ha
sido transmitido a travs de un BSC con una probabilidad de cruce p = 0,1.
P10.24 Obtenga (con la ayuda de un ordenador) una matriz de comprobacin de paridad H
aleatoria para un cdigo LDPC (100, 50) con 3 unos por columnas y 6 por las.
Simule un BSC con una probabilidad de cruce p = 0,05. Obtenga la probabilidad de
error de bit empleando el algoritmo de decodicacin basada en paso de mensajes
pero inicialice las probabilidades de error de los bits a 0,01, 0,025, 0,05, 0,07 y 0,1.
Comente si cree que el algoritmo de decodicacin basada en paso de mensajes es
robusto frente a la inicializacin de las probabilidades de error de los bits recibidos.
CAPTULO 11
SINCRONIZACIN
Este captulo detalla una buena parte de las labores auxiliares que son necesarias para el
correcto funcionamiento de los esquemas que se han venido estudiando en este libro. As,
hasta el momento se supona el conocimiento exacto tanto de los instantes adecuados de
muestreo en el receptor como de la fase de la oscilacin portadora. En la prctica hay que
llevar a cabo la estimacin de dichos parmetros, con el n de dar soporte a las tareas de
igualacin y decodicacin.
11.1. CARACTERSTICAS DE LA SEAL RECIBIDA: EL PROBLEMA DE
LA SINCRONIZACIN
Un receptor de comunicaciones, adems de invertir las operaciones efectuadas por el
transmisor con el n de recuperar la secuencia de bits transmitidos, debe indagar en la se-
al que recibe con el n de extraer la informacin de apoyo para dicha decodicacin. As,
frente a un modelo idealizado de un sistema de comunicaciones caracterstico de Teora de
la Informacin (Figura 11.1), presentamos un modelo ms cercano a la realidad fsica (Fi-
gura 11.2), en el que es necesaria la estimacin de ciertos parmetros desconocidos para el
receptor (fase de la portadora, por ejemplo), de tal modo que idealmente se reproduzcan las
condiciones del esquema de la Figura 11.1. La igualacin analizada en el Captulo 6 res-
ponde en parte a esta necesidad, en la medida en la que trata de compensar los efectos de
un canal lineal e invariante que introduce interferencia entre smbolos. Este captulo aborda
la sincronizacin entendida como la estimacin de la frecuencia y fase de la portadora y
la bsqueda del correcto alineamiento temporal con respecto a la seal recibida. La sin-
cronizacin se puede ver, en primer lugar, como el proceso de alineamiento de la fase y la
frecuencia de un conjunto de osciladores remotos. Es decir, haciendo una simplicacin del
problema como la mostrada en la Figura 11.3, se trata de generar en el receptor una onda
con la misma frecuencia y fase que la recibida desde el transmisor. La generacin de un
tono igual al que ya recibimos podra parecer una frivolidad, pero no es tal si pensamos que
en general la oscilacin que queremos emular en el receptor se encuentra escondida en la
688 SINCRONIZACIN
Figura 11.1. Modelo idealizado de un sistema de comunicaciones.
Figura 11.2. Modelo de un sistema de comunicaciones al nivel fsico.
Figura 11.3. Sincronizacin con una seal de reloj recibida.
11.1 CARACTERSTICAS DE LA SEAL RECIBIDA: EL PROBLEMA DE LA SINCRONIZACIN 689
seal recibida, ya que no se suele recurrir al envo de tonos adicionales, debido al gasto en
potencia y/o ancho de banda que esto supone. En segundo lugar, el alineamiento es necesario
a varios niveles, desde las muestras tomadas sobre la seal recibida hasta las fronteras lgi-
cas de cabeceras, tramas, etc. En este captulo nos centraremos en la sincronizacin sobre el
nivel fsico y, en concreto, en los siguientes aspectos:
Recuperacin de portadora. En los sistemas paso banda (Apartado 5.4) es necesa-
rio generar una oscilacin de la misma frecuencia y fase que la del transmisor para
efectuar la conversin a banda base
1
. As, para una seal recibida de la forma
r(t) = s(t) cos(
c
t +)
o, ms en general,
r(t) =
2s
I
(t) cos(
c
t +) +
2s
Q
(t) sen(
c
t +)
es necesario sintetizar en el receptor los tonos cos(
c
t + ) y sen(
c
t + ) para
proceder a la demodulacin que se muestra en cualquiera de las Figuras 5.37 y 5.38,
en las cuales se supone = 0. Esto obliga al conocimiento de la frecuencia
c
y la
fase .
Recuperacin del instante de muestreo. Los smbolos transmitidos modulan la am-
plitud de los pulsos de transmisin. El receptor debe muestrear la seal que le llega
con el n de recuperar los smbolos, para lo cual debe conocer el instante de muestreo
adecuado. La Figura 4.41(b) representa el receptor ptimo basado en el ltro adaptado
al pulso recibido, a cuya salida se procede a un muestreo cada T segundos, siendo T
el periodo de smbolo. Dicha estructura pone de maniesto la necesidad de conocer
la fase con la que hay que tomar las muestras de la seal. En cualquier esquema de
recepcin mostrado en los captulos anteriores se hace necesario muestrear la seal en
algn momento, lo que obliga a determinar la fase del reloj que dirige dicho muestreo.
Sincronizacin multipulso. En las modulaciones multipulso expuestas en el Captu-
lo 8 debemos procesar bloques de muestras consecutivas, para lo cual es necesario
segmentar la seal de entrada correctamente para aplicar la DFT en el caso de las
modulaciones multiportadora o proceder al desensanchado en el caso del espectro
ensanchado por secuencia directa.
Cualquier error en la estimacin de dichos parmetros repercute en la probabilidad de error
de bit, que ya no depende exclusivamente de la relacin seal a ruido, sino que padece
cierta degradacin en funcin del error de los valores estimados. Dado que trabajamos con
realizaciones de procesos estocsticos, las estimaciones que se hacen a partir de las mismas
de los parmetros de sincronizacin se pueden modelar como variables aleatorias. Es de gran
importancia conocer si la media de dichas variables es el parmetro que se desea estimar,
1
Es muy comn desglosar estas conversiones en frecuencia en dos o incluso tres pasos, con el n de facilitar
el funcionamiento de los transmisores y receptores.
690 SINCRONIZACIN
en cuyo caso se habla de estimaciones insesgadas. Adems, la varianza de estas variables
aleatorias se toma como el parmetro de calidad: a menor varianza, mayor calidad de la
estimacin.
Los condicionantes de los mecanismos de estimacin de parmetros son muy variados.
As, una buena relacin seal a ruido facilita mucho las cosas, frente a aquellos casos en los
que la relacin seal a ruido es muy reducida, como pueden ser los sistemas con una codi-
cacin de canal tan potente que permite trabajar en condiciones de relacin seal a ruido
muy baja. Es importante, adems, tener en cuenta la inuencia mutua entre las variables que
se desean estimar. As, no es lo mismo recuperar el instante de muestreo conociendo la fre-
cuencia de la portadora que hacerlo en presencia de incertidumbre en la misma, y viceversa.
Como veremos, la estimacin conjunta o simultnea de todos los parmetros es un proceso
complicado, por lo que es ms habitual su separacin en diferentes tareas de estimacin, con
el n de disear receptores realizables aunque no ptimos.
11.2. RECEPTOR ML PTIMO
Consideremos el problema de la deteccin de una secuencia de N smbolos. Dicho pro-
blema ya fue abordado en captulos previos, considerando que la sincronizacin era perfecta.
La seal recibida r(t) se escribe como
r(t) = s(t) +z(t) =
N1
n=0
A[n]g
r
(t nT
0
T)e
j
0
+z(t) (11.1)
donde g
r
(t) es la convolucin del pulso de transmisin g(t) con la respuesta del canal equi-
valente en banda base h
eq
(t),
g
r
(t) = g(t) h
eq
(t) (11.2)
La respuesta h
eq
(t) incluye los efectos del canal y del ltro de entrada analgico f
aa
(t) que
necesariamente debe preceder cualquier operacin de muestreo. Los parmetros
0
y
0
, que
se suponen constantes en esta primera aproximacin al problema, reejan la incertidumbre
en relacin con el comienzo de cada intervalo de smbolo y la fase de la portadora, respec-
tivamente. Obsrvese que se trabaja con la seal en banda base, es decir, si se trata de un
sistema paso banda la demodulacin se supone ya realizada
2
, y todos los ltros se reeren
a su equivalente paso bajo en el caso en el que se implementen en la banda de trabajo. Ade-
ms, contemplamos la posible separacin de un ltro de entrada f
aa
(t) analgico, que sirva
para eliminar ruido e interferencias y evitar aliasing (vase Apartado 5.5), de un posterior
ltro receptor f(t), que se puede implementar en tiempo continuo o en tiempo discreto.
Por conveniencia, supondremos que la respuesta al impulso del ltro f
aa
(t) se incluye en
el canal equivalente en banda base h
eq
(t). Si el ruido es blanco con densidad espectral de
potencia N
0
/2 W/Hz, entonces la densidad espectral de potencia del trmino z(t) se puede
2
Si la transmisin se realiza directamente en banda base no existe portadora sinusoidal y, por tanto, la fase
0
se puede considerar igual a cero.
11.2 RECEPTOR ML PTIMO 691
escribir como
S
z
(j) =
2
n
[F
aa
(j)[
2
(11.3)
con
2
n
= N
0
/2 para modulaciones reales y
2
n
= N
0
para modulaciones complejas, tal
y como se expuso en el Captulo 5
3
. Una primera aproximacin a la sincronizacin y su
problemtica nos lleva a considerar la estimacin de los parmetros (
0
,
0
), fase residual
tras la demodulacin y fase del reloj de muestreo, respectivamente. El primero aparece en la
demodulacin mostrada en el Apartado 5.4.2 para seales paso banda, dado que si supone-
mos que la frecuencia de la portadora transmitida coincide con la frecuencia de la oscilacin
generada en el receptor, tenemos e
j(
c
t+
0
)
e
j
c
t
= e
j
0
, es decir, tal y como se puede en-
tender a partir de la Figura 11.3, la fase de ambas oscilaciones no coincide necesariamente
en un principio, por lo que habr que tratar de encontrar esa fase residual. A esto hay que
aadir que cualquier receptor digital, tal y como se puso de maniesto en los Captulos 4
y 5, debe muestrear la seal de entrada de forma peridica, para lo que se debe conocer la
referencia temporal que indica cundo hay que tomar las muestras; esto viene expresado por
el parmetro
0
de la seal recibida (11.1).
Trabajaremos con parmetros de sincronizacin (
0
,
0
) constantes a lo largo de varios
smbolos, suposicin vlida cuando la escala temporal de variacin de los parmetros es
mucho mayor que el periodo de smbolo T. Esta suposicin considera adems que no existe
ninguna desviacin apreciable entre las frecuencias de portadora del transmisor y re-
ceptor, o lo que es lo mismo, T/2 1, con T el periodo de smbolo. Cuando esto
no es as, la correccin de la frecuencia es el primer paso imprescindible para que se pueda
abordar la estimacin y deteccin del resto de parmetros.
La seal recibida r(t) puede procesarse ntegramente de forma discreta si el muestreo
realizado no viola el teorema del muestreo aplicado sobre s(t). La misin del ltro anti-
aliasing f
aa
(t) consiste en eliminar ruido y ajustar el ancho de banda de la entrada para
garantizar el cumplimiento del teorema del muestreo. Sean por tanto las muestras de la
seal ltrada r(t), r(kT
s
), con T
s
el periodo de muestreo
4
, tal que T
s
T/2 , muestras que
vamos a incluir en el vector r:
r
.
=
_
r(0) r(T
s
) r ((K 1)T
s
)
T
(11.4)
Suponemos adems que el ltro anti-aliasing f
aa
(t) es un ltro paso bajo ideal con ancho
de banda 1/2T
s
, con lo que el ruido a su salida ser blanco
5
, como se puede deducir a partir
de (11.3). La varianza de dichas muestras ser representada por
2
z
=
2
n
/T
s
(11.5)
El criterio de mxima verosimilitud o criterio ML (Maximum Likelihood), presentado en
el Apartado 4.4.1, se basa en la funcin de densidad de probabilidad de los datos observados.
3
Recurdese que en el caso de modulaciones complejas el ruido resultante es circularmente simtrico con
varianza por dimensin N
0
/2.
4
Tal y como se detall en el Captulo 5, el uso de ltros en raz cuadrada de coseno alzado garantiza que el
mximo ancho de banda en banda base de la seal portadora de informacin s(t) es 2/T rad/s.
5
Con carcter ms general, el ruido ser blanco siempre que la funcin de ambigedad f
aa
(t) f
aa
(t)
cumpla el criterio de Nyquist a periodo T
s
.
692 SINCRONIZACIN
La misma es una generalizacin de la presentada en el Apartado 6.2.1, dado que es necesario
incorporar la incertidumbre existente sobre los parmetros de sincronizacin:
f
r[A,,
(r [ a, , ) =
1
(
2
z
)
K
exp
_
2
z
[[r s[[
2
_
(11.6)
con los smbolos a[n], n = 0, . . . , N 1 incluidos en el vector a. Las muestras de la seal
recibida r(t) tienen una funcin de densidad de probabilidad (fdp) gausiana que, por lo
tanto, depende directamente de la distancia eucldea [[r s[[, es decir, la distancia entre
el vector de muestras recibidas y el vector de muestras libres de ruido sintetizadas con los
parmetros a los que est condicionada la fdp:
s
.
=
_
s(0) s(T
s
) s ((K 1)T
s
)
T
(11.7)
con
s(t) =
N1
n=0
a[n]g
r
(t nT T)e
j
(11.8)
Por simplicidad en la notacin hemos evitado etiquetar s(t) y s con los smbolos a y par-
metros y de los que dependen.
Este planteamiento conduce a una deteccin y estimacin conjuntas, es decir, a la bs-
queda de la combinacin de smbolos y valores de sincronizacin ms verosmiles, que sern
aquellos para los que la fdp (11.6) se hace mxima o, equivalentemente, para los que la dis-
tancia eucldea entre el vector recibido r y el vector sintetizado sin ruido s se hace ms
pequea. Obsrvese que a diferencia de captulos precedentes, el detector ptimo ahora de-
be minimizar la distancia entre el vector recibido y los vectores s que resultan de considerar
todas las combinaciones posibles de smbolos transmitidos a, fases correctoras e instantes
de smbolo. Las operaciones involucradas en dicho procedimiento pueden entenderse mejor
si manipulamos apropiadamente la distancia eucldea a minimizar:
[[r s[[
2
= [[r[[
2
+[[s[[
2
21e r, s (11.9)
La inuencia de los smbolos y parmetros a, , se concreta en el trmino 1e r, s,
ya que para un nmero de smbolos N y de muestras K elevado, tenemos que la norma
eucldea [[s[[, que no depende de , es prcticamente insensible a la secuencia de smbolos
a y la fase temporal (vase Apndice 11.A).
Por tanto, si nos quedamos nicamente con el trmino de la fdp (11.6) sensible a la
secuencia de smbolos y parmetros de sincronizacin, e incluimos el resto en una constante
C, tenemos que
f
r[A,,
(r [ a, , ) = C exp
_
2
2
z
1e
_
s
H
r
_
_
(11.10)
donde aparece el producto escalar r, s = s
H
r o correlacin entre la secuencia recibida
r y la secuencia sin ruido s; esta ltima contiene los parmetros a optimizar. En el mismo
Apndice 11.A se demuestra que en el producto escalar anterior interviene el ltro adaptado
al pulso recibido g
r
(t) si el tamao de la secuencia r es sucientemente grande:
r, s =
1
T
s
e
j
N1
n=0
a
[n]q(nT +T) (11.11)

donde q(t) = r(t)g
r
(t). Como se vio en el Apartado 5.5, para el tipo de seales limitadas
en banda que se maneja habitualmente, los ltrados se pueden efectuar en tiempo discreto.
As, en el caso de ltros de raz de coseno alzado, el periodo de muestreo T
s
es tal que T
s
<
T/2. De este modo, el ltrado digital nos permite obtener cualquier valor de la salida q(t)
del ltro adaptado; en concreto, la variacin de en q(nT +T) equivale a la modicacin
de la fase del muestreo a periodo de smbolo T de la salida del ltro adaptado q(t). En
denitiva, la bsqueda de los parmetros ptimos segn el criterio de mxima verosimilitud
requiere muestrear la salida del ltro adaptado al pulso recibido a periodo de smbolo, como
se desprende de la siguiente expresin, obtenida tras sustituir (11.11) en (11.10):
f
r[A,,
(r [ a, , ) = C exp
_
2
2
n
1e
_
e
j
N1
n=0
a
[n]q(nT +T)
__
(11.12)
donde el periodo de muestreo T
s
del trmino s
H
r se ha eliminado con el correspondiente
de
2
z
en virtud de (11.5). La aplicacin del criterio ML en presencia de incertidumbre en
Figura 11.4. Estructura del receptor basado en el criterio ML.
los parmetros de sincronizacin obliga a efectuar una bsqueda en el espacio de N + 2
dimensiones compuesto por los N smbolos posibles y los parmetros [0, 1) y
[0, 2). Y todo ello a partir del ltro adaptado al pulso recibido, bajo la hiptesis de que este
se conoce. En la prctica se utilizar un ltro receptor f(t) adaptado al pulso transmitido
g(t) de tal forma que f(t) = g(t), lo cual no garantiza su completa adaptacin al pulso
recibido teniendo en cuenta los efectos del canal, salvo en aquellos casos donde la inuencia
del mismo es escasa. En la Figura 11.4 se muestra la arquitectura de un receptor inspirada en
el criterio ML bajo el cual se debe maximizar (11.12); los parmetros y

se corresponden
con las estimaciones ML del instante de muestreo y la fase residual, respectivamente. Es
importante destacar que, en ausencia de ISI, es decir, si g
r
(t) f(t) cumple el criterio de
Nyquist a periodo T, las muestras tomadas con dicho periodo en los instantes adecuados
sern estadsticos sucientes (vase Apndice 4.B). Por ello resulta de especial importancia
obtener la fase adecuada del reloj, tal y como se puede apreciar en el Ejemplo 6.17. El
694 SINCRONIZACIN
sobremuestreo a periodo T
s
permite obtener las muestras de la seal recibida en los instantes
que corresponda, ya que
q(nT +T) = r(t) f(t)[
t=nT+T
= T
s
k=
r(kT
s
)f(nT +T kT
s
) (11.13)
donde hemos hecho uso de la equivalencia entre el procesado analgico y el procesado
discreto para seales limitadas en banda que se present en el Apartado 2.4.3. La realizacin
prctica puede diferir segn el caso, aunque resulta muy habitual el uso de un ltro f(kT
s
)
jo y la posterior interpolacin de su salida q(kT
s
) para obtener los valores en los instantes
de muestreo deseados. As, para seales limitadas en banda, como es el caso, es posible
interpolar idealmente su valor en cualquier instante de tiempo t
0
a partir de sus muestras
equiespaciadas tal y como se mencion en el Apartado 5.5:
q(t
0
) =
k=
q(kT
s
) sinc
_
t
0
kT
s
T
s
_
(11.14)
El uso de un nmero pequeo de trminos en el sumatorio anterior no suele acarrear errores
de importancia en la prctica. Cabe sealar que sera posible evitar la interpolacin si se
controlase la operacin de muestreo que aparece en la Figura 11.4 a partir de la estimacin
de la fase de muestreo . Ello implicara dirigir la operacin del conversor analgico/digital
que realiza el muestreo con el valor obtenido digitalmente, lo que es preferible evitar en
algunos casos con el objeto de desacoplar la parte analgica del receptor de la parte digital.
A continuacin vamos a tratar de comprender un poco mejor la casustica que rodea el
concepto de la estimacin del instante de muestreo. Para ello podemos suponer que existe
una referencia temporal ptima, es decir, que maximiza la fdp (11.6) y para la cual no hay
ISI. Supongamos por un momento que la relacin entre el periodo de smbolo y el perio-
do de muestreo es T/T
s
= 2. Lo ms habitual es que
0
no sea ni 0 ni 0,5, es decir, la
muestra deseada en cada periodo no se encontrar entre las muestras tomadas por el con-
versor analgico/digital del receptor. Esta forma de muestreo se denomina asncrona, frente
al modo sncrono en el que la fase del muestreador se ira corrigiendo en funcin del valor
estimado para cada smbolo, tal y como hemos indicado anteriormente. De ah que sea
necesario interpolar el valor deseado, adems de dividir la tasa de muestras por dos. Estas
dos operaciones se realizan en el bloque interpolacin/diezmado de la Figura 11.4. En cir-
cunstancias reales la relacin T/T
s
no ser exactamente entera (por ejemplo, 2, 0000112...),
ya que no es posible precisar totalmente la frecuencia de un reloj y, por tanto, no es posible
garantizar una relacin determinada entre las frecuencias de dos relojes distintos. Esto im-
plica que la posicin relativa de la muestra deseada con respecto a las muestras tomadas de
forma asncrona va cambiando con el tiempo; dicha evolucin ser ms acusada cuanto ms
alejado se encuentre el cociente T/T
s
de una relacin entera. Equivalentemente, podemos
decir que
q(nT +T) = q ((m[n] +[n])T
s
) (11.15)
con m[n] entero y [n] un valor fraccionario en el rango [0, 1). La principal consecuencia
de un cociente T/T
s
prximo a un valor entero es que [n] evoluciona lentamente con el
tiempo, aun en el caso de que
0
se mantenga constante. Todo esto se puede entender me-
jor con ayuda de la Figura 11.5, donde se muestran los instantes escogidos a periodo de
muestreo T
s
junto con los instantes a periodo de smbolo T. En la gura, la seal q(t) repre-
senta la envolvente continua de las muestras de salida q(kT
s
) en el caso de que el ltrado
se implemente digitalmente. Los instantes etiquetados nT +
0
T, con n entero, son los que
proporcionan los valores deseados. Las barras ms oscuras indican los instantes en los que
inicialmente se muestrea (a una tasa nominal aproximadamente igual al doble de la tasa de
smbolo), cuya posicin relativa con respecto a los instantes deseados va evolucionando, por
lo que es necesario interpolar de forma variante con el tiempo para generar las muestras
deseadas.
Figura 11.5. Ilustracin de la interpolacin variante en el tiempo en el caso de un muestreo
asncrono.
Como se puede apreciar a partir de las consideraciones anteriores, la solucin ML ofre-
cida no es realizable, ya que a la complejidad de trabajar con la secuencia completa para
poder evaluar la distancia eucldea para cada una de las posibles secuencias enviadas, hay
que aadir la bsqueda sobre el conjunto de parmetros (, ). Por tanto, aunque el receptor
ptimo realizara la estimacin de parmetros conjuntamente con la deteccin de smbolos,
las realizaciones prcticas separan ambas tareas. En este punto existen diversas opciones que
se comentan a continuacin. Una primera solucin consiste en el envo de un prembulo de
smbolos conocidos a
0
antes de enviar los smbolos de informacin, por lo que la funcin
de densidad de probabilidad (11.6) se particulariza para a = a
0
:
f
r[,
(r [, ) = f
r[A,,
(r [ a = a
0
, , ) (11.16)
696 SINCRONIZACIN
en lo que se conoce como estimacin asistida por datos (Data Aided, DA). Con el n de
mantener una actualizacin constante de los parmetros para acomodar las variaciones lentas
de los mismos se pueden utilizar los smbolos decodicados a, evitando de este modo el uso
sistemtico de secuencias de entrenamiento que reduciran la eciencia de la transmisin.
En este caso, la fdp (11.6) se formula como sigue:
f
r[,
(r [, ) = f
r[A,,
(r [ a = a, , ) (11.17)
Los algoritmos de esta categora se conocen como algoritmos dirigidos por decisin (De-
cision Driven, DD), cuyo funcionamiento slo est garantizado con una buena estimacin
inicial de los parmetros (
0
,
0
).
Tambin es posible efectuar la estimacin de los parmetros independientemente de los
smbolos enviados, para lo que es necesario promediar sobre todas las posibles secuencias
de datos para eliminar la dependencia de los mismos. En este caso, la fdp que se debe
maximizar se escribira como
f
r[,
(r [, ) =
a
i
f
r[A,,
(r [ a = a
i
, , )p
A
(a
i
) (11.18)
El sumatorio se realiza sobre todas las posibles secuencias de smbolos a
i
, i = 1, . . . ,
M
N
, siendo M el nmero de smbolos en la constelacin. Este tipo de algoritmos se co-
nocen como no asistidos por datos (Non-Data-Aided, NDA). La posterior deteccin de la
secuencia a se lleva a cabo suponiendo que la sincronizacin ha sido perfecta en cualquiera
de los casos planteados anteriormente, lo que se conoce como deteccin sincronizada, y que
se corresponde con el modelo manejado en los captulos anteriores.
Una vez descartada la estimacin y deteccin conjuntas por razones de complejidad,
queda por valorar cmo se puede llevar a cabo la estimacin de los parmetros (, ). Para
obtener una formulacin matemticamente tratable es necesario suponer que g
r
(t) f(t)
satisface el criterio de Nyquist, es decir, que no hay interferencia entre smbolos tras el
ltro adaptado. De este modo se obtienen algoritmos manejables que tambin se utilizan
en casos ms generales. Siendo as, demostramos que la maximizacin de la funcin de
densidad de probabilidad (11.6) era equivalente a la maximizacin de la Expresin (11.12).
A partir de la misma se pueden extraer algunas pautas acerca de cmo abordar la estimacin
de los parmetros de sincronizacin. As, resulta deseable que los algoritmos trabajen a la
velocidad de muestreo ms baja posible; por ello, a la vista de (11.12), se puede decir que lo
ms habitual es que la estimacin de la fase se realice despus de la estimacin del instante
de muestreo , dado que si se conoce , la estimacin de y la posterior deteccin de a se
pueden realizar a periodo de smbolo, dado que el sumatorio e
j
N1
n=0
a
[n]q(nT + T)
en (11.12) incluye slo una muestra en cada periodo de smbolo.
La gran mayora de los algoritmos digitales de estimacin de trabajan con una tasa de
muestreo 1/T
s
mayor que la de smbolo 1/T, y permiten que la relacin T/T
s
, es decir, el
nmero de muestras por smbolo, no sea necesariamente entera, lo cual es extremadamente
importante en la prctica dada la posibilidad de muestrear en el receptor asncronamente con
11.3 LAZO ENGANCHADO EN FASE (PLL) 697
respecto al transmisor. A diferencia de los esquemas de estimacin de la fase, y fruto de su
relacin con el muestreo de la seal analgica, los algoritmos de estimacin del instante de
muestreo son muy variados y en algunos casos difciles de sistematizar. En el Apartado 11.4
abordaremos algunos esquemas a partir de su mtodo de diseo y su interpretacin intuitiva.
11.3. LAZO ENGANCHADO EN FASE (PLL)
La estimacin de un parmetro de inters se reduce en muchos casos a la localizacin del
mximo (o mnimo) de un determinado funcional. En particular, el planteamiento de mxima
verosimilitud se basa en la maximizacin de la funcin de densidad de probabilidad de los
datos recibidos con respecto a la variable de inters. En algunos casos se puede obtener dicha
estimacin explcitamente a partir de los valores observados, aunque en otros resulta mucho
ms complicado. Afortunadamente, y siempre que el funcional tenga un nico mximo (o
mnimo), se puede recurrir a procesos iterativos que progresivamente van reduciendo el
error con respecto al valor deseado. En comunicaciones digitales resulta muy comn el uso
de dichos esquemas iterativos: suelen ser relativamente simples de implementar, como se
puso de maniesto en el Captulo 6, donde se present el algoritmo adaptativo LMS para
igualacin de canal. En este apartado utilizaremos la estimacin de fase como ilustracin
para comprender el funcionamiento de este tipo de esquemas, si bien la estimacin de la
misma, al igual que la del instante de muestreo y la frecuencia, sern el objeto especco de
estudio en sus respectivos apartados. Es importante sealar que las ideas expuestas en este
apartado sern empleadas ampliamente en el resto del captulo para deducir estimadores
ptimos de los parmetros de sincronizacin as como circuitos para su extraccin.
Consideremos la fdp conjunta de los datos recibidos (11.12), suponiendo los smbolos
conocidos y el instante de muestreo ideal, para el que adems se evita la ISI. En tal caso,
tenemos que
q(nT +
0
T) = A[n]e
j
0
+z[n] (11.19)
y que el funcional que debemos maximizar para estimar la fase viene dado por
L() = 1e
_
e
j
N1
n=0
A
[n]q(nT +
0
T)
_
(11.20)
L() se har mximo cuando el giro producido por sea tal que el argumento complejo de
la parte real tenga parte imaginaria nula, es decir,
ML
=
_
N1
n=0
A
[n]q(nT +
0
T)
_
(11.21)
La Figura 11.6 muestra la funcin anterior para
0
= /4 para el caso en el que q(nT +
0
T)
no contiene ruido. En ciertos casos puede resultar ms deseable algn esquema que pueda
ir renando la estimacin y adaptndola a los posibles cambios de la fase a lo largo de la
transmisin. Para ello utilizaremos la derivada como criterio para localizar el mximo, ya
698 SINCRONIZACIN
0
/4 9/4
L()
Figura 11.6. Funcional L() para estimar la fase de los datos observados.
0
= /4.
que tal y como se aprecia en la Figura 11.6, la derivada ser nula en el valor ptimo de , y
para el resto de valores ser tal que nos acercar a dicho valor ptimo
6
:
[n + 1] =

[n] +

L()
[n]
(11.22)
donde es el paso de adaptacin que multiplica el trmino de la derivada, ya que estamos
buscando un mximo
7
. Obsrvese la ms que clara similitud con el algoritmo LMS del
Apartado 6.7.2, aunque all buscbamos un mnimo de la funcin de coste. Si escribimos la
ecuacin anterior en funcin de un trmino de error e[n] que iterativamente se va haciendo
ms pequeo, tenemos
[n + 1] =

[n] +e[n] (11.23)
con
e[n]
.
=

L()
[n]
(11.24)
para la derivada de L() obtenida como
L() =
N1
n=0
Jm
_
e
j
A
[n]q(nT +
0
T)
_
(11.25)
Esta recursin, as planteada, suscita algunos problemas. Por un lado, si queremos un algo-
ritmo causal, debemos renunciar a calcular la derivada del sumatorio completo de L() en
(11.20), dado que necesitaramos esperar a completar el bloque de datos desde n = 0 hasta
n = N 1. Por otro lado, y siendo rigurosos, la evaluacin de la derivada en

[n] obliga a
6
Aunque la derivada tambin es cero en el mnimo de L(), correspondiente a
0
+ , en dicho punto no
habr un equilibrio estable, ya que los valores de la derivada de L() en su vecindad son tales que nos alejan
del mismo.
7
Si el objetivo fuese un mnimo, la derivada debera cambiarse de signo en la recursin.
sustituir por

[n] en todos los trminos del sumatorio en (11.25). Con el n de conseguir
una recursin que pueda ser calculada de forma causal y con una complejidad asumible,
redenimos el error para soslayar los problemas previos:
e[n]
.
=
L(, n)
k=0
nk
Jm
_
e
j
[k]
A
[k]q(kT + T)
_
(11.26)
donde 0 < 1 es un factor que otorga menos peso a los valores estimados de
0
ms
antiguos (si ,= 1), pensando especialmente en aquellos casos en los que la fase a estimar
evolucione con el tiempo
8
. En la expresin anterior ya hemos incluido la estimacin de
0
,
dado que este ser desconocido en general, aunque suponemos que los sucesivos smbolos
A[n] son conocidos. El algoritmo recursivo para obtener de forma aproximada la estimacin
ML de la fase de los valores recibidos en el caso ideal que estamos considerando quedara
por tanto de la siguiente forma:
[n + 1] =

[n] +
n
k=0
nk
Jm
_
e
j
[k]
A
[k]q(kT + T)
_
(11.27)
El trmino corrector es un promedio temporal que sirve para estimar la derivada de L()
utilizando las muestras disponibles en cada instante, de modo que se puede implementar
causalmente, tal y como queda recogido en la Figura 11.7. El lazo mostrado se conoce
como PLL (Phase-Locked Loop), o lazo enganchado en fase . El bloque etiquetado como
Figura 11.7. Estimador ML recursivo de la fase (PLL).
NCO se corresponde con un oscilador controlado numricamente (Numerically Controlled
8
Podra parecer que se puede escoger arbitrariamente pequeo, con lo que el error e[n] tomara a su vez
valores muy pequeos. Sin embargo, para ser estrictos, habra que acompaar la denicin de e[n] de una
ganancia que compensase dicho efecto. No lo hemos hecho as dado que cualquier constante multiplicativa en
e[n] se puede incluir en el paso de adaptacin de la Ecuacin (11.23). El valor que deber tomar dicho paso va
a depender tambin de la potencia de la seal de entrada, que normalmente est jada por un control automtico
de ganancia.
700 SINCRONIZACIN
Oscillator), que tiene como salida una exponencial compleja cuya fase es el resultado de
acumular las muestras presentes a su entrada
e
j
[n+1]
= e
j(
[n]+e[n])
(11.28)
con el error e[n] obtenido como el ltrado paso bajo de la secuencia de valores
Jm
_
e
j
[n]
A
[n]q(nT + T)
_
(11.29)
El ltro paso bajo, conocido como ltro de lazo
9
y que denotaremos como L(z) (no con-
fundir con la verosimilitud L()), se corresponde en el caso anterior con
L(z) =
1
1 z
1
(11.30)
En la Figura 11.7 aparece adems la constante multiplicativa . En el resto del captulo no la
incluiremos explcitamente en los esquemas, dado que se puede considerar bien como parte
del ltro de lazo L(z) o bien del NCO.
Ejemplo 11.1
Con el n de obtener la necesaria dosis de intuicin para comprender el funcionamiento de un
PLL, analicemos la estimacin de
0
en (11.19) en el caso sin ruido. Sea = 0, de modo que el
ltro de lazo se reduce a L(z) = 1, en cuyo caso se habla de un PLL de primer orden. A partir
de (11.28) y de (11.29), tenemos la siguiente recursin para la fase estimada:
[n + 1] =

[n] +Jm
_
[A[n][
2
e
j(
0
[n])
_
(11.31)
Para constelaciones PSK, tenemos que la magnitud [A[n][
2
es constante, en cuyo caso, suponien-
do esta igual a uno sin prdida de generalidad, la recursin se reduce a
[n + 1] =

[n] +sen(
0

[n]) (11.32)
Es decir, el algoritmo dirige la evolucin de un NCO a partir de una funcin no lineal, en con-
creto sen(), de la diferencia entre la fase de entrada y la fase estimada a lo largo de sucesivas
iteraciones. Este es el principio de funcionamiento de los PLL que se emplean normalmente en
sus diversas variantes, tanto analgicas como digitales.
11.3.1. Anlisis del PLL
El anlisis de un sistema realimentado no lineal como el lazo enganchado en fase resulta
complicado, debido precisamente a que la diferencia de fase
0

[n] ejerce una inuencia
no lineal sobre el bucle tpicamente como e[n] = sen(
0

[n]), tal y como se ha visto en
el ejemplo anterior. En este tipo de sistemas hay dos modos de operacin:
9
La denominacin ltro de lazo se debe al papel que este desempea en la dinmica del lazo cerrado de
ajuste de la fase, como veremos ms adelante.
Adquisicin. Proceso que transcurre desde el estado inicial hasta que el error es su-
cientemente pequeo. Es un fenmeno propio de todos los lazos realimentados como
el PLL. La adquisicin es un fenmeno intrnsecamente no lineal, y acarrea algunos
efectos que comentaremos ms adelante.
Seguimiento o rgimen estacionario. El error es lo sucientemente pequeo como
para que tenga validez un estudio lineal del sistema.
A continuacin nos centraremos en este ltimo caso. Para comprender con ms claridad la
dinmica del lazo evitaremos introducir ruido y consideraremos constelaciones de magnitud
constante, tal y como se ha hecho en el Ejemplo 11.1. En condiciones de seguimiento se
puede considerar que la estimacin

[n] es lo sucientemente cercana a
0
para efectuar la
aproximacin
e[n] = sen(
0

[n])
0

[n] (11.33)
es decir, se opera en el rango en el que la funcin sen() es aproximadamente lineal. Bajo
esta hiptesis, el lazo del PLL de la Figura 11.7 se simplica en la Figura 11.8. El ltimo
Figura 11.8. Aproximacin lineal de un PLL.
bloque etiquetado como z
1
/(1 z
1
) recoge la funcin de transferencia del acumulador
del NCO, tal y como se desprende de la Ecuacin (11.28). Como ya hemos sealado, a
efectos del anlisis, la constante la consideraremos incluida en el ltro de lazo L(z), sin
alterar el resultado nal. Por tanto, la funcin de transferencia de la fase de entrada a la
fase de salida en la Figura 11.8, para el rango de validez de la aproximacin lineal, queda
nalmente como
(z)
0
(z)
=
L(z)z
1
L(z)z
1
+ 1 z
1
(11.34)
donde
0
(z) y (z) representan, respectivamente, las Transformadas Z de las fases
0
[n] y
[n]. Conviene destacar en este punto que, aunque la estructura del PLL se ha desarrollado a
partir de la suposicin de una fase constante, estamos generalizando los resultados a una fase
de entrada
0
[n] variante con el tiempo. La funcin de transferencia de la fase de entrada a la
fase de salida es vlida mientras el error de fase sea lo sucientemente pequeo como para
aproximar la funcin sen(x) por x, en cuyo caso podemos decir que el PLL se comporta
como un ltro lineal que acta sobre la fase. La dinmica de dicho ltro viene determinada
por el ltro de lazo L(z), tal y como se muestra en los siguientes ejemplos. Nos referiremos
al orden del PLL como el nmero de polos de su funcin de transferencia (11.34).
702 SINCRONIZACIN
Ejemplo 11.2
Un PLL de primer orden tiene un ltro de lazo de la forma L(z) = K, que da lugar a una funcin
de transferencia de fase de la forma
(z)
0
(z)
=
Kz
1
1 + (K 1)z
1
que para que acte como ltro paso bajo estable requiere que 0 < K < 1, ya que tiene un polo
en z = 1 K, como fcilmente se puede comprobar. En la Figura 11.9 se muestra la respuesta
en frecuencia asociada para L(z) = 0, 5, claramente con un perl paso bajo. Consideremos a
continuacin un cambio de fase en n = 0 que el PLL debe estimar, de la forma
0
[n] =
0
u[n],
donde u[n] es la funcin escaln denida en el Captulo 2. A partir de la funcin de transferencia
anterior, tenemos que
(z) =
Kz
1
1 + (K 1)z
1

1
1 z
1
0
Esta expresin sirve para obtener el comportamiento en el rgimen permanente de la fase estima-
da. As, por el Teorema del valor nal de la Transformada Z (vase Cuadro 2.6), tenemos
lm
n
[n] = lm
z1
(1 z
1
)
(z) =
0
La Figura 11.10 muestra cmo la fase de salida

[n] del NCO se aproxima a su valor nal.
10
9
8
7
6
5
4
3
2
1
0
(dB)
|H(e
j
)|
0 /4 /2 3/4

Figura 11.9. Respuesta en frecuencia de un PLL de primer orden H(e
j
) =
(e
j
)/
0
(e
j
), L(z) = 0,5.
Ejemplo 11.3
Una de las razones por las que cabe esperar una fase de entrada
0
variante con el tiempo es
la presencia de un error en la frecuencia que no se consigue corregir completamente antes de la
estimacin de la fase. De este modo la fase a estimar sigue una evolucin lineal con el tiempo,
que para un error de radianes se escribe como
0
[n] = (
0
+ n)u[n]
0
n
[n]
/4
Figura 11.10. Fase de salida de un PLL de primer orden como respuesta a un cambio de
fase de la entrada de /4. L(z) = 0, 5.
En este caso, tenemos que la Transformada Z de la fase de entrada es (vase Cuadro 2.5)
0
(z) =

0
1 z
1
+
z
1
(1 z
1
)
2
Dado que la diferencia entre las fases de entrada y de salida se puede escribir en el dominio
transformado como
0
(z)

(z) =
_
1
(z)
0
(z)
_
0
(z)
y utilizando, al igual que en el ejemplo anterior, (11.34) y el teorema del valor nal, tenemos que
el error en la estimacin de la fase converger de la siguiente forma:
lm
n
(
0
[n]

[n]) = lm
z1
(1 z
1
)
_
1
L(z)z
1
L(z)z
1
+ 1 z
1
_
0
(z) =

L(1)
Por tanto, para que el error de fase se haga cero es necesario que el ltro de lazo L(z) tenga un
polo en z = 1, lo cual slo es posible para ltros de lazo de orden mayor o igual que uno. As, el
siguiente ltro
L(z) =
a +bz
1
1 z
1
(11.35)
tiene un polo en z = 1, y da lugar a una funcin de transferencia del PLL de segundo orden,
es decir, con dos polos. Conviene destacar que slo es posible seguir la variacin temporal de la
fase de la entrada si el ltro de lazo L(z) pone a su salida un valor constante para una entrada
que se va a cero, para lo cual es necesario que cuente con al menos un polo en z = 1. La Figura
11.11 muestra la evolucin de la fase de salida del PLL en un caso como este, comprobndose
cmo el error de fase tiende a cero. Por tanto, en todas aquellas situaciones en las que se prevea
una diferencia apreciable de frecuencia entre la seal de entrada y la generada localmente en el
NCO hay que recurrir a un PLL de segundo orden. Para cualquier otro ltro de lazo de primer
orden el error de fase ser distinto de cero en el lmite, tal y como ocurre en la Figura 11.12, en
704 SINCRONIZACIN
la que se constata que la fase de la salida no iguala a la de la entrada para un ltro de lazo L(z)
de primer orden que no tiene un polo en z = 1. En muchos casos puede ser aceptable este error
residual si es sucientemente pequeo.
0
n
[n]
Figura 11.11. Fase de salida con respecto a la fase de entrada en un PLL de segundo orden
ante un cambio en la frecuencia de la entrada:
0
[n] = (
0
+ n)u[n].
0
n
0
[n]

[n]
/L(1)
Figura 11.12. Error de fase para un PLL con L(z) = 0,1(1 0,15z
1
)/(1 0,8z
1
) .
De todo lo anterior es fcil deducir que el ltro de lazo L(z) determina el comportamiento
del PLL en rgimen permanente, es decir, el rgimen estacionario para el que los errores
de fase son pequeos y es vlido el anlisis lineal estudiado. Se puede decir que un PLL es
un mecanismo que sirve para reproducir una fase de entrada, eliminando ruido y ltrando
aquellas variaciones de la misma que caen fuera del ancho de banda del PLL. Dicho ancho
de banda se reere a la funcin de transferencia en rgimen permanente (11.34). La selec-
cin del ancho de banda constituye un compromiso importante en la prctica. Por un lado,
resulta deseable un ancho de banda sucientemente grande como para seguir cualquier va-
riacin temporal de la fase de entrada
0
[n], acelerando la fase de adquisicin, lo cual resulta
importante en las transmisiones a rfagas. Por otro lado, un mayor ancho de banda permite
la entrada de ms ruido en el lazo, lo que afecta a la calidad de la estimacin de la fase. La
disminucin del ancho de banda otorga un mayor grado de limpieza de la entrada, a costa
de ralentizar el proceso de enganche.
Por ltimo, debemos indicar que el trmino ruido de fase suele emplearse en referencia
a las uctuaciones sobre una fase constante de una oscilacin. En concreto, si tenemos una
oscilacin de la forma
s[n] = cos(
0
n + n +
0
+[n]) (11.36)
el trmino [n] representa el ruido de fase aleatorio, no atribuible a una variacin determinis-
ta sobre la frecuencia de referencia o una fase constante
0
. La pureza de las oscilaciones
viene determinada por el nivel del ruido de fase que presentan. Dicho ruido puede acarrear
grandes inconvenientes en algunos tipos de modulaciones, como veremos ms adelante.
11.3.2. Otras consideraciones
En la prctica el ajuste en un PLL puede padecer algunos fenmenos que no son ex-
plicables con el modelo lineal de los ejemplos anteriores, que slo es vlido si el error es
sucientemente pequeo. En concreto, destacamos dos que detallamos a continuacin.
Fenmeno de encallado (hang-up). Para algunos valores de la diferencia de fase
inicial, la fase de adquisicin del PLL puede ser muy larga, lo cual plantea grandes
problemas en aplicaciones en las que es necesaria una rpida convergencia, por ejem-
plo, con transmisiones cortas de datos. A partir de la Figura 11.6 se puede comprender
que la estimacin del mximo de la funcin a partir de la derivada de la misma pre-
senta un punto de equilibrio inestable en = 5/4 radianes, para el que la derivada
es cero, aunque cualquier mnima alteracin conduce a los puntos de equilibrio esta-
bles = /4 = 9/4 radianes. Los valores de la derivada L()/ son muy
pequeos en torno al punto de equilibrio inestable, por lo que la convergencia al pun-
to deseado resulta lenta si las condiciones iniciales son tales que se comienza en su
proximidad.
Deslizamiento de ciclos. En la Figura 11.6 se aprecia que L() no contiene un nico
mximo. En este sentido, se dice que un PLL salta o desliza un ciclo cuando la fase
estimada se desplaza entre dos mximos consecutivos. Por ejemplo, si el ruido de
la entrada es lo sucientemente grande, la fase estimada puede deslizarse desde /4
radianes progresivamente hasta /4 +2 /4 2 radianes. Las consecuencias de
este fenmeno distan de ser triviales, como se ilustrar a travs de un ejemplo al nal
706 SINCRONIZACIN
del apartado dedicado a la estimacin de fase. Su estudio analtico es extremadamente
complicado, aunque conviene destacar que su probabilidad de aparicin debe ser lo
ms baja posible en un sistema prctico.
11.4. SINCRONIZACIN DE SMBOLO
La sincronizacin de smbolo estima los instantes de tiempo en los que tomar las mues-
tras que deben entrar al detector o decisor, lo que equivale a ubicar la posicin de mxima
apertura del diagrama de ojo mostrado en el Captulo 5. Tal y como se ha puesto de manies-
to en el Apartado 11.2, el receptor digital ptimo muestrea la seal de entrada en instantes
que no tienen por qu incluir los correspondientes a la mxima apertura del diagrama de ojo.
Sin embargo, con una tasa de muestreo superior a la frecuencia de Nyquist es posible inter-
polar cualquier valor de la seal que porta la informacin una vez que se estime el instante
adecuado. En este apartado nos centraremos en este tipo de tcnicas, partiendo para ello de
criterios de mxima verosimilitud que, con la ayuda de aproximaciones, permiten obtener
mecanismos realizables para extraer de forma digital las muestras deseadas a partir de la
seal analgica de entrada al receptor.
En el Apartado 11.2 se detall la estructura del receptor ptimo en presencia de incerti-
dumbre en las referencias temporales. En concreto, para una seal recibida de la forma
r(t) = s(t) +z(t) =
N1
n=0
A[n]g
r
(t nT
0
T)e
j
0
+z(t) (11.37)
el receptor de la Figura 11.4 precisa del conocimiento del parmetro
0
para interpolar los
valores adecuados a la salida del ltro receptor f(kT
s
), el cual se implementa en tiempo
discreto. Tal y como sealamos en dicho apartado, la estimacin de
0
y
0
ser preferible-
mente abordada por separado de la deteccin de los smbolos, por razones de complejidad.
En este apartado nos centraremos en la estimacin de
0
, para lo que partiremos de la fdp
de las muestras recibidas, que deberemos maximizar como funcin de . Por conveniencia,
repetimos la Expresin (11.12):
f
r [ A,,
(r [ a, , ) = C exp
_
2
2
n
1e
_
e
j
N1
n=0
a
[n]q(nT +T)
__
Dado que en este caso nicamente nos interesa la inuencia del parmetro en la anterior
fdp, podemos obtener la fdp marginal de la misma con respecto a , f
r [
(r [ ), para lo que
es necesario promediar con respecto a todas las posibles secuencias de smbolos a
i
, i =
1, . . . , M
N
y la fase :
f
r [
(r [ ) =
_
f
()
a
i
f
r [ A,,
(r [ a = a
i
, , )p
A
(a
i
)d (11.38)
11.4 SINCRONIZACIN DE SMBOLO 707
siendo C una constante El promediado que se requiere con respecto a la secuencia de sm-
bolos a en la fdp anterior no permite llegar a ninguna expresin manejable analticamente
para las distribuciones habituales de smbolos, salvo que se efecte algn tipo de aproxima-
cin. En este tipo de situaciones es comn recurrir a escenarios extremos, por ejemplo, con
niveles de ruido muy altos con relacin a la seal deseada o viceversa. En el caso que nos
ocupa, el promediado anterior para una relacin seal a ruido muy baja se presenta en el
Apndice 11.B. De este modo, la exponencial en (11.12) se puede aproximar por los prime-
ros trminos de su desarrollo en serie de Taylor, y la funcin a maximizar, tras promediar
con respecto a los smbolos y la fase, queda como sigue:
L() =
N1
n=0
[q(nT +T)[
2
(11.39)
Si bien la funcin anterior se ha obtenido para una SNR baja, sirve como punto de partida
para numerosos algoritmos que pueden operar en condiciones de ruido muy diversas, inclu-
so aqullas para las que la aproximacin empleada es menos precisa. La fase de muestreo
ptima es tal que la energa media de las muestras tomadas a periodo de smbolo se hace m-
xima, que cuantica lo que en el Captulo 5 se dena como el instante de mxima apertura
vertical del ojo.
Ejemplo 11.4
En la Figura 11.13 se muestra el diagrama de ojo de una constelacin binaria antipodal, corres-
pondiente a un factor de cada = 0,5, y para un caso sin ruido. Junto a l, la funcin (11.39),
cuyo mximo coincide con el instante de mxima apertura del ojo. Como se puede apreciar, la
funcin L(), que ha sido obtenida a partir del criterio ML para una SNR baja, sirve para estimar
el instante de muestreo adecuado tambin en ausencia de ruido. La funcin L() es peridica con
, ya que este parmetro slo toma valores con signicado diferente en un rango de tamao 1; en
este caso el rango considerado es [1/2, 1/2).
La maximizacin de la funcin L() proporciona el instante de muestreo adecuado. Ahora
bien, la bsqueda exhaustiva del mximo requiere interpolar los valores q(nT + T) a la
salida del ltro receptor para todas las posibles fases de muestreo relativas . Sin embargo,
es posible evitar dicha bsqueda manipulando adecuadamente la funcin L(). A tal efecto,
la primera solucin pasa por reescribir L(), de modo que se pueda extraer la posicin de su
mximo explcitamente. La segunda aproximacin al problema estima la derivada de L()
y la iguala a cero. Ambas alternativas dan lugar a esquemas de sincronizacin diferentes,
que funcionan sin el conocimiento de los smbolos transmitidos y la fase, y que pasamos a
presentar a continuacin.
La periodicidad de la funcin L() permite utilizar un desarrollo en serie de Fourier
para su representacin, de donde podremos extraer la posicin relativa del mximo de L()
a partir de la fase de una exponencial compleja. As, en el Apndice 11.C se demuestra que
el uso de pulsos en raz cuadrada de coseno alzado limita el rango de variacin de dicha
708 SINCRONIZACIN
0,5 0,25 0 0,25 0,5
2
1
0
1
2
0,5 0,25 0 0,25 0,5

max L()
L()
Figura 11.13. Diagrama de ojo de una constelacin binaria antipodal y funcin L(). Caso
sin ruido; = 0,5.
periodicidad, de modo que la funcin L() se puede aproximar como
L() =
N1
n=0
[q(nT +T)[
2
c
0
+ 21e
_
c
1
e
j2
_
(11.40)
con c
0
un parmetro independiente de , y
c
1
=
N1
n=0
_
1
N
s
N
s
1
k=0
[q((nN
s
+k)T
s
)[
2
e
j
2
N
s
k
_
(11.41)
siendo N
s
= T/T
s
el nmero de muestras por periodo de smbolo que maneja el receptor
digital de la Figura 11.4. Es decir, L() es una funcin sinusoidal con respecto a , como
la que se muestra en la Figura 11.13, en la que slo aparece representado un periodo de
la misma. La razn estriba en la cicloestacionariedad del proceso aleatorio q(t) por la
que los estadsticos de q(t) son peridicos con periodo T. En concreto, aunque tengamos
que Eq(nT
s
) = 0, el valor cuadrtico medio E[q(nT
s
)[
2
es peridico con periodo
N
s
= T/T
s
. La informacin relativa a
0
se encuentra en la fase de la componente espectral
asociada a este periodo, de tal modo que el valor de que hace mximo L() ser aquel que
produzca una rotacin sobre c
1
en (11.40) tal que c
1
e
j2
sea real, en concreto,
=
1
2
c
1
(11.42)
Este esquema de estimacin se denomina algoritmo de Oerder y Meyr, quienes lo desarro-
llaron a nales de los aos ochenta.
En la prctica la estimacin de
0
se va actualizando de forma permanente. As, para
N
s
= 4 tenemos (vase Figura 11.14)
[m] =
1
2
_
_
_
4N(m+1)1
k=4Nm
[q(kT
s
)[
2
(j)
k
_
_
_
, m entero (11.43)
donde hemos empleado que e
jk/2
= (j)
k
. En la ecuacin anterior m indica el ndice
de la estimacin calculada a partir de N smbolos, equivalentes a 4N muestras. El valor
de se va calculando para sucesivos bloques de N smbolos, para de este modo seguir las
variaciones de
0
. El nmero de smbolos N dentro de la ventana empleada para determinar
condiciona el ancho de banda de seguimiento del algoritmo, es decir, la capacidad para
seguir las variaciones del instante de muestreo ptimo. Cuanto ms larga sea la ventana,
menor ser la varianza del valor estimado de
0
, y menor ser tambin el rango de variacin
de
0
que el algoritmo puede asimilar. Es importante sealar que la funcin obtiene la fase
Figura 11.14. Diagrama de bloques del estimador de Oerder y Meyr. N
s
= T/T
s
= 4.
mdulo 2, es decir, en el rango (, ], por lo que la estimacin pertenecer al rango
[1/2, 1/2), como se deduce de (11.43). Dicha estimacin es empleada posteriormente por
un interpolador que obtiene q(nT + T) a partir de las muestras q(kT
s
); este esquema es
viable, dado que el sobremuestreo necesario para estimar garantiza la disponibilidad de
las muestras necesarias para interpolar en cualquier instante la seal q(t) a la salida del
ltro adaptado. Un aspecto bastante tcnico a tener en cuenta es la asincrona en el muestreo
del receptor, es decir, que el cociente T/T
s
no es exactamente entero, y que la posicin
relativa del instante ptimo con respecto a las muestras tomadas en el receptor puede variar
de un bloque de N muestras al siguiente. Esto se puede visualizar en la Figura 11.5, en la
que la posicin relativa del instante de muestreo ptimo con respecto a las (dos) muestras
por intervalo de smbolo va evolucionando con el tiempo. Desde luego la situacin est
exagerada en la gura, ya que la evolucin en un caso prctico es mucho ms lenta, pero da
pie a pensar en los posibles problemas que suscita que el valor ptimo de se encuentre cerca
de 1/2 1/2. Este tipo de ambigedades es propio de los algoritmos no realimentados,
y tambin se produce en los algoritmos de estimacin de fase hacia adelante, tal y como
veremos. Para manejarlos es necesario hacer un seguimiento de la evolucin de los valores
estimados con la ayuda de algoritmos del tipo unwrapping para desenrollar la fase,
que garanticen la continuidad de las diferentes estimaciones, tal y como estudiaremos en el
Apartado 11.5.2.
710 SINCRONIZACIN
11.4.1. Esquemas realimentados
La segunda forma de abordar la maximizacin de (11.39) pasa por estimar su derivada
y emplearla en un tpico esquema de gradiente. En el caso que nos ocupa, tenemos que
[n + 1] = [n] +
L()
= [n]
(11.44)
Derivando la funcin L() en (11.39) con respecto a tenemos
L()
N1
n=0
[q(nT +T)[
2
= 2T
N1
n=0
1e
_
q(nT +T)

(nT +T)
_
(11.45)
En este punto se debe tener especial cuidado: a pesar de que estamos trabajando con mues-
tras, la expresin q()/ se reere a la derivada de la funcin continua q(t) = r(t) f(t),
con r(t) la seal de entrada y f(t) la respuesta del ltro receptor en tiempo continuo. Pa-
ra poder proceder en tiempo discreto con el algoritmo es necesario aproximar la derivada
q
()/ a partir de las muestras de q
(t). Por tanto, y aunque podra parecer a la vista

de la seal de error (11.45) que el algoritmo realimentado que estamos presentando puede
trabajar a tasa de smbolo, para aproximar la derivada se hace necesario tomar, por ejemplo,
dos muestras por intervalo de smbolo, en los instantes de la forma (n + 1/2)T, adems de
nT
(nT +T)
1
T
q
_
nT +T +
T
2
_
1
T
q
_
nT +T
T
2
_
(11.46)
La derivada as aproximada debe emplearse en el algoritmo de gradiente (11.44), y consti-
tuir la seal de error a minimizar en el correspondiente esquema recursivo:
[n + 1] = [n] +e[n] (11.47)
con
e[n] =
n
k=0
1e q(kT + [k]T) [q
(kT +T/2 + [k]T) q
(kT T/2 + [k 1]T)]

(11.48)
Hemos suprimido el factor 2 presente en (11.45), que se considera incluido en la constante
. El sumatorio en (11.48) se corresponde con un ltrado paso bajo, el cual se efecta
en el ltro de lazo L(z) en el esquema del sincronizador mostrado en la Figura 11.15 y
que, como tal, puede incluir algn tipo de ponderacin como en la Ecuacin (11.26). El
bloque que estima el error calcula en cada periodo de smbolo la parte real del producto de
q(nT + [n]T) por el valor estimado de q
(nT + T)/ en = [n]. En el esquema

se incluye el interpolador que debe obtener las muestras de la seal, en este caso dos por
periodo de smbolo, a partir de las muestras de la seal ltrada q(kT
s
) y de la informacin
proporcionada por el estimador. El interpolador podra estar colocado antes del ltro de
respuesta f(kT
s
), y de este modo dicho ltro operara con dos muestras por periodo de
smbolo independientemente de la tasa a la que han sido tomadas las muestras de entrada
1/T
s
.
Este tipo de esquemas son denominados pronto-tarde (early-late), debido a que tra-
tan de ubicar el instante de muestreo ptimo usando muestras adelantadas y retrasadas con
respecto al mismo, con la premisa de que la seal recibida es simtrica en promedio con
respecto al instante de muestreo ptimo. Para conrmar esta idea, no hay ms que ver un
diagrama de ojo como el de la Figura 11.13, en el que se aprecia la simetra en torno al
instante de muestreo correcto. El uso de un algoritmo de gradiente propicia una estrategia
Figura 11.15. Bucle pronto-tarde de recuperacin del instante de muestreo. Los valores
1/T y 2/T indican la tasa de muestras por segundo en aquellas ramas en las que aparecen.
realimentada que va renando la estimacin, en este caso del instante de muestreo, hasta que
el promedio del error es nulo. Esto conlleva un estado transitorio inicial, que puede ser asu-
mible en aquellas situaciones en las que no sea necesaria una adquisicin inicial demasiado
rpida. Dicho de otro modo, el uso de esquemas realimentados quedar descartado siempre
que la velocidad de adquisicin deba ser la mayor posible, por ejemplo, en la recepcin de
tramas de smbolos muy cortas. En la Figura 11.16 se presenta la evolucin de [n] junto
con los valores muestreados a periodo de smbolo. Como se observa, una vez lograda la con-
vergencia, el muestreo resulta ser el adecuado. El valor estimado del instante de muestreo
ucta ligeramente en torno al valor correcto, causando un pequeo ruido en los valores
muestreados. Ello se debe a que cualquier esquema de sincronizacin tiene siempre un error
asociado, que no slo aparece por causa del ruido aditivo, sino que tambin es debido a la
propia aleatoriedad de los smbolos. En cualquier caso, las uctuaciones en torno al valor
correcto se pueden reducir disminuyendo el paso en (11.44), lo cual alarga el rgimen
transitorio, y diculta el seguimiento del instante de muestreo cuando la posicin relativa
del mismo cambia debido a una diferencia en los relojes de smbolo, tal y como ilustra el
siguiente ejemplo.
Ejemplo 11.5
En la Figura 11.17 se puede observar el instante de muestreo estimado junto con la parte real
de los valores que se muestrean con el mismo, en presencia de un desajuste en el reloj de mues-
treo del receptor de una parte por mil con respecto al reloj de smbolo del transmisor. En este
caso el receptor est muestreando a una frecuencia de smbolo igual a 1,001 veces la frecuen-
cia de smbolo empleada en el transmisor y que, por tanto, marca el ritmo al que estn llegando
los smbolos. En consecuencia, el error en el instante de muestreo se acumula hasta completar
712 SINCRONIZACIN
0 100 200 300 400
1.5
1
0.5
0
0.5
1
1.5
R
e
{
q
(
n
T
+
[
n
]
T
)
}
n
0 100 200 300 400
0.2
0
0.2
0.4
n
[n]
Figura 11.16. Uso de un esquema pronto-tarde para recuperar el instante de muestreo en
una modulacin lineal. Factor de cada del coseno alzado = 0,5; constelacin QPSK;
ruido y errores de interpolacin despreciables.
un smbolo completo por cada 1000 smbolos recibidos, como se deduce de la pendiente de la
evolucin de [n].
Otro algoritmo perteneciente a esta familia es el algoritmo de Gardner, que tambin se puede
obtener a partir del criterio ML, con aproximaciones que no sern detalladas aqu. El trmino
de error en el algoritmo de Gardner se puede escribir como
e[n] =
n
k=0
1e
_
q
_
kT
T
2
+ [k 1]T
_
(q ((k 1)T + [k 1]T)q(kT + [k]T))
_
(11.49)
Obsrvese que al igual que ocurra con el error (11.48) del esquema pronto-tarde, se usan
conjuntamente en cada instante de tiempo k las estimaciones [k 1] y [k], evitando de
ese modo actualizar la interpolacin de los valores de q(t) que intervienen dos veces en el
clculo del error.
La diferencia entre ambos algoritmos queda clara tras una cuidadosa comparacin de
las seales de error en (11.48) y (11.49), analizando en cada caso bajo qu condiciones el
error se hace pequeo. Resulta de nuevo muy til acudir al diagrama de ojo de la Figura
11.13 para ofrecer una interpretacin intuitiva. En el esquema pronto-tarde el instante de
muestreo se obtiene buscando aquel punto tal que los valores equidistantes en T/2 son
0 1000 2000 3000 4000
1.5
1
0.5
0
0.5
1
1.5
R
e
{
q
(
n
T
+
[
n
]
T
)
}
n
0 1000 2000 3000 4000
5
4
3
2
1
0
n
[n]
Figura 11.17. Uso de un esquema pronto-tarde para recuperar el instante de muestreo en
presencia de un desajuste en los relojes de muestreo. Factor de cada del coseno alzado
= 0,5; constelacin QPSK; ruido y errores de interpolacin despreciables.
iguales en promedio. En el algoritmo de Gardner se busca que los valores separados T/2
del instante de muestreo ptimo se correspondan con cruces por cero; as, para smbolos
consecutivos de polaridad opuesta, el valor intermedio ser muy pequeo, mientras que el
signo de la diferencia ser tal que propiciar el desplazamiento del instante de muestreo
en la direccin adecuada. Es decir, en el primer caso se buscan los mximos de la forma
de onda y en el segundo los cruces por cero a ambos lados del mximo en la Figura 11.13.
Estas armaciones son vlidas en media, ya que las seales estn compuestas por numerosos
smbolos, por lo que las estimaciones sern ruidosas incluso en ausencia de ruido de fondo.
La aleatoriedad de los smbolos, junto con los efectos de la interpolacin no ideal, son
elementos que contribuyen a deteriorar los valores estimados.
Para concluir este apartado, cabe hacer algunas consideraciones acerca de la recupera-
cin del instante de muestreo:
En trminos de prestaciones y a favor de una implementacin enteramente digital
resulta ms conveniente efectuar el muestreo a la salida del ltro anti-aliasing de
entrada f
aa
(t) por encima de la velocidad de smbolo, para posteriormente realizar el
ltro adaptado e interpolar su salida a partir de la informacin proporcionada por el
estimador del instante de muestreo. Si el sistema requiere de un igualador, en algu-
nos casos puede ser conveniente hacerlo funcionar a la tasa jada por el teorema del
714 SINCRONIZACIN
muestreo, es decir, con dos muestras por periodo de smbolo o ms, ya que ser me-
nos sensible a los errores producidos en la recuperacin del instante de muestreo. Este
tipo de igualadores se denominan fraccionarios, y fueron estudiados en el Apartado
6.5.
La estimacin puede efectuarse en lazo cerrado o hacia adelante, esto es, sin realimen-
tacin. Los mtodos hacia adelante son ms comunes en sistemas que necesitan una
rpida adquisicin, como los que trabajan a rfagas. En aquellos sistemas en los que
se puede tolerar un cierto periodo de adquisicin inicial, los esquemas realimentados
son muy empleados por su mayor simplicidad.
La prctica totalidad de los algoritmos de sincronizacin se basa en la independencia
entre los smbolos transmitidos. En concreto, una secuencia de smbolos iguales de
gran longitud resulta problemtica a la hora de extraer el instante de muestreo ms
adecuado. As, muchos sistemas reales incorporan aleatorizadores para evitar las oca-
sionales rfagas de smbolos iguales que con cierta probabilidad podran ocurrir, y
que daaran las prestaciones de la sincronizacin. En concreto, basta con sumar en
el transmisor una secuencia de seudorruido (Apartado 8.2.9) a la secuencia binaria
que se desea trasmitir; en el receptor la misma secuencia debe ser aadida, en ambos
casos con sumas mdulo-2, tal y como se muestra en la Figura 11.18. Evidentemente,
es necesaria la sincronizacin de ambas secuencias, lo cual pertenece a una etapa de
sincronizacin de nivel superior.
Figura 11.18. Aleatorizado y desaleatorizado aadiendo una secuencia de seudorruido en
mdulo-2.
11.5. RECUPERACIN DE FASE
En los sistemas paso banda, introducidos en el Apartado 5.4, es necesario efectuar etapas
de conversin en frecuencia, que en ltima instancia dejan una fase residual fruto de la
falta de sincronizacin entre los osciladores de los equipos transmisor y receptor. Dicha fase
residual
0
se aprecia en la expresin de la seal en banda base que hemos venido manejando
11.5 RECUPERACIN DE FASE 715
hasta el momento
r(t) =
N1
n=0
A[n]g
r
(t nT
0
T)e
j
0
+z(t) (11.50)
Con el n de garantizar una correcta deteccin de los smbolos transmitidos A[n] hay que
compensar la rotacin de la constelacin de smbolos complejos que provoca el trmino
e
j
0
, y que se puede apreciar en la Figura 11.19. Los receptores digitales suelen incorporar
la recuperacin de fase despus de la recuperacin del instante de muestreo, ya que esta
ltima tarea necesita un mayor nmero de muestras por intervalo de smbolo. Abordaremos
el problema igualmente desde una perspectiva de mxima verosimilitud, suponiendo que el
error en frecuencia es despreciable. De lo contrario, la aproximacin de fase cuasi-constante
no se podra realizar, y los mtodos expuestos dejaran de funcionar. Aunque trabajaremos de
forma digital, lo haremos a tasa de smbolo, tal y como qued de maniesto en el Apartado
11.2, donde se present el receptor ML ptimo.
Figura 11.19. Smbolos de una constelacin QPSK rotados
0
radianes.
11.5.1. Recuperacin de fase dirigida por decisin
Recordemos que la prctica totalidad de los algoritmos que estamos presentando se deri-
van de una formulacin de mxima verosimilitud, es decir, buscan los parmetros que hacen
mxima la evaluacin de la funcin de densidad de probabilidad en los datos observados.
Este mismo planteamiento se va a emplear para obtener estimadores de fase. Con este n,
tomamos como punto de partida la maximizacin del funcional L() en la Ecuacin (11.20).
Aunque, como ya hemos mencionado, el estimador ptimo abordara la estimacin conjunta
de la fase de la portadora, los smbolos transmitidos y el instante de muestreo, el sentido
prctico obliga a desglosar dichas tareas. Por tanto, si consideramos como instante de mues-
treo el estimado en una etapa previa, tenemos varias opciones para tratar con los smbolos
A[n]. La primera de ellas se puede utilizar cuando los smbolos enviados son conocidos, por
ejemplo durante el prembulo de una transmisin. Este caso fue considerado en el Apartado
11.3, donde se concluy que la estimacin recursiva de la fase conduce al lazo recuperador
de portadora conocido como PLL. Del mismo modo podemos abordar el caso dirigido por
decisin, en donde hacemos uso de los smbolos decididos. El error en (11.26) se escribe
716 SINCRONIZACIN
ahora como
e[n]
.
=
n
k=0
nk
Jm
_
e
j
[k]

A
[k]q(kT + T)
_
(11.51)
donde se han sustituido los smbolos por las decisiones correspondientes. El diagrama com-
pleto del algoritmo se muestra en la Figura 11.20 y se conoce como PLL dirigido por de-
cisin (Decision Directed PLL), obtenindose como solucin ML de la estimacin de la
fase en presencia de una seal moduladora. El oscilador controlado numricamente (NCO)
sintetiza el fasor e
j
[n]
. Naturalmente, cuando el nivel de ruido aumenta, tambin lo hace
la probabilidad de que aparezcan errores en las decisiones, por lo que las prestaciones de
este tipo de esquema se degradan. En tal caso cobra sentido plantear una recuperacin en la
que no sean necesarios los smbolos transmitidos (ya sean de entrenamiento o decididos).
Esta solucin se conoce como no asistida por los datos.
Figura 11.20. PLL dirigido por decisin para recuperacin de fase.
11.5.2. Recuperacin de fase no asistida por los datos
A continuacin estudiamos cmo resolver el problema de la adquisicin de la fase sin
ayuda de los smbolos y con el instante de muestreo conocido. Supongamos que una vez
recuperado este ltimo no hay interferencia entre smbolos, y que por tanto las muestras se
pueden escribir como
q(nT + T) = A[n]e
j
0
+z[n], n = 0, . . . , N 1 (11.52)
con z[n] muestras complejas de ruido blanco gausiano circularmente simtrico de media
cero y varianza
2
z
. La fdp de las muestras q se puede escribir por tanto como
f
q[A,
(q [ a, ) =
1
(
2
z
)
N
exp
_
2
z
[[q e
j
a[[
2
_
(11.53)
donde
q
.
=
_
q(0 + T) q(T + T) q ((N 1)T + T)
T
(11.54)
y
a
.
=
_
a[0] a[1] a[N 1]
T
(11.55)
Para obtener un estimador de
0
independiente de los smbolos es necesario promediar la
fdp (11.53) con respecto a los mismos, tal y como se detall en el Apartado 11.2. Cuando
se estudi la estimacin del instante de muestreo ya se apreci la dicultad de dicho prome-
diado, y la necesidad de recurrir a aproximaciones. Las ms comunes suponen una relacin
seal a ruido extrema. As, algunas manipulaciones algebraicas que no mostraremos aqu
muestran que la suposicin de una SNR elevada conducir al PLL dirigido por decisin del
apartado anterior, dado que en este caso los smbolos decididos son muy ables. Por lo tanto,
cuando la relacin seal a ruido es buena, resulta ptimo desde el punto de vista de mxima
verosimilitud el uso de los smbolos detectados para guiar la correccin de la fase.
En condiciones de SNR reducida, por ejemplo en sistemas con una ganancia de codi-
cacin muy alta que permita trabajar en presencia de mucho ruido, los smbolos decididos
antes del decodicador no son ables. Sin embargo, es posible extraer igualmente infor-
macin acerca de la fase cuando los smbolos empleados pertenecen a una constelacin
invariante a rotaciones de 2/M radianes. As, para constelaciones PSK, M coincide con el
nmero de smbolos. Por otro lado, si usamos una constelacin QAM, entonces M = 4. La
aplicacin del criterio ML, aunque complicada en este caso, conduce a un resultado revela-
dor: para el tipo de constelaciones invariante a rotaciones considerado, la estimacin de fase
se debe efectuar a partir de la potencia M-sima de las muestras recibidas, q
M
(nT + T).
As, considerando el caso ideal para el que el instante de muestreo es tal que no hay ISI,
tenemos
q
M
(nT + T) =
_
A[n]e
j
0
+z[n]
_
M
= A
M
[n]e
jM
0
+z
[n] (11.56)
donde el nuevo trmino de ruido aditivo z
[n] se corresponde con el trmino ruidoso que

queda tras la exponenciacin. En el caso particular de una constelacin M-PSK, los smbolos
son de la forma
E
s
expj2m/M, m = 0, 1, . . . , M 1 (vase Captulo 5), con lo que
A
M
[n] = E
M/2
s
, desapareciendo as la aleatoriedad causada por los mismos:
q
M
(nT + T) = E
M/2
s
e
jM
0
+z
[n] (11.57)
Si se trata de una constelacin QAM entonces la exponenciacin no consigue reducir todos
los smbolos al mismo valor, con lo que permanece una aleatoriedad residual que degrada
las prestaciones del estimador que ahora pasamos a presentar, tanto ms cuanto mayor sea
el orden de la constelacin. As, el criterio ML proporciona la estimacin de la fase

ML
como el mximo de la siguiente funcin de coste, en la que los smbolos en (11.20) han sido
sustituidos por la media de su potencia M-sima
10
L() =
N1
n=0
1e
_
e
jM
E
_
A
M
_
q
M
(nT + T)
_
(11.58)
10
El criterio ML lleva a un resultado similar a los anteriormente considerados, a pesar de que el trmino de
ruido z
[n] ya no es gausiano. Los clculos son, no obstante, complicados, y no sern incluidos en este texto.
718 SINCRONIZACIN
El trmino E
_
A
M
_
representa la media de los smbolos conjugados de la constelacin
elevados a la M-sima potencia. Es importante resaltar qu diferencia esta funcin de coste
de la correspondiente al caso en el que los smbolos son conocidos (11.20). Si pensamos en
el caso M-PSK, el criterio ML elimina la modulacin de los smbolos mediante la potencia
M-sima, y posteriormente promedia para minimizar los efectos del ruido. Es decir, aunque
no se conozcan los smbolos, se aprovecha una propiedad que cumplen los mismos. Evi-
dentemente el ruido perjudicar ms a este estimador que a aqul que conoce los smbolos
transmitidos, aunque de este modo se evita el envo de smbolos de entrenamiento.
La funcin de coste (11.58) se hace mxima para el siguiente valor de la fase:
ML
=
1
M
_
E
_
A
M
_
N1
n=0
q
M
(nT + T)
_
(11.59)
La versin realimentada de este estimador autnomo, que no se basa en el conocimiento de
los datos transmitidos, calcula de forma iterativa el mximo de la funcin (11.58), utilizando
para ello como seal de error la derivada de la funcin que se intenta maximizar, es decir:
e[n]
.
=
n
k=0
nk
Jm
_
e
jM
E
_
A
M
_
q
M
(kT + T)
_
(11.60)
donde no se muestran las constantes que se consideran incluidas en el ltro de lazo.
Ejemplo 11.6
Consideremos el caso de una constelacin BPSK, es decir, M = 2. La Figura 11.21 muestra el
esquema resultante. Obsrvese que la seal de error de la Figura 11.21 es una versin ltrada de
1e
_
e
j
[n]
q(nT + T)
_
Jm
_
e
j
[n]
q(nT + T)
_
haciendo M = 2 en (11.60). Para el caso sin ruido y sin ISI, teniendo en cuenta (11.52), la
anterior expresin es igual a E
s
sen(
0

[n]) cos(
0

[n]) = E
s
/2 sen(2
0
2
[n]), dado
que los smbolos nicamente pueden tomar los valores
E
s
.
Una generalizacin del estimador anterior es la conocida como algoritmo de Viterbi y
Viterbi ; A.J. Viterbi y A.M. Viterbi investigaron cmo mejorar las prestaciones del algorit-
mo anterior para niveles de SNR medios y bajos, la situacin ms comn cuando se emplea
codicacin. Concluyeron que un estimador ms verstil es el siguiente:
=
1
M
_
N1
n=0
F([q(nT + T)[)e
jMq(nT+ T)
_
(11.61)
donde F() es una funcin en principio arbitraria (comprese con el estimador en (11.59),
para el que F(x) = x
M
). En la expresin anterior habra que aadir el trmino EA
M
/M
si la media de A
M
tiene fase no nula (vase Problema P11.12). Normalmente se obtienen
mejores prestaciones haciendo F(x) = x
p
, con p < M; el valor de p empleado depende
de la SNR y del tamao de la constelacin. As, por ejemplo, para una constelacin QPSK,
Figura 11.21. Bucle de estimacin de fase para BPSK.
Figura 11.22. Algoritmo de Viterbi y Viterbi para estimacin de fase en constelaciones
PSK sin ayuda de decisiones.
para la que M = 4, es muy habitual emplear p = 2. El algoritmo de Viterbi y Viterbi se
puede implementar siguiendo la Figura 11.22.
Existe un claro problema de ambigedad en los esquemas de recuperacin de fase no
asistidos por los datos en general, que por supuesto afecta a los esquemas que se acaban
de presentar. En concreto, la ausencia de referencias acerca de los smbolos transmitidos,
junto con la simetra angular de las constelaciones empleadas, provoca la imposibilidad de
estimar giros sobre las mismas de 2k/M radianes, con k = 1, 2, 3, . . .. Obsrvese que la
solucin de (11.59) se encuentra en el intervalo [/M, /M), por lo que si la fase real
se halla fuera del mismo, habr un error. Esta ambigedad angular se puede corregir bien
con el envo de smbolos piloto, al menos al comienzo de la transmisin, bien empleando
modulaciones diferenciales como las expuestas en el Apartado 7.1.3. Recordemos que este
tipo de modulaciones no necesitan recuperacin de fase en un receptor con deteccin in-
coherente, o son insensibles a las ambigedades en la estimacin de la misma en el caso de
la deteccin coherente. En ltima instancia, si no es posible ninguna de las opciones seala-
720 SINCRONIZACIN
das, ser la decodicacin de canal la que determine la referencia angular de la constelacin,
eliminando aquellas posibilidades para las que el decodicador no funciona adecuadamente.
Consideremos a continuacin un problema de ndole prctica, que encontramos cuan-
do la fase
0
que se debe estimar no es constante. Pensemos, por ejemplo, en un error de
frecuencia residual . En el prximo apartado se abordar la correccin de las desvia-
ciones en la frecuencia; sin embargo, dicha correccin no ser perfecta, por lo que quedar
un error residual que introducir una variacin lineal de la fase con el tiempo de la forma
0
[n] =
0
+ n. Con el n de conectar las sucesivas estimaciones de la fase, que no
olvidemos que se cien al intervalo [/M, /M), se puede aplicar un esquema de segui-
miento de la fase, como el que se muestra en la Figura 11.23. La estimacin continua

d
[n],
Figura 11.23. Postprocesado para estimadores no realimentados.
donde el subndice d indica desenrollado (unwrapped), se puede escribir en funcin de
la estimacin discontinua

[n] como
d
[n] =

d
[n 1] +W(
[n]

d
[n 1]) (11.62)
donde la funcin no lineal W(x) es la incluida en el esquema de la Figura 11.23 y reere
x al intervalo [/M, /M). As, se puede dar continuidad a la estimacin

d
[n], evitan-
do de este modo saltos de 2/M radianes, que de otro modo ocurriran cuando la fase a
estimar cruza algn mltiplo de /M. Es evidente que este esquema introduce realimenta-
cin, con lo cual pueden aparecer problemas propios de los bucles realimentados como el
deslizamiento de ciclos, discutido en el Apartado 11.3.2.
Ejemplo 11.7
Supongamos que la fase a estimar es constante y nula para una constelacin recibida correspon-
diente a M = 4, y que la estimacin de entrada

[n] al esquema de la Figura 11.23 ucta de
forma ruidosa en torno al valor cero. A continuacin mostramos cmo un pico de ruido en la
estimacin de la fase puede provocar que la salida

d
[n] se deslice hasta /2:
[n] =
_
0,01, 0,0, /4 0,03, 0,06, 0,005, 0,01,
_
d
[n] =
_
0,01, 0,0, /4 0,03, /2 0,06, /2 + 0,005, /2 0,01,
_
11.6 AJUSTE DE FRECUENCIA 721
El pico de ruido en la tercera muestra de

[n] causa que la salida se deslice al entorno de /2, a
pesar de que la entrada contina en torno a 0.
La consecuencia del deslizamiento mostrado es que, para una rotacin ja de fase de los
smbolos recibidos, el estimador concluye que dicha rotacin diere antes y despus del
deslizamiento, lo cual provocara una rfaga de errores hasta que en algn punto de control
se detecte la rotacin producida.
Los mtodos presentados en este apartado son de uso necesario cuando no existen sm-
bolos conocidos y la SNR no es lo sucientemente buena como para justicar mtodos
dirigidos por decisin. En lo que se reere al mtodo que se debe adoptar, cabe decir que
el uso de bucles realimentados se desaconseja en determinadas aplicaciones en las que la
adquisicin debe ser rpida, como en la transmisin a rfagas propia de sistemas de acceso
mltiple por divisin en tiempo.
11.6. AJUSTE DE FRECUENCIA
En comunicaciones paso banda es necesario corregir las posibles diferencias entre la fre-
cuencia portadora de la seal recibida y la frecuencia del mezclador local. Si las diferencias
esperadas son muy grandes, como por ejemplo ocurre en sistemas con algn tipo de movi-
miento relativo entre transmisor y receptor, o en el caso de que los osciladores empleados
sean poco precisos, es necesario corregir la frecuencia en dos pasos: una correccin gruesa
en tiempo continuo o en tiempo discreto con tasa 1/T
s
sucientemente alta, y una correccin
del error residual en el dominio digital con tasa 1/T como paso previo a la recuperacin de
fase. Sea la seal recibida
r(t) =
N1
n=0
A[n]g
r
(t nT
0
T)e
j(
0
t+
0
)
+z(t) (11.63)
con g
r
(t) el pulso recibido. El ruido se incluye en el trmino z(t). Ntese la incorpora-
cin del trmino e
j
0
t
; dicho trmino puede ser debido al desajuste entre las frecuencias
de los equipos transmisores y receptores, as como a un movimiento relativo que causa el
desplazamiento en frecuencia conocido como Doppler. Este desplazamiento Doppler en la
frecuencia recibida podra ser incluso variante con el tiempo cuando as lo sea la velocidad
relativa, en cuyo caso habra que hablar adems de un trmino de segundo orden (por lo
menos) en el exponente de la forma e
j(
1
2
0
t
2
+
0
t+
0
)
. Aqu centraremos la explicacin en
cmo estimar desplazamientos de frecuencia estticos, considerando que la variacin de di-
chos desplazamientos, de existir, es lo sucientemente lenta como para ser abordada por los
algoritmos que se presentarn.
La Figura 11.24 representa el conjunto de operaciones de sincronizacin de un receptor
digital, incluyendo la correccin de frecuencia. Para esta hay que contemplar dos situaciones
distintas que condicionan el secuenciamiento de las operaciones de sincronizacin: 1) error
de frecuencia mucho menor que la tasa de smbolo 1/T; 2) error comparable a 1/T. En el
primer caso, para el que consideramos errores en torno al 15 % de 1/T como mximo, es
722 SINCRONIZACIN
Figura 11.24. Esquema general de la sincronizacin en un receptor. En todos los casos se
contemplan las dos variantes, realimentada y hacia delante, para los diferentes esquemas
de sincronizacin.
posible realizar la recuperacin del instante de muestreo sin corregir la frecuencia, mientras
que en el segundo caso hay que acudir a mtodos de correccin de frecuencia que funcio-
nen independientemente del instante de muestreo. En situaciones como esta ltima resulta
habitual una primera etapa de correccin gruesa trabajando a la tasa 1/T
s
antes de estimar
el instante de muestreo, y una posible etapa de correccin na operando a 1/T para el error
residual de frecuencia.
11.6.1. Ajuste de errores de frecuencia grandes
En la Expresin (11.63) de la seal recibida, el trmino exponencial e
j
0
t
provoca un
desplazamiento en el espectro de
0
rad/s. A no ser que dicho desplazamiento sea conve-
nientemente corregido, por lo menos en su mayor parte, la banda de paso del ltro receptor
no estar alineada con la banda ocupada por la seal recibida. Por ello es totalmente nece-
sario abordar el posicionamiento en frecuencia de la seal recibida.
La salida q(kT
s
) del ltro adaptado en la Figura 11.24 se puede escribir como
q(kT
s
) =
m=
r(mT
s
)e
j mT
s
f(kT
s
mT
s
) (11.64)
donde se ha aplicado una correccin de frecuencia de la forma e
j kT
s
r(kT
s
) antes de la
convolucin discreta con f(kT
s
).
Para relaciones seal a ruido bajas podemos retomar la funcin de coste obtenida en el
Apndice 11.B, a la que se incorpora un nuevo parmetro :
L(, ) =
N1
n=0
[q(nT +T, )[
2
(11.65)
siendo q(nT +T, ) las muestras a la salida del ltro adaptado a velocidad de smbolo para
una desplazamiento temporal T y una correccin de frecuencia :
q(nT +T, )
.
=
k=
r(kT
s
)e
jkT
s
f(nT +T kT
s
) (11.66)
Para evitar una bsqueda bidimensional en y , es necesario romper la dependencia con
este ltimo parmetro de la funcin a maximizar (11.65). Adems, salvo que el error de
frecuencia sea mucho menor que 1/T, su correccin debe preceder a la estimacin del resto
de parmetros, ya que no olvidemos que hasta ahora hemos supuesto en los esquemas desa-
rrollados a lo largo del captulo que el error de frecuencia era poco signicativo. Con este
n, se puede promediar L(, ) con respecto a (vase Problema P11.10), obtenindose as
la energa a la salida del ltro adaptado
L() =
N
s
(N1)
k=0
[q(kT
s
, )[
2
(11.67)
donde N
s
= T/T
s
es el factor de sobremuestreo. Esta nueva funcin de coste presenta una
tendencia similar a la de (11.65) maximizada con respecto a , tal y como se muestra en la
Figura 11.25, donde se observa que en este caso el mximo de ambas funciones se sita en el
cero (lo que indica que en este caso
0
= 0). La curva inferior se corresponde con la energa
a periodo de smbolo, buscando la fase de muestreo que maximice esta. La curva superior es
la energa de la seal sobremuestreada, evitando la bsqueda sobre . El precio que se paga
por lograr un estimador independiente del instante de muestreo es una mayor sensibilidad
frente al ruido, que se puede apreciar a partir de la cada de ambas funciones en torno a la
frecuencia correcta: una cada ms abrupta implica una mayor resistencia a los cambios en
la posicin del mximo ocasionados por la presencia de ruido. Con el n de comprender la
forma de la funcin de coste anterior, podemos analizar el valor de la energa a la salida del
ltro adaptado como funcin de la diferencia entre la frecuencia recibida
0
y la estimada
. Para ello hacemos uso de los resultados expuestos en el Apndice 11.D, donde tenemos
que la funcin a maximizar L() en (11.67) es proporcional a la siguiente integral:
_

[G
r
(j(
0
+))G
r
(j)[
2
d (11.68)
si f(t) = g
r
(t), es decir, el ltro receptor se corresponde con el ltro adaptado al pulso
recibido. De la relacin anterior, y a partir de la desigualdad de Cauchy-Schwarz (vase
(2.53)), tenemos que el mximo se obtendr cuando =
0
. Por otro lado, a medida que
724 SINCRONIZACIN
0.4
0.5
0.6
0.7
0.8
0.9
1
/4 /8 0 /8 /4
T
s
L()
max
L(, )
Figura 11.25. Funciones de coste (11.65) y (11.67) normalizadas en un caso sin ruido.
aumenta la diferencia entre y
0
, la coincidencia de los espectros en la integral anterior es
menor, con lo que el valor de la misma va decreciendo.
No existe una solucin en forma cerrada para encontrar el mximo de la funcin (11.67),
por lo que una primera alternativa resulta ser la bsqueda exhaustiva para un conjunto dis-
creto de valores
1
,
2
, . . . ,
J
, tal y como se muestra en la Figura 11.26. A la vista de la
Figura 11.26. Estimador de frecuencia por bsqueda exhaustiva, independiente de los sm-
bolos y del instante de muestreo.
forma de L() en la Figura 11.25, se puede plantear un esquema realimentado de la forma
habitual, es decir, cuya evolucin estar guiada por un error proporcional a la derivada de
(11.67). En el Apndice 11.D se demuestra que
N
s
(N1)
k=0
[q(kT
s
, )[
2
= 2
N
s
(N1)
k=0
1e q(kT
s
, )q
d
(kT
s
, ) (11.69)
donde intervienen las muestras q(kT
s
, ), que salen del ltro receptor previa correccin
de la frecuencia por . Asimismo, tambin se emplean las muestras q
d
(kT
s
, ), que se
obtienen haciendo pasar la secuencia recibida (tras la correccin en frecuencia) por el ltro
que implementa la derivada en frecuencia de f(kT
s
), tal y como se indica en la Figura 11.28:
q
d
(kT
s
, ) =
_
r(kT
s
)e
jkT
s
_
[jkT
s
f(kT
s
)] (11.70)
Obsrvese que, de acuerdo con la propiedad de derivacin en frecuencia en (2.100), las
muestras de dicho ltro son, simplemente, jkT
s
f(kT
s
). Cuando el ltro receptor es del
tipo raz cuadrada de coseno alzado, su derivada en frecuencia es tal que slo presenta con-
tenido en el rango [(1 )/T, (1 + )/T] rad/s y su correspondiente en frecuencias
negativas, tal y como se observa en la Figura 11.27. En este caso, el ltro que implementa
la derivada en la Figura 11.28 tendr una respuesta en frecuencia no nula nicamente en
las frecuencias de transicin del pulso en raz de coseno alzado. En el Problema P11.18 se
esboza la demostracin de que la seal de error es proporcional a la diferencia de energa
entre las dos regiones con contenido espectral de la Figura 11.27, de modo que slo cuando
ambas energas se igualen la frecuencia de la seal recibida ser la correcta.
En algunos casos puede resultar ms interesante un mtodo sencillo que opere directa-
mente sobre la seal de entrada sin ltrar, y que proporcione directamente el valor estimado
de frecuencia sin recursin de ningn tipo. As, si consideramos despreciable el ruido, y
suponemos un factor de sobremuestreo N
s
= T/T
s
elevado, tendr sentido realizar la si-
guiente aproximacin a partir de la expresin (11.63) de la seal recibida:
r(kT
s
) e
j
0
T
s
r((k 1)T
s
) (11.71)
Es decir, a partir de la comparacin de la fase de muestras sucesivas, podramos obtener
una estimacin de la frecuencia
0
. Evidentemente es necesario promediar para atenuar los
efectos del ruido y de la modulacin, que impiden que la anterior aproximacin sea una
igualdad. En este caso, el estimador se convierte en
=
1
T
s
_
_
_
N
s
(N1)
k=1
r(kT
s
)r
((k 1)T
s
)
_
_
_
(11.72)
Como hemos visto anteriormente, el criterio ML exige calcular la salida del ltro adaptado
para todos los posibles desplazamientos de frecuencia de la seal de entrada. La opcin
recin planteada evita el ltrado de la seal desplazada en frecuencia, bien como en la Figura
11.26 o como en la Figura 11.28, a costa de una degradacin de prestaciones que en la
prctica puede ser asumible.
726 SINCRONIZACIN
0
1+
T
1
T
1+
T

1
T

F(j)
0
1+
T
1
T
1+
T

1
T

F(j)/
Figura 11.27. Representacin de la Transformada de Fourier del pulso en raz cuadrada de
coseno alzado y su derivada en frecuencia.
Figura 11.28. Estimador de frecuencia en lazo cerrado, independiente de los smbolos y
del instante de muestreo.
11.6.2. Ajuste de errores de frecuencia pequeos
Por errores de frecuencia pequeos entendemos aquellos que no obstaculizan de forma
signicativa la recuperacin del instante de muestreo, para lo cual deben estar aproximada-
mente por debajo del 15 % de la tasa de smbolo, es decir, [T/2[ < 0,15. Un error de
frecuencia grande no corregido impide el funcionamiento de los esquemas analizados hasta
ahora, en los que se ltra la seal supuesta esta en banda base y se estima el instante de
muestreo adecuado. Es por ello que la primera tarea a abordar en un receptor es la correcta
ubicacin espectral de la seal de entrada, en el caso de que se esperen errores importan-
tes, con esquemas como los del apartado anterior o relacionados. Como resultado quedar
un error residual de frecuencia que, si bien no impide el ltrado y muestreo con tasa de
smbolo de la seal, s debe ser subsanado antes de detectar los smbolos recibidos. En con-
secuencia, los algoritmos analizados en este apartado trabajarn con las muestras a periodo
de smbolo, y necesariamente tendrn un rango de enganche pequeo, es decir, se supone
que el ajuste grueso de frecuencia ya ha sido realizado.
Vamos a ceirnos al caso de modulaciones M-PSK, suponiendo que no hay ISI tras el
ltro adaptado, es decir:
q(nT + T) A[n]e
j(
0
nT+
0
)
+z[n] (11.73)
con A[n] =
E
s
e
j2m/M
, m = 0, . . . , M 1. La aleatoriedad de los smbolos A[n] com-
plica la tarea, ya que a efectos de la estimacin de
0
pueden ser considerados como ruido
en el caso en el que no sean conocidos. Veamos a continuacin la reformulacin de este
problema como la estimacin de la frecuencia de una oscilacin en presencia de ruido. A tal
efecto, distinguimos dos posibilidades:
Si los smbolos transmitidos son conocidos, por ejemplo en el prembulo de una trans-
misin, la fase de los mismos se elimina multiplicando por su complejo conjugado:
A
[n]q(nT + T) = E
s
e
j(
0
nT+
0
)
+A
[n]z[n] (11.74)
con lo que el problema se reduce a la estimacin de la frecuencia de una exponencial
compleja en ruido.
Si no se dispone de smbolos de entrenamiento hay que acudir a mtodos indepen-
dientes de los datos, dado que las decisiones de los smbolos que se puedan tomar en
presencia de errores de frecuencia no son ables. En este contexto se pueden emplear
ideas similares a las de Viterbi y Viterbi (vase Apartado 11.5.2 para su uso con cons-
telaciones M-PSK). As, para eliminar la inuencia de los smbolos transmitidos se
eleva q(nT + T) a la M-sima potencia:
q
M
(nT + T) = E
M
s
e
j(M
0
nT+M
0
)
+z
[n] (11.75)
y de nuevo nos encontramos con un problema de estimacin de la frecuencia de una
oscilacin compleja en ruido.
Bajo cualquiera de las dos hiptesis anteriores, el ruido resultante es blanco si z[n] es un
proceso aleatorio blanco y los smbolos son independientes entre s. Podemos por tanto
abordar el problema del ajuste del error en frecuencia como la estimacin de la frecuencia de
una exponencial compleja en ruido blanco, que resulta ser un problema clsico. Obsrvese
728 SINCRONIZACIN
que el ruido tras la exponenciacin no es gausiano en (11.75), aunque dicha eventualidad,
si fuera tenida en cuenta, no permitira obtener un estimador ptimo manejable, por lo que
se suele trabajar con la hiptesis de que dicho ruido es gausiano. Supongamos entonces que
deseamos estimar la frecuencia
0
en una secuencia de la forma
p[n] = e
j(
0
nT+
0
)
+z[n], n = 0, 1, . . . , N 1 (11.76)
con z[n] un proceso aleatorio blanco, gausiano, circularmente simtrico y de media cero.
Es fcil ver que el estimador de mxima verosimilitud de la frecuencia es aquel valor que
maximiza
L() =
N1
n=0
p[n]e
jnT
2
(11.77)
Esta funcin se conoce como periodograma, y no es ms que una estimacin de la densi-
dad espectral de potencia del proceso aleatorio p[n]. Dicha densidad presenta un mximo
en =
0
, por lo que la estimacin ML escoge la posicin del mximo en la densidad
estimada. La posicin del mximo no admite una solucin explcita, y por tanto la precisin
en el clculo del estimador ML depender de la cantidad de frecuencias discretas sobre las
que se evale el periodograma. Para reducir el coste computacional de este mtodo exis-
ten alternativas subptimas como las presentadas a continuacin, que obtienen prestaciones
muy similares al mtodo de mxima verosimilitud para desviaciones de frecuencia peque-
as. Dichas aproximaciones estn basadas en que el periodograma se puede escribir como
la Transformada de Fourier de la estimacin

R
p
[m] de la autocorrelacin:
R
p
[m] =
1
N
Nm1
n=0
p[n +m]p
[n], m = 0, 1, . . . , N 1 (11.78)
con

R
p
[m] =

R
p
[m]. La calidad del estimador es menor a medida que m aumenta, dado
que la longitud nita (N muestras) limita el nmero de trminos del sumatorio. En el caso
que nos ocupa, si tenemos una exponencial compleja en ruido como en (11.76), la funcin
de autocorrelacin es
R
p
[m] = e
j
0
mT
+
2
z
[m] (11.79)
donde se encuentra la informacin relativa a la frecuencia. A partir de la estimacin

R
p
[m]
se puede aproximar la frecuencia
0
. Entre los diversos estimadores existentes, incluimos
a continuacin dos que presentan un buen compromiso entre complejidad y calidad de la
estimacin:
=
2
TL(L + 1)
L
m=1
R
p
[m]
_
, (estimador de Fitz) (11.80)
=
2
T(L + 1)
_
L
m=1
R
p
[m]
_
, (estimador de Luise y Reggiannini) (11.81)
L representa el nmero de trminos de la autocorrelacin estimada que se emplean. Suele
ser mucho menor que N para garantizar la calidad de las estimaciones, ya que como hemos
11.7 SINCRONIZACIN DE MODULACIONES MULTIPORTADORA 729
dicho, los valores estimados de R
p
[m] son peores para ndices m altos, debido a que el n-
mero de trminos que interviene en su clculo decrece con m.
Existen tambin alternativas realimentadas para los casos DA y NDA que no analizare-
mos aqu. Baste decir que resultan apropiadas si la varianza de la estimacin conseguida con
los esquemas no realimentados es demasiado grande, dado que en un esquema realimentado
el ruido se puede promediar en mayor medida.
11.7. SINCRONIZACIN DE MODULACIONES MULTIPORTADORA
En este apartado planteamos el problema de la sincronizacin en modulaciones multi-
portadora. Comenzaremos considerando un canal ideal que solamente introduce ruido; ms
adelante, analizaremos la interaccin del canal con las tareas de sincronizacin.
Supongamos una modulacin multiportadora que emplea un prejo cclico de M mues-
tras, para la que la seal a transmitir en tiempo discreto s[m] viene dada por (8.56). Si el
canal discreto equivalente a periodo T/N es d[m] = T/N[m]
11
, entonces la secuencia
v[m] a la salida del muestreador a periodo T/N del receptor toma la forma
v[m] =
T
N
n
N1
k=0
A
k
[n]e
j
2k
N
(mn(N+M))
w
N+M
[mn(N+M)+M]+z[m] (11.82)
donde A
k
[n], N y z[m] representan, respectivamente, el smbolo transmitido sobre la por-
tadora k-sima en el intervalo de smbolo n-simo, el nmero de exponenciales complejas
o portadoras y el ruido aditivo.
Las muestras de v[m] deben ser agrupadas en bloques de longitud N +M para eliminar
las M muestras del prejo cclico que garantizan la ausencia de ICI e ISI ante distorsiones
de canal, para posteriormente aplicar una DFT de N puntos, tal y como se muestra en la
Figura 8.16.
Por desgracia, en la prctica existen varios problemas que no son aparentes en la Ex-
presin (11.82). As, en sistemas paso banda cabe esperar una diferencia
0
entre las fre-
cuencias del modulador y demodulador, as como un desfase
0
. Adems, la necesidad de
una sincronizacin temporal aqu es, por lo menos en principio, doble: por un lado es nece-
sario conocer el instante de comienzo de cada bloque OFDM de N portadoras, para poder
eliminar su prejo cclico y aplicar la DFT de N puntos; por otro lado, hay que ajustar los
instantes ptimos de muestreo
12
. Conviene por tanto modicar (11.82) para incorporar los
11
Recurdese que la ganancia T/N se debe a la ganancia de los ltros g(t) y g(t).
12
Aunque en este caso estos instantes no guardan relacin con la mxima apertura del ojo, ya que la seal en
tiempo es el resultado de aplicar una transformacin a la secuencia de smbolos.
730 SINCRONIZACIN
parmetros sealados
v[m] =
T
N
e
j(
0
m
N
T+
0
)
n
N1
k=0
A
k
[n]e
j
2k
N
(mn(N+M)
0
)
w
N+M
[mn(N +M) +M
0
] +z[m] (11.83)
El ltro receptor de respuesta g(t) es, idealmente, un ltro selectivo en frecuencia con una
banda de paso de 2N/T rad/s. En la prctica la selectividad del ltro no ser tal, y existir
un cierto margen para absorber aquellos errores
0
rad/s que provocan un desalineamiento
entre la banda ocupada por la seal recibida y el rango de frecuencias esperado. En este
sentido, como comentamos en el Captulo 8, en los sistemas OFDM es habitual poner a cero
las portadoras extremas para facilitar la implementacin del ltro de reconstruccin. Esta
operacin contribuye a aumentar el rango de valores de
0
para el que el sistema puede
seguir funcionando.
Antes de abordar mecanismos concretos de estimacin de los diversos parmetros re-
ejados en la Expresin (11.83), analizaremos en el siguiente apartado los inconvenientes
causados por un conocimiento incompleto de dichos parmetros.
11.7.1. Impacto de los errores de sincronizacin en modulaciones
multiportadora
Comenzaremos por analizar qu ocurre cuando la seal est desplazada en frecuencia en
mayor o menor medida con respecto a la referencia esperada. As, la principal consecuencia
de una desviacin de frecuencia
0
es la prdida de ortogonalidad de las diferentes porta-
doras entre s. En la Figura 11.29 se muestra una forma sencilla de visualizar este efecto:
al igual que en una modulacin monoportadora un muestreo deciente provoca ISI, en el
caso multiportadora una desviacin en frecuencia ocasiona un muestreo en frecuencia inco-
rrecto, por lo que las portadoras dejan de ser ortogonales y se produce ICI (vase Apartado
8.1.5), es decir, interferencia entre portadoras. Un caso extremo sera aquel en el que el
error en frecuencia
0
fuese un mltiplo de la separacin entre portadoras 2/T. En este
caso las portadoras seguiran siendo ortogonales, pero los smbolos llegaran asociados a la
portadora incorrecta. Con el n de analizar las consecuencias del desalineamiento del resto
de parmetros, supondremos que el error de frecuencia
0
es nulo debido, por ejemplo, a
que ha sido corregido previamente. Adems, por conveniencia, emplearemos la notacin del
Apartado 8.1.7, en el que contemplamos la OFDM como un proceso por bloques. En este
caso, para el bloque OFDM n-simo, y tras la DFT de tamao N convenientemente alinea-
da, tenemos que si despreciamos el efecto del ruido la observacin en la portadora k-sima
ser
Q
(n)
[k] = DFT
_
e
j
0
IDFT
_
A
(n)
[k]e
j
2k
N

0
__
(11.84)
Obsrvese que el error de muestreo
0
se traduce en un trmino de fase creciente con el
ndice de la portadora k, que puede ser estimado y corregido con el uso de portadoras pilo-
Figura 11.29. Prdida de ortogonalidad causada por una desviacin en frecuencia. Las
lneas punteadas indican las frecuencias en que se realiza el muestreo.
to
13
. Asimismo, el trmino de fase e
j
0
en las muestras recibidas (11.83) supone la rotacin
en
0
rad de los smbolos de la constelacin, efecto similar al existente en modulaciones
monoportadora y analizado en el Apartado 11.5. Dicho trmino de fase, igual para todas
las portadoras, puede agruparse junto con la rotacin inducida por el canal, por lo que su
correccin se incluye en la igualacin del canal en frecuencia (Apartado 8.1.8), donde cada
portadora es corregida para compensar los efectos multiplicativos del canal en frecuencia
que analizaremos en breve.
Cuando el error en frecuencia no es nulo, podemos pensar en un error de fase que vara
con el tiempo, por lo que escribiremos [m]. De hecho, al permitir que [m] vare con el
tiempo, estamos considerando un caso ms general que puede incluir no slo un desfase jo
0
, sino tambin una desviacin de frecuencia residual
0
, as como ruido de fase presente
en los osciladores. As, considerando el bloque n-simo de N muestras sin prejo cclico
antes de realizar la DFT como
q
(n)
[m] =
1
N
e
j
(n)
[m]
N1
k=0
A
(n)
[k]e
j
2km
N
+z
(n)
[m], m = 0, . . . , N 1 (11.85)
tenemos que la salida de la DFT de N puntos se puede escribir como
Q
(n)
[k] =
1
N
N1
m=0
N1
l=0
e
j
(n)
[m]
A
(n)
[l]e
j
2lm
N
e
j
2km
N
+
N1
m=0
z
(n)
[m]e
j
2km
N
= A
(n)
[k]I
(n)
[0] +
N1
l=0
l,=k
A
(n)
[l]I
(n)
[k l] +Z
(n)
[k], k = 0, . . . , N 1 (11.86)
13
Si se estima
0
tambin se podra efectuar una interpolacin antes de la DFT para obtener las muestras en
el instante adecuado.
732 SINCRONIZACIN
con
I
(n)
[k] =
1
N
N1
m=0
e
j
2mk
N
e
j
(n)
[m]
(11.87)
El anlisis de las expresiones previas permite hablar de dos tipos de errores asociados al
ruido de fase:
Error de fase comn (Common Phase Error, CPE), que afecta a todas las portadoras
de la misma manera, I
(n)
[0] = (
N1
m=0
e
j
(n)
[m]
)/N. Este trmino se puede ver como
un promedio de las exponenciales para todas las portadoras, y es el mismo para todos
los ndices, con lo que su correccin es factible. No obstante, obsrvese que es un
error que vara con el ndice n del bloque, tal y como se pone de maniesto en la
notacin empleada. Ello es debido a que el error de fase cambia con el tiempo, no
slo dentro de un mismo bloque, sino a lo largo de bloques sucesivos.
Interferencia entre portadoras (ICI). El error de fase variante con el tiempo causa
la prdida de ortogonalidad entre portadoras, ya que origina un trmino interferente
en cada portadora participado por los smbolos del resto de portadoras, patente en
el segundo sumando de (11.86). Este trmino debe ser lo ms pequeo posible, ya
que de lo contrario el sistema puede ser inoperativo. Las componentes en frecuencia
de
(n)
[m] comparables o superiores a 2/N son las ms problemticas, lo que se
explica porque 2/N es la diferencia entre la frecuencia de portadoras consecutivas.
Conviene por tanto que los niveles de ruido de fase que introducen los relojes sean
lo ms bajos posible o, equivalentemente, que se desvanezcan en frecuencia lo ms
rpidamente posible.
Podemos decir, en consecuencia, que los errores de frecuencia en particular, y de fase varian-
te con el tiempo en general, son ms dainos que en el caso de modulaciones monoportadora.
En estas ltimas, los errores de fase y de frecuencia pequeos se trasladan directamente y de
forma aislada a los smbolos de la constelacin observada. En cambio, en una modulacin
multiportadora, se produce adems la inuencia mutua entre los diferentes smbolos debido
a la ICI ocasionada. Por tanto, resulta extremadamente importante subsanar los errores de
frecuencia, as como reducir al mnimo el ruido de fase de los osciladores empleados.
En la Expresin (11.84) y siguientes hemos supuesto el correcto alineamiento de la DFT
con las muestras recibidas en un canal gausiano. Sin embargo, no es una cuestin trivial el
cmo conseguirlo. As, la sincronizacin de bloque es la encargada de determinar el conjun-
to de N muestras que entran en la DFT; de las N+M muestras que conforman cada bloque,
las primeras M deben ser desechadas y las N restantes pasan a la DFT. Si consideramos la
casi inevitable presencia de un canal dispersivo, tenemos que si el prejo cclico tiene una
duracin mayor que la de la respuesta de dicho canal, existe al menos una posicin vlida
para el inicio de la ventana de N muestras que evita la ISI, tal y como se muestra en la Fi-
gura 11.30. Diferentes posiciones se corresponden con diferentes desplazamientos cclicos
en el dominio temporal, los cuales se traducen en un trmino de fase en el dominio de la
frecuencia, fase que se incrementa con el ndice de la portadora, y que provoca una rotacin
en la constelacin asociada a cada una de las mismas. As, tras la DFT de N puntos, tenemos
que los valores obtenidos se pueden escribir para el bloque n-simo como
Q
(n)
[k] =
T
N
e
j2k
0
/N
A
(n)
[k] D[k] +Z
(n)
[k], k = 0, . . . , N 1 (11.88)
donde D[k] es la DFT de N puntos de la respuesta en tiempo del canal, supuesta esta entre
0 y K, con K M, y Z
(n)
[k] es la DFT de N puntos del ruido aditivo. El desplazamiento
0
0
(M K) indica el nmero de muestras de la zona rayada en la Figura 11.30
que se incluyen en el bloque OFDM. Las rotaciones de fase ocasionadas en (11.88) pueden
considerarse parte de la respuesta del canal D[k], y como tales se corrigen en la igualacin
en frecuencia que se realiza tras la estimacin de canal a partir de portadoras piloto con
smbolos conocidos (vase Apartado 8.1.8).
Figura 11.30. Ilustracin de la sincronizacin de bloque. La zona rayada representa el
rango de posiciones iniciales que evitan la ISI.
La desviacin temporal
0
en la Ecuacin (11.83) se ha supuesto constante, al igual que
en apartados anteriores. Sin embargo, debemos mencionar que este valor puede variar con el
tiempo debido a la diferencia entre los relojes del transmisor y del receptor, lo cual obligar
a monitorizar constantemente la posicin de comienzo de los sucesivos bloques.
Ejemplo 11.8
Una diferencia de 100 partes por milln entre las frecuencias de los respectivos relojes del trans-
misor y del receptor signica que, por ejemplo, 10.000 muestras para el transmisor equivalen a
10.001 muestras para el receptor. En la prctica es posible llegar a emplear valores de N cercanos
a 10.000 en algunos casos, con lo que en un solo bloque OFDM se puede haber producido un
desplazamiento de casi una muestra en la referencia temporal del receptor con respecto a la del
transmisor.
En general, cabe indicar que las modulaciones multiportadora son muy sensibles a los
errores de fase y frecuencia, como consecuencia de la prdida de ortogonalidad que ocasio-
nan. En cuanto a las referencias temporales, si bien existe cierta tolerancia dada la asimila-
cin de los desfases temporales a rotaciones, deben ser manejadas con cautela, dado que las
734 SINCRONIZACIN
prestaciones de la posterior estimacin de canal se pueden resentir de dichas rotaciones. De
todas formas, esta cuestin no ser abordada en este texto, y simplemente queda planteada
para ilustrar la complejidad de todo el proceso que implica el diseo de un buen receptor de
OFDM. En la Figura 11.31 se ilustra cmo algunas tareas deben ser abordadas antes de la
DFT, para garantizar la ortogonalidad, mientras que otras se efectan con posterioridad, tal
y como se detalla a continuacin.
Figura 11.31. Disposicin de las principales tareas de sincronizacin en un receptor de OFDM.
11.7.2. Sincronizacin pre-DFT
Para garantizar el mayor grado posible de ortogonalidad entre las diferentes portadoras
es necesario, antes de realizar la DFT que extraiga los valores asociados a las mismas, subsa-
nar el error de frecuencia ilustrado en la Figura 11.29 para evitar la ICI, y tratar de garantizar
el correcto alineamiento de los sucesivos bloques para evitar la ISI, que aqu se puede inter-
pretar como interferencia entre bloques sucesivos (vase Figura 11.30). Ambas tareas deben
realizarse antes de efectuar la DFT, mientras que otras correcciones deben abordarse tras la
misma, como se muestra en la Figura 11.31. Para ello, resulta habitual insertar un prembulo
con secciones repetidas, aunque tambin son posibles tcnicas que aprovechen la redundan-
cia introducida por el prejo cclico, que son la nica posibilidad en algunos casos prcticos.
Dado que el prejo cclico o intervalo de guarda consiste en la repeticin de una porcin
de datos, podemos efectuar la adquisicin en tiempo y frecuencia aprovechando dicha re-
dundancia. Para ello, supongamos que las muestras de la seal recibida tras el ltro receptor
son de la forma
v[m] = s[m
0
]e
j
0
mT/N
+z[m] (11.89)
tomadas a una tasa de muestreo N/T seg
1
y con un error en frecuencia de
0
rad/s. El
desplazamiento
0
se considera entero, ya que buscamos una aproximacin gruesa al instante
de comienzo del bloque. Consideremos que disponemos de 2N +M muestras, siendo M la
longitud del prejo cclico (PC). Dado que, en ausencia de canal, las M muestras del PC se
repiten, tiene sentido minimizar la siguiente funcin para tratar de estimar
0
:
D() =
+M1
m=
[v[m] v[m+N][
2
(11.90)
Si el error en frecuencia
0
es nulo, entonces, para =
0
, tendramos que v[m] y v[m+N]
slo se diferenciaran a causa del ruido aditivo. En otro caso, es fcil comprobar que D()
depende adems de
0
, por lo que para lograr desacoplar ambas estimaciones, resulta ms
apropiado modicar la funcin anterior de la siguiente forma:
D() =
+M1
m=
[v[m][
2
+[v[m+N][
2
2
+M1
m=
v[m]v
[m+N]
(11.91)
Es fcil comprobar que la diferencia entre (11.91) y (11.90) se concreta en el ltimo trmino
de (11.91), gracias al cual D() no depende de
0
. Las prestaciones mejoran si se promedia
a lo largo de varios bloques OFDM, dado que en algunos casos el PC puede ser muy corto, y
los valores estimados ruidosos en exceso. En otros casos interesa que el enganche sea lo ms
rpido posible, lo cual se puede conseguir si es posible introducir redundancia apropiada al
efecto. As, en transmisiones a rfagas es deseable inducir un patrn de repeticin usando
prembulos con partes repetidas. En la Figura 11.32 se presenta el prembulo de una trans-
misin OFDM especialmente diseado para acoger una rpida adquisicin. A tal efecto, los
dos bloques etiquetados como prembulo son iguales, por lo que las M ltimas muestras
del primero desempean el papel de prejo cclico del segundo. Si suponemos desprecia-
bles los efectos del canal, las 2N primeras muestras que siguen al primer prejo cclico se
pueden escribir como
v[m] =
T
N
N1
k=0
B[k]e
j
m
N
(
0
T+k)
e
j(
0
2k
N

0
)
w
N
[m] (11.92)
+
T
N
N1
k=0
B[k]e
j
m
N
(
0
T+k)
e
j(
0
2k
N

0
)
w
N
[mN] +z[m]
con B[k], k = 0, . . . , N 1, los smbolos introducidos en el prembulo, los cuales no
contienen datos. Obsrvese que los dos sumatorios en (11.92) toman valores en los rangos
0 m N 1 y N m 2N 1 respectivamente, tal y como se deduce de la posicin
de las ventanas w
N
[m] y w
N
[m N]. La aplicacin del esquema anterior para estimar el
instante de comienzo de los sucesivos bloques es sencilla si tenemos en cuenta que el su-
matorio en (11.91) abarca N muestras consecutivas, que se corresponden con el tamao del
bloque que se repite (en ausencia de canal).
736 SINCRONIZACIN
Figura 11.32. Estructura del prembulo para la estimacin de frecuencia en OFDM.
Igualmente se puede estimar la desviacin de frecuencia en cualquiera de los casos ex-
puestos, es decir, siempre que tengamos bloques de datos que se repiten, ya sea por la es-
tructura del PC, o bien porque se introduce un prembulo como el de la Figura 11.32. As, a
partir de la expresin de las muestras recibidas (11.92), y suponiendo que se ha estimado la
referencia temporal
0
, tenemos que
v[m+N] = v[m]e
j
0
T
+z[m+N] z[m]e
j
0
T
, m = 0, . . . , N 1 (11.93)
Por tanto, el problema inicial de estimacin de la frecuencia
0
se ha transformado en un
problema de estimacin de la fase
0
T asistido por datos, que ya ha sido estudiado en el
Apartado 11.3, dado que si hacemos q
1
[m]
.
= v[m] y q
2
[m]
.
= v[m + N], para m =
0, . . . , N 1, nos queda
q
2
[m] = q
1
[m]e
j
0
T
+z
[m], m = 0, . . . , N 1 (11.94)
donde si las componentes de z[m] son independientes e idnticamente distribuidas (gausia-
nas), las componentes de z
[m] tambin lo sern. Obsrvese que la varianza de z
[m] es el
doble de la de z[m]. A partir de las Ecuaciones (11.20) y (11.21), tenemos que la solucin
ML a este problema queda de la forma

ML
=
1
T
_
N1
m=0
q
1
[m]q
2
[m]
_
(11.95)
Como se deduce fcilmente, la ambigedad angular limita los valores de la frecuencia que
se pueden estimar al rango [
0
/2[ < 1/(2T), siendo 1/T la separacin entre portadoras
en hercios. Para resolver errores de frecuencia mayores se puede recurrir a una mayor se-
paracin entre portadoras, lo que equivale a utilizar bloques ms cortos en tiempo (T ms
pequeo) con menos portadoras. En un caso prctico se pueden abordar estas cuestiones
empleando dos tipos diferentes de bloques en el prembulo: una primera repeticin de dos
bloques cortos seguida por la repeticin de dos bloques largos
14
, tal y como muestra la Fi-
gura 11.33. Finalmente, todos aquellos errores que potencialmente puedan ser mayores que
la ambigedad que se puede resolver deben ser abordados con posterioridad a la DFT. Para
14
Hay que tener en cuenta que los prembulos se emplean para abordar otras tareas, como la estimacin de
canal, por lo que no es nicamente la estimacin de frecuencia la que dictamina la estructura de los mismos.
ello, ser necesario usar algn tipo de referencia en frecuencia para poder determinar el ali-
neamiento entre portadoras, lo que se puede conseguir bien con smbolos piloto en algunas
portadoras, bien buscando las portadoras nulas que normalmente se insertan en los extremos
de cualquier transmisin OFDM.
Figura 11.33. Estructura del prembulo para la estimacin de frecuencia en OFDM en dos
etapas, gruesa y na.
La implementacin de estos bloques tan especiales en el transmisor resulta muy sencilla,
dado que, si tenemos en cuenta las propiedades de la DFT, en concreto, la insercin de ceros
expuesta en el Apartado 2.3.5, las dos mitades de un bloque sern iguales si uno de cada dos
smbolos es cero antes de hacer la IDFT en el transmisor. En general, la insercin de L 1
ceros genera la repeticin de la DFT original L veces.
Si no se dispone de un prembulo como los que se acaban de ilustrar, es necesario
recurrir a la repeticin del PC entre dos bloques sucesivos. Por lo dems, las expresiones
son totalmente anlogas a las recin expuestas.
11.7.3. Sincronizacin post-DFT
Una vez efectuada la DFT se puede completar la labor de sincronizacin, haciendo uso,
por ejemplo, del conocimiento de los smbolos transmitidos en ciertas portadoras y conoci-
dos como smbolos piloto, los cuales permiten estimar la respuesta del canal en la respectiva
portadora (recurdese el Apartado 8.1.8). En primer lugar, es posible subsanar posibles erro-
res en frecuencia que hayan podido desplazar los smbolos de unas portadoras a otras, iden-
ticando las posiciones de smbolos conocidos. Por otro lado, el canal recoge, adems de los
fenmenos de la propagacin y el ltrado, gran parte de los efectos sealados anteriormente,
tales como el error de fase comn o CPE, el instante escogido de inicio del bloque, el error
de fase, etc. Sin embargo, la simple estimacin de canal y su posterior interpolacin en las
portadoras que carecen de smbolos pilotos no garantiza una correcta solucin a los errores
de sincronizacin que han llegado hasta esta etapa, y que ofrecen caractersticas distintas.
Por ejemplo, el CPE altera por igual los smbolos asociados a todas las portadoras, mien-
tras que el comienzo del bloque determina una fase que vara linealmente a lo largo de las
mismas. Resultan especialmente problemticas las variaciones con el tiempo, incluso en ca-
nales cuasi-estticos, causadas por el CPE, tal y como se ha visto en el Apartado 11.7.1, o un
inicio de bloque que no se mantiene constante porque el valor estimado del mismo cambia
o porque los relojes del transmisor y receptor presentan frecuencias ligeramente diferentes.
En este sentido, es necesario incorporar mecanismos de seguimiento como el mostrado en
la Figura 11.31, donde la realimentacin sealada sirve para ajustar el comienzo del bloque
a partir de la informacin obtenida despus de la DFT. Las posibles formas de abordar estas
738 SINCRONIZACIN
cuestiones no son nicas, y conforman, sin duda, algunos de los aspectos ms delicados y
diferenciales de un receptor OFDM.
11.8. SINCRONIZACIN PARA MODULACIONES DE ESPECTRO ENSAN-
CHADO
El rasgo ms caracterstico de un sistema de espectro ensanchado es el gran ancho de
banda utilizado, muy por encima de lo estrictamente necesario, lo que produce ventajas
como las mencionadas en el Captulo 8. Con objeto de establecer una comparacin, en este
apartado utilizaremos el trmino banda estrecha en contraposicin a espectro ensanchado.
Partiendo de la expresin de la seal de espectro ensanchado en banda base en (8.79),
considerando un canal ideal que introduce ruido blanco y gausiano z(t) y teniendo en cuenta
los mismos problemas de sincronizacin que en el apartado anterior, podemos escribir la
seal recibida en banda base como
r(t) = e
j(
0
t+
0
)
n
A[n]g(t nT
0
T) +z(t)
= e
j(
0
t+
0
)
n
N1
m=0
A[n]x[m]g
c
(t mT
c
nT
0
T) +z(t) (11.96)
donde
0
representa el error residual en frecuencia, mientras que
0
indica la fase residual
y
0
el desplazamiento temporal relativo a un periodo de smbolo T. Recordemos que el
pulso g
c
(t) determina el ancho de banda en transmisin, que es N veces superior al de un
sistema de banda estrecha. Por tanto, podemos aplicar el planteamiento del Apartado 11.4
para encontrar el instante de muestreo ptimo, lo que conduce a la maximizacin de la
misma funcin de coste, en concreto,
L() =
N
e
1
n=0
[q(nT +T)[
2
(11.97)
donde q(t) representa la salida del ltro adaptado al pulso recibido g(t) y N
e
el nmero de
smbolos incluidos en la seal de espectro ensanchado. La diferencia sustancial radica, sin
embargo, en la forma de dicho pulso, tal y como ilustra el siguiente ejemplo.
Ejemplo 11.9
La Figura 11.34 muestra la funcin a maximizar L() para una realizacin sin ruido, con un
tamao del cdigo N = 8. Las diferencias son claras con respecto a la grca correspondiente
de la Figura 11.13. En concreto, existen diversos mximos locales asociados a las N posibles
posiciones relativas del cdigo x[m], m = 0, . . . , N 1, a emplear en el receptor.
Tenemos por tanto que la funcin L() presenta varios mximos locales, que se correspon-
den con una fase de muestreo correcta, pero asociada a un incorrecto alineamiento de la
secuencia ensanchadora. Se deduce por tanto que es necesaria una sincronizacin a dos ni-
veles, con el n de obtener bloques de N muestras correctamente alineados con el cdigo
11.8 SINCRONIZACIN PARA MODULACIONES DE ESPECTRO ENSANCHADO 739
de ensanchado x[m] y resolver el instante de muestreo adecuado. As, a partir de la Figura
11.34 y de la arquitectura receptora presentada en el Apartado 8.2.3, cabe considerar una
doble tarea en la sincronizacin. Por un lado, hay que resolver el instante de muestreo ms
adecuado en el rango de la duracin de chip T
c
. Por otro lado, a la hora de efectuar el pro-
ducto por la secuencia ensanchadora para realizar el desensanchado, es necesario establecer
un alineamiento temporal entre la seal recibida y la secuencia x[m] generada en el recep-
tor. Ambas cuestiones quedan reejadas en el factor
0
T de (11.96) si este se divide en dos
trminos:
0
T = m
c
T
c
+
c
T
c
, 0 m
c
< N,
1
2

0
,
c
<
1
2
(11.98)
con m
c
entero. Aunque la solucin ptima sera buscar simultneamente los parmetros m
c
y
c
trabajando con (11.97), resulta ms conveniente separar este proceso en dos etapas. En
este sentido, cabe indicar que la energa de cada chip es normalmente muy reducida -no ol-
videmos que la relacin seal a ruido mejora en un factor de N tras deshacer el ensanchado-,
por lo que la posibilidad de considerar como pulso bsico el pulso g
c
(t), modulado por los
valores A[n]x[m], previsiblemente no conseguira la exactitud suciente en el muestreo no
para poder abordar el posterior desensanchado con garantas. Por tanto, se suele recurrir a
una primera etapa de adquisicin, en la que se busca el alineamiento correcto de la secuen-
cia ensanchadora,
15
lo que equivale a localizar el lbulo de mayor nivel en la Figura 11.34.
Posteriormente, ya con una relacin seal a ruido ms alta, se procede a un ajuste no para
ubicar el mximo del lbulo anterior, es decir, el instante de muestreo ms adecuado. Ade-
ms, para el caso de sistemas paso banda, se debe realizar la sincronizacin de fase y de
frecuencia. Esta doble faceta de la sincronizacin es propia de modulaciones multipulso.
No olvidemos que en el apartado anterior valoramos la necesidad de establecer las fronteras
de los bloques de la seal OFDM con el n de calcular la DFT, sin menoscabo de precisar
posteriormente el muestreo de forma ms na.
11.8.1. Adquisicin
Siguiendo los principios del procesado discreto en el receptor expuestos hasta el mo-
mento, dos muestras por periodo de chip son sucientes a la hora de muestrear la seal de
espectro ensanchado por secuencia directa si se utilizan pulsos limitados en frecuencia co-
mo es el caso de los pulsos en raz de coseno alzado (vase Apartado 11.2). El ltrado por
g
(t), el ltro adaptado a g(t), se puede dividir en dos partes, en concreto, el ltrado por
g
c
(t) y la multiplicacin de las muestras por la secuencia x
[m], tal y como se mostr en

la Expresin (8.2.3). Por tanto, la bsqueda del valor m
c
en (11.98) que maximiza (11.97)
se puede efectuar tras el ltro adaptado al nivel de chip g
c
(t), probando el alineamiento
de x[m] que consigue el valor mximo. Dicha bsqueda ha de realizarse con saltos de me-
dio chip, ya que hemos dicho que necesitamos dos muestras por periodo de chip para este
procesado digital, aunque una muestra por periodo de chip es suciente para la operacin de
desensanchado una vez que se conoce el instante ptimo de muestreo. Obsrvese que esta
operacin es incoherente ya que no depende de la fase que pueda acompaar a la seal en el
15
Una estimacin semejante se lleva a cabo en el caso de un receptor RAKE, vase Apartado 8.2.8.
740 SINCRONIZACIN
0,5 0,25 0 0,25 0,5
L()
Figura 11.34. Funcin de coste L() para la estimacin del instante de muestreo en espec-
tro ensanchado por secuencia directa. No hay ruido, y el factor de cada del coseno alzado
es = 0,5. La posicin correcta es la indicada por
0
, igual a 0, 375.
caso de sistemas paso banda. Dadas las buenas propiedades de las secuencias ensanchadoras
utilizadas con relacin a su autocorrelacin, basta con realizar la bsqueda del alineamiento
utilizando un solo periodo de la secuencia, equivalente a un smbolo, a pesar de que la fun-
cin de coste (11.97) fue derivada suponiendo un gran nmero de smbolos. En este sentido
ayuda que la autocorrelacin del pulso de entrada tenga un pico muy acusado gracias al
carcter de seudorruido de la secuencia ensanchadora (vase Apartado 8.2.9). Para perlar
el modo de realizar la adquisicin de cdigo o sincronizacin gruesa, podemos abordar los
clculos de un modo similar al mostrado en el Apartado 8.2.3:
q(kT
c
/2) = r(t) g
(t)[
t=kT
c
/2
= r(t)
N1
m=0
x
[m]g
c
(t mT
c
)
t=kT
c
/2
=
N1
m=0
x
[m] [r(t) g
c
(t mT
c
)]
t=kT
c
/2
=
N1
m=0
x
[m] [r(t) g
c
(t)]
t=(k+2m)
T
c
2
(11.99)
El procedimiento de sincronizacin gruesa se muestra en la Figura 11.35. En resumen, el
estimador ML de la posicin de la secuencia ensanchadora correlaciona las muestras de
entrada con una rplica local x[m] de la secuencia ensanchadora, y busca el retardo que
maximiza la magnitud al cuadrado de la salida del correlacionador.
11.8 SINCRONIZACIN PARA MODULACIONES DE ESPECTRO ENSANCHADO 741
Figura 11.35. Adquisicin de cdigo en un sistema de espectro ensanchado por secuencia directa.
11.8.2. Seguimiento
Una vez obtenido el alineamiento del cdigo, es decir, el parmetro m
c
en (11.98), falta
por precisar
c
igualmente en (11.98). El procedimiento de estimacin de este ltimo se de-
nomina ajuste no o seguimiento. El nombre de seguimiento se debe a que esta segunda fase
de la sincronizacin debe ser mantenida de forma permanente, al contrario que la primera,
que slo debe realizarse en la inicializacin. De este modo se podrn seguir las alteraciones
en el retardo que sufre la seal desde el transmisor hasta el receptor que se traducen direc-
tamente en variaciones del instante de muestreo ptimo, sin necesidad de volver a realizar
la adquisicin, a pesar de que dichas alteraciones puedan llegar a suponer cambios mayores
que la anchura de un chip. Obsrvese que el rango de posibles valores para
c
se encuentra
en el intervalo [
c
[ 1/2, al igual que ocurre en el problema de ajuste temporal en sistemas
de banda estrecha.
En la funcin L() en (11.97) tenemos que una vez estimado m
c
queda
L(
c
) =
N
e
1
n=0
[q(nT +m
c
T
c
+
c
T
c
)[
2
(11.100)
742 SINCRONIZACIN
para la que podemos proceder del mismo modo que en el Apartado 11.4.1 para obtener un
algoritmo recursivo que permita realizar un seguimiento de la evolucin de
c
con el tiempo.
En funcin de en qu momento aproximemos la derivada obtendremos uno de entre dos
posibles algoritmos. As, podemos utilizar como trmino de error
e[n] =
n
k=0
[q(kT +m
c
T
c
+
c
[n]T
c
+
1
2
T
c
)[
2
[q(kT +m
c
T
c
+
c
[n]T
c
1
2
T
c
)[
2
(11.101)
que da lugar a un lazo enganchado en retardo (Delay-Locked Loop), conocido como DLL
y mostrado en la Figura 11.36. Obsrvese que es necesario efectuar un muestreo con periodo
Figura 11.36. Lazo enganchado en retardo (DLL) para ajuste no en DS-SS.
T
c
/2, y utilizar la secuencia ensanchadora como parte de la operacin del ltro adaptado tal
y como explicamos en la parte de adquisicin. El objetivo es equilibrar la energa de la
salida muestreada T
c
/2 antes del instante de muestreo escogido con respecto a la energa
de la salida muestreada T
c
/2 despus. Como resultado de la comparacin, el error e[n] se
actualiza en cada periodo de smbolo.
La otra posibilidad surge de aplicar el mismo desarrollo que en el Apartado 11.4.1, lo
que lleva a un algoritmo en el que el error del bucle se escribe como
e[n] =
n
k=0
1e q(kT +m
c
T
c
+
c
[n]T
c
)
_
q
(kT +m
c
T
c
+
c
[n]T
c
+
1
2
T
c
) q
(kT +m
c
T
c
+
c
[n]T
c
1
2
T
c
)
__
(11.102)
Este algoritmo se denomina pronto-tarde al igual que el correspondiente de banda estrecha.
Tiene una complejidad similar a la del DLL expuesto anteriormente, y al igual que el mismo,
es incoherente, dado que el trmino de error e[n] no vara ante una rotacin de las muestras
de entrada. El error cometido en la estimacin de
c
es menor que el correspondiente con el
DLL cuando la relacin seal a ruido es muy baja.
11.8.3. Ajuste de fase y frecuencia
Tal y como hemos mencionado anteriormente, resulta prioritario que el error de frecuen-
cia sea muy pequeo en relacin con la tasa de smbolo en cualquier sistema convencional,
a n de facilitar la sincronizacin temporal y maximizar la relacin seal a ruido. Esto si-
gue siendo as en el caso de espectro ensanchado, con la dicultad aadida del cdigo de
ensanchado: sin adquirir correctamente la posicin del mismo no resulta factible resolver
la desviacin en frecuencia de la seal recibida. Igualmente, sin conocer la posicin en fre-
cuencia de la seal de entrada no se puede afrontar la adquisicin tal y como la presentamos
en el Apartado 11.8.1. Por tanto, en principio es necesario afrontar una bsqueda bidimen-
sional tiempo/frecuencia, que viene a ser una combinacin de los esquemas mostrados en
las Figuras 11.26 y 11.35.
Con respecto a la fase, y sin hacer consideraciones acerca de la interferencia multiusua-
rio, cabe decir que los principios son los mismos que en los esquemas de banda estrecha. En
algunos casos la sincronizacin de fase se puede efectuar a partir de una seal piloto si el
diseo del sistema as lo permite.
11.8.4. Salto en frecuencia
La sincronizacin de sistemas FH-SS (Frequency Hopping Spread Spectrum), Apar-
tado 8.2.7, presenta las mismas necesidades analizadas para DS-SS: adquisicin y segui-
miento, o ajuste grueso y ajuste no. En la adquisicin hay que sincronizar la secuencia que
controla el patrn de salto en frecuencia. Para ello se deben combinar las salidas del ltro
adaptado en el receptor convenientemente en tiempo y frecuencia, es decir, para cada inter-
valo de chip la salida en la frecuencia correspondiente, hasta que se supere un determinado
umbral que indicar que se ha hecho la combinacin en el orden correcto. Posteriormente,
el ajuste no se encarga de determinar con mayor precisin la frontera de los intervalos de
chip durante los cuales las frecuencias se mantienen constantes, haciendo uso de nuevo de
un algoritmo realimentando en el que el error indica si hay que avanzar o retroceder para
alinear los patrones de frecuencia recibido y generado, respectivamente, en el receptor.
En 1963 tuvo lugar un encuentro entre algunos de los ms destacados expertos por aquel
entonces en teora de la comunicacin. En concreto, se reunieron S.W. Golomb, J.R. Davey,
I.S. Reed, H.L. Van Trees y J.J. Stifer para discutir acerca de los problemas relacionados
con la sincronizacin. Su conclusin fue clara: la sincronizacin no constituye una mera
cuestin de detalle nal, sino que es en s misma un problema fundamental de las comu-
nicaciones digitales como lo puede ser la deteccin [35]. Cuarenta aos de avances les han
744 SINCRONIZACIN
venido a dar la razn y a constatar la importancia de la sincronizacin en todos sus niveles.
Este captulo ha tratado de cubrir los aspectos ms reseables de la misma en lo referido al
nivel fsico de la comunicacin, buscando la presentacin de los problemas fundamentales y
modos sistemticos de resolverlos. En este sentido, las dos principales fuentes de referencia
son los libros de Meyr, Moeneclaey y Fechtel por un lado [50] y de Mengali y D
Andrea
por otro [49]. Estos excelentes textos han venido a llenar un hueco ante la falta de tratados
que permitiesen abordar de forma global la problemtica de la sincronizacin. Asimismo,
en [88] se muestran numerosos aspectos prcticos de la sincronizacin y su solucin para
entornos muy diversos.
La importancia de la interpolacin en los esquemas de sincronizacin temporal fue cons-
tatada por primera vez por Gardner en [29], y se puede encontrar todo un captulo dedicado
a la misma en [50].
Los sistemas basados en modulaciones multiportadora presentan una problemtica muy
particular en lo referente a la sincronizacin, tal y como se ha tratado de poner de maniesto
en este captulo. Para profundizar en esta cuestin, se puede consultar [59], [77] y [96].
Por lo que respecta a las modulaciones de espectro ensanchado, el libro de Proakis [61]
constituye una muy buena referencia general y, en particular, en lo relativo a la sincroni-
zacin. Este texto permite ahondar en este delicado problema, que se ha cubierto de forma
somera en este captulo, y que constituye uno de los puntos crticos de la implementacin
prctica de sistemas basados en espectro ensanchado.
PROBLEMAS
P11.1 Sea un lazo de estimacin de fase o PLL de primer orden que incorpora el ltro de
lazo L(z) = K. Se pretende que dicho PLL pueda realizar el seguimiento de una
exponencial de entrada de la forma
q[n] = e
j(
0
n+
0
)
donde
0
es un error residual de frecuencia tal que [
0
[ < 0, 1 radianes. Tal y como
se ha detallado en el captulo, un PLL de primer orden dejar un error permanente de
fase en este caso.
1.1. Determine el mnimo valor de K que garantiza que la diferencia de fase entre la
exponencial de entrada y la exponencial generada por el PLL sea una constante.
Tenga en cuenta para ello que en rgimen permanente el trmino K sen(
0
n +
0

[n]) debe ser constante para que en la exponencial exp(j
[n]) la fase
estimada

[n] pueda seguir una evolucin lineal con el tiempo.
1.2. A la vista de la funcin de transferencia expuesta en el Ejemplo 11.2, razone
qu consecuencias implica el aumento de K.
1.3. Si en una realizacin prctica se mide el error residual de fase
0
n +
0

[n] para n grande, se obtiene un valor mayor que

0
/K, el que predice el
modelo lineal. Explique la discrepancia teniendo en cuenta las limitaciones de
la aproximacin lineal.
P11.2 La correlacin es una operacin fundamental para la estimacin de parmetros, como
se ha puesto de maniesto a lo largo de este captulo. Veamos algunas consideracio-
nes para casos de especial inters.
2.1. Sea p[n] una exponencial compleja de la forma p[n] = e
j(
0
n+
0
)
, 0 n
N 1. Obtenga la estimacin

R
p
[m] de su autocorrelacin, usando para ello la
siguiente expresin:
R
p
[m] =
1
N m
Nm1
n=0
p[n +m]p
[n], m = 0, 1, . . . , N 1
y

R
p
[m] =

R
p
[m].
2.2. Repita el clculo anterior con el estimador
R
p
[m] =
1
N
Nm1
n=0
p[n +m]p
[n], m = 0, 1, . . . , N 1
que en la prctica se emplea a menudo debido a sus mejores propiedades esta-
dsticas.
2.3. Sea p[n], 0 n N 1, una secuencia de seudorruido de la que podemos
decir, con un buen grado de aproximacin, que
1
N
Nm1
n=0
p[n +m]p
[n] [m]
Si dicha secuencia atraviesa un canal de la forma h[n] = h
0
[nn
0
] +h
1
[n
n
1
], obtenga, utilizando el estimador del apartado anterior, la autocorrelacin
entre la salida del canal y[n] = p[n] h[n] y p[n], justicando la existencia de
dos picos en la misma que permitiran identicar los retardos presentes en el
canal.
P11.3 El rango de enganche de un estimador de frecuencia incluye aquellas desviaciones
de frecuencia que pueden ser asumidas por el estimador. Determine dicho rango en
los siguientes casos, para un pulso de transmisin en raz cuadrada de coseno alzado
con factor de cada :
3.1. Estimador de mxima verosimilitud recursivo del Apartado 11.6.1. Se puede
suponer que se verica la siguiente relacin:
1 +
2T
+
max
<
1
2T
s
es decir, no se produce aliasing en el muestreo de la seal desplazada en fre-
cuencia.
746 SINCRONIZACIN
3.2. Estimador de Fitz. Obtenga el resultado en funcin del nmero L de trminos
de la autocorrelacin empleados.
3.3. Estimador de Luise y Regiannini. Idem.
P11.4 Respecto al estimado de Gardner del instante de muestreo:
4.1. Demuestre que el estimador ofrece un funcionamiento independiente de la fase
residual
0
presente en la seal de entrada
r(t) =
N1
n=0
A[n]g
r
(t nT
0
T)e
j
0
+z(t)
4.2. Si se conoce la fase, es posible usar un estimador relacionado con el de Gardner
y dirigido por decisin:
e[n] =
n
k=0
1e
_
q
_
kT
T
2
+ [k 1]T
_
_
A[k 1]

A[k]
_
_
donde

A[k 1] y

A[k] representan los smbolos decididos a partir de las mues-
tras q ((k 1)T + [k 1]T) y q(kT + [k]T) respectivamente. Este estima-
dor se corresponde con el clsico detector de cruces por cero (Zero-crossing
Detector). Justique razonadamente para una constelacin QPSK por qu un
cambio de polaridad en smbolos consecutivos benecia el ajuste del instante
de muestreo.
P11.5 Consideremos una modulacin 2-PAM paso banda de la forma
x(t) =
21e
_
n
A[n]g(t nT)e
j(
c
t+
0
)
_
donde los smbolos A[n] pueden tomar los valores 1. Proponemos dos posibles
formas de realizar la demodulacin en el receptor, el cual dispone de un oscilador
que genera la sinusoide cos(
c
t), y puede generar su versin en cuadratura sen(
c
t):
Si tenemos en cuenta que los smbolos son reales, x(t) tambin se puede es-
cribir como x(t) = s(t) cos(
c
t +
0
). Sea la seal recibida y(t) = x(t) y la
correspondiente seal en banda base la obtenida como el ltrado paso bajo de
y(t) cos(
c
t).
Demodulacin en cuadratura, como la mostrada en la Figura 5.34.
5.1. Si
0
= 0, determine cul de los dos receptores resulta ms sencillo para la
modulacin planteada.
5.2. Deduzca la expresin de la seal demodulada en banda base q(t) en ambos
casos para el caso general de
0
arbitrario. Compruebe que si la conversin a
banda base se realiza de forma incoherente, es decir, sin control de ningn tipo
sobre la fase de la sinusoide empleada, q(t) puede llegar a hacerse nula en el
caso real.
5.3. Concluya que en el primer caso es necesario efectuar la demodulacin em-
pleando cos(
c
t +

), mientras que en el segundo podemos desacoplar las ope-
raciones de mezclado con la sinusoide y estimacin de
0
, haciendo uso, por
ejemplo, del esquema de la Figura 11.21.
P11.6 Obtenga los coecientes del desarrollo en serie de Fourier de la siguiente seal:
x(t) =
n=
[p(t nT
0
T)[
2
en funcin de la Transformada de Fourier P(j) de p(t). Demuestre que si P(j) es
nulo para [[ 2/T, entonces slo habr tres coecientes no nulos, en concreto:
c
0
=
1
T
1
2
_

[P(j)[
2
d
c
1
=
1
T
e
j2
0
1
2
_

P (j(2/T )) P
(j)d
c
1
=
1
T
e
j2
0
1
2
_

P (j(2/T )) P
(j)d
Demuestre adems que c
1
= c
1
.
P11.7 Como se ha visto a lo largo del captulo, la interpolacin resulta un elemento esen-
cial en la recuperacin del instante de muestreo. Los interpoladores que se emplean
no son exactos, dado que los ltros deben ser necesariamente limitados en tiempo,
aunque los errores atribuibles a este concepto suelen ser poco importantes. En es-
te problema vamos a presentar una estructura de interpolacin muy empleada en la
prctica.
7.1. La operacin
y(kT
s
+T
s
)
.
= x(kT
s
+T
s
) =
I
2
m=I
1
x(kT
s
mT
s
)h
[m]
sirve para interpolar de forma aproximada el valor x(kT
s
+T
s
), con 0 <
1, a partir de las muestras recibidas en mltiplos de T
s
. Esta operacin se co-
rresponde con el ltrado de la secuencia x(kT
s
) por un ltro FIR. Determine los
valores de k para los que la respuesta al impulso h
[k] de dicho ltro es no nula.

Asimismo, obtenga los valores de dicha respuesta para un simple interpolador
lineal.
748 SINCRONIZACIN
7.2. La respuesta al impulso anterior depende del desplazamiento . Vamos a para-
metrizar cada uno de sus coecientes como
h
[k] =
L
l=0
c
l
[k]
l
Esta relacin polinmica restringe la dependencia de los coecientes con ,
pero permite una implementacin eciente. Utilizando estos coecientes, de-
muestre que la salida interpolada y(kT
s
+T
s
) se puede escribir como la com-
binacin de las salidas de L+1 ltros independientes de . El factor controla
el modo en el que se combinan dichas salidas, y es el nico factor en el interpo-
lador que depende del resultado de la estimacin del instante de muestreo. Este
tipo de esquema se denomina estructura de Farrow.
P11.8 Para comprender un poco mejor cmo la maximizacin de la energa en el instante
de muestreo sirve para sincronizar el receptor, consideremos un caso simplicado.
As, sea la seal recibida de la forma
r(t) =
n
A[n]w
T
(t nT)
donde el pulso w
T
(t) es rectangular, denido en el intervalo 0 t < T.
8.1. Sea la salida del ltro adaptado q(t) = r(t) w
T
(t). Justique que q(t)
se puede escribir como q(t) =
n
A[n]p(t nT), siendo p(t) un pulso de
Nyquist.
8.2. Obtenga la energa media E
_
[q(T)[
2
_
como funcin de la fase de muestreo
0 < 1, comprobando que tiene un mximo en = 0.
P11.9 El estimador de Luise y Reggiannini de la Ecuacin (11.81) hace uso de la estimacin
de la autocorrelacin para los ndices m = 1, . . . , L 1.
9.1. Determine el nmero de multiplicaciones necesarias sobre las N muestras de
entrada para el clculo de
L
m=1
R
p
[m]. Demuestre cmo se puede reducir este
nmero a N 1 haciendo los agrupamientos correspondientes.
9.2. El estimador anterior precede a un estimador de fase, el cual necesita que la
variacin de la fase a lo largo de las N
muestras que usa (con N
no necesa-
riamente igual a N), para estimar la misma sea inferior a 2 10
2
radianes.
Determine el mximo error en frecuencia que asegura un correcto funciona-
miento de la recuperacin de fase.
P11.10 La funcin de coste asociada a la estimacin conjunta del instante de muestreo y la
desviacin de frecuencia se puede escribir como:
L(, ) =
N1
n=0
[q(nT +T, )[
2
c
0
() + 21e
_
c
1
()e
j2
_
Obtenga la expresin de c
0
(), que debe servir para demostrar que la funcin de
coste L() en (11.67) se puede obtener promediando L(, ) sobre una distribucin
uniforme de todas las posibles fases de muestreo en el rango [1/2, 1/2).
P11.11 En numerosas ocasiones una misma arquitectura receptora debe mantener su funcio-
nalidad para diferentes tasas de smbolo. As, supongamos que en la Figura 11.15 el
parmetro T no est jado de antemano, y puede tomar diferentes valores asociados
a distintas seales de entrada. En ese caso, los coecientes del ltro adaptado depen-
den de la tasa de entrada, y el interpolador ajusta la tasa a dos muestras por periodo
de smbolo, que son las necesarias para el esquema pronto-tarde.
11.1. Si el ltro adaptado es un ltro en raz cuadrada de coseno alzado, determine
el nmero de coecientes de su respuesta al impulso en funcin del cociente
T/T
s
, para el caso en el que esta se trunca a una duracin de 10 periodos de
smbolo.
11.2. Una posible estructura alternativa, con menos complicaciones en su implemen-
tacin, pasa por colocar el interpolador antes del ltro adaptado, de modo que
este ltimo trabaje con dos muestras por periodo de smbolo independiente-
mente de la tasa de smbolo. Razone las diferencias entre ambas estructuras,
valorando la robustez ante el ruido y posibles interferencias en bandas adya-
centes.
11.3. Determine el nmero de coecientes del ltro adaptado en esta conguracin
alternativa, para la misma duracin del Apartado (a).
P11.12 El estimador de fase de la M-sima potencia se basa en la simetra a rotaciones de
2/M radianes de la constelacin. Demuestre que para este tipo de constelaciones,
los smbolos verican la siguiente propiedad:
E A
p
= 0, 1 p M 1
Consideremos ahora una constelacin QPSK en la que los smbolos se sitan origi-
nalmente en alguna de las siguientes posiciones:
_
E
s
e
j(k/2+/4)
, k = 0, 1, 2, 3
es decir, rotada /4 radianes con respecto a los ejes real e imaginario. Obtenga el
valor EA
4
.
P11.13 Un reemisor de seales tiene como funcin principal la amplicacin, aunque para
ello es necesario abordar una serie de tareas de ltrado y mezclado en frecuencia.
Consideremos la seal de entrada
x(t) = 1e
_
s(t)e
j
c
t
_
750 SINCRONIZACIN
que es procesada tal y como se indica en la Figura 11.37. En primer lugar la seal es
trasladada desde la frecuencia
c
a una frecuencia inferior
i
, donde es ltrada, para
posteriormente ser devuelta a la frecuencia original
c
, donde ser de nuevo ltrada
y amplicada, tareas que ya no se muestran en la gura. Obsrvese que el oscilador
Figura 11.37. Esquema simplicado de un reemisor de seales.
empleado para la conversin en frecuencia es el mismo para la bajada y la subida, y
contiene un trmino de ruido de fase etiquetado como (t), que puede llegar a afectar
a las prestaciones del receptor nal. Obtenga analticamente la componente de la
seal de salida centrada en
c
, determinando explcitamente el trmino de ruido de
fase. Se puede suponer que
c

i
> W, siendo W el ancho de banda que ocupa
s(t) en banda base. El ltro paso banda tiene una respuesta en frecuencia H(j)
de mdulo constante en (
i
W,
i
+ W), retardo de grupo igualmente constante
en dicho rango, y fase
0
en
i
. El ancho de banda del ruido de fase (t) se puede
considerar pequeo en relacin al de la seal s(t).
P11.14 Con el n de analizar el impacto de un error residual de frecuencia en un sistema
multiportadora, sea la siguiente expresin:
A[k] = DFT
_
e
j
0
n
IDFTA[k]
_
donde A[k], k = 0, . . . , N1 es una secuencia de N smbolos complejos,

A[k], k =
0, . . . , N 1, es la secuencia estimada, y
0
es la frecuencia residual tras la demo-
dulacin, tal que [
0
[ < 2/N. Obsrvese que si
0
= 0, entonces tenemos que
A[k] = A[k], k = 0, . . . , N 1, escenario ideal. Deduzca la expresin del valor

asociado a la portadora en k = 0,

A[0], constatando la presencia de ICI causada por
las restantes N 1 portadoras.
P11.15 Tal y como se ha precisado en el texto, se puede variar el comienzo del bloque OFDM
en el receptor de un sistema multiportadora sin introducir ISI, siempre y cuando se
respete el margen indicado en la Figura 11.30. La principal consecuencia ser una
rotacin de los smbolos, vinculada al ndice de la portadora correspondiente. Dicha
rotacin queda asimilada al canal y, como tal, debe ser identicada. As, si escribimos
los valores obtenidos como en la Ecuacin (11.88), es decir,
Q
(n)
[k] =
T
N
e
j2k
0
/N
A
(n)
[k] D[k] +Z
(n)
[k], k = 0, . . . , N 1
debemos estimar
e
j2k
0
/N
D[k], k = 0, . . . , N 1
lo que en muchos casos se hace interpolando los valores estimados en las posiciones
de ciertas portadoras piloto. Si consideramos un canal ideal, es decir, D[k]T/N = 1
para todo k, determine, para un cociente
0
/N dado:
15.1. La mxima separacin entre dos portadoras piloto que garantiza una diferencia
de fase menor de 45
entre los valores a identicar asociados a ambas portado-

ras.
15.2. Si efectuamos una interpolacin lineal para estimar el canal entre las dos porta-
doras piloto anteriores, razone por qu, incluso en ausencia de ruido, estaremos
cometiendo un error en la estimacin de la respuesta del canal asociada a las
portadoras intermedias.
Para tratar de estimar
0
de forma sencilla podemos suponer que la respuesta del
canal D[k] vara mnimamente entre portadoras prximas. Por tanto, suponiendo que
se conoce el cociente Q
(n)
[k
1
]/A
(n)
[k
1
] y Q
(n)
[k
2
]/A
(n)
[k
2
], y podemos usar que
D[k
1
] D[k
2
], proponga una manera de estimar
0
.
P11.16 Justique en qu frecuencia en radianes presentar un pico espectral muy signicati-
vo la secuencia [q(kT/4)[
2
, teniendo en cuenta que q(t) se puede escribir como
q(t) =
n
A[n]g(t nT)
siendo A[n] una secuencia de smbolos independientes y g(t) un pulso en coseno
alzado con factor de cada 0 < < 1 y, por tanto, un ancho de banda de (1+)/T
rad/s. Repita el razonamiento igualmente con la secuencia [q(kT/4)[
2
, si ahora q(t)
se escribe como
q(t) =
n
A[n]
1
m=0
g
c
(t mT
c
nT)
con T
c
= T/2 y g
c
(t) un pulso en coseno alzado con factor de cada 0 < < 1 y
ancho de banda (1 +)/T
c
rad/s.
P11.17 Consideremos un caso especial de modulaciones denominadas APSK (Amplitude
Phase Shift Keying), que consisten en la unin de diferentes constelaciones M-PSK
con radios distintos. En concreto, los puntos de la constelacin correspondiente a la
modulacin 4+12-APSK se pueden escribir como
r
1
e
j(/4+k2/4)
, k = 0, 1, 2, 3
r
2
e
j(/12+k2/12)
, k = 0, . . . , 11
donde r
2
/r
1
> 1.
752 SINCRONIZACIN
17.1. Compruebe que esta constelacin es invariante a ciertas rotaciones, determinan-
do la magnitud de las mismas.
17.2. Determine el mnimo exponente M necesario para eliminar la modulacin de
la fase por medio de A
M
, siendo A un smbolo arbitrario de la constelacin.
17.3. El exponente anterior es demasiado elevado y, por tanto, no se usa en la prctica.
Por el contrario, se utiliza uno ms pequeo que convierte los dos anillos de la
constelacin 4+12-APSK en sendas constelaciones QPSK de radios distintos.
Determine el valor de dicho exponente.
17.4. Finalmente, la rotacin de fase se puede estimar con un esquema dirigido por
decisiones que acta sobre la constelacin de radio mayor obtenida en el an-
terior apartado. Deduzca la ambigedad de fase de la tcnica de estimacin
expuesta.
P11.18 18.1. Considere el error en el esquema realimentado de recuperacin de frecuencia a
partir de la Expresin (11.69). Demuestre que dicho error, que para el funcio-
namiento en lazo cerrado y a periodo T
s
toma la forma
e[k] = 2
k
m=0
1e q(mT
s
, [m])q
d
(mT
s
, [m])
se puede reescribir como
e[k] =
1
2
k
m=0
([q(mT
s
, [m]) +q
d
(mT
s
, [m])[
2
[q(mT
s
, [m]) q
d
(mT
s
, [m])[
2
)
18.2. De lo anterior se deduce que el lazo de ajuste de frecuencia est dirigido por la
diferencia de energas a la salida de los ltros f(kT
s
) + f
d
(kT
s
) y f(kT
s
)
f
d
(kT
s
) para la entrada r(kT
s
)e
j [k]kT
s
, siendo f
d
(kT
s
) la respuesta en tiem-
po correspondiente a la derivada en frecuencia del ltro con respuesta f(kT
s
).
Represente grcamente la respuesta en frecuencia de los dos ltros anteriores,
en concreto, el ltro suma y el ltro diferencia, constatando aquellas bandas de
frecuencia en las que dieren y aquellas en las que coinciden.
18.3. Dado que los ltros equivalentes presentan zonas en frecuencia en las que coin-
ciden, se puede desechar la informacin de la entrada en dichas bandas. Por
tanto, es posible sustituir los ltros anteriores por otros ms simples. Sea por
tanto un esquema alternativo en el que el error se calcula como
e[k] =
k
m=0
[q
1
(mT
s
, [m])[
2
[q
2
(mT
s
, [m])[
2
siendo q
i
(mT
s
, [m]) el resultado de ltrar la entrada por el ltro h
i
(kT
s
) para
i = 1, 2. Explicar qu condicin deben cumplir en frecuencia los ltros h
1
(kT
s
)
11.A RESULTADOS ASINTTICOS 753
y h
2
(kT
s
) para que el esquema realimentado siga ejerciendo su funcin. Este
tipo de esquema, concebido inicialmente en su momento a partir de conside-
raciones ad-hoc, se conoce como detector de ltros duales o de ltros espejo.
APNDICES
11.A. RESULTADOS ASINTTICOS
A lo largo del captulo se emplean diversas aproximaciones, las cuales resultan muy
convenientes para obtener esquemas prcticos de sincronizacin. Una de ellas considera
secuencias muy largas de muestras, as como un nmero de smbolos muy elevado. Otra su-
posicin importante es que el pulso recibido g
r
(t) es tal que g
r
(t)g
r
(t) verica el criterio
de Nyquist, es decir, no hay ISI si se muestrea adecuadamente. A continuacin mostraremos
en detalle cmo dichas aproximaciones ayudan a manipular las expresiones involucradas
en el desarrollo del receptor ML ptimo. En la prctica, los esquemas de sincronizacin
obtenidos se aplican a muchos casos que no tienen por qu vericar necesariamente las su-
posiciones realizadas.
En primer lugar tenemos que la funcin de densidad de probabilidad (11.6) de los datos
recibidos es funcin de la distancia eucldea [[r s[[, ya que el ruido es blanco y gausiano.
A continuacin repetimos el desglose de dicha distancia al cuadrado, tal y como se hizo en
la Expresin (11.9):
[[r s[[
2
= [[r[[
2
+[[s[[
2
21e r, s (11.103)
Comenzamos por desarrollar [[s[[
2
. Para ello, a partir de (11.8), y considerando un nmero
de muestras tan elevado como sea necesario, tenemos
[[s[[
2
=
k=
_
N1
n=0
a
[n]g
r
(kT
s
nT T)e
j
__
N1
m=0
a[m]g
r
(kT
s
mT T)e
j
_
=
N1
n=0
a
[n]
N1
m=0
a[m]
k=
g
r
(kT
s
nT T)g
r
(kT
s
mT T)
. .
1
T
s
_

r
(t nT T)g
r
(t mT T)dt
(11.104)
donde hemos utilizado la siguiente equivalencia para seales limitadas en banda:
_

x(t)y(t)dt = T
s
k
x(kT
s
)y(kT
s
) (11.105)
que se puede demostrar fcilmente escribiendo x(t) e y(t) como

k
x(kT
s
) sinc((t
kT
s
)/T
s
) y
k
y(kT
s
) sinc((t kT
s
)/T
s
) respectivamente, siempre que el ancho de banda
754 SINCRONIZACIN
de x(t) e y(t) no sea superior a /T
s
rad/s. La integral que sustituye al sumatorio no depen-
de de , como se puede demostrar con un simple cambio de variable, por lo que nalmente
tenemos
[[s[[
2
=
N1
n=0
N1
m=0
a
[n]a[m]
1
T
s
_

r
(t nT)g
r
(t mT)dt (11.106)
Si consideramos que g
r
(t) g
r
(t) es un pulso de Nyquist, entonces la integral anterior,
que se puede poner como g
r
(t) g
r
(t) evaluada en (mn)T, se anula para m ,= n, y por
tanto aproximamos, para un nmero de smbolos N elevado,
[[s[[
2
=
N1
n=0
[a[n][
2
1
T
s
_

[g
r
(t)[
2
dt NE
s
1
T
s
_

[g
r
(t)[
2
dt (11.107)
con E
s
= E
_
[A[n][
2
_
la energa media por smbolo. La aproximacin anterior se convierte
en una igualdad estricta si los smbolos son de mdulo constante.
Existe un segundo trmino en (11.9) que depende de las muestras s, en concreto, la
parte real de su producto escalar con las muestras recibidas r. Dicho producto escalar se
puede escribir en funcin de los parmetros a estimar si expresamos s a partir de (11.8) y
consideramos secuencias de longitud innita:
r, s =
k=
s
(kT
s
)r(kT
s
) =
k=
N1
n=0
a
[n]g
r
(kT
s
nT T)e
j
r(kT
s
)
= e
j
N1
n=0
a
[n]
k=
g
r
(kT
s
nT T)r(kT
s
) (11.108)
que admite una lectura en trminos del ltro adaptado al pulso recibido g
r
(t), ya que
k=
g
r
(kT
s
nT T)r(kT
s
) =
1
T
s
q(nT +T) (11.109)
siendo q(t) = r(t) g
r
(t), donde de nuevo hemos utilizado la equivalencia (11.105). Por
tanto, tenemos que
r, s =
1
T
s
e
j
N1
n=0
a
[n]q(nT +T) (11.110)

En la prctica el uso de un nmero nito de trminos en r no altera los resultados anteriores,
teniendo en cuenta que la longitud de los pulsos de transmisin es necesariamente nita en
su implementacin.
11.B CRITERIO ML PARA SNR REDUCIDA 755
11.B. CRITERIO ML PARA SNR REDUCIDA
Con el n de obtener estimaciones manejables de los diferentes parmetros de sincro-
nizacin que no dependan del conocimiento de los smbolos transmitidos, es necesario pro-
mediar la fdp (11.12) con respecto a los mismos, es decir:
f
r [ ,
(r [ , ) = E
A
_
f
r [ A,,
(r [ a, , )
_
(11.111)
Esta operacin de promediado o marginalizacin resulta muy complicada analticamente,
y no permite llegar a expresiones abordables salvo que se hagan ciertas simplicaciones.
La ms comn es suponer que la relacin seal a ruido es baja, lo cual es muy habitual en
la prctica. En cualquier caso, los estimadores obtenidos se suelen emplear para diferentes
puntos de operacin, aun cuando no sean los ptimos para los casos no incluidos en las
aproximaciones empleadas. Veamos por tanto cmo llegar a una expresin que se pueda
promediar analticamente.
Consideremos la exponencial en (11.12), que se har mxima cuando el argumento de
la parte real incluida en el exponente sea real, lo cual ocurrir para la fase convenientemente
escogida:
ML
=
_
N1
n=0
a
[n]q(nT + T)
_
(11.112)
De este modo desacoplamos la estimacin del instante de muestreo de la estimacin de la
fase. Las diferentes consideraciones acerca del estimador anterior

ML
estn incluidas en el
Apartado 11.5. La expresin a maximizar se reduce ahora a
exp
_
2
2
n
N1
n=0
a
[n]q(nT +T)
_
= exp
_
2
2
n
[q() , a[
_
(11.113)
donde interviene el producto escalar entre la secuencia de smbolos a y los valores mues-
treados en los instantes nT + T e incluidos en el vector q(). Si la SNR fuese elevada se
podra emplear la estimacin de los smbolos obtenida a partir de un simple decisor, en la
certeza de que un gran porcentaje de los mismos sera decidido correctamente. En el caso
en que la SNR sea baja, como es de esperar en muchas situaciones prcticas, debemos pro-
mediar con respecto a los smbolos. As, si nos quedamos con los dos primeros trminos
del desarrollo de Taylor expx 1 + x, que constituirn una buena aproximacin para x
pequeo, tenemos que con x =
2
2
n
[q() , a[, dado que la SNR es baja, la aproximacin
anterior se concreta en
exp
_
2
2
n
[q() , a[
_
1 +
2
2
n
[q() , a[ (11.114)
con lo que la funcin a maximizar se ha reducido al mdulo del producto escalar q() , a.
Por lo tanto, la estimacin del instante de muestreo se puede obtener como el mximo de la
siguiente funcin:
L() = E
A
[q() , a[ (11.115)
756 SINCRONIZACIN
El promedio del producto escalar del vector q() con la secuencia a ser mximo para
aquel vector q() que tenga norma mxima. Esta armacin, que se puede demostrar ana-
lticamente de una forma sencilla, resulta fcilmente comprensible si consideramos que los
sucesivos smbolos son independientes entre s, siguen la misma distribucin y tienen media
cero. De este modo, no hay ninguna direccin preferente en el conjunto de vectores a, con
lo que la maximizacin del producto escalar anterior promediado sobre todos ellos se redu-
ce a maximizar la energa de los valores muestreados a periodo de smbolo. En denitiva,
la funcin a maximizar se corresponde con la energa de la secuencia a la salida del ltro
adaptado muestreada a periodo de smbolo:
L() =
N1
n=0
[q(nT +T)[
2
(11.116)
11.C. CICLOESTACIONARIEDAD Y SINCRONIZACIN
Una seal PAM es un proceso cicloestacionario (Captulos 3 y 5) y, por tanto, sus esta-
dsticos son funciones peridicas. As, la seal PAM de la forma
q(t) =
n
A[n]p(t nT
0
T) (11.117)
tiene un valor cuadrtico medio instantneo peridico que, como tal, admite un desarrollo
en serie de Fourier:
E
_
[q(t)[
2
_
=
k=
c
k
e
j
2
T
kt
(11.118)
Vamos a suponer que no hay error de frecuencia; en el siguiente apartado abordaremos esta
cuestin. Igualmente, por claridad en la exposicin, no incluimos el ruido aditivo estaciona-
rio, dado que no altera el carcter cicloestacionario de la seal. En un proceso estacionario
tendramos que el valor cuadrtico medio es invariante con el tiempo. En el caso que nos
ocupa, tenemos que si los smbolos son independientes, podemos escribir
E
_
[q(t)[
2
_
= E
_
n
A[n]p(t nT
0
T)
m
A
[m]p
(t mT
0
T)
_
=
m
E A[n]A
[m] p(t nT
0
T)p
(t mT
0
T)
= E
s
n
[p(t nT
0
T)[
2
(11.119)
donde E
s
= E[A[n][
2
es la energa media por smbolo que, sin prdida de generalidad,
vamos a suponer igual a uno a partir de este momento. El ltimo sumatorio de la expre-
sin anterior permite comprobar la periodicidad con periodo T del valor cuadrtico medio
11.C CICLOESTACIONARIEDAD Y SINCRONIZACIN 757
instantneo a travs de un simple cambio de variable. Por tanto, estamos en disposicin de
calcular los coecientes del desarrollo en serie de Fourier:
c
k
=
1
T
_
T
E
_
[q(t)[
2
_
e
j
2
T
kt
dt =
1
T
_
T
_
n
[p(t nT
0
T)[
2
_
e
j
2
T
kt
dt
(11.120)
En el Problema P11.6 se calculan dichos coecientes, y se demuestra que si p(t) no presenta
contenido espectral por encima de 2/T rad/s, como es el caso de los pulsos en coseno
alzado, nicamente los coecientes c
1
, c
0
, c
1
, correspondientes a las frecuencias 2/T, 0
y 2/T respectivamente, sern distintos de cero. Obsrvese que el ancho de banda del ruido,
si este se incluye en el anlisis, coincide con el de la seal una vez que ambos han atravesado
el ltro receptor. Por tanto, la expansin anterior se reduce a
E
_
[q(t)[
2
_
= c
0
+ 21e
_
c
1
e
j
2
T
t
_
(11.121)
En consecuencia, el valor cuadrtico medio instantneo del proceso cicloestacionario q(t)
tiene una componente continua, la nica en el caso de un proceso estacionario, junto con
una variacin sinusoidal de periodo T. Ambas componentes contienen informacin de in-
ters para las labores de sincronizacin. As, las magnitudes de c
0
y c
1
estn relacionadas
con el desplazamiento en frecuencia del pulso recibido a la entrada del ltro f(t) (vase el
siguiente apndice). Por otro lado, en el Problema P11.6 se comprueba que c
0
es indepen-
diente de
0
, mientras que la fase de c
1
s depende de la fase temporal
0
. Estas armaciones
son ciertas para un nmero de smbolos sucientemente elevado, para el cual la funcin de
coste en (11.116), obtenida con el criterio de mxima verosimilitud, se puede aproximar del
siguiente modo:
N1
n=0
[q(nT +T)[
2
N1
n=0
E
_
[q(nT +T)[
2
_
=
N1
n=0
_
c
0
+ 21e
_
c
1
e
j
2(nT+T)
T
__
= Nc
0
+ 21e
_
Nc
1
e
j2
_
.
= d
0
+ 21e
_
d
1
e
j2
_
(11.122)
cuya maximizacin proporciona el estimador ML de
0
:
=
1
2
c
1
(11.123)
El coeciente c
1
(o equivalentemente d
1
) debe ser necesariamente estimado, dado que no
disponemos de E[q(t)[
2
en (11.120). Para su clculo, podemos sustituir en (11.120) la
integral por un sumatorio a partir de las muestras q(kT
s
), mientras que la esperanza se
aproxima por un promedio temporal, dado el carcter peridico de la misma:
d
1
=
1
T
_
T
NE
_
[q(t)[
2
_
e
j2t/T
dt
1
T
_
T
0
N1
n=0
[q(t +nT)[
2
e
j2t/T
dt
=
N1
n=0
_
1
N
s
N
s
1
k=0
[q((nN
s
+k)T
s
)[
2
e
j
2
N
s
k
_
(11.124)
donde N
s
= T/T
s
es el nmero de muestras por smbolo tomadas de forma asncrona.
758 SINCRONIZACIN
11.D. ESTIMACIN GRUESA DE FRECUENCIA
El caso ms general es aqul en el que incluimos un desplazamiento de frecuencia
0
sobre la seal recibida, el cual se intenta estimar en el receptor junto con el resto de parme-
tros. La nueva funcin de coste surgida del criterio ML es una extensin de la obtenida en
el Apndice 11.B, en concreto
N1
n=0
[q(nT +T, )[
2
(11.125)
done q(t) es de nuevo la seal modulada linealmente de (11.117), con un pulso bsico que
esta vez se puede escribir como
p(t, )
.
=
_
e
j(
0
)t
g
r
(t)
_
f(t) (11.126)
Se pueden repetir por tanto las consideraciones del apndice anterior, teniendo en cuenta
que los coecientes del desarrollo en serie de Fourier, a travs de su relacin con el pulso
p(t), dependern tambin de ; nos referiremos a ellos por tanto como c
k
(). Pasamos en
consecuencia a plantear de nuevo la aproximacin a la funcin de coste obtenida con el
criterio ML:
N1
n=0
[q(nT +T, )[
2
N1
n=0
E
_
[q(nT +T, )[
2
_
=
N1
n=0
_
c
0
() + 21e
_
c
1
()e
j
2(nT+T)
T
__
= Nc
0
() + 21e
_
Nc
1
()e
j2
_
(11.127)
El desplazamiento de frecuencia inuye en ambos trminos c
0
() y c
1
(), aunque para
desacoplar la estimacin de la frecuencia y del instante de muestreo se puede utilizar por
simplicidad nicamente c
0
(). Para ello, si suponemos f(t) = g
r
(t), empleando (11.120)
y (11.126) podemos escribir
c
0
() =
1
T
_

[p(t, )[
2
dt =
1
T
1
2
_

[G
r
(j( +
0
))G
r
(j)[
2
d (11.128)
donde hemos usado el teorema de Rayleigh y la Expresin (11.126) de p(t, ). El coeciente
c
0
() presenta un mximo en =
0
, como se demuestra en el Apartado 11.6.1. Con
efectos prcticos, podemos estimar c
0
() de la siguiente forma:
c
0
() =
1
T
_
T
E[q(t, )[
2
dt
1
N
s
1
N
N
s
(N1)
k=0
[q(kT
s
, )[
2
(11.129)
es decir, se estima a partir de la energa de la salida de los ltros adaptados a las diferentes
versiones desplazadas en frecuencia de la entrada. Si denimos L()
.
= c
0
()N
s
N obtene-
mos (11.67). Con el n de obtener un esquema realimentado, debemos utilizar su derivada
11.D ESTIMACIN GRUESA DE FRECUENCIA 759
como trmino de error. Sea, por tanto,
L() =

N
s
(N1)
k=0
[q(kT
s
, )[
2
= 2
N
s
(N1)
k=0
1e
_
q(kT
s
, )

(kT
s
, )
_
(11.130)
donde, a partir de la Expresin (11.66), tenemos que
(kT
s
, ) =
m=
r
(mT
s
)e
jmT
s
jmT
s
f
(kT
s
mT
s
) (11.131)
y, por tanto,

N
s
(N1)
k=0
[q(kT
s
, )[
2
se puede escribir como
2
N
s
(N1)
k=0
1e
_
q(kT
s
, )
m
r
(mT
s
)e
jmT
s
j(mT
s
kT
s
+kT
s
)f
(kT
s
mT
s
)
_
= 2
N
s
(N1)
k=0
1e
_
q(kT
s
, )
m
r
(mT
s
)e
jmT
s
(j)(kT
s
mT
s
)f
(kT
s
mT
s
)
_
+ 2
N
s
(N1)
k=0
1e
_
q(kT
s
, )
m
r
(mT
s
)e
jmT
s
jkT
s
f
(kT
s
mT
s
)
_
= 2
N
s
(N1)
k=0
1e
_
q(kT
s
, )
m
r
(mT
s
)e
jmT
s
(j)(kT
s
mT
s
)f
(kT
s
mT
s
)
_
+ 2
N
s
(N1)
k=0
1e q(kT
s
, )jkT
s
q
(kT
s
, )
En la ltima expresin es fcil comprobar que el segundo trmino es cero, mientras que en el
primero aparece el ltrado de la secuencia r(kT
s
)e
jkT
s
por parte del ltro cuya respuesta
en frecuencia es la derivada de la correspondiente respuesta del ltro adaptado. Por tanto, si
denominamos a la salida de este ltimo ltro q
d
(kT
s
, ), concluimos nalmente que
N
s
(N1)
k=0
[q(kT
s
, )[
2
= 2
N
s
(N1)
k=0
1e q(kT
s
, )q
d
(kT
s
, ) (11.132)
BIBLIOGRAFA
[1] J. B. Anderson, T. Aulin y C.-E. Sundberg. Digital Phase Modulation. Plenum Press,
New York, NY, EEUU, 1986.
[2] J. B. Anderson y A. Svensson. Coded Modulation Systems. Kluwer Academic Publis-
hers, New York, NY, EEUU, 2003.
[3] T. Aulin y C.-E. Sundberg. Continuous Phase Modulation (CPM), Parts I and II. IEEE
Transactions on Communications, COM-29:196225, marzo 1981.
[4] A. S. Bahai, B. R. Saltzberg y M. Ergen. Multi-Carrier Digital Communications:
Theory and Applications of OFDM. Springer, New York, NY, EEUU, segunda edicin,
2004.
[5] J. R. Barry, E. A. Lee y D. G. Messerschmitt. Digital Communication. Kluwer Aca-
demic Publishers, Boston, MA, EEUU, tercera edicin, 2004.
[6] C. Belore y J. J.H. Park. Decision Feedback Equalization. Proceedings of the IEEE,
67(8):11431156, agosto 1979.
[7] S. Benedetto y E. Biglieri. Principles of Ditital Transmission With Wireless Applica-
tions. Kluwer Academic/Plenum Publishers, New York, NY, EEUU, 1999.
[8] R. E. Blahut. Fast Algorithms for Digital Signal Processing. Addison-Wesley,
Reading, MA, EEUU, 1985.
[9] R. E. Blahut. Principles and Practice of Information Theory. Addison-Wesley,
Reading, MA, EEUU, 1987.
[10] R. E. Blahut. Algebraic Codes for Data Transmission. Cambridge University Press,
Cambridge, Reino Unido, 2003.
[11] E. Bliglieri, D. Dvsalar, P. J. McLane y M. K. Simon. Introduction to Trellis-Coding
Modulation with Applications. Macmillan Publishing Company, New York, NY,
EEUU, 1991.
[12] R. N. Bracewell. The Fourier Transform and Its Applications. Electrical and Electronic
Engineering Series. McGraw-Hill, New York, NY, EEUU, segunda edicin, 1986.
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c _~ 2012 Los autores
762 BIBLIOGRAFA
[13] E. Brigham. The Fast Fourier Transform and Its Applications. Prentice-Hall, Engle-
wood Cliffs, NJ, EEUU, segunda edicin, 1988.
[14] C. Burrus y T. Parks. DFT/FFT and Convolution Algorithms: Theory and Implemen-
tation. John Wiley and Sons, New York, NY, EEUU, 1985.
[15] J. C. R. Johnson, P. Schniter, T. J. Endres, J. D. Behm, D. R. Brown y R. A. Casas.
Blind Equalization Using the Constant Modulus Criterion: A Review. Proceedings of
the IEEE, 86(10):19271950, octubre 1998.
[16] L. Chaumont y M. Yor. Exercises in Probability. A Guided Tour from Measure Theory
to Random Processes, via Conditioning. Cambridge University Press, Englewood
Cliffs, NJ, EEUU, 2004.
[17] S.-Y. Chung, G. D. J. Forney, T. Richardson y R. Urbanke. On the Design of Low-
Density Parity-Check Codes Within 0.0045 dB of the Shannon Limit. IEEE Commu-
nications Letters, 5(2):5860, 2001.
[18] S.-Y. Chung, T. Richardson y R. Urbanke. Analysis of Sum-Product Decoding of Low-
Density Parity-Check Codes Using a Gaussian Approximation. IEEE Transactions on
Information Theory, 47(2):657670, 2001.
[19] J. H. Conway y N. J. A. Sloane. Sphere Packings, Lattices and Groups. Springer-
Verlag, New York, NY, EEUU, tercera edicin, 1999.
[20] J. Cooley y J. Tukey. An Algorithm for the Machine Computation of the Complex
Fourier Series. Mathematics of Computation, 19:297301, abril 1965.
[21] T. M. Cover y J. A. Thomas. Elements of Information Theory. John Wiley and Sons,
New York, NY, EEUU, segunda edicin, 2006.
[22] I. Csiszr y J. Krner. Information Theory. Coding Theorems for Discrete Memoryless
Systems. Akadmiai Kiad, Budapest, Hungra, 1981.
[23] R. C. Dixon. Spread Spectrum Systems. John Wiley and Sons, New York, NY, EEUU,
1990.
[24] M. Engels. Wireless OFDM Systems: How to Make Them Work? Kluwer Academic
Publishers, Norwell, MA, EEUU, 2002.
[25] K. Feher. Wireless Digital Communications. Prentice-Hall, Upper Saddle River, NJ,
EEUU, 1995.
[26] L. E. Franks. Teora de la Seal. Editorial Revert, Barcelona, Espaa, 1975.
[27] R. G. Gallager. Low density parity check codes. The MIT Press, 1963.
[28] R. G. Gallager. Information Theory and Reliable Communication. John Wiley and
Sons, New York, NY, EEUU, 1968.
BIBLIOGRAFA 763
[29] F. Gardner. Interpolation in Digital Modems - Part I: Fundamentals. IEEE Transactions
on Communications, 41(3):502508, marzo 1993.
[30] W. A. Gardner. Statistical Spectral Analysis. A Nonprobabilistic Theory. Prentice-Hall,
New York, NY, EEUU, 1988.
[31] W. A. Gardner, editor. Cyclostationarity in Communications and Signal Processing.
IEEE Press, New York, NY, EEUU, 1994.
[32] J. G.D. Forney. Maximum-Likelihood Sequence Estimation of Digital Sequences in
the Presence of Intersymbol Interference. IEEE Transactions on Information Theory,
18(3):363378, mayo 1972.
[33] D. N. Godard. Self-Recovering Equalization and Carrier Tracking in Two-Dimensional
Data Communication Systems. IEEE Transactions on Communications, 28(11):1867
1875, noviembre 1980.
[34] A. Goldsmith. Wireless Communications. Cambridge University Press, New York,
NY, EEUU, 2005.
[35] S. W. Golomb, J. R. Davey, I. S. Reed, H. L. V. Trees y J. J. Stifer. Synchronization.
IEEE Transactions on Communication Systems, CS-11:481491, diciembre 1963.
[36] G. Grimmett y D. Stirzaker. One Thousand Exercises in Probability. Oxford University
Press, segunda edicin, 2001.
[37] G. Grimmett y D. Stirzaker. Probability and Random Processes. Oxford University
Press, tercera edicin, 2001.
[38] L. Hanzo, M. Mnster, B. Choi y T. Keller. OFDM and MC-CDMA for Broadband
Multi-User Communications, WLANs and Broadcasting. Wiley-IEEE Press, Chiches-
ter, Reino Unido, 2003.
[39] S. Haykin. Digital Communications. John Wiley and Sons, New York, NY, EEUU,
1988.
[40] S. Haykin. Adaptive Filter Theory. Prentice Hall, Upper Saddle River, NJ, EEUU,
cuarta edicin, 2001.
[41] H. Jin, A. Khandekar y R. J. McEliece. Irregular Repeat-Accumulate Codes. In Inter-
national Conference on Turbo Codes, Brest, Francia, 9 2000.
[42] H. Jin y R. J. McEliece. RA Codes Achieve AWGN Channel Capacity. In 13th Inter-
national Symposium, AAECC, Honolulu, Hawaii, EEUU, 1999.
[43] E. A. Lee y D. G. Messerschmitt. Digital Communication. Kluwer Academic Publis-
hers, Boston, MA, EEUU, segunda edicin, 1994.
764 BIBLIOGRAFA
[44] A. Leon-Garcia. Probability and Random Processes for Electrical Engineering.
Prentice-Hall, Upper Saddle River, NJ, EEUU, segunda edicin, 1994.
[45] S. Lin y D. J. Costello. Error Control Coding. Prentice Hall, New York, NY, EEUU,
segunda edicin, 2004.
[46] D. J. C. MacKay. Good Error Correcting Codes Based on Very Sparse Matrices. IEEE
Transactions on Information Theory, 45(2):399431, 1999.
[47] D. J. C. Mackay. Information Theory, Inference, and Learning Algorithms. Cambridge
University Press, Cambridge, Reino Unido, 2003.
[48] D. R. McDonald. Elements of Applied Probability for Engineering, Mathematics and
Systems Science. World Scientic Publishing, 2004.
[49] U. Mengali y A. N. D
Andrea. Synchronization Techniques for Digital Receivers.

Plenum Press, New York, NY, EEUU, 1997.
[50] H. Meyr, M. Moeneclaey y S. A. Fechtel. Digital Communication Receivers: Synchro-
nization, Channel Estimation and Signal Processing. John Wiley and Sons, New York,
NY, EEUU, 1998.
[51] T. M. Mills. Problems in Probability. World Scientic Publishing, segunda edicin,
2001.
[52] P. Monsen. Feedback Equalization for Fading Dispersive Channels. IEEE Transactions
on Information Theory, IT-17(1):5664, enero 1971.
[53] H. Nyquist. Certain Topics in Telegraph Transmission Theory (reimpresin del artculo
de 1928). Proceedings of the IEEE, 90:280305, febrero 2002.
[54] A. V. Oppenheim, R. W. Schafer y J. R. Buck. Discrete-Time Signal Processing. Signal
Processing Series. Prentice-Hall, Englewood Cliffs, NJ, EEUU, segunda edicin, 1999.
[55] A. V. Oppenheim, A. S. Willsky y S. H. Nawab. Signals and Systems. Signal Proces-
sing Series. Prentice-Hall, Upper Saddle River, NJ, EEUU, segunda edicin, 1996.
[56] A. Papoulis. The Fourier Integral and Its Applications. McGraw-Hill, New York, NY,
EEUU, 1962.
[57] A. Papoulis. Signal Analysis. McGraw-Hill, New York, NY, EEUU, 1977.
[58] A. Papoulis. Probability, Random Variables and Stochastic Processes. McGraw-Hill,
New York, NY, EEUU, tercera edicin, 1991.
[59] T. Pollet, M. V. Bladel y M. Moeneclaey. BERSensitivity of OFDMSystems to Carrier
Frequency Offset and Wiener Phase Noise. IEEE Transactions on Communications,
43(2):191193, febrero 1995.
BIBLIOGRAFA 765
[60] R. Prasad. OFDM for Wireless Communications Systems. Artech House Publishers,
Norwood, MA, EEUU, 2004.
[61] J. G. Proakis. Digital Communications. McGraw-Hill, New York, NY, EEUU, cuarta
edicin, 2001.
[62] J. G. Proakis y D. G. Manolakis. Introduction to Digital Signal Processing. Macmillan
Publishing Company, New York, NY, EEUU, segunda edicin, 1996.
[63] J. G. Proakis y M. Salehi. Communication Systems Engineering. Prentice-Hall, En-
glewood Cliffs, NJ, EEUU, segunda edicin, 2002.
[64] S. U. Qureshi. Adaptive Equalization. Proceedings of the IEEE, 73(9):13491387,
septiembre 1985.
[65] T. Richardson, A. Shokrollahi y R. Urbanke. Design of Capacity-Approaching Irre-
gular Low-density Parity-Check Codes. IEEE Transactions on Information Theory,
47(2):619637, 2001.
[66] T. Richardson y R. Urbanke. The Capacity of Low-Density Parity Check Codes Under
Message-Passing Decoding. IEEE Transactions on Information Theory, 47(2):599
618, 2001.
[67] C. Rose y M. D. Smith. Mathematical Statistics with Mathematica. Springer, New
York, NY, EEUU, 2002.
[68] S. Ross. A First Course in Probability. Prentice-Hall, Englewood Cliffs, NJ, EEUU,
sexta edicin, 2001.
[69] A. Roumy, S. Guemghar, G. Caire y S. Verdu. Design Methods for Irregular Repeat
Accumulate Codes. In International Symposium on Information Theory, Yokohama,
Japn, 6 2003.
[70] D. V. Sarwate y M. B. Pursley. Crosscorrelation Properties of Pseudorandom and
Related Sequences. Proceedings of the IEEE, 68(5):593619, 1980.
[71] C. Schlegel y L. Perez. Trellis and Turbo Coding. Wiley-IEEE Press, New York, NY,
EEUU, 2004.
[72] H. Schulze y C. Luders. Theory and Applications of OFDM and CDMA. John Wiley
and Sons, Chichester, Reino Unido, 2005.
[73] C. E. Shannon. A Mathematical Theory of Communication. Bell Sys. Tech. Journal,
27:379423, 623656, julio, octubre 1948.
[74] M. K. Simon, J. K. Omura, R. A. Scholtz y B. K. Levitt. Spread spectrum communi-
cations; vols. 1-3. Computer Science Press, New York, NY, EEUU, 1985.
766 BIBLIOGRAFA
[75] M. K. Simon, S. M. Hinedi y W. C. Lindsey. Digital Communication Techniques.
Signal Design and Detection. Prentice-Hall, Englewood Cliffs, NJ, EEUU, 1995.
[76] N. J. Sloane y A. D. Wyner, editores. Claude Elwood Shannon: Collected Papers.
IEEE Press, Piscataway, NJ, EEUU, 1993.
[77] M. Speth, S. A. Fechtel, G. Fock y H. Meyr. Optimum Receiver Design for OFDM-
Based Broadband Transmission - Part II: A Case Study. IEEE Transactions on Com-
munications, 49(4):571578, abril 2001.
[78] H. Stark y J. W. Woods. Probability and RandomProcesses with Applications to Signal
Processing. Prentice-Hall, Englewood Cliffs, NJ, EEUU, tercera edicin, 2002.
[79] T. Starr, J. M. Ciof y P. J. Silverman. Understanding Digital Subscriber Line Tech-
nology. Prentice-Hall, Englewood Cliffs, NJ, EEUU, 1999.
[80] G. L. Stuber. Principles of Mobile Communication. Kluwer Academic Publishers,
Norwell, MA, 1996.
[81] H. L. V. Trees. Detection, Estimation, and Modulation Theory: Part I. John Wiley and
Sons, New York, NY, EEUU, 1968.
[82] J. R. Treichler, I. Fijalkow y C. R. J. Jr. Fractionally Spaced Equalizers: How Long
Should They Really Be? IEEE Signal Processing Magazine, 13(3):6581, mayo 1996.
[83] J. R. Treichler, M. G. Larimore y J. C. Harp. Practical Blind Demodulators for High-
order QAM Signals. Proceedings of the IEEE, 86(10):19071926, octubre 1998.
[84] G. Ungerboeck. Fractional Tap-Spacing Equalizer and Consequences for Clock Reco-
very in Data Modems. IEEE Transactions on Communications, 24(8):856864, agosto
1976.
[85] Unin Internacional de Telecomunicaciones. Recomendacin UIT-T V.32: familia de
modems dplex a dos hilos que funcionan a velocidades binarias de hasta 9600 bit/s
para uso en la red telefnica general conmutada y en circuitos arrendados de tipo
telefnico.
[86] Unin Internacional de Telecomunicaciones. Recomendacin UIT-T V.34: mdem que
funciona a velocidades de sealizacin de datos de hasta 33 600 bit/s para uso en la
red telefnica general conmutada y en circuitos arrendados punto a punto a 2 hilos de
tipo telefnico.
[87] P. P. Vaidyanathan. Multirate Systems and lter Banks. Prentice-Hall, Englewood
[88] Varios autores. Signal Synchronization in Digital Transmission Systems (Nmero mo-
nogrco). IEEE Journal on Selected Areas in Communications, 19(12), diciembre
2001.
BIBLIOGRAFA 767
[89] S. Verd. Multiuser Detection. Cambridge University Press, Cambridge, Reino Unido,
1998.
[90] A. Viterbi. Error Bounds for Convolutional Codes and an Asymptotically Optimum
Decoding Algorithm. IEEE Transactions on Information Theory, IT-13(2):260269,
abril 1967.
[91] A. J. Viterbi. CDMA: Principles of Spread Spectrum Communication. Addison-
Wesley, Reading, MA, EEUU, 1995.
[92] S. B. Wicker. Error Control Systems for Digital Communication and Storage. Prentice-
Hall, New York, NY, EEUU, 1995.
[93] B. Widrow y S. D. Stearns. Adaptive Signal Processing. Prentice-Hall, Englewood
[94] S. G. Wilson. Digital Modulation and Coding. Prentice-Hall, Upper Saddle River, NJ,
EEUU, 1996.
[95] J. M. Wozencraft y I. M. Jabobs. Principles of Communication Engineering. John
Wiley and Sons, New York, NY, EEUU, 1965.
[96] B. Yang, K. B. Letaief, R. S. Cheng y Z. Cao. Timing Recovery for OFDM Trans-
mission. IEEE Journal on Selected Areas in Communications, 18(11):22782291,
noviembre 2000.
NDICE ALFABTICO
BER, 228
Acceso mltiple, 493
Acceso mltiple por divisin en cdigo, 496
Acceso mltiple por divisin en tiempo, 493
Acceso mltiple por divisin en frecuencia,
493
Adquisicin, 701, 739
Ajuste no, 741
Aleatorizador, 714
Algoritmo BCJR, 663
Algoritmo CMA, 370
Algoritmo de Berlekamp-Massey, 619
Algoritmo de Forney, 620
Algoritmo de Gardner, 712
Algoritmo de Oerder y Meyr, 708
Algoritmo de Viterbi, 313, 422
Algoritmo de Viterbi y Viterbi, 718
Algoritmo de Viterbi truncado, 320
Algoritmo LMS, 367
AM-PM, 282
Ambigedad de fase, 709, 719
Apertura del ojo, 272
Aproximacin lineal al PLL, 701
ASK, 248
Autocorrelacin de un proceso estocstico,
130
Autocorrelacin determinista aperidica, 474
Banda base, 248
Banda lateral nica, 276
Banda lateral vestigial, 276
Barajador, 661
Baudio, 226
BPSK, 281
Canal binario simtrico, 116
Canal aditivo gausiano, 176
Canal binario simtrico, 534
Canal discreto equivalente, 194, 253
Canal discreto equivalente en banda base, 289
Canal discreto sin memoria, 532
Canal equivalente en banda base, 289
Canal gausiano, 176, 263, 536
Canal gausiano con entrada discreta, 540
Canal gausiano de banda limitada, 537
Canal lineal gausiano, 263
Canal magntico, 6
Canal radioelctrico, 5
Canal simtrico, 579
CAP, 279
Capacidad de correccin de un cdigo, 594
Capacidad de deteccin de errores de un c-
digo, 594
Carga de bits, 521
CDMA, 496
CDMA asncrono, 497
CDMA sncrono, 497
Chip, 468
Cicloergodicidad, 143
Circularmente simtrico, 287
Clases conjugadas de GF(2
m
), 610
CMA, 370
Codicacin Gray, 230
Codicador, 175
Componente en cuadratura, 277
Componente en fase, 277
Componente en cuadratura de una seal paso
banda, 73
770 NDICE ALFABTICO
Componente en fase de una seal paso ban-
da, 73
Comunicaciones analgicas, 1
Comunicaciones digitales, 1
Condicin de Nyquist, 257
Conjuntos WBE, 509
Constelacin, 176
Constelacin binaria antipodal, 248
Constelacin en cruz, 280
Constelacin hexagonal, 282
Constelacin jerrquica, 301
Continuidad de fase, 399
Convolucin circular, 68, 462
Convolucin en tiempo continuo, 29
Convolucin en tiempo discreto, 28
Convolucin peridica, 49
Correccin de frecuencia, 722
Correlacin cruzada aperidica, 501
Correlacin cruzada de un proceso estocsti-
co, 130
Correlacin cruzada peridica, 502
Correlacin impar, 507
Coseno alzado, 259
Cota BCH, 612
Cota de Hamming, 604
Cota de la unin, 213
Cota de Singleton, 618
Cota del ltro adaptado, 309
Cotas de la funcin Q, 103
Covarianza de un proceso estocstico, 130
CPFSK, 399
CPM, 413
CPM de respuesta completa, 416
CPM de respuesta parcial, 416
Criterio de decisin de mxima verosimili-
tud, 197
Criterio de Nyquist, 257
Criterio de Nyquist para la ausencia de ISI,
257
Criterio de decisin de mximo a posteriori,
197
Criterio de Nyquist generalizado, 453
Criterio forzador de ceros, 328
Cuadratura, 277
Cuerpos de Galois, 600
Cdigo sistemtico, 603
Cdigos Walsh-Hadamard, 501
Cdigos convolucionales catastrcos, 641
Cdigos convolucionales perforados, 638
Cdigos de Ungerboeck, 655
Cdigos de mxima distancia separable, 618
Cdigos Gold, 503
Cdigos Hamming, 605
Cdigos Kasami, 504
Cdigos LDPC, 671
Cdigos MDS, 618
Cdigos perfectos, 604
Cdigos RA, 670
Cdigos turbo, 661
dB, 44
Decibelio, 44
Decisor smbolo a smbolo, 255
Decodicacin blanda, 595
Decodicacin dura, 595
Decodicacin iterativa, 667
Decodicacin por sndrome, 602
Decodicacin turbo, 667
Delta de Dirac, 16
Delta de Kronecker, 17
Demodulacin coherente de FSK, 403
Demodulacin coherente de PSK, 396
Demodulacin incoherente de FSK, 404
Demodulacin incoherente de PSK, 397
Demodulador en cuadratura, 72
Densidad espectral de energa, 40
Densidad espectral de potencia, 148
Densidad espectral de potencia de pulsos mo-
dulados en amplitud, 153
dep, 149
Desarrollo en Serie de Fourier para secuen-
cias, 50
Desarrollo en Serie de Fourier para seales
en tiempo continuo, 41
Desbarajador, 662
Descenso por gradiente, 364
NDICE ALFABTICO 771
Desenrollado de fase, 709
Desensanchado, 472
Desequilibrio entre fase y cuadratura, 303
Desigualdad de Jensen, 585
Deslizamiento de ciclos, 705, 720
Desplazamiento Doppler, 721
Desviacin de frecuencia de pico, 414
Deteccin multiusuario, 511
Detector conjunto, 516
Detector conjunto ML ptimo, 512
Detector de cruces por cero, 746
Detector decorrelacionador, 516
DFE, 337
DFE con prediccin de ruido, 358
DFT, 66, 451
Diafona, 7
Diagrama de rejilla, 314
Diagrama de Bode, 45
Diagrama de dispersin, 291
Diagrama de estados aumentado de un cdi-
go convolucional, 635
Diagrama de estados de un cdigo convolu-
cional, 629
Diagrama de ojo, 271
Diagrama de polos y ceros de un sistema li-
neal e invariante, 58
Diagrama de rejilla, 417
Diezmador, 84
Dirigido por decisin, 370
Distancia mnima de una constelacin, 217
Distancia de Hamming, 592
Distorsin de apertura, 81
Distorsin de pico, 308
Distribucin de probabilidad de orden N de
un proceso estocstico, 129
Divisin en subconstelaciones en TCM, 652
Divisor de fase, 73
DLL, 742
Doble banda lateral, 276
Dominio natural, 34
Dominio transformado, 34
DPSK, 397
DQPSK, 397
DSB, 276
DSSS, 469
Efecto cerca-lejos en deteccin multiusuario,
511
Eciencia espectral, 252, 570
Encallado, 705
Energa media por smbolo, 180
Energa media por bit, 231
Enlace ascendente, 497
Enlace descendente, 497
Entrenamiento, 361
Entropa, 541
Entropa condicional, 543
Entropa conjunta, 542
Entropa diferencial, 561
Entropa diferencial condicional, 562
Entropa diferencial conjunta, 562
Enumerador de caminos de un cdigo con-
volucional, 635
Enumerador de pesos de un cdigo convolu-
cional, 635
Envolvente constante, 390
Envolvente de una seal paso banda, 73
Equivalente paso bajo, 72
Ergodicidad en la autocorrelacin, 142
Ergodicidad en la media, 139
Error residual de frecuencia, 727
Error cuadrtico medio, 332
Error de fase comn, 732
Esfera de Hamming, 604
Espectro ensanchado, 464
Espectro ensanchado por salto en frecuencia,
477
Espectro ensanchado de secuencia directa, 469
Espectro ensanchado por salto en el tiempo,
480
Esperanza matemtica de una funcin de una
variable aleatoria, 109
Esperanza matemtica, 99
Esquema pronto-tarde, 742
Esquema pronto-tarde, 711
Estacionariedad, 133
772 NDICE ALFABTICO
Estacionariedad en sentido amplio, 134
Estadstico suciente para la deteccin, 189
Estimacin lineal de mnima varianza, 383
Estimacin asistida por datos, 696
Estimacin de fase, 697
Estimacin del canal, 361
Estimacin lineal ptima, 382
Estimador de Fitz, 728
Estimador de Luise y Reggiannini, 728
Estructura de Farrow, 748
Exceso de ancho de banda, 261
Exponenciales complejas en tiempo continuo,
19
Exponenciales complejas en tiempo discreto,
19
Exponenciales reales en tiempo continuo, 18
Exponenciales reales en tiempo discreto, 18
Exponente de error, 557
Extensin cclica, 458
Factor de cada, 260
Factor de expansin, 467
Factor de roll-off, 260
Fase, 277
FDM, 436
FDMA, 493
fdp, 97
FFH, 478
FFT, 66
FH, 477
Filtrado complejo de un proceso complejo,
159
Filtro de realimentacin, 341
Filtro adaptado, 190, 253
Filtro anti-aliasing, 297
Filtro de lazo, 700
Filtro precursor, 341
Filtro transmisor, 248
Filtros duales, 753
Filtros espejo, 753
Filtros ideales, 44
Firma, 496
Forma de onda, 34
Forzador de ceros, 257
Fronteras de decisin, 199
FSK, 399
FSK de fase continua, 399
Funciones escaln, 17
Funcin Q, 103
Funcin de distribucin, 97
Funcin de ambigedad temporal peridica,
488
Funcin de ambigedad temporal, 22
Funcin de autocorrelacin complementaria,
157
Funcin de autocorrelacin de un proceso es-
tacionario, 135
Funcin de densidad de probabilidad, 97
Funcin de densidad de probabilidad de or-
den N de un proceso estocstico,
129
Funcin de distribucin de orden N de un
proceso estocstico, 129
Funcin de transferencia, 32
Funcin de transferencia en el dominio de
Laplace, 32
Funcin de transferencia en el dominio Z, 33
Funcin entropa, 542
Funcin generadora de un cdigo convolu-
cional, 635
Funcin generadora de una secuencia peri-
dica en GF(2), 489
Funcin indicatriz de Euler, 491
Funcin racional, 57
Funcin sinc, 19
Ganancia de codicacin asinttica, 598
Ganancia de codicacin, 597
GMSK, 419
Gradiente, 364
Grafo de Tanner, 673
Grca I/Q, 425
ICI, 442, 732
IDFT, 66, 443
Igualacin adaptativa, 364
Igualacin lineal, 326
NDICE ALFABTICO 773
Igualador DFE, 337
Igualador fraccionario, 347
Igualador MSE, 332
Igualador ZF, 328
Incorrelacin, 123
Independencia de sucesos, 120
Independencia de variables aleatorias, 120
Informacin extrnseca, 668
Informacin mutua de dos variables aleato-
rias discretas, 544
Informacin mutua de dos variables aleato-
rias continuas, 560
Interferencia multiacceso, 500
Interferencia radioelctrica, 7
Interferencia entre portadoras, 442
Interferencia entre portadoras, 732
Interferencia intersimblica, 255, 306
Interferencia multiusuario, 7
Interpolador, 84
Intervalo de bit, 225
ISI, 255
ISI precursora, 339
ISI postcursora, 339
Jammer, 7, 475
Lazo enganchado en fase, 699
Ley cuadrtica de combinacin, 405
LFSR, 488
LMS, 367
Longitud de restriccin de un cdigo convo-
lucional, 628
LS, 363
MAI, 500
Marginalizacin de una variable aleatoria, 110
Matriz de covarianzas, 111
Matriz de canales discretos equivalentes, 452
Matriz de comprobacin de paridad de un
cdigo bloque, 601
Matriz generadora de un cdigo bloque, 601
Matriz generadora de un cdigo convolucio-
nal, 628
Media de un proceso estocstico, 130
Memoria total de un cdigo convolucional,
628
Modulaciones de espectro ensanchado, 465
Modulaciones de fase, 389
Modulaciones de fase continua, 413
Modulacin APSK, 751
Modulacin compleja de procesos gausianos
complejos, 161
Modulacin de amplitud, 247
Modulacin de fase diferencial, 397
Modulacin en cuadratura, 277
Modulacin multiportadora, 437
Modulacin por cambio de fase, 280
Modulacin por desplazamiento mnimo, 408
Modulacin por desplazamiento de frecuen-
cia, 399
Modulacin sin portadora, 279
Modulador, 176
MSE, 332
MSK, 408
Muestreo de procesos estacionarios, 154
Multitrayecto, 306
Mnimos cuadrados, 363
Mdem, 5
Mltiplex por divisin en frecuencia, 436
Mltiplex por divisin en frecuencia ortogo-
nal, 438
NCO, 699
OFDM, 438
OFDM en tiempo continuo, 438
OFDM en tiempo discreto, 444
OFDMA, 494
Ojo, 272
OQPSK, 391
Oscilador controlado numricamente, 699
OVSF, 524
PAM, 248
PAM en banda base, 247
PAM paso banda, 274
PAM-DSB, 276
PAM-SSB, 276
774 NDICE ALFABTICO
PAM-VSB, 276
Par preferido de secuencias, 503
Paso de adaptacin, 366
Paso de mensajes, 673
Periodo de bit, 225
Periodo de chip, 468
Periodo de salto, 477
Periodo fundamental de una seal peridica,
12
Periodograma, 728
Peso de una palabra binaria, 592
PLL, 699
PLL dirigido por decisin, 716
PLL de primer orden, 702
PLL de segundo orden, 703
Polinomio caracterstico, 490
Polinomio irreducible, 609
Polinomio primitivo, 490, 609
Polinomio primo, 609
Portadora, 275
Prejo cclico, 460
Prembulo, 734
Principio de ortogonalidad, 383
Probabilidad condicional, 115
Probabilidad de error condicionada a la trans-
misin de un smbolo, 204
Probabilidad de error de smbolo, 176
Probabilidad de error de un cdigo convolu-
cional, 641
Proceso cicloestacionario, 137
Proceso blanco, 137
Proceso circularmente simtrico, 158
Procesos conjuntamente estacionarios, 136
Procesos gausianos complejos, 157
Procesos gausianos complejos en tiempo dis-
creto, 161
Profundidad de truncamiento, 319
Propagacin multitrayecto, 264
Propagacin de errores, 339
Propagacin de la creencia, 671
Proyeccin real de procesos cicloestaciona-
rios modulados, 163
PSK, 280
PSK binaria, 281
PSK codicada diferencialmente, 396
Pulso conformador, 248
Pulso en coseno alzado, 259
Pulso en raz de coseno alzado, 261
QAM, 280
QPSK, 282
QPSK con desplazamiento, 391
Raz de coseno alzado, 261
Realce de ruido, 330
Realimentacin de decisiones, 337
Receptor RAKE, 481
Recuperacin de portadora, 689
Recuperacin de fase, 714
Recuperacin del instante de muestreo, 689
Recuperacin dirigida por decisin, 715
Redundancia de un cdigo, 592
Regiones de decisin, 199
Regin de convergencia de la Transformada
Z, 52
Regla de la cadena de la entropa, 578
Regla de la cadena de la probabilidad condi-
cional, 115
Regla de la cadena para la informacin mu-
tua, 578
Reglas de Ungerboeck, 655
Relacin seal a ruido, 156
Rellenado con ceros, 519
Representacin exponencial de GF(2
m
), 610
Retardo de grupo, 43
Ruido, 155
Ruido de fase, 732
Ruido de adaptacin, 368
Ruido de fase, 705
Ruido trmico, 5, 155
Salto en frecuencia, 477
Salto lento en frecuencia, 478
Salto rpido en frecuencia, 478
NDICE ALFABTICO 775
Saltos de fase, 390
Secuencia de cdigo, 496
Secuencia de chip, 468
Secuencia de longitud maximal, 490
Secuencia directa, 469
Secuencia ensanchadora, 468
Secuencia m, 490
Seguimiento, 701, 741
Seudorruido, 470
Seal analtica, 73
Seales de energa nita, 15
Seales ortogonales, 22
SFH, 478
Simetra circular, 158
Sincronizacin, 687
Sincronizacin asistida por datos, 696
Sincronizacin dirigida por decisin, 696
Sincronizacin de modulaciones multiporta-
dora, 729
Sincronizacin de smbolo, 706
Sincronizacin en espectro ensanchado, 738
Sincronizacin no asistida por datos, 696
Sincronizacin post-DFT, 737
Sincronizacin pre-DFT, 734
Sincronizacin realimentada, 710
Sinuoides complejas en tiempo continuo, 17
Sinuoides complejas en tiempo discreto, 18
Sistema lineal con entrada estocstica, 144
Sistema causal, 25
Sistema de fase lineal, 43
Sistema de fase mnima, 59
Sistema estable BIBO, 26
Sistema invariante, 27
Sistema invertible, 26
Sistema lineal, 27
Sistema paso todo, 62
Sistema sin memoria, 25
Sobremuestreo, 256, 294
SSB, 276
Subcanal, 436, 438
Suceso errneo, 322
Suma de variables aleatorias independientes,
122
Tasa de bit, 225
Tasa de error de bit, 228
TCM invariante rotacionalmente, 659
TCM no lineal, 658
TDMA, 493
Teorema central del lmite, 125
Teorema de codicacin de canal, 559
Teorema de Bayes, 118
Teorema de factorizacin espectral, 359
Teorema de la probabilidad total, 116
Teorema de muestreo de Nyquist, 78
TH, salto en el tiempo, 480
Transformada de Laplace para seales en tiem-
po continuo, 32
Transformada Z para seales en tiempo dis-
creto, 34
Transformador de Hilbert, 73
Turbo cdigos, 661
Umbrales de decisin, 199
Variable aleatoria
2
, 105
Variable gausiana multidimensional, 113
Variable aleatoria, 96
Variable aleatoria exponencial, 105
Variable aleatoria binomial, 100
Variable aleatoria compleja, 114
Variable aleatoria de Bernoulli, 100
Variable aleatoria de Poisson, 101
Variable aleatoria de Weibull, 104
Variable aleatoria gamma, 105
Variable aleatoria gausiana, 103
Variable aleatoria geomtrica, 101
Variable aleatoria lognormal, 105
Variable aleatoria uniforme, 102
Vector aleatorio, 110
Velocidad de convergencia, 368
Volteo de bits, 674
ZF, 328
rbol de fases, 415
ndice de modulacin, 415

Comdig Artes Perez

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Comdig Artes Perez

Uploaded by

Copyright:

Available Formats

Comunicaciones digitales

Antonio Arts Rodrguez

denota suma a lo largo de un intervalo de duracin N

(segn podemos comprobar a partir de (2.48)).

(t) = L(t ) (2.71)

x() h(t ) d (2.72)

x() h(t ) d (2.73)

(j)), y que si una seal es imaginaria pura (x(t) = x

(j)). Tambin nos dice que la parte real

1 10 100 0.1 0.01 0

. Podemos construir sistemas paso

. Para anular la inuencia de este cero, el sistema de fase mnima coloca

. Si a estaba fuera de la circunferencia unidad, 1/a

estar dentro. Visto

) la funcin de transferencia, lo que no

) junto con el polo en z = a se asigna al sistema paso todo y

al espacio muestral imagen (es decir,

es discreto (es decir, nito o innito numerable).

es continuo, o contiene algn subconjunto continuo.

es continuo, aquellos sucesos que contengan un

es continuo, suele preferirse caracterizar la variable aleatoria X a partir de los

Momento central de orden n: E(X

De modo anlogo se dene la esperanza matemtica de una variable aleatoria continua:

2x) (x 0), y otra

R, la fdp en (3.37) se simplica en una distribucin

de modo similar al vector g.

N) tiende a una gausiana de media 0 y varianza 1:

, cualquier valor de (o k), cualesquiera instan-

(t)) para cualquier valor de k (o ), y que implica el cumplimiento de (3.234)

[n] es la funcin de ambigedad temporal de h[n] (denida en

mltiplos de T, podemos escribir

(t) la funcin de ambigedad temporal de h(t). Esta expresin se

si expresamos el ancho de banda en Hz, W

Y (t) es un proceso estacionario.

obtenidos en el apartado anterior, determine para cul

g()d < (3.368)

Figura 4.1. Modelo general de un sistema de comunicacin digital.

(j). A partir de esta,

T, exactamente las mismas que la constelacin unidimensional

2) 0,079 y para un valor de 1/

2) puede considerarse como un factor de mrito de la constelacin, ya que para unas

3 y obtendramos coordenadas enteras. Esta es la razn por la que

y que queremos construir

, hace mnima la probabilidad de error de smbolo segn se

para garantizar que q es el estadstico suciente no ya para la deteccin a partir de q y q

(t) como la diferencia entre la seal recibida y r

(t) en instantes elegidos arbitra-

es irrelevante para la decisin sean cuales sean N

1 habremos demostrado que n

(t) es irrelevante y que q es

poseen estadstica gausiana por resultar de operaciones lineales

estadstica gausiana y resultar incorrelacionadas cualquier

como acabamos de demostrar, ambos

sin ms que tener

) con lo que queda de-

5/T4/T3/T2/T /T 0 /T 2/T 3/T 4/T 5/T

= 2,400 baudios. Para

(j) del pulso transmisor, el canal

, la norma inducida se corresponde

2 del transmisor. Por tanto, el espectro de potencia resulta ser:

(t) satisface el criterio de Nyquist

,= a otro camino tal que a

y a pasan ambos por un mismo

y a hasta la etapa m-sima verican