Anlisis de Seales-Curso 2012

Procesos Aleatorios
Correlacin y Densidad Espectral
Ruido
Energa de la seal(1)
Debido a los distintos tipos de seales fsicas que
actan en los sistemas, se defini el trmino energa
de la seal, para TC:



Si x(t) es una tensin, las unidades son V
2
.S, falta
dividir por R para ser la energa. Es decir la energa
de la seal es proporcional a la energa fsica.
dt t x E
}

= ) (
2
Energa de la seal(2)
De acuerdo a lo anterior la energa de
la seal es proporcional a la energa
real y la constante de proporcionalidad
es R. Para un tipo diferente de seal, la
cte. de proporcionalidad ser diferente.
Para el caso discreto

= ] [
2
n x E
Potencia de la seal(1)
En muchas seales ni la integral ni la
sumatoria anterior convergen, la
energa de la seal es infinita pues no
est limitada en tiempo.
En estas seales es conveniente tratar
con la potencia promedio de la seal en
vez de con la energa
Potencia de la seal(2)

=
=
1
2
2 /
2 /
2
] [
2
1
) (
1
N
N n
N
T
T
T
n x
N
lm
P
dt t x
T
lm
P
Tiempo continuo
Tiempo discreto
dt t x
T
P
T
T
}

=
2 /
2 /
2
) (
1
Seales peridicas
Seales de Energa Energa finita
Seales de Potencia Potencia promedio finita
(no nula)

Seales de Energa Potencia promedio nula
Seales de Potencia Energa total infinita

No peridicas Seales de Energa
Aleatorias y peridicas Seales de Potencia

Correlacin
Seales de Energa
En TC


En TD
dt t y t x
R
xy
) ( ) ( ) ( t t + =
}

=
+ =
n
xy
m n y n x m
R
] [ ] [ ] [
Correlacin
Seales de Potencia
En TC


En TD

dt t y t x
T
R
T
T
xy
) ( ) (
1
lim
) ( t t + =
}

=

+ =
N n
N
xy
m n y n x
N
m
R
] [ ] [
1
lim
] [
Autocorrelacin
Seal de Energa
dt t
x
t x
R
xx
) ( ) ( ) ( t t + =
}

=
+ =
n
xx
m n x n x m
R
] [ ] [ ] [

}

=

= =
n
xx xx
n
x R
dt t
x R
] [ ] 0 [ ) ( ) 0 (
2 2
Autocorrelacin
Seal de Potencia
dt t x t x
T
R
T
T
xy
) ( ) (
1
lim
) ( t t + =
}

=

+ =
N n
N
xy
m n x n x
N
m
R
] [ ] [
1
lim
] [

}
=

= =
N n
T
xx
T
T
xx
n
x
N
R
dt t
x
T
R
] [
1
lim
] 0 [ ) (
1
lim
) 0 (
2 2
Funcin Distribucin
{ }
x
X P
x F
x 1 1
) ( s =
{ } ) ( ) (
) ( ) (
1 0
1 ) (
1 2 2 1
2 1 2 1
x F x F x
X
x
P
x x
con
x F x F
F
F
X X
X X
X
X
= < <
< <
s s
=
) (x
FX
) (x
FX
1
12
1
-1 -0,4 -0,1 1
x
x
Algunas propiedades
Discreta
Continua
Funcin densidad
x
d
x F
d
x
f
x
x
/ ) ( ) ( =
Algunas propiedades
{ } dx x f
x
x
x
P
dx x f
x f
x
x
X
X
X
) (
1 ) (
0 ) (
2
1
2 1
}
}
= s <
=
>

-1 -0,4 -0,1 1
0,2
0,3
0,1
0,4
) (x f
X
) (x f
X
1/12
12
x
x
Discreta
Continua
Operaciones de una variable
aleatoria
Valor esperado



Momentos
Momentos alrededor del origen




discreta aleatoria variable
x
P
x
x E
continua aleatoria variable dx x f x X x E
i
N
i
i
X
) ( ] [
) ( ] [
1

}
=

=
= =
dx x f
X X
E
m
X
n n
n
) ( ] [
}

= =
m
0
=1 Area bajo la curva
m
1
= X
Momentos centrales
( ) ( )
dx x f X x X X E
X
n n
n
) ( ] [
}

= =

0
=1 Area bajo la curva
1
=0

Varianza
( ) ( )
m m X X
E
X
X X X E
dx x f X X X X E
X
X
2
1 2
2 2
2
2
2 2
2
] [
)] 2 ( [
) ( ] [
= =
+ =
= = =
}

o
Funcin distribucin y densidad
conjunta
Las probabilidades de 2 eventos (c/u)


Definimos el evento conjunto
{ } { } y Y B y
x
X A s = s =
{ } { } y Y P y
F
y x X P x
F
Y X
s = s = ) ( ) (
{ } y Y x X s s ,
{ }
y x
y x
F
y x f
y Y x X P y x
F
Y X
Y X
Y X
c c
c
=
s s =
) , (
) , (
, ) , (
,
2
,
,
Funcin distribucin conjunta
Funcin densidad conjunta
Independencia estadstica
Dos eventos x e y son estadsticamente
independientes si:
{ } { } { }
) ( ) ( ) , (
) ( ) ( ) , (
;
,
,
y f x f y x f
y
F
x
F
y x
F
y Y P x X P y Y x X P
Y X Y X
Y X Y X
=
=
s s = s s
Motivacin
Encontramos seales aleatorias
Deseadas (comunicacin bits)
No deseadas (ruido)
Deseamos trabajar en el tiempo
Cmo describimos estas seales en el
tiempo ?
Procesos aleatorios.Concepto
Una variable aleatoria X funcin de las
salidas s de un experimento.
Ahora funcin de s y t x(t,s)
La familia de funciones X(t,s) es
llamado un proceso aleatorio.
Si t es fijo (t
1
) y s variable, tenemos
una variable aleatoria.
Proceso aleatorio
t
t
t
t
1

t
1

t
1

x
n+1
(t)
X
n
(t)
X
n-1
(t)
Variable aleatoria
Clasificacin de PA (1)
X y t contnuos PA contnuo



X discreta y t contnuo PA discreto
Ej. Ruido trmico
X(t)
t
X(t)
t
Ej. Bits
Clasificacin de PA (2)
X continuo y t discreto secuencia
aleatoria contnua
X(t)
t
Ej. Ruido trmico muestreado
Clasificacin de PA (3)
X discreto y t discreto secuencia
aleatoria discreta
X(t)
t
Ej. Bits muestreados
Procesos determinsticos y no
determinsticos
Si los valores futuros de cualquier muestra
del PA no se pueden predecir de sus valores
pasados, entonces el PA es llamado no-
determinstico
En cambio cuando los valores futuros se
pueden predecir de sus valores pasados
entonces el PA es llamado determinstico.
VA ser pueden A
t cos A t X
u
e
u
e
, ,
) ( ) (
0
0
+ =
Funciones densidad y distribucin
{ }
{ }
x t
X
x t
X P
t t x x F
x t
X P
t x F
x
x
2 2 1 1 2 1 2 1
1 1 1 1
) ( , ) ( ) , ; , (
) ( ) ; (
s s =
s =
) /( ) , ; , ( ) , ; , (
/ ) ; ( ) ; (
2 1 2 1 2 1 2 1 2 1
1 1 1 1 1
x x t t x x F t t x x
f
x
d
t x F
d
t x
f
x
x
x
x
c c c =
=
PA independiente
PA estacionario
En un PA si fijamos el tiempo, tenemos una
VA. Esta tiene propiedades estadsticas: valor
medio, varianza,etc.
Si hacemos esto para N t distintos obtenemos
N VA con sus propiedades estadsticas.
Decimos que el PA es estacionario si sus
propiedades estadsticas no cambian con el
tiempo.
PA independiente
Dos PA X(t) e Y(t) son estadsticamente
independientes si:
) , ( ) , ( ) , ; , (
'
1
1
1 1
'
1
1
1 1
,
t
y f
t x
f
t
y
t x
f
Y X Y X
=
Proceso Estacionario de
primer orden


Para cualquier t
1
y A.
En consecuencia es
independiente de t
1

) ; ( ) ; (
1 1 1 1
A + =
t x
f
t x
f
X X
) ; (
1 1
t x
f
X
constante )] ( [
__
= = X t X E
PE de segundo orden
) , ; , ( ) , ; , (
2 1 2 1 2 1 2 1
A + A + =
t t x x
f
t t x x
f
X X
Para todo t
1
, t
2
y A. Consecuencia de lo anterior
)] ( ) ( [ ) , (
2 1 2 1
t
X
t
X E
t t R
XX
=
t t
2 1
= t
) ( )] ( ) ( [ ) , (
1 1 1 1
t t t
R t
X
t
X E
t t R
XX XX
= + = +
PE en sentido amplio
constante )] ( [
__
= = X t X E
) ( )] ( ) ( [ t t
R t
X
t
X E
XX
= +
Un PE de orden 2 es estacionario en sentido amplio.
Autocorrelacin
Si el proceso aleatorio es estacionario
en sentido amplio



Y tiene las siguientes propiedades
)] ( ) ( [ ) ( t t + =
t
X
t
X E
R
XX
Propiedades
( )
( )
( )
)] ( [ ) 0 ( 3
) ( ) ( 2
0) ( ) ( 1
2
t
X
E
R
R R
R R
XX
XX XX
XX XX
=
=
s
t t
t
Otras propiedades
( ) 0 )] ( [ 4
__
= = X t
X
E

tiene un trmino cte =
2 __
X
( ) ) ( 5 t X
Si tiene una componente peridica
) (t
R
XX tambin tiene una componente
peridica con el mismo perodo
( ) ) ( 6 t X
Si es ergdico, valor medio 0 y sin
componente peridica
0 ) ( lim =

t
t
R
XX
Ejemplo
t
t
2
6 1
4
25 ) (
+
+ =
R
XX
5 25 )] ( [
___
= = =
X
t X E
4 25 29 )]) ( [ ( )] ( [
2
2 2
= = = t X E t
X
E
X
o
Promedios en el tiempo y
Ergodicidad
Definimos


Consideremos los siguientes promedios

dt
T
A
T
T
T
}

= [.]
2
1
lim
[.]
dt t x
T
t x A x
T
T
T
}

= = ) (
2
1
lim
)] ( [
__
dt
t
x t x
T
t
x t x A
T
T
T
) ( ) (
2
1
lim
)] ( ) ( [ ) (
R
xx
t t t + = + =
}

Promedios en el tiempo y
Ergodicidad
Para una muestra del proceso, las dos
integrales dan 2 nmeros como
resultado. Si todas las funciones del
proceso son consideradas, entonces
son va y
) (
R
xx
t
__
x
) ( )] (
R
[
] [
xx
__ __
t t
R
E
X x E
XX
=
=
Ergodicidad
) ( ) (
R
xx
__ __
t t
R
X x
XX
=
=
Promedios temporales iguales a promedios
estadsticos
Medida de funciones de
correlacin
Producto
}
Delay
Delay
Motivacin
Vimos Correlacin
Antes trabajamos en t y f para seales
determinsticas y sis. lineales
Ahora con seales aleatorias
Dominio de f ?
Propiedades espectrales TF para
seales determinsticas
Densidad Espectral de
Potencia
Para un pa X(t), siendo

x
T
(t)

Satisface con T finito, tiene
TF y aplicando el T. de Parseval

x(t) -T<t<T
0 en otra parte
<
}

T
T
T
dt t
x
) (
} }


= = dw w
X
dt t
x
T E
T
T
T
T
) (
2
1
) ( ) (
2
2
t
DEP(2)
Dividiendo por 2T


Haciendo T y tomando valor
esperado

} }


= = dw
T
w
X
T
dt t
x
T
T P
T
T
2
) (
2
1
) (
2
1
) (
2
2
t
} }

= = dw
T
w
X
T
dt t
X
E
T
P
T
T
T
T
XX
2
) (
lim
2
1
)] ( [
2
1
lim
2
2
t
DEP(3)
Finalmente definimos la DEP
T
w X
E
w
S
T
T
XX
2
]
) (
[
lim
) (
2

=
dw w
S P
XX XX
) (
2
1
}

=
t
Propiedades
( )
( )
( )
( ) { } )] ( [ ) (
2
1
4
) ( 3
) ( ) ( ) ( 2
0 ) ( 1
2
t
X
E A dw w
S
real es w
S
real t X w
S
w
S
w
S
XX
XX
XX XX
XX
=
=
>
}

t
Relacin entre Funcin de Autocorrelacin
y Densidad Espectral de Potencia
) ( ) (
) (
2
1
) (
) ( ) (
w
S R
o
dw
e
w
S R
d
e R
w
S
XX XX
jw
XX XX
jw
XX XX

=
=
}
}

t
t
t
t t
t
t
Sistemas lineales con entradas
aleatorias
LTI
X(t)
y(t)=X(t)*h(t)
h(t) H(w)
x(t) estacionario en sentido amplio
) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) ( ) (
t h
R R
t h
R R
t h t h
R R
XX XY
XX YX
XX YY
- =
- =
- - =
t t
t t
t t
) ( ) ( ) (
) ( * ) ( * ) ( ) (
) ( ) ( ) ( ) (
) ( ) ( )] ( ) ( [
] ) ( ) ( ) ( ) ( [
)] ( ) ( [ ) , (
2
f
S
f H f
S
h h
R R
dudv v h u h v u
R R
dudv v h u h v t X u t X E
dv v t X v h du u t X u h E
t Y t Y E t t
R
XX YY
XX YY
XX YY
YY
=
=
+ =
+ =
+ =
+ = +
} }
} }
} }

t t t t
t t
t
t
t t
DEP de la respuesta
) ( ) ( ) (
2
w H w
S
w
S
XX YY
=
Ruido Blanco
Tiene todas las f, como la luz blanca, es
estacionario en sentido amplio :



No es realizable
) (
2
) (
2
) (
0
0
t o t
N
R
cte K
N
f
S
NN
NN
=
= = =
=
}

df f
S
NN
) (
Ruido trmico
Debido a la agitacin trmica
Resistencia ruidosa
Su circuito equivalente


Tensin de
ruido
R sin ruido
R
f KT
e
n
t
A
=
2
2
Ej. 2 R en serie
e e e
n n n
2
2
2
1
2
+ =
e
n
2
1
e
n
2
2
R1
R2
R1
R2
R R Requi 2 1
+ =

R R
R T R T
T
f
R R T
K f
R T R T
K
equiv
equi
2 1
2 2 1 1
2 1 2 2 1 1
) ( [ 2 ] [ 2
+
+
=
A + = A +
Temperatura equivalente de
ruido
Red ruidosa
P
ent
P
sal
=P
ent
.G+P
N

Red libre de ruido
KT
eq
Af
P
sal
=P
ent
Total.G