Mdulo: 1

Unidad:2

Semana:3

CONECTIVIDAD Y TRANSMISION DE
DATOS
Ing. Victor E. Quevedo Dioses

SEALES ALEATORIAS
PROCESOS ALEATORIOS
RUIDOS EN LAS COMUNICACIONES

ORIENTACIONES
Estimado alumno, recordando fundamentos matemticos
realizaremos un estudio de las caractersticas estadsticas
que sern utilizadas para analizar las seales de
transmisiones digitales.

CONTENIDOS TEMTICOS
Seales Aleatorias y Ruidos
Procesos Aleatorios
Funcin Q

Introduccion General
Seales Aleatorios y Procesos Aleatorios
https://prezi.com/ioo-mu1mg4s8/senales-aleatorias-procesos-aleatoriosy-ruido-en-las-comunicaciones/

SEALES ALEATORIAS

Son aquellas que varan en forma aleatoria con el tiempo, es decir, a cada
instante asumen un valor de carcter casual, por lo tanto pueden describirse
nicamente de manera probabilstica.

Entre las seales aleatorias ms importante en las telecomunicaciones, se

hallan el ruido, las seales de voz y las seales de video, entre otros.

Ejemplo : Seales aleatorias:

0.48

0.5

0.25

Ruido trmico:

n(t)0 0

n s( t)

0.25

0.5

0.5
0

0.1

0.2

0.3

0.4

0.5

tt

0.6

0.7

0.8

0.9
1

Seal elctrica de la voz humana, a la salida de un micrfono:

Would

you

like

to

buy

fish?

TIPOS DE RUIDO
El ruido consiste en la superposicin de seales indeseadas a la informacin
que se est transmitiendo.
Existen cuatro tipos fundamentales de ruido, a saber:
1.

Ruido trmico, determinado por el movimiento browniano de los electrones en los

conductores, por efecto de la agitacin trmica

2.

Ruido de intermodulacin (IM), producto de la presencia de medios o

dispositivos no lineales que distorsionan la seal. El efecto de la no linealidad es el de
producir componentes armnicas de frecuencia mltiple de la fundamental. Este
efecto se produce tambin en los procesos de modulacin, cuando dos seales son
multiplicadas entre s, dando origen a toda una serie de componentes de variada
frecuencia. Cualquier defecto en el filtrado puede causar que algunas de estas
componentes aparezca como ruido en la banda pasante de otro canal de
comunicacin

3.

Ruido de interferencia (crosstalk), debido al acoplamiento indeseado entre

canales de comunicacin. Puede ser de tipo elctrico o magntico, o bien puede
originarse por defecto de filtrado entre canales adyacentes

4.

Ruido impulsivo, consiste en la aparicin de picos aleatorios y de corta duracin.

Afecta esencialmente los sistemas de transmisin de datos en cuanto incrementa la
tasa de error

Se denomina tambin ruido blanco y se

caracteriza por tener un espectro de densidad de
potencia uniforme entre 0 y

RUIDO TRMICO

k T

W

Hz

No

- 23

1.3803 10

temperatura absoluta de la fuente de ruido [ K]

constante de Boltzman

Espectro unilateral de
densidad de potencia

kT

A partir del espectro de densidad de potencia, es posible calcular la potencia de ruido

disponible N a la salida de un canal de comunicacin de ancho de banda B, a pacto que
este no introduzca ruido adicional y tenga una ganancia de potencia unitaria (e ideal).
R

Generador de
ruido Blanco

Canal
Ideal de
ancho de
banda
By
Ganancia 1

H(f)
N

Receptor
acoplado

N = kTB
1

kT
0

El ruido blanco (tensin o corriente) es

una seal aleatoria, es decir adquiere un
valor casual a cada instante de tiempo.
Por lo tanto no puede describirse con
frmulas determinsticas, sino
estadsticas. Se dice tambin que es
gaussiano, puesto que su densidad de
probabilidad es una curva gaussiana.

RUIDO TRMICO

0
t

0.5

Valor medio: x =
0.4

D p ( x)

Desviacin estndar: = x -

0.3

Varianza: 2 = (x - )2

0.2

2 = x2 2x+ 2

0.1

2 = x2 2 2 + 2
2 = x2 2

-5

P ( x1 x x2)

0 x1
x
x2

x1

x2

4
5

Dp ( x) dx

RUIDO TRMICO

t
El ruido trmico es un proceso estadstico estacionario, en cuanto , , 2 no
varan con el tiempo

Ejemplo de seales aleatorias no estacionarias:

Seal con valor medio variable

Seal con desviaciones estndar y

varianza variables

Las seales ergdicas, son aquellas para

las cuales es posible intercambiar medias
temporales con medias estadsticas.

SEALES ERGDICAS

t T

o
1

T t

t T

x ( t) dt

x ( t) dt

Componente de c.c.
2

Potencia (normalizada) de la componente de c.c

o
1

T t

Potencia (normalizada) total de la seal ergdica

2

x -

Potencia (normalizada) de la componente alterna

Potencia (normalizada) total de la seal ergdica
como suma de la potencia alterna ms la
potencia de c.c.

RELACIN SEAL A RUIDO

(S/N)

La relacin seal a ruido S/N es uno de los indicadores ms utilizados

para determinar la calidad del canal de comunicaciones

En cualquier punto de un enlace de comunicaciones, ms que el valor de potencia de la

seal en absoluto o el valor de potencia de ruido en absoluto, es importante determinar
la relacin entre ellas, puesto que la calidad del enlace es mejor cuanto ms grande es
este cociente, es decir cuanto ms la potencia de la seal es grande comparada con la
potencia del ruido. Una seal del mismo nivel de potencia del ruido es prcticamente
inutilizable.

FACTOR DE RUIDO (F)

Y
CIFRA DE RUIDO (NF)

Los equipos electrnicos, especialmente

los amplificadores, originan ruido, por lo
tanto incrementan el nivel de ruido. Si el
nivel de la seal en un punto del sistema
es comparable con el de ruido, entonces
la calidad de la seal se ha
irremediablemente comprometido.

Ancho de banda = B
Se

Ss= G Se

Ganancia de potencia = G
(o Atenuacin = L)

Ne = k T B

Ns = k T B G F

Factor de ruido = F
(S/N)e =

Se

Ne

Se
k T B
F

(S/N)s =
Ns
N e G

o tambin

CIFRA DE RUIDO:

(S/N)e
(S/N)

NFdB = 10 log ( F )

Ss

Ns

Se
N e F

Nv
Ne = kTB

FRMULA DE FRIIS

Ne

kTB

Ns = kTBGF

kTBG + Nv G = kTBGF
Nv = kTB (F-1)

G1
F1

G2
F2
kTBG1F1 + kTB(F2-1)

L3
F3

Ns = kTBG1G2L3Feq

kTBG1G2F1 + kTBG2(F2-1)+kTB(F3-1)

A la salida de la tercera etapa (punto 4):

k T B G1 G2 L3 F1 k T B G2 L3 F2 - 1 k T B L3 F3 - 1

k T B G1 G2 L3 F1

F2 - 1

F3 - 1

G1
G1 G2
Comparando con el ruido existente en este punto, es posible obtener el Feq (Frmula de Friis):

Feq

F1

F2 - 1

G1

F3 - 1
....

G1 G2

TEMPERATURA DE RUIDO
Nv
Ne = kTB

G
TN

Ns = kTBGF

kTBG + Nv G = kTBGF
Nv = kTB (F-1)
TN=T(F-1)
Nv=kTNB

Definimos: T N

T (F - 1)

la Temperatura de Ruido del dispositivo

Potencia de ruido generada por el dispositivo

nicamente (medida a la salida):

NsD

kTN BG

TEMPERATURA DE RUIDO
Ruido en 1 Hz
de ancho de banda

kTN1

G1
TN1

G2
TN2
kTN1G1+kTN2

Frmula de Friis:

kTNeq

L3
TN3
kTN1G1G2+kTN2G2+kTN3

TNeq

TN2

TN3

....
TN1
G1
G1 G2

G1G2L3
TNeq

kTNeqG1G2L3

Ns = kTNeqG1G2L3

https://www.youtube.com/watch?v=6AMmParU
QO4

Problema 1

Dado el esquema de bloques de la

figura, determine la relacin seal a
ruido al ingreso de la lnea de
transmisin en dB, as como la
potencia de la seal en mW.
T = 320 K

Si= 0 dBm

Generador de
Ruido Blanco

N
i

- 23

Feq F1

F2 2
F2 - 1

G1 100

S o - No

Feq 5.02

0dbBm 20dB 15dB

N OdB

NF2= 3 dB
G2 = 15 dB

10log (320) 10log 2.26106 10log 103

G1
No Ni 20 15 NFeq

So

B = 2.264 MHz

NF1= 7 dB
G1 = 20 dB

10 log 1.3803 10

F1 5.01

Aplicacin de la frmula de Friis

NFeq 10 log Feq

No

-68dBm

So

35dBm

S

N OdB

103dB

So

NFeq 7.01

3160 mW

Ni

-110.01 dBm

Problema
Problema
RU-12
Un receptor, alimentado por un amplificador de bajo ruido de ganancia
50 dB y temperatura de ruido 90 K, tiene una figura de ruido de 12 dB.
Calcule la temperatura de ruido equivalente a la entrada del sistema.

Rx

ABR

kTN1

G
TN1

kTN1G+kTN
2

G=1
TN2

Solucin
La t emperatura de ruido equivalent e del recept or, considerado a la t emperat ura
ambient e de 290 K, es igual a:

NFRx

10
T NRx 10
- 1 T0

T NRx 4.306 10 K

De acuerdo a la frmula de Friis, la temperat ura de ruido equivalent e del

sist ema es igual a:
T Neq T NABR

T NRx
GABR

10

T Neq 90.043K

kTNeq=k(TN1+TN2/G)

10

Observe como el amplificador de bajo ruido determina prac ticament e, la

t emperat ura de ruido del sist ema, a pesar de la elevada temperat ura del
recept or.

SYS
G
TNeq

Problema 3
Un amplificador tiene una ganancia
de 15 dB y una t emperat ura de ruido
de 120 K. Se puede conectar est e
amplificador a la ent rada del cable
principal que baja de la ant ena para
aliment ar al recept or (es decir en lo
alto de la t orre de ant ena), o bien a
la salida del mismo (es decir, al pi
de la t orre). El cable present a 12 dB
de prdidas de insercin y el
recept or (amplificador /
demodulador de IF) tiene una
t emperat ura de ruido de 900K.
Cul de las dos configuraciones es
la ms vent ajosa para la S/N?

Solucin
A partir de los valores en dB de los datos del problema, se const ruye una t abla
con esos mismos valores pero t ransformados de dB a coeficient es numricos:
lca 10

- 1.2

lca 0.063

1
fca
lca

T o 290K

fca 15.849

T ca T o fca - 1

T ca 4.306 10 K

T IF 900K

gam 10

gam 31.623

T am 120K

1.5

Calculamos la temperat ura de ruido del sist ema a la ent rada del amplificador
para la primera configuracin:

T eq1 T am

T ca
gam

T IF
gam lca

T eq1 707.242K

Para la segunda configuracin:

T am
T IF
T eq2 T ca

lca
gam lca

T eq2 6.659 10 K

La segunda configuracin produce un rudo mucho mayor que la primera,

esencialment e porqu el ruido del cable es amplificado.

RUISO SOBRE UNA SEAL EN MATLAB

https://www.youtube.com/watch?v=rar6b3tgdXI

TEOREMA DE PARSEVAL
http://teoremaparseval.blogspot.com/2013/
04/teorema-de-parseval.html
DENSIDAD ESPECTRAL DE POTENCIA DE
TRANSMISION DIGITAL
https://www.youtube.com/watch?v=aA490wzAgAA

PROCESOS ALEATORIOS
Los procesos aleatorios brindan buenos
modelos para fuentes de informacin y
ruido.
Para
las
diferentes
clases
de
imperfecciones
en
la
naturaleza,
determinstica como interferencias o no
determinstica como ruido los modelamos
con procesos aleatorios.

PROCESOS ALEATORIOS
Probabilidad
El concepto fundamental en cualquier modelo es
el concepto de experimento aleatorio, donde por
alguna razn no es posible predecir el resultado
con certeza.
Como ejemplo podemos tomar el lanzar una
moneda, un dado o tomar una carta de una
baraja, todos son experimentos donde el
resultado es incierto.

PROCESOS ALEATORIOS
Probabilidad
Para
estos
ejemplos
tenemos
posibles
resultados como cara o sello en la moneda,
o en el dado 1, 2, 3, 4, 5, 6 son posibles. Todas
estos posibles resultados son el espacio
muestra W, y cada resultado que esta en el
espacio es w
La medicin de la probabilidad P entonces
expresara las propiedades en conjunto de los
componentes de W.

PROCESOS ALEATORIOS
Probabilidad
Entonces las probabilidades para un evento E
sern:

PROCESOS ALEATORIOS
Probabilidad Condicional
Asumiendo que dos eventos E1 y E2 estn definidas en el
mismo espacio de probabilidad con P(E1) y P(E2). Entonces
el observador recibe la informacin que el evento E2 ha
sucedido entonces la probabilidad de E1 dejara de ser P(E1).
De hecho la probabilidad de varios eventos cambia. Estas
nuevas son probabilidades condicionales donde por
ejemplo:

PROCESOS ALEATORIOS
Probabilidad Condicional
Si el resultado de la da:
Entonces se dice que E2 no cambia la
probabilidad
de
E1,
entonces
son
estadsticamente independientes.
Para eventos independientes entonces la
probabilidad ser:

PROCESOS ALEATORIOS
Probabilidad Condicional
Por ejemplo.
Para un dado la probabilidad de

A = {El resultado es mayor a 3}

Es:
La probabilidad de

B={El resultado sea par}

Es:

PROCESOS ALEATORIOS
Probabilidad Condicional
En este caso la probabilidad condicional ser:
Donde expresa la probabilidad de un numero
mayor a 3 (A) sabiendo que es un numero par
(B), dando 2/3, es decir la probabilidad de un
numero mayor a 3 y par es de 66%
aproximadamente.

PROCESOS ALEATORIOS
Probabilidad Condicional
Si el espacio muestra es dividido en partes iguales de
eventos Ei, y que para un evento A tenemos probabilidades
condicionales P(A|E), entonces podemos encontrar P(A) por
el Teorema de probabilidad total

La regla de Bayes da la probabilidad condicional de P(Ei|A)

PROCESOS ALEATORIOS
Variables aleatorias
Las variables aleatorias son un mapeo del
espacio de muestra W a un set de nmeros
reales.

PROCESOS ALEATORIOS
Variables aleatorias
Podemos tener variables aleatorias continuas,
discretas o mezcladas que se expresan sobre un
espacio limitado.
La funcion de distribucion acumulativa (CDF) de
una variable aleatoria X se define como:

De forma mas simple

PROCESOS ALEATORIOS
Variables aleatorias
La CDF entonces tiene las propiedades

1. Para
2. Fx(x) no decrece
3. El limite negativo es 0 y el positivo
es 1
4. Es continua desde la derecha
5.
6. Y

PROCESOS ALEATORIOS
Variables
aleatorias
CDF continua
CDF discreta

PROCESOS ALEATORIOS
Variables aleatorias

PROCESOS ALEATORIOS
Variables aleatorias
La funcin de densidad de probabilidad (PDF) de
una variable X se define como la derivada de la
CDF, esto es:

Cuyas propiedades son:

Variables Importantes
Variable aleatoria de Bernoulli.
Es una variable aleatoria discreta de dos valores
uno y cero con probabilidades correspondientes
de p y 1-p.
Es un buen modelo para expresar generadores
binarios. Por ello este es un modelos utilizado
para modelar errores de canal.

Variables Importantes
Variable aleatoria Binomial
Es una variable discreta que da los nmeros de
unos en una secuencia de n pruebas
independientes de Bernoulli.

Expresara el numero total de bits recibidos con

error con una secuencia de n datos transmitidos
y una probabilidad de error p.

Variables Importantes
Variable aleatoria Uniforme
Una variable continua tomando valores entre a y
b con probabilidades iguales sobre intervalos de
igual duracin, la funcin de densidad es:

Variables Importantes
Variable aleatoria Gaussiana o Normal
Es una variable continua descrita por la funcin:

La variables Gaussiana es la mas encontrada en

sistemas
de
comunicaciones
por
la
caracterstica del ruido trmico.

Variables Importantes
PMF (Probability Mass Function) de Bernoulli

Variables Importantes
PMF
binomial

Variables Importantes
PDF de variable uniforme

Variables Importantes
La CDF de una variable Gaussiana ser:

PDF of Gaussian

Funcin Q
La CDF de una variable Gaussiana ser:

Otra funcin muy utilizada en comunicaciones

es la funcin Q(x)
dado
Es fcil ver las relaciones

 La funcin Q (x) se puede verificar por la tabla

Funcin Q
Existen muchos limites sobre la funcin Q que
son utilizados en sistemas de comunicaciones
sobre probabilidad de errores.
Entre ellos como limites superiores (ambos para
X0:

Por otro lado un limite comn inferior es

Funcin Q
La grafica de estos limite se ve

Funcin Q
Una variable Gaussiana puede describirse como
funcin de sus dos parmetros principales: (m,
2).
En estos casos un cambio de la variable dar el
resultado

Funciones de Variables Aleatorias

Una funcin de una variable aleatoria es en si
otra variable aleatoria
La definicin de CDF es

Y se puede encontrar la PDF con

Funciones de Variables Aleatorias

Ejemplo: Asumiendo X una variable Gaussiana
con m = 0 y = 1, encuentre la PDF de la variable
aleatoria Y dada por Y=aX+b

En este caso g(x) = ax+b entonces

g(x)=a
Solo existe una solucin:
Con esto encontramos

Y aun es una variable Gaussiana

Promedios Estadsticos
El valor esperado de una variable aleatoria
X es:
El valor esperado de Y=g(X) es

Promedios Estadsticos
En el caso de la funcin especial

Donde E(Y) se llama la varianza de X, lo que es

la medida del esparcimiento de la funcin de
densidad de X.
La varianza es 2 y su raz cuadrada, se llama
desviacin estndar.
La relacin de varianza se puede escribir

Variables Mltiples
Siendo X y Y variables aleatorias definidas
sobre el mismo espacio de muestra.
Se define la CDF conjunta como

La PDF conjunta como

Variables Mltiples
Las variables cumplen:

En variables independientes PDF es

Variables Mltiples
En variables independientes la PDF es
El valor esperado de g(X,Y) es:

En el caso especial que

Obtendremos
Lo cual es llamado la correlacin de X
yY
Variables Aleatorias Gaussiana Conjuntas

Variables Mltiples
Variables Aleatorias Gaussiana Conjuntas

Procesos aleatorios
Un proceso aleatorio es una extensin natural del
concepto de variables aleatorias cuando tratamos
con seales.
Al analizar sistemas de comunicaciones tratamos con
seales variantes en el tiempo, pero asumimos
normalmente funciones determinstica, pero en muchas
situaciones esto no es valido, y es mejor modelarlas como
funciones aleatorias
Como el ruido termal proveniente del movimiento aleatorio
de los electrnicos por la agitacin termal, por reflexin de
ondas de radio.

Procesos aleatorios
Un proceso aleatorio, un proceso
estocstico, o una seal aleatoria pueden
ser analizadas en dos formas, aunque muy
cercanas.
Una forma es ver el proceso como una coleccin
de funciones en el tiempo, o seales
correspondientes a varios resultados de una
experiencia aleatoria
Es decir a cada instante de tiempo t0 para cada
resultado aleatoria tenemos un numero
resultante de la variable aleatoria

A cada instante de tiempo el valor de

un proceso aleatorio constituye una
variable aleatoria

 Funciones
de muestreo
de un proceso
aleatorio

Procesos aleatorios
De otro modo podemos ver la seal aleatoria a
cada instante t1, t2, como una coleccin de
variables aleatorias {X(t1), X(t2),}
De este modo el proceso aleatorio es una
coleccin de variables aleatorias, pudiendo
suceder en un instante de tiempo continuo o de
tiempo discreto.

Procesos aleatorios
Ejemplo 1
Dado el espacio de un experimento aleatorio de
lanzar un dado. Donde el campo es
W={1,2,3,4,5,6}
Para todo wi tenemos
define el
proceso aleatorio.
Entonces X(1) es una variable aleatoria que toma
valores de entre e-1, 2e-1, , 6e-1 cada uno con
probabilidad 1/6

Procesos aleatorios
Ejemplo 2
Un proceso aleatorio es definido por:
Donde T es una variable uniforme distribuida en
[0,2p. En este caso entonces tenemos un tipo de
seal con variacin de fase, y puede ser descrita
analticamente por los grficos:

Procesos aleatorios

Procesos aleatorios
Ejemplo 2
Un proceso aleatorio con distribucin Gaussiana
conjunta y promedio m=0 puede verse como:

Funcin de Auto-correlacion
Una funcin importante porque en si
describe la densidad de potencia espectral
y el contenido de potencia de una larga
clase de procesos aleatorios.
Se define como Rxx(t1,t2)

De la definicin entonces se resuelve como

Funcin de Auto-correlacion
Por ejemplo de la funcin senoidal la funcin de
auto-correlacion ser:

Tomando en cuenta:

Procesos Estacionarios
En los procesos aleatorios la PDF conjunta
en general depende de punto de origen en
el tiempo. Existe una clase importante la
cual es independiente del origen en el
tiempo. Este proceso es llamado procesos
estacionarios.
Un proceso es estrictamente estacionario es
aquel que solo depende de las posiciones
relativas del tiempo y no los valores
directamente. Es decir shifts en el tiempo de
origen no cambian las propiedades estadsticas
del proceso.

Procesos Estacionarios
Un proceso X(t) Wide Sense Stationary (WSS),
estacionario en amplio sentido satisface:

1. Independiente del tiempo t,

2. Y Rx(t1,t2) depende solo de las
diferencias del tiempo t=t1-t2 y no de
ellos independientemente.
Entonces tendremos un proceso estacionario
con promedio mx y auto-correlacin Rx(t)

Procesos Estacionarios
Para un proceso aleatorio con la seal senoidal
vimos tenia promedio mx = 0 y tendr Rx(t1,t2)

Entonces el proceso es WSS

Este
proceso
esta
relacionado
con
cicloestacionario

cercanamente
el
llamado

Sus caractersticas no son independientes en el

tiempo, pero peridicas en el tiempo.
Se define como:

Procesos Estacionarios
Si tenemos:
Donde X(t) es un proceso aleatorio estacionario
con promedio m y autocorrelacion Rx(t).
Entonces:

Se ve entonces que es peridica con T0=1/f0

Entonces el proceso es cicloestacionario.

Procesos Estacionarios

La autocorrelacion de un WSS cumple

con:
1.

Rx(t) es una funcin par es decir:

2.

El mximo valor absoluto sucede con t=0

3.

Si para algun T0 tenemos un Rx(T0)=Rx(0) para

los enteros k, entonces Rx(kT0)=Rx(0)

Potencia y Energa
Al analizar las seales determinstica definimos
dos tipos de seales

Tipo de Energa y,
Tipo de Potencia
Es posible extender el conocimiento de estos a
los procesos aleatorios. Entonces para un
proceso aleatorio con funcin x(t,wi). Entonces
la energa y la potencia son:

Potencia del Espectro

de una proceso
aleatorio
Si notamos al proceso estocstico X(t) y la
funcin de muestras x(t,wi). Para definir la
densidad de potencia del espectro tenemos que
delimitar la funcin de muestra:

Al delimitar la seal aseguramos que sea una

seal tipo de energa, y por lo tanto, que posea
transformada de Fourier, que expresaremos con
XTi (f)

Potencia del Espectro

de una proceso
aleatorio
Por definicin la densidad espectral de energa
para seales de tipo de energa es |XTi(f)|2.
Teniendo la densidad de energa espectral se
puede definir la densidad de potencia espectral
como el promedio de la densidad de energa
espectral.

 Si dejamos que T se vuelva arbitrariamente grande,

podemos definir la densidad de potencia espectral para una
funcin de muestra, y la denotamos como Sxi(f).
Es obvio entonces que varias funciones de muestra dan
varias Sxi(f); entonces decimos que para cada f tenemos una
variable aleatoria denotando la cantidad de potencia a esa
frecuencia en cada funcin de muestra.
Entonces se define la potencia del espectro como el
promedio conjunto.

 Por ejemplo:
Si tenemos X siendo una variable aleatoria de
distribucin uniforme entre [-1 1]. Entonces la
seal aleatoria truncada ser:

Entonces
Y

 En este punto podemos notar que E(X2)=1/3,

entonces tenemos que encontrar el limite.

Pero
es la transformada de Fourier de
y mientras T va al infinito, la funcin va hacia 1.
Entonces:

El resultado esta entonces:

 El teorema de Wiener-Khinchin
Define a la densidad de potencia espectral de X(t) como la
transformada de Fourier de la autocorrelacion Rx(t+t,t).
Entonces podemos definir que:

En un proceso estacionario la autocorrelacion se mantiene

finita para todo t.

 Por ejemplo:
Entonces para el proceso estacionario
Tendremos la autocorrelacin

Entonces

Entonces podemos ver que el contenido de potencia se

encuentra en f0 y f0.

 La densidad de potencia espectral

 La densidad de potencia espectral de un

proceso de suma sucedera cuando se
suman dos procesos aleatorios,
Si son procesos conjuntamente estacionarios
entonces Z(t) es un proceso estacionario.
Obtendremos

 Donde es equivalente a :

Si consideramos entonces que los procesos

esta no correlacionados RXY(t)=0, entonces:

CONCLUSIONES Y/O ACTIVIDADES DE

INVESTIGACIN SUGERIDAS

Escriba
aqu
las
conclusiones
y/o
actividades
de
investigacin sugeridas.

GRACIAS