Escolar Documentos
Profissional Documentos
Cultura Documentos
Sumrio
1 Introduo
1.1
1.2
1.3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3.2
2
3
4
4
6
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 . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4.2
4.3
4.4
4.5
4.6
4.7
52
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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 . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
151
151
153
153
155
157
159
160
162
163
163
165
167
168
170
172
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
173
173
175
176
177
CAPTULO
Introduo
CAPTULO 1. INTRODUO
CAPTULO 1. INTRODUO
1.2 Objetivos
O objetivo desse curso tratar da transmisso de bits. Cobriremos os seguintes
tpicos:
CAPTULO 1. INTRODUO
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
X[k] = f0
<T0 >
(1.1)
(1.2)
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] =
1
N
(1.4)
CAPTULO 1. INTRODUO
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 ) =
(1.7)
CAPTULO 1. INTRODUO
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.
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 ) =
(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 )
(1.13)
n=0
X(k/T ) Ta
(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)
CAPTULO 1. INTRODUO
10
CAPTULO
11
12
)t(s
0
). ges(t
5.2
1
2
0
5. 1
1
1
1
5.0
V5
0
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
5. 1
5. 0
V5 .2
). ges(t
5.2
V5. 2
5. 1
5. 0
V5. 2
)t(s
)t(s
13
14
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.
Bits
Mapeamento
Smbolos
16
g(t)
s(t)
sk g(t kTs ).
s(t) =
(2.1)
k=0
17
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
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
|g(t)|2 dt.
Ei = a2
i
(2.5)
1
Es =
N
N 1
a2
i
|g(t)|2 dt,
(2.6)
i=0
1
a=
N
N 1
ai ,
(2.9)
i=0
19
sk g(t kTs ).
r(t) =
(2.10)
k=0
rk =
K1
sn g(kTs nTs ) =
n=0
K1
sn gkn ,
sn g((k n)Ts ) =
n=0
(2.11)
n=0
20
sn gkn .
rk = g0 sk +
(2.12)
n=0
n=k
gk =
1, se k = 0
0, caso contrrio.
(2.13)
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
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) =
(2.18)
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:
25
Exemplo 2.3:
26
5
4
3
A
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
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
6
Ts
Ts /2
0
Instante de amostragem
Ts /2
Ts
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:
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)
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:
%
%
%
%
%
%
%
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
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
sk g(t kTs ).
s(t) =
(3.1)
k=0
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
33
d2 =
0
(3.3)
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.
35
a = arg min
aA
(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
(3.5)
d2 =
i
|ai g(t)|2 dt 2
ai g(t)r(t) dt +
|r(t)|2 dt.
(3.6)
36
E /2
...
E /2
g(t)
r(t)
Selecionar menor
Analgico
Digital
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.
37
r(t)
3r
g(t)
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.
z(t)
h(t)
Deciso
r(t)
39
(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.
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
E |v(0)|2 = E [v(0)v(0)]
= E [(n(t) h(t))|t=0 (n(t) h(t))|t=0 ] .
(3.13)
E |v(0)|2 = E
h(t)n(t)dt
h( )n( )d
(3.14)
E |v(0)|2 = 2
=
(t )h(t)h( ) dt d
2
(3.15)
|h(t)| dt.
SN R =
(3.16)
41
g(t)h(t) dt
|g(t)|2 dt
|h(t)|2 dt,
(3.17)
SN R
E [|s0 |2 ]
g(t)|2 dt
,
2
(3.18)
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
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)
Ts
4t
4t
Ts
t
sin (1 ) Ts
2
(3.24)
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 ) 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 )
+ r1 g(t Ts ) a1 g(t Ts )
+ |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 ] =
=
=
(3.29)
N0 /2h(kTs )h(lTs ) d .
E[nk nl ] =
(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.
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.
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 ) =
Pc =
aA
N 1
=
i=0
Zi
(3.33)
(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
aA
(3.35)
aA
(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
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,
aA
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
(3.40)
aA
3.6 Exerccios
Exerccio 3.1:
Exerccio 3.2:
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
CAPTULO
(4.1)
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) =
(4.3)
53
Canal
B
S (f)
I
S(f)
54
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
(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
(4.8)
(4.9)
xA
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,
(4.10)
y0 2g(t) sin(2fc t), 2g(t) cos(2fc t) +
r I = x0 + n I ,
(4.11)
56
(4.12)
rQ = rp (t), 2g(t) sin(2fc t) .
Ou seja,
rQ = y0 + nQ ,
(4.13)
sp (t) =
k=0
(4.14)
57
2 cos(2 f t )
Smbolos
g(t)
g(t)
s (t)
p
Bits
Mapeamento
2 sin(2 f t )
c
=
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
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
59
x(t) dt = X(0).
(4.16)
(4.17)
(4.18)
g 2 (t)
1
(1 + cos(4fc t)
2
g 2 (t)dt +
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
(4.20)
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
(4.22)
(4.23)
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
(4.24)
61
E[nI ] = E
=
(4.25)
= 0.
Falta, assim, caracterizar a varincia de nI . Para isso, note que
2
I = E[n2 ]
I
=E
np ( ) 2g( ) cos(2fc ) d
(4.26)
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
E[nI nQ ] = E
np (t) 2g(t) cos(2fc t) dt np ( ) 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.
=
(4.31)
63
g (t)
Q
1
1
g (t)
I
64
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.
do sinal analtico correspondente ao sinal da gura 4.6(a). Para obter S(f ), devemos
onde a razo para o aparecimento de 2 car clara adiante. Assim, usando a pro-
66
~
S (f)
p
(4.34)
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)
h(t) =
1
.
t
(4.38)
67
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,
(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
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) =
(4.41)
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
S (f )
p
se f>0
Sp (f ) =
.
(4.44)
S (f ) se f<0
Sp (f ) = Sp (f ) + Sp (f ).
(4.45)
(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
69
(4.48)
H(f ) = Hp (f + fc )
(4.49)
onde
o equivalente em banda base da resposta em freqncia do canal. Note que, o
sp (t) =
k=0
(4.50)
70
x(t) =
xk g(t kTs )
k=0
K1
(4.51)
yk g(t kTs ).
y(t) =
k=0
(4.52)
sk g(t kTs ),
=
k=0
71
2exp( 2f t)
I
r +jr
x +jy
h(t)
real
z(t)
Deciso
r (t)
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)
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
x + jy
h(t)
+
+
Hilbert
real
r(t)
1/t
Deciso
r (t)
73
n(t)
s(t)
r(t)
h(t)
Smbolos
g(t)
Decisao
Bits
Mapeamento
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)
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.
(a)
75
(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:
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:
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:
)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
2-PAM em fase
2-PAM em quadratura
Gera vetor para interpolao
Gera vetor para interpolao
Atribui os smbolos nas posies
corretas
Atribui os smbolos nas posies
corretas
77
78
79
CAPTULO
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)
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)
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
rk = xk + nk ,
(5.7)
P[e] =
N 1 P[ai ] P[e|ai ]
i=0
1
=
N
N 1 P[e|ai ],
(5.8)
i=0
83
(5.9)
(5.10)
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
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)
d
2(N 1)
Q
N
1 2 2
d (N 1).
Eb =
6M
PN [e] =
(5.20)
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.
87
y
3d
3d
3d
3d
(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)
(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.
89
y
1101
1001
1000
1100
0101
0001
0000
0100
0111
0011
0010
0110
1111
1011
1010
1110
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
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
CAPTULO 6. EQUALIZAO
92
n(t)
s(t)
b(t)
g(t)
r(t)
h(t)
p(t) = g(t)*b(t)
CAPTULO 6. EQUALIZAO
93
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,
CAPTULO 6. EQUALIZAO
94
CAPTULO 6. EQUALIZAO
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.
sk = wk rk = qk sk + wk nk ,
(6.2)
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 ,
CAPTULO 6. EQUALIZAO
equalizador
Deciso
96
sk =
wn rkn
n=N1
(6.3)
= wT rk ,
onde denimos os vetores
(6.4)
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)
CAPTULO 6. EQUALIZAO
97
(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)
CAPTULO 6. EQUALIZAO
98
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)
E[ek rkn ] = 0,
(6.14)
CAPTULO 6. EQUALIZAO
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)
w = R1 p.
(6.19)
CAPTULO 6. EQUALIZAO
100
k
w *h
k
(a)
(b)
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
(6.21)
CAPTULO 6. EQUALIZAO
101
k
igual ao produto dos conjugados. Usando estas duas propriedades, chegamos a
(6.22)
R = E[r rT ],
k k
p = E[r sk ].
k
(6.23)
(6.24)
(6.25)
(6.26)
CAPTULO 6. EQUALIZAO
102
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)
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
CAPTULO 6. EQUALIZAO
103
rk =
skl fl + nk
(6.32)
l=L1
(6.33)
rk = Fsk + nk ,
(6.34)
(6.35)
(6.36)
onde
0
fL2 fL1 +1 fL1
0
0
.
(6.37)
. .
..
..
..
..
..
..
.
.
.
.
.
.
.
.
.
.
0
0
0
fL2 fL2 1 fL1
CAPTULO 6. EQUALIZAO
104
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 ,
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.
CAPTULO 6. EQUALIZAO
105
6.3 Exerccios
Exerccio 6.1:
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
CAPTULO 6. EQUALIZAO
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?
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.
CAPTULO 6. EQUALIZAO
Deciso
107
CAPTULO 6. EQUALIZAO
k
k
Deciso
108
J(w, b) = E[|ek |2 ],
(6.40)
aqui assumir que as decises esto corretas. Neste caso, podemos pensar no DFE
como o ltro mostrado na gura 6.7.
CAPTULO 6. EQUALIZAO
109
Assim, sejam
w=
w0
.
.
.
w(Nw 1)
b1
.
.
.
, b =
, rk =
bNb 1
rk
.
.
.
e sk =
rk+(Nw 1)
sk1
.
.
.
sk(Nb 1)
x=
w
b
e yk =
rk
sk
(6.41)
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)
(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
CAPTULO 6. EQUALIZAO
110
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.
1
R
K
K1
r rT .
k k
(6.46)
k=0
CAPTULO 6. EQUALIZAO
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.
(6.48)
wk+1 = wk
w J(wk ).
2
O motivo da diviso por 2 ser explicado adiante.
CAPTULO 6. EQUALIZAO
112
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.
CAPTULO 6. EQUALIZAO
113
CAPTULO 6. EQUALIZAO
114
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:
0
fL2 fL2 1 fL1
0
0
.
F=
.
..
..
..
..
..
..
.
.
.
.
.
.
.
.
.
.
0
0
0
fL2 fL2 1 fL1
que no Matlab gerada por:
CAPTULO 6. EQUALIZAO
115
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
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:
CAPTULO 6. EQUALIZAO
116
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:
%% 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
CAPTULO
Sincronizao
CAPTULO 7. SINCRONIZAO
118
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;
CAPTULO 7. SINCRONIZAO
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
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.
rp (t) =
CAPTULO 7. SINCRONIZAO
120
(7.2)
onde = 2fc .
)+Tk(j
g(-t)
kT+
)tcf(j
2e
r(t)
121
Deciso
CAPTULO 7. SINCRONIZAO
zk = rk s = sk s ej(2kT +) + s nk
k
k
k
(7.4)
zk = ej(2kT +) + nk
= k ej(2kT ++k )
(7.5)
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
CAPTULO 7. SINCRONIZAO
122
1
2T
L0 1
k arg{zk zk1 }
(7.7)
k=1
k =
3 L0
1
2 L2 1
0
2k L0
L0
(7.8)
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
1
(N + 1)T
arg{R(m)}
(7.10)
m=1
1
arg
=
(N + 1)T
R(m)
(7.11)
m=1
CAPTULO 7. SINCRONIZAO
123
= arg
L0 1
zk ej2kT
(7.12)
k=0
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)
1
arg
2N T
L0 1
[rk rk1 ]N
k=0
(7.15)
CAPTULO 7. SINCRONIZAO
124
1
arg
4T
L0 1
rk ej2kT
(7.16)
k=0
1
arg
8T
L0 1
rk ej2kT
(7.17)
k=0
{}
.qerF
ed orrE
olucl C
OCV
latigiD
rodargetnI
)t cf (j
2e
g(-t)
kT+
r(t)
125
Deciso
CAPTULO 7. SINCRONIZAO
2 T
1+ k 1-
1-
VCO Digital
} {
Integrador
1/T .
yk = rk ej(2kT +k )
(7.18)
= sk ej(2fd kT +k )
onde k = k
Ainda, o argumento de yk dado por:
(7.19)
CAPTULO 7. SINCRONIZAO
126
(7.20)
ek =
(7.22)
arg{z }
k
f >0
/
4
f <0
d
/
4
kT
/
4
/
4
(a)
kT
(b)
CAPTULO 7. SINCRONIZAO
f >0
f <0
/
4
/
4
127
kT
/
4
kT
/
4
(a)
(b)
J(k ) = E |sk rk ej k |2
(7.23)
k J(k )
(7.24)
CAPTULO 7. SINCRONIZAO
128
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 }.
fase k .
Todavia, no dispomos explicitamente da fase para clculo do gradiente e
(7.26)
J(k ) = |sk rk ej k |2 .
J(k ) = 2 {s rk ej k }
k
(7.27)
k+1 = k
= k + {s rk ej k }
k
k J(k )
(7.28)
ek = {s rk ej k }.
k
(7.29)
J(k ) = E |k rk ej k |2
s
(7.30)
sk = sk ejx(k )/2
(7.31)
CAPTULO 7. SINCRONIZAO
129
(7.32)
k J(k )
(7.33)
k+1 = k + { rk ej k }
sk
(7.34)
CAPTULO 7. SINCRONIZAO
130
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
{}
CAPTULO 7. SINCRONIZAO
131
CAPTULO 7. SINCRONIZAO
132
) T)1+m((x
s
)+ Tm(x
s
)+ Tm(Ix
s
) Tm(x
s
(7.35)
CAPTULO 7. SINCRONIZAO
133
J(k , k ) = E |sk r(kT + k )ej k |2
(7.36)
k J(k , k )
sk r(kT + k )ej k
= 2E
dr(kT + k ) j k
e
dk
(7.37)
k+1 = k
= k + E
k J(k , k )
sk r(kT + k )ej k
dr(kT + k ) j k
e
dk
(7.38)
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)
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
dada por:
dr(kT + k )
dk
(7.41)
k+1 = k +
sk r(kT + k )ej k
e
T
(7.42)
CAPTULO 7. SINCRONIZAO
134
= 2 {s r(kT + k )ej k }
k J(k , k )
(7.43)
(7.44)
k+1 = k +
s ej k
k
(7.45)
pois note que os sinais (parte real e imaginria) de sk r(kT + k )ej k dependem
(7.46)
|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
CAPTULO 7. SINCRONIZAO
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)
k+1 = k +
= k +
k J(k )
r(kT + k )
(7.48)
}{
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
CAPTULO 7. SINCRONIZAO
CAPTULO 7. SINCRONIZAO
137
T
= arg
Rs L0 1
(7.49)
k=0
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:
CAPTULO 7. SINCRONIZAO
138
Exerccio 7.2:
1 K1 sk rk ej k . S utilize
Exerccio 7.3:
k=0
CAPTULO 7. SINCRONIZAO
139
ek =
ELD-DD:
ek =
ELD-NDA: ek =
Pede-se:
a) Fixe = 0. Obtenha E{ek | } dos ELD-DA, ELD-DD e ELD-NDA. Varie
(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
CAPTULO 7. SINCRONIZAO
140
APNDICE
142
143
P[A|B] =
P[A, B]
.
P[B]
144
(A.1)
145
146
=P
Bi
(A.2)
i=1
N
P[Bi ].
=
i=1
P[A] = P[A ]
N
=P A
Bi
i=1
(A.3)
(A Bi ) .
=P
i=1
P[A Bi ].
P[A] =
(A.4)
i=1
P[A|Bi ] P[Bi ],
P[A] =
(A.5)
i=1
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.
148
X (A)
1
X()
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.
lim FX (x) = 1.
(A.8)
lim FX (x) = 0.
(A.9)
(A.10)
(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
(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.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
(A.14)
(A.15)
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)
fX (x)dx = 1.
(A.18)
152
fX (x) 0.
(A.19)
P[a < X b] =
a
fX (x)dx.
(A.20)
(A.21)
fXY (x, y) =
2
FXY (x, y).
xy
(A.22)
fX (x) =
(A.23)
(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.
154
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,
(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
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[|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.
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 .
E[g(X, Y )] =
(A.34)
E[X + Y ] =
xfX (x)dx +
(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
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
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.
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)
0.8
158
= 1/2
= 1/2
= 1
= 1
(a)
5 x
(b)
159
1
det(2C)
exp
(x X )T C1 (x X )
2
(A.41)
det(C) =
(A.42)
i=1
(x X ) C (x X ) =
i=1
(A.43)
1
(xi E[Xi ])2
exp
2
2
2i
2i
(A.44)
160
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
162
X (t) = E[X(t)].
(A.46)
(A.47)
(A.48)
163
(A.49)
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.
165
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
Y (t) = E
h(u)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
(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
(A.56)
h(u)h(v)Rx ( v + u)dudv ,
167
SX (f ) =
RX ( ) exp(j2f )d ,
(A.57)
SX (f ) exp(j2f )df .
(A.58)
RX ( ) =
E[X 2 (t)] =
SX (f )df .
(A.59)
SY (f ) =
RY ( ) exp(j2f )d
(A.60)
SY (f ) =
RX ( ) exp(j2f )d
= H(f )H (f )SX (f )
= |H(f )|2 SX (f ).
(A.61)
168
S (f)
E[Y 2 (t)] =
SY (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.
169
(A.64)
170
E[N 2 (t)] =
SN (f )df = BN0 .
(A.65)
A.13 Exerccios
Exerccio A.1:
Exerccio A.2:
171
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
g(t), f (t) =
g(t)f (t)dt
(B.1)
g(t), f (t) =
172
g(t)f (t)dt.
(B.2)
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.
g(t)
= g(t), g(t) =
|g(t)|2 dt.
(B.3)
g(t) h(t)
(B.4)
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 .
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 ,
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.
||2 g
g, h h, g + h
0.
(B.9)
| g, h |2 | g, h |2 | g, h |2
+ h
g 2
g 2
g 2
0.
(B.10)
| 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
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
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
g(t) r(t)
(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)
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