TX Digital

Notas de Aula
EE089 - Transmisso Digital

27 de maro de 2008
Sumrio
1 Introduo
1.1
1.2
1.3
Analgico versus Digital . . . . . . . . . . . . . . . . .

Objetivos . . . . . . . . . . . . . . . . . . . . . . . . .
Pr-requisitos . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Transformadas . . . . . . . . . . . . . . . . . .
1.3.2 Relaes entre as Transformadas: Amostragem .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Modulao em Banda Base

2.1
2.2
2.3
2.4
2.5
11
Princpios Bsicos de Modulao . . . . . .

Modulao por Amplitude de Pulso . . . . .
2.2.1 Um Primeiro Estudo Sobre Alfabetos
Critrio de Nyquist . . . . . . . . . . . . . .
2.3.1 Exemplos e Aplicaes . . . . . . . .
Diagrama de Olho . . . . . . . . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 Receptores de Sinais em Banda Base

3.1
3.2
2
3
4
4
6
Receptores de Mnima Distncia . . . . . . . . . . .

3.1.1 Uma Intuio por Trs da Distncia Mnima
3.1.2 Correladores e Distncia Mnima . . . . . .
O Espao de Sinais . . . . . . . . . . . . . . . . . .
ii
12
15
17
19
23
25
27
32
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
33
34
35
36
SUMRIO
3.3
3.4
3.5
3.6
iii
Filtros de Recepo . . . . . . . . . . . . . . . . . .
3.3.1 Filtro Casado . . . . . . . . . . . . . . . . .
3.3.2 Relao entre o Filtro Casado e o Correlador
Recepo de mltiplos pulsos . . . . . . . . . . . .
3.4.1 Raz de Cosseno Levantado . . . . . . . . .
3.4.2 Detectores de Distncia Mnima . . . . . . .
3.4.3 Rudo . . . . . . . . . . . . . . . . . . . . .
3.4.4 Resumo: Um Receptor Prtico . . . . . . .
O porqu da distncia mnima . . . . . . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 Transmisso e Recepo em Banda Passante

4.1
4.2
4.3
4.4
4.5
4.6
4.7
52
Transmisso em Fase e em Quadratura . . . . . . . . . . . . . . . . .

4.1.1 Recepo em Fase e Quadratura . . . . . . . . . . . . . . . . .
4.1.2 Transmisso e Recepo de Mltiplos Smbolos . . . . . . . .
O Correlador em Banda Passante . . . . . . . . . . . . . . . . . . . .
4.2.1 Estatsticas do Rudo . . . . . . . . . . . . . . . . . . . . . . .
Espao de Sinais 2-D . . . . . . . . . . . . . . . . . . . . . . . . . . .
Representao em Banda Base de um Sinal em Banda Passante . . .
4.4.1 De Banda Passante para Banda Base . . . . . . . . . . . . . .
4.4.2 De Banda Base para Banda Passante . . . . . . . . . . . . . .
4.4.3 Filtragem em Banda Passante . . . . . . . . . . . . . . . . . .
Equivalente em Banda Base da Transmisso em Fase e em Quadratura
4.5.1 Equivalente em Banda Base do Receptor em Banda Passante .
4.5.2 Equivalente em Banda Base do Sistema de Transmisso . . . .
Constelaes Alternativas . . . . . . . . . . . . . . . . . . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5 Anlise de Desempenho
5.1
5.2
5.3
5.4
5.5
A Funo Q . . . . . . . . . . . .
Desempenho de N -PAM . . . . .
5.2.1 Distncia Mnima, Energia
Desempenho de N -QAM . . . . .
Mapeamento de Gray . . . . . . .
Exerccios . . . . . . . . . . . . .
39
39
41
42
43
43
46
47
47
50
53
55
56
59
60
62
64
65
67
68
69
70
72
74
75
80
.
.
e
.
.
.
. . . . . . . .
. . . . . . . .
Desempenho
. . . . . . . .
. . . . . . . .
. . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
81
82
85
86
88
90
SUMRIO
iv
6 Equalizao
6.1
6.2
6.3
6.4
6.5
6.6
91
Filtros de Recepo e Modelo Discreto do Canal . . . . . . .

Equalizadores Lineares . . . . . . . . . . . . . . . . . . . . .
6.2.1 Equalizao de Quadrados Mnimos . . . . . . . . . .
6.2.2 Clculo do Equalizador MMSE em Funo do Canal .
6.2.3 Concluso . . . . . . . . . . . . . . . . . . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Equalizador com Realimentao de Deciso . . . . . . . . . .
6.4.1 Os Coecientes do DFE . . . . . . . . . . . . . . . .
Equalizadores Adaptativos . . . . . . . . . . . . . . . . . . .
6.5.1 O Algoritmo LMS . . . . . . . . . . . . . . . . . . . .
6.5.2 A Seqncia de Treinamento . . . . . . . . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7 Sincronizao
7.1
7.2
7.3
7.4
7.5
7.6
117
Caracterizao do sincronismo . . . . . . . . .
Modelo matemtico para o sincronismo . . . .
Sincronismo de freqncia e fase da portadora
7.3.1 Tcnicas de malha aberta . . . . . . .
7.3.2 Tcnicas de malha fechada . . . . . . .
Sincronismo do instante de amostragem . . . .
7.4.1 Correo do instante de amostragem .
7.4.2 Estimao do instante de amostragem
7.4.3 Tcnicas de malha fechada . . . . . . .
7.4.4 Tcnicas de malha aberta . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . . .
Bibliograa . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
A Reviso de Processos Estocsticos

A.1 Probabilidade de Eventos, Independncia
A.2 Denio Axiomtica de Probabilidade .
A.2.1 Teorema da Probabilidade Total .
A.3 Variveis Aleatrias . . . . . . . . . . . .
A.4 Funo Distribuio de Probabilidade . .
A.4.1 Propriedades da Distribuio . .
92
95
98
103
104
105
106
108
110
111
113
114
118
119
120
121
124
131
131
132
132
136
137
139
141
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
143
144
146
147
148
150
SUMRIO
A.4.2 Distribuio Conjunta . . . . . . . . . . . .

A.5 Funo Densidade de Probabilidade . . . . . . . . .
A.6 Mdias de Variveis Aleatrias . . . . . . . . . . . .
A.6.1 Variveis Aleatrias Discretas . . . . . . . .
A.6.2 Variveis Aleatrias Contnuas . . . . . . . .
A.7 Variveis Aleatrias Gaussianas . . . . . . . . . . .
A.7.1 Vrias Variveis Conjuntamente Gaussianas
A.8 Processos Estocsticos . . . . . . . . . . . . . . . .
A.9 Mdias de Processos Estocsticos . . . . . . . . . .
A.9.1 Processos Estacionrios . . . . . . . . . . . .
A.9.2 Mdias Temporais e Ergodicidade . . . . . .
A.10 Filtragem de um Processo Estocstico . . . . . . .
A.11 Densidade Espectral de Potncia . . . . . . . . . .
A.12 Rudo Aditivo Gaussiano Branco . . . . . . . . . .
A.13 Exerccios . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
B Funes como Espaos Vetoriais

B.1 Norma, Distncia e Ortogonalidade
B.2 Desigualdade de Cauchy-Schwarz .
B.3 Subespaos e Bases Ortonormais . .
B.4 Projees Ortogonais . . . . . . . .
Referncias . . . . . . . . . . . . . . . .
151
151
153
153
155
157
159
160
162
163
163
165
167
168
170
172
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
173
173
175
176
177
CAPTULO
Introduo
A matria transmisso digital se preocupa com a transmisso de bits de um

ponto a outro. Bits aparecem em vrias formas nas aplicaes. Eles podem ser
representados por:
Orientao do campo magntico em um dado ponto de um disco rgido. Por

exemplo, uma orientao corresponde ao bit 1, e a orientao oposta corresponde a 0.
Reetividade em um dado ponto na superfcie de um CD ou DVD. Por exemplo, se um determinado ponto reete o laser de leitura, ele representa um bit
1. Do contrrio, ele representa 0.
Voltagem na sada de um transistor. Por exemplo, 5V corresponde ao bit 1,
0V corresponde a 0.
Devido s vrias formas que um bit pode assumir, nesse curso faremos uma abstrao muito comum e falaremos da transmisso de uma seqncia de bits, sem nos
preocuparmos com a representao fsica original desta seqncia. O interesse nessa
abstrao que, com ela, podemos estabelecer uma teoria geral para o projeto de
sistemas de transmisso digital, nos desligando da forma especca que o bit assume.
A transmisso desses bits se d atravs de um canal. Este pode ser o par tranado
que liga a sua casa central telefnica no caso de um modem discado ou DSL; o
1
CAPTULO 1. INTRODUO
cabo coaxial da provedora de TV a cabo no caso de servios de internet em banda

larga via cabo; os elementos de gravao e leitura de memrias como o disco rgido,
CDs e DVDs; o canal de rdio (ar), no caso de transmisso de celular digital, TV
digital, rdio digital e satlite.
A entrada desses canais tem que ser um sinal eltrico contnuo no tempo, ao
passo que a seqncia de bits um sinal discreto. De fato, voc no pode colocar
um bit, que uma abstrao, em um cabo coaxial. O processo de transformar uma
seqncia de bits em um sinal analgico adequado s exigncias do canal, conhecido
como modulao, um dos principais tpicos desse curso.
Todos os canais introduzem distores ao sinal transmitido. Cabe ao receptor
a tarefa de recuperar os bits transmitidos, compensando essas distores. Assim,
o outro tpico principal desse curso o estudo de tcnicas para combater essas
distores, permitindo a recuperao dos bits transmitidos no receptor.
1.1 Analgico versus Digital

Em vrios exemplos prticos, trabalhamos com grandezas inerentemente
binrias, tais como os dados em uma memria. Entretanto, sistemas analgicos,
como voz e imagens, so cada vez mais transmitidos digitalmente. Estes sinais so
contnuos tanto no tempo quanto em amplitude. Para serem transmitidos digitalmente, os sinais analgicos devem ser amostrados e quantizados periodicamente por
um conversor analgico/digital (A/D), de forma que agora eles assumem valores discretos, em instantes de tempo discretos. De acordo com o teorema da amostragem, o
processo de amostrar o sinal analgico no acarreta perdas, desde que as amostras assumam um valor contnuo em amplitude, e que elas tenham uma freqncia mnima
correspondente ao dobro da faixa de freqncias do sinal de interesse. Entretanto, o
processo de quantizao (a transformao do valor contnuo da amostra em um valor
digital) inevitavelmente introduz uma perda. Mais ainda, a converso de analgico
para digital tem um custo, por necessitar de um conversor A/D. Assim, natural
que se pergunte porque usar transmisso digital nesses casos.
So muitas as respostas a essa pergunta. De um ponto de vista mais prtico,
os custos do equipamentos extras necessrios para a transmisso digital, tais como
o conversor A/D e o sincronizador (que, como veremos, essencial em transmisso
digital), esto diminuindo rapidamente. De um ponto de vista terico, a resposta foi
CAPTULO 1. INTRODUO
dada em 1948 por Claude Shannon, que, em um trabalho fundamental, inaugurou o

campo da teoria da informao e possibilitou a emergncia das comunicaes digitais.
Em primeiro lugar, seqncias de bits podem ser comprimidas. Por exmplo,
nem tods as ltras so necssras pra que vc entnda ess txto. De fato, Shannon
estabeleceu os limites de quanto se pode comprimir uma seqncia de bits, quer se
aceitem perdas, quer no. O formato zip um exemplo de compresso sem perdas,
enquanto que o MP3 um exemplo de compresso com perdas. Esse processo de
compresso chamado de codicao de fonte.
Em segundo lugar, a transmisso digital robusta a distores. A intuio por
trs deste resultado simples. Se eu posso transmitir 0V ou 1V, mas eu recebo 1.5V,
so grandes as chances de que eu tenha transmitido 1V. Assim, a distoro que levou
o sinal de 1V para 1.5V pode ser corrigida. Mais ainda, possvel introduzir, de
maneira inteligente, redundncia ao sinal transmitido, de forma a aumentar essa
robustez. Considere, por exemplo, os bits de paridade. Digamos que a cada 7 bits
eu introduza um oitavo, de forma que esses 8 bits sempre tenham um nmero par de
1s. Se eu recebo um grupo de 8 bits com um nmero mpar de 1s, eu sei que um erro
foi cometido, e portanto eu posso pedir a retransmisso do grupo. Esse processo de
introduo inteligente de redundncia chamado de codicao de canal.
Shannon foi muito alm, e provou que cada canal tem uma capacidade C de
transmitir informao. Se a razo entre o nmero de bits de informao e o nmero
de bits transmitidos (7/8 no exemplo anterior) for menor que C , ento existe um
esquema de introduo de redundncia (um cdigo de canal) tal que, a medida que
o nmero de bits de informao vai a innito, a probabilidade de erro cai a zero.
Em outras palavras, possvel recuperar tudo o que foi transmitido quase que sem
erros! E mesmo que eu transmitisse um sinal analgico, eu no poderia transmitir
mais informao do que a possibilitada pela transmisso digital.
Outra vantagem de comunicaes digitais, que tambm foi estudada por Shannon, que elas possibilitam o uso de estratgias de criptograa ecientes. Para um
estudo dos trabalhos de Shannon, recomendamos o curso de teoria da informao.
1.2 Objetivos
O objetivo desse curso tratar da transmisso de bits. Cobriremos os seguintes
tpicos:
CAPTULO 1. INTRODUO
Modulao em banda bsica, para canais cuja resposta em freqncia admite

sinais de baixa freqncia, tais como os pares tranados.
Modulao em banda passante, para sistemas onde os sinais devem ter componentes de freqncia elevada, tais como sistemas celulares.
Anlise do desempenho das tcnicas de modulao estudadas.
Efeitos das duas principais distores introduzidas pelos canais de comunicaes: o rudo aditivo e a interferncia entre smbolos.
Caso haja tempo, cobriremos outros tpicos, tais como sincronizao, espalhamento espectral, e codicao.
Espera-se que, ao nal do curso, o aluno saiba projetar e entender transmissores
e receptores de sistemas de transmisso digital simples.
1.3 Pr-requisitos
Neste curso, sero usados alguns conceitos de processos estocsticos, que sero
brevemente revisados. Basicamente, usaremos os conceitos de variveis aleatrias
discretas e contnuas, mdia e varincia. Para processos estocsticos, usaremos os
conceitos de funes de correlao e densidade espectral de potncia. Finalmente,
usaremos alguns conceitos de lgebra linear, como projees ortogonais.
Sero tambm necessrios alguns conhecimentos dos vrios tipos de transformadas de Fourier, bem como a relao entre eles. Por sua importncia, esses conceitos sero revistos a seguir.
1.3.1 Transformadas
Existem basicamente quatro tipos de transformadas de Fourier, uma para cada
tipo de sinal temporal. Essas transformadas so resumidas a seguir:
Srie de Fourier (FS, do ingls Fourier Series ). A FS denida para sinais que
so contnuos e peridicos no tempo, com perodo T0 = 1/f0 . A transformada
CAPTULO 1. INTRODUO
resultante discreta e aperidica em freqncia. As transformadas direta e

inversa so dadas por
X[k] = f0
x(t) exp (j2kf0 t) dt x(t) =
X[k] exp (j2kf0 t) .
<T0 >
(1.1)
Transformada de Fourier (FT, do ingls Fourier Transform ). A FT denida

para sinais que so contnuos e aperidicos no tempo. A transformada resultante contnua e aperidica em freqncia. As transformadas direta e inversa
so dadas por
X(f ) =
x(t) exp (j2f t) dt x(t) =
X(f ) exp (j2f t) df.
(1.2)
Transformada de Fourier a tempo discreto (DTFT, do ingls Discrete Time

Fourier Transform ). A DTFT denida para sinais que so discretos e aperidicos no tempo. A transformada resultante contnua e peridica em freqncia, com perodo 1. As transformadas direta e inversa so dadas por
X(f ) =
x[n] exp (j2f n) x[n] =

<1>
X(f ) exp (j2f n) df. (1.3)
Em vrios cursos, vemos a transformada em funo de , no em funo de f .

Nesse caso, a DTFT peridica com perodo 2 .
Transformada discreta de Fourier (DFT, do ingls Discrete Fourier Transform ). A DFT denida para sinais que so discretos e peridicos no tempo,
com perodo N . A transformada resultante discreta e peridica em freqncia, tambm com perodo N . As transformadas direta e inversa so dadas
por
X[k] =
X[k] exp (jkn2/N ) x[n] =

<N >
1
N
X[k] exp (jkn2/N ) .

<N >
(1.4)
Nas denies de transformada,

<N > indica soma em qualquer perodo de
durao N . O perodo escolhido irrelevante, pois as funes somadas possuem
perodo N . Da mesma forma, <1> indica a integral em qualquer perodo de durao
1. O perodo escolhido tambm irrelevante, pois as funes integradas possuem
perodo 1.
CAPTULO 1. INTRODUO
interessante notar uma certa dualidade entre a FS e a DTFT. De fato, suas

frmulas so muito parecidas, mas invertendo-se os papis dos sinais no tempo e na
freqncia. Ainda dentro dessa dualidade, interessante notar que sinais peridicos
no tempo levam e a sinais discretos em freqncia e vice-versa: sinais discretos no
tempo levam a sinais peridicos em freqncia.
1.3.2 Relaes entre as Transformadas: Amostragem

Se uma seqncia discreta obtida atravs da amostragem de um sinal contnuo, podemos relacionar suas transformadas de Fourier atravs dos teoremas da
amostragem. O objetivo dessa seo revisar essas relaes.
Sinais de durao innita

Suponha que o sinal a tempo discreto x[n] seja obtido a partir da amostragem
de x(t), ou seja, x[n] = x(nTa ), onde Ta = 1/fa o perodo de amostragem. Como
relacionar a DTFT de x[n], Xd (f ), com a FT de x(t), X(f )?
Para isso, usamos uma funo auxiliar, obtida passando x(t) por um amostrador
consistindo de um trem de impulsos. O resultado uma espcie de sinal amostrado
mas a tempo contnuo,
xa (t) =
(1.5)
x(t)(t nTa ).
n=
Esse sinal no existe na prtica, e nenhum amostrador usa trens de impulsos. Entretanto, ele serve para encontrar a relao entre a FT e a DTFT de interesse, como
segue.
O sinal xa (t), por ser a tempo contnuo, possui transformada de Fourier, Xa (f ).
O teorema da amostragem diz que
Xa (f ) =
1
Ta
X f
k
k
Ta
(1.6)
Por outro lado, para um n qualquer, x(t)(t nTa ) = x(nTa )(t nTa ) = x[n](t
nTa ). Temos ento que a FT de x(t)(t nTa ) x[n] exp(j2f nTa ). Finalmente,
usando a linearidade da FT e a denio de xa (t) em (1.5), podemos escrever
Xa (f ) =
x[n] exp(j2f nTa ).

n=
(1.7)
CAPTULO 1. INTRODUO
Note que (1.7) muito semelhante denio da DTFT de x[n]. De fato,

podemos escrever que
f
Xd (f ) = Xa
.
(1.8)
Ta
Finalmente, usando esta observao e (1.6), obtemos a relao desejada entre a
DTFT de x[n] e a FT de x(t):
Xd (f ) =
1
Ta
X
k
f k
Ta
(1.9)
Notas:
interessante notar que se no houver aliasing, ento temos que,
Xd (f ) =
1
X
Ta
f
Ta
para
1
1
<f < .
2
2
(1.10)
Para isso, necessrio que x(t) seja limitado em freqncia, ou seja, que
X(f ) = 0 para |f | > fa /2. A menor freqncia de amostragem que garante a
eliminao de aliasing chamada de freqncia de Nyquist.
De (1.6), vemos que Xa (f ) peridico com perodo 1/Ta .

De (1.9), vemos que a DTFT Xd (f ) peridica com perodo 1, como desejado
para uma DTFT.
Sinais de durao nita

As relaes obtidas acima so para sinais de durao innita. Revisamos um fato
muito importante da teoria de sinais: se um sinal for limitado em freqncia, ele pode
ser perfeitamente representado por amostras tomadas com uma freqncia que seja
maior ou igual freqncia de Nyquist do sinal. Entretanto, os sinais armazenados
em um computador so de durao nita, o que causa algumas complicaes. Nessa
seo, revisaremos as relaes entre transformadas de Fourier para esse caso.
Considere um sinal x(t), e seja x[n] = x(nTa ) um vetor de tamanho N representando N amostras do sinal x(t), tomadas entre os instante 0 e T com perodo de
amostragem Ta . Assim, Ta = T /N 1 . O computador vai trabalhar em cima dessas N
1 Note
que amostrar x(t) com perodo Ta corresponde a assumir que as freqncias em X(f )
variam entre fa /2 e fa /2, onde fa = 1/Ta .
CAPTULO 1. INTRODUO
amostras, mas para isso necessrio fazer algumas hipteses sobre o que acontece
com o sinal fora do intervalo 0 n N 1. Em particular, ele pode assumir que
x[n] uma seqncia de durao innita, mas que vale 0 para n < 0 ou n N . Essa
hiptese corresponde a assumir que o sinal x(t) tem durao nita, sendo no nulo
apenas no intervalo 0 t T . Nesse caso, a seqncia x[n] possuiria uma DTFT.
Entretanto, a DTFT contnua em freqncia, e portanto no pode ser manipulada
muito convenientemente pelo computador.
Uma hiptese mais conveniente assumirmos que x[n] uma seqncia peridica
com perodo N , e que as N amostras representam um perodo de x[n]. Nesse caso,
podemos calcular a DFT. Essa transformada, por ser discreta tambm em freqncia,
pode ser facilmente manipulada pelo computador. Mais ainda, a DFT tambm
peridica com perodo N , e portanto pode ser representada por um nmero nito, N ,
de valores. Talvez mais importante, a DFT pode ser computada por um algoritmo
de baixa complexidade computacional, a transformada de Fourier rpida (FFT, do
ingls Fast Fourier Transform ). Na seqncia, examinaremos a relao entre a DFT
e outras transformadas.
Em primeiro lugar, vamos relacionar a DFT do sinal de durao nita x[n] com
a DTFT de um sinal tambm discreto no tempo, mas de durao innita. Seja
y[n] esse sinal, com DTFT Y (f ). Considere que a DFT de x[n], X[k], seja obtida
a partir de N amostras igualmente espaadas em um perodo de Y (f ). Ou seja,
X[k] = Y (k/N ), para k = 0, . . . N 1. Note que Y (f ) peridico com perodo 1, e
portanto X[k] peridico com perodo N , como desejado. Aplicando um raciocnio
semelhante ao teorema da amostragem, possvel mostrar que a DFT inversa de
X[k] dada por
x[n] =
y[n + kN ].
(1.11)
k
Ou seja, x[n] dado pela soma de verses y[n] deslocadas no tempo de N . Algo
semelhante ocorre no teorema da amostragem original, s que no domnio da freqncia: o espectro do sinal amostrado dado pela soma de cpias do espectro
original, deslocadas de fa .
Uma conseqncia de (1.11) que x[n] peridico com perodo N . Isso esperado, pois x[n] uma DFT inversa. Entretanto, vemos outra analogia com o
teorema da amostragem. No teorema original, uma amostragem no tempo leva a
uma periodicidade na freqncia. Aqui, uma amostragem em freqncia leva a uma
periodicidade no tempo. Outra conseqncia de (1.11) que s possvel recuperar
CAPTULO 1. INTRODUO
y[n] a partir de x[n] se y[n] valer zero para n < 0 e n N 1. Do contrrio, haver
sobreposio entre as cpias deslocadas de y[n] em (1.11), de forma semelhante ao
problema de aliasing no teorema de amostragem clssico.
Vamos agora relacionar a DFT de x[n] com a FT de x(t). Como vimos acima,
x[n] pode ser usado para representar um sinal de durao nita. Assumimos, assim,
que x(t) tem durao nita, valendo zero para t < 0 e t > T . Nesse caso, podemos
escrever
T
X(f ) =
x(t) exp (j2f t) dt.

0
(1.12)
Podemos tambm aproximar a integral acima como uma soma de Riemann dividindo
o intervalo entre 0 e T em N segmentos de largura Ta :
N 1
X(f )
x(nTa ) exp (j2f nTa ) Ta .
(1.13)
n=0
Considere agora o clculo X(f ) para f = kfa /N . De certa forma, como se

amostrssemos o sinal X(f ), tomando N amostras para f variando entre 0 e fa .
Como fa /N = 1/T , temos que
N 1
X(k/T ) Ta
x(nTa ) exp (j2kn/N ) .
(1.14)
n=0
Podemos ento relacionar o lado direito da equao acima com a DFT de x[n], X[k]:
X(k/T ) Ta X[k] .
(1.15)
Em resumo, se amostrarmos o sinal x(t) em um perodo T , a DFT do sinal

amostrado, X[k], aproximadamente igual FT do sinal original, X(f ), calculada
em f = k/T , vezes Ta .
A relao (1.15) apenas uma aproximao, mas vale a pena considerar algumas
das hipteses feitas. Alm do fato de aproximarmos uma integral por uma soma,
a hiptese de durao nita pode levar a confuses. De fato, considere N = 10
amostras de x(t) = cos(t) entre os instantes 0 e 1. Nesse caso, T = 1 e a DFT
calcula X(f ) nas freqncias 0, 1, 2, etc. Entretanto, sabemos que X(f ) deveria
possuir apenas um delta em f = 0.5. Ou seja, nunca calculamos X(f ) na freqncia
mais importante.
Por outro lado, o fato de que X(f ) = 0 para f = 0.5 no quer dizer que X[k]
seja sempre nulo, o que pode ser vericado em MATLAB. De fato, X(f ) seria um
CAPTULO 1. INTRODUO
10
delta se o sinal tivesse durao innita. Na realidade, a DFT aproxima a FT do

produto entre cos(t) e uma janela retangular entre 0 e 1.
CAPTULO
Modulao em Banda Base
Conforme falamos na introduo, a entrada dos canais de comunicaes tem que

ser um sinal contnuo. Anal de contas, um bit , para ns, uma abstrao, de forma
que no podemos colocar um bit em um cabo telefnico. Neste captulo, discutiremos o processo, chamado de modulao, de transformar bits em sinais contnuos
adequados ao canal de transmisso.
Restringiremos aqui nossa ateno a canais em banda bsica. A denio destes
sistemas no muito clara na literatura, sendo possvel encontrar vrias denies
relativamente equivalentes. Em princpio, um canal em banda bsica aceita freqncias prximas ao zero. Uma denio equivalente que um canal em banda bsica
aceita uma faixa de freqncias que da mesma ordem de grandeza da sua freqncia
central (a mdia entre a maior e a menor freqncia que passam pelo canal). Assim,
um modem discado, que transmite aproximadamente entre 100Hz e 3.400Hz, um
canal em banda bsica. Por outro lado, o sistema celular, que transmite faixas de
freqncia de cerca de 30kHz a uma freqncia de 900MHz, conhecido como um
canal em banda passante. Lidaremos com esse tipo de canal no prximo captulo.
11
CAPTULO 2. MODULAO EM BANDA BASE
12
)t(s
0
). ges(t
5.2
1
2
0
5. 1
1
1
1
5.0
V5
0
Figura 2.1: Exemplo de sinal na entrada do canal.
2.1 Princpios Bsicos de Modulao

Imagine que queiramos transmitir a seqncia de bits 01101 por um canal. Inspirados em nosso laboratrio de circuitos lgicos, podemos pensar em colocar uma
tenso de 0V no canal se o bit a ser transmitido for 0, ou 5V se o bit a ser transmitido for 1. Assim, para a nossa seqncia, o sinal na entrada do canal seria como
visto na gura 2.1. Note que, nessa gura, ns transmitimos um bit a cada 0.5s.
Obviamente, essa uma soluo que funciona. Entretanto, ela est longe de
ser a nica. Considere, por exemplo, as formas de onda mostradas na gura 2.2.
Na gura 2.2(a), temos que a distncia entre as formas de onda para 0 e 1 so
iguais gura 2.1. Entretanto, a energia transmitida , na mdia, menor na gura
2.2(a) que na gura 2.1. J o sinal na gura 2.2(b) tem a vantagem adicional de
no possuir descontinuidades, e portanto ocupar uma faixa mais estreita do que o
sinal na gura 2.1. Finalmente, considere o esquema mostrado na gura 2.2(c), onde
ns transmitimos dois bits a cada 0,5s. Em outras palavras, usando o esquema na
gura 2.2(c) podemos transmitir a uma taxa de bits maior que a possibilitada pelos
esquemas anteriores.
O processo mostrado nas guras 2.1 e 2.2, onde uma seqncia de bits convertida em formas de onda, chamado de modulao. Mais genericamente, podemos
pensar em um modulador como um bloco que, a cada Ts segundos, recebe um grupo
de M bits em sua entrada. Para cada possvel combinao desses M bits (existem
5.2
V 3
V 1
). ges(t
5.2
5. 1
5. 0
V1
V3
00
01
10
10
11
)t(s
(b)
). ges(t
Figura 2.2: Exemplos alternativos de sinais na entrada do canal.

(c)
(a)
V5 .2
5. 1
5. 0
V5 .2
). ges(t
5.2
V5. 2
5. 1
5. 0
V5. 2
)t(s
)t(s
13
14
N = 2M possibilidades), o modulador produz uma forma de onda diferente. Assim,

a cada Ts segundos o sistema transmite um dos sinais {si (t)}N 1 .
i=0
Note que esse um modulador sem memria, pois o sinal associado a um determinado grupo de M bits no depende de bits anteriores. Existem ainda moduladores
com memria, mas esses fogem ao escopo deste curso.
As modulaes mostradas nas guras 2.1 e 2.2 so apenas alguns exemplos. As
alternativas so, literalmente, innitas. No restante desse curso, buscaremos estabelecer uma estratgia para anlise e comparao entre os esquemas mostrados nas
guras anteriores, bem como qualquer outro esquema de modulao. Os parmetros
nos quais estaremos interessados so:
Faixa de freqncia ocupada pelo sinal transmitido (B ), medido em Hz. Este
parmetro de interesse pois nos permite determinar se o sinal transmitido
est de acordo com as caractersticas do canal. Se um sinal possui freqncias
alm das especicadas pelo canal, duas coisas podem ocorrer. Em primeiro
lugar, podemos estar desperdiando energia, tentando transmitir em freqncias para as quais a resposta do canal nula. Outra possibilidade causar
interferncia com outros usurios, como pode ocorrer se uma estao de rdio
tenta transmitir em freqncias correspondentes a outras estaes. Apesar de
no haver exatamente um consenso na literatura, incluiremos na faixa de freqncia apenas aquelas positivas com energia maior do que a metade da maior
energia do sinal (tambm conhecida como faixa de freqncia de 3dB).
Desempenho do sistemas, medido pela taxa de erro de bits (BER, do ingls
bit error rate ), dado como uma probabilidade de erro. Este parmetro mede
a qualidade do sistema de transmisso.
Energia usada para transmisso de um bit (Eb ). Essa quantia ligada, por
exemplo, vida til da bateria de telefones celulares. Claramente, entre dois
sistemas com as mesmas caractersticas, devemos escolher o que tem a menor
energia de transmisso.
Quantidade de informao que uma modulao pode transmitir (Rb ), dada em
bits por segundo. Por exemplo, a modulao da gura 2.1 transmite 1 bit a
cada 0.5s, ao passo que na gura 2.2(c) temos a transmisso de dois bits a
cada 0.5s.
15
Ecincia espectral ( ). Como veremos, para uma dada modulao, podemos aumentar Rb simplesmente aumentando a faixa de freqncia ocupada
pelo sinal. Como isso nem sempre interessante ou possvel, gostaramos de
comparar modulaes levando em conta Rb e B . Denimos assim a ecincia
espectral = Rb /B , dada em bits por segundo por Hz.
A comparao entre diferentes esquemas de modulao envolve o tratamento
de grandezas aleatrias, tais como o rudo e a seqncia de bits a ser transmitida.
Assim, recomendamos que, nesse ponto, o aluno deve fazer uma reviso de alguns
conceitos de variveis aleatrias e processos estocsticos.
2.2 Modulao por Amplitude de Pulso

A tcnica de modulao em banda bsica mais comum, tanto na teoria quanto na
prtica, chamada de modulao por amplitude de pulso (PAM, do ingls pulse amplitude modulation ). Nessa tcnica, a cada grupo de M bits associamos um nmero
ai , conhecido como um smbolo. A esta regra (ou funo) que associa grupos de bits
a smbolos damos o nome de mapeamento. Obviamente, os smbolos podem assumir
N = 2M valores, nmero conhecido como a ordem da modulao. Ao conjunto de
todos os smbolos damos o nome de alfabeto ou constelao, que denotaremos por
A. Ou seja, A = {ai }N 1 . Em geral, por motivos que caro claros adiante, para
i=0
modulao em banda bsica temos que A = {(N 1)d, (N 3)d, . . . (N 1)d},
onde d um parmetro que ajusta a energia transmitida. A esta modulao damos
o nome de N -PAM.
Para gerar o sinal contnuo a ser transmitido, o modulador PAM simplesmente
multiplica uma forma de onda g(t), chamada de pulso conformador (shaping pulse,
em ingls), pelo smbolo. Em outras palavras, o sinal transmitido em uma modulao
PAM dado por si (t) = ai g(t). Nesse caso, podemos pensar no modulador como
consistindo de dois blocos: um que mapeia os M bits em um nmero, outro que gera
um pulso g(t) multiplicado por este nmero. A necessidade de gerar apenas uma
forma de onda um dos motivos por trs da popularidade de modulaes PAM.
Anal de contas, isso pode ser feito com o uso de um nico ltro linear, o que
diminui o custo de PAM.
Note que transmitimos sempre o mesmo pulso, mas com amplitudes que esto
ligadas aos bits que queremos transmitir. Ou seja, a informao de interesse (os bits)
Bits
Mapeamento
Smbolos
16
g(t)
s(t)
Figura 2.3: Diagrama de um modulador N-PAM.

est representada na amplitude dos pulsos, da o nome de modulao por amplitude
de pulso. Temos tambm que esse um esquema de modulao bastante genrico,
pois permite a livre escolha do pulso de modulao. (Em breve, veremos que essa
escolha no to livre assim.)
Agora, assuma que queiramos transmitir KM bits. A primeira etapa da modulao gera uma seqncia de nmeros {sk }K1 , onde cada sk A o smbolo
k=0
correspondente ao k -simo grupo de M bits. Na segunda etapa da modulao, vamos gerar uma forma de onda para cada um dos sk . A forma de onda para os
primeiros M bits ser transmitida no instante 0. Teremos ento a transmisso de
s0 g(t). A forma de onda para os M bits seguintes ser transmitida no instante Ts ,
onde Ts conhecido como o perodo de smbolo. Equivalentemente, Rs = 1/Ts
conhecido como a taxa de smbolos, ou, no ingls, baud rate. De qualquer forma,
teremos a transmisso de s1 g(t Ts ). Procedendo desta maneira, vamos transmitir
a superposio dessas formas de onda. Em outras palavras, o sinal transmitido ser
K1
sk g(t kTs ).
s(t) =
(2.1)
k=0
O diagrama de blocos da modulao N-PAM est mostrado na gura 2.3. Nesta

gura, vemos que o pulso conformador est implementado como um ltro. Esta
a congurao mais encontrada na prtica, e o ltro chamado ltro conformador
de pulso, ou ltro de transmisso. Note, ainda, que o ndice dos bits e dos smbolos
no so os mesmos. Isto feito para explicitar o fato de que a cada M bits temos
um smbolo.
Por exemplo, nas guras 2.1, 2.2(a) e 2.2(c), o pulso g(t) dado por um sinal
retangular. J na gura 2.2(b), o pulso um seno, limitado ao intervalo de 0 a
Ts . Por outro lado, na gura 2.1 temos que a0 = 0 se o bit a ser transmitido for
0, e a0 = 5 se o bit a ser transmitido for 1. Nas guras 2.2(a) e 2.2(b), temos que
a0 = 2.5 se o bit a ser transmitido for 0, e a0 = 2.5 se o bit a ser transmitido for
1. J na gura 2.2(b), temos que a0 = 3 se os bits a serem transmitidos forem
10, a1 = 1 se os bits a serem transmitidos forem 00, a2 = 1 se os bits a serem
17
transmitidos forem 01, e a3 = 3 se os bits a serem transmitidos forem 11.

Neste ponto, j podemos estabelecer alguns parmetros da modulao PAM.
Assuma que os bits transmitidos so descorrelacionados. (Como veremos, essa
uma hiptese razovel.) Nesse caso, pode-se mostrar1 que a densidade espectral de
potncia do sinal transmitido dada por
SS () =
2
x
|G()|2 ,
Ts
(2.2)
2
onde G() a transformada de Fourier de g(t), e x = E |sk |2 . Assim, a caracterstica
do sinal transmitido no domnio da freqncia completamente determinada pelo
pulso conformador.
A taxa de transmisso pode ser calculada se notarmos que transmitimos Rs
smbolos a cada segundo, e cada smbolo corresponde a M bits. Assim, Rb = M Rs
bits por segundo. A ecincia espectral , portanto, = Rb /B , onde B a faixa de
freqncias ocupada por g(t).
Finalmente, a energia necessria para a transmisso de um smbolo, denotada
por Es , dada por
Es =
Ts
2
Ss () d =
2
x
2
2
|G()|2 d = x
|g(t)|2 dt,
(2.3)
onde a ltima igualdade segue da identidade de Parseval. Como cada smbolo equivale a M bits, temos que a energia necessria para a transmisso de um bit dada
por
Es
Eb =
.
(2.4)
M
2.2.1 Um Primeiro Estudo Sobre Alfabetos

No comeo desta seo, dissemos que normalmente o alfabeto usado para modulaes N -PAM dado por A = {(N 1)d, (N 3)d, . . . (N 1)d}. Agora,
daremos um primeiro passo na direo de explicar o motivo da popularidade de tal
alfabeto.
1 Para
isso, devemos assumir que ns no tenhamos uma origem do tempo xa. De fato, essa
uma hiptese razovel, j que no existe uma sincronizao entre o transmissor e o receptor.
K1
Temos, ento, que s(t) = k=0 sk g(t + kTs ), onde uma varivel aleatria uniformemente
distribuda entre 0 e Ts .
18
Para este m, considere um alfabeto genrico A = {ai }N 1 . A energia gasta

i=0
para a transmisso do smbolo ai dada por
|g(t)|2 dt.
Ei = a2
i
(2.5)
Assim, na mdia, a energia gasta para transmitir um smbolo dada por
1
Es =
N
N 1
a2
i
|g(t)|2 dt,
(2.6)
i=0
o que est de acordo com (2.3).

Imagine, agora, que todos os pontos do alfabeto sejam deslocados de um valor a.
Nosso novo alfabeto ser, ento, B = {ai a}N 1 . Intuitivamente, esperamos que
i=0
os alfabetos B tenham o mesmo desempenho, qualquer que seja o valor de a. Dessa
forma, podemos nos perguntar qual o valor de a que minimiza a energia transmitida
j que, para sistemas com o mesmo desempenho, devemos escolher aquele que usa
a menor energia para transmisso.
Ora, para o alfabeto deslocado, temos que a energia transmitida proporcional
a
N 1
1
(ai a)2 .
(2.7)
N i=0
Diferenciando em relao a a e igualando a zero, temos que o valor de a que minimiza
a energia deve satisfazer
N 1
1
2
(ai a) = 0.
(2.8)
N i=0
Em outras palavras, devemos ter que
1
a=
N
N 1
ai ,
(2.9)
i=0
ou seja, a deve ser igual mdia dos ai .

Finalmente, observe que A = {(N 1)d, (N 3)d, . . . (N 1)d} possui mdia
nula. Assim, o deslocamento que minimiza sua energia zero. Ou seja, ele j um
alfabeto de mnima energia, o que um dos aspectos que justicam sua popularidade.
19
2.3 Critrio de Nyquist

O pulso retangular mostrado na gura 2.1 tem uma desvantagem sria. Apesar
de ser completamente limitado no tempo, permitindo a perfeita separao temporal
entre os smbolos transmitidos, esse pulso decai muito lentamente em freqncia,
causando forte interferncia com canais adjacentes (aqueles que transmitem em freqncias contguas s do pulso). Este problema inviabiliza o seu uso em canais
limitados em freqncia, e na realidade afeta todas as formas de onde limitadas
abruptamente no tempo, como tambm o caso do pulso usado na gura 2.2(b).
Nesta seo, veremos algumas alternativas para solucionar este problema.
Assim, considere o uso de um pulso g(t) com durao maior do que o perodo
de smbolo Ts . Neste caso, fcil encontrar um pulso com melhor limitao em
freqncia. O pulso perfeitamente limitado em freqncia, por exemplo, dado por
sinc(t) e tem uma durao temporal innita.
Infelizmente, neste caso, a transmisso de um smbolo dura obviamente mais do
que um perodo de smbolo. Com isso, durante o segundo intervalo de transmisso,
o sinal correspondente ao primeiro smbolo ainda est sendo transmitido, e assim
sucessivamente. Desta forma, h uma sobreposio temporal dos sinais correspondentes a smbolos adjacentes. Este tipo de distoro conhecido como interferncia
intersimblica (IIS), e obviamente um bom projeto de um sistema de comunicaes
deveria limit-lo.
Para um melhor estudo dos efeitos da IIS, consideremos um canal ideal, que no
introduza nenhuma distoro. Assim, o sinal recebido igual ao transmitido:
K1
sk g(t kTs ).
r(t) =
(2.10)
k=0
Como os smbolos so transmitidos a cada Ts segundos, gostaramos que a cada Ts

segundos o canal produzisse uma sada que represente, o mais perfeitamente possvel,
o smbolo transmitido. Seja, ento, rk = r(kTs ) o sinal amostrado na sada do canal,
obtido a cada Ts segundos. Temos que
K1
rk =
K1
sn g(kTs nTs ) =
n=0
K1
sn gkn ,
sn g((k n)Ts ) =
n=0
(2.11)
n=0
onde gk = g(kTs ) a seqncia obtida atravs da amostragem do pulso conformador

a uma taxa Rs . Em outras palavras, rk a convoluo dos smbolos transmitidos,
sk , com as amostras do pulso conformador, gk .
20
Gostaramos que, no instante k , rk fosse igual a sk . Assim, vamos reescrever rk

de forma a explicitar o smbolo de interesse:
K1
sn gkn .
rk = g0 sk +
(2.12)
n=0
n=k
O segundo termo em (2.12) o impacto que os outros smbolos transmitidos tm

sobre a recepo de sk . Ou seja, este termo a IIS. De (2.12), ca claro que, para
que rk = ak , devemos ter que
gk =
1, se k = 0
0, caso contrrio.
(2.13)
Esta funo conhecida como o delta de Kronecker, e em geral denotada por k .

interessante notar que (2.13) especica o comportamento do pulso apenas nos
instantes de amostragem: para no gerar IIS, o pulso deve obedecer (2.13), no
importando seu comportamento entre os instantes de amostragem.
Em resumo, para que no tenhamos IIS quando transmitimos por um canal ideal,
devemos usar um pulso conformador g(t) tal que gk = k . fcil obter um pulso
com essas caractersticas. Por exemplo, se g(t) = sinc(t/Ts ), ento gk = k . Ou seja,
o uso da funo sinc como um pulso conformador leva, em um canal ideal, a um
sistema de transmisso sem IIS.
Ora, o pulso sinc idealmente limitado em freqncia e no introduz IIS, ento porque no us-lo? So dois os principais motivos. Em primeiro lugar, sua
implementao prtica impossvel, devido descontinuidade de sua resposta em
freqncia. Boas aproximaes so possveis, mas caras. Em segundo lugar, este
pulso no muito robusto a erros no instante de amostragem, conforme veremos
adiante.
Para entendermos como obter outros pulsos satisfazendo (2.13), vejamos o signicado desta equao no domnio da freqncia. Lembre-se que o sinal gk a
amostragem de g(t), com freqncia de amostragem Rs . Assim, pelo teorema da
amostragem, a transformada de Fourier de gk , Gd (f ) proporcional soma das
verses deslocadas da transformada de g(t). Mais especicamente, temos que
G (f nRs ) .
Gd (f ) = Rs
n=
(2.14)
G (f)
G(fR )
G(f2R )
G(f)
G(f+1R )
G(f+2R )
21
R /2
s
R /2
3R /2
s
3R /2
2R
2R
Figura 2.4: Uma funo que satisfaz o critrio de Nyquist, bem como uma visualizao grca deste fato.
Por outro lado, de (2.13) temos que Gd (f ) = 1. Juntado estes dois resultados,
chegamos ao critrio de Nyquist : para transmisso sem IIS, devemos usar um pulso
conformador cuja resposta em freqncia satisfaa
G (f nRs ) = 1 .
Rs
(2.15)
n=
Este critrio ilustrado na gura 2.4 para um pulso com resposta em freqncia
triangular.
Podemos ver, do critrio de Nyquist, que g(t) = sinc(t/Ts ), que ocupa freqncias de Rs /2 a Rs /2, o pulso de menor faixa de freqncias que possibilita a
transmisso sem IIS. Anal de contas, um pulso com uma faixa de freqncias inferior a Rs /2 no pode satisfazer o critrio, conforme mostrado na gura 2.5. Nessa
gura, vemos que a transformada Gd (f ) sempre ser nula em uma faixa em torno
de Rs /2 se G(f ) ocupar uma faixa inferior a Rs /2. Visto de outra forma, para que
possamos transmitir a uma taxa Ts sem IIS, devemos usar um pulso conformador
com uma faixa de freqncias de no mnimo Rs /2. Neste caso, o nico pulso que
satisfaz o critrio de Nyquist o sinc.
Por outro lado, se permitimos que G(f ) se extenda alm de Rs /2, possvel obter
innitos pulsos que possibilitam a transmisso sem IIS. Possivelmente, o pulso de
transmisso mais encontrado na prtica o cosseno levantado. Ele ocupa uma faixa
de freqncia de (1 + )Rs /2, com 0 1. O parmetro chamado de fator
de roll-o, e determina o excesso de faixa, ou seja, o quanto a faixa do pulso excede
o mnimo de Rs /2. Mais especicamente, a transformada de Fourier do cosseno
R / 2
R /2
s
G(fT)
3R /2
3R / 2
G(f)
G(f+T)
22
Figura 2.5: Uma funo que no pode satisfazer o critrio de Nyquist.

levantado dada por
Ts
G(f ) =
1 sin
2
Ts , 0 |f |
Ts
1
2Ts
1
2Ts
|f |
0, |f |
1
2Ts
1+
2Ts
(2.16)
1+
2Ts
e est ilustrada na gura 2.6. Invertendo esta transformada, chegamos (no muito
facilmente, verdade) a
g(t) = sinc
t
Ts
cos(t/Ts )
,
1 (2t/Ts )2
(2.17)
que tambm est mostrado na gura 2.6. Note que, quando = 0, o cosseno
levantado igual a um ltro passa-baixas ideal, cuja resposta ao impulso um sinc.
Um exemplo de um sinal modulado em 2-PAM usando um cosseno levantado
com = 0,5 mostrado na gura 2.7. A seqncia de smbolos transmitidos
1, 1, +1, +1, 1, +1, +1, 1, 1, 1, +1. Note que nos instantes de amostragem,
t = 0, Ts , 2Ts , . . ., o sinal recebido idntico ao smbolo transmitido.
importante ressaltar as diferenas entre o teorema de Nyquist para amostragem
e o critrio de Nyquist para transmisso sem IIS. De fato, para recuperarmos um
sinal a partir de suas amostras, o teorema de Nyquist diz que as amostras devem ser
tomadas com uma freqncia que seja pelo menos o dobro da maior freqncia do
sinal amostrado. No critrio de Nyquist para transmisso sem IIS, no assumimos
nada a respeito da maior freqncia de g(t), e a amostragem feita com a freqncia
dos smbolos, que de certa forma um dado do problema. De fato, observe que um
cosseno levantado amostrado com o dobro de sua maior freqncia leva a um pulso
23
g(t)
G(f)
R /2
2T
R /2
3T
0
(a)
=1
= 0,5
=0
2T
= 0,5
=1
3T
t
s
=0
(b)
Figura 2.6: Resposta em freqncia (a) e temporal (b) de um cosseno levantado com
roll-o de 0, 0,5 e 1.
que no satisfaz o critrio de Nyquist. De certa forma, podemos dizer que o critrio
de Nyquist explora a ocorrncia de aliasing para obter um sinal amostrado que no
gera IIS. Em resumo, na amostragem queremos evitar aliasing, mas para transmisso
sem IIS queremos explorar aliasing.
Nota: Nesta seo, bem como na seqncia do curso, consideraremos alguns
pulsos, como sinc(t), de durao innita e que no so causais. Obviamente, uma
implementao prtica de sistemas envolvendo esses pulsos seria obrigada a gerar
pulsos causais de durao nita, o que pode ser obtido atravs da introduo de
atrasos no sistema e da truncagem do pulso. Assim, ao invs de usarmos g(t), na
prtica poderamos usar o pulso g (t) dado por
g (t) =
g(t 10Ts ), 0 t 20Ts

.
0, caso contrrio
(2.18)
Como o uso de pulsos no causais de durao innita facilita tremendamente a

notao e as derivaes matemticas, e como eles podem ser bem aproximados na
prtica, usaremos esses pulsos na seqncia do curso.
2.3.1 Exemplos e Aplicaes

Consideraremos agora algumas conseqncias do critrio de Nyquist e da modulao PAM. Assumiremos sempre um canal passa-baixas ideal, limitado a |f | < F ,
e analisaremos os efeitos de alguns parmetros: a ordem da modulao N , a taxa
de smbolos Rs = 1/Ts , e o fator de roll-o .
24
s(t)
6T
5T
7T
4T
8T
3T
9T 10T
s
2T
t
s
0 T
Figura 2.7: Exemplo de um sinal modulado com um cosseno levantado com roll-o
de 0,5.
Exemplo 2.1:
Assuma a transmisso digital por um modem discado, onde o canal est limitado a |f | < 3kHz. Para transmitirmos a uma taxa de 16kbps usando um cosseno
levantado com = 0,5, qual deve ser a ordem da modulao?
Resposta: O cosseno levantado est limitado a |f | < (1 + )Rs /2. Assim, o
maior valor que Rs pode assumir aquele que satisfaz (1 + )Rs /2 = 3000, ou
seja, Rs = 4000 smbolos por segundo. Para uma taxa de 16kbps usando essa taxa
de smbolos, devemos transmitir 4 bits por smbolo, o que implica no uso de uma
modulao 16-PAM.
Exemplo 2.2:
Assuma a transmisso de uma modulao 32-PAM por um modem discado, onde

o canal est limitado a |f | < 3kHz. Qual a maior taxa de bits possvel para transmisso sem IIS?
Resposta: Neste caso, devemos primeiramente determinar a taxa de smbolos
mxima. Ora, da gura 2.5, sabemos que para transmitir a uma taxa de smbolos
Rs sem IIS, necessitamos de um pulso com faixa de freqncias de no mnimo Rs /2.
25
No caso do modem discado, a maior faixa de que podemos dispor Rs /2 = 3000,

o que leva a uma taxa de smbolos mxima de Rs = 6000 smbolos por segundo.
Considerando que numa modulao 32-PAM temos 5 bits por smbolo, podemos
transmitir no mximo a 30kbps sem IIS.
Exemplo 2.3:
Qual a maior ecincia espectral possvel para um sinal N -PAM?

Resposta: Como no exemplo 2.2, devemos primeiramente determinar a taxa de
smbolos mxima. Usando novamente a gura 2.5, vemos que para transmitir a uma
taxa de smbolos Rs sem IIS, necessitamos de um pulso com faixa de freqncias
de no mnimo Rs /2. Ora, para uma modulao N -PAM, transmitimos M bits por
smbolo. Assim, para transmitir a M Rs bits por segundo, precisamos ocupar no
mnimo Rs /2Hz. Assim, para um sinal N -PAM, a maior ecincia espectral dada
por = 2M bits/s/Hz.
2.4 Diagrama de Olho

O diagrama de olho, a ser descrito nessa seo, consiste em uma ferramenta
simples e rpida para observao do desempenho de um sistema de transmisso
digital. Em particular, ele mostra a robustez de um sistema a rudo e a erros no
instante de amostragem. Para obt-lo, considere que voc coloque um osciloscpio
na sada de um canal, ajustado de forma que a tela do osciloscpio corresponda a um
perodo de smbolo. Tambm considere que o osciloscpio esteja ajustado de forma
que as formas de onda que ele mostre no se apaguem. Finalmente, considere que
voc ligue o osciloscpio no instante Ts /2. Assim, na tela do osciloscpio aparecer
a forma de onde recebida entre Ts /2 e Ts /2. A esta ser sobreposto o sinal recebido
entre Ts /2 e 3Ts /2, e assim sucessivamente. Seguindo este procedimento, poderamos
obter na tela do osciloscpio um sinal como o mostrado na gura 2.8 para um
cosseno levantado com = 0.5 e uma modulao 4-PAM, transmitido pelo canal
ideal descrito em (2.10).
Idealmente, gostaramos de amostrar a sada do canal nos instantes t = kTs .
Anal de contas, o pulso conformador projetado para no introduzir IIS apenas
26
5
4
3
A
Sinal recebido r(t)
2
1
0
1
2
3
4
5
Ts
Ts /2
0
Instante de amostragem
Ts /2
Ts
Figura 2.8: Diagrama de olho de um cosseno levantado com roll-o de 0,5. O ponto
central corresponde a um instante de amostragem t = 0, quando no h IIS. A
distncia indicada por A a imunidade do pulso conformador a erros no instante
de amostragem. A distncia indicada por B a imunidade do pulso conformador a
rudos.
quando o sinal transmitido amostrado nesses instantes. Entretanto, os instantes de
amostragem no so conhecidos no receptor, e portanto devem ser estimados. Essa
estimao est sujeita a erros, de forma que o sinal recebido acaba sendo amostrado
nos instantes t = t0 +kTs , para Ts /2 < t0 < Ts /2. Neste caso, o pulso conformador
vai fatalmente introduzir IIS, o que pode levar a uma degradao no desempenho
do sistema. Ora, por construo, os pontos que possuem a mesma coordenada t0
no diagrama de olho correspondem sada do canal nos instantes t = t0 + kTs . Ou
seja, para um erro de t0 no instante de amostragem, o sinal rk assumir os valores
marcados no diagrama de olho no instante t0 .
Assim, o diagrama de olho nos d duas informaes importantes sobre o desempenho do sistema. Em primeiro lugar, a largura da abertura central, indicada por
A na gura 2.8, nos d a imunidade do sistema a erros no instante de amostragem.
De fato, se amostrarmos em qualquer lugar dentro desta abertura central, seremos
capazes de distinguir entre um 1 e um +1. Por outro lado, a altura da abertura,
indicada por B na gura 2.8, nos d a imunidade do sistema ao rudo. De fato,
a presena de rudo poder mover o sinal amostrado na sada do canal levemente
para cima ou para baixo. Se a abertura do olho for pequena, um pequeno rudo
27
ser suciente para que o sistema no seja mais capaz de determinar se o smbolo
transmitido foi 1 ou +1.
Neste ponto, instrutivo comparar o diagrama de olho de um cosseno levantado
com = 0,5, mostrado na gura 2.8, com o de um sinc, mostrado na gura 2.9.
Claramente, o sinc muito mais sensvel a erros no instante de amostragem do que
o pulso com = 0,5, conforme evidenciado pela sua pequena abertura horizontal.
Para entendermos o porqu da maior sensibilidade do sinc a erros no instante
de amostragem, considere, por exemplo, que comeamos a amostrar no instante
t0 = Ts /10. Nesse caso, gk = g(kTs + t0 ) = 0 para todo k , e portanto teremos IIS.
Este fato comum maioria (se no a todos) os pulsos conformadores, mas o sinc
tem um agravante. Ocorre que, quando g(t) = sinc(t/Ts ), ento
(1)k sin(t0 /Ts )

sin(k + t0 /Ts )
=
.
k + t0 /Ts
k + t0 /Ts
(2.19)
Lembre-se, agora, que 1/k uma srie divergente, ou seja, sua soma innita.
Ora, de (2.19), temos que |gk | = a/(k + b), onde a = sin(t0 /Ts )/ e b = t0 /Ts ,
de forma que o termo corresponde IIS em (2.12) tambm uma srie divergente.
Ou seja, a IIS pode ir a innito. Assim, teremos uma taxa de erro muito grande
se no amostrarmos o sinal recebido no instante t0 = 0. Este fato no to grave
quanto parece, pois a srie diverge muito lentamente, e isto s ocorre para uma
seqncia especca de smbolos, com baixa probabilidade de ocorrncia. Ainda
assim, o diagrama de olho da gura 2.9 deixa claro que o instante de amostragem
tem que ser melhor estimado em um sistema com pequeno.
Neste ponto, voc j capaz de projetar o transmissor de um modem bsico.
Programas como MATLAB so capazes de gerar um cosseno levantado e, por exemplo, jogar a forma de onda obtida no alto falante do computador, criando assim
um modem acstico. Agora que j sabemos alguns princpios sobre a transmisso
de smbolos, vamos estudar um pouco sobre a sua recepo.
gk = g(kTs + t0 ) = sinc
kTs + t0
Ts
2.5 Exerccios
Exerccio 2.1:
Nesse exerccio, voc vai usar o MATLAB para gerar um sinal digital. Para
isso, converta os 4 ltimos dgitos do seu RA para binrio, usando para isso 14 bits.
28
Sinal recebido r(t)
6
Ts
Ts /2
0
Instante de amostragem
Ts /2
Ts
Figura 2.9: Diagrama de olho de um cosseno levantado com roll-o de 0.

Depois, usando uma constelao 4-PAM e um cosseno levantado com = 0,25, gere
o seu sinal modulado. Por exemplo, se seu RA 001093, voc vai converter 1093
para binrio, obtendo 00010001000101. Em seguida, voc vai gerar os smbolos
4-PAM, e us-los para modular um cosseno levantado com = 0,25.
Obviamente, o cosseno levantado tem durao innita, e portanto deve ser truncado. Para isso, use apenas 6 perodos de smbolo, entre 3Ts e 3Ts . Para dar uma
aparncia suave ao grco, use dez amostras do pulso conformador por perodo
de smbolo. Voc deve entregar um grco com o sinal modulado e o mapeamento
usado, ou seja, quais grupos de bits voc associou a quais smbolos. O grco ser
semelhante ao da gura 2.7 das notas, com a diferena que nas notas usamos uma
modulao 2-PAM.
Exerccio 2.2:
Agora, use o comando soundsc do MATLAB para transmitir o sinal obtido no

exerccio 1 pelo alto-falante do seu micro, usando o valor default de Ra = 8192 Hz.
A que taxa de smbolos voc est transmitindo? Note que, a cada segundo, soundsc
envia 8192 amostras do seu sinal para o alto-falante, interpolando-as com um ltro
passa-baixas (que voc pode assumir como ideal) com freqncia de corte 4096 Hz.
Ou seja, soundsc assume que o sinal que voc quer transmitir foi amostrado a uma
freqncia que o dobro da maior freqncia do sinal. Tambm importante notar
29
que existem duas taxas distintas: a taxa de smbolos propriamente dita, Ts , e a taxa
Ta = 1/8192 s com que as amostras do pulso so enviadas para o alto falante.
Exerccio 2.3:
Qual a maior taxa de smbolos possvel usando o comando sound com Ra =

8192 Hz e = 0,25? (Dica: pense na resposta em freqncia do pulso conformador
contnuo, que consiste na cascata do pulso conformador discreto obtido no exerccio
1 com o ltro passa-baixas contnuo e ideal implementado pelo comando soundsc.)
Como voc modicaria o pulso no problema 1 para obter essa taxa?
Exerccio 2.4:
O objetivo desta questo projetar modens discados. Assuma, para isso, que
temos um canal passa-baixas ideal com freqncias at 3 kHz, e que voc vai usar
uma modulao PAM. Voc vai precisar da probabilidade de erro de modulaes
PAM, mostrada na gura 2.10.
0
10
10
16
P
AM
10
M
PA
PA
2
10
M
PA
Pe
10
10
10
10
15
20
Eb/ (dB)
Figura 2.10: Probabilidade de erro de smbolo para vrias modulaes N -PAM.

a. Voc dispe de uma energia tal que, na recepo, Eb / 2 = 10 dB, e voc deseja
30
uma probabilidade de erro menor que 0,004. Que constelao voc usaria para
maximizar a taxa de bits dadas estas restries?
b. Qual a maior taxa de bits que pode ser transmitida neste canal usando esta
constelao, em termos de bits por segundo?
c. Qual pulso conformador atinge esta taxa, eliminando a IIS?
d. Agora, voc precisa transmitir 18kbps a uma probabilidade de erro menor que
105 . Qual valor de Eb / 2 necessrio?
e. Supondo agora uma Eb / 2 = 15 dB e uma probabilidade de erro inferior a
106 , qual a maior taxa de bits que podemos atingir se usarmos um cosseno
levantado com roll-o de 0,25?
Exerccio 2.5:
O objetivo deste exerccio chamar a ateno para a diferena entre dois critrios
de Nyquist, um para amostragem e outro para transmisso sem IIS. Para ns de
telefonia, consideramos que o sinal de voz ocupa uma faixa de 4 kHz. Suponha
que desejamos amostrar esse sinal menor taxa possvel e quantiz-lo usando um
quantizador de 8 bits. Determine a taxa de amostragem fa e a freqncia de bits
resultante. Suponha agora que esse sinal ser transmitido por um canal com faixa
de 16 kHz usando modulao M -PAM. Suponha tambm que usaremos o pulso que
permita a transmisso mais alta taxa de smbolos, mas evitando IIS. Determine o
valor de M .
Exerccio 2.6:
Efeito do roll-o na abertura do olho:

Neste exerccio, voc usar o MATLAB para traar o diagrama de olho para diferentes valores de roll-o. Para traar o diagrama de olho, use o seguinte algoritmo:
Ns=1000;
s=gera_pam(N,Ns);
Rs=16;
s_interp=zeros(1,Ns*Rs);
s_interp(1:Rs:end)=s;
%
%
%
%
%
Ns define o numero de smbolos.

Gera Ns smbolos N-PAM, igualmente provveis
Rs define a taxa de super-amostragem
Gera vetor para interpolao
Atribui os smbolos nas posies corretas

h=rcos(Rs,rolloff);
%
%
r=conv(h,s_interp);
%
%
r=r((Rs*8+1):(end-Rs*8));
%
neye=5;
%
c=floor(length(r)/(neye*Rs)); %
rplot= r(end-neye*Rs*c+1:end);
plot(reshape(rplot,neye*Rs,c))%
31
Gera um cosseno levantado super-amostrado

de Rs com roll-off e janelamento de [-8T,8T]
Convolui vetor de smbolos interpolados
com filtro cosseno levantado
Elimina regime transitrio na convoluo
Define o numero de olhos por plot
Traa diagrama de olho
Pede-se:
a. Gere as funes gera_pam(N,Ns) e rcos(Rs,rolloff) com janelamento de 16 perodos de smbolos, i.e, [8Ts , 8Ts ];
b. Trace o diagrama de olho para N=4 e os seguintes valores de roll-o: 0, 0.25, 0.5 e 1;
c. Comente os resultados!
Dicas:
1) Para a funo gera_pam, use a funo rand que gera uma varivel aleatria uniformemente distribuda entre 0 e 1. Particione este intervalo em N intervalos, associando cada
um a um diferente smbolo PAM. Selecione o smbolo correspondente toda vez que a varivel aleatria "cair"neste intervalo. Na construo da modulao, assuma d = 1 para
simplicar o problema e a visualizao;
2) Para a funo rcos use a funo sinc do prprio MATLAB.
CAPTULO
Receptores de Sinais em Banda Base
No captulo anterior, estudamos os primeiros conceitos de um transmissor, um

dispositivo que transforma uma seqncia de bits em um sinal contnuo que pode
ser transmitido por um canal em banda bsica. Neste captulo, estudaremos alguns
princpios bsicos do projeto de um receptor, ou seja, do dispositivo responsvel pela
recuperao dos bits transmitidos a partir da sada do canal.
A funo do receptor em um sistema de transmisso digital observar a sada
do canal e decidir, de acordo com algum critrio, quais bits foram transmitidos.
Para uma modulao PAM podemos, equivalentemente, decidir quais smbolos
foram transmitidos. Assim, considere um sinal transmitido como descrito em (2.1),
repetido aqui por convenincia:
K1
sk g(t kTs ).
s(t) =
(3.1)
k=0
Ao observar o sinal recebido r(t), o receptor deve disponibilizar, em sua sada, a

seqncia de estimativas xk , onde xk deve ser uma boa estimativa do k -simo
smbolo transmitido, sk .
Obviamente, o melhor critrio para a escolha dos bits transmitidos o que minimiza a probabilidade de erro. Neste captulo, veremos como este critrio pode ser
implementado na prtica.
32
CAPTULO 3. RECEPTORES DE SINAIS EM BANDA BASE
33
3.1 Receptores de Mnima Distncia

De agora em diante, assumiremos que o canal introduza rudo aditivo branco e
Gaussiano1 . Alm disso, para facilitar as dedues, assumiremos inicialmente que
apenas um smbolo PAM isolado seja transmitido. Desta forma, o sinal recebido
dado por
r(t) = s0 g(t) + n(t),
(3.2)
onde s0 g(t) o pulso transmitido e n(t) um rudo Gaussiano de mdia zero e
funo de autocorrelao 2 (t).
Um critrio intuitivo para um receptor o de distncia mnima. Receptores
de distncia mnima escolhem os bits que geram o sinal transmitido que mais se
aproxima do sinal recebido, usando o conceito de distncia entre dois sinais que
denido no apndice B. Ou seja, para cada possvel seqncia de bits, medimos a
distncia entre r(t) e o que seria recebido se esta seqncia tivesse sido transmitida.
Decidimos ento pela seqncia que minimiza esta distncia. Note que o rudo est
fora de nosso controle. Assim, quando falamos do sinal que seria recebido se uma
determinada seqncia fosse transmitida, no levamos em conta o rudo.
Vamos pensar sobre esse conceito com mais detalhe. Imagine que o smbolo
transmitido seja a0 , ou seja, o sinal recebido r(t) = a0 g(t) + n(t). Este o valor
observado pelo receptor. De posse da observao do sinal recebido, o receptor passa
agora para a fase de testes. Em primeiro lugar, ele gera os N sinais ai g(t), para
i = 0, . . . N 1, onde cada um desses sinais corresponde a uma das N possveis
seqncias de M bits. (Lembre-se que existem N = 2M valores possveis para cada
grupo de M bits.)
Em seguida, o receptor mede a distncia entre a0 g(t) e r(t). Conforme visto no
apndice B, essa distncia dada por
d2 =
0
|r(t) a0 g(t)|2 dt.
(3.3)
As outras N distncias di entre ai g(t) e r(t), para i = 0, . . . N 1, so tambm

computadas. Finalmente, o receptor verica qual a menor distncia. Sua sada ,
ento, a seqncia de bits que gera esta distncia mnima. Neste caso, esperamos
que, se o rudo for pequeno, d0 ser a menor distncia, e o receptor decidir assim
que a0 foi o smbolo transmitido.
1 Esta
no uma hiptese muito restritiva. Canais de comunicaes via satlite, por exemplo,
podem ser modelados desta forma.
34
Ainda que a descrio do procedimento seja relativamente simples, sua implementao pode ser extremamente complexa. Anal, o valor de N pode ser bastante alto.
Nesses casos, gerar todos os possveis sinais recebidos e calcular todas as distncias
pode ser extremamente complexo. Mais ainda, preciso se perguntar se o critrio de
distncia mnima tem alguma razo de ser. Projetar um sistema baseado apenas em
observaes intuitivas nem sempre o melhor. Assim, na seqncia, mostraremos
uma implementao de baixa complexidade do receptor de mnima distncia para
sistemas PAM. Buscaremos, tambm, mostrar que o receptor de mnima distncia
minimiza a probabilidade de erro.
3.1.1 Uma Intuio por Trs da Distncia Mnima

Para uma explicao intuitiva da validade do critrio de distncia mnima, imagine que o receptor queira decidir que o sinal transmitido foi ai g(t), para um dado i.
Esta deciso equivalente a dizer que o sinal recebido dado por r(t) = ai g(t)+n(t)
ou, ainda, que o rudo que afetou a sada do canal dado por n(t) = r(t) ai g(t).
Ora, nesse caso estamos dizendo que a energia do rudo que afeta a sada do canal
dada por n(t) 2 = r(t) ai g(t) 2 , ou seja, ela igual distncia entre r(t) e
ai g(t).
Assim, considere que o detector tenha que escolher entre as hipteses de que
ai g(t) ou aj g(t) foi transmitido. Se escolhermos que ai g(t) foi transmitido, estaremos
dizendo que o rudo tem energia d2 . Se escolhermos que aj g(t) foi transmitido,
i
estaremos dizendo que o rudo tem energia d2 . Entretanto, mais provvel que o
j
rudo tenha uma energia pequena do que uma energia grande, da mesma forma que
mais provvel que uma varivel aleatria Gaussiana de mdia nula assuma um
valor 1 do que um valor 10. Assim, se d2 < d2 , mais provvel que o rudo seja
i
j
dado por r(t) ai g(t) do que por r(t) aj g(t). Por isso, mais provvel que ai g(t)
tenha sido transmitido, e portanto essa deve ser a deciso.
Nota: O uso da palavra provvel no pargrafo anterior no muito preciso, ainda
que esteja mais de acordo com o que se pensa em geral a respeito de probabilidade.
De fato, a probabilidade de uma varivel aleatria Gaussiana de mdia nula assumir
um valor 1 ou 10 a mesma: zero. O conceito com que trabalhamos aqui chamado
na literatura de verossimilhana. De fato, mais verossmil dizer que nossa varivel
aleatria assumiu um valor 1 do que um valor 10, ainda que ambos eventos sejam
igualmente provveis.
35
3.1.2 Correladores e Distncia Mnima

Nesta seo, mostraremos uma implementao de um detector de distncia mnima para sistemas PAM baseado no uso de correladores. Esta uma implementao
relativamente simples que de fato usada em sistemas prticos. Uma primeira observao a fazer que minimizar a distncia equivalente a minimizar o quadrado
da distncia. Assim, deste ponto em diante, buscaremos minimizar o quadrado da
distncia, e no a distncia em si. Esta abordagem evita o uso desnecessrio da raz
quadrada em alguns pontos do processamento e das derivaes.
Para um sistema PAM, o sinal transmitido dado por s(t) = s0 g(t), onde s0
um dos N possveis smbolos do alfabeto A. Conforme vimos, o receptor decide que
o smbolo transmitido foi a, onde a g(t) , entre todos os smbolos possveis, o sinal
mais prximo do recebido. Matematicamente, temos que
a = arg min
aA
|r(t) ag(t)|2 dt.
(3.4)
Assim, considere a distncia entre o sinal recebido e o sinal ai g(t), que corresponde a um determinado smbolo transmitido. Conforme vimos, esta distncia
dada por
d2 =
i
|ai g(t) r(t)|2 dt.
(3.5)
Expandindo, obtemos que
d2 =
i
|ai g(t)|2 dt 2
ai g(t)r(t) dt +
|r(t)|2 dt.
(3.6)
Observe que o primeiro termo de (3.6) corresponde energia necessria para

a transmisso do i-simo smbolo. Este termo no depende do sinal recebido, e
portanto pode ser computado de antemo. Chamemos este termo de Ei . O segundo
termo de (3.6) corresponde ao produto interno entre r(t) e ai g(t), de acordo com a
denio do apndice B. J o ltimo termo de (3.6) corresponde energia do sinal
recebido. Este termo no depende do sinal que estamos considerando, e portanto
pode ser ignorado. Em outras palavras, qualquer que seja a nossa escolha de ai g(t),
esse termo no muda. Desta forma, o valor de ai g(t) que minimiza di o mesmo
que minimiza
Ei 2 r(t), ai g(t) .
(3.7)
Agora, note que podemos dividir (3.7) por 2 sem alterar a minimizao. Tambm,
como ai um escalar, obtemos que o receptor de mnima distncia deve escolher o
36
E /2
...
E /2
g(t)
r(t)
Selecionar menor
Analgico
Digital
Figura 3.1: Implementao de um receptor de distncia mnima com um correlador.

smbolo que minimiza
Ei /2 ai r(t), g(t) .
(3.8)
Seja, ento, r0 = r(t), g(t) . Este valor pode ser computado com o uso de um
nico ltro analgico, chamado correlador. Temos, ento, que o receptor de mnima
distncia pode ser implementado com um nico ltro analgico, seguido de uma
camada de processamento digital, conforme mostrado na gura 3.1.
Antes de tentarmos explicar o bom desempenho de receptores de distncia mnima, discutiremos mais alguns aspectos de sua implementao, e veremos com um
pouco mais de detalhe algumas propriedades do correlador. Em particular, na prxima seo veremos uma interpretao geomtrica do critrio de distncia mnima
que leva a uma implementao mais simples da parte digital do detector da gura
3.1. Na seo seguinte, veremos como o correlador em si pode ser implementado de
uma forma mais conveniente.
3.2 O Espao de Sinais

Conforme vimos, o conceito da distncia entre o sinal recebido e os possveis
sinais transmitidos de importncia em sistemas de comunicaes. Receptores so
baseados neste conceito e, como veremos, a distncia entre dois possveis sinais
transmitidos determina o desempenho do sistema. Ainda que seja possvel denir
o conceito de distncia entre duas funes, nossa intuio funciona melhor com
vetores. Assim, nesta seo, veremos como representar o sinal recebido, bem como
os possveis sinais transmitidos, como vetores de um espao Euclidiano tradicional.
Para sistemas de comunicaes, este espao chamado de espao de sinais. Veremos
37
r(t)
3r
g(t)
Figura 3.2: Representao do detector de distncia mnima no espao de sinais.

tambm uma interpretao do detector de distncia mnima que , em princpio,
mais intuitiva do que a abordagem anterior.
A maior diculdade aqui, assim como no apndice B, pensar em funes como
vetores. Elas so vetores no sentido de que todas as propriedades de um espao
vetorial so satisfeitas pelo conjunto das funes. Ou seja, o conjunto das funes
formam um espao vetorial. O maior interesse em nosso caso que isso possibilita
a denio de subespaos do espao de funes.
De fato, considere o vetor g(t). Este vetor gera um subespao de dimenso
1, dado por V = {ag(t) | a R}. Ou seja, V formado pelos mltiplos de g(t).
Note, assim, que todos os pulsos transmitidos de uma modulao PAM pertencem
a V . Como V um subespao de dimenso 1, ele pode ser representado como
uma reta. Em outras palavras, os sinais transmitidos podem ser representados
geometricamente como na reta mostrada na gura 3.2 para uma modulao 8-PAM.
Por exemplo, o ponto marcado 3 na gura representa o sinal transmitido 3g(t).
Como todos os sinais de interesse podem ser representados em um mesmo espao
V , chamamos este espao de espao de sinais.
O sinal r(t) tambm est mostrado na gura 3.2. Observe que, devido ao rudo,
r(t) dicilmente um mltiplo de g(t) e, portanto, ele em geral no est no subespao
V . Por isso, na gura, r(t) no est representado sobre a reta gerada por g(t).
Finalmente, mostramos na gura 3.2 a projeo ortogonal de r(t) no subespao
V , dada pelo ponto r0 . Note que o ponto r0 em V corresponde ao sinal r0 g(t). Do
curso de lgebra linear, temos que a projeo ortogonal possui algumas propriedades
importantes. Em primeiro lugar, ela o ponto de V mais prximo de r(t).
Alm disso, a projeo ortogonal dada por r0 = r(t), g(t) , ou seja, ela dada
pela sada do correlador. Cabe aqui uma observao. Para que o produto interno
r(t), g(t) represente a projeo ortogonal, necessrio que g(t) seja um vetor de
norma unitria. Em outras palavras, devemos assumir que o pulso conformador
38
satisfaa g(t), g(t) = 1. Ou seja, g(t) deve ser um sinal de energia unitria. Esta
hiptese facilita tremendamente a notao, e ser usada deste ponto em diante.
A ltima propriedade importante da projeo ortogonal que ela , justamente,
ortogonal. Isso est representado pelo ngulo reto na gura 3.2 e, matematicamente,
quer dizer que o vetor r(t) r0 g(t) ortogonal a qualquer vetor de V . Ou seja,
r(t) r0 g(t), ag(t) = 0 para qualquer valor de a.
Considere, agora, o clculo de di no espao de sinais, onde di corresponde
distncia entre r(t) e um sinal dos possveis sinais transmitidos, dado por ai g(t). Na
gura 3.2, representamos este clculo para o sinal 7g(t). Devido ortogonalidade
e ao teorema de Pitgoras, temos que d2 = r0 g(t) ai g(t) 2 + r(t) r0 g(t) 2 .
i
Note que o segundo termo desta equao no depende de ai . Em outras palavras, o
detector de distncia mnima pode, equivalentemente, tentar minimizar a distncia
entre r0 g(t) e ai g(t). Entretanto, r0 g(t) ai g(t) 2 = |r0 ai |2 g(t) 2 = |r0 ai |2 ,
pois assumimos que o pulso conformador tem energia unitria.
E assim chegamos, nalmente, maior vantagem da representao no espao
de sinais: r0 g(t) e ai g(t) so sinais no mesmo espao V de dimenso 1. Podemos,
ento, pensar no detector de distncia mnima como a busca do valor de ai mais
prximo de r0 , onde ai e r0 so pontos em uma reta. Sob essa perspectiva, ca claro
que, para a congurao da gura 3.2, o detector de distncia mnima deve decidir
que o smbolo transmitido foi 3. Claramente, temos assim uma interpretao mais
intuitiva do critrio de distncia mnima.
Esta interpretao permite tambm uma implementao interessante do detector
de distncia mnima. Ele deve, inicialmente, calcular r0 . O estgio seguinte depende
da modulao em questo. Para o sistema mostrado na gura 3.2, temos que, se
r0 < 6, o receptor deve dizer que o smbolo transmitido foi 7. Se 6 r0 < 4,
o receptor deve dizer que o smbolo transmitido foi 5, e assim sucessivamente.
Em outras palavras, o receptor implementado como um correlador seguido de um
quantizador. Esta implementao pode ser consideravelmente mais simples do que
a mostrada na gura 3.1.
Terminamos essa seo com uma ltima denio. Conforme vimos, tudo que o
detector precisa saber a respeito de r(t) para fazer a sua deciso de distncia mnima
o valor de r0 . Assim, r0 chamado de estatstica suciente para o processamento
de r(t). Falaremos um pouco mais sobre isso no nal desse captulo.

r
amostrador
z(t)
h(t)
Deciso
r(t)
39
Figura 3.3: Filtro de recepo e o amostrador.
3.3 Filtros de Recepo

Nas sees anteriores, vimos que a primeira etapa de um receptor de distncia
mnima consiste em um correlador. Nesta seo, obteremos uma implementao
alternativa do correlador como um ltro linear, a partir de uma abordagem alternativa da seo anterior. Obteremos tambm uma propriedade importante do ltro
resultante.
Comearemos com um cenrio genrico. No captulo anterior, assumimos que o
sinal s(t) era amostrado diretamente. Entretanto, a presena de rudo foi ignorada.
Se o sinal recebidor(t) for corrompido por rudo, ele no deve ser amostrado diretamente. Isso porque o rudo est presente em todas as freqncias (por se tratar de
um rudo branco), ao passo que o sinal de interesse est limitado a freqncias entre
W e W . Assim, se passarmos r(t) por um ltro passa baixas, podemos eliminar
muito do rudo sem afetar em nada o sinal de interesse.
Um ltro como o descrito acima, colocado antes do amostrador, chamado de
ltro de recepo, e est mostrado na gura 3.3. Nesta gura, temos que
z(t) = r(t) h(t) = s0 (g(t) h(t)) + n(t) h(t),
(3.9)
onde h(t) a resposta ao impulso do ltro e * indica convoluo. Ainda que o ltro
passa baixas seja uma opo vivel e intuitiva para um ltro de recepo, ele no
o nico nem o melhor, como veremos na seqncia.
3.3.1 Filtro Casado

Nesta seo, proporemos um critrio para o projeto de um ltro de recepo, e
estabeleceremos algumas propriedades do ltro resultante. Para isso, considere que
o sinal em (3.9) seja amostrado no instante 0. Teremos, ento, que a sada do ltro
de recepo dada por
r0 = p(0)s0 + v(0),
(3.10)
40
onde p(t) = g(t) h(t) e v(t) = n(t) h(t). Vemos, assim, que existem dois componentes na sada do ltro: um que traz informao sobre o sinal de interesse, dado
por p(0)s0 , e outro que corresponde ao rudo, dado por v(0).
Podemos, ento, pensar no seguinte critrio para o projeto do ltro de recepo:
gostaramos que, no instante de amostragem, a relao entre a potncia do sinal
de interesse e a do componente de rudo seja a maior possvel. Esta relao entre
as potncias conhecida como relao sinal-rudo (SNR, do ingls signal-to-noise
ratio ), e pode ser escrita como
SN R =
E [|p(0)s0 |2 ]
|p(0)|2 E [|s0 |2 ]
=
,
E [|v(0)|2 ]
E [|v(0)|2 ]
(3.11)
onde a ltima igualdade segue do fato que p(0) uma constante determinstica.
Buscaremos agora uma forma de escrever a expresso em (3.11) em termos das
formas de onda g(t) e h(t). Para isto, note que podemos escrever
p(0) =
h(t)g( t) dt
h(t)g(t) dt.
(3.12)
=0
Mais ainda, podemos escrever
E |v(0)|2 = E [v(0)v(0)]
= E [(n(t) h(t))|t=0 (n(t) h(t))|t=0 ] .
(3.13)
Usando diferentes variveis para descrever as convolues em (3.13), obtemos que
E |v(0)|2 = E
h(t)n(t)dt
h( )n( )d
(3.14)
E [n(t)n( )] h(t)h( )dtd .
Finalmente, lembrando que o rudo branco e portanto E[n(t)n( )] = 2 (t ),

temos que
E |v(0)|2 = 2
=
(t )h(t)h( ) dt d
2
(3.15)
|h(t)| dt.
Assim, substituindo (3.12) e (3.15) em (3.11), temos que
SN R =
E [|s0 |2 ] | g(t)h(t) dt|2

.
2 |h(t)|2 dt
(3.16)
41
De posse desta expresso para a SN R em termos de g(t) e h(t), podemos agora

passar para a obteno de um ltro de recepo que maximize a SN R. Para isso,
usaremos a desigualdade de Cauchy-Schwarz que, conforme mostrado no apndice
B, implica que
2
g(t)h(t) dt
|g(t)|2 dt
|h(t)|2 dt,
(3.17)
com igualdade se e somente se h(t) um mltiplo de g(t). Substituindo essa

desigualdade em (3.16), temos que
SN R
E [|s0 |2 ]
g(t)|2 dt
,
2
(3.18)
com igualdade se e somente se h(t) um mltiplo de g(t). Ou seja, o maior valor

que a SN R pode assumir dado pelo lado direito de (3.18), o que ocorre quando
h(t) um mltiplo de g(t). Por simplicidade, escolhemos h(t) = g(t). Neste caso,
dizemos que o ltro h(t) est casado ao pulso g(t), e o ltro resultante chamado
de ltro casado.
A expresso do ltro casado no domnio da freqncia tambm bastante simples. De fato, usando propriedades da transformada de Fourier, pode-se mostrar
que se h(t) = g(t), ento H(f ) = G (f ). Em outras palavras, a magnitude da
resposta em freqncia do ltro casado igual do pulso conformador, ao passo que
suas fases possuem sinais invertidos.
3.3.2 Relao entre o Filtro Casado e o Correlador

Nesta seo, mostraremos como o detector de distncia mnima pode ser implementado com um ltro casado. Isso de interesse, pois a implementao de um
ltro linear como o ltro casado bastante simples.
Para estabelecer esta relao, note que a sada do ltro casado no instante t = 0
dada por
r0 = r(t) h(t)|t=0
r(t)h(t) dt
(3.19)
r(t)g(t) dt
= r(t), g(t) ,
42
onde usamos o fato que h(t) = g(t). Vemos, ento, que no instante t = 0, a sada
do ltro casado igual sada do correlador. Esta observao pode ser generalizada.
De fato, a sada do ltro casado no instante t = kTs dada por
rk = r(t) h(t)|t=kTs
=
r(t)h(kTs t) dt
(3.20)
r(t)g(t kTs ) dt
= r(t), g(t kTs ) .

Em outras palavras, a sada do ltro casado no instante t = kTs igual correlao entre o sinal recebido, r(t), e uma verso deslocada do pulso de transmisso,
g(t kTs ). Este resultado ter conseqncias importantes na implementao de um
receptor de distncia mnima para a deteco de mltiplos pulsos.
3.4 Recepo de mltiplos pulsos

Considere agora a transmisso de mltiplos pulsos, de forma que o sinal transmitido dado por s(t) = K1 sk g(tkTs ). Para a discusso nesta seo assumiremos
k=0
inicialmente um sistema sem rudo, de forma que o sinal recebido r(t) = s(t). Assumiremos tambm o uso de um ltro de recepo, com resposta ao impulso h(t).
Neste caso, a sada do ltro de recepo, expressa em (3.9), dada por
K1
z(t) = h(t) r(t) = h(t)
K1
sk p(t kTs ),
sk g(t kTs ) =
k=0
(3.21)
k=0
onde p(t) = h(t)g(t), e onde usamos o fato de que a convoluo linear e invariante
no tempo. Podemos agora seguir um raciocnio semelhante ao da seo 2.3, que levou
ao critrio de Nyquist. De fato, na seo 2.3 tentamos decidir qual foi o smbolo
transmitido amostrando o sinal recebido r(t) a cada Ts segundos, onde Ts o perodo
de smbolo. Aqui, podemos tentar fazer a mesma deciso baseado na sada do ltro
de recepo, ou seja, amostramos z(t) a cada Ts segundos e tentamos com isso decidir
qual foi o smbolo transmitido. Observe que z(t) muito semelhante ao sinal r(t)
da seo 2.3, mas com p(t) ocupando o lugar de g(t). De certa forma, como se a
presena do ltro de recepo transformasse o pulso de transmisso em p(t).
43
Seja ento z[k] = z(kTs ). Gostaramos que z[k] fosse igual a sk , ou seja, que no
houvesse interferncia entre os smbolos. Seguindo os passos da seo 2.3, possvel
ver que, para que isso seja verdade, necessrio que p[k] = [k], onde p[k] = p(kTs ).
Ou seja, devido presena do ltro de recepo, necessrio que p(t), e no g(t),
satisfaa o critrio de Nyquist. Como p(t) = g(t) h(t), ento P (f ) = G(f )H(f ).
Finalmente, temos que o critrio de Nyquist para sistemas com ltro de recepo
dado por
1
n
n
G f
H f
= 1.
(3.22)
Ts n=
Ts
Ts
Caso o sistema empregue um ltro casado, temos que H(f ) = G (f ). Portanto,
de (3.22), para que no tenhamos IIS nas amostras da sada do ltro casado, o pulso
conformador deve satisfazer
1
Ts
n=
n
G f
Ts
= 1.
(3.23)
Em outras palavras, o quadrado da resposta em freqncia do pulso conformador

que deve satisfazer o critrio de Nyquist. Dizemos que um pulso com esta caracterstica um pulso de raz de Nyquist.
3.4.1 Raz de Cosseno Levantado

Um pulso raz de Nyquist muito usado na prtica o raz de cosseno levantado,
cuja resposta em freqncia a raz quadrada de (2.16), equao que dene a resposta em freqncia do cosseno levantado. Aplicando a transformada de Fourier
inversa, obtemos que a raz de cosseno levantado dada por
t
4 cos (1 + ) Ts +
g(t) =
Ts
1
Ts
4t
4t
Ts
t
sin (1 ) Ts
2
(3.24)
3.4.2 Detectores de Distncia Mnima

Nesta seo, veremos como podemos projetar um detector de distncia mnima
para a deteco de mltiplos pulsos. Assuma inicialmente a transmisso de dois
pulsos, s0 e s1 , de forma que r(t) = s0 g(t) + s1 g(t Ts ) + n(t). Assuma tambm
o uso de 2-PAM, de forma que os pulsos podem assumir valores +1 ou 1. Neste
caso, existem quatro possveis pulsos transmitidos:
44
g(t) + g(t Ts ),
g(t) g(t Ts ),
g(t) + g(t Ts ),
g(t) g(t Ts ).
Teoricamente, deveramos calcular a distncia entre r(t) e cada uma dessas quatro
possibilidades, fazendo a deciso pelos smbolos que levam menor distncia2 . Obviamente a complexidade deste detector grande. Pior ainda, se houvssemos transmitido 1000 smbolos, deveramos comparar r(t) com 21000 possveis sinais transmitidos. Este nmero excede a estimativa atual para o nmero de tomos no universo,
indicando que a complexidade deste detector invivel.
A simplicao do detector de distncia mnima neste caso passa por uma
hiptese importante: assumiremos que o pulso g(t) seja um pulso raz de Nyquist,
satisfazendo (3.23). Estes pulsos possuem a importante propriedade de que g(t) e
g(t kTs ) so ortogonais3 . De fato, como h(t) = g(t),
g(t), g(t kTs ) =
g(t)g(t kTs ) dt
g(t)h(kTs t) dt
(3.25)
= (g(t) h(t))|t=kTs .
Ora, de (3.22) e (3.23) vemos que o pulso g(t) h(t) satisfaz o critrio de Nyquist,
de forma que
g(t), g(t kTs ) = k .
(3.26)
Como conseqncia desta ortogonalidade, podemos representar o sistema com
dois pulsos como na gura 3.4. Como os dois tringulos retngulos desta gura
2 Lembre-se
que a idia de distncia mnima comparar r(t) com todos os possveis sinais
transmitidos. Uma dessas comparaes ser com o sinal que foi de fato transmitido, e nesse caso
estaremos medindo apenas a energia do rudo. Nos outros casos, medimos a energia do rudo mais
um outro termo. Espera-se que a energia nesses outros casos seja maior do que no caso com rudo
apenas. por isso que selecionamos a hiptese com menor energia, ou de distncia mnima
3 Esta propriedade tambm importante para o projeto de constelaes, conforme veremos
adiante.
45
r(t)
r0
r1
a0
g(t)
r0 g(t) + r1 g(t Ts )
a1
a0 g(t) + a1 g(t Ts )
g(t Ts )
Figura 3.4: Espao de sinais com a transmisso de dois smbolos.

deixam claro,
r(t) (a0 g(t) + a1 g(t Ts ))
= r(t) (r0 g(t) + r1 g(t Ts )) 2 +

(r0 g(t) + r1 g(t Ts )) (a0 g(t) + a1 g(t Ts ))
= r(t) (r0 g(t) + r1 g(t Ts )) 2 +

(r0 g(t) a0 g(t)
+ r1 g(t Ts ) a1 g(t Ts )
= r(t) (r0 g(t) + r1 g(t Ts )) 2 +

+ |r0 a0 |2 g(t)
+ |r1 a1 |2 g(t) 2 .
(3.27)
Claramente, o termo a0 aparece em apenas um lugar na equao acima, no termo
|r0 a0 |2 . Da mesma maneira, o termo a1 aparece em apenas um lugar na equao
acima, no termo |r1 a1 |2 . O problema de determinar o sinal transmitido mais
prximo ao recebido foi ento desacoplado em dois problemas. Basta determinar o
smbolo a0 mais prximo de r0 e o smbolo a1 mais prximo de r1 . Em cada uma
destas hipteses, necessrio fazer duas comparaes para cada smbolo. No caso de
1000 smbolos transmitidos, isto resulta em 2000 comparaes, valor muito menor
do que as 21000 comparaes do mtodo no incio desta seo.
46
3.4.3 Rudo
Considere novamente o sinal na sada do amostrador da gura 3.3. Para podermos analisar o desempenho deste sistema, necessrio conhecer as estatsticas do
rudo. Assim, nesta seo, estudaremos as estatsticas da seqncia aleatria nk , que
representa o componente de rudo de rk . De (3.9), temos que nk = (n(t)h(t))|t=kTs .
Obviamente, nk o resultado da ltragem linear de um processo Gaussiano, e portanto Gaussiano. Mais ainda, como E[n(t)] = 0, E[nk ] = 0.
Falta determinar a funo de autocorrelao de nk . Assim, considere
E[nk nl ] = E[
n(t)h(kTs t) dt
n( )h(kTs ) d ],
(3.28)
onde usamos duas variveis de integrao distintas para representar nk e nl . Trocando a ordem das integrais com a esperana, e reconhecendo que n(t) a nica
grandeza aleatria, temos que
E[nk nl ] =
=
=
E[n(t)n( )]h(kTs t) dt h(lTs ) d

N0 /2(t )h(kTs t) dt h(lTs ) d
(3.29)
N0 /2h(kTs )h(lTs ) d .
Ora, se h(t) um ltro casado, ento h(t) = g(t). Portanto,
E[nk nl ] =
N0 /2g( kTs )h(lTs ) d
(3.30)
= N0 /2(g(t) h(t))|t=(lk)Ts .
Se, alm disso, os pulsos satiszerem (3.23), ento a convoluo acima d zero, a
no ser que k = l. Assim, conclumos que se usarmos um ltro de recepo casado
que satisfaz (3.23), ento
E[nk nl ] = N0 /2kl ,
(3.31)
ou seja, os rudos tm varincia N0 /2 e so descorrelacionados. Como eles so
Gaussianos, isto signica que eles so independentes.
A independncia entre amostras consecutivas de rudo de suma importncia
para o esquema de deteco da gura 3.3. De fato, ela indica que o sinal nl no traz
nenhuma informao sobre o sinal nk . Como assumimos que os smbolos transmitidos tambm so independentes, isso implica que o sinal rl tambm no traz nenhuma
47
informao sobre rk . Em outras palavras, usar apenas o sinal rk para decidir sobre o
k -simo smbolo transmitido no acarreta nenhuma perda de desempenho. Ou seja,
para canais que introduzem apenas rudo aditivo, um receptor smbolo-a-smbolo
timo se o ltro de recepo satiszer (3.23).
Se, por outro lado, os rudos fossem correlacionados, ns seramos capazes de
extrair alguma informao sobre nk a partir de rl . Em outras palavras, poderamos
usar rl para melhorar a nossa deciso sobre o k -simo smbolo transmitido. Infelizmente, esta informao no bvia, e sua demonstrao no simples.
3.4.4 Resumo: Um Receptor Prtico

Nesta seo, estudamos um receptor como o mostrado na gura 3.3. Principalmente, mostramos as vantagens de usar um ltro casado como ltro de recepo.
Este ltro maximiza a relao sinal rudo em sua sada. Alm disso, se amostrarmos
sua sada nos instantes t = kTs , obteremos um sinal rk igual correlao entre r(t)
e g(t kTs ).
Vimos tambm que se o pulso conformador satisfaz (3.23), ento o sinal rk no
apresenta IIS, ou seja, podemos escrever
rk = sk + nk .
(3.32)
Neste caso, vimos tambm que duas amostras diferentes do rudo nk so sempre
independentes. Em resumo, podemos determinar nossa deciso de distncia mnima
para o k -simo smbolo transmitido simplesmente passando rk por um quantizador,
como visto na seo 3.2.
3.5 O porqu da distncia mnima

Esta seo um pouco mais terica, e tenta explicar o porqu de detectores de
distncia mnima. Para isso, tentaremos estabelecer qual detector minimiza a probabilidade de erro, e em seguida estabeleceremos a equivalncia entre este detector e
o de distncia mnima. Lembrando que r0 contm toda a informao relevante de
r(t) a respeito do smbolo transmitido, basearemos nosso detector no valor de r0 .
Alm disso, suporemos, como sempre, que o canal introduza apenas rudo aditivo
Gaussiano branco e que apenas um smbolos seja transmitido. Ou seja, r0 = s0 + n0 ,
onde s0 o smbolo transmitido e n0 um rudo Gaussiano.
48
Considere, ento um receptor genrico que, para cada r0 , decide por um smbolo
a(r0 ). Seja, ento, Z0 o conjunto dos valores de r0 que levam a uma deciso a(r0 ) =
a0 . Ou seja, se r0 Z0 , ento a deciso ser que o smbolo transmitido foi a0 .

No exemplo da gura 3.2, a partir do critrio de distncia mnima temos que, se
a0 = 7, ento Z0 = {r0 < 6}. De forma equivalente, podemos denir Zi , para
i = 0, . . . , N como a regio que leva a uma deciso ai . Os conjuntos Zi so chamados
de regies de deciso.
O problema de determinar o detector pode ento ser visto como um problema
de especicar as regies Zi , ou seja, para que valores de r0 eu devo decidir pelo
smbolo ai . Vamos pensar na probabilidade de uma deciso correta, Pc , para regies
de deciso genricas. Em particular, dado que o smbolo transmitido foi ai , a probabilidade de uma deciso correta igual probabilidade do sinal recebido cair na
regio de deciso correspondente ao smbolo ai , ou seja, r0 Zi . Assim, usando o
teorema da probabilidade total, temos que
P[acerto|a foi transmitido] P[a]
Pc =
aA
N 1
P[r0 Zi |ai ] P[ai ]

i=0
N 1
=
i=0
Zi
(3.33)
fR0 (r0 |ai ) P[ai ]dr0 ,
onde fR0 (r|ai ) a densidade de probabilidade de r0 dado ai .

Considere, agora, um ponto especco r0 . Devemos determinar a que regio este
ponto pertence, de forma a minimizar a probabilidade de erro ou, equivalentemente,
maximizar Pc . Para isso, considere o argumento da integral em 3.33. Imagine que
fR0 (r0 |ai ) P[ai ] > fR0 (r0 |aj ) P[aj ], para i = j . Assim, se dissermos que r0 Zi ,
teremos que a contribuio do ponto r0 para Pc maior do que se dissssemos
que r0 Zj . Pensando da mesma forma para todos os valores de i e j , chegamos concluso que r0 deve pertencer ao conjunto que apresenta o maior valor
de fR0 (r0 |ai ) P[ai ]. Em outras palavras, a deciso que maximiza a probabilidade de
acerto dada por
a(r0 ) = arg max fR0 (r0 |a) P[a].
(3.34)
aA
Duas observaes podem ser feitas a partir de 3.34. Em primeiro lugar, o valor
de fR0 (r0 ) no depende de a. Assim, podemos dividir fR0 (r0 |a) P[a] por fR0 (r0 ) sem
49
afetar a maximizao em 3.34. Isto leva a
a(r0 ) = arg max
aA
fR0 (r0 |a) P[a]

.
fR0 (r0 )
(3.35)
Ora, o termo sendo maximizado acima exatamente P[a|r0 ]. Este o valor da

probabilidade de a depois que observamos a sada do canal, e conhecido como a
probabilidade a posteriori. Conclumos, assim, que a deciso
(3.36)
a(r0 ) = arg max P[a|r0 ]
aA
minimiza a probabilidade de erro. Ou seja, o critrio de mximo a posteriori em

3.36 equivalente minimizao da probabilidade de erro.
Um outro critrio importante pode ser obtido quando todos os smbolos so
igualmente provveis, ou seja, P[a] = 1/N, a A. Neste caso, o termo P[a] no
inui na maximizao em 3.34, e portanto pode ser ignorado. Isto leva ao critrio
de mxima verossimilhana (MV):
a(r0 ) = arg max fR0 (r0 |a),
(3.37)
aA
que, quando os smbolos so igualmente provveis, tambm equivalente minimizao da probabilidade de erro.
o critrio de MV que leva ao elo entre distncia mnima e mnima probabilidade
de erro. De fato, como r0 = s0 + n0 , temos que, dado s0 = a, r0 N (a, 2 ). Em
outras palavras, devemos buscar o valor de a que maximiza
fR0 (r0 |a) =
1
2 2
exp
(r0 a)2
2 2
(3.38)
o que equivalente a maximizar o logaritmo de fR0 (r0 |a), j que o logaritmo uma
funo estritamente crescente. Assim,
a(r0 ) = arg max log (fR0 (r0 |a))
aA
= arg max log
= arg max log
aA
1
2 2
1
2 2
(r0 a)2
= arg max
,
aA
2 2
aA
+ log exp
(r0 a)2
2 2
(r0 a)2
2 2
(3.39)
50
onde, na ltima igualdade, ignoramos os termos que no dependem de a. Agora,

note que maximizar o negativo de uma funo igual a minimizar esta funo. Note
tambm que o termo 2 2 no inui na maximizao acima. Finalmente, chegamos
a
a(r0 ) = arg min(r0 a)2 ,
(3.40)
aA
que justamente o critrio de distncia mnima!
3.6 Exerccios
Exerccio 3.1:
No lado esquerdo da gura 3.5, temos a resposta ao impulso de alguns ltros de

transmisso, marcados a, b, e c. No lado direito, temos a resposta combinada destes
ltros com o ltro casado correspondente. Associe as formas de onda do lado direito
com as do lado esquerdo.
1. Quais sinais resultam em um sistema sem IIS aps o ltro casado se o perodo
de smbolos Ts = 0.5?
de smbolos Ts = 1?
de smbolos Ts = 2?
Exerccio 3.2:
Considere um sistema em banda base onde o rudo branco, e onde o pulso

conformador sinc(2000t). Ou seja, o ltro de transmisso passa-baixas, com
freqncia de corte de 1kHz. Assuma o uso de um ltro casado na recepo. Qual
a densidade espectral de potncia do rudo, dado que a varincia do rudo na sada
do amostrador 0.01? Dica: calcule a varincia do rudo na sada do amostrador
usando o domnio da freqncia.
51
0.1
1
0.05
0.5
0
2
1.5
0.5
0
b
0.5
1.5
0.5
0.5
1.5
1.5
0.5
0.5
1.5
1.5
0.5
0.5
1.5
0.1
1.5
0.5
0
c
0.5
1.5
0
2
0.3
0.2
0.5
0
2
1.5
0.2
0.5
0
2
0
2
0.1
1.5
0.5
0.5
1.5
0
2
Figura 3.5: Resposta ao impulso de ltros de transmisso e de suas cascatas com os

respectivos ltros casados.
CAPTULO
Transmisso e Recepo em Banda Passante
Neste captulo, discutiremos a transmisso de sinais atravs de canais em banda

passante. Ao contrrio dos canais em banda base, os canais em banda passante no
transmitem em baixas freqncias. Entretanto, todas as tcnicas vistas at agora
assumem transmisso de freqncias ao redor de zero. Assim, o tema deste captulo
como adequar as tcnicas para transmisso em banda base transmisso por canais
em banda passante.
Como pr-requisito, usaremos nesta seo algumas propriedades importantes da
exponencial complexa. Em primeiro lugar, temos que
exp(j2fc t) = cos(2fc t) + j sin(2fc t).
(4.1)
Isto implica, por exemplo, que
1
[exp(j2fc t)] = (exp(j2fc t) + exp(j2fc t))
2
(4.2)
j
sin(2fc t) = [exp(j2fc t)] = (exp(j2fc t) exp(j2fc t)),
2
onde [x] e [x] denotam, respectivamente, as partes real e imaginria do nmero
complexo x. Outra propriedade importante da exponencial complexa que, se um
sinal s(t) tem transformada S(f ), ento
cos(2fc t) =
F{exp(j2fc t)s(t)} = S(f fc ),

onde F{s(t)} denota a transformada de Fourier de s(t).
52
(4.3)
CAPTULO 4. TRANSMISSO E RECEPO EM BANDA PASSANTE
53
Canal
B
S (f)
I
S(f)
Figura 4.1: Exemplo de um canal em banda passante, bem como da modulao de

um sinal em banda base.
4.1 Transmisso em Fase e em Quadratura

Iniciaremos nossa discusso mostrando como sinais em banda passante so
produzidos na prtica. Nas prximas sees, desenvolveremos uma representao
matemtica mais conveniente para esses sinais. Como sempre, para facilitar a notao e o entendimento, assumiremos inicialmente a transmisso de apenas um smbolo.
Assim, considere que voc queira transmitir M bits por um canal com largura de
faixa B , centrado na freqncia fc . Um exemplo de um tal canal est mostrado na
gura 4.1. Assim como zemos em banda base, o objetivo associar a cada possvel
grupo de M bits um sinal em banda passante, sp (t), cuja densidade espectral de
potncia ocupa a mesma faixa de freqncias que o canal.
Dos captulos anteriores, sabemos produzir um sinal N-PAM em banda base s(t)
para transmitir estes M bits:
s(t) = s0 g(t),
(4.4)
onde g(t) o pulso conformador. Assumiremos aqui que g(t) tem energia unitria,
ou seja, g(t), g(t) = 1. Ora, se G(f ) = 0 para |f | > B/2, a resposta em freqncia
de s(t), S(f ), ser como mostrado na gura 4.1. A idia, ento, obter um sinal
em banda passante a partir deste sinal em banda base.
A propriedade da modulao da transformada de Fourier nos d uma forma bvia
de obter um sinal em banda passante a partir de s(t). De fato, para dois smbolos
x0 e y0 podemos criar os sinais
sI (t) = 2x0 g(t) cos(2fc t)

(4.5)
sQ (t) = 2y0 g(t) sin(2fc t).

(A multiplicao de ambos os sinais por
freqncia destes sinais dada por
54
2 ser explicada adiante.) A resposta em
x0
SI (f ) = (G(f fc ) + G(f + fC ))
2
jy0
SQ (f ) = (G(f + fc ) G(f fC )).
2
(4.6)
Observe que sI (t) e sQ (t) so obtidos multiplicando s(t) por uma senide de freqncia fc . Esta senide chamada de portadora, e fc chamado de freqncia
da portadora Isto explica o ndice em fc : c vem do ingls carrier, que quer dizer
portadora.
Na gura 4.1, mostramos SI (f ), que claramente ocupa a mesma faixa de freqncias do canal. Portanto, sI (t) um sinal adequado para transmisso. O mesmo
pode ser dito de sQ (t), j que ele difere de sI (t) apenas em fase, e no em amplitude. De fato, SI (f ) e SQ (f ) possuem a mesma resposta em magnitude, ao passo
que suas fases diferem de /2. Quando isto ocorre, dizemos que os sinais esto
em quadratura, de forma que chamamos x0 g(t) e y0 g(t) de sinais em fase e em
quadratura, respectivamente. Isto explica a escolha dos ndices: I vem do ingls in
phase, e Q vem de quadratura.
Infelizmente, o uso de sI (t) ou sQ (t) para a transmisso no eciente. De fato,
do exemplo 2.3, na pgina 25, vemos que a ecincia espectral de s(t) pode chegar
a = 2M bits/s/Hz. Os sinais sI (t) e sQ (t) transmitem mesma taxa de bits por
segundo que s(t), assumindo que s0 , x0 e y0 venham todos do mesmo alfabeto N PAM. Entretanto, mas sI (t) e sQ (t) ocupam uma faixa de B Hz, o dobro da de s(t).
Em outras palavras, a ecincia espectral destes sinais apenas metade da de s(t).
Uma possvel soluo para este problema transmitir sI (t) ou sQ (t) usando faixa
lateral nica (SSB, do ingls single sideband ). Entretanto, a modulao SSB envolve
ltros com descontinuidades em freqncia, que portanto so difceis de implementar
na prtica. Da o interesse na busca por solues alternativas.
Assim, considere a transmisso de
sp (t) = sI (t) sQ (t).
(4.7)
(A razo para subtrair sQ (t), ao invs de som-lo, tambm ser explicada adiante).
Obviamente, Sp (f ) = SI (f ) SQ (f ), de forma que sp (t) tambm tem uma resposta
em freqncia adequada ao canal. Mais ainda, sp (t) transmite mesma taxa de
smbolos de sI (t) e sQ (t). Entretanto, cada smbolo de sp (t) carrega informao
55
sobre dois smbolos, x0 e y0 , de forma que sua ecincia espectral o dobro da de

sI (t) e sQ (t). Ou seja, com sp (t) podemos resolver o problema da ecincia espectral.
A questo se possvel e conveniente projetar um receptor para recuperar x0 e y0
quando sp (t) transmitido.
4.1.1 Recepo em Fase e Quadratura

Vamos agora tentar projetar um receptor de distncia mnima para recuperar x0
a partir da transmisso de sp (t). Assim, considere o sinal recebido
rp (t) = sp (t) + np (t),
(4.8)
onde, como anteriormente, np (t) um rudo Gaussiano de mdia zero e funo de

autocorrelao N0 /2(t).
Como vimos no captulo 3, um receptor de distncia mnima diz que o smbolo
transmitido foi x0 , onde
x0 = arg min rp (t) 2x0 g(t) cos(2fc t) 2 ,
(4.9)
xA
onde A o alfabeto usado para transmisso, ou seja, o conjunto de valores que o

smbolo x0 pode assumir. Em outras palavras, x0 o smbolo que, se transmitido
por um canal sem rudo, geraria o sinal recebido mais prximo de rp (t). Observe
que em (4.9) adotamos uma abordagem em princpio ingnua e ignoramos o fato de
que um sinal em quadratura tambm foi transmitido. Conforme veremos, isso no
acarreta nenhuma perda de desempenho.
Tambm vimos no captulo 3 que podemos implementar este detector de distncia
mnima passando rp (t) por um correlador que calcula rI = rp (t), 2g(t) cos(2fc t) .
Ora,
rI = x0 2g(t) cos(2fc t), 2g(t) cos(2fc t)
(4.10)
y0 2g(t) sin(2fc t), 2g(t) cos(2fc t) +
np (t), 2g(t) cos(2fc t) .

Para no interromper o raciocnio, assumiremos agora como verdadeiros alguns resultados que provaremos na prxima seo. Em particular, o primeiro produto
interno em (4.10) d um, o segundo d zero, e o terceiro resulta em uma varivel
aleatria Gaussiana nI de mdia zero e varincia N0 /2. Assim, temos que
r I = x0 + n I ,
(4.11)
56
ou seja, o sinal sQ (t) no tem nenhuma inuncia sobre a sada do correlador. Em

outras palavras, para a recuperao de x0 , a transmisso ou no de sQ (t) no faz a
menor diferena! Podemos simplesmente dizer que o smbolo transmitido aquele
mais prximo de rI , como zemos zemos na seo 3.2.
Obviamente, podemos chegar mesma concluso se tentarmos recuperar y0 calculando
(4.12)
rQ = rp (t), 2g(t) sin(2fc t) .
Ou seja,
rQ = y0 + nQ ,
(4.13)
de forma que a transmisso de x0 no tem inuncia sobre a recepo de y0 .

Igualmente importante o fato de que nI e nQ so independentes, conforme
mostraremos na prxima seo. Intuitivamente, isto signica que nQ no traz nenhuma informao sobre nI , e, portanto, que rQ no traz nenhuma informao sobre
rI . Em outras palavras, no temos nada a ganhar em usar rQ para auxiliar na
estimao de x0 .
A concluso importante desta seo que podemos transmitir sI (t) e sQ (t) ao
mesmo tempo, e de forma que podemos recuperar x0 e y0 como se o outro smbolo
no tivesse sido transmitido. Em outras palavras, o sinal sp (t) adequado para
transmisso, no resultando em nenhuma perda de taxa ou desempenho.
4.1.2 Transmisso e Recepo de Mltiplos Smbolos

Obviamente, se quisermos transmitir 2K M bits, podemos fazer como nos sistemas em banda base e transmitir
K1
sp (t) =
k=0
xk 2g(t kTs ) cos(2fc t)
(4.14)
yk 2g(t kTs ) sin(2fc t) ,

onde xk e yk so smbolos de uma constelao N -PAM, com n = 2M . O esquema de
transmisso resultante est mostrado na gura 4.2.
Chamamos a ateno para o fato de que a gerao e multiplicao de um sinal por
uma portadora pode ser facilmente implementado na prtica. Em outras palavras,
as multiplicaes mostrada na gura 4.2, bem como em vrias que se seguiro, no
representam nenhuma diculdade prtica.
57
2 cos(2 f t )
Smbolos
g(t)
g(t)
s (t)
p
Bits
Mapeamento
2 sin(2 f t )
c
Figura 4.2: Transmissor de um sistema em banda passante.

Na gura 4.3, mostramos um exemplo de um sinal modulado em fase e
quadratura. Na gura 4.3(a) mostramos apenas o componente em fase. Obviamente, o componente em quadratura tem uma aparncia semelhante. Nesta gura,
mostramos tambm o sinal em banda base que gerou sI (t), bem como seu negativo.
Na gura 4.3(b), mostramos o sinal em fase e quadratura propriamente ditos.
Entretanto, temos aqui um problema igual ao encontrado em sistemas em banda
base e discutido na seo 3.3.2: a implementao de um correlador quando vrios
pulsos so transmitidos no conveniente. Entretanto, note que
rI = rp (t), 2g(t) cos(2fc t)
=
2g(t) cos(2fc t)rp (t) dt
(4.15)
=
2rp (t) cos(2fc t), g(t) .
Ora, como vimos na seo 3.3.2, a correlao acima pode ser obtida passando o
sinal 2rp (t) cos(2fc t) por um ltro casado com g(t), e amostrando sua sada
no instante t = 0. Da mesma forma, vimos que podemos calcular rp (t), 2g(t

T ) cos(2fc t) amostrando a sada deste ltro casado no instante t = Ts , etc. As
mesmas observaes podem ser feitas para o correlador em quadratura. Assim, o
receptor de um sistema em banda passante pode ser implementado como na gura
4.4.
Na prxima seo, buscaremos entender melhor os produtos internos em (4.10).
Em seguida, discutiremos uma representao equivalente de sistemas em banda passante que nos permite ignorar a presena de uma portadora, facilitando assim a
anlise e simulao destes sistemas.
s (t)
58
s (t)
(a)
(b)
Figura 4.3: Exemplos de um sinal em fase sI (t) (a) e de um sinal em fase e quadratura
sp (t) (b). Em (a), as linhas tracejadas representam o sinal em banda base equivalente
a sI (t) e seu negativo. O sinal em quadratura tem aparncia semelhante a sI (t).
2 cos(2f t)
r (t)
h(t)
h(t)
Deciso
r (t)
r (t)
2 sin(2 f t)
c
Figura 4.4: Receptor de um sistema em banda passante.
59
4.2 O Correlador em Banda Passante

Esta seo, onde estudamos com mais detalhes os produtos internos em (4.10),
bem mais matemtica. O objetivo demonstrar as propriedades que levam de (4.10)
a (4.11) a (4.12). Estudaremos tambm as propriedades estatsticas dos rudos nI e
nQ .
Para comear, denimos f (t) = g 2 (t), de forma que F (f ) = G(f ) G(f ), onde
denota convoluo. Note que g(t) o pulso conformador em banda base, de forma
que G(f ) = 0 para |f | > B/2. Assim, fazendo gracamente a convoluo, no
difcil ver que F (f ) = 0 para |f | > B . Alm disso, recordamos uma propriedade de
transformadas de Fourier que usaremos muito nesta seo: se X(f ) a transformada
de um sinal x(t), ento
x(t) dt = X(0).
(4.16)
Assim, considere o primeiro produto interno de (4.10),
2g(t) cos(2fc t), 2g(t) cos(2fc t) = 2
g 2 (t) cos2 (2fc t) dt.
(4.17)
Ora, de igualdades trigonomtricas, temos que
cos(2a) = cos2 (a) sin2 (a),
(4.18)
cos2 (a) + sin2 (a) = 1.

Assim, conclumos que
2g(t) cos(2fc t), 2g(t) cos(2fc t) = 2

=
g 2 (t)
1
(1 + cos(4fc t)
2
g 2 (t)dt +
dt
g 2 (t) cos(4fc t) dt.
(4.19)
Ora, a transformada de Fourier de y(t) = g (t) cos(4fc t) Y (f ) = (F (f
2fc ) + F (f + 2fc ))/2, onde, lembramos, f (t) = g 2 (t). Vamos assumir que fc >
B , de forma que os termos F (f 2fc ) e F (f + 2fc ) no encavalem. Por isto
entendemos que e o espectro de y(t) possa ser desenhado da mesma forma que SI (f )
na gura 4.1, com os espectros F (f 2fc ) e F (f +2fc ) ocupando regies distintas de
freqncias, agrupadas respectivamente em torno de 2fc e 2fc . Obviamente, F (f )
nunca idealmente limitado em freqncia, de forma que esta hiptese apenas
uma aproximao, que aumenta em preciso a medida que fc se torna maior.
2
60
De posse dessa aproximao, temos que Y (0) = 0. Portanto,
g 2 (t) cos(4fc t) dt = Y (0) = 0.
(4.20)
Finalmente, conclumos que
2g(t) cos(2fc t),
2g(t) cos(2fc t) =
g 2 (t) dt = 1,
(4.21)
conforme dito na seo anterior. Esta ltima igualdade segue da hiptese de que o
pulso tem energia unitria. A demonstrao que
2g(t) sin(2fc t), 2g(t) sin(2fc t) = 1
(4.22)
segue as mesmas linhas.
Podemos agora justicar o uso de 2 na denio de sI (t) e sQ (t). Este um

fator dito normalizante, por fazer com que os produtos internos considerados no
pargrafo anterior sejam iguais a 1, e no 1/2. Caso este fator no fosse utilizado,
teramos por exemplo que rI = x0 /2 + nI /2, o que no exatamente conveniente.
Vamos considerar agora a segunda correlao de (4.10). Podemos escrever
2g(t) sin(2fc t), 2g(t) cos(2fc t) = 2

=
g 2 (t) sin(2fc t) cos(2fc t) dt

2
(4.23)
g (t) sin(4fc t) dt,
onde usamos a igualdade sin(2a) = 2 sin(a) cos(a). Assim, se f (t) = g 2 (t) e x(t)
g 2 (t) sin(4fc t), temos que X(f ) = j(F (f + 2fc ) F (f 2fc ))/2. Assuma, como
sempre, que F (f ) = 0 para |f | > B , e que fc > B , de forma que (F (f + 2fc ) e
F (f 2fc ) no encavalam. Temos ento que X(0) = 0, e portanto
2g(t) sin(2fc t), 2g(t) cos(2fc t) = 0,
(4.24)
como desejvamos. Em resumo, vemos que os componentes em fase e em quadratura

so ortogonais.
4.2.1 Estatsticas do Rudo

Vamos analisar agora as estatsticas dos componentes de rudo nI e nQ na sada
do correlador. Em primeiro lugar, observe que o correlador um ltro linear. Assim,
61
como np (t) um rudo Gaussiano, nI tambm Gaussiano. Mais ainda,
E[nI ] = E
=
np (t) 2g(t) cos(2fc t) dt
E[np (t)] 2g(t) cos(2fc t) dt
(4.25)
= 0.
Falta, assim, caracterizar a varincia de nI . Para isso, note que
2
I = E[n2 ]
I
=E
np (t) 2g(t) cos(2fc t) dt
np ( ) 2g( ) cos(2fc ) d
E[np (t)np ( )] 2g(t) cos(2fc t) dt

2g( ) cos(2fc ) d ,
(4.26)
onde, na primeira passagem, usamos duas variveis de integrao distintas para

escrever nI e, na segunda, agrupamos os termos de acordo com o nosso interesse,
lembrando que a esperana um operador linear. Como E[np (t)np ( )] = N0 /2(t
), temos que
2
I =
N0
=
2
N0
2g( ) cos(2fc ) d
(t ) 2g(t) cos(2fc t) dt
2
2
(4.27)
2g ( ) cos (2fc )d .
Ora, no comeo desta seo mostramos que a integral acima d um, o que nos leva
a
N0
2
I =
.
(4.28)
2
Evidentemente, os clculos da mdia e varincia de nQ so semelhantes e
produzem os mesmos resultados. Assim, temos que nI N (0, N0 /2) e nQ
N (0, N0 /2).
Finalmente, falta mostrar que os componentes de rudo na sada dos dois correladores, nI e nQ , so independentes. Para isto, devemos apenas mostrar que eles
62
so descorrelacionados, j que ambos so Gaussianos. Assim,
E[nI nQ ] = E
np (t) 2g(t) cos(2fc t) dt np ( ) 2g( ) sin(2fc ) d
E[np (t)np ( )] 2g(t) cos(2fc t) dt

2g( ) sin(2fc ) d
N0
2g( ) sin(2fc ) d
(t ) 2g(t) cos(2fc t) dt
2
(4.29)
N0
2g 2 ( ) cos(2fc ) sin(2fc ) d
2
N0
g 2 ( ) sin(4fc ) d .
=
2
Ora, mostramos anteriormente nesta seo que a integral acima nula, estabelecendo
que de fato nI e nQ so descorrelacionados.
=
4.3 Espao de Sinais 2-D

Assim como zemos no captulo 3, vamos agora resumir as concluses das sees
anteriores e determinar como deve ser o dispositivo de deciso mostrado na gura
4.4. Para isso, assumiremos novamente a transmisso de um nico pulso, e usaremos
o conceito de espao de sinais, introduzido na seo 3.2.
A primeira observao que fazemos aqui que, de acordo com os resultados da
seo anterior, as funes gI (t) = g(t) cos(2fc t) e gQ (t) = g(t) sin(2fc t) so
ortogonais e tm mdulo 1. Ou seja, podemos denir um espao bidimensional de
funes
V = {aI gI (t) + bQ gQ (t), para aI , bI R},
(4.30)
cuja base ortonormal dada por gI (t) e gQ (t). Assim, o sinal transmitido, dado por
sp (t) = x0 gI (t) + y0 gQ (t),
(4.31)
um ponto em V . Na gura 4.5, mostramos os possveis valores de sp (t) quando x0

e y0 so escolhido a partir de uma constelao 4-PAM.
Por outro lado, vimos na seo 4.1 que os valores de rI = rp (t), gI (t) e
rQ = rp (t), gQ (t) so a nica informao necessria para estimarmos os smbolos transmitidos de acordo com o critrio de mnima distncia. Assim, dena o
vetor
rI
.
(4.32)
r0 =
rQ

Regio de deciso
de ( 3,1)
63
g (t)
Q
1
1
g (t)
I
Figura 4.5: Espao de sinais bidimensional para modulao em fase e em quadratura.

Os pontos correspondem aos possveis valores de sp (t) quando os smbolos em fase e
quadratura vm de um alfabeto 4-PAM. O corresponde projeo ortogonal do
sinal recebido no espao de sinais. A regio de deciso de x0 = 3 e y0 = 1 tambm
mostrada.
Como gI (t) e gQ (t) so uma base ortonormal de V , temos do apndice B que r0 a
projeo ortogonal de r(t) em V .
Lembre-se que o sinal recebido em geral no pertence a V . Por isso no representamos rp (t) na gura 4.5: seria difcil representar um ponto que no pertence
ao plano. Entretanto, r0 a projeo ortogonal de rp (t) no plano V . Assim, da
mesma forma que na seo 4.1, temos que o smbolo que minimiza a distncia at
rp (t) o mesmo que minimiza a distncia at r0 . Esta observao facilita muito a
implementao do algoritmo de deciso. Por exemplo, evidente que para o valor
de r0 mostrado na gura 4.5, devemos decidir que o smbolo transmitido foi x0 = 1
e y0 = 1.
Em outras palavras, o dispositivo de deciso divide o espao de sinais em regies
de deciso. Se o vetor r0 pertence regio de deciso de um determinado smbolo,
este ser o smbolo estimado. Evidentemente, a regio de deciso de um determinado
smbolo o conjunto de pontos r0 que esto mais prximos deste smbolo do que de
qualquer outro smbolo. Na gura 4.5, mostramos a regio de deciso de x0 = 3 e
y0 = 1.
As observaes desta seo nos levam a crer que tudo o que precisamos saber
64
sobre o sistema de transmisso pode ser representado por pontos em um plano.

Na seqncia, mostraremos que isto de fato verdade. Antes de prosseguirmos,
lembramos que um ponto em um plano tambm pode ser usado para representar
uma varivel complexa: o eixo x representa sua parte real, ao passo que o eixo y
representa sua parte imaginria.
4.4 Representao em Banda Base de um Sinal em

Banda Passante
De certa forma, a principal concluso a que chegaremos neste captulo que um
sistema em banda passante pode ser representado por um sistema equivalente em
banda base. Este sistema equivalente assume valores complexos, onde sua parte
real corresponde ao sinal em fase e sua parte imaginria corresponde ao sinal em
quadratura. Quando dizemos que os sistemas so equivalentes, queremos dizer que
dado um possvel determinar o outro, e vice-versa. Nesta seo, estabeleceremos
esta equivalncia de uma forma mais especca.
Uma vantagem desta equivalncia que, com ela, podemos lidar apenas com o
sinal em banda base. Com isso, podemos ignorar a presena de portadoras, facilitando a simulao e a anlise de desempenho destes sistemas. De fato, imagine que
voc queira simular um sistema que transmite um smbolo por segundo usando uma
portadora a 1GHz (valor prximo ao usado em sistemas celulares, por exemplo).
Neste caso, para gerar digitalmente a portadora, deveramos amostr-la a 2GHZ.
Ou seja, deveramos produzir 2 bilhes de amostras do sinal transmitido para cada
smbolo que desejamos transmitir, o que evidentemente invivel.
Esta seo poderia ser resumida em apenas uma frase: toda a informao relevante a respeito de um sinal em banda passante, como o mostrado na gura 4.6(a),
est contida em um sinal equivalente em banda base, como o mostrado na gura
4.6(b), e no valor de fc . De fato, esta informao parece bvia: com algumas operaes simples de descrever em palavras possvel obter Sp (f ) a partir de S(f ) e
vice-versa. No restante desta seo, trataremos desta equivalncia entre um sinal
em banda passante e seu equivalente em banda base de forma mais sistemtica.
Especicamente, veremos como obter um equivalente em banda base de um sinal
em banda passante no domnio do tempo e da freqncia. Para mostrar que os
sinais so de fato equivalentes, mostraremos tambm que dado um sinal em banda
S(f)
S (f)
65
B/2
(a)
0 B/2
(b)
Figura 4.6: Um sinal em banda passante (a) e seu equivalente em banda base (b).
base, possvel desfazer essas operaes, recuperando o sinal em banda passante
correspondente.
Uma primeira observao importante: Sp (f ) na gura 4.6(a) uma funo par.
Isto ocorre porque sp (t) um sinal real, pois representa uma corrente ou voltagem
que de fato existe. Ora, a transformada de Fourier de um sinal real possui duas
simetrias: sua magnitude par, e sua fase mpar. Em outras palavras, para um
sinal real,
Sp (f ) = Sp (f ).
(4.33)
Note tambm que estas simetrias no podem ser observadas na gura 4.6(b). Isto
indica que s(t) assume valores complexos. Entretanto, no existe uma corrente
complexa, ou um canal complexo. Assim, s(t) usado apenas por trazer um representao equivalente e conveniente de sp (t). De fato, as grandezas complexas que
encontraremos deste ponto em diante so apenas uma representao das grandezas
reais de fato presentes em sistemas de comunicaes.
4.4.1 De Banda Passante para Banda Base

Descreveremos agora um procedimento que nos permite obter s(t) a partir de
sp (t). Para comear, assuma que ns tenhamos acesso a um sinal que contenha apenas as freqncias positivas de sp (t). Este sinal conhecido como o sinal analtico, e
denotado por sp (t). Por exemplo, na gura 4.7 mostramos a resposta em freqncia
do sinal analtico correspondente ao sinal da gura 4.6(a). Para obter S(f ), devemos
apenas deslocar Sp (f ) para a esquerda de fc . Temos, ento que s(f ) = Sp (f +fc ) 2,
onde a razo para o aparecimento de 2 car clara adiante. Assim, usando a pro-
66
~
S (f)
p
Figura 4.7: Resposta em freqncia do sinal analtico.

priedade de modulao de transformadas de Fourier, conclumos que
s(t) = 2 exp(j2fc t)p (t).

s
(4.34)
Agora s precisamos estabelecer um procedimento para a obteno de sp (t) a
partir de sp (t). Ora, isto pode ser facilmente realizado por um ltro chamado de
divisor de fase, cuja resposta ao impulso dada por
1 se f 0
(f ) =
.
(4.35)
0 se f < 0
Infelizmente, a resposta ao impulso deste ltro no real, o que bvio devido
ausncia de simetria de sua resposta em freqncia.
Muito mais fcil de implementar a chamada transformada de Hilbert, que pode
ser implementada com um ltro linear cuja resposta ao impulso dada por
j se f > 0
(4.36)
H(f ) = 0
se f = 0 .
j
se f < 0
Obviamente,
(f ) = 1 (1 + jH(f )).
2
(4.37)
Entretanto, note que H(f ) = H (f ), de forma que a resposta ao impulso do ltro

da transformao de Hilbert real. De fato, pode-se mostrar que
h(t) =
1
.
t
(4.38)
A transformada de Hilbert de x(t) denotada x(t). evidente que se x(t) um
sinal real, x(t) tambm o .
67
Em resumo, de (4.37) podemos escrever que
Sp (f ) = (f )Sp (f )
= 1 (1 + jH(f ))Sp (f )
2
(4.39)
1
= 2 (Sp (f ) + jH(f )Sp (f )).
Em outras palavras,
sp (t) = 1 (sp (t) + j sp (t)).
(4.40)
Ou seja, as partes real e imaginria do sinal analtico podem ser facilmente calculadas
com ltros reais.
Em resumo, podemos representar sp (t) usando dois circuitos: um, contendo sp (t),
corresponde parte real de sp (t); outro, contendo sp (t), corresponde parte sua
imaginria. Note, entretanto, que sp (t) possui apenas metade dos componentes em
freqncia de sp (t). Assim, a energia de sp (t) metade da de sp (t).
Para nalizar o clculo de s(t) a partir de sp (t), devemos deslocar o espectro

de sp (t) para a esquerda de fc . Alm disso, como s(t) deve ser equivalente a sp (t),
gostaramos que ambos tivessem a mesma energia. Para isso, devemos multiplicar
sp (t) por 2, j que a energia de sp (t) metade da de sp (t). Desta forma, fazemos
s(t) =
2 exp(j2fc t)p (t)

s
1
= exp(j2fc t)(sp (t) + j sp (t)).
(4.41)
Assim, o sinal s(t) o equivalente em banda base de sp (t), e tambm chamado de

envelope complexo.
interessante notar que H(f ) tem uma descontinuidade em 0, o que pode levar
voc a pensar que ele de difcil implementao. Entretanto, note que o sinal a
ser ltrado, sp (t) no tem componentes em freqncia ao redor de 0. Em outras
palavras, o comportamento de H(f ) ao redor de 0 irrelevante, o que certamente
facilita sua implementao.
4.4.2 De Banda Base para Banda Passante

O procedimento na direo reversa, ou seja, o clculo de sp (t) a partir de s(t),
tambm bastante simples. De fato, de (4.41), temos que
sp (t) + j sp (t) =
2 exp(j2fc t)s(t).
(4.42)
68
Entretanto, tanto sp (t) quanto s(t) so sinais reais (uma convenincia possibilitada
pelo uso da transformada de Hilbert). Ou seja, a parte real do lado esquerdo de

(4.42) igual a sp (t). Assim, considerando apenas a parte real de ambos os lados
de (4.42), temos que
sp (t) = 2 [exp(j2fc t)s(t)].

(4.43)
Podemos tambm obter esta relao em freqncia. De fato, o sinal sp (t) real,
de forma que Sp (f ) = Sp (f ). Ora, por denio, Sp (f ) = Sp (f ) para f > 0. A

relao para f < 0 pode ser obtida levando em conta a simetria de Sp (f ). De fato,
se f < 0, temos que Sp (f ) = Sp (f ) = Sp (f ). Em outras palavras,
S (f )
p
se f>0
Sp (f ) =
.
(4.44)
S (f ) se f<0
Como Sp (f ) = 0 para f < 0, conclumos ento que
Sp (f ) = Sp (f ) + Sp (f ).
(4.45)
Finalmente, lembrando que Sp (f ) = S(f fc )/ 2, chegamos relao desejada:

1
Sp (f ) = (S(f fc ) + S (f fc )).
2
(4.46)
Uma relao equivalente e igualmente til pode ser obtida se escrevermos s(t) =
x(t) + jy(t), onde x(t) e y(t) so, respectivamente, as partes real e imaginria de
s(t). Substituindo esta denio em (4.42) temos, ento, que s(t) o equivalente
em banda passante de
sp (t) = 2 [exp(j2fc t)s(t)]

(4.47)
= 2x(t) cos(j2fc t) 2y(t) sin(j2fc t).
4.4.3 Filtragem em Banda Passante

Conforme veremos, muitas vezes o canal de comunicaes normalmente introduz
mais do que apenas rudo. Estas outras distores introduzidas canais de comunicaes so normalmente modeladas como um ltro linear. Veremos mais conseqncias deste modelamento, bem como formas de combater estas distores, nos
prximos captulos.
69
Assim, para que possamos tratar de um sistema completo em banda passante

considerando apenas os equivalentes em banda base, devemos ento estabelecer o
que ocorre com a ltragem linear de sinais em banda passante. Para isso, considere
que o sinal em banda passante sp (t) passa por um ltro linear com resposta ao
impulso hp (t). Obviamente, o sinal zp (t) na sada do ltro tambm em banda
passante, j que Zp (f ) = Sp (f )Hp (f ) e Sp (f ) em banda passante. Nesta seo,
determinaremos o ltro linear que leva do equivalente em banda base de sp (t), s(t),
ao equivalente em banda base de zp (t), z(t).
Ora, conforme vimos na seo 4.4.1, Z(f ) = 2Zp (f + fc ). Recordando, Zp (f )
o sinal analtico de Zp (f ), ou seja, Zp (f ) contm apenas as freqncias positivas de
Zp (f ). Assim, como Zp (f ) = Sp (f )Hp (f ), temos que Zp (f ) = Hp (f ) Sp (f ). Portanto
Z(f ) = 2 Hp (f + fc ) Sp (f + fc ). Finalmente, como S(f ) por denio dado por
S(f ) = 2Sp (f + fc ), chegamos a
Z(f ) = H(f )S(f ),
(4.48)
H(f ) = Hp (f + fc )
(4.49)
onde
o equivalente em banda base da resposta em freqncia do canal. Note que, o
equivalente em banda base de um ltro linear no envolve a diviso por 2.
4.5 Equivalente em Banda Base da Transmisso em

Fase e em Quadratura
Depois de todo este desvio matemtico, onde determinamos equivalentes em
banda base de sinais em banda passante, podemos passar aplicao prtica destes
conceitos. Veremos, nesta seo, como todo o sistema de modulao e demodulao
podem ser representados em banda base.
Em primeiro lugar, seja sp (t) o sinal modulado em banda passante obtido em
(4.14) e repetido aqui por convenincia:
K1
sp (t) =
k=0
xk 2g(t kTs ) cos(2fc t)
yk 2g(t kTs ) sin(2fc t) .
(4.50)
70
Comparando (4.47) com (4.50), ca claro que

K1
x(t) =
xk g(t kTs )
k=0
K1
(4.51)
yk g(t kTs ).
y(t) =
k=0
Em outras palavras, o equivalente em banda base do sinal modulado em banda

passante sp (t) dado por
s(t) = x(t) + jy(t)

K1
(xk + jyk )g(t kTs )

k=0
K1
(4.52)
sk g(t kTs ),
=
k=0
onde sk = xk + jyk . Desta discusso, podemos ver porque o componente em

quadratura do sinal em (4.50) multiplicado por 1: isto simplica a comparao entre (4.47) e (4.50).
Mais ainda, considere que xk e yk tragam informao sobre M1 e M2 bits, respectivamente. Ou seja, xk e yk pertencem, respectivamente, a uma modulao N1 -PAM
e N2 -PAM, com N1 = 2M1 e N2 = 2M2 . Vemos em (4.52) que s(t) traz informao
sobre M = M1 + M2 bits. Alm disto, s(t) pode ser visto como um sinal PAM,
onde agora os smbolos assumem valores complexos sk = xk + jyk , de forma que
xk modula o componente em fase do sinal transmitido e yk modula seu componente
em quadratura. Por isto, este tipo de modulao chamado de N -QAM, do ingls
quadrature amplitude modulation, onde N = 2M .
Finalmente, note que o smbolo complexo sk tambm pode ser representado como
na gura 4.5. Para isso, devemos apenas lembrar que as variveis complexas podem
ser representadas em um plano, onde o eixo x corresponde parte real da varivel
e o eixo y corresponde sua parte imaginria.
4.5.1 Equivalente em Banda Base do Receptor em Banda

Passante
Falta agora apenas estabelecer um equivalente em banda base para o detector.
Para isso, vamos considerar novamente a transmisso de um nico pulso. Retomando
71
2exp( 2f t)
I
r +jr
x +jy
h(t)
real
z(t)
Deciso
r (t)
Figura 4.8: Equivalente complexo ao ltro de recepo da gura 4.4.

a gura 4.4, dena a varivel complexa
z(t) = rI (t) + jrQ (t).

(4.53)
Da gura 4.4 ca claro que z(t) = 2 exp(2fc t)r(t). Alm disto, esta varivel
contm toda a informao necessria para a recepo. De fato,
z(t) h(t) = rI (t) h(t) + jrQ (t) h(t).
(4.54)
Amostrando este sinal em t = 0, obtemos rI + jrQ . Como vimos na seo 4.1, a

partir real deste sinal tem as informaes necessrias para a recuperao de x0 , ao
passo que sua parte imaginria tem as informaes necessrias para a recuperao
de y0 .
Este resultado pode obviamente ser estendido para o caso em que vrios pulsos
so transmitidos. Em outras palavras, o receptor da gura 4.4 equivalente ao da
gura 4.8. A nica diferena que o ramo superior do receptor da 4.4 representado
na parte real das variveis da gura 4.8, ao passo que a parte imaginria destas
variveis traz a informao do ramo inferior. Note que o sinal rp (t) o nico sinal
real na gura 4.8, conforme explicitado pela caixa tracejada.
A comparao entre as gura 4.4 e 4.8 interessante por mais um motivo. Temos
aqui um exemplo de como sistemas com variveis complexas so de fato implementados: temos sempre dois circuitos, um que representa a parte real das variveis,
outro que representa a parte imaginria.
Voltando ao receptor, vamos estudar com mais detalhes o que acontece com o
sinal z(t). Para isso, assuma, temporariamente, que transmitimos o sinal mostrado
na gura 4.6(a), e que rp (t) = sp (t), ou seja, o canal no introduz nenhuma distoro.
Como z(t) = 2 exp(2fc t)rp (t), temos que Z(f ) = 2Rp (f + fc ), e seu espectro
est mostrado na gura 4.9. Obviamente, z(t) no o equivalente em banda base
de rp (t), pois ele possui componentes em freqncias centradas ao redor de 2fc .
Lembre-se, entretanto, que a resposta em freqncia do ltro de recepo est
limitada a |f | < B/2, ou seja, este um ltro passa-baixas. Na gura 4.9 mostramos
72
R (f+f )
c
G (f)
*
2f
B/2
0 B/2
Figura 4.9: Resposta em freqncia de rp (t) exp(2fc t) para o sinal em banda

passante da gura 4.4. A resposta de um ltro casado tambm mostrada.
exp( 2 f t )/2
x + jy
h(t)
+
+
Hilbert
real
r(t)
1/t
Deciso
r (t)
Figura 4.10: Obteno do equivalente em banda base ao ltro de recepo da gura

4.4.
tambm a resposta em freqncia de um ltro de recepo genrico. Claramente,
a resposta do ltro casado ao sinal z(t)) igual sua resposta ao equivalente em
banda bsica de rp (t), cuja resposta em freqncia est mostrada na gura 4.6(b).
Em resumo, o receptor mostrado na gura 4.8 pode ser equivalentemente implementado se primeiro determinarmos o equivalente em banda base do sinal transmitido e em seguida passarmos este sinal pelo ltro de recepo. Esta congurao
alternativa est mostrada na gura 4.10. Note que o equivalente em banda base
do sinal recebido implementado nesta gura de acordo com (4.41). Ainda que a
implementao na gura 4.10 seja mais complexa do que o receptor da gura 4.8, o
uso do ltro de Hilbert tem algumas vantagens prticas, principalmente em termos
de sincronizao, e portanto no deve ser descartado.
4.5.2 Equivalente em Banda Base do Sistema de Transmisso

A observao essencial de toda essa discusso que, como j dissemos, o equivalente em banda base r(t) traz toda a informao necessria sobre o sinal em banda
73
n(t)
s(t)
r(t)
h(t)
Smbolos
g(t)
Decisao
Bits
Mapeamento
Figura 4.11: Equivalente em banda base de um sistema de transmisso de dados em

banda passante. Fora os bits, os outros sinais so complexos.
passante rp (t). Em outras palavras, podemos trabalhar diretamente com r(t) no
receptor para recuperar os smbolos transmitidos. Assim, se for possvel determinar
r(t) a partir de s(t), para ns de simulao e anlise teremos conseguido eliminar
todo o processamento em banda passante, sobrando assim apenas o sistema equivalente em banda base.
Ora, sabemos que rp (t) = sp (t) + np (t). Observe, tambm, que todo o procedimento que leva do sinal em banda passante a seu equivalente em banda base,
conforme descrito na seo 4.4 linear. Ou seja, r(t) = s(t) + n(t), onde s(t), dado
por (4.52), o equivalente em banda base do sinal transmitido.
A determinao das caractersticas estatsticas de n(t) no muito simples, e o
tratamento que daremos aqui simplesmente intuitivo. Para isso, lembre-se que,
como vimos na seo anterior, a resposta do ltro casado a r(t) ou z(t) a mesma.
Assim, podemos dizer que n(t) o componente de rudo de z(t), ao invs de lidar
com o equivalente em banda base de np (t). Ora, como vimos na seo 4.1, este rudo
pode ser escrito como
n(t) = nI (t) + jnQ (t),
(4.55)
onde nI (t) e nQ (t) so dois processos estocsticos Gaussianos brancos de mdia nula.
Alm disso, eles so descorrelacionados, e fcil mostrar que, como E[n(t)n( )] = 0
se t = , ento E[nI (t)nI ( )] = E[nQ (t)nQ ( )] = 0 se t = . Em outras palavras,
temos que
N0
(t )
E[nI (t)nI ( )] = E[nQ (t)nQ ( )] =
2
(4.56)
E[nI (t)nQ ( )] = 0.
Em resumo, para ns de simulao e anlise de desempenho, podemos representar
todo o esquema de modulao e recepo em banda passante de acordo com o
equivalente em banda base mostrado na gura 4.11. Observe que nesta gura todos
os sinais (a menos dos bits) so complexos.
74
Finalmente, notamos que o sinal r(t), ao passar pelo ltro casado e o amostrador,
resulta em rI + jrQ . Isto porque a resposta do ltro casado a r(t) e z(t) a mesma.
Como para o transmissor, se pensarmos no plano da gura 4.5 como o plano complexo, o vetor r0 nesta gura se torna a representao grca do valor rI + jrQ .
Em outras palavras, o espao de sinais mostrado na gura 4.5 tambm pode ser
usado para representar o equivalente em banda base do sistema de transmisso.
Mais ainda, assumindo que o ltro de transmisso seja raz de Nyquist e o ltro de
recepo seja casado, conclumos que o sinal na sada do amostrador na gura 4.11
rk = sk + nk ,
(4.57)
onde sk o smbolo complexo transmitido e nk uma seqncia independente e

identicamente distribuda de rudo aditivo Gaussiano complexo. Este o chamado
modelo discreto do canal, e serve tanto para banda base quanto para banda passante.
4.6 Constelaes Alternativas

A modulao QAM nos permite maior exibilidade na escolha dos pontos da
constelao quando comparado a sistemas PAM. Anal de contas, estamos agora
trabalhando no plano, e no precisamos nos restringir a escolher um sinal N-PAM
para os componentes em fase e em quadratura. Nesta seo, discutiremos uma outra
constelao muito usada na prtica, conhecida como N-PSK, do ingls phase-shift
keying. Neste tipo de modulao, os smbolos so dados por
ai = r exp
j2
i , para i = 0, . . . , N 1.
N
(4.58)
Note que todos os pontos da constelao possuem o mesmo mdulo r, de forma que
a informao sobre o smbolo transmitido est contida apenas na sua fase. Esta
observao justica o nome deste tipo de modulao.
Constelaes N-PSK tm algumas vantagens prticas. O mdulo constante permite a implementao de receptores mais simples, bem como o uso de amplicadores
mais baratos na transmisso. Note tambm que a constelao 2-PSK coincide com a
2-PAM. Por isso, normalmente chamamos 2-PAM de BPSK, do ingls binary phaseshift keying. Temos tambm que uma constelao 4-PSK corresponde rotao de
um 4-QAM. Na gura 4.12, vemos alguns exemplos de modulaes PSK.

y
(a)
75
(b)
Figura 4.12: Exemplos de modulaes PSK: 4-PSK (a) e 8-PSK (b)
4.7 Exerccios
Exerccio 4.1:
s vezes, no possvel estimar exatamente a freqncia da portadora no transmissor. Esse exerccio investiga o que ocorre quando h um erro nesta estimativa.
1. Qual o equivalente em banda base de rp (t) = cos(2100t) sin(2100t) em
relao a uma portadora com fc = 99.875Hz?
2. Imagine que o equivalente em banda base amostrado uma vez por segundo.
Plote no plano complexo as primeiras oito amostras.
Exerccio 4.2:
Suponha que voc use uma modulao 4-QAM para transmitir um nico smbolo
a uma freqncia de 1kHz com pulso conformador g(t) = 1 para .5 < t < .5 e zero
fora deste intervalo. O sinal recebido dado por r(t) = g(t) cos(2000t + /6). Qual
foi o smbolo transmitido, de acordo com o critrio de distncia mnima?
Exerccio 4.3:
Considere o mesmo sistema do problema anterior. Suponha que o sinal recebido

seja igual o transmitido, ou seja, o canal no introduz nenhuma distoro. Entretanto, a fase da portadora no receptor est errada. Ou seja, enquanto as senides do
76
transmissor tm fase zero (cos(c t) e sin(c t)), as do receptor tm fase (cos(c t+)
e sin(c t + )). Qual o menor valor de que leva a um erro de recepo?
Exerccio 4.4:
Seja rp (t) um sinal em banda passante, com componentes em fase e quadratura

rI (t) e rQ (t). Seja rp (t) a transformada de Hilbert de rp (t), com componentes em
fase e quadratura rI (t) e rQ (t). Determine rI (t) e rQ (t) em funo de rI (t) e rQ (t).
Exerccio 4.5:
Imagine que o sinal em banda passante recebido seja rp (t) = sp (t) sp (t T ).

Determine o equivalente em banda base do canal, ou seja, o valor de h(t) tal que
r(t) = s(t) s(t Ts ). Note que este valor no nico. Anal de contas, o que o
canal faz fora da faixa de freqncias do sinal no importa. Entretanto, para um
valor em particular, a expresso de h(t) bastante simples.
Exerccio 4.6:
Seja o sistema em banda passante mostrado na gura abaixo:
)t f 2( nis 2
X
)t (g
so crtrqs
ortliF
)t(n
)t (g
so crtrqs
ortliF
)t(g
so crtrqs
ortliF
)t f 2( nis 2
c
o
sodamitse s
i
stiB c
e
D
)t f 2(soc 2
)t f 2(soc 2
)t(g
so crtrqs
ortliF
o
t
n
e
m
a
e
p
a
M
stiB
Figura 4.13: Modelo de um sistema de comunicao em Banda Passante

A simulao deste sistema pode ser feita atravs do seguinte programa:
%% Inicializao dos parmetros do sistema
Ns = 1e3;
% Ns define o numero de smbolos.
Rs = ?;
% Taxa de superamostragem
T = ?;
% Perodo de smbolo
rolloff = 0.35; % Define rolloff
tam_janela = ?; % Define tamanho da janela do filtro de TX e RX

% Ex.: tam_janela = 4, [-4:1/Rs:4]
dp_ruido = 0; % Desvio padro do ruido
fc = ?;
% Freqncia da portadora
%% Gerar sinal para transmisso
s_infs=gera_PAM(2,Ns); % smbolos
s_quad=gera_PAM(2,Ns); % smbolos
s_interp_infs=zeros(1,Ns*Rs); %
s_interp_quad=zeros(1,Ns*Rs); %
s_interp_infs(1:Rs:end)=s_infs; %
%
s_interp_quad(1:Rs:end)=s_quad %
%
2-PAM em fase
2-PAM em quadratura
Atribui os smbolos nas posies
corretas
Atribui os smbolos nas posies
corretas
%% Calcular coeficientes do filtro raiz de cosseno levantado

H = sqrtrcos(rolloff,tam_janela,Rs); % Gera filtro FIR raiz de
%cosseno levantado
%% Conformar smbolos pelo filtro raiz de cosseno levantado
s_conf_infs=conv(h,s_interp_infs);
s_conf_quad=conv(h,s_interp_quad);
%% Modular o sinal para banda passante (up-conversion)
s_bp=sqrt(2)*cos(2*pi*fc*[0:length(s_conf_infs)-1]*T/Rs).*s_conf_infs-...
sqrt(2)*sin(2*pi*fc*[0:length(s_conf_quad)-1]*T/Rs).*s_conf_quad;
%% Sinal recebido
r=s_bp+dp_ruido*randn(1,length(s_bp));
%% Demodulacao (down-conversion)
r_demod_infs=sqrt(2)*cos(-2*pi*fc*[0:length(r)-1]*T/Rs).*r;
r_demod_quad=sqrt(2)*sin(-2*pi*fc*[0:length(r)-1]*T/Rs).*r;
%% Filtragem pelo filtro casado (matched filter)
r_MF_infs=conv(r_demod_infs,h);
r_MF_quad=conv(r_demod_quad,h);
77
78
%% Ajuste do atraso e decimao

tau = [];
% Define instante de amostragem para realizar deciso
r_s_infs=r_MF_infs(1+tau:Rs:end-tau); % ajusta o instante de
% amostragem e
% elimina transitrio da filtragem
r_s_quad=r_MF_quad(1+tau:Rs:end-tau);
Pede-se:
a) Relacione cada um dos sinais do programa acima na gura do exerccio.
b) Gere a funo sqrtrcos e use os parmetros rolloff, tam_janela, Rs na sua construo. Sua sada deve retornar um vetor linha.
c) Encontre valores adequados e razoveis para as variveis atribudas com '?' (lembrese do critrio de Nyquist da amostragem para tal).
d) Use a funo que traa a densidade espectral de potncia para traar os espectros de
s_conf_infs, s_conf_quad, s_bp, r_demod_infs e r_demod_quad para os valores
escolhidos em (b) e verique se os resultados esto condizentes. Caso contrrio, volte
para o item (c).
e) Encontre um valor adequado para tau de maneira a amostrar o sinal r_MF quando o
"olho"estiver o mais aberto possvel. Para facilitar a sua vida, some ao valor de tau,
um valor que permita eliminar os transitrios (incio e m de r_MF) da convoluo
com o ltro na transmisso e na recepo.
f) Encontre a taxa de erro de bit(*) para valores de desvio padro do rudo diferente
2
de zero. Calcule o valor do desvio padro em funo de Eb /n . Nas simulaes,
2
use valores de Eb /n na faixa de 0dB a 7dB. Lembre-se de alterar o valor de Ns
para garantir um intervalo de conana razovel nas suas simulaes. (*) Decida os
valores de r_s_infs e r_s_quad e compare-os com s_infs e s_quad respectivamente.
g) Finalmente, veja se o seu sistema funciona corretamente comparando o resultado
obtido no item anterior com a probabilidade de erro de bit terica, assumindo codicao de Gray. Se tudo correr bem, a simulao deve gerar valores praticamente
iguais aos valores tericos. Seno gerar, algo deve estar errado na simulao ou no
clculo dos valores tericos de probabilidade de erro de bit.
h) Modique o programa para transmitir e receber em banda base. Neste caso, i.e.,
canal AWGN e sincronismo perfeito, necessrio ou vantajoso usar o raiz de cosseno
levantado e super-amostrar o sinal? Justique suas respostas.
79
i) A m de checar o simulador em banda base, obtenha a taxa de erro de bit para a

2
mesma faixa de Eb /n usada em (f ) e compare os resultados com a probabilidade
de erro de bit terica, assumindo codicao de Gray.
2
Dica: Para o calculo do desvio padro do rudo em funo da relao Eb /n , saiba
que a varincia de um processo estocstico de varincia 2 que passa por um ltro
H(z) dada por:
2
apsf iltragem = 2
|hk |2
o
onde hk so os coecients do ltro

Programa para traar a Densidade Espectral de Potncia:
%%%%%%% Densidade Espectral Potncia %%%%%%%%%%

function dep_plot(sinal,T,Rs)
N = 64;
% Tamanho da FFT
spec = zeros(1,N); % Espectro (inicializao)
for k=1:floor(length(sinal)/N),
spec=spec+abs(fft(sinal([1:N]+(k-1)*N))). 2;
end
plot(linspace(-Rs/T/2,Rs/T/2-Rs/T/N,N),fftshift(spec))
xlabel('Hz')
CAPTULO
Anlise de Desempenho
Agora que j estudamos diversos esquemas de transmisso, estamos prontos para

uma etapa igualmente importante: determinar como eles funcionam. Anal de
contas, parece bvio que 4-PAM mais vantajoso que 2-PAM, por oferecer o dobro
da ecincia espectral. Ou seja, podemos transmitir 2 vezes mais bits usando 4-PAM
que 2-PAM. Mas podemos novamente dobrar a ecincia espectral usando 16-PAM.
E porque no 64-PAM? A razo que, em engenharia, nada de graa. O preo que
pagamos pelo aumento da ecincia uma reduo na ecincia energtica. Ou seja,
se quisermos aumentar a ecincia espectral sem sacricar o desempenho do sistema
em termos de probabilidade de erro, devemos aumentar a potncia transmitida.
Assim, o objetivo central deste captulo quanticar esta probabilidade de erro,
para que possamos escolher a modulao mais adequada s exigncias do sistema
que estamos projetando.
Essencialmente, estamos interessados em calcular a probabilidade de erro de bits.
Infelizmente, este clculo pode ser bastante complexo. por isso que comearemos
com o clculo da probabilidade de erro de smbolos. Em seguida, discutiremos
como mapear bits em smbolos de forma que as duas probabilidades de erro sejam
aproximadamente as mesmas.
Antes de comear, revisaremos a funo Q, que est ligada distribuio de
probabilidade de variveis aleatrias Gaussianas.
80
CAPTULO 5. ANLISE DE DESEMPENHO
81
5.1 A Funo Q
Na anlise de desempenho, estaremos freqentemente interessados em calcular
a probabilidade de que uma varivel Gaussiana X exceda um determinado valor x.
Por isso, denimos
Q(x)
1
P[X > x] =
2
exp
x
t2
2
dt.
(5.1)
Nesta denio, assumimos que X tem mdia nula e varincia unitria. Desta
denio segue facilmente que
Q(x) = 1 Q(x).
(5.2)
Infelizmente, no existe uma frmula fechada para Q(x). Entretanto, existem

aproximaes e mtodos numricos bastante precisos, que so normalmente implementados por programas como MATLAB. Muitas vezes, denem-se outras duas
funes ligadas distribuio da Guassiana: a funo erro (erf, do ingls error function ) e a funo erro complementar (erfc, no ingls complementary error function ).
Estas se relacionam com a funo Q de acordo com
1
x
erf 1
2
2
x
1
Q(x) = erfc .
2
2
Q(x) =
(5.3)
Resta, ainda, determinar o que ocorre com uma varivel Gaussiana com mdias
e varincias quaisquer. Assim, seja Y N (, 2 ), de forma que
P[Y > y] =
1
2 2
exp
y
(t )2
2 2
dt.
(5.4)
Fazendo uma mudana de variveis para = (t )/ , conclumos que
1
P[Y > y] =
2
exp
2
2
d .
(5.5)
Em resumo, se Y N (, 2 ), ento
P[Y > y] = Q
(5.6)
3d
82
3d
Figura 5.1: Regies de deciso para uma modulao 4-PAM.
5.2 Desempenho de N -PAM

Podemos agora passar para a anlise de desempenho de modulaes em banda
base N -PAM, discutidos nos captulos 2 e 3. Neste caso, se transmitirmos uma
seqncia de smbolos {xk }N 1 usando um pulso de transmisso raz de Nyquist e
k=0
um ltro casado, o sinal na sada do amostrador dado por
rk = xk + nk ,
(5.7)
onde nk um rudo branco aditivo e Gaussiano. Podemos ento fazer a deteco

smbolo a smbolo, usando rk para determinar xk . Em outras palavras, o desempenho
neste caso pode ser calculado para um instante k qualquer.
Considere, ento, o uso de uma constelao N -PAM. Ou seja, ai A =
{(N 1)d, (N 3)d, . . . (N 1)d} os possveis smbolos transmitidos. Na gura
5.1, mostramos A para uma modulao 4-PAM. Neste gura, as linhas tracejadas
correspondem s regies de deciso do detector de distncia mnima. A regio ao
redor de um determinado smbolo corresponde aos pontos que esto mais prximos
deste smbolo do que de qualquer outro smbolo. Em resumo, se rk cair na regio
de deciso de um dado smbolo, o detector de distncia mnima dir que este foi o
smbolo transmitido. Por exemplo, para o valor de rk mostrado na gura, o detector
dir que d foi o k -simo smbolo transmitido.
Agora, seja e o evento de que o smbolo decidido difere do transmitido. Assim,
P[e] a probabilidade de erro, e P[e|ai ] a probabilidade de erro dado que ai foi
transmitido. Usando o teorema da probabilidade total, temos que
P[e] =
N 1 P[ai ] P[e|ai ]
i=0
1
=
N
N 1 P[e|ai ],
(5.8)
i=0
onde assumimos que todos os smbolos tm a mesma probabilidade de transmisso.
83
Vamos, inicialmente, restringir nossa ateno modulao 4-PAM mostrada na

gura 5.1. Considere, ento que o smbolo xk = ai foi transmitido, e vamos determinar P[e|ai ]. De acordo com o critrio de distncia mnima, P[e|ai ] a probabilidade
de que o rudo nk leve rk para mais prximo de um smbolo aj = ai . Esta situao
est mostrada na gura 5.1: assumindo que d foi transmitido, o detector de distncia
mnima cometeria um erro, pois decidiria por d.
De fato, se d foi transmitido, a probabilidade de erro igual probabilidade
de que o rudo seja maior do que d, caso em que a deciso ser 3d, ou que o rudo
seja menor do que d, caso em que a deciso pode ser d ou 3d, dependendo da
magnitude do rudo. Matematicamente, temos que
P[e|d] = P[{nk > d} {nk < d}].
(5.9)
Como estes eventos so disjuntos,
P[e|d] = P[{nk > d}] + P[{nk < d}].
(5.10)
Ora, nk N (0, 2 ), e portanto a primeira probabilidade acima dada por Q(d/).

Por simetria, a segunda probabilidade igual primeira. Finalmente, conclumos
que
d
P[e|d] = 2Q
.
(5.11)
Analisando a gura 5.1, vemos que os eventos que causam um erro quando d
transmitido so os mesmos que causam um erro quando d transmitido. Assim,
P[e| d] = P[e|d]. Finalmente, se 3d transmitido, um erro ocorre apenas se
nk > d. Assim,
d
P[e| 3d] = Q
.
(5.12)
Mais uma vez usando simetria, vemos que P[e| 3d] = P[e|3d]. Finalmente, usando
o teorema da probabilidade total, temos que a probabilidade de erro para 4-PAM
dada por
d
6
P[e] = Q
.
(5.13)
4
Mais genericamente, para uma modulao N -PAM, temos sempre dois pontos
limites, com as mesmas caractersticas que os pontos 3d e 3d na gura 5.1. Para
estes 2 pontos, a probabilidade de erro dada por (5.12). Temos tambm N 2
pontos centrais, com as mesma caractersticas que os pontos d e d na gura 5.1.
84
Para estes N 2 pontos, a probabilidade de erro dada por (5.11). Assim, para
uma modulao N -PAM qualquer, a probabilidade de erro dada por
2(N 2) + 2
d
Q
N
2(N 1)
d
.
=
Q
N
PN [e] =
(5.14)
Finalmente, faremos algumas manipulaes com o intuito de facilitar a comparao entre diferentes modulaes. A idia escrever a probabilidade de erro como
funo de Eb / 2 . Esta a razo entre a energia gasta para a transmisso de um
bit, Eb , e a energia do rudo, 2 . De fato, bvio que se aumentarmos a potncia de transmisso ou usarmos um sistema com rudo menor, ento obteremos uma
menor probabilidade de erro. Assim, escrever a probabilidade de erro como funo
de Eb / 2 evita que, ao comparar modulaes, alguma leve vantagem articial sobre
outra.
Vamos ento calcular a energia mdia gasta para a transmisso de um smbolo,
Es . Assumindo que o pulso conformador tenha energia unitria, temos que
Es = E[|ai |2 ]
N 1
|ai |2 P[ai ]
(5.15)
i=0
N 1
1
N
|d(2i + 1 N )|2 ,
i=0
onde assumimos novamente que todos os smbolos tm a mesma probabilidade e

escrevemos ai como d(2i + 1 N ). Usando frmulas para a soma de quadrados,
chegamos nalmente a
1
Es = d2 (N 2 1).
(5.16)
6
Se a energia do pulso conformador no for nula, basta multiplicar Es acima pela
energia do pulso para obter o valor correto. Alm disto, como um smbolo traz
informao sobre M = log2 (N ) bits, vemos que Es = M Eb . Assim, temos que
d=
6M Eb
,
N2 1
(5.17)
e, portanto,
PN [e] =
2(N 1)
Q
N
6M Eb
(N 2 1) 2
(5.18)
85
10
10
16
AM
P
8
Pe
10
10
AM
PA
4
M
2
PA
10
10
10
10
15
20
Eb/2(dB)
Figura 5.2: Probabilidade de erro de smbolo para vrias modulaes N -PAM.

Em outras palavras, (5.18) nos d a probabilidade de erro de uma modulao
N -PAM em funo da relao sinal-rudo Eb / 2 . Na gura 5.2, mostramos a probabilidade de erro para algumas modulaes N -PAM. Claramente, quanto maior o
valor de N (e, portanto, maior a ecincia espectral), maior a energia de transmisso
necessria para que o sistema funcione a uma determinada probabilidade de erro.
Nesta gura, note que o eixo y est em uma escala logartmica. O eixo x est em
uma escala linear. Entretanto, a SNR est expressa em decibis. Ou seja, o valor
no eixo x
Eb
Eb
(dB) = 10 log10
.
(5.19)
2
5.2.1 Distncia Mnima, Energia e Desempenho

Nesta seo, buscaremos dar alguma intuio a respeito do desempenho de uma
constelao PAM. Esta discusso ser baseada na energia por bit de uma modulao
N -PAM e na sua probabilidade de erro, dadas por (ver (5.14) e (5.17))
d
2(N 1)
Q
N
1 2 2
d (N 1).
Eb =
6M
PN [e] =
(5.20)
A primeira observao que a funo Q decrescente. Ou seja, quanto maior o

seu argumento, menor o seu valor. Assim, quanto maior for d, menor a probabilidade
86
de erro. Ora, a distncia entre um smbolo e seu vizinho igual a 2d. Assim, quanto
maior a distncia entre um smbolo e seu vizinho, menor PN [e]. Esta observao
vlida em geral para praticamente toda modulao: quanto maior for a distncia
entre os smbolos, menor ser a probabilidade de erro.
Entretanto, quanto maior for d, maior ser a energia transmitida Eb . Visto de
outra forma, se eu limitar o valor de Eb e quiser aumentar o nmero de smbolos,
eu serei obrigado a diminuir d. Temos assim dois objetivos conitantes: maximizar
d e minimizar Eb . Para sistemas PAM, no podemos fazer muito a respeito. Para
sistemas QAM, por outro lado, j possvel fazer alguma coisa. Este tpico
chamado de projeto de constelaes, e sua discusso foge do escopo deste curso.
5.3 Desempenho de N -QAM

O clculo de desempenho de modulaes N -QAM muito semelhante ao procedimento mostrado na seo anterior. Em particular, a deteco smbolo-a-smbolo
tambm tima, de forma que precisamos apenas considerar a transmisso de um
nico smbolo para determinar a probabilidade de erro. A nica diferena, neste
caso, que consideraremos o equivalente em banda base do sistema, de forma que
as variveis envolvidas so complexas.
Assim, seja r o sinal na sada do amostrador. Dos resultados do captulo 4, temos
que
r = s + n,
(5.21)
onde s = x + jy o smbolo transmitido e n = nI + nQ o rudo. Lembre-se quenI
e nQ so variveis aleatrias Gaussianas independentes de mdia zero e varincia
2 . Temos tambm que x e y so smbolos N1 -PAM, onde N1 = N . Ou seja,

x, y {(N1 1)d, (N1 3)d, . . . (N1 1)d}. Assim, o smbolo s pode assumir
2
N = N1 valores {ai }N 1 .
i=0
A exemplo da seo anterior, mostramos na gura 5.3 um exemplo dos possveis
valores de s para uma modulao 16-QAM. Nesta gura, as linhas tracejadas marcam as regies de deciso ao redor de um smbolo. Estas regies correspondem aos
pontos mais prximos do smbolo do que de qualquer outro smbolo. Em outras
palavras, se r cair na regio de deciso de um smbolo, o detector de distncia mnima dir que este foi o smbolo transmitido. Por exemplo, para o valor de r mostrado
na gura 5.3, diremos que o smbolo transmitido foi s = d jd.
87
y
3d
3d
3d
3d
Figura 5.3: Regies de deciso para uma modulao 16-QAM.

A determinao da probabilidade de erro de uma constelao N -QAM baseada
na probabilidade de erro de uma constelao N1 -PAM, dada em (5.18). A primeira
observao a fazer que a relao sinal rudo das duas constelaes a mesma. De
fato,
E[|s|2 ] = E[|x|2 ] + E[|y|2 ] = 2 E[|x|2 ]
(5.22)
E[|n|2 ] = E[|nI |2 ] + E[|nQ |2 ] = 2 E[|nI |2 ],
onde usamos o fato de que, por simetria, E[|x|2 ] = E[|y|2 ] e E[|nI |2 ] = E[|nQ |2 ].
A segunda observao que o demodulador de um sinal em fase e quadratura
consegue separar perfeitamente os componentes em fase e quadratura. Em outras
palavras, no receptor temos basicamente duas demodulaes N1 -PAM, uma para
x, outra para y . Assim, para que o smbolo QAM detectado seja igual ao smbolo
transmitido, devemos ter que tanto x quanto y so corretamente detectados. Seja
P[c] a probabilidade de uma deciso correta do smbolo N -QAM. Assim,
P[c] = (1 PN1 [e])2 ,
(5.23)
onde 1PN1 [e] a probabilidade de uma deciso correta do smbolo N1 -PAM. Assim,
88
10
10
10
Pe
QA
64
P
8
AM
PA
PA
QA
4
2
10
QA
16
10
10
10
10
15
20
Eb/2(dB)
Figura 5.4: Probabilidade de erro de smbolo para vrias modulaes N -QAM. As
linhas tracejadas correspondem s probabilidades para N -PAM.

a probabilidade de erro para N -QAM dada por
P[e] = 1 (1 PN1 [e])2 .
(5.24)
Na gura 5.4, mostramos a probabilidade de erro para algumas modulaes N QAM. Como no caso PAM, quanto maior o valor de N , maior a energia de transmisso necessria para que o sistema funcione a uma determinada probabilidade de
erro. Nesta gura, mostramos tambm, nas linhas tracejadas, as probabilidades de
erro de N1 -PAM. Claramente, estas duas probabilidades de erro esto prximas. Isto
prov mais uma justicativa para o uso de sinais em fase e quadratura para a transmisso em banda passante: de fato podemos dobrar o nmero de bits transmitidos
sem incorrer em perda de desempenho.
5.4 Mapeamento de Gray

At agora, lidamos apenas com a probabilidade de erro de smbolos. Entretanto,
nosso maior interesse na probabilidade de erro de bits. Obviamente, esta probabilidade depende da forma como os bits so mapeados em smbolos. Assim, nesta seo
discutiremos um mapeamento de bits para smbolos, chamado de mapeamento de
Gray, que, de certa forma, minimiza a probabilidade de erro de bits para uma dada
89
y
1101
1001
1000
1100
0101
0001
0000
0100
0111
0011
0010
0110
1111
1011
1010
1110
Figura 5.5: Mapeamento de Gray para uma modulao 16-QAM.

modulao. Observe que, dada a modulao, a probabilidade de erro de smbolos
est automaticamente determinada.
O mapeamento de Gray parte da observao de que, quando o detector erra,
muito provvel que ele escolha um smbolo adjacente ao que foi transmitido. A
idia, ento, fazer com que smbolos vizinhos diram em apenas um bit. Assim,
com grande probabilidade, um erro de smbolo acarretar apenas um erro de bit.
Como um smbolo carrega informao sobre M bits temos que, quando usamos um
mapeamento de Gray,
P[erro de bit]
1
P[erro de smbolo].
M
(5.25)
Ainda que existam algoritmos para determinar o mapeamento de Gray, sua descrio foge do escopo deste texto. Ainda assim, na gura 5.5, mostramos este
mapeamento para uma modulao 16-QAM. A observao interessante nesta gura
que, para um mapeamento Gray, os valores de x e y no so escolhidos independemente. Ou seja, no possvel, por exemplo, usar os dois primeiros bits para
escolher x e os dois ltimos para escolher y .
90
5.5 Exerccios
Exerccio 5.1:
Foi pedido a um tcnico de laboratrio a implementao de uma modulador 16QAM. Infelizmente, o tcnico desconhecia o cdigo de Gray e realizou o seguinte
mapeamento:
y
1011
1001
0010
0011
1010
1000
0000
0001
1101
1100
0100
0110
1111
1110
0101
0111
Figura 5.6: Mapeamento implementado para a modulao 16-QAM.

Pede-se: Calcule a relao da taxa de erro de bit deste mapeamento com o
mapeamento gerado pelo cdigo de Gray. Siga o mesmo raciocnio usado no cdigo
de Gray: considere apenas que o erro para os smbolos adjacentes ao transmitido.
CAPTULO
Equalizao
Por enquanto, assumimos que a nica distoro introduzida pelo canal o rudo.
Este tipo de canal chamado de AWGN, do ingls additive white Gaussian noise.
Neste captulo, discutiremos uma outra distoro introduzida pela maioria dos canais
de comunicaes, e que pode ser modelada pela ao de um ltro linear. Ou seja, um
modelo bastante adequado para representar a maioria dos sistemas de comunicaes
aquele mostrado na gura 6.1. Esta gura resume em grande parte tudo o que
vimos at agora, ento vamos descrev-la com mais detalhe. Temos que
sk representa os smbolos PAM ou QAM a serem transmitidos.

g(t) representa o ltro conformador de pulso.
b(t) representa a resposta ao impulso do canal.
n(t) representa o rudo.
r(t) representa o sinal recebido.
h(t) representa o ltro de recepo.
Note que a gura 6.1 pode representar tanto um sistema em banda base (neste
caso, os sinais so reais) quanto um sistema em banda passante (neste caso, os sinais
so complexos). Por enquanto, lidamos apenas com o caso ideal em que b(t) = (t),
91
CAPTULO 6. EQUALIZAO
92
n(t)
s(t)
b(t)
g(t)
r(t)
h(t)
p(t) = g(t)*b(t)
Figura 6.1: Modelo de sistemas de comunicaes para canais no-ideais.

de forma que r(t) = s(t) + n(t). O objetivo deste captulo o projeto de receptores
adequados a canais no-ideais.
6.1 Filtros de Recepo e Modelo Discreto do Canal

O objetivo desta seo discutir o projeto do ltro de recepo h(t) para um
sistema com um canal no-ideal. Vamos tambm determinar um modelo discreto de
canal que relaciona sk a rk . Para comear, chamamos a ateno para o fato de que
a presena do canal pode ser vista como uma modicao no pulso conformador.
De fato, considere um sistema que use um pulso conformador p(t) = g(t) b(t) e
onde o canal seja AWGN. Este sistema obviamente idntico ao da gura 6.1, como
mostrado nesta prpria gura.
Assim, podemos pensar no sistema da gura 6.1 da mesma forma que temos
pensado at aqui, como se o canal fosse ideal e o pulso conformador fosse p(t). Em
particular, podemos obter um receptor de distncia mnima passando o sinal por
um ltro casado com o pulso equivalente p(t). De fato, pode-se mostrar que se
h(t) = p(t), ento rk contm toda a informao relevante a respeito de sk . Ou
seja, rk , nesse caso, estatstica suciente.
Algumas observaes so de interesse:
A resposta ao impulso do canal pode no ser real. Anal, podemos estar

lidando com o equivalente em banda base de um canal em banda passante.
Assim, o nosso ltro de recepo pode ser complexo. Para o caso de sinais
complexos, o ltro casado , na realidade, dado por h(t) = p (t).
Dicilmente o pulso equivalente p(t) satisfaz o critrio de raz de Nyquist dado
em (3.23) na pgina 43. Assim, teremos interferncia entre os smbolos na
93
sada do ltro de recepo. Por isso, um detector smbolo-a-smbolo no

mais timo, pois o sinal rk contm informaes sobre ak e outros smbolos adjacentes. Um dos principais objetivos deste captulo mostrar como podemos
processar digitalmente o sinal rk de forma a possibilitar a deciso smbolo-asmbolo.
A maior diculdade na implementao do ltro casado p (t) que o canal tem
que ser precisamente conhecido no receptor. Isto, na vasta maioria dos casos, no
uma hiptese realista. O que se faz na prtica , em geral, simplesmente usar
um ltro de recepo passa baixas, de forma a eliminar o rudo fora da faixa de
freqncias de interesse. Aps a ltragem passa-baixas de r(t), temos duas opes.
A primeira amostrar o sinal taxa de smbolos. Ora, para podermos amostrar
taxa de smbolos sem perda de informao a respeito de s(t), deveramos usar
um ltro casado h(t) = p (t). Como usamos um ltro passa-baixas qualquer, este
procedimento traz uma perda de desempenho. Entretanto, esta perda em geral no
muito grande, e a simplicidade do sistema resultante faz com que ele seja muito
usado na prtica. Neste caso, temos que
L2
rk =
skl fl + nk
l=L1
(6.1)
L2
skl fl + nk ,
= sk f0 +
l=L1
l=k
onde fkl = f (k l)Ts , para f (t) = g(t)b(t)h(t), e nk uma seqncia iid de rudo
Gaussiano de mdia zero e varincia 2 . Para ver isto, basta seguir o procedimento
que levou a (2.12), na pgina 20. O modelo resultante est mostrado na gura 6.1.
A segunda equao em (6.1) explicita bem o efeito do canal: seu primeiro termo
corresponde ao smbolo desejado, seu segundo termo corresponde interferncia dos
outros smbolos (IIS), e seu ltimo termo corresponde ao rudo.
Note que, em (6.1), assumimos que f (t) = 0 para t < L1 Tt e t > L2 Tt . Em
resumo, assumimos que f (t) tem durao nita. Obviamente, os parmetros L1 e L2
dependem do canal e dos ltros de transmisso e recepo. Tambm importante
observar que, como no caso dos pulsos conformadores na pgina 23, encontramos
aqui sistemas no-causais que no existem na prtica. Como anteriormente, esta
no causalidade pode ser facilmente contornada introduzindo um atraso no sistema,
94
Figura 6.2: Modelo discreto de um sistema de comunicaes.

de forma que no instante de tempo k ns estamos interessados em estimar o sinal
transmitido no instante k . E, como anteriormente, usamos sistemas no-causais
apenas para facilitar a notao.
Finalmente, para podermos dizer que o rudo iid, assumimos que o ltro de
recepo h(t) raz de Nyquist para a taxa de amostragem, conforme mostrado na
seo 3.4.3, na pgina 46. Na verdade, o ltro mais usado na prtica neste caso
parte da observao de que o ltro de transmisso pode ser visto como um ltro
passa-baixas. Mais ainda, o pulso conformador em geral raz de Nyquist. Assim,
usamos normalmente um ltro de recepo casado com o ltro de transmisso, ou
seja, h(t) = g(t).
Uma alternativa amostragem taxa de smbolos surge da observao de que
o pulso equivalente p(t) um sinal limitado em freqncias. De fato, se g(t)
for um raz de cosseno levantado, p(t) ser forosamente limitado a freqncias
|f | < (1 + )/(2Ts ). Assim, se amostrarmos o sinal ao dobro da maior freqncia
do sinal transmitido (aps passarmos r(t) por um ltro contra aliasing ) o processamento digital de rk se torna equivalente ao processamento em tempo contnuo de
r(t). Podemos, por exemplo, implementar digitalmente o ltro casado h(t) = g(t).
Por exemplo, para o cosseno levantado, temos que < 1, de forma que |f | < 1/Ts .
Assim, se passarmos r(t) por um ltro passa-baixas anti-aliasing e amostrarmos o
sinal resultante ao dobro da freqncia de smbolos, podemos implementar o ltro casado ideal digitalmente. Isto resulta em um equalizador fracionrio, pois o
perodo de amostragem uma frao do perodo de smbolos. Estudaremos estes
equalizadores no nal deste captulo. Antes que voc se pergunte porque estudar
qualquer outro tipo de equalizador, notamos que, apesar de resultar em um desempenho melhor, o equalizador fracionrio tem uma complexidade maior, e muitas
95
vezes amostrar ao dobro da taxa de smbolos pode ser invivel ou, na melhor das
hipteses, muito caro.
Como sempre, desejamos determinar a estrutura de recepo que minimiza a
probabilidade de erro. E, como sempre, esta estrutura obtida atravs do critrio
de distncia mnima, que deve ser implementado levanto em conta o sinal amostrado
na sada do ltro casado h(t) = p (t). Infelizmente, o detector de distncia mnima
para canais com IIS pode ser demasiado complexo, sendo implementado em apenas
alguns poucos casos prticos. Por isto, eles no sero discutidos neste curso. Na
seqncia, discutiremos algumas solues alternativas que, embora no minimizem
a probabilidade de erro, levam a um desempenho satisfatrio, sendo bastante usadas
na prtica.
6.2 Equalizadores Lineares

Considere, ento, que o sinal amostrado dado por (6.1). Conforme mencionamos, este sinal contm IIS, de forma que a deteco smbolo-a-smbolo no
mais tima. Uma soluo muito usada na prtica o uso de equalizadores lineares,
que consiste na ltragem linear de rk . Um equalizador linear est mostrado na gura
6.3. Se wk a resposta ao impulso do equalizador, sua sada dada por
sk = wk rk = qk sk + wk nk ,
(6.2)
onde qk = wk fk a resposta ao impulso do ltro linear global que liga sk a sk .
interessante notar que, de acordo com a nossa denio, no instante k o equalizador tenta estimar o k -simo smbolo transmitido. Ora, muito possivelmente o
sinal recebido no instante k + 1, rk+1 , sofre alguma inuncia de sk . Portanto,
gostaramos de usar rk+1 para o clculo de sk . O mesmo vale para rk+2 , rk+3 ,
Ou seja, no instante k , queremos usar os smbolos recebidos no futuro para calcular

a sada do equalizador, o que leva obviamente a um ltro no-causal. Assim como
zemos com o pulso conformador no causal, podemos atrasar o sistema, compensando esta no causalidade. Em outras palavras, podemos pensar que no instante k
ns queremos estimar o smbolo skd para um certo atraso d. Entretanto, o uso de
um equalizador no causal facilita a notao, e portanto manteremos esta conveno
aqui..
Em geral, a resposta ao impulso do equalizador nita, indo do instante N1
at N2 . Para estes equalizadores de durao nita a sada do equalizador pode ser
equalizador
Deciso
96
Figura 6.3: Sistema com um equalizador linear.

escrita de duas formas que se mostraro convenientes nas dedues que se seguiro.
Assim, temos que
N2
sk =
wn rkn
n=N1
(6.3)
= wT rk ,
onde denimos os vetores
w = [wN2 , wN2 1 , . . . , wN1 ]T

rk = [rkN2 , wk(N2 1) , . . . , rk+N1 ]T ,
(6.4)
ambos de dimenso (N1 + N2 + 1) 1.

O objetivo do equalizador tentar, de certa forma, desfazer a IIS. Ou seja,
deseja-se que o sinal na sua sada, sk , se aproxime, da melhor forma possvel, do
que seria observado na sada de um canal AWGN. A questo, ento, como determinar os coecientes wk do equalizador da melhor forma possvel. Uma abordagem
em princpio bvia tentar encontrar um equalizador que inverta o canal. Este
equalizador fora a IIS em (6.1) a zero, sendo portanto chamado de equalizador de
foragem a zero (ZF, do ingls zero-forcing ). Note que, nesta abordagem, estamos
basicamente ignorando a presena do rudo.
Para que a cascata do canal com o equalizador resulte em um ltro sem distores, devemos ter que
1
.
(6.5)
WZF (f ) =
F (f )
Neste caso, teremos que
sk = sk + wk nk .
(6.6)
Infelizmente, se F (f ) = 0 para alguma freqncia f , ento WZF (f ) teria que ser

innito nesta freqncia. Portanto, neste caso o equalizador ZF no implementvel.
Mesmo que isso no ocorra, podemos ter o problema de amplicao do rudo (no
97
ingls, noise enhancement ) se F (f ) for pequeno para alguma freqncia. De fato,

a densidade espectral de potncia do componente de rudo na sada do equalizador,
wk nk , |WZF (f )|2 N0 /2, de forma que a energia do rudo na sada do equalizador
ZF dada por
N0
N0
1
|WZF (f )|2 dt =
dt.
(6.7)
2
2
|F (f )|2
Obviamente, se F (f ) for pequeno ento 1/|F (f )|2 ser grande, o que poder levar
a um alto valor para a energia do rudo.
Em outras palavras, no podemos nos preocupar apenas com a eliminao da
IIS. Devemos, na realidade, buscar um equalizador que atinja um compromisso entre
a amplicao do rudo e a atenuao da IIS. Para determinar um critrio razovel
para o projeto do equalizador, vamos estudar o desempenho de um equalizador
genrico.
Imagine ento que o equalizador tenha executado bem sua tarefa, e que sua sada
possa ser escrita como
sk = sk + ek ,
(6.8)
onde ek
sk sk o erro entre a sada do equalizador e o valor que gostaramos
que ela tivesse. Claramente, podemos ver ek como um rudo. Em geral, ele no ser
Gaussiano, pois funo tanto do rudo quanto dos smbolos interferentes. (Isto no
ocorre com um equalizador ZF.) Assim, a probabilidade de erro no pode ser determinada como no captulo 5. Na realidade, a determinao exata da probabilidade
de erro na sada do equalizador uma tarefa em geral difcil. Isto tambm diculta
a determinao de um equalizador linear que minimize a probabilidade de erro.
Por outro lado, o clculo da relao-sinal-rudo (SNR) na sada do equalizador
em geral simples. Denimos esta SNR como
SN Re =
E[|sk |2 ]
.
E[|ek |2 ]
(6.9)
Assumindo que ek Gaussiano, podemos aproximar a probabilidade de erro usando

esta SNR nas frmulas estudadas no captulo 5. Ainda que isto seja apenas uma
aproximao, o fato que equalizadores que apresentam uma melhor SNR em geral
tm um melhor desempenho em termos de probabilidade de erro.
98
6.2.1 Equalizao de Quadrados Mnimos

Ora, como a SNR est ligada ao desempenho do sistema equalizado, podemos
tentar projetar um equalizador que maximize a SNR. Como E[|sk |2 ] dado, podemos equivalentemente tentar minimizar o denominador da SNR, E[|ek |2 ]. Assim,
nesta seo, estudaremos um equalizador cujo objetivo simplesmente minimizar
a varincia do erro ek . Este equalizador chamado de equalizador de mnimo erro
quadrtico mdio (MMSE, do ingls minimum mean-square error ).
Nosso objetivo , ento, achar w de forma que o custo J(w)
E[|ek |2 ] seja
mnimo. Em primeiro lugar, importante notar que E[|ek |2 ] de fato uma funo
de w, j que sk = wT rk . tambm interessante ressaltar que J(w) uma forma
quadrtica, o que pode ser visto como uma espcie de parbola em vrias dimenses.
Uma conseqncia importante destes fatos que, como uma parbola, J(w) possui
apenas um mnimo.
Para o projeto do equalizador, vamos assumir inicialmente que as variveis envolvidas so reais. Para determinarmos o vetor w que minimiza J(w), devemos
igualar as derivadas de J(w) em relao aos componentes de w a zero. Em outras
palavras, devemos fazer
J(w) = 0
(6.10)
wn
para todos os coecientes do equalizador, ou seja, para n = N1 , . . . , N2 . Ora,
assumindo que podemos trocar a ordem da derivada com a esperana, devemos ter
que
E[|ek |2 ] = E
|ek |2 = 0.
(6.11)
wn
wn
Aplicando a regra da cadeia, devemos ento ter que
E 2ek
ek = 0.
wn
(6.12)
Podemos, evidentemente, dividir ambos os lados desta equao por 2. Mais ainda,
da denio de ek em (6.3), fcil (mesmo) ver que
ek = rkn .
wn
(6.13)
Assim, temos que a soluo tima deve satisfazer
E[ek rkn ] = 0,
(6.14)
99
para n = N1 , . . . , N2 .
Para podermos expressar com mais detalhes o equalizador que minimiza J(w),
conveniente expressar a soluo em uma forma matricial. Para isto, colocamos as
N1 + N2 + 1 equaes que resultam de (6.14) em um vetor. Assim, temos que, para
a soluo tima,
E[rk ek ] = 0.
(6.15)
importante notar que E[rk ek ] o gradiente da funo custo J(w) em relao a w.
Voltando ao projeto do equalizador, como ek = sk rT w, chegamos a
k
E[rk sk rk rT w] = 0.
k
(6.16)
Usando a linearidade da esperana e o fato de que w no aleatrio, vemos nalmente que a soluo deve satisfazer
E[rk sk ] E[rk rT ]w = 0.
k
Sejam, ento,
R = E[rk rk T ],
p = E[rk sk ].
(6.17)
(6.18)
Note que estas quantias correspondem, respectivamente, matriz de auto-correlao

do vetor rk , e sua correlao cruzada com o valor que queremos estimar, sk . Com
estas denies, chegamos, nalmente, a
w = R1 p.
(6.19)
Esta soluo , em geral, conhecida por soluo de Wiener, em homenagem

ao matemtico que estabeleceu as bases da estimao de quadrados mnimos. As
equaes de Wiener so bastante genricas. De fato, sempre que queremos determinar um ltro linear para estimar um sinal a partir de outro, os coecientes do
ltro sero dados por R1 p, onde R e p so, respectivamente, a matriz de autocorrelao do vetor na entrada do ltro e a correlao cruzada entre este vetor e o sinal
desejado.
Para ns de ilustrao, mostramos na gura 6.4(b) a resposta ao impulso da
cascata do equalizador MMSE com o canal mostrado na gura 6.4(b). Conforme
vemos, o equalizador tenta aproximar a resposta da cascata a um impulso. Esta
aproximao no exata por dois motivos. Primeiro, o equalizador tem um comprimento limitado, o que limita sua habilidade de inverter o canal. Por outro lado,
o equalizador MMSE adota uma soluo de compromisso entre inverter o canal e
amplicar o rudo.
100
k
w *h
k
(a)
(b)
Figura 6.4: Efeito do equalizador MMSE. Observe como a resposta ao impulso do

canal (a) se aproxima de um impulso (b) ao ser convoluda com o equalizador.
Assumimos um rudo de varincia 0.01.
Caso Complexo
No caso de sistemas em banda passante, trabalhamos com os equivalentes em
banda base. Isto resulta em variveis complexas, o que traz algumas complicaes.
Em princpio, estas complicaes so articiais. Anal de contas, a funo que queremos minimizar, E[|ek |2 ], real. Tambm podemos pensar que nossas variveis so
as partes reais e imaginrias do vetor w, que tambm so variveis reais. Assim,
temos na realidade um problema de minimizao de uma funo real de coecientes
reais, o que sabemos facilmente resolver. Esta abordagem, entretanto, no notacionalmente conveniente.
A principal diculdade , na realidade, a denio de uma derivada de uma
funo em relao a uma varivel complexa que tenha as propriedades desejadas.
Para contornar esta diculdade, estudaremos aqui uma abordagem alternativa para
a determinao dos coecientes do equalizador de quadrados mnimos que serve
tanto para o caso complexo quanto para o caso contnuo.
Comeamos esta abordagem alternativa expandindo J(w), o que nos leva a
J(w) = E[|sk sk |2 ]
= E[(sk sk )(sk sk ) ]
(6.20)
= E[|sk |2 sk s sk s + s sk ].
k k k
Usando a denio de sk e o fato de que a soma das esperanas a esperana da
soma, podemos escrever que
J(w) = E[|sk |2 ] E[sk (wT rk ) ] E[s (wT rk )] + E[(wT rk ) wT rk ].

k
(6.21)
101
Ora, sk um escalar, de forma que sk = sT . Mais ainda, o conjugado do produto
k
igual ao produto dos conjugados. Usando estas duas propriedades, chegamos a
J(w) = E[|sk |2 ] E[wH r sk ] E[s rT w] + E[wH r rT w],

k
k k
k k
(6.22)
onde wH o vetor w transposto e conjugado. Observe, agora que o vetor w no

aleatrio e, portanto, pode ser removido da esperana. Assim, conclumos que
J(w) = E[|sk |2 ] wH E[r sk ] E[s rT ]w + wH E[r rT ]w.

k
k k
k k
Sejam, ento
R = E[r rT ],
k k
p = E[r sk ].
k
(6.23)
(6.24)
Note que estas quantias correspondem, respectivamente, matriz de auto-correlao

do vetor r , e sua correlao cruzada com o valor que queremos estimar, sk , e so
k
semelhantes s denidas em (6.18). Com estas denies, chegamos, nalmente, a
J(w) = E[|sk |2 ] pH w wH p + wH Rw.
(6.25)
Por enquanto, no zemos nada alm de escrever a funo custo em funo de

R e p. Observe, entretanto, que (6.25) uma forma quadrtica. De fato, ela tem
algumas semelhanas com as formas quadrticas para uma varivel s quais estamos
acostumados, ou seja, ax2 + bx + c. Por exemplo, vemos em (6.25) que a matriz
R tem o mesmo papel que a constante a, o vetor p tem papel semelhante ao da
constante b, e E[|sk |2 ] exerce a mesma funo da constante c. Assim como no caso
linear, podemos completar os quadrados em (6.25), obtendo
J(w) = E[|sk |2 ] pH R1 p + (w R1 p)H R(w R1 p).
(6.26)
importante notar que o objetivo de completar os quadrados tornar apenas um

dos termos desta equao (o terceiro) depende de w.
De certa forma, no muito fcil chegar a (6.26). Por outro lado, relativamente simples vericar que esta equao est correta. Para isto, necessrio notar,
de (6.24), que a matriz R hermitiana, ou seja, RH = R. Uma conseqncia
importante deste fato que (R1 )H = R1 .
Para podermos prosseguir, observamos que R uma matriz dita positiva denida.
Isto que dizer que, para qualquer vetor x, xH Rx 0. De fato, usando a denio
102
de R e o fato de que x no aleatrio, temos que
xH Rx = xH E[r rT ]x
k k
= E[xH r rT x]
k k
= E[(rT x) (rT x)]
k
k
(6.27)
= E[|rT x|2 ] 0,
k
onde usamos o fato de que xH r um escalar, e portanto igual ao seu transposto, e
k
que o conjugado do produto igual ao produto dos conjugados.
Como R denida positiva, o menor valor que o terceiro termo de (6.26) pode
assumir zero, o que ocorre quando
w R1 p = 0.
(6.28)
Ou seja, os coecientes do equalizador MMSE satisfazem
w = R1 p.
(6.29)
Uma primeira observao interessante a fazer neste caso que (6.26) nos permite
determinar o menor valor possvel para a varincia do erro. De fato, fazendo o
terceiro termo de (6.26) igual a zero, obtemos que a menor varincia possvel para
o rudo dada por
Jmin (w) = E[|sk |2 ] pH R1 p.
(6.30)
Outra observao importante a semelhana entre a soluo para o caso real e
o complexo. Como esperado, estas duas abordagens produzem o mesmo resultado
para variveis reais. Mais ainda, ela nos indica que podemos denir o gradiente de
J(w) no caso complexo. De fato, se denirmos
w J(w)
= E[r ek ]
k
(6.31)
e zermos todo o procedimento que levou soluo no caso real, obteremos a mesma
soluo que foi alcanada no caso complexo. Em resumo, esta denio do gradiente
possui uma propriedade crucial: igualando este gradiente a zero, obtemos o vetor
complexo w que minimiza J(w).
To importante quanto dar a soluo o fato de que, da mesma forma que o
gradiente para funes reais, w J(w) nos d a direo em que J(w) mais cresce.
(A demonstrao deste resultado no bvia.) Conforme veremos, esta propriedade
103
crucial para a obteno dos coecientes do equalizador na prtica. De fato, foi

apenas para chegar a esta denio de gradiente no caso complexo que adotamos
as duas abordagens, uma baseada no gradiente e outra baseada em completar os
quadrados.
6.2.2 Clculo do Equalizador MMSE em Funo do Canal

Nesta seo, buscaremos escrever explicitamente os coecientes timos do equalizador MMSE em funo dos coecientes do canal. Obviamente, para isto devemos
apenas escrever as quantias R e p em funo do canal. Vamos considerar aqui o
caso complexo, j que o caso real apenas um caso particular desse. Assumiremos
aqui que tanto o sinal transmitido quanto o rudo so brancos, o que uma situao
muito comum na prtica.
Note que ambas as estatsticas que estamos querendo calcular so funo do
vetor na entrada do equalizador, rk . Assim, vamos comear expressando este vetor
em funo das variveis aleatrias cujas estatsticas assumimos serem conhecidas,
sk e nk . Lembre-se que
L2
rk =
skl fl + nk
(6.32)
l=L1
rk = [rkN2 , rk(N2 1) , . . . , rk+N1 ].
(6.33)
Usando estas duas equaes, no muito difcil ver que
rk = Fsk + nk ,
(6.34)
sk = [skN2 L2 , . . . , sk+N1 +L1 ],
(6.35)
nk = [nkN2 , nk(N2 1) , . . . , nk+N1 ].
(6.36)
onde
e F uma matriz (N1 + L2 + 1) (N1 + L2 + N2 + L1 + 1) conhecida como matriz

de convoluo, dada por
fL2 fL2 1 fL1

0
0
0
fL2 fL1 +1 fL1
0
0
.
(6.37)
. .
..
..
..
..
..
..
.
.
.
.
.
.
.
.
.
.
0
0
0
fL2 fL2 1 fL1
104
De posse destas denies, podemos agora calcular
R = E[r rT ]
k k
= E[(Fsk + nk ) (Fsk + nk )T ]
= F E[s sT ]Ft + F E[s nT ] + E[n sT ]FT + E[n nT ]
k k
k k
k k
k k
(6.38)
= Es F FT + 2 I,
onde usamos o fato de que F determinstico e portanto pode ser retirado da esperana, e que a seqncia transmitida e o rudo so brancos e mutuamente independentes, de forma que suas matrizes de autocorrelao so proporcionais identidade
e eles so mutuamente descorrelacionados.
Usando raciocnio semelhante, podemos ver que
p = E[sk r ]
k
= E[(Fsk + nk ) sk ]
= F E[s sk ]
k
(6.39)
= Es f0 ,
onde f0 corresponde L1 -sima coluna de F. Isso porque o nico termo no-nulo de

E[s sk ] o que envolve E[s sk ], o que corresponde L1 -sima linha de E[s sk ].
k
k
k
6.2.3 Concluso
Nesta seo, estudamos o uso de um equalizador linear de quadrados mnimos
para mitigar a IIS. Apesar de melhorar a questo da amplicao de rudo em relao
ao equalizador ZF, o equalizador MMSE ainda apresenta um desempenho ruim em
alguns canais. Isto ocorre principalmente se o canal possui um nulo em sua resposta
em freqncia, ou seja, se F (f ) = 0 para algum valor de f . Neste caso, o canal
anula completamente as componentes do sinal naquelas freqncias, e o equalizador
no capaz de compensar este efeito. Este problema pode ser contornado por
equalizadores no lineares, como o discutido na prxima seo.
Um outro problema da soluo a que chegamos que ela obviamente depende do
conhecimento do canal. A soluo para esse problema dever esperar mais algumas
sees, quando estudaremos ltros adaptativos.
105
6.3 Exerccios
Exerccio 6.1:
Na gura 6.5, mostramos uma forma de processar um sinal em banda passante

que equivalente vista em classe. A diferena que aqui ns aceitamos a presena
de sinais complexos. Note tambm que aqui ns ignoramos o rudo. O ltro (f )
o divisor de fase descrito em 4.35.
b(t)
r (t)
(f)
s (t)
{ }
g(t)
r(t)
h(t)
Deciso
2exp( j2f t)
c
2exp(j2 f t)
Figura 6.5: Um sistema de transmisso digital completo, com canal no-ideal mas
sem rudo.
1. Mostre que o sinal sp (t) mostrado na gura 6.5 de fato equivalente ao
mostrado na gura 4.2 das notas, dado que sk = xk + jyk .
2. Mostre que o receptor (de rp (t) em diante) da gura 6.5 equivalente ao
receptor mostrado na gura 4.4. Ou seja, mostre que a parte real (imaginria)
da entrada do decisor na gura 6.5 igual entrada superior (inferior) do
decisor na gura 4.4.
3. Vimos em sala que o sistema da gura 6.5 pode ser representado por um
equivalente em tempo discreto, como mostrado na gura 6.2 das notas. Calcule
a resposta ao impulso discreta do canal, fk , em funo de g(t), b(t), h(t), fc e
T.
4. Calcule fk se
1, se |t| < 0.5s,

g(t) =
0, caso contrrio,
b(t) = (t) + (t 1),
e o ltro de recepo casado com o de transmisso. O perodo de smbolos

T = 1s e a freqncia da portadora fc = 1kHz.
106
Exerccio 6.2:
Considere um sistema em banda passante cujo rudo tem varincia 0.01, o sinal
transmitido tem energia 2 e o canal tem transformada z dada por H(z) = 1 +
exp(j/4)z 1 . Vamos usar um equalizador MMSE linear com 10 coecientes para
equalizar esse canal. Use o MATLAB para plotar o valor do menor erro quadrtico
para cada possvel atraso. Qual o atraso timo?
6.4 Equalizador com Realimentao de Deciso

Nesta seo, discutiremos uma forma de mitigar a perda de desempenho sofrida
por equalizadores lineares quando o canal possui um zero em sua resposta em freqncia. Conforme vimos, este zero pode levar a uma amplicao da energia do
rudo ou, na melhor das hipteses, levar a uma perda completa da informao contida naquela freqncia.
Entretanto, note que no instante k ns tentamos estimar o k -simo smbolo
transmitido1 . Ora, nesse instante de tempo, ns j dispomos de estimativas para os
smbolos transmitidos nos instantes de tempo anteriores, sn , para n < k . Assumindo
que nosso equalizador tem um desempenho razovel, podemos assumir que essas
estimativas so corretas. Ou seja, podemos assumir que ns conhecemos os smbolos
que foram transmitidos no passado.
Obviamente, a hiptese de decises corretas exageradamente otimista. Entretanto, ela facilita (seria melhor dizer possibilita) as dedues que se seguem. Alm
disto, felizmente os resultados obtidos com as decises sn , para n < k , (que necessari
amente diferem dos smbolos transmitidos) no divergem muito do que se esperaria
se os prprios smbolos transmitidos conhecidos no receptor. Em resumo, assumir
que os smbolos passados so conhecidos no momento em que queremos estimar sk
uma hiptese razovel.
A questo , ento, como usar o conhecimento dos smbolos passados para melhorar o desempenho do equalizador. Seguindo uma abordagem no muito intuitiva,
podemos pensar em simplesmente ltrar o sinal recebido com um ltro linear com
resposta ao impulso wk , como no caso linear. Para fazer uso do conhecimento dos
smbolos anteriores, podemos tambm pensar em passar as estimativas dos smbolos
1 Chamamos
novamente a ateno para o fato de que estamos assumindo o uso de ltros nocausais. Isso pode ser facilmente contornado na prtica com a introduo de atrasos no sistema.
Deciso
107
Figura 6.6: O equalizador com realimentao de deciso. O ltro de realimentao

tem que ser estritamente causal.
transmitidos por um ltro linear com resposta ao impulso bk . Combinando a sada
destes dois ltros, obtemos um sistema como mostrado na gura 6.6. Conforme
vemos nesta gura, temos uma espcie de realimentao das decises, explicando
o nome deste equalizador, que tambm conhecido como DFE, do ingls decisionfeedback equalizer.
importante chamar a ateno para o fato de que o ltro de realimentao tem
que ser estritamente causal, mesmo dentro de nosso contexto onde aceitamos alguns
ltros no-causais. Isto ocorre porque ns temos acesso apenas s decises passadas,
e portanto devemos ter que bk = 0 para k 0.
Para tentarmos entender melhor o funcionamento do DFE, vamos pensar em
primeiro lugar no efeito do equalizador linear. Como mostrado na gura 6.4, na
pgina 100, a resposta ao impulso combinada do canal com o equalizador ainda
possui alguma IIS. Assim, no instante k , podemos usar o conhecimento dos smbolos
passados e desta resposta ao impulso combinada para estimar a IIS causada pelos
smbolos sn , para n < k , na entrada do dispositivo de deciso, sk . Esta IIS
chamada de IIS pr-cursora, e corresponde cauda causal da resposta ao impulso

combinada. Sua estimativa pode ser subtrada da entrada do dispositivo de deciso,
o que, espera-se, eliminar seu efeito. esta idia de cancelamente da IIS pr-cursora
que leva estrutura da gura 6.6.
Baseado nas observaes acima, podemos pensar que o DFE divide a tarefa
de mitigar a IIS em dois. O ltro linear wk tenta mitigar a parte no causal da
IIS, enquanto o ltro de realimentao tenta cancelar a sua parte causal. Uma
constatao da veracidade desta observao que pode-se provar que o ltro timo
wk anti-causal. Tambm interessante notar que a presena do dispositivo de
deciso faz com que o ltro com realimentaao seja sempre estvel. De fato, a
k
k
Deciso
108
Figura 6.7: O DFE com a hiptese de decises corretas.

amplitude da sada deste ltro est limitada pelo dispositivo de deciso.
Um grande problema do DFE a questo da propagao de erro. Imagine
que, por algum motivo, sk = sk . Neste caso, se usarmos sk para estimarmos a
IIS pr-cursora no instante k + 1, estaremos obviamente cometendo um erro. Este

erro aumentar a probabilidade de que sk+1 = sk+1 , o que por sua vez aumenta
a probabilidade de um erro no instante k + 2, etc. Este fenmeno conhecido

como propagao de erro, e um dos principais problemas de equalizadores DFE.
Em sistemas como modens discados, este problema resolvido transferindo-se o
ltro realimentado para o transmissor, onde conhecemos exatamente os smbolos
transmitidos e portanto no temos propagao de erro. Esta soluo, conhecida
como precodicao de Tomlinson-Harashima, envolve algumas outras complicaes,
e seu estudo foge do escopo deste curso.
6.4.1 Os Coecientes do DFE

Nesta seo, calcularemos os coecientes do DFE. Como sempre, buscaremos
uma soluo de quadrados mnimos. Ou seja, queremos minimizar
J(w, b) = E[|ek |2 ],
(6.40)
onde ek = sk sk a diferena entre a entrada do dispositivo de deciso e o que
se deseja em sua sada. Em princpio, a soluo exata deste problema bastante

complicada. Anal de contas, a sada do equalizador depende de sn , para n < k ,
que so funes no lineares de sn . Conforme adiantamos anteriormente, a soluo
aqui assumir que as decises esto corretas. Neste caso, podemos pensar no DFE
como o ltro mostrado na gura 6.7.
109
Assim, sejam
w=
w0
.
.
.
w(Nw 1)
b1
.
.
.
, b =
, rk =
bNb 1
rk
.
.
.
e sk =
rk+(Nw 1)
sk1
.
.
.
sk(Nb 1)
os vetores correspondentes, respectivamente, resposta ao impulso do equalizador

wk , do equalizador realimentado bk , e s entradas destes equalizadores. Note que
denimos os ltros wk e bk como sendo anti-causal e estritamente causal, respectivamente, o que est de acordo com nossas observaes anteriores. Dena, ento,
x=
w
b
e yk =
rk
sk
(6.41)
Com isso, podemos escrever o sinal sk como sk = xT yk . Com estas denies,
camos em um problema exatamente igual ao encontrado no ltro linear, o que nos

leva mesma soluo:
w = R1 p,
(6.42)
y
onde
T
Ry = E[yk yk ] =
p = E[sk yk ] =
E[r rT ] E[r sT ]
k k
k k
T
T
E[sk rk ] E[sk sk ]
E[r sk ]
k
E[sk sk ]
(6.43)
Como no caso linear, o erro mnimo dado por
Jmin (w) = E[|sk |2 ] pH R1 p.
(6.44)
A diferena em relao ao caso linear est na denio das grandezas usadas nesta
equao.
Tambm neste caso interessante determinar os coecientes do DFE em funo
dos coecientes do canal. Para faz-lo, vamos considerar os blocos de Ry e p. J
vimos, do caso linear, que E[r rT ] = Es F FT + 2 I e E[r sk ] = Es f0 . Lembre-se

k k
k
agora que os smbolos transmitidos so descorrelacionados, ou seja, E[s sk ] = i .
ki
Assim, o outro bloco de p, E[sk sk ], igual a zero, j que o vetor sk no contm o

smbolo sk . Temos tambm que o outro bloco na diagonal de Ry , E[s sT ], igual a
k k
Es I.
110
Falta determinar o bloco fora da diagonal de Ry , E[s rT ]. (Note que o outro

k k
bloco, E[r sT ], o Hermitiano desse bloco.) Temos, neste caso, que
k k
s 2
kL
.
.
(6.45)
E[r sT ] = F E
sk1 , , sk(Nb 1) ,
.
k k
s w +L1
k+N
j que o rudo independente dos smbolos transmitidos.
6.5 Equalizadores Adaptativos

Conforme vimos, a determinao dos coecientes do equalizador, sejam eles lineares ou com realimentao, ZF ou MMSE, passa pelo conhecimento dos coecientes
do canal. De fato, mesmo o equalizador de distncia mnima supe o conhecimento
do canal. Obviamente, em um sistema prtico no podemos assumir que isto seja
verdade. Assim, o objetivo desta seo o estudo de tcnicas para a determinao
dos coecientes de equalizadores.
Uma primeira observao que o equalizador linear pode ser determinado diretamente a partir de (6.29). De fato, a matriz de autocorrelao do sinal recebido
pode ser estimada como uma mdia temporal a partir da recepo de K amostras:
1
R
K
K1
r rT .
k k
(6.46)
k=0
De forma equivalente, podemos tambm determinar o vetor de correlao cruzada

como
K1
1
p
r sk .
(6.47)
k
K
k=0
Observaes semelhantes podem ser feitas a respeito do DFE.

Nestas duas equaes, chamamos a ateno para alguns fatos importantes. Em
primeiro lugar, ainda que o vetor rk esteja facilmente disponvel no receptor (tratase, anal de contas, do sinal recebido), o mesmo obviamente no ocorre com o
sinal sk . De fato, se o sinal transmitido fosse conhecido do receptor, no haveria
necessidade de nenhuma transmisso.
Outra observao importante que a soluo proposta acima conhecida por
uma soluo por blocos. Isto que dizer que nesta abordagem fazemos em primeiro lugar uma aquisio de um bloco de dados, para em seguida determinar o equalizador.
111
Isto envolve algumas hipteses tcitas. Por exemplo, assumimos indiretamente que
o canal permanece constante durante a transmisso dos K smbolos. Em resumo,
assumimos que o canal estacionrio. Infelizmente, muitos canais variam no tempo,
alguns muito rapidamente. Um exemplo disto so canais de telefonia celulares, onde
o movimento do terminal mvel induz rpidas variaes no canal.
Na seqncia, estudaremos um algoritmo que contorna a hiptese de estacionariedade, podendo rastrear as mudanas no canal. Em seguida, veremos como sistemas de comunicaes contornam a necessidade do conhecimento do sinal transmitido para o clculo do equalizador.
6.5.1 O Algoritmo LMS

Nesta seo, estudaremos o algoritmo de quadrados mnimos (LMS, do ingls
Least Mean Square ). Este algoritmo, descoberto por Widrow, um professor de Stanford, no comeo dos anos 60, encontra diversas aplicaes prticas em vrias reas
distintas. Aqui, discutiremos o algoritmo apenas no contexto de equalizao.
Lembre-se que buscamos os coecientes do equalizador, w, que minimizam a
funo custo J(w) = E[|ek |2 ]. A idia aqui tentar achar iterativamente o mnimo desta funo, pois no queremos ou no podemos calcul-lo diretamente. Isto
signica que queremos determinar um mtodo para, dado um ponto wk , determinarmos um ponto wk+1 tal que, partindo de um ponto inicial w0 qualquer, o caminho
dado por w0 , w1 , . . . leve a um mnimo da funo J(w). Existem diversos mtodos
para determinar wk+1 a partir de wk , cada qual com diferentes caractersticas.
Devido sua simplicidade, aliada a um bom desempenho, o chamado mtodo
do gradiente para minimizao de uma funo particularmente importante em
comunicaes. Lembre-se, do curso de clculo, que o gradiente de uma funo
aponta para a direo em que a funo cresce mais rapidamente. Isto equivalente
a dizer que o negativo do vetor gradiente aponta para a direo em que a funo
diminui mais rapidamente. Em outras palavras, se dermos um passo pequeno na
direo oposta a w J(wk ) a partir de wk , chegaremos a um ponto onde a funo
custo tem um valor menor do que o obtido com um passo pequeno em qualquer
outra direo. Em outras palavras, o mtodo do gradiente calcula o ponto wk+1
como
(6.48)
wk+1 = wk
w J(wk ).
2
O motivo da diviso por 2 ser explicado adiante.
112
Em (6.48), o valor de controla o tamanho do passo. Ou seja, quanto maior

for , maior ser o tamanho do passo na direo do gradiente. Um valor grande de
pode nos fazer chegar rapidamente s proximidades do ponto de mnimo. Entretanto, nas proximidades da soluo, um valor grande de pode nos fazer dar passos
exageradamente grandes, o que pode fazer com que quemos ziguezagueando ao
redor da soluo. A situao anloga a um jogo de golfe, onde faz o papel da
fora da tacada. No comeo, desejamos dar tacadas fortes, para nos aproximarmos
rapidamente do buraco. Entretanto, nas proximidades do buraco, devemos diminuir
a fora da tacada, de forma a evitar que uma tacada errada leve a bola para muito
longe do buraco.
A discusso acima pode nos levar a pensar que um passo varivel, inicialmente
grande e que diminua lentamente, essencial para o bom desempenho do algoritmo.
No caso de situaes prticas em telecomunicaes, em geral isto no verdade, e
um passo constante utilizado. Isto porqu se o canal mudar quando o passo for
pequeno (o que equivalente ao buraco do golfe mudar de lugar), o algoritmo pode
demorar muito para conseguir se adaptar ao novo canal. Assim, na prtica, usa-se
em geral um valor constante para , normalmente entre 0.001 e 0.1.
Conforme vimos em (6.31), o gradiente da funo custo dado por w J(wk ) =
2 E[r ek ]. Assim, no caso de equalizao MMSE linear, podemos calcular iteratik
vamente os coecientes do equalizador como
wk+1 = wk + E[r ek ].
k
(6.49)
Em primeiro lugar, observamos que a diviso por 2 em (6.48) evita uma multiplicao
por 2 em (6.49).
Outra observao importante que em (6.49) precisamos calcular E[r ek ], o que
k
ainda requer o conhecimento do canal. Ou seja, apesar de j termos feito bastante
clculos, ainda no conseguimos atingir nosso objetivo. A soluo para isto consiste
em substituir o valor esperado, E[r ek ], pelo seu valor instantneo, r ek . Esta
k
k
substituio leva a um algoritmo conhecido como mtodo do gradiente estocstico.
Substituir E[r ek ] por r ek evidentemente estranha, pois obviamente no podek
k
mos esperar que o valor instantneo seja igual mdia. De certa forma, podemos
pensar que aqui estamos tentando estimar uma mdia do vetor aleatrio r ek usando
k
apenas uma de suas amostras. Como o algoritmo repete este procedimento para diversos valores de k , podemos pensar que esta repetio, de certa forma, executa uma
mdia temporal.
113
Visto de outra forma, o algoritmo do gradiente estocstico percorre o caminho do

bbado na direo do gradiente. Analisemos um caso bidimensional para entender
o que isto quer dizer. No instante k , o algoritmo d um passo em uma direo
esquerda da direo correta. No instante seguinte, ele erra de novo, deste vez
para a direita. Em k + 2, ele erra para a direita de novo, desta vez por um valor
maior. Podemos pensar que estes erros possuam mdia zero, de forma que na mdia
o algoritmo est indo na direo correta.
Chegamos, nalmente, ao algoritmo de mnima mdia quadrtico (LMS, do ingls
least-mean square ):
(6.50)
wk+1 = wk + r ek .
k
Note que este algoritmo no minimiza nada, encontrando na realidade uma soluo
aproximada. Ainda assim, o nome LMS consagrado, e verses deste algoritmo so
encontradas nas mais diversas aplicaes.
Uma observao nal que, para calcularmos ek , necessitamos conhecer o sinal
transmitido. Como mencionamos, se isto fosse possvel no haveria a necessidade
de transmitir nada. Na prxima seo discutiremos como sistemas de comunicaes
contornam este problema.
6.5.2 A Seqncia de Treinamento

Conforme vimos, a estimao do equalizador no receptor necessita do conhecimento dos smbolos transmitidos. Por isto, sistemas de comunicaes possuem em
geral dois modos de operao: o modo de treinamento e o modo de deciso direta.
Durante o modo de treinamento, a seqncia transmitida conhecida do receptor,
e chamada de seqncia de treinamento. Durante este modo, o receptor pode
executar o algoritmo LMS como visto em (6.50). O sistema sempre opera no modo
de treinamento durante a inicializao da conexo.
Aps o treinamento inicial, espera-se que o algoritmo tenha convergido para um
equalizador com desempenho satisfatrio. Neste caso, podemos esperar que as decises na sada do equalizador, sk , sejam em geral iguais ao sinal transmitido. Assim,
aps o modo de treinamento, o sistema passa a operar no modo de deciso direta.

Aqui, os bits transmitidos carregam informao, e so portanto desconhecidos do
receptor. Para calcular o erro e poder operar o LMS, o receptor usa ento as suas
prprias decises. Por isto, talvez o nome de modo dirigido por decises fosse mais
apropriado, mas o nome deciso direta consagrado.
114
De qualquer forma, no modo de deciso direta o LMS tenta rastrear variaes

lentas do canal, calculando o erro como
ek = sk sk .
(6.51)
Isto em geral funciona para variaes lentas do canal. Ainda assim, a maioria
dos sistemas volta periodicamente ao modo de treinamento, retransmitindo, em
instantes especcos determinados pela especicao do sistema, uma seqncia de
treinamento. Por exemplo, o sistema GSM transmite em blocos de aproximadamente
156 bits, dos quais 26 correspondem a bits de treinamento.
6.6 Exerccios
Exerccio 6.3:
Efeito do atraso de treinamento no desempenho de equalizadores :

Neste exerccio, exploraremos o impacto do atraso de treinamento d no desempenho. Para analisar o desempenho, vamos usar o valor do erro quadrtico mdio
em funo do equalizador w(d), levando em conta o atraso d dado por:
J (w(d)) = E{|sk |2 } pH w(d)

Para calcular os coecientes do ltro, precisamos da matriz de convoluo F de
dimenses (N1 + N2 + 1) x (N1 + N2 + L1 + L2 + 1):
fL2 fL2 1 fL1

0
0
0
fL2 fL2 1 fL1
0
0
.
F=
.
..
..
..
..
..
..
.
.
.
.
.
.
.
.
.
.
0
0
0
fL2 fL2 1 fL1
que no Matlab gerada por:
F = convmtx(f(end:-1:1).',N1+N2+1); % f um vetor coluna!

A matriz de correlao R do sinal recebido dada por (6.38):
2
2
R = s FFT + n I
115
O vetor de correlao cruzada p(d) dado por:

2
p(d) = s Fq(d)
onde q(d) um vetor coluna de dimenso (N1 +N2 +L1 +L2 +1) cujo todos elementos
so nulos a exceo do elemento N2 N1 + L2 L1 + 1 + d que igual a 1.
Vamos considerar um canal causal (L1 = 0) cuja representao vetorial dada
por:
f=
f0 f1
f L2
Seja N1 = d e N2 = 7 d e um canal com L2 = 4. Pede-se traar J (w(d)) para

0 d 11 para os seguintes canais:
f1=[ 0.8472
f2=[ 0.5422
f3=[ 0.1952
-0.3042
0.0493
-0.3845
0.0616
0.2568
0.0616
-0.3845
-0.7380
-0.3042
0.1952].'
0.3050].'
0.8472].'
2
Para cada canal considere dois casos: (i) varincia do rudo n = 0.001 e (ii)
2
n = 0.4. Considere uma modulao 4-QAM cujos smbolos sk so equiprovveis e
que sk {1 + j, 1 j, 1 + j, 1 j}. Discuta os resultados, sabendo que f1 um
canal de fase mnima, f2 um canal de fase mista e f3 um canal de fase mxima.
Exerccio 6.4:
Comparao do ltro linear e DFE.

Considere uma modulao 4-QAM com sk {1 + j, 1 + j, 1 j, 1 j} e que
2
a varincia do rudo igual a n = 0.001. Considere que o equalizador trabalhe na
taxa de smbolo. Seja o canal:
f=[ 0.6389 0.5750 0.5111].'

cuja norma unitria.
Como no temos mais um canal AWGN, mas sim um canal dispersivo, o sinal
recebido em banda base dado no Matlab por:
r=conv(s,f); %Convoluo dos smbolos em banda base (s) com o canal (f)
r=r+sqrt(0.0005)*(randn(1,length(r))+j*randn(1,length(r)); %adiciona rudo
Pede-se:
116
a) Implemente um equalizador adaptativo linear e um DFE para equalizar este canal

usando o algoritmo LMS e treinamento contnuo. Inicialize seu ltro com coecientes
nulos. O tamanho dos ltros e o atraso de treinamento ca ao critrio do projetista,
ou seja, voc! Para simular os equalizadores, sugere-se usar o modelo em banda base
com amostragem na taxa de smbolo, da lista 2, exerccio 4.7.
b) Trace a evoluo do mdulo ao quadrado do erro (|ek |2 ) para avaliar a velocidade
de convergncia do ltro e o patamar de erro aps convergncia para dois valores
distintos do passo de adaptao. Use escala logartmica no eixo correspondente a
|ek |2 . Trace tambm a evoluo dos smbolos estimados (sk ) usando o comando
plot(real(sk ),'.'). Simule um nmero adequado de smbolos para poder ver
quando os equalizadores convergem. Anlise e comente os resultados.

c) Altere o seu programa para permitir a adaptao usando como referncia o sinal
decidido (tcnica LMS-DD). Inicie a adaptao e chaveie para o modo DD depois de
X smbolos. Mostre e discuta a inuncia no desempenho do valor X, usando tanto
o erro quadrtico como tambm a evoluo das estimativas dos smbolos (sk ).
Dica: Ao traar a evoluo do valor absoluto ao quadrado do erro, faa vrias realizaes
e tire mdias dos valores de forma a deixar a curva mais lisa.
Exerccio 6.5:
Canal variante no tempo. Considere o seguinte canal de fase mnima sem rudo:
fk = [1 0.99 sin((k 1)/4000)]T

cuja implementao em Matlab feita por:
%% canal
r=zeros(1,length(s));
r(1)=s(1);
for k=2:length(s);
r(k)=[s(k) s(k-1)]*[1 0.99*sin(pi*(k-1)/4000)].';
end
Simule 16000 smbolos para o ltro linear e o DFE sob treinamento contnuo.
Tanto o passo de adaptao, o atraso de treinamento e o tamanho dos ltros cam
ao seu critrio. Trace a parte real de sk (plot(real(sk ),'.')) e comente a respeito
da robustez ao rudo dos ltros linear e do DFE.
CAPTULO
Sincronizao
Do captulo 3, vimos que, para o canal AWGN, o receptor timo no sentido de

minimizar a probabilidade de erro o ltro casado. A m de obter as estimativas do smbolos recebidos necessrio amostrar a sada deste ltro nos instantes
em que o olho se encontra o mais aberto possvel. J no captulo 4, mostramos
que para demodular coerentemente o sinal de banda passante para banda base
necessrio faz-lo com a mesma freqncia e fase de portadora com que foi realizada
a modulao no transmissor.
Contudo, na prtica, a propagao do sinal pelo canal no feita instantaneamente, ou seja, o canal insere no sinal um atraso. Alm disso, a referncia temporal
do transmissor e do receptor pode no ser exatamente a mesma, o que equivale a
uma diferena de fase entre as portadoras. Finalmente, os osciladores que controlam
as portadoras podem apresentar imperfeies, de forma que haja uma diferena de
freqncias entre elas.
Para que os smbolos transmitidos possam ser demodulados corretamente,
necessrio que o receptor estime e corrija esses desvios, o que chamamos de sincronismo.
Existem vrias tcnicas de sincronismo e o estudo de todas por si s j compreenderia um curso inteiro. Nos restringiremos a algumas tcnicas mais clssicas
voltadas para as modulaes que estudamos at aqui, ou seja, PAM e QAM.
A seguir, caracterizaremos as possveis formas sob as quais podemos implementar
as tcnicas de sincronismo.
117
CAPTULO 7. SINCRONIZAO
118
7.1 Caracterizao do sincronismo

Podemos separar o sincronismo em duas categorias:
malha aberta;
malha fechada ou com realimentao.
Na tcnica em malha aberta, a correo do sincronismo se d posteriormente
deteco do erro do mesmo. Como geralmente o valor detectado est corrompido
por rudo, a realizao de mdias dos valores estimados permite aumentar a preciso
do parmetro estimado.
J a tcnica em malha fechada utiliza um processo de realimentao do erro de
sincronismo. Isto obtido indiretamente com a correo do parmetro de sincronismo anteriormente estimao do erro de sincronismo. Esta forma de implementao possu duas particularidades quando comparada tcnica de malha aberta.
A primeira est no valor do erro de sincronismo. O valor desse precisa ser apenas
proporcional ao verdadeiro valor e no o valor exato. Ainda, o erro de sincronismo
no enviado diretamente para a realizao da correo. O erro deve ser inserido
num integrador (acumulador) que faz o papel de encontrar o verdadeiro desvio e o
de reduzir o efeito do rudo na estimao. Finalmente, a sada deste integrador
usada para a correo antes do detector de erro, o que fecha a nossa malha. Este
o princpio do PLL (do ingls, Phase-Locked Loop).
A tcnica de malha aberta permite uma aquisio mais rpida dos parmetros
de sincronismo quando comparada s tcnicas de malha fechada e, portanto, so
mais usadas em transmisses de curta durao (transmisso por pacotes ou rajadas
(bursts ) de dados). Contudo, uma vez que o sincronismo seja adquirido, nada impede
que se use posteriormente tcnicas de malha fechada, que so mais adequadas para
rastrear eventuais mudanas dos parmetros de sincronizao. Vale ressaltar que
as tcnicas de malha fechada so amplamente usadas onde a transmisso se faz de
forma ininterrupta.
Ainda, podemos classicar as tcnicas de sincronismo em:
auxiliada por dados (DA, do ingls data-aided) quando usamos uma seqncia
de treinamento para estimar os parmetros desejados.
dirigida pela deciso (DD, do ingls decision-directed) quando utiliza-se decises sobre os sinal recebido para realizar a estimao;
f(j
2e
kT
g(-t)
(f)
r(t)
)t
)t
f(j
2e
canal
{}
r (t)
g(t)
s(t)
Deciso
n(t)
Smbolos
119
Figura 7.1: Esquema genrico de um sistema de comunicao digital, onde (f )

o ltro divisor de fase descrito pela eq. (4.35).
autoditada (NDA, do ingls non-data-aided) quando se faz uso de certas propriedades do sinal transmitido para efetuar a estimao.
Por m, vale ressaltar que a estimao de diversos parmetros de sincronismo
pode ser feita de forma conjunta. Por exemplo, a estimao conjunta do atraso
e da fase do sinal. Tais tcnicas so geralmente mais ecazes, mas costumam ser
mais complexas.
Iniciaremos nosso estudo primeiramente sobre a sincronizao (ou recuperao)
da freqncia e fase da portadora supondo que, se for o caso, o instante ideal de
amostragem j foi recuperado. Em seguida, trataremos da obteno deste.
Mas antes de continuarmos, vamos estabelecer algumas convenes.
7.2 Modelo matemtico para o sincronismo

O canal, como anteriormente dito, introduz um atraso de propagao que denotaremos de . Alm disso, visando simplicar a notao e o modelamento, concentraremos no canal os desvios de fase e de freqncia das portadoras, as quais
chamaremos respectivamente de e . Ainda, o canal tambm responsvel por
inserir rudo Gaussiano branco. A gura 7.1 mostra um esquema genrico de um
sistema de comunicao digital levando em conta o modelo de canal adotado.
Na recepo, supondo uma modulao coerente, temos como incerteza o desvio
de freqncia e de fase da portadora e o instante de amostragem da sada do ltro
casado. O sinal, em banda passante representado por:
rp (t) =
2x(t ) cos(2(fc +)(t )+) 2y(t ) sen(2(fc +)(t )+)+n (t)

(7.1)
120
Aps demodulao e algumas manipulaes algbricas, temos em banda base o

seguinte sinal:
r(t) = (x(t ) + jy(t ))ej(2(t )+) + n(t)

= s(t )ej(2(t )+) + n(t)
(7.2)
onde = 2fc .
7.3 Sincronismo de freqncia e fase da portadora

Em modulaes coerentes, um desvio de fase ocasiona um aumento na probabilidade de erro e dependendo da rotao, pode gerar erros de deciso independentemente da relao sinal rudo (vide exerccio 4.3). J o desvio de freqncia da
portadora quando da ordem de ||
1/T , provoca no sinal aps o ltro casado
uma rotao contnua de fase (incrementos de 2 a cada smbolo), o que pode ser
facilmente corrigido. Contudo, quando da mesma ordem de 1/T , o sinal aps
passar pelo ltro casado sofre grandes distores de amplitude ou pode at mesmo
desaparecer. Neste caso, a correo deve ser feito antes da passagem do sinal pelo
ltro casado.
Existem vrios algoritmos que permitem estimar a fase e a freqncia e que,
em termos prticos, se adequam melhor ou pior dependendo da situao. No cabe
aqui fazer um estudo abrangente sobre todas as tcnicas e assumiremos um caso
mais representativo. Faremos a hiptese de que para realizar a estimao de e
de , dispomos do atraso . Este caso ocorre quando ||
1/T , o que permite
recuperar o atraso antes ou ao mesmo tempo que e . Desta forma, o sinal r(t)
descrito em (7.2), quando amostrado aps o ltro casado nos instantes kT + , pode
ser escrito como:
rk = sk ej(2kT +) + nk
(7.3)
Dada a hiptese de que ||
1/T e que o atraso do instante de amostragem
j foi obtido, a correo do desvio de freqncia e de fase est representado na gura
7.2.
Vale mencionar que existem tcnicas que possibilitam nos levar de uma situao
em que || da ordem de 1/T para a situao assumida, mas que no a trataremos
aqui.
Comearemos por tcnicas que operam em malha aberta e depois veremos tcnicas de malha fechada.
)+Tk(j
g(-t)
kT+
)tcf(j
2e
r(t)
121
Deciso
Figura 7.2: Correo do sincronismo de freqncia e fase da portadora assumindo

||
1/T .
7.3.1 Tcnicas de malha aberta

Uma tcnica muito utilizada para obter o desvio de freqncia a de eliminar
a dependncia do smbolo transmitido, multiplicando-se o sinal recebido em banda
base pelo conjugado do smbolo. Procedendo desta forma, temos a partir de (7.3):
zk = rk s = sk s ej(2kT +) + s nk
k
k
k
(7.4)
Para facilitar a compreenso deste algoritmo, vamos supor que sk s = 1 e que

k
nk sk nk . Podemos reescrever (7.4) tal que:
zk = ej(2kT +) + nk
= k ej(2kT ++k )
(7.5)
onde k ejk = 1 + nk ej(2kT +) .

Pode-se mostrar que, a medida que a relao sinal-rudo aumenta, a varivel
aleatria k aproximadamente independente, possu mdia nula e distribuio
Gaussiana.
Considere agora o argumento1 do produto zk zk1 . A partir de (7.5), obtemos:
arg{zk zk1 } = 2T + k k1
(7.6)
Est claro que o valor arg{zk zk1 } pode ser visto como uma medida ruidosa de
2T . Assim, mais ou menos intuitivo que para melhorar essa medida de 2T ,
precisamos realizar alguma espcie de mdia. Assumindo que dispomos de L0 1
1 Seja
x uma varivel complexa. A funo argumento calcula a fase de x levando em conta

o quadrante em que a varivel se encontra. Ou seja: arg{x} = atan ( (x)/ (x)) se (x) > 0;
arg{x} = atan ( (x)/ (x))+ se (x) < 0 e (x) > 0; e nalmente arg{x} = atan ( (x)/ (x))
se (x) < 0 e (x) < 0. A funo arg{x} denida entre [, ] e sua implementao em
linguagens de programao geralmente atan2( (x), (x))
122
medidas de zk zk1 e que trabalhamos com modulaes 2-PAM ou 4-QAM, a melhor

estimativa do desvio de freqncia dado por:
1
2T
L0 1
k arg{zk zk1 }
(7.7)
k=1
onde k uma funo de alisamento dada por:
k =
3 L0
1
2 L2 1
0
2k L0
L0
(7.8)
Esta tcnica conhecida como tcnica de Kay.
Note que zk zk1 uma estimativa do primeiro elemento da autocorrelao. Pode
mos ainda explorar os demais momentos, i.e., zk zk2 , zk zk3 e assim por diante at
zk zkL0 . isso o que fazem as tcnicas desenvolvidas por Fitz e Luise & Reggiannini
(L&R).
Para mostrar ambas tcnicas, vamos denir as estimativas dos termos da auto
correlao de zk zk1 como:
1
R(m) =
L0 m
L0 1
zk zkm ,
1 m L0 1
(7.9)
k=m
A tcnica de Fitz dada por:
1
(N + 1)T
arg{R(m)}
(7.10)
m=1
e a tcnica de L&R computada por:
1
arg
=
(N + 1)T
R(m)
(7.11)
m=1
Para ambas as tcnicas, o desempenho timo obtido quando N = L0 /2. Valores

de N inferiores a esse possibilitam um maior alcance na estimao do desvio de
freqncia, mas ocasionam uma perda na preciso do estimador.
A diferena destas tcnicas reside no alcance das freqncias que podem ser
corrigidas e no desempenho do estimador. A tcnica de Kay a que possibilita o
maior alcance, mas a que possui pior desempenho em baixas relaes sinal rudo.
No caso das tcnicas de Fitz e L&R, o desempenho em baixa relaes sinal-rudo
123
muito superior tcnica de Kay, mas em contrapartida ela possu um alcance de

estimao consideravelmente menor. Em relaes sinal-rudo elevadas, as tcnicas
apresentam o mesmo desempenho.
Aps a correo do desvio de freqncia, podemos estimar facilmente o desvio
de fase usando o critrio de mxima verossimilhana (MV). Por este critrio, a
estimao da fase dada por:
= arg
L0 1
zk ej2kT
(7.12)
k=0
Contudo, nem sempre possvel dispor de smbolos transmitidos conhecidos na

recepo (seqncia de treinamento). Neste caso, podemos usar no linearidades
para eliminar a dependncia da fase do smbolo transmitido, obtendo assim uma
tcnica NDA. Uma tcnica muito usada para modulaes 2-PAM e 4-QAM consiste
em elevar o sinal recebido rk pela segunda e quarta potncia respectivamente. Para
visualizar essa soluo, considere a representao do sinal 2-PAM e 4-QAM na forma
polar:
2 PAM : sk = dej2m/2 , m = 0, 1
(7.13)
4 QAM : sk = 2dej(2m/4+/4) m = 0, 1, 2, 3
Ao se elevar ao quadrado a modulao 2-PAM, o argumento da exponencial
ser igual a 2m. J a modulao 4-QAM, quando elevada a quarta potncia, o
argumento da exponencial ser igual a 2m + . No primeiro caso, a exponencial
sempre resultar em 1, independentemente do valor de m. J para o 4-QAM, a
exponencial sempre resultara em -1, para qualquer que seja o valor de m. Desta
forma, aps elevar o sinal pela potncia correspondente, podemos proceder como no
caso DA para eliminar a dependncia do instante k e da fase , ou seja:
rk rk1
= ej2N kT + nk
(7.14)
onde um ganho decorrente do valor d da modulao e nk representa o termo

de rudo decorrente dos termos signal rudo e rudo rudo. Note que esta
tcnica ter desempenho inferior ao da tcnica DA, visto que ao se elevar a N
sima potncia o sinal rk rk1 , novos termos de rudo aparecero, conduzindo a uma
reduo da preciso do estimador.
Ento, podemos estimar o valor de por:
1
arg
2N T
L0 1
[rk rk1 ]N
k=0
(7.15)
124
Esta tcnica tambm tem um alcance de busca do desvio reduzido de N , visto

que o valor do desvio ca multiplicado pelo mesmo e que o domnio do funo arg{}
de a .
A fase tambm pode ser estimada usando essa tcnica no linear. Aps a estimao do desvio de freqncia, a fase da modulao 2-PAM pode ser obtida por:
1
arg
4T
L0 1
rk ej2kT
(7.16)
k=0
e para a 4-QAM, temos:
1
arg
8T
L0 1
rk ej2kT
(7.17)
k=0
Contudo, o interesse na recuperao de fase atravs desta tcnica NDA limitado

para modulaes coerentes. Tal fato se deve a existncia de ambigidades que podem
impedir a correta recuperao da informao transmitida.
Os estimadores dos erros de sincronismo descritos nesta seo tambm podem
ser usados em sistemas de malha fechada. Contudo, existem tcnicas especcas
para implementao em malha fechada. Como dito anteriormente, os estimadores
de sincronismo desta implementao no retornam necessariamente o desvio em
si, podendo retornar apenas um erro proporcional a este. A seguir mostraremos
algumas tcnicas para implementao em malha fechada.
7.3.2 Tcnicas de malha fechada

Primeiramente, iremos mostrar uma tcnica de sincronismo de freqncia do tipo
NDA. A tcnica pode operar com qualquer modulao do tipo PAM ou QAM, mas
iremos nos restringir a modulao 4-QAM para facilitar seu entendimento. O esquema de recuperao do desvio de freqncia est representado na gure 7.3 na
forma de um diagrama de blocos. O integrador e o VCO (do ingls, Voltage Controlled Oscillator ) digital esto descritos na gura 7.4. O parmetro do integrador
controla a largura de banda do ltro. Uma banda mais estreita ( pequeno) possibilita uma estimao mais precisa, mas uma velocidade de convergncia mais lenta
ou menor capacidade de rastreamento no caso de um desvio de freqncia no tempo.
Caso a banda seja mais larga, ocorre exatamente o contrrio.
Note que supomos que o atraso conhecido, o que permite eliminar a interferncia intersimblica no sinal amostrado rk .
{}
.qerF
ed orrE
olucl C
OCV
latigiD
rodargetnI
)t cf (j
2e
g(-t)
kT+
r(t)
125
Deciso
Figura 7.3: Correo do sincronismo em malha fechada assumindo ||
2 T
1+ k 1-
1-
VCO Digital
} {
Integrador
1/T .
Figura 7.4: Integrador e VCO digital.

A m de facilitar a compreenso do algoritmo, vamos desconsiderar inicialmente
a presena do rudo, ou seja, rk = sk ej(2kT +) . Seja fd
. Da gura 7.3 e
sabendo que a sada do VCO uma senode complexa de freqncia e fase k ,

o sinal yk dado por:
yk = rk ej(2kT +k )
(7.18)
= sk ej(2fd kT +k )
onde k = k
Ainda, o argumento de yk dado por:
arg{yk } = arg{sk } + 2fd kT + k
(7.19)
Usando o critrio de distncia mnima e realizando a deciso sobre o sinal yk ,

obtemos o smbolo decidido sk . Vale ressaltar que para o correto funcionamento da
tcnica, no preciso que sk = sk . A inteno aqui encontrar em qual quadrante
m o sinal yk se encontra e subtrair de sua fase o valor (m 1)/2 + /4. Isto

obtido multiplicando-se s por yk , o que gera o sinal zk . No difcil de perceber
k
que a diferena de fase entre s e yk , ou seja, a fase de zk , sempre estar contida no
k
126
intervalo [/4, /4). Formalmente temos que:
arg{zk } = rem {arg{sk } + arg{ } + 2fd kT + k , /4}

sk
(7.20)
onde a funo rem{x, y} representa o resto da diviso de x por y .

Note que como a fase de sk i/2 + /4, onde i {0, 1, 2, 3}, a diferena de fase
entre sk e sk ser um mltiplo de /2. Sendo assim, podemos dizer que a fase de
(7.20) pode ser representada por apenas:

(7.21)
arg{zk } = rem {2fd kT + k , /4}
A estimao do sincronismo consiste em realizar uma mdia de um sinal de erro ek ,

tal que esta deve ter o mesmo sinal do desvio fd . Essa relao obtida atravs de:
ek =
arg{zk }, se |arg{zk }| <

ek1 , caso contrrio
a
(7.22)
onde um parmetro positivo e menor que /4.

A gura 7.5 ilustra a evoluo da fase de zk em funo do tempo para fd > 0 (a )
e fd < 0 (b ). J a gura 7.6 mostra o erro ek em funo do tempo para os mesmos
casos apresentados na gura 7.5. Fica claro que uma mdia de ek para fd > 0 ser
positiva e para fd < 0, a mesma mdia ser negativa. Vale lembrar que tal mdia
obtida atravs do integrador.
arg{z }
arg{z }
k
f >0
/
4
f <0
d
/
4
kT
/
4
/
4
(a)
kT
(b)
Figura 7.5: Funo arg{zk } versus kT .

Evidentemente, o desempenho desta tcnica depende do valor escolhido.
f >0
f <0
/
4
/
4
127
kT
/
4
kT
/
4
(a)
(b)
Figura 7.6: Evoluo do erro ek (7.22) versus kT .

O leitor atento percebeu que o ponto de estabilidade desta tcnica leva tambm
ao cancelamento de . Contudo, dada as ambigidades desta tcnica (pontos de
estabilidade a cada /2 radianos para modulaes 4-QAM), ela tem interesse reduzido para aquisio da fase. Mas em compensao, ela se presta ao rastreamento
de possveis variaes de fase, uma vez que a fase correta j foi adquirida por outra
tcnica DA.
Para realizar a estimao e correo de fase, usaremos o critrio do erro
quadrtico mdio (EQM). Da mesma forma que no processo de equalizao, podermos usar uma seqncia conhecida na recepo como referncia (tcnica DA)
ou podemos usar decises sobre o prprio sinal recebido (tcnica DD), o que s
possvel quando adotamos implementao em malha fechada.
Vamos considerar que o desvio de freqncia foi corrigido, assim como o desvio do
instante de amostragem. Desta forma, o sinal recebido dado por rk = sk ejk + nk .
O funo de custo para o critrio do erro quadrtico mdio dado ento por:
J(k ) = E |sk rk ej k |2
(7.23)
onde k a fase estimada no instante kT .
A atualizao de k feita de forma iterativa, utilizando o mtodo do gradiente
descendente. Assim, o gradiente de (7.23) em relao k dado por:

= 2 2 sin k
k J(k )
(7.24)
128
e a atualizao de feita por:
k+1 = k
= k + sin k
k J(k )
(7.25)
onde ek = sin k
2
o erro de estimao de fase e s = E{|sk |2 }.
Note que o gradiente (7.24) nulo para k = e k = + . Contudo, s
o primeira ponto (k = ) corresponde a um ponto de estabilidade de (7.25). O

segundo ponto apenas um ponto de sela e logo, instvel.
A gura 7.7 mostra a evoluo da esperana do erro ek em funo do desvio de
fase k .
Todavia, no dispomos explicitamente da fase para clculo do gradiente e
atualizao de k e se a tivssemos, no seria preciso estim-la! Na prtica, usaremos
o mtodo do gradiente estocstico para atualizar k . Seja nossa funo de custo

estocstica igual a
(7.26)
J(k ) = |sk rk ej k |2 .
O gradiente estocstico dado por:
J(k ) = 2 {s rk ej k }
k
(7.27)
e a frmula de atualizao de k dada por:
k+1 = k
= k + {s rk ej k }
k
k J(k )
(7.28)
onde o erro de estimao da fase no instante kT :
ek = {s rk ej k }.
k
(7.29)
At agora, tnhamos a disposio uma seqncia de treinamento para efetuar a

estimao da fase, ou seja, trata-se de uma tcnica do tipo DA. Todavia, ao invs
de usar os smbolos conhecidos sk , o que acontece se usarmos decises sk como
referncia? Neste caso, a funo de custo escrita como:
J(k ) = E |k rk ej k |2
s
(7.30)
Consideremos a ttulo de ilustrao uma modulao 4-QAM e, para facilitar a com

preenso, vamos assumir que o rudo nulo. Vamos denir tambm que k k .
Desta maneira, podemos escrever que o smbolo decidido dado por:
sk = sk ejx(k )/2
(7.31)
129
onde x(k ) um nmero inteiro tal que:
| x(k )/2| < /4
(7.32)
Por exemplo, se k (/4, /4), a equao (7.32) gera x(k ) = 0, o que a

partir de (7.31) corresponde a uma deciso correta. J para k (/4, 3/4), temos
que x(k ) = 1 e o que acarreta num erro de deciso, pois de (7.31), sk = sk ej/2 .
Sendo assim, o gradiente de (7.30) em relao k igual a
= 2 2 sin (k x(k )/2)

s
k J(k )
(7.33)
cujo sinal de erro neste caso ek = sin (k x(k )/2).

A gura 7.7 compara o sinal de erro gerado por (7.24) e (7.33). Note que quando
usamos a tcnica DA, no existe ambigidade de fase e quando usamos a tcnica DD,
aparecem trs ambigidades, provenientes da simetria da prpria constelao. No
caso de modulaes N -QAM, com N > 4, existiro pontos de estabilidade esprios,
alm das ambigidades de fase provenientes da simetria da prpria modulao.
Na prtica, a atualizao de k , usando o algoritmo do gradiente estocstico e o

critrio no modo DD escrita como:
k+1 = k + { rk ej k }
sk
(7.34)
D-se o nome de Costas Loop s tcnicas de recuperao de fase em malha fechada

aqui apresentadas e cujo diagrama de bloco est mostrado na gura 7.8.
Quando o Costas Loop opera no modo DD, pode ocorrer que o rudo faa com que
o algoritmo salte para um ponto de ambigidade de fase. D-se o nome de phase-slip
a este salto. Note que neste ponto, erros de deciso ocorrero mesmo que no haja
rudo. Esta situao congura um estado de hang-up do sistema. A probabilidade
de ocorrncia de um phase-slip est ligada ao valor do passo de adaptao . Vrios
artigos que tratam desse assunto podem ser encontrados na literatura.
As tcnicas de correo de desvio de fase em malha fechada permitem tambm
combater desvios de freqncia. Caso usemos apenas integradores de primeira ordem, o erro do desvio de freqncia devem ser pequenos (T < 0.05). preciso
enfatizar que havendo desvio de freqncia, tal tcnica nunca conseguir de fato
eliminar completamente o erro de fase. Chamamos de erro de desajuste esta diferena constante entre o valor verdadeiro e o valor estimado. Contudo, se usarmos
um ltro de segunda ordem, podemos estimar o desvio de freqncia a partir da
variao do desvio de fase entre dois instantes de tempo, alm do prprio desvio de
fase, sem que exista erro de desajuste.
130
Modo de operao DD,

sen( x( )/2)
Modo de operao DA
sen( k )
0.8
0.6
E{ ek| k }
0.4
0.2
0
0.2
0.4
0.6
0.8
1
Fase
correta
Fase
correta
Ambigidades
Fase
correta
Ambigidades
k = k
s
1
}{
r od ar getnI
{}
g(-t)
kT+
)t cf(j
2e
r(t)
Deciso
Figura 7.7: Evoluo do erro ek em funo do erro de fase k = k do Costas

Loop para sistema em modo de operao DA e DD.
{}
Figura 7.8: Costas Loop : chave na posio 1, modo de operao DA/aquisio;

chave na posio 2, modo de operao DD/rastreamento.
131
7.4 Sincronismo do instante de amostragem

A recuperao do sincronismo temporal pode ser dividida em duas operaes:
(i) estimao da fase ou do instante em que a amostragem do sinal deve ocorrer;
(ii) uso da estimativa no processo de amostragem. A primeira operao realiza
uma medio temporal enquanto a segunda realiza uma correo temporal no sinal
amostrado. Tal correo permite minimizar a interferncia intersimblica do sinal
enviado ao decisor, ou seja, amostrar o sinal no momento em que o olho est mais
aberto.
Iniciaremos o captulo falando muito brevemente sobre os mtodos de correo
do instante de amostragem e depois, passaremos s tcnicas de estimao do instante
de amostragem.
7.4.1 Correo do instante de amostragem

A amostragem do sinal analgico se d por meio de um conversor
analgico/digital. Tal conversor governado por um relgio cuja fase raramente
pode ser alterada, o que torna impossvel a correo do instante de amostragem.
Felizmente, a correo pode ser feita atravs de processamento digital do sinal. Este
processamento corresponde realizao de uma interpolao entre as amostras.
Existem vrias tcnicas de interpolao. Tcnicas mais simples apresentam erro
de interpolao (a diferena entre o sinal de fato amostrado no instante desejado e
o sinal interpolado) maiores. A mais rudimentar a interpolao linear, que utiliza
duas amostras para obter uma interpolao. Em seguida, temos interpoladores
parablicos, que utilizam trs amostras, seguidos de interpoladores cbicos, que
usam quatro amostras. E claro, temos o interpolador ideal que utiliza funes sinc
para interpolar o sinal, mas que demandaria innitas amostras.
Para nossa sorte, o erro de interpolao inversamente proporcional a taxa de
amostragem. No caso do interpolador linear, a referncia [4] indica que a perda de
desempenho em termos de SNR da ordem de 0.2dB quando amostramos no dobro
da taxa de smbolo (superamostragem de duas vezes) e de 0.02dB quando a taxa
de amostragem de quatro vezes a taxa de smbolos (superamostragem de quatro
vezes) para uma modulao 2-PAM, taxa de erro de bit de 102 e fator de roll-o
igual a 0,5.
Como na prtica a implementao de ltros se faz com superamostragem geral-
132
) T)1+m((x
s
)+ Tm(x
s
)+ Tm(Ix
s
) Tm(x
s
Figura 7.9: Interpolador linear.

mente superior a duas vezes a taxa de smbolo, costuma-se adotar a interpolao
linear como soluo.
Seja x(mTs ) um sinal amostrado numa taxa 1/Ts e xI (mTs ) o sinal interpolado
entre os instantes mTs e (m + 1)Ts . O interpolador linear dado por:
xI (mTs + ) = (1 )x(mTs ) + x ((m + 1)Ts )
(7.35)
onde 0 1. Vale ressaltar que xI (mTs + ) = x(mTs + ).

A gura 7.9 mostra o funcionamento do interpolador.
No cabe aqui explicar como controlar o fator do interpolador linear nem como
controlar as mudanas do ndice m. Para tanto, recomenda-se olhar as referncias
[1],[3] e [4].
7.4.2 Estimao do instante de amostragem

Na seo anterior vimos como possvel corrigir o instante de amostragem. Contudo, antes de corrigir o instante de amostragem, necessrio estimar o desvio do
instante de amostragem . Veremos a seguir algumas tcnicas de estimao.
7.4.3 Tcnicas de malha fechada

Como na tcnica de sincronismo de fase em malha fechada, usaremos mais uma
vez o critrio do erro quadrtico mdio. Tal tcnica permite a operao no modo
133
DA e DD, alm de realizar a estimao conjunta do instante de sincronismo como

da fase. A funo custo dada por:

J(k , k ) = E |sk r(kT + k )ej k |2
(7.36)
A estimao do instante de amostragem obtida calculando-se o gradiente em

relao a k :
k J(k , k )
sk r(kT + k )ej k
= 2E
dr(kT + k ) j k
e
dk
(7.37)
e depois usando o mtodo do gradiente descendente:
k+1 = k
= k + E
k J(k , k )
sk r(kT + k )ej k
dr(kT + k ) j k
e
dk
(7.38)
onde dr(kT k k ) = sk dg(t+k ) = sk g (t + k ), com dg(t) g (t).
dk
dt
Na prtica, a implementao feita usando-se o gradiente estocstico, ou seja,
eliminamos a operao de esperana na funo custo e obtemos:

J(k , k ) = |sk r(kT + k )ej k |2 .
Ainda, a derivada
dr(kT +k )
dk
(7.39)
pode ser aproximada por:
r(kT + k + ) r(kT + k )
dr(kT + k )
dk
(7.40)
onde geralmente se escolhe = T /2. Neste caso, o sinal recebido deve ser superamostrado com um fator de pelo menos dois, isto , o perodo de cada amostra de
T /2 ou inferior a este.
Ainda, para no ter que interpolar trs amostras por smbolo no clculo do
desvio , i.e., r(kT + k ), r(kT + k + T /2) e r(kT + k T /2) e sabendo que
k k1 , usaremos apenas duas amostras, r(kT + k ), r(kT + k + T /2). A
amostra r(kT + k T /2) substituda por r(kT + k1 T /2). Assim, a derivada
dada por:
r(kT + k + T /2) r(kT + k1 T /2)
dr(kT + k )
dk
(7.41)
Ento, usando o gradiente estocstico, a frmula de atualizao do valor de k :
k+1 = k +
sk r(kT + k )ej k
r(kT + k + T /2) r(kT + k1 T /2) j k
e
T
(7.42)
134
Se calcularmos o gradiente estocstico em relao k , obtemos:
= 2 {s r(kT + k )ej k }
k J(k , k )
(7.43)
cuja atualizao dada por:
k+1 = k + {s r(kT + k )ej k }

k
(7.44)
que idntico ao Costas Loop.

Assim, para cada iterao k , usando (7.42) e (7.44) podemos estimar simultaneamente e . Se quisermos operar em modo DD, basta usar as decises do receptor,
i.e., sk como referncia.
Na literatura, encontramos uma verso modicada desta tcnica. Nela, podemos
eliminar o elemento r(kT + k )ej k do termo sk r(kT + k )ej k . Desta forma,
o algoritmo passa a ser:
k+1 = k +
s ej k
k
r(kT + k + T /2) r(kT + k1 T /2)
(7.45)
que conhecido sob o nome de Early-Late Detector - ELD. O early e late vm do

fato de que o clculo da derivada feito com a amostra r(kT + k + T /2) que est
adiantada (early ) em relao a r(kT + k ) e a amostra r(kT + k1 T /2) que est
atrasada (late ). A gura 7.10 mostra o diagrama de blocos da tcnica conjunta de

estimao de fase e atraso (DA e DD).
Ainda, o ELD tem a vantagem de ser insensvel variao de potncia de r(t),
pois note que os sinais (parte real e imaginria) de sk r(kT + k )ej k dependem
do ganho do canal. Caso este ganho no seja corretamente compensado no receptor,

o estimador de atraso apresentado em (7.42) no funcionar (exerccio 7.3, item d ).
Vale ressaltar que no obrigatrio realizar a estimao conjunta de fase e de
atraso. A fase pode ser estimada por uma tcnica feedforward que no necessite do
instante de amostragem.
A tcnica NDA baseia-se na maximizao da varincia na sada do ltro casado.
A funo custo deste critrio dada por:
J(k ) = E |r(kT + k )|2
(7.46)
Note que diferentemente de (7.36), a funo custo insensvel a desvios de fase.

Por exemplo, seja o erro de fase. Ento, |r(kT + k )ej |2 = |r(kT + k )|2 |ej |2 =
|r(kT + k )|2 .
ke
}{
-etnI
)t cf(j
r od ar g
T/1
}{
}{ e
2 / T+ k + Tk
os artA
T
- etnI
r od ar g
k + Tk
{}
g(-t)
2e
r(t)
135
Deciso
Figura 7.10: Estimao conjunta da fase e do atraso pela tcnica ELD: chave na
posio (1), modo DA; chave na posio (2), modo DD.
O gradiente de (7.46) em relao a k :
k J(k )
=E
r(kT + k )
dr(kT + k )
dk
(7.47)
Ento, na prtica, usando o mtodo do gradiente estocstico ascendente para

maximizar (7.46) e a aproximao (7.41), temos a seguinte frmula iterativa para
encontrar k :
k+1 = k +
= k +
k J(k )
r(kT + k )
r(kT + k + T /2) r(kT + k1 T /2)
(7.48)
Nos referimos tcnica (7.48) como o ELD-NDA, representada na gura 7.11.

Analisando a derivada utilizada nas tcnicas ELD (eq. 7.41), podemos ver que
alm do rudo contido nas amostras adiantada e atrasada, estas sempre sofrero de
interferncia intersimblica. Desta forma, mesmo que a relao sinal rudo tenda
para innito, a varincia do estimador da tcnica ELD nunca ser igual a zero.
Ainda, o desempenho das tcnicas ELD depende do valor do roll-o dos ltros
formatadores. Quanto maior o valor do roll-o, menor a varincia do estimador.
Este comportamento pode ser intuitivamente explicado pelo fato de que com o aumento do roll-o, a resposta impulsiva do ltros formatadores encurta e assim, a in-
}{
2/ T +k + T k
o s ar t A
)tcf(j
ro d ar g
-etnI
{ }
T/1
+ Tk
g(-t)
2e
r(t)
136
Figura 7.11: Estimao do atraso pela tcnica ELD-NDA.

terferncia intersimblica presente nas amostras adiantada e atrasada da derivada
do ELD diminui.
Assim como o Costas Loop no modo DD, as tcnicas de sincronismo de atraso
em malha fechada aqui apresentadas, incluindo a tcnica DA, tambm sofrem do
fenmeno de hang-up. Tal fenmeno ocorre porque existem pontos de estabilidade
dos algoritmos espaados de T segundos no modo DD e NDA e pontos esprios
de equilbrio no modo DA. Assim, se um rudo faz com que o algoritmo salte um
smbolo acrescentando ou decrementando um valor superior ou igual a T de , o
sistema estar comendo ou clonando um ou mais smbolos respectivamente. Isto

ter efeito nefastos, pois os bits no estaro mais nas posies corretas na recepo
e todos os dados sero interpretados de forma errnea. Portanto, ser necessrio
averiguar de tempos em tempos a posio da seqncia de aprendizagem para corrigir
a ocorrncia de um salto.
Alm disso, o tempo de aquisio de um sistema em malha fechada costuma
ser elevado, o que no interessante para sistemas com transmisso em rajadas
(bursts ). Neste caso, opta-se por utilizar tcnicas de malha aberta que permitem
uma aquisio mais rpida. A seguir veremos uma tcnica deste tipo.
7.4.4 Tcnicas de malha aberta

Existem dois mtodos de estimao do instante de amostragem em malha aberta.
Um deles usa o critrio de mxima verossimilhana e o outro, o mtodo de Oerder
& Meyr (O&M), verso NDA. Este se baseia em argumentos heurstico. Ambas
tcnicas necessitam de amostragem fracionria, como as tcnicas de malha fechada
137
mostradas na seo anterior. Alm disso, o mtodo ML tambm necessita de uma

ltragem especial. Aqui, nos restringiremos somente tcnica proposta por O&M
por ela ser mais prtica que a ML.
A tcnica O&M necessita de uma taxa de superamostragem Rs que seja de,
pelo menos, quatro vezes superior taxa de smbolo. O algoritmo descrito da
seguinte forma. Primeiramente, obtemos o mdulo ao quadrado do sinal amostrado
r(kT /Rs). Em seguida ele multiplicado por ej2k/Rs e o sinal resultante acumulado. Finalmente, aps Rs L0 acumulaes, o atraso estimado obtido multiplicando
o argumento da acumulao por T /(2). Formalmente, temos:
T
= arg
Rs L0 1
|r(kT /Rs )|2 ej2k/Rs
(7.49)
k=0
onde L0 o tamanho da janela de acumulao em nmero de smbolos.
7.5 Exerccios
Exerccio 7.1:
A tcnica de modulao diferencial consiste em codicar os bits atravs da diferena de fase entre dois smbolos consecutivos. Para o caso de um nico bit codicado
(bk ), esta modulao chama-se DBPSK (Dierential Binary Phase Shift Keying ) e
funciona da seguinte maneira:
i) Modulao:
Os smbolos transmitidos so da forma sk = ejk
O valor de k denido da seguinte forma:
Se bk = 1, k = k1 ,
Caso contrrio, i.e., bk = 0, k = k1 +
ii) Demodulao:
Se | arg{rk rk1 }| < /2 k = 1,

b
Caso contrrio, k = 0
b
Considerando a modulao diferencial descrita acima, julgue verdadeiro ou falso
as seguintes armaes abaixo, justicando as suas respostas:
a) A modulao DBPSK sensvel a um desvio de fase;
138
b) A modulao DBPSK sensvel a um desvio de freqncia da portadora,

mesmo que este seja muito inferior cadncia de smbolo;
c) A modulao DBPSK insensvel a erros no instante de amostragem.
Exerccio 7.2:
Estimao de fase pelo Costas Loop :

Usando um modelo em banda base com canal AWGN e amostragem na taxa de
smbolo, pede-se o seguinte:
a) Implemente o Costas Loop no modo DD (eq. (7.34)) para modulaes 4-QAM
e 16-QAM.
b) Para diferentes inicializaes (0 ) entre e , trace a evoluo de k para as

modulaes 4-QAM e 16-QAM e verique se os resultados esto de acordo com
o que est descrito na apostila. Dica: escolha um vetor de inicializaes do
tipo fases_iniciais=[-pi:pi/32:pi] e use todos os elementos deste vetor
como valores iniciais.
c) Suponha agora a presena de um desvio de freqncia T e que = 0. Ou
seja, formalmente, rk = sk ej2kT . Para um valor de T = 0.001 , analise o
funcionamento do Costas Loop traando a evoluo de k e comparando com

2kT para diferentes valores do passo de adaptao . S utilize a modulao
4-QAM neste caso.
d) Faa como no item anterior, mas considere agora nuT = 0.0001. Compare
com o resultado do item anterior. S utilize a modulao 4-QAM neste caso.
e) Agora, suponha T = 0.001, = 0 e uma relao sinal-rudo de 10dB. Calcule
o erro quadrtico mdio (eq. (7.30)) para diferentes valores de e discuta os
resultados. No clculo do erro quadrtico mdio, aproxime a esperana pela
2
2
1 K1 sk rk ej k . S utilize
mdia temporal, i.e., E sk rk ej k

=
K
a modulao 4-QAM neste caso.
Exerccio 7.3:
k=0
139
Curva E{ek | } do ELD:

Para este exerccio, consideraremos uma modulao 4-QAM, = 0 e um fator de
roll-o = 0.35. Considere ainda os seguinte valores de ek :
ELD-DA:
ek =
s(kT ) r(kT +k +T /2)r(kT +k1 T /2)

T
ELD-DD:
ek =
s(kT ) r(kT +k +T /2)r(kT +k1 T /2)
ELD-NDA: ek =
r(kT ) r(kT +k +T /2)r(kT +k1 T /2)

T
Pede-se:
a) Fixe = 0. Obtenha E{ek | } dos ELD-DA, ELD-DD e ELD-NDA. Varie
entre -4T e 4T. Compare e comente as curvas.

b) Agora, considere que se transmite sempre o mesmo smbolo (ex.: sk = 1 + j ).
O que acontece com as curvas E{ek | } dos estimadores ELD? Por qu?
c) Repita o primeiro item, mas desta vez considere que o sinal passa pelo canais
h1 (t) = (t)+0.5(tT ), h2 (t) = (t)0.5(tT ) e h3 (t) = (t)0.5(tT /2).
O que acontece com as com as curvas E{ek | } de cada estimador ELD (DA,
DD e NDA)? Por qu?
d) Suponha agora um canal h(t) = (t). Trace a curva E{ek | } da tcnica
(7.42), i.e., ek =
(sk r(kT + k )) r(kT +k +T /2)r(kT +k1 T /2) , para os
T
= 0.0625, 1 e 8. Comente os resultados.
Como fazer este exerccio sem usar um interpolador: use uma superamostragem de
16 vezes a taxa de smbolo (Rs=16). A variao de se dar ento em passos de
T /16. Aproxime a funo esperana pela mdia de ek |
7.6 Bibliograa
[1] U. Mengali e A. N. D'Andrea, Synchronization Techniques for Digital Receivers, 1a. edio, Nova Iorque e Londres: Plenum Press, 1997
e W. A. Sethares, Telecommunication Breakdown,
http://eceserv0.ece.wisc.edu/sethares/telebreak.html
[2] C. R. Johnson Jr.
140
[3] F. M. Gardner, Interpolation in Digital Modems - Part I: Fundamentals,

IEEE Transactions on Communications, vol. 41, no. 3, maro, 1993
[4] L. Erup, F. M. Gardner e R. A. Harris, Interpolation in Digital Modems - Part
II: Implementation and Performance, IEEE Transactions on Communications,
vol. 41, no. 6, junho, 1993
APNDICE
Reviso de Processos Estocsticos
Faremos neste apndice uma reviso, to breve quanto possvel, de conceitos

de probabilidade, variveis aleatrias e de processos estocsticos. importante
chamar a ateno para o fato de que este apndice no pretende ser um texto
para o aprendizado de processos estocsticos, mas apenas uma reviso dos conceitos
pertinentes ao estudo de transmisso digital.
A necessidade do conhecimento de estatstica para o estudo de transmisso digital
deve-se ao fato de que a maioria (se no todas) as grandezas pertinentes ao problema
so aleatrias, ou seja, seu valor no exatamente conhecido a priori. Por exemplo:
Os bits transmitidos. De fato, se eles no fossem aleatrios, a informao

que eles contm poderia ser determinada exatamente no receptor sem a necessidade de transmisso. Na realidade, o conceito de informao denido por
Shannon est intimamente ligado previsibilidade de um fenmeno. Quanto
mais imprevisvel, mais informao ele contm.
O rudo de recepo. Este rudo causado por uma srie de fatores cuja
modelagem, ainda que fosse possvel, seria invivel. Nesse caso, tratamos o
rudo como um fenmeno aleatrio.
As caractersticas de um canal de transmisso sem o. Devido mobilidade
dos usurios em sistemas como telefonia celular, o canal de comunicaes est
141
APNDICE A. REVISO DE PROCESSOS ESTOCSTICOS
142
em constante mudana, e tambm no pode ser previsto com exatido. Temos,

assim, mais um exemplo de um fenmeno aleatrio.
O conceito intuitivo que temos de probabilidade adequado para lidar com alguns fenmenos aleatrios simples, como a escolha de uma carta de baralho ou o
lanar de um dado ou de uma moeda. Por exemplo, sabemos que a probabilidade de
tirar cara ao lanarmos uma moeda igual a 0.5. Esses experimentos so chamados
discretos, ou seja, existe um nmero contvel de resultados possveis. Entretanto,
alguns fenmenos, como rudo de recepo ou a altura de uma pessoa, podem assumir qualquer valor real. Aqui, nosso conceito intuitivo comea a falhar um pouco.
Anal de contas, a probabilidade de uma pessoa medir 1.70m igual a zero. Ainda
que essa informao possa parecer surpreendente, considere tambm a probabilidade
de que uma pessoa mea 1.70 + 10300 m. Em outras palavras, ningum mede exatamente 1.70m. E mesmo em fenmenos mais corriqueiros nossa intuio pode levar
a algumas ambigidades, conforme discutido no captulo 1 de [?].
De fato, durante muito tempo, o uso de conceitos intuitivos fez do estudo de
probabilidade tanto uma arte quanto uma cincia exata. Para que fosse possvel estabelecer uma teoria geral de probabilidade, foi necessrio estabelecer um ferramental matemtico adequado para trabalhar com fenmenos aleatrios. Comearemos
essa reviso com uma discusso sobre esse ferramental.
Na segunda parte da reviso, discutiremos alguns fenmenos aleatrios que
ocorrem ao longo de um intervalo de tempo, como por exemplo o rudo de recepo. Discutiremos algumas grandezas estatsticas que caracterizam alguns aspectos desses fenmenos e, principalmente, discutiremos o comportamento dessas
grandezas quando os sinais em questo passam por ltros lineares.
Antes de comearmos com a reviso propriamente dita, devemos denir o conceito de um evento. Basicamente, um evento um conjunto de possveis resultados
de um fenmeno aleatrio, ou experimento. Assim, ao lanarmos um dado, podemos apostar que o resultado ser par. Ou seja, o evento de interesse dado pelo
conjunto A = {2, 4, 6}. Podemos tambm apostar que o resultado ser 3, e nesse
caso o evento de interesse consistir de apenas um resultado. Mais especicamente,
ele ser dado por A = {3}. Dizemos que um evento ocorreu A se o resultado do
nosso experimento for um elemento do evento. Assim, se A o evento com todos os
resultados pares, e B o evento com todos os resultados maiores ou iguais a 5, e se
o resultado do experimento for 6, dizemos que tanto A quanto B ocorreram.
143
O espao amostral o evento que contm todos os possveis resultados do

experimento. Assim, sempre ocorre, sendo por isso chamado tambm de evento
certo.
A.1 Probabilidade de Eventos, Independncia

Nesta seo, deniremos, ainda de forma relativamente intuitiva, alguns conceitos
importantes ligados ao estudo de fenmenos aleatrios. Estes conceitos so obtidos
quando se considera um evento A, ou dois eventos A e B ao mesmo tempo.
Em primeiro lugar, temos que a probabilidade de um evento a probabilidade
de ocorrncia de qualquer um de seus resultados. Por exemplo, no lanamento de
um dado, se A for o evento de que o resultado par, ento P[A] = 1/2. Assim,
a probabilidade pode ser pensada como uma funo que associa a cada evento um
nmero entre 0 e 1.
Podemos, tambm, pensar na probabilidade de que dois eventos ocorram ao
mesmo tempo, a chamada probabilidade conjunta, denotada por P[A, B]. Se A e B
ocorrem ao mesmo tempo, ento o resultado do experimento est tanto em A quanto
em B . Em outras palavras, o resultado est em um novo evento dado por A B .
Assim, temos que P[A, B] = P[AB]. Voltando ao exemplo do dado, seja A o evento
de que o resultado par, B o evento de que o resultado mpar e C o evento de que
o resultado maior ou igual a 5, ento P[A, B] = 0 e P[A, C] = P[B, C] = 1/6.
Mais importante, e normalmente mais difcil de entender, o conceito de probabilidade condicional. Ainda com o exemplo do dado, digamos que voc aposta que
o resultado ser par. Eu lano o dado e vejo o resultado, mas no conto para voc
qual nmero saiu. Eu apenas digo que o resultado maior do que 3, e pergunto
se voc quer mudar a sua aposta. Ora, se o resultado maior que 3, ele pode ser
4, 5 ou 6. Nesse caso, temos dois resultados favorveis (4 e 6) em um total de trs
resultados possveis. Como originalmente a probabilidade de acerto da aposta era
1/2 e agora 2/3, seria razovel aumentar o valor apostado.
A probabilidade condicional ento denida como a probabilidade de um evento
A dado que B ocorreu, e denotada P[A|B]. Ora, se B ocorreu, ento para que
A ocorra necessrio que A B ocorra. Por outro lado, o fato de B ter ocorrido
restringe o nmero de possveis resultados para o experimento. Levando esses dois

fatos em conta, denimos
P[A|B] =
P[A, B]
.
P[B]
144
(A.1)
Obviamente, esta frmula s faz sentido se P [B] = 0.

Nesse ponto, interessante denir eventos disjuntos ou mutuamente excludentes,
que so aqueles tais que A B = (o conjunto vazio). Seguindo nossa intuio,
denimos que P[] = 0. Assim, se dois eventos so disjuntos, P[A|B] = 0. Essa
observao tambm satisfaz nossa intuio. De fato, se A e B no podem ocorrer ao
mesmo tempo, ento a probabilidade de ocorrer A dado que B ocorreu deve mesmo
ser nula.
Finalmente, dizemos que dois eventos so independentes se um no traz informao sobre o outro, ou seja, se P[A|B] = P[A]. Note que isso equivalente a dizer
que A e B so independentes se P[A, B] = P[A] P[B]. Independncia entre dois
eventos , em geral, fcil de estabelecer. Por exemplo, a sua nota nesse curso e o
valor da bolsa de Hong Kong so, imagina-se, independentes. Entretanto, esse nem
sempre o caso. Voltando ao exemplo do dado, seja A = {2, 4, 6} e B = {3, 4, 5, 6}.
Ento, P[A] = 1/2, P[B] = 2/3 e P[A, B] = 1/3. Portanto, P[A, B] = P[A] P[B].
Em outras palavras, A e B so independentes apesar de ser impossvel determinar
isso sem uma anlise mais cuidadosa.
A.2 Denio Axiomtica de Probabilidade

Conforme mencionamos, devemos ser capazes de estabelecer uma probabilidade
para cada evento. Ou seja, a probabilidade deve ser, num sentido genrico, uma
funo que associa, a cada evento, um valor entre 0 e 1. Mais ainda, gostaramos
que a probabilidade do evento certo fosse 1. Nessa seo, veremos que outras propriedades ns desejamos que uma probabilidade satisfaa, o que nos levar a uma
denio axiomtica de probabilidade.
Precisamos, por exemplo, determinar qual deve ser a probabilidade de eventos
obtidos a partir de outros eventos. Entre outros, como deve P[A B] se relacionar
com P[A] e P[B]? Voltando ao exemplo dos dados, fcil ver que, sempre que A e B
so disjuntos (ou seja, A B = ) ento P[A B] = P[A] + P[B]. Podemos, assim,
exigir que qualquer denio de probabilidade tem que possuir essa propriedade. O
que no fcil de ver, mas verdade, que apenas esse requerimento suciente
para que possamos estabelecer a probabilidade de qualquer operao entre eventos.
145
Temos assim, trs elementos na denio axiomtica de probabilidade. Em

primeiro lugar, temos o espao amostral , que contm todos os possveis resultados do meu experimento. Temos tambm os eventos A, que so conjuntos de
resultados e, portanto, so subconjuntos de . Finalmente, para cada evento A,
temos uma probabilidade P(A) que deve satisfazer:
1. P[A] 0.
2. P[] = 1.
3. Se A e B so disjuntos, ento P[A B] = P[A] + P[B]
A partir dessas propriedades, podemos estabelecer os seguintes resultados (tentar
prov-los pode ser um exerccio interessante):
1. P[] = 0.
2. P[A B] = P[A] + P[B] P[A B].
3. Se A B , ento P[A] < P[B].
4. P[Ac ] = 1 P[A], onde Ac o complemento de A.
Vamos fazer agora um pequeno desvio matemtico para tentar motivar a
denio de probabilidade acima. Existe um ramo da matemtica chamado teoria da medida, que estuda medidas de conjuntos, e como se podem obter integrais a
partir dessas medidas. Esse um ramo bem estabelecido da matemtica que gerou,
entre outros resultados, a integral de Lebesgue. De particular interesse para ns
o fato de que a probabilidade tambm pode ser vista como uma medida de um
conjunto. Assim, os vrios e importantes resultados tericos obtidos em teoria da
medida podem ser diretamente aplicados a probabilidade. justamente para estabelecer essa ponte entre probabilidade e teoria da medida que se faz a denio
axiomtica de probabilidade acima.
importante ressaltar que essa referncia teoria da medida, bem como referncias futuras a essa teoria, servem apenas para tentar justicar porque algumas
denies so da forma que elas so. Obviamente, no esperamos que os alunos
saibam teoria da medida, muito menos que eles aprendam essa teoria nessa reviso.
Em outras palavras, mencionamos teoria da medida apenas por acreditar que um
conceito com uma motivao (ainda que extremamente vaga) melhor que um conceito sem motivao.
146
A.2.1 Teorema da Probabilidade Total

Usaremos agora a denio de probabilidade para provar dois resultados importantes. Assim, seja {Bi }N uma partio de . Por uma partio queremos dizer
i=1
que os conjuntos Bi so disjuntos, ou seja, Bi Bj = , e que sua unio d , ou
seja, N Bi = .
i=1
Uma partio possui duas propriedades importantes. A primeira relativamente
bvia:
1 = P[]
N
=P
Bi
(A.2)
i=1
N
P[Bi ].
=
i=1
A obviedade dessa propriedade pode ser vista no seguinte exemplo. O conjunto

B1 = {cara} e B2 = {coroa} formam claramente uma partio do espao amostral
correspondente a um lanamento de uma moeda. Assim, (A.2) simplesmente nos
diz que P[{cara}] + P[{coroa}] = 1, como esperado.
O outro resultado no to bvio, mas bastante importante. Seja A um evento
qualquer, e seja {Bi }N a partio acima. Assim, como A = A , temos que
i=1
P[A] = P[A ]
N
=P A
Bi
i=1
(A.3)
(A Bi ) .
=P
i=1
Ora, como os eventos Bi so disjuntos, os eventos A Bi tambm o so. Assim,

N
P[A Bi ].
P[A] =
(A.4)
i=1
Entretanto, usando a denio de probabilidade condicional em (A.1), chegamos

nalmente a
N
P[A|Bi ] P[Bi ],
P[A] =
(A.5)
i=1
conhecido como o teorema da probabilidade total. A importncia de (A.5) reside

no fato de que, muitas vezes, a determinao de P[A] pode ser difcil, ao posso
147
que o clculo de P[A|Bi ] e de P[Bi ] pode ser fcil. Um exemplo dessa situao
a transmisso de um sinal binrio. A determinao direta das estatsticas do sinal
recebido no fcil, mas isso muda se condicionarmos essas estatsticas no fato de
que o bit transmitido foi 0 ou 1.
A.3 Variveis Aleatrias

Conforme vimos, nossa idia intuitiva de probabilidade no funciona muito bem
quando os possveis valores do nosso experimento so contnuos. Mais ainda, nossa
intuio funciona para eventos cujo resultado no so necessariamente nmeros.
Assim, a manipulao dos resultados dos experimentos no fcil. Por exemplo,
qual o valor mdio de um lanamento de uma moeda?
Entretanto, na maioria dos casos, ns estamos interessados, na realidade, em
um nmero ligado ao experimento. De fato, em problemas de cartas ou dados,
podemos pensar que apostamos em algum evento, e portanto a grandeza de interesse
quanto dinheiro ns ganharemos ou perderemos para cada possvel resultado do
experimento. Considere, por exemplo, um jogo de dados em que apostamos 2.00
reais que o resultado ser par. Se ganhamos, sairemos da mesa com 4.00 reais. Se
perdemos, sairemos da mesa com 2.00 reais. Temos, ento, que a quantia aleatria
que de fato nos interessa assume um valor 4.00 se o resultado do experimento for 2,
4 ou 6, e assume um valor 2.00 caso contrrio.
Note que podemos estender essa idia para qualquer experimento. Ou seja,
qualquer que seja meu fenmenos aleatrio, eu posso associar um nmero a todos
os resultados possveis. A principal vantagem disso que, a partir de agora, trabalharemos sempre com grandezas aleatrias do mesmo tipo: nmeros. Com isso,
podemos comear a pensar em uma teoria que seja mais geral, nos concentrando em
nmeros aleatrios e nos desligando das particularidades de cada experimento.
Esta regra (ou funo) que associa um nmero real a cada possvel resultado do
experimento chamada de varivel aleatria. Genericamente falando, uma varivel
aleatria uma funo de (o conjunto de todos os resultados possveis) em R que,
para cada resultado associa um nmero real X(), conforme mostrado na gura
A.1.
Note que uma varivel aleatria no uma varivel, mas sim uma funo. Alm
disso, ela no aleatria. No exemplo da aposta dado acima, a funo est muito
148
X (A)
1
X()
Figura A.1: Representao grca da ao de uma varivel aleatria.

bem denida: para cada resultado do experimento, temos um valor real xo. O que
aleatrio apenas o valor que a varivel assume. Entretanto, como um experimento,
junto com uma varivel aleatria associada, gera um nmero real aleatrio, o nome
varivel aleatria consagrado. Inclusive, normal falar apenas em X , ignorando
o valor de que gerou esse nmero aleatrio, e ns adotaremos essa notao daqui
para frente.
Na prxima seo, veremos como caracterizar as propriedades estatsticas de uma
varivel aleatria.
A.4 Funo Distribuio de Probabilidade

Voltemos ao nosso jogo de dados, em que apostamos 2.00 reais que o resultado
ser par. Seja o resultado do nosso experimento, ou seja, o nmero mostrado
pelo dado. Seja X a nossa varivel aleatria. Temos, ento, que X() = 4.00 se
{2, 4, 6} e X() = 2.00 se {1, 3, 5}. Podemos nos perguntar, ento, qual
a probabilidade de X() = 4.00. Ora, essa a probabilidade de que assuma um
valor tal que X() = 4.00. Em outras palavras, deve pertencer a {2, 4, 6}. Assim,
P[X() = 4.00] = P[ {2, 4, 6}] = 1/2.
O importante a notar aqui que o conjunto {2, 4, 6} a imagem inversa do
conjunto {4.00}. Matematicamente, {2, 4, 6} = X 1 ({4.00}). O que essa notao
quer dizer que o conjunto do lado esquerdo, {2, 4, 6}, o conjunto de todos os
valores de tal que X() pertence ao conjunto do lado direito, {4.00}. Note tambm
que a imagem inversa existe mesmo quando a funo X() no inversvel.
Podemos, mais uma vez, generalizar essa idia. Assim, seja A um conjunto de
valores que a varivel aleatria pode assumir. Ou seja, A um subconjunto de R.
Denimos, ento
P[X() A] = P[ X 1 (A)].
(A.6)
Este mapeamento inverso est mostrado na gura A.1.
149
F (x)
1
0.5
0
Figura A.2: Funo distribuio de probabilidade para o saldo nal de uma aposta
de 2.00 reais que o lanamento de um dado resulta em um nmero par.
Aqui, tambm, ns gostaramos de nos desligar da estrutura de , e estabelecer
uma teoria genrica focando apenas a varivel aleatria. Ou seja, gostaramos de
determinar a probabilidade do nmero real pertencer a A sem para isso ter que
pensar nos valores de . O restante dessa seo tenta ir um pouco nessa direo.
Em primeiro lugar, vamos pensar no evento A. Lembre-se que A um subconjunto dos reais. A teoria da medida nos diz que todos os eventos de interesse, para
os quais uma probabilidade pode ser denida, podem ser obtidos como unies e
interseces de eventos do tipo {X x}1 . Em outras palavras, esse evento bsico
consiste em todos os valores da varivel aleatria menores ou iguais a x. Com isso
em mente, denimos a funo distribuio de probabilidade de uma varivel aleatria
X como
FX (x) = P[X() x] = P[ X 1 ((, x])].
(A.7)
A funo distribuio de probabilidade para o exemplo da aposta de 2.00 reais no
jogo de dados est mostrada na gura A.2.
Assim, se conhecermos FX (x), no precisamos mais nos preocupar com , j que
a probabilidade de qualquer evento de X pode ser diretamente calculada a partir de
1 Como
curiosidade, a teoria da medida tambm nos diz que existem conjuntos para os quais
no possvel denir uma medida que faa sentido. Na realidade, possvel mostrar que uma ma
pode ser cortada em conjuntos disjuntos que, adequadamente reagrupados, resultam em um objeto
do tamanho da Terra. Obviamente, nossa noo de volume no vlida para esses conjuntos.
Desnecessrio dizer que esses conjuntos so muito estranhos, e no vamos nos preocupar com
eles. Fenmeno parecido ocorre com a probabilidade que, assim como o volume, uma medida de
conjuntos.
150
FX (x). Conforme veremos, vrias variveis aleatrias encontradas na prtica possuem uma funo distribuio de probabilidade conhecida, e discutiremos algumas
delas adiante.
A.4.1 Propriedades da Distribuio

Cabe, aqui, discutir algumas propriedades de FX (x). Em primeiro lugar, X
assume um valor real, nito. Assim, a probabilidade de que X seja menor do que
innito 1. Isso pode ser expresso matematicamente por
lim FX (x) = 1.
(A.8)
lim FX (x) = 0.
(A.9)
De forma equivalente, temos que

x
Ainda nessa linha, podemos notar que o evento {X x} {X > x} = {X R}.

Mais ainda, esses dois eventos so disjuntos, de forma que P[{X x} {X > x}] =
P[X x] + P[X > x]. Como X sempre um nmero real, temos que P[{X R}] =
1. Juntando todos esses fatos, conclumos que P[X x] + P[X > x] = 1, ou seja,
P[X > x] = 1 FX (x).
(A.10)
Temos tambm que {X x} pode ser escrito como {X y} {y < X x},

se y < x. Note que esses dois ltimos eventos so disjuntos. Assim, usando as
propriedades da probabilidade, temos que
P[X x] = P[X y] + P[y < X x].
(A.11)
Obviamente, P[y < X x] 0, o que implica que FX (x) uma funo nodecrescente de x. Ou seja, se x > y , ento FX (x) FX (y).
Finalmente, usando a denio de FX (x) em (A.11), temos que
P[y < X x] = FX (x) FX (y).
(A.12)
Assim, essa equao nos ensina como calcular a probabilidade do evento {y < X
x} em funo de FX (x). Seguindo um raciocnio semelhante, podemos determinar
a probabilidade de vrios eventos (subconjuntos dos reais) em termos de FX (x). De
fato, de posse de FX (x), podemos calcular a probabilidade de qualquer evento. Em
outras palavras, FX (x) nos d todas as informaes necessrias sobre as caractersticas estatsticas da varivel aleatria X .
151
A.4.2 Distribuio Conjunta

Podemos tambm denir a funo distribuio de probabilidade quando consideramos mais de uma varivel aleatria. Por exemplo, para duas variveis aleatrias
X e Y , denimos a distribuio conjunta FXY (x, y) como a probabilidade conjunta
dos eventos {X x} e {Y y}, ou seja,
FXY (x, y) = P[{X x}, {Y y}].
(A.13)
Da mesma forma que para uma nica varivel, a probabilidade de qualquer evento
de interesse envolvendo X e Y pode ser obtida a partir de FXY (x, y).
Aqui, interessante notar que {X x} {Y < } = {X x}. Anal de
contas, a condio {Y < } signica que Y pode assumir qualquer valor, e essa
condio tambm imposta pelo lado esquerdo da equao. Assim, temos que
FX (x) = FXY (x, ).
(A.14)
FY (y) = FXY (, y).
(A.15)
Da mesma forma, obtemos que
A.5 Funo Densidade de Probabilidade

Uma outra funo que tambm caracteriza completamente uma varivel aleatria
a funo densidade de probabilidade, dada por
d
FX (x).
(A.16)
dx
Como veremos, podemos usar fX (x) para calcular, por exemplo, o valor mdio de
X , da sua importncia. Outra razo para a denio da densidade que muitas
variveis aleatrias importantes, como a Gaussiana, possuem uma frmula fechada
para fX (x), mas no para FX (x).
A partir das propriedades de FX (x), podemos estabelecer algumas propriedades
de fX (x). Em primeiro lugar, de (A.9) e da prpria denio de fX (x), temos que
fX (x) =
Fx (x) =
fX (y)dy .
(A.17)
Baseado nessa equao, e usando (A.8), conclumos que que
fX (x)dx = 1.
(A.18)
152
Como FX (x) uma funo no-decrescente, temos que
fX (x) 0.
(A.19)
Finalmente, de (A.12), temos que

b
P[a < X b] =
a
fX (x)dx.
(A.20)
Ou seja, a rea sob o grco de fX (x) entre a e b d a probabilidade de que X esteja

entre a e b.
Na realidade, de (A.20), podemos cometer um abuso de notao e escrever que
P[x < X x + dx] = fX (x)dx,
(A.21)
onde dx um deslocamento innitesimal. Anal, fX (x) praticamente constante

entre x e x + dx, de forma que a rea em questo se trata de um retngulo de altura
fX (x) e lado dx. A equao (A.21) muitas vezes conveniente para determinarmos
algumas denies e resultados ligados a variveis aleatrias contnuas.
Para o caso de duas variveis, denimos
fXY (x, y) =
2
FXY (x, y).
xy
(A.22)
Aqui, chamamos a ateno para o fato de que (A.14) implica que
fX (x) =
fXY (x, y)dy .
(A.23)
O processo de obter a densidade de uma varivel a partir da densidade conjunta

conhecido como marginalizao.
Baseado no conceito de independncia, dizemos que duas variveis aleatrias
so independentes se quaisquer eventos associados a elas so independentes. Isso
equivalente a dizer que duas variveis aleatrias so independentes se
fXY (x, y) = fX (x)fY (y).
(A.24)
Finalmente, note que, conforme visto na gura A.1, algumas variveis aleatrias
apresentam descontinuidades (saltos) em suas distribuies. Nesses casos, devemos
recorrer ao delta de Dirac para podermos denir uma distribuio: onde FX (x) apresenta um salto de d, fX (x) apresenta um delta de amplitude d. Assim, para o
exemplo da aposta nos dados, mostrado na gura A.2, fX (x) tem a forma representada na gura A.3.
153
F (x)
0.5
0
0.5
Figura A.3: Funo densidade de probabilidade para o saldo nal de uma aposta de
2.00 reais que o lanamento de um dado resulta em um nmero par.
A.6 Mdias de Variveis Aleatrias

Ainda que FX (x) e fX (x) tragam todas as informaes necessrias sobre X , elas
no so muito fceis de manipular e/ou determinar. De fato, dada uma srie de
observaes de X , difcil determinar qual a funo FX (x) que a descreve. Assim,
na prtica, costumamos usar as mdias, ou momentos, para caracterizar (ainda
que parcialmente) uma varivel aleatria. Anal de contas, as mdias so nmeros
reais, portanto simples de serem manipulados e, como veremos, consideravelmente
simples de serem estimados. Entretanto, essa caracterizao apenas parcial, j
que variveis aleatrias com diferentes distribuies podem possuir algumas mdias
iguais. Iniciaremos com mdias de variveis discretas, pois nesse caso a denio de
mdias mais intuitiva.
A.6.1 Variveis Aleatrias Discretas

A principal mdia com a qual ns estamos acostumados a esperana, ou valor
esperado. Considere, por exemplo, que voc aposta 2.00 reais que uma carta retirada
ao acaso de um baralho ser de paus. Assim, com probabilidade 1/4, voc sai da
mesa com 4.00 reais, e com probabilidade 3/4 voc sai da mesa com 2.00 reais. A
esperana do seu ganho dada pela mdia ponderada desses dois valores, ou seja,
4.00 1/4 + (2.00) 3/4 = 0.50 real.
Em geral, se a varivel aleatria X assume valores {xi }N , com probabilidade
i=1
154
P[xi ], sua esperana dada por

N
xi P[xi ],
E[X] =
(A.25)
i=1
onde N pode ser innito. Note que E[X] um nmero no aleatrio, que est
diretamente ligado ao modelo probabilstico de X . A esperana tambm chamada
de primeiro momento, e s vezes denotada por X .
Ainda que no seja fcil ver nem demonstrar isso, a esperana est ligada ao
nosso conceito intuitivo de mdia de seguinte forma: imagine que voc repita um
experimento K vezes, e que o resultado do k -simo experimento seja yk . Considere
ento a mdia desses resultados, no seu sentido intuitivo:
1
mdia =
K
yk .
(A.26)
k=1
Ento, possvel mostrar que, a medida que temos mais experimentos, essa mdia
se aproxima da esperana de X . Em outras palavras,
lim mdia = E[X].
(A.27)
Este importante resultado conhecido como a lei dos grandes nmeros. Na realidade,
(A.26) muito usada para estimar a esperana de uma varivel aleatria baseado
em sucessivas observaes desta varivel.
importante ressaltar que a esperana no o valor que esperamos que ocorra.
De fato, no exemplo acima, o valor 0.50 nunca ocorre. Na realidade, se voc jogar
muitas vezes, a mdia dos seus resultados dada pela esperana. Assim, no nosso
exemplo, voc vai perder em mdia 0.50 real, o que signica que esse jogo no vale
a pena para voc, mas vale muito a pena para o cassino.
Podemos, tambm, generalizar (A.25) para qualquer funo de X . De fato,
temos que
N
g(xi ) P[xi ].
E[g(X)] =
(A.28)
i=1
Algumas funes g(X) levam a mdias particularmente importantes. Por exemplo, usando g(X) = aX + b, podemos estabelecer que a esperana um operador
155
linear, ou seja, para constantes a e b, E[aX + b] = a E[X] + b. De fato, temos que

N
E[aX + b] =
(aX + b) P[xi ]
i=1
N
aX P[xi ] +
i=1
N
=a
b P[xi ]
i=1
N
X P[xi ] + b
i=1
(A.29)
P[xi ]
i=1
= a E[X] + b,
onde a ltima igualdade segue do fato que os eventos {X = xi } so disjuntos e sua
unio d o evento certo.
De particular importncia para ns o segundo momento, denido por
E[|X|2 ] =
|xi |2 P[xi ],
(A.30)
e ligado, como comum quando lidamos com o quadrado de alguma grandeza,

energia de X .
Baseado no segundo momento, podemos denir a varincia de X , dada por
2
X = E[|X X |2 ]
= E[|X X |2 ]
= E[|X|2 ] 2 E[XX ] + 2
X
(A.31)
= E[|X|2 ] 2 ,
X
onde as igualdades seguem da linearidade da esperana e do fato de que X uma
constante. A varincia importante, pois nos d uma medida do quanto uma
varivel aleatria utua ao redor de sua mdia.
A.6.2 Variveis Aleatrias Contnuas

Nessa subseo, abandonaremos temporariamente nossa idia de tentar dar uma
justicao intuitiva, ainda que em geral vaga, para todos os conceitos, e simplesmente deniremos a esperana de uma varivel aleatria contnua como
E[X] =
xfX (x)dx.
(A.32)
156
Na realidade, devido ao uso do delta de Dirac, essa frmula vale tambm para
variveis discretas. A intuio por trs dessa frmula envolve a soma de Riemann, e
no particularmente elucidativa. Entretanto, a ligao entre E[X] e nosso conceito
intuitivo de mdia (a soma de observaes dividido pelo nmero de observaes)
continua vlida.
Assim como para variveis aleatrias discretas, podemos denir algumas esperanas importantes para variveis contnuas. Assim, temos:
E[g(X)] =
E[|X|2 ] =
2
X
g(x)fX (x)dx,
(A.33)
|x|2 fX (x)dx,
= E[|X|2 ] E[X]2 .
Mdias de Duas ou Mais Variveis Aleatrias

Finalmente, podemos tambm calcular mdias envolvendo duas ou mais variveis
aleatrias. Ainda que possamos faz-lo tambm para variveis discretas, preferimos
denir essas mdias apenas uma vez. Em particular, para uma funo qualquer de
X e Y , temos que
E[g(X, Y )] =
g(x, y)fXY (x, y)dxdy .
(A.34)
Usando essa equao com g(X, Y ) = X + Y , temos que
E[X + Y ] =
(x + y)fXY (x, y)dxdy
yfXY (x, y)dxdy
xfXY (x, y)dxdy +
fXY (x, y)dydx +
xfX (x)dx +
fXY (x, y)dxdy
(A.35)
yfY (y)dy
= E[X] + E[Y ],
onde usamos a marginalizao da densidade conjunta descrita em (A.23). Em outras
palavras, tambm nesse contexto a esperana um operador linear.
Uma mdia muito importante de duas variveis aleatrias sua covarincia, dada
por
Cov[X, Y ] = E[(X X )(Y Y )],
(A.36)
157
que, de certa forma, mede o quanto X e Y esto relacionados. No muito difcil

ver que Cov[X, Y ] tambm pode ser calculada como
Cov[X, Y ] = E[X Y ] X Y .
(A.37)
Para N variveis aleatrias X1 , . . . XN , a mdia mais usada a matriz de covarincia. Seja X o vetor composto com as variveis em questo, ou seja,
X = [X1 , . . . XN ]T . Seja tambm E[X] = [E[X1 ], . . . E[XN ]]T o vetor com a mdia dessas variveis. Ento, a matriz de covarincia dada por
C = E[(X E[X])(X E[X])T ]
2
X1
Cov(X1 , X2 ) Cov(X1 , XN )
2
Cov(X2 , X1 )
X2
Cov(X2 , XN )
=
.
.
.
..
.
.
.
.
.
.
.
2
Cov(XN , X1 ) Cov(XN , X2 )
XN
(A.38)
Antes de terminar esta seo, bom chamar a ateno para dois fatos j mencionados. Em primeiro lugar, qualquer mdia pode ser estimada usando (A.26). Por
exemplo, se observamos K valores das variveis X e Y , temos que
1
E[X Y ]
K
xk yk .
(A.39)
k=1
Em segundo lugar, as mdias apresentam uma caracterizao parcial das propriedades de variveis aleatrias. De fato, variveis aleatrias com diferentes distribuies podem possuir algumas mdias que so iguais. Entretanto, por serem
facilmente estimveis e manipulveis, as midas so comumente usadas na prtica.
A.7 Variveis Aleatrias Gaussianas

Nessa seo, estudaremos a que talvez a varivel aleatria mais importante: a
Gaussiana. Conforme vimos, uma varivel aleatria completamente caracterizada
por sua densidade de probabilidade. No caso da Gaussiana, temos que
fX (x) =
1
2 2
exp
(x X )2
2 2
(A.40)
Assim, temos que a densidade de uma varivel Gaussiana completamente caracterizada por sua mdia e sua varincia. Essa uma das razes por trs da importncia

f (x)
F (x)
0.8
158
= 1/2
= 1/2
= 1
= 1
(a)
5 x
(b)
Figura A.4: Densidade (a) e distribuio (b) de probabilidade de uma varivel

aleatria Gaussiana de mdia zero.
dessa varivel: se estimarmos essas duas grandezas, podemos determinar completamente todas as suas caractersticas estatsticas. Para chamarmos a ateno para
2
esse fato, e para facilitar a notao, escrevemos X N (X , X ) para dizer que X
2
tem uma distribuio Gaussiana com mdia X e varincia X .
Mas talvez a principal explicao para a importncia de variveis Gaussiana
esteja no teorema central do limite. Grosso modo, esse teorema diz que se uma
varivel aleatria X a soma de vrias outras variveis, ento, quando o nmero de
variveis tende a innito, X tende a uma Gaussiana. Claro que o teorema impe
algumas condies sobre essas variveis aleatrias que compem X , mas em geral
essas restries s dizem respeito mdia e varincia, e no suas densidades.
Inclusive, cada uma pode ter uma densidade diferente! Assim, se um fenmeno
a soma de diversas contribuies (como por exemplo o rudo trmico, causado
pela combinao dos rudos de milhares de eltrons), podemos aproxim-lo por uma
varivel Gaussiana.
Infelizmente, a distribuio de uma varivel Gaussiana no possui uma frmula
fechada, devendo ser calculada numericamente ou atravs de uma tabela. Isso pode
ser facilmente feito usando qualquer programa de simulao, e o resultado est
mostrado na gura A.4.
159
A.7.1 Vrias Variveis Conjuntamente Gaussianas

Dizemos que as variveis aleatrias X1 , . . . XN so conjuntamente Gaussianas se
sua densidade de probabilidade conjunta puder ser escrita como
fX1 ,...XN (x1 , . . . , xN ) =
1
det(2C)
exp
(x X )T C1 (x X )
2
(A.41)
onde x = [x1 , . . . xN ]T , X = [E[X1 ], . . . E[XN ]]T , e C a matriz de covarincia de

X1 , . . . XN . Note que o termo (xX )T C1 (xX ) descreve elipsides de dimenso
N centradas em X . Da mesma forma que para uma nica varivel, usaremos a
notao X N (X , C) para indicar que as variveis em X so conjuntamente
Gaussianas, com mdia X e matrix de covarincia C.
interessante notar que se as variveis conjuntamente Gaussianas so descorrelacionadas, ento C uma matriz diagonal, e o i-simo elemento da diagonal de
2
C dado por Ci,i = i . Nesse caso,
N
2
i .
det(C) =
(A.42)
i=1
Tambm no difcil ver que o fato de C ser diagonal leva a

N
T
(x X ) C (x X ) =
i=1
(xi E[Xi ])2

.
2
2i
(A.43)
Como a exponencial da soma igual ao produto das exponenciais, temos que a

densidade conjunta de X1 , . . . XN dada por
N
fX1 ,...XN (x1 , . . . , xN ) =

i=1
1
(xi E[Xi ])2
exp
2
2
2i
2i
(A.44)
ou seja, a densidade conjunta o produto das densidades marginais. Em outras

palavras, se variveis aleatrias conjuntamente Gaussianas so descorrelacionadas,
elas tambm so independentes.
Um resultado importante, que apresentaremos sem prova, que qualquer transformao linear de variveis conjuntamente Gaussianas leva a variveis conjuntamente Gaussianas. Ou seja, se X N (X , CX ) e Y = AX, para alguma matriz
constante A, ento Y tambm Gaussiano. O que no muito difcil de ver, usando a linearidade da esperana, que E[Y] = A E[X] e CY = ACX AT . Assim,
Y N (AX , ACX AT ).
160
A.8 Processos Estocsticos

Por enquanto, estudamos apenas variveis aleatrias cujo valor no depende do
tempo. De certa forma, como se as variveis consideradas at aqui ocorressem
apenas uma vez. Entretanto, os fenmenos aleatrios presentes em sistemas de
comunicaes dependem inerentemente do tempo. Por exemplo, a cada instante de
tempo, o rudo de recepo assume um valor aleatrio. A forma de onda transmitida
tambm assume um valor aleatrio a cada instante, j que depende dos smbolos
transmitidos. Estes fenmenos aleatrios que dependem do tempo so chamados
processos estocsticos, e seu estudo o tpico desta e das prximas sees.
Nesse ponto, bom lembrar que ns j mencionamos, de passagem, um tal processo. De fato, quando falamos de mdias na equao (A.26), ns mencionamos que
para seu clculo ns repetimos um experimento aleatrio diversas vezes, e somamos
os diversos resultados obtidos. O processo de repetir um experimento diversas vezes
gera uma seqncia de variveis aleatrias. De forma equivalente, podemos pensar
que temos uma varivel aleatria diferente para cada instante de tempo discreto k
em que realizamos o experimento. importante notar que, nesses casos em que
o processo estocstico ocorre apenas em instantes de tempo discretos, dizemos que
temos uma seqncia aleatria.
Na realidade, existem duas denies equivalentes de um processo estocstico.
A mais intuitiva diz que, em um processo estocstico, para cada instante de tempo k
(ou t, se o processo ocorrer em tempo contnuo) temos uma varivel aleatria X(k; )
(ou X(t; )). Por exemplo, a denio do processo ligado ao clculo da mdia dada
acima segue essa linha.
Da mesma forma, imagine que queiramos transmitir um nico bit . Assim
{0, 1}. Imagine ainda que a forma de onda transmitida seja x(t) = sinc(t) se
= 1 e x(t) = sinc(t) se = 0. Ento, para cada instante de tempo t temos uma
varivel aleatria X(t; ) dada por
X(t; ) =
sinc(t) se = 1,
sinc(t) se = 0.
(A.45)
A discusso acima nos sugere imediatamente a segunda denio de um processo estocstico, que permite um tratamento de certa forma unicado de variveis
aleatrias e processos estocsticos. Lembre-se que uma varivel aleatria associa um
valor real a cada possvel resultado de seu experimento. Um processo estocstico,
por outro lado, associa uma funo a cada possvel resultado de seu experimento.
161
X(t; )
1
X(t; )
2
t = 1
...
t =2
Figura A.5: Representao grca de um processo estocstico.

Ambas as denies esto mostradas na gura A.5 para um processo estocstico
qualquer. Por um lado, vemos nessa gura que para cada valor de temos uma
funo X(t; ). Por outro lado, vemos que, para t = 1 e t = 2 temos duas variveis
aleatrias, X(1; ) e X(2; ).
Dizemos que x(t) a realizao de um processo estocstico se esta for a funo
que ele assume. Assim, no exemplo da transmisso do bit, a funo sinc(t) a
realizao do processo estocstico quando = 1. Por outro lado, chamamos o
conjunto de todas as possveis realizaes de ensemble. No exemplo da transmisso,
o ensemble dado por E = {sinc(t), sinc(t)}.
Assim como zemos com variveis aleatrias, em geral ns ignoraremos o fato de
que o processo estocstico depende do valor de . Em outras palavras, denotaremos
o processo simplesmente por X(t).
162
A.9 Mdias de Processos Estocsticos

A caracterizao estatstica de um processo estocstico bastante complexa. De
fato, para sua completa caracterizao, devemos conhecer fX(t1 ),...X(tN ) (x1 , . . . , xN )
para todos os valores de t1 , . . . , tN e para todo valor de N . Obviamente, esta exigncia no muito simples de satisfazer. Assim, o uso de mdias para caracterizar
processos estocsticos muito difundido, e talvez seja at mais importante do que
em variveis aleatrias.
So trs as mdias mais usadas na prtica. Em primeiro lugar, denimos o valor
esperado de um processo estocstico como
X (t) = E[X(t)].
(A.46)
Em outras palavras, X (t) a esperana da varivel aleatria X(t).

Se fssemos simplesmente copiar o que zemos para uma varivel aleatria,
deniramos nesse ponto a varincia de um processo estocstico. Entretanto, podemos obter muito mais informao a respeito de X(t) atravs da sua funo de autocovarincia, dada por
CX (t, t + ) = Cov[X(t), X(t + )].
(A.47)
Em outras palavras, CX (t, t + ) a covarincia entre as variveis aleatrias X(t) e

X(t+ ). Se = 0, CX (t, t) nos d a varincia de X(t), como desejvamos no comeo
deste pargrafo. Entretanto, para um qualquer, CX (t, t + ) nos d uma idia de
quanto X(t) e X(t + ) esto relacionados. Ou seja, CX (t, t + ) nos d uma noo
de como X(t) muda no intervalo . Se CX (t, t + ) for grande, ento o processo
possivelmente no muda muito nesse intervalo. Por outro lado, se CX (t, t + )
for pequeno, ento possivelmente o processo passa por grandes mudanas entre os
instantes t e t + .
Finalmente, denimos tambm a funo de autocorrelao de X(t), dada por
RX (t, t + ) = E[X(t)X(t + )].
(A.48)
No difcil ver que CX (t, t + ) = RX (t, t + ) X (t)X (t + ). Tambm temos

que RX (0) = E[X 2 (t)], ou seja, RX (0) est ligado energia do processo estocstico.
Obviamente, podemos denir as mesmas mdias para seqncias aleatrias. Devemos simplesmente trocar os valores reais t e por valores inteiros k e m. Assim, a
mdia de Xk dada por E[Xk ], a funo de autocovarincia dada por CX (k, m) =
Cov[Xk , Xk+m ], e a funo de autocorrelao dada por RX (k, k+m) = E[Xk Xk+m ].
163
A.9.1 Processos Estacionrios

As caractersticas estatsticas de muitos processos estocsticos encontrados na
prtica no mudam com o tempo. Em outras palavras, se comearmos a observar
um processo agora ou dentro de segundos, observaremos as mesmas caractersticas.
Matematicamente, isso quer dizer que
fX(t1 ),...X(tN ) (x1 , . . . , xN ) = fX(t1 +),...X(tN +) (x1 , . . . , xN ).
(A.49)
para todos os valores de t1 , . . . , tN e para todo valor de N e . Processos com essas

caractersticas so ditos estacionrios.
Tomando N = 1, temos que fX(t) (x) = fX(t+) (x), para qualquer . Tomando
= t, conclumos que fX(t) (x) = fX(0) (x). Em outras palavras, a densidade de
X(t) a mesma para todo t, e portanto sua mdia no depende de t. Assim, podemos
denir a mdia de um processo estacionrio como X ao invs de X (t).
Tomando N = 2, temos que fX(t),X(t+ ) (x1 , x2 ) = fX(t+),X(t+ +) (x1 , x2 ). Assim, para = t, obtemos que fX(t),X(t+ ) (x1 , x2 ) = fX(0),X( ) (x1 , x2 ). Em outras
palavras, fX(t),X(t+ ) (x1 , x2 ) s depende de , mas no de t. Dessa forma, podemos
escrever as funes de autocovarincia e autocorrelao como CX ( ) e RX ( ), j
que elas tambm no dependem de t. Em resumo, para processos estacionrios, as
funes de autocovarincia e autocorrelao dependem de apenas uma varivel.
Certamente, pode ser difcil determinar se (A.49) vlido para todo N . Entretanto, na maioria das vezes, s estamos de fato interessados nas estatsticas mencionadas acima. Assim, dizemos que um processo estocstico estacionrio no
sentido amplo se sua mdia constante e sua funo de autocovarincia s depende
de .
A.9.2 Mdias Temporais e Ergodicidade

Para o clculo das mdias denidas na seo anterior, xamos um ou mais instantes de tempo e vericamos o que ocorre com as variveis aleatrias equivalentes
a esses instantes. Assim, para calcular essas mdias, levamos em conta todas as
possveis realizaes do processo estocstico. Por isso, essas mdias so chamadas
de mdia de ensemble.
Na prtica, estamos muito mais acostumados a observar uma nica realizao
de um processo estocstico. Na realidade, o processo uma funo do tempo, de
164
forma que a todo instante estamos lidando com a mesma realizao. Nesse caso,
podemos calcular mdias temporais ligadas realizao.
Para uma realizao xk de uma seqncia aleatria, por exemplo, podemos calcular
K
1
xK=
xk .
(A.50)
K i=1
De forma equivalente, para uma realizao x(t) de um processo estocstico a tempo
contnuo, denimos
T
1
xT =
x(t)dt.
(A.51)
2T T
Note que h o risco de confundir essa notao com a adotada no apndice B para
o produto interno de duas funes. Note, entretanto, que a denio aqui possui
apenas um argumento, e apresenta um ndice que indica quantos elementos esto
envolvidos na soma.
Estas denies pode parecer a primeira vista intrigantes. Anal, vimos que
para cada instante de tempo temos uma varivel aleatria distinta. Ou seja, essas
denies esto executando a soma de realizaes de variveis aleatrias distintas.
Pode parecer estranho que isso tenha algum sentido, mas de fato, para uma grande
classe de processos, tem. Na realidade, existe uma classe de processos, chamados de
processos ergdicos na mdia, para os quais (A.50) e (A.51) tendem a x a medida
que K (ou T ) tendem a innito.
Note que para a denio de ergodicidade acima fazer sentido, X no pode ser
uma funo do tempo. Anal, no teramos como levar uma dependncias dessas
em conta nas equaes (A.50) e (A.51).
Podemos tambm denir outras mdias temporais importantes. De particular
interesse, denimos
xk xk+m
x(t)x(t + )
1
=
2T
1
=
K
xk xk+m
i=1
T
T
(A.52)
x(t)x(t + )dt.
Assim como zemos acima, dizemos que um processo ergdico na autocorrelao

se as mdias temporais acima convergem, respectivamente, para CX [m] e CX ( ).
Note que para as denies de ergodicidade acima fazerem sentido, o processo
estocstico tem que ser estacionrio no sentido amplo. Por exemplo, se (A.50)
165
tende a X , ento X no pode depender de k . De, no teramos como incluir uma

dependncia em k ou t nos clculos das mdias temporais.
O ponto principal desta seo, na realidade, no discutir a denio de processos
ergdicos. De fato, o mais importante ressaltar que, para processos de interesse,
as mdias temporais podem ser usadas, e de fato o so na prtica, para estimar as
mdias de ensemble do processo estocstico como um todo, mesmo que s tenhamos
acesso a uma de suas realizaes.
A.10 Filtragem de um Processo Estocstico

Nesta seo, estudaremos as caractersticas estatsticas do sinal Y (t) na sada
de um ltro linear quando sua entrada um processo estocstico estacionrio no
sentido amplo X(t). Discutiremos principalmente sinais em tempo contnuo, j
que os resultados para seqncias aleatrias so semelhantes, bastando, em geral,
substituir as integrais por somatrias. Nesta seo, buscaremos determinar a mdia
e a funo de autocorrelao do sinal na sada do ltro j que, como sempre, a
determinao de todas as suas caractersticas estatsticas seria muito complexa.
Assim, seja h(t) a resposta ao impulso do ltro, e H(f ) sua transformada de
Fourier. Para um dado , o sinal na entrada do ltro X(t; ). Temos ento que a
sada do ltro dada por
Y (t; ) =
h(u)X(t u; )du.
(A.53)
Em outras palavras, Y (t; ) tambm um processo estocstico. Seguindo a conveno anterior, no mais faremos referncias explcitas a , e denotaremos a sada
do ltro apenas por Y (t).
Assuma, agora, que tanto X(t) quanto h(t) so tais que possamos trocar a ordem
da esperana e da integrao. Esta condio apenas um formalismo matemtico, e
no muito restritiva. Baseado nesta hiptese, e usando a linearidade da esperana,
166
a determinao da esperana de Y (t) relativamente simples. De fato, temos que
Y (t) = E
h(u)X(t u)du
h(u) E[X(t u)]du
h(u)X du
= X
(A.54)
h(u)du
= X H(0).
Podemos observar que Y (t) na realidade no depende de t.
Uma outra mdia importante a correlao cruzada entre Y (t) e X(t), que
dada por
RX,Y (t, t + ) = E[X(t)Y (t + )]
= E X(t)
h(u)X(t + u)du
h(u) E[X(t)X(t + u)du
(A.55)
h(u)RX ( u)du
= h( ) RX ( ),
onde denota convoluo. Claramente, (A.55) no depende de t.
Finalmente, para determinarmos a funo de autocorrelao, escrevemos
RY (t, t + ) = E
h(u)X(t u)du
h(v)X(t + v)dv
h(u)h(v) E[X(t u)X(t + v]dudv
(A.56)
h(u)h(v)Rx ( v + u)dudv ,
onde a ltima equao conseqncia da estacionariedade de X(t). Assim, ca

claro que RY (t, t + ) no depende de t. Como j observamos que Y constante,
conclumos que Y (t) tambm um processo estacionrio no sentido amplo, assim
como X(t).
Infelizmente, (A.56) no nada intuitiva, nem fcil de calcular. Para contornar
esses problemas, na prxima seo veremos o que ocorre no domnio da freqncia.
167
A.11 Densidade Espectral de Potncia

Para podermos escrever (A.56) no domnio da freqncia, denimos a densidade
espectral de potncia, ou espectro, de um processo estocstico estacionrio no sentido
amplo como a transformada de Fourier de sua funo de autocorrelao. Matematicamente, temos que
SX (f ) =
RX ( ) exp(j2f )d ,
(A.57)
SX (f ) exp(j2f )df .
(A.58)
o que implica que
RX ( ) =
A densidade espectral de potncia possui duas propriedades importantes. Em

primeiro lugar, RX (0) = E[X 2 (t)]. Assim, temos que
E[X 2 (t)] =
SX (f )df .
(A.59)
Ou seja, a integral de SX (f ) est ligada potncia do sinal.

Mais ainda, SX (f ) possui propriedades de simetria importantes. Em primeiro
lugar, da denio de RX ( ) ca claro que RX ( ) = RX ( ), o que implica que
SX (f ) = SX (f ). Ou seja, a densidade espectral de potncia um nmero real. Para

processos estocsticos reais como os que temos tratado at aqui, RX (f ) tambm
real, o que implica que SX (f ) = SX (f ).
Considere, agora, o clculo da densidade espectral do sinal na sada de um ltro
linear, SY (f ). De (A.56), temos que
SY (f ) =
RY ( ) exp(j2f )d
(A.60)
h(u)h(v)Rx ( v + u)dudv exp(j2f )d .
Fazendo a mudana de variveis de para = + v u na equao acima, obtemos
SY (f ) =
h(u) exp(j2f u)du
h(v) exp(j2f v)dv
RX ( ) exp(j2f )d
= H(f )H (f )SX (f )
= |H(f )|2 SX (f ).
(A.61)
168
S (f)
Figura A.6: Resposta em freqncia de um ltro passa faixas ideal.

A equao (A.56) nos d uma relao simples entre a densidade espectral de
potncia dos sinais na entrada e na sada de um ltro linear. Mais ainda, ela nos
permite uma interpretao interessante da densidade espectral de potncia. Para ver
isso, considere que H(f ) seja um ltro passa baixas centrado em f0 , cuja resposta
em freqncia est mostrada na gura A.6. Nesse caso, o sinal na sada do ltro
praticamente apenas os componentes de X(t) com freqncia f0 .
Agora, vamos calcular a energia do sinal na sada do ltro. Sabemos que SY (f ) =
|H(f )|2 SX (f ). Assim,
E[Y 2 (t)] =
SY (f )df =
|H(f )|2 SX (f )df .
(A.62)
Suponha, agora, que B seja pequeno, de forma que SX (f ) seja constante na faixa
de interesse. Isso implica que E[Y 2 (t)] 2BSX (f0 ), o que, por sua vez, resulta em
SX (f0 )
E[Y 2 (t)]
.
2B
(A.63)
Ou seja, a densidade espectral de potncia nos d a potncia por unidade de freqncia (em outras palavras, a densidade) da potncia de X(t) em torno de f0 .
Outra propriedade importante de SX (f ) que SX (f ) 0. Ainda que a demonstrao rigorosa desse resultado seja difcil, (A.63) nos d um intuio de que ele
seja verdade. De fato, como E[Y 2 (t)] 0, esperamos que tambm SX (f ) 0.
A.12 Rudo Aditivo Gaussiano Branco

Como sempre, um dos processos estocsticos mais importantes o Gaussiano.
Dizemos que um processo Gaussiano se, para todos os valores de t1 , . . . , tN e
169
para todo valor de N , as variveis aleatrias X(t1 ), . . . X(tN ) so conjuntamente

Gaussianas.
So duas as propriedades importantes destes processos. Em primeiro lugar,
lembre-se que variveis conjuntamente Gaussianas so completamente caracterizadas por suas mdias e correlaes. Ora, se um processo estocstico Gaussiano
estacionrio no sentido amplo, ento sua mdia e matriz de autocorrelao no
dependem de t. Isso implica que sua densidade de probabilidade no depende de
t. Ou seja, o processo estacionrio. Mais ainda, para caracterizar completamente
esse processo, precisamos apenas de X e de RX ( ), j que podemos obter a matriz
de autocorrelao de X(t1 ), . . . X(tN ) a partir de RX ( ).
A segunda propriedade est ligada ao resultado mencionando anteriormente de
que qualquer transformao linear de variveis aleatrias conjuntamente Gaussianas
resulta em variveis aleatrias conjuntamente Gaussianas. Como um ltro tambm
linear, temos que se a entrada do ltro for um processo estocstico Gaussiano, ento
a sada do ltro tambm .
Processos Gaussianos so muito usados para modelagem do rudo presente em
sistemas eltricos. Conforme vimos, para caracterizar esse rudo devemos especicar
sua mdia e funo de autocorrelao. Ora, rudos em geral possuem mdia zero, ou
seja, X = 0. Mais ainda, a evoluo temporal do rudo altamente imprevisvel.
Para expressarmos isso matematicamente, dizemos que, se t1 = t2 , ento X(t1 ) e
X(t2 ) so independentes. Isso implica que
RX ( ) = E[X(t)X(t + )] = E[X(t)] E[X(t + )] = 0, para = 0.
(A.64)
Para completar a especicao do processo, falta apenas determinar o valor de

RX (0). Para faz-lo, considere que, como RX ( ) = 0 para = 0, temos que SX (f ) =
0, a no ser que RX ( ) seja proporcional a ( ). Entretanto, se SX (f ) = 0, temos
um processo estocstico de varincia nula, o que certamente no representa o rudo.
Assim, devemos ter que RX ( ) = N0 /2( ). Nesse caso, teremos que SX (f ) uma
constante igual a N0 /2.
Esta denio tem algumas conseqncias importantes. Em primeiro lugar, vemos que o rudo tem componentes iguais em todas as freqncias. Como a cor
branca tambm tem esta caracterstica, chamamos esse rudo de rudo branco.
Outra observao que RX ( ) = N0 /2( ) implica que RX (0) innito, ou
seja, que o sinal tem energia innita. Obviamente, nenhum sinal na natureza pode
satisfazer esta propriedade. Entretanto, devemos considerar tambm que nenhum
170
sinal de interesse ocupa uma faixa de freqncia innita, e que, no processamento,

as freqncias que no correspondem ao sinal de interesse so ltradas. Assim, a
hiptese de que o rudo aditivo possui um espectro plano em todas as freqncias
acaba sendo reduzida hiptese de que o espectro plano apenas nas freqncias
de interesse.
Considere, por exemplo, a gura A.6. Nesse caso, a faixa de freqncias do sinal
de interesse B . Assumindo um rudo com espectro plano igual a N0 /2 na faixa de
interesse e nulo fora dela, temos, de (A.59), que a varincia do rudo dada por
E[N 2 (t)] =
SN (f )df = BN0 .
(A.65)
Ou seja, na faixa de freqncias de interesse, o rudo possui energia nita.
A.13 Exerccios
Exerccio A.1:
A varivel aleatria X tem a densidade de probabilidade mostrada na gura A.7.

Determine o valor de A.
f (x)
Figura A.7: Densidade de probabilidade de X .
Exerccio A.2:
Seja R = X + N o sinal na sada de um canal de comunicaes, onde X o

smbolo transmitido e N (0, 2 ) o rudo. Suponha que x assuma os valores +1
171
e 1, ambos com probabilidade 1/2. Determine fR (r|X = +1) e fR (r|X = 1).

(Dica: pense no que acontece com o sinal recebido quando o smbolo transmitido
+1, por exemplo.) Finalmente, usando o teorema da probabilidade total (ver notas),
esboce o grco de fR (r).
Exerccio A.3:
Determine o valor da constante a que minimiza E[(X a)2 ]. Dica: Se voc no

quiser simplesmente usar derivadas, soma e subtraia X do termo que elevado ao
quadrado. Expandindo o resultado de forma adequada, o resultado sai em poucas
linhas. Esta tcnica muito usada em vrios problemas que envolvem minimizar
um quadrado.
Exerccio A.4:
Usando apenas a denio axiomtica de probabilidade, prove que
P[] = 0.
P[A B] = P[A] + P[B] P[A B].
Se A B , ento P[A] < P[B].
P[Ac ] = 1 P[A], onde Ac o complemento de A.
APNDICE
Funes como Espaos Vetoriais
Apesar de inicialmente poder parecer surpreendente, o conjunto das funes

forma um espao vetorial. Anal, a soma de duas funes uma funo, e a multiplicao de uma funo por um real uma funo, e fcil (de verdade) vericar
que todas as outras exigncias para um espao vetorial so satisfeitas pelo conjunto
das funes. A maior diculdade talvez seja pensar em uma funo como um objeto,
mas isso uma abstrao com a qual possvel se acostumar. E lembre-se que a
denio de espao vetorial diz respeito a um conjunto de objetos que satisfazem
uma srie de propriedades, e no est restrita apenas aos vetores em Rn com os
quais estamos acostumados.
Igualmente importante o fato de que a integral do produto de duas funes
satisfaz todos os requerimentos de um produto interno. Ou seja, para duas funes
g(t) e f (t), podemos denir
g(t), f (t) =
g(t)f (t)dt
(B.1)
como o produto interno de duas funes. Se as funes so complexas, o produto

interno pode ser denido como
g(t), f (t) =
172
g(t)f (t)dt.
(B.2)
APNDICE B. FUNES COMO ESPAOS VETORIAIS
173
Sem entrarmos em maior detalhes, assumiremos que estamos lidando com funes
para as quais essas integrais sejam bem denidas. Estas funes formam um conjunto denotado, em matemtica, por L2 .
O interesse em considerar funes como espaos vetoriais, bem como na denio
do produto interno de duas funes, que vrios resultados e intuies de lgebra
linear podem ser diretamente aplicados a funes. Na seqncia, veremos algumas
aplicaes de interesse em transmisso digital.
B.1 Norma, Distncia e Ortogonalidade

Se considerarmos o conjunto das funes L2 como um espao vetorial dotado de
um produto interno, podemos denir a norma (o tamanho) de uma funo, de
acordo com a relao
g(t)
= g(t), g(t) =
|g(t)|2 dt.
(B.3)
Ou seja, g(t) 2 a energia do sinal g(t).

Baseado no conceito de norma, podemos tambm denir a distncia entre duas
funes como g(t) f (t) . Em outras palavras, o quadrado da distncia entre duas
funes (ou, equivalentemente, entre dois sinais) a energia de sua diferena:
g(t) h(t)
= g(t) h(t), g(t) h(t) =
|g(t) h(t)|2 dt.
(B.4)
Finalmente, dizemos que duas funes so ortogonais se
g(t), f (t) =
g(t)f (t)dt = 0.
(B.5)
Este conceito idntico ortogonalidade entre vetores, e tem as mesmas conseqncias. Por exemplo, se g(t) e f (t) so ortogonais, podemos aplicar o teorema de
Pitgoras e concluir que g(t) + f (t) 2 = g(t) 2 + f (t) 2 .
B.2 Desigualdade de Cauchy-Schwarz

Um resultado importante de lgebra linear que pode ser diretamente aplicado
ao conjunto das funes a desigualdade de Cauchy-Schwarz, cuja prova pode ser
174
encontrada em qualquer livro de lgebra linear, e ser dada no nal desta seo.
Esta desigualdade diz que, para quaisquer dois vetores g e h, temos que
| g, h | g
(B.6)
h ,
com igualdade se e somente se g um mltiplo de h. Usando a denio do produto

interno de duas funes, a desigualdade de Cauchy-Schwarz implica que
g(t)h(t)dt|2
|g(t)|2 dt
|h(t)|2 dt,
(B.7)
com igualdade se e somente se g(t) um mltiplo de h(t). Note que, para facilitar
a notao, em (B.7) elevamos os dois lados de (B.6) ao quadrado.
Para demonstrar a desigualdade, notamos que, para qualquer valor do escalar ,
g h
(B.8)
0.
Expandindo o lado esquerdo dessa desigualdade, temos que
||2 g
g, h h, g + h
0.
(B.9)
Observe agora que se g = 0 ento g(t) = 0 e a desigualdade de Cauchy-Schwarz

satisfeita. Assuma ento que g = 0 e tome um valor particular de , =
h, g / g 2 , de forma que ||2 = | h, g |2 / g 4 . Note que, da denio do produto
interno em (B.5), h, g = g, h , e, portanto, g, h h, g = | g, h |2 . Usando
estes resultados e a denio de na desigualdade acima, podemos escrever
| g, h |2 | g, h |2 | g, h |2
+ h
g 2
g 2
g 2
0.
(B.10)
Rearranjando os termos, obtemos
| g, h |2
+ h
|g 2
e, portanto,
0,
| g, h |2
,
g 2
(B.11)
(B.12)
Multiplicando os dois lados por g 2 e tirando a raz quadrada, chegamos ao resultado desejado.
Finalmente, note que se h(t) = g(t) para um qualquer, ento a desigualdade
de Cauchy-Schwarz satisfeita com igualdade. Por outro lado, se a desigualdade
175
de Cauchy-Schwarz satisfeita com igualdade, ento, invertendo o raciocnio acima,

vemos que g h 2 = 0 para = h, g / g 2 . Mas isso acontece se e somente se
g(t)h(t) = 0 para todo t, o que implica que h(t) = g(t). Ou seja, a desigualdade
de Cauchy-Schwarz satisfeita com igualdade se e somente se h(t) = g(t).
B.3 Subespaos e Bases Ortonormais

Outra vantagem de vermos funes como um espao vetorial que, com isso,
podemos pensar em subespaos de funes, em bases para esses subespaos, etc.
Por exemplo, funes peridicas com perodo T formam um subespao do conjunto
de funes. Anal, a soma de duas funes peridicas uma funo peridica,
e o produto de uma funo peridica por uma constante tambm uma funo
peridica. Do estudo de sries de Fourier, sabemos que {exp(j2kt/T )}
k= uma
base (innita) desse subespao. Neste caso, o intervalo de integrao na denio do
produto interno incorpora apenas um perodo da funo. Do contrrio, as integrais
envolvidas no so bem denidas.
A base determinada pela srie de Fourier possui uma propriedade importante:
seus vetores so ortogonais. De fato, temos que
0 se k = l
exp(j2kt/T ), exp(j2lt/T ) =
.
(B.13)
T se k = l
Bases com esta propriedade so chamadas de bases ortogonais. Se, alm disto, os
vetores da base tiverem norma unitria, temos uma base ortonormal.
Como sempre, as bases ortogonais no presente contexto possuem as mesmas
propriedades importantes que aquelas de espaos vetoriais tradicionais. De fato,
seja V = span{fk (t)}K o subespao gerado pelas funes ortonormais fk (t), k =
k=0
0, . . . K . Ou seja, toda funo g(t) V pode ser escrita como
K
gk fk (t).
g(t) =
(B.14)
k=0
Devido ortonormalidade da base, no difcil mostrar que
gk = g(t), fk (t) .
(B.15)
176
Para isso, tome o produto interno do lado direito de (B.14) com fk (t). Tambm
pode-se mostrar que
K
|gk |2 .
g(t) =
(B.16)
k=0
B.4 Projees Ortogonais

A partir dos conceitos de ortogonalidade e de subespao, podemos denir tambm
a projeo ortogonal. Por exemplo, seja V um subespao e r(t) um vetor qualquer.
Ento, possvel mostrar que o vetor de V mais prximo de r(t), r0 (t), a projeo
ortogonal de r(t) em V .
Aqui, como sempre, a projeo ortogonal possui as mesmas propriedades que em
espaos mais tradicionais. Em particular, qualquer elemento de V ortogonal ao
vetor r(t)r0 (t). Na gura 3.2, pgina 37, temos um exemplo de projeo ortogonal
em um subespao unidimensional.
A demonstrao de que a projeo ortogonal de fato minimiza a distncia utiliza
uma tcnica muito comum em vrios outros problemas. Portanto, seu estudo de
interesse. Assim, seja g(t) um vetor qualquer em V . Ento,
g(t) r(t)
= g(t) r0 (t) (r(t) r0 (t)) 2 ,
(B.17)
onde apenas somamos e subtramos r0 (t). Ora, o vetor g(t) r0 (t) a diferena
entre dois elementos de V , e portanto tambm est em V . Portanto, ele ortogonal
a r(t) r0 (t). Assim, usando Pitgoras,
g(t) r(t)
= g(t) r0 (t)
+ r(t) r0 (t) 2 .
(B.18)
Note que o termo g(t) r0 (t) 2 sempre positivo, e seu menor valor atingido
quando g(t) = r0 (t). Assim, temos que
g(t) r(t)
r(t) r0 (t) 2 ,
(B.19)
com igualdade se e somente se g(t) = r0 (t). Em outras palavras, se g(t) V , o

menor valor que g(t) r(t) 2 pode assumir r0 (t) r(t) 2 , o que ocorre se e
somente se g(t) = r0 (t). Conclumos, ento que r0 (t) de fato o elemento de V mais
prximo de r(t).
177
O conceito de base ortonormal facilita bastante o clculo das projees ortogonais. De fato, seja, novamente, V = span{fk (t)}K o subespao gerado pelas
k=0
funes ortonormais fk (t), k = 0, . . . K . Assim, temos que
K
rk fk (t),
r0 (t) =
(B.20)
k=0
onde
rk = r(t), fk (t) .
(B.21)
De fato, no difcil checar que se g(t) V , ento, para o vetor r0 (t) denido acima,
g(t), r(t) r0 (t) = 0. Para isso, basta escrever g(t) como em (B.14) e expandir o
produto interno acima, lembrando que as funes de base so ortonormais.
Bibliograa
178

TX Digital

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TX Digital

Enviado por

Direitos autorais:

Formatos disponíveis

Notas de Aula

EE089 - Transmisso Digital

Analgico versus Digital . . . . . . . . . . . . . . . . .

2 Modulao em Banda Base

Princpios Bsicos de Modulao . . . . . .

3 Receptores de Sinais em Banda Base

Receptores de Mnima Distncia . . . . . . . . . . .

4 Transmisso e Recepo em Banda Passante

Transmisso em Fase e em Quadratura . . . . . . . . . . . . . . . . .

Filtros de Recepo e Modelo Discreto do Canal . . . . . . .

A Reviso de Processos Estocsticos

A.4.2 Distribuio Conjunta . . . . . . . . . . . .

B Funes como Espaos Vetoriais

A matria transmisso digital se preocupa com a transmisso de bits de um

Orientao do campo magntico em um dado ponto de um disco rgido. Por

cabo coaxial da provedora de TV a cabo no caso de servios de internet em banda

1.1 Analgico versus Digital

dada em 1948 por Claude Shannon, que, em um trabalho fundamental, inaugurou o

Modulao em banda bsica, para canais cuja resposta em freqncia admite

resultante discreta e aperidica em freqncia. As transformadas direta e

x(t) exp (j2kf0 t) dt x(t) =

X[k] exp (j2kf0 t) .

Transformada de Fourier (FT, do ingls Fourier Transform ). A FT denida

x(t) exp (j2f t) dt x(t) =

X(f ) exp (j2f t) df.

Transformada de Fourier a tempo discreto (DTFT, do ingls Discrete Time

x[n] exp (j2f n) x[n] =

X(f ) exp (j2f n) df. (1.3)

Em vrios cursos, vemos a transformada em funo de , no em funo de f .

X[k] exp (jkn2/N ) x[n] =

X[k] exp (jkn2/N ) .

Nas denies de transformada,

interessante notar uma certa dualidade entre a FS e a DTFT. De fato, suas

1.3.2 Relaes entre as Transformadas: Amostragem

Sinais de durao innita

x[n] exp(j2f nTa ).

Note que (1.7) muito semelhante denio da DTFT de x[n]. De fato,

De (1.6), vemos que Xa (f ) peridico com perodo 1/Ta .

Sinais de durao nita

x(t) exp (j2f t) dt.

x(nTa ) exp (j2f nTa ) Ta .

Considere agora o clculo X(f ) para f = kfa /N . De certa forma, como se

x(nTa ) exp (j2kn/N ) .

Em resumo, se amostrarmos o sinal x(t) em um perodo T , a DFT do sinal

delta se o sinal tivesse durao innita. Na realidade, a DFT aproxima a FT do

Modulao em Banda Base

Conforme falamos na introduo, a entrada dos canais de comunicaes tem que

CAPTULO 2. MODULAO EM BANDA BASE

Figura 2.1: Exemplo de sinal na entrada do canal.

2.1 Princpios Bsicos de Modulao

Figura 2.2: Exemplos alternativos de sinais na entrada do canal.

CAPTULO 2. MODULAO EM BANDA BASE

CAPTULO 2. MODULAO EM BANDA BASE

N = 2M possibilidades), o modulador produz uma forma de onda diferente. Assim,

CAPTULO 2. MODULAO EM BANDA BASE

2.2 Modulao por Amplitude de Pulso

CAPTULO 2. MODULAO EM BANDA BASE

Figura 2.3: Diagrama de um modulador N-PAM.

O diagrama de blocos da modulao N-PAM est mostrado na gura 2.3. Nesta

CAPTULO 2. MODULAO EM BANDA BASE

transmitidos forem 01, e a3 = 3 se os bits a serem transmitidos forem 11.

2.2.1 Um Primeiro Estudo Sobre Alfabetos

CAPTULO 2. MODULAO EM BANDA BASE

Para este m, considere um alfabeto genrico A = {ai }N 1 . A energia gasta

Transformada de Fourier (FT, do ingls Fourier Transform ). A FT denida

Nas denies de transformada,

Sinais de durao innita

Note que (1.7) muito semelhante denio da DTFT de x[n]. De fato,

Sinais de durao nita

delta se o sinal tivesse durao innita. Na realidade, a DFT aproxima a FT do

O diagrama de blocos da modulao N-PAM est mostrado na gura 2.3. Nesta

Para este m, considere um alfabeto genrico A = {ai }N 1 . A energia gasta

Como o uso de pulsos no causais de durao innita facilita tremendamente a

Qual a maior ecincia espectral possvel para um sinal N -PAM?

Figura 2.9: Diagrama de olho de um cosseno levantado com roll-o de 0.

Efeito do roll-o na abertura do olho: