You are on page 1of 6

ANLISIS DE SEALES ALEATORIAS

La seal aleatoria (s ) corresponde a un proceso, que se desarrolla sobre la variable s


. Cuando la variable del argumento de la seal aleatoria, que usualmente es el tiempo,
discurre continuamente, entonces se habla de funciones aleatorias. Si en cambio, la
variable del tiempo corresponde a una malla de valores discretos, s1,s2, . . . , sn ,
entonces se habla de sucesiones o series aleatorias. El anlisis de las seales
aleatorias, en gran medida, depende de si cambia o no su estructura de aleatoriedad
con respecto a su variable del argumento.
1. SEALES ALEATORIAS EN EL TIEMPO
Los fenmenos, que se desarrollan a lo largo del argumento correspondiente al tiempo
y descritos por una seal aleatoria (t ), se pueden analizar a partir de un conjunto
longitudinal de mediciones o registros de valores {i (t ) : i = 1, . . . ,N} como se
ilustra en la Figura . En este caso, se define como trayectoria u observacin a cada
una de las mediciones simultneas i de una misma seal aleatoria. Se define como
ensamble o conjunto a todas las posibles trayectorias, i (t ), medidas o registradas en
un intervalo de observacin, que se relacionan con un mismo fenmeno aleatorio,(t).

Figura1.1:Trayectoria de una seal aleatoria


En cualquier caso, las seales aleatorias pueden ser descritas mediante un ensamble
de mltiples observaciones, entonces, se generan dos clases diferentes de promedios:
se pueden efectuar mediciones sucesivas a lo largo de una misma observacin (t ) a
partir de las cuales se hallan sus momentos y valores de aleatoriedad o valores
promedios de tiempo E{ni(t )}, as mismo, se pueden examinar todas las
observaciones del ensamble, en un momento de tiempo dado ti con lo cual se hallan
los valores promedios de ensamble E{{n (ti )}}.
1.1. Estacionariedad de las seales aleatorias

Las caractersticas bsicas de la estructura de aleatoriedad de las seales


corresponden a los momentos y valores de aleatoriedad, los cuales pueden cambiar
en el tiempo. As por ejemplo, la FDP con dimensin mltiple p(1,2, . . . ,n ; t1,t2, . .
. , tn) corresponde a los valores instantneos de las respectivas FDP singulares n(tn).
Un proceso se considera estacionario cuando su estructura de aleatoriedad no cambia
en el tiempo, en particular, un proceso estocstico se define como estacionario en el
sentido angosto, si sus funciones de probabilidad no son variables en el tiempo, esto
es:

p (i, t) =p (i, t +t), t

Condicin, que prcticamente es bastante difcil de comprobar.


En cambio, un proceso estocstico (t) se define como estacionario en el sentido
amplio, cuando todos sus momentos y valores de aleatoriedad no varan para
cualquiera que sean los
tiempos de anlisis (t1,t2, . . . ,tn).
E {n (tn)}= const
E {((tm) m1 (tm)) ( (tn) m1 (tn))}= const

En consecuencia, los momentos de las seales estacionarias se asocian con los


siguientes promedios de tiempo:

Valores medios
Valores medios centralizados
Valores de correlacin

Cuando en los ncleos de valores de correlacin se tiene el caso de dos variables


aleatorias diferentes, (t) 6= (t), se habla de la funcin de correlacin mutua,
mientras en el caso de anlisis de una misma funcin, (t) = (t), se dice de funcin de
correlacin propia. Si se tienen dos variables aleatorias (t) y (t) con los respectivos
valores de correlacin propia R (tm, tn) y R (tm, tn), de forma adicional se considera la
matriz de correlacin:

(, ) (, )
=[ ]
(, ) (, )
Ejemplo 1.1 Sea la suma de dos seales aleatorias (t)= 1 (t)+2 (t) .
El valor medio del proceso resultante se determina como:

E{(t )} =E{1 (t )+2 (t )} =E{1 (t )}+E{2 (t )}


=m11 (t)+m12 (t)

Mientras, la funcin de correlacin de la seal aleatoria resultante ser:

R (tm, tn)=E {1 (tm) m11 (tm)} E {2 (tn) m12 (tn)}

que se calcula como

=E{1(tm) m11 (tm)+2(tm) m12 (tm)}E{1(tn ) m11 (tn )+2(tn ) m12 (tn )}
=E {1(tm) m11 (tm)} E {1 (tn) m11 (tn)}+E {1(tm) m11 (tm)}
E{2(tn ) m12 (tn )}+E{2(tm) m12 (tm)}E{1(tn ) m11 (tn )}
+E {2(tm) m12 (tm)} E {2 (tn) m12 (tn)}

con lo cual se tiene que

R (tm, tn )= R1 (tm, tn )+R12 (tm, tn )+R21 (tm, tn )+R2 (tm, tn )

Al considerar que las variables 1 (t ) y 2 (t ) son no correlacionadas, entonces

R (tm, tn )= R1 (tm, tn )+R2 (tm, tn )

Asumiendo que se analiza la suma de la seal aleatoria 1 (t) con otra seal no aleatoria x (t), se
obtiene el siguiente valor medio:

E { (t)} =E {1 (t)+x (t)}


=E{1 (t )}+x (t )

con la respectiva funcin de correlacin R (tm, tn )= R1 (tm, tn ) .


Si la variable x (t ) se convierte en constante x (t )= const , se obtienen los momentos:

E{(t )} =E{1 (t )+c } =m1 (t )+m1c


R (tm, tn )= R1 (tm, tn )+2

Se puede demostrar, que para la suma (t )= a1 (t )+b2 (t ) se tienen los momentos:

E{(t )} = am11 (t )+bm12 (t )


R (tm, tn )= a2R1 (tm, tn )+b2R2 (tm, tn )+ab(R12 (tm, tn )+R21 (tm, tn ))
1.2. Ergodicidad de las seales aleatorias

Sea el proceso estacionario, en el cual se conocen los valores del primer momento
inicial de cada una de las n trayectorias. Considerando la estacionariedad del proceso,
la esperanza matemtica del mismo en cualquier corte de tiempo ti, como se muestra
en la Figura 1.1, se determina de la forma

1
1( ) = ( )

=1
El clculo de primer momento, por alguna de las observaciones definida en un intervalo de
anlisis T, se puede realizar segmentando el intervalo en una malla se subintervalos,
determinados sobre los momentos de tiempo tk = kt , k = 1, . . . ,n, esto es, n = T/t . La
estimacin de la esperanza sobre la malla de subintervalos se determina de la expresin:


1

1 = ( )t

=1

1

1 ( )
0

Por cuanto, se asume que las propiedades de aleatoriedad de los procesos


estacionarios se mantienen invariantes en el tiempo, entonces, cuando se tiene un
nmero n suficientemente grande, para cada trayectoria se cumple la igualdad


1i =m1 (ti ), i = 1,. . ., n

Generalizando la expresin anterior, un proceso aleatorio estacionario se define como


ergdico, cuando los valores promedios de tiempo y de ensamble son idnticos, esto es,

E{ (t )}=E{ (ti )}

La media de cada observacin del ensamble es igual a la media de la observacin media del
ensamble. De (3.7), se entiende que un proceso ergdico es estacionario, pero no viceversa.
La estimacin de los momentos (3.1) para una seal ergdica (t ) se describe como


{ ()} = ()( ) , Z

siendo w (t ) la funcin de peso, que cumple la restriccin


lim 0 ( ) = 1

La funcin de peso rectangular es la ms frecuentemente empleada en la estimacin de los
momentos en (3.8),
1
,0
() = [
0, otros valores de

La funcin de peso (3.10) corresponde a la respuesta a impulso (1.77) de un filtro lineal, cuya
respectiva funcin de transferencia es denominada caracterstica espectral.

() = F { ( )} = ( )

que en el caso particular de (3.10) es igual a ()= /2 sinc(T /2).

Los valores de aleatoriedad dados en (3.1), (3.2), (3.3a) y (3.3b) para los procesos ergdicos,
teniendo en cuenta la estimacin (3.10), toman las respectivas expresiones:


1
E{ ( )} = lim () , N

0

1
E{ ( )
( )} = lim (( )
( )) , 2.

0
0
1
() = lim (( )( ( + ))dt


0
1
() = lim (( )
( ))( ( + )
( ))dt


2
= () 1

Los momentos de las seales ergdicas se relacionan con el siguiente sentido fsico:

Valor medio
( ) es la componente constante.
El valor medio al cuadrado
2 ( ) corresponde a la potencia de la componente directa.

Valor cuadrtico medio ( ) es la potencia promedio.
2

La varianza 2 es la potencia de la componente alterna.


Por su papel preponderante en la descripcin de procesos estacionarios que las funciones de
correlacin y covarianza tienen se debe tener en cuenta sus siguientes propiedades:

(a). Paridad. () = () , () = ()

A partir de la estacionariedad del proceso se puede demostrar la simetra de los valores


de correlacin respecto a los argumentos t1 y t2 :

{ (1)
(1), (2)
(2)} = { (2)
(2), (1)
(1)}

(b). Valor mximo.| ()| (0) , | ()| (0).

Por cuanto es evidente la siguiente desigualdad {(( ) ( + ))2 } 0, abriendo


parntesis, se obtiene


2
2( ) + ( + )
2( )( + ) 0
(c). Continuidad. Si la funcin () es continua en = 0, entonces () tambin ser
continua para todo .

(d). Periodicidad. Cuando se cumple que:

() = ( + ) ,

(e). Restriccin en la forma. Dado un proceso fsicamente realizable, la transformada de Fourier


de su funcin de correlacin debe cumplir la siguiente restriccin de forma:

{ ()} 0.

(f ). Convergencia. Si el proceso aleatorio (t ) no es peridico, entonces se cumple,

1.3. Descomposicin espectral de seales aleatorias


1.4. Densidad espectral de potencia
2. PASO DE SEALES ALTEATORIAS POR SISTEMAS LINEALES
2.1. Anlisis en el tiempo
2.2. Anlisis en la frecuencia
2.3. Empleo de operadores lineales
3. FILTRACIN PTIMA LINEAL POR MNIMOS CUADRADOS
3.1. Optimizacin de la respuesta a impulso
3.2. Condicin de realizacin fsica
3.3. Filtros acoplados
4. MTODOS DE DETECCIN
4.1. Modelo de deteccin Gaussiana
4.2. Deteccin bayesiana de seales
4.3. Deteccin de mxima verosimilitud
5. RECEPCIN PTIMA COHERENTE DE SEALES DIGITALES
5.1. Fidelidad del detector ptimo potencial binario

You might also like