Você está na página 1de 118

Correlacin y Densidad Espectral

3/10/2011

Ren Jtiva Espinoza

L T La Transformada f d d de F Fourier
Sea g(t) una seal determinista no-peridica. Por definicin, la transformada de Fourier G(f) de la seal g(t) est dada d d por la l integral. i l
G( f ) =

g ( t ) exp ( j 2 ft ) dt

Donde f denota la frecuencia, y g(t) puede recuperarse exactamente a partir de G(f) usando la transformacin inversa de Fourier.
g (t ) =

G ( f ) exp ( j 2 ft ) df

3/10/2011

Ren Jtiva Espinoza

L T La Transformada f d d de F Fourier
Condiciones de Dirichlet (condiciones suficientes) g(t) es una funcin biunvoca con un nmero finito de mximos i y mnimos i en cualquier l i intervalo i l finito fi i de d tiempo. i g(t) tiene un nmero finito de discontinuidades en cualquier intervalo finito de tiempo. g(t) es absolutamente integrable:

g (t )

dt <

En general, las seales que describen exactamente fenmenos fsicos realizables poseen transformada de Fourier.
3/10/2011 Ren Jtiva Espinoza

Propiedades de la Transformada de Fourier


I. Linearidad (Superposicin)._ Permite encontrar la transformada de Fourier de una funcin g(t) especificada como combinacin lineal de otras: G1 ( f ) , g 2 ( t ) G2 ( f ) , y c1 , c2 constantes Sean g1 ( t )
c1G1 ( f ) + c2G2 ( f ) c1 g1 ( t ) + c2 g 2 ( t ) Escalamiento l i Temporal l
Si 1 f g (at ) G a a

II.

G ( f ) , entonces g (t )
Si G ( f ) entonces g ( t )

III.

Dualidad

Si

G ( f ) , entonces g (t )

f 1 G g ( at ) a a

g ( f ) G (t )
3/10/2011 Ren Jtiva Espinoza

Propiedades de la Transformada de Fourier


IV. Desplazamiento Temporal
Si G ( f ) entonces g (t )

V.

Desplazamiento Frecuencial
Si

G ( f ) exp ( j 2 fto ) g (t to )

G ( f ) entonces g (t ) t

G ( f fc ) exp ( j 2 f ct ) g (t )

Siendo fc es una constante real

VI VI.

rea bajo g(t)


Si

G ( f ) entonces g (t )

g (t ) = G ( 0)
Ren Jtiva Espinoza

3/10/2011

Propiedades de la Transformada de Fourier


VII. rea bajo G(f)

Si

G ( f ) entonces g (t )

g ( 0) =
VIII.

IX.

Diferenciacin en el Dominio Temporal G ( f ) entonces Si g (t ) Se asume que la derivada de g(t) d tiene transformada de Fourier j 2 fG ( f ) g ( t ) dt Integracin en el Dominio Temporal
Si G ( f ) g (t ) g ( ) y G ( 0 ) = 0, entonces

G ( f )df

1 G( f ) j 2 f

3/10/2011

Ren Jtiva Espinoza

Propiedades de la Transformada de Fourier


X. Funciones Conjugadas
Si G ( f ), g ( t ) G* ( f ) g * ( t ) y g ( t ) es compleja, entonces

( )* denota conjugacin (.)*

XI.

Multiplicacin en el Dominio Temporal G1 ( f ) y g 2 ( t ) G2 ( f ) , entonces : Si g1 ( t )

G1 ( )G2 ( f ) d = G1 ( f ) G2 ( f ) g1 ( t ) g 2 ( t )
XII. Convolucin en el Dominio Temporal G1 ( f ) y g 2 ( t ) G2 ( f ) , entonces : Si g1 ( t )

G ( f )G ( f ) g ( )g ( t ) d = g ( t ) g ( t )
1 2 1 2 1 2

3/10/2011

Ren Jtiva Espinoza

Propiedades p de la Transformada f de Fourier: I. Linealidad -Demostracin


Linealidad:
c1 g1 (t ) + c2 g 2 (t ) c1G1 ( f ) + c2G2 ( f ) Demostracin Obtenemos la transformada de Fourier de la suma a la izquierda:
j 2 ft c g ( t ) + c g ( t ) e dt = ( ) 1 1 2 2

( c g (t)e
1 1

j 2 ft

+ c2 g 2 (t)e j 2 ft ) dt distributiva de multiplicacin


Ren Jtiva Espinoza

3/10/2011

Propiedades p de la Transformada f de Fourier: I. Linealidad -Demostracin

c1 g1(t)e j 2 ft dt +c2 g 2(t)e j 2 ft dt linealidad de la integral


c1G1 ( f ) + c2G2 ( f ) definicin de T. Furier l.q.q.d

3/10/2011

Ren Jtiva Espinoza

Propiedades p de la Transformada f de Fourier: IV. Desplazamiento temporal - Demostracin


Se tiene : g (t ) G ( f ),

ahora F{g (t t0 )} =

p( j 2f ft )dt g (t t ) exp(
0

sea = t t0 ; d = dt ;

F{g (t t0 )} =

g ( ) exp( j 2f ( + t ))d ;
0

= exp( j 2ft0 ) g ( ) exp( j 2f )d ; = G ( f ) exp( e p( j 2ft0 )


3/10/2011

lqqd

Ren Jtiva Espinoza

Propiedades de la Transformada de Fourier


V. Desplazamiento Frecuencial

Si g (t ) G ( f ) entonces exp( ( j 2f C t ) g (t ) G ( f f C ) f C cte t


Demostracin

{G(f f C )} = G(f f C ) exp (j 2ft)df


1

p = f f C ; dp = df {G(f f C )} = G(p) exp (j 2pt)dp exp (j 2f C t) =


1

= g(t) (t) exp (j 2f C t)


3/10/2011 Ren Jtiva Espinoza

Propiedades p de la Transformada f de Fourier: rea bajo G(f)-Demostracin


rea bajo G(f)
g (0) = G ( f )df

por definicin de la transform ada inversa : g (t ) = G ( f )e j 2ft df


si i evaluamos l a t en t = 0 tenemos t g (0) = G ( f )e j 2f 0 df


g (0) = G ( f )df

l.q.q.d
3/10/2011 Ren Jtiva Espinoza

Propiedades p de la Transformada f de Fourier: X. Funciones conjugadas - Demostracin


Sea : g (t ) G ( f ) y g (t ) es compleja. Su conjugada se denota por g (t )*

F {g * (t )} =

* g ( t ) exp( j 2ft )dt *

g (t ) exp( j 2ft )dt

= g (t ) exp( j 2 ( f )t )dt = G * ( f ) lqqd


3/10/2011 Ren Jtiva Espinoza

Propiedades de la Transformada de Fourier


XI. Multiplicacin en el Dominio Temporal

Si g1 (t ) G1 ( f ) y g 2 (t ) G2 ( f ) entonces g1 (t ) g 2 (t ) G1 ( )G2 ( f )d = G1 ( f ) * G2 ( f )
Demostracin
1

{G (f ) * G

( f )} =

G 1( )G2 (f )d =

=
3/10/2011

G 1( )G2 (f ) exp(j 2ft)df d G2 (f ) exp(j 2ft)df G 1( )d


Ren Jtiva Espinoza

Propiedades de la Transformada de Fourier


XI.

Multiplicacin en el Dominio Temporal (Continuacin)

{G

( f )} G 1( )d

= g 2 (t ) exp ( j 2 t ) G 1( ) d 1 {G1(f ) * G2 ( f )} = g1(t)g 2 (t)


3/10/2011 Ren Jtiva Espinoza

= g 2 (t ) G 1( ) exp ( j 2t ) d = g 2 (t ) g 1(t ) = g 1(t ) g 2 (t )

F Funciones de d uso frecuente f


1 1 1, < t < sin ( x ) 2 2 rect t (t ) = ; sinc i ( x) = x 0, t > 1 2 1, t > 0 +1, t > 0 1 u ( t ) = , t = 0; sgn ( t ) = 0, t = 0 2 1, t < 0 0, t < 0
3/10/2011 Ren Jtiva Espinoza

Pares Bsicos de Transformadas d Fourier de F


Dominio del Tiempo
1 x (t ) = 2

Dominio de la Frecuencia
X ( jw ) =

j t X ( jw ) e jwt dw

j t x ( t ) e jwt dt

1 t T 1, x (t ) = 0, de otra forma 1 x ( t ) = sin (Wt ) t x (t ) = (t )


3/10/2011

2sin ( wT ) X ( jw ) = w 1 w W 1, X ( jw ) = 0, de otra forma X ( jw ) = 1

Ren Jtiva Espinoza

Pares Bsicos de Transformadas d Fourier de F


Dominio del Tiempo
x (t ) = 1 x (t ) = u (t ) x ( t ) = e at u ( t ) , Re {a} > 0 x ( t ) = te at u ( t ) , Re {a} > 0
3/10/2011

Dominio de la Frecuencia
X ( jw ) = 2 ( w ) 1 X ( jw ) = + ( w ) jw 1 jw ) = X(j a + jw 1 jw ) = X(j 2 ( a + jw )

Ren Jtiva Espinoza

Pares Bsicos de Transformadas d Fourier de F


Dominio del Tiempo Dominio de la Frecuencia

x (t ) = e

a t

, a>0

2a X ( jw ) = 2 a + w2 X(j jw ) = e
w2 2 / 2

t 2 / ( 2 2 ) 1 x (t ) = e 2

3/10/2011

Ren Jtiva Espinoza

Pares Bsicos de Transformadas d Fourier de F en Tiempo T Discreto D


Dominio del Tiempo
1 x [ n] = 2
<2 >

Dominio de la Frecuencia
dw X (e
jw j

X (e

j jw

)e

jwn j

) = x [ n] e
n =

jwn j

1, n M x [ n] = 0, de otra forma x [ n] = nu [ n] , x [ n] = [ n]
3/10/2011

<1

2 M + 1 sin w 2 jw X (e ) = w sin 2 1 X ( e jw ) = 1 e jw X ( e jw ) = 1

Ren Jtiva Espinoza

Pares Bsicos de Transformadas d Fourier de F en Tiempo T Discreto D


Dominio del Tiempo
x [ n] = u [ n] 1 sin (Wn ) x [ n] = n 0 <W x [ n ] = ( n + 1) u [ n ]
n

Dominio de la Frecuencia
1 X (e ) = + ( w 2 p ) jw 1 e p = jw

1 w W 1, X (e ) = 0, W < w
jw

X ( e jw ) = X ( e jw+ 2 ) X (e
jw

)=

(1 e )

jw 2

3/10/2011

Ren Jtiva Espinoza

El teorema de la Energa de Rayleigh


Establece que la energa de la seal E, puede calcularse en el dominio frecuencial como se muestra en el lado derecho de la siguiente igualdad:

E=

g (t )

dt =

G( f )

df f =

( f ) dff
g

La funcin de densidad espectral de energa de g(t) se mide en joules/Hz, joules/Hz y se muestra a continuacin. continuacin Note que si g(t) es real, entonces su densidad espectral es simtrica en el origen g respecto p del eje j vertical.

g ( f ) = G ( f )
3/10/2011 Ren Jtiva Espinoza

L R La Relacin l tiempo-frecuencia f
La descripcin en el dominio temporal de la seal est relacionada inversamente con su descripcin en el dominio frecuencial. frecuencial Se dice que una seal est estrictamente limitada en alguno de sus dominios cuando se hace cero fuera de un rango (i t (intervalo) l ) finito fi it de d valores. l Una U seal l no puede d ser estrictamente limitada en tiempo y en frecuencia al mismo tiempo. El ancho de banda de una seal provee una medida de la extensin del contenido espectral significativo de la seal para frecuencias positivas.
3/10/2011 Ren Jtiva Espinoza

Ancho de Banda RMS y el Producto Tiempo-Ancho de Banda


El ancho de banda rms (root mean squared) Wrms, se define como la 2 2 raz cuadrada del segundo f G ( f ) df momento de una funcin Wrms = 2 debidamente normalizada del G ( f ) df cuadrado del espectro de amplitud, alrededor de un punto adecuadamente escogido.

1/ 2

Para cualquier familia de pulsos, la duracin de la seal por su ancho de banda es una constante: (duracin) (ancho de banda) (duracin).(ancho banda)=cte cte.
3/10/2011 Ren Jtiva Espinoza

E Ejercicio: Haykin H k (1994) 2.15 2 15


Considere un pulso gaussiano g(t), y defina Trms como la duracin rms del pulso y Wrms como el ancho de banda rms de la seal. Encuentre los valores de Trms, , Wrms y demuestre que TrmsWrms=1/(4) para la familia de pulsos ag(t). g ( t ) = exp ( t 2 )

Wrms

2 2 f G ( f ) df = 2 f G ( f ) df

2 2 t g ( t ) dt ; T = rms 2 g ( t ) dt

12

12

3/10/2011

Ren Jtiva Espinoza

E Ejercicio: Haykin H k (1994) 2.15 2 15


g ( t ) = exp ( t 2 )

g (t )

dt =

G( f )

df =

exp ( t

dt

2 2 exp 2 t dt = ( )

2
12

Trms
3/10/2011

2 2 = t 2 exp ( 2 t ) dt

2 1/ 2 t

1 2

Ren Jtiva Espinoza

E Ejercicio: Haykin H k (1994) 2.15 2 15


w2 g ( t ) = exp ( t ) G ( f ) = exp 4
2

2 2 Wrms = f 2 exp ( 2 f ) df 1 1 1 TrmsWrms = = 2 2 4

12

=
2 f

= f =

1 2

Note en las expresiones de Wrms y Trms que el escalamiento de g(t) por a no modifica los resultados
3/10/2011 Ren Jtiva Espinoza

L funcin La f D Delta l d de D Dirac


Es deseable que las series de Fourier y la Transformada de Fourier puedan combinarse en una teora unificada, y que esta ltima pueda aplicarse sobre seales de potencia. Esto es posible si se hace un uso adecuado del impulso unitario (funcin delta de Dirac). Aplicaciones: Seales DC Funciones exponenciales complejas y funciones sinusoidales Funciones signum y escaln unitario Integracin g en el dominio del tiempo p
Ren Jtiva Espinoza

Propiedades
( t ) = 0, t 0

( t ) dt = 1

g (t ) (t ) = g (t )

F ( t ) =1 1 ( t )

3/10/2011

L funcin La f D Delta l d de D Dirac


Aplicaciones: Seales DC: Por dualidad es fcil demostrar que l funcin la f i impulso i l unitario i i tiene i por T.F. T F Un U valor constante e igual a 1. Funciones exponenciales: Aplicando la propiedad del desplazamiento frecuencial se demuestra que la T.F. de una exponencial compleja corresponde a una funcin impulso unitario desplazada.
1 ( t ) ( f fc ) exp ( j 2 f c t )
3/10/2011 Ren Jtiva Espinoza

L funcin La f D Delta l d de D Dirac


Aplicaciones: Funcin Signum: Su T.F. puede calcularse como el l l lmite i de d la l T.F. T F de d una doble d bl funcin f i exponencial antisimtrica.
1 t >0 +1, sgn ( t ) = 0, t = 0 1, t < 0
a 0

exp ( at ) , t > 0 g ( t ) = 0, t =0 exp at , t < 0 ( )


a 0

sgn ( t ) = lim g ( t ) F sgn ( t ) = lim G ( f ) G( f ) =


3/10/2011

j 4 f a 2 + ( 2 f )
2

F sgn ( t ) =

1 j f

Ren Jtiva Espinoza

L funcin La f D Delta l d de D Dirac


Aplicaciones: Funcin Escaln Unitario: Su T.F. puede calcularse l l a partir i de d la l funcin f i signum: i
+1, t > 0 u ( t ) = 1/ 2, t = 0 0, t<0 u (t )
3/10/2011

1 u (t ) = sgn ( t ) + 1 2

1 1 + (f) j 2 f 2
Ren Jtiva Espinoza

Transformada de Fourier de Funciones Peridicas


Una seal peridica puede representarse en trminos de una transformada de Fourier si en dicha transformada se permite incluir funciones delta de Dirac. Seal expresada en series gTo T ( t ) = cn exp ( j 2 nf o t ) n = de Fourier
cn = 1 To
To / 2 To / 2

gTo ( t ) exp ( j 2 nf o t ) dt ;

fo =

1 To

To To g (t ) , t g ( t ) = To 2 2 de otra forma 0,
3/10/2011 Ren Jtiva Espinoza

Transformada de Fourier de Funciones Peridicas


gTo ( t ) = cn =

g(t) es la funcin generadora m = de la funcin peridica gTo(f) f o g ( t ) exp ( j 2 nf f ot ) dt = f oG ( nf fo )

g ( t mT )
o

gTo ( t ) = f o

n =

G ( nf ) exp ( j 2 nf t );
o o

( f nf o ) exp ( j 2 nf ot ) gTo ( t ) =
m =

f G ( nf ) ( f nf ) g ( t mT )
o o n = o o

La periodicidad en el dominio temporal cambia la descripcin d l de la seal l en el l dominio d i i frecuencial f i l en una forma f di discreta t definida en mltiplos enteros de la frecuencia fundamental.
3/10/2011 Ren Jtiva Espinoza

Transmisin de seales a travs de sistemas lineales


Sistema: cualquier dispositivo fsico que produce una seal de salida ( (respuesta) p ) en respuesta p a una seal de entrada (excitacin). En un sistema lineal se verifica el principio de superposicin:
La respuesta del sistema a un nmero de excitaciones aplicadas li d simultneamente i lt t es igual i l a la l suma de d las l respuestas del sistema a cada una de las excitaciones aplicadas individualmente.
3/10/2011 Ren Jtiva Espinoza

Transmisin de seales a travs de sistemas lineales


Respuesta temporal:
En el dominio temporal, p , un sistema lineal se describe en trminos de su respuesta impulsional definida como la respuesta al impulso unitario aplicado a la entrada del sistema. sistema A partir de la respuesta impulsional h(t), la respuesta y(t) a la excitacin x(t) corresponde a la integral de convolucin siguiente:
y (t ) =
3/10/2011

x ( ) h ( t )d = h ( ) x ( t )d

Ren Jtiva Espinoza

Transmisin de seales a travs de sistemas lineales


Respuesta R t temporal t l - Filtro Filt Transversal: T l
Para el caso discreto, en el cual las muestras se toman equis equis-espaciadas espaciadas a intervalos , la respuesta del sistema puede re-escribirse como sigue, donde Tf corresponde a la duracin de la respuesta t impulsional i l i l del d l filtro filt [h(t)=0 [h(t) 0 para t>Tf]: t>Tf]
y ( n ) = h ( k ) x ( n k )
k =0 N 1

y ( n ) = wk x ( n k ) con wk = h ( k ) y N = T f
3/10/2011 Ren Jtiva Espinoza
k =0

N 1

Transmisin de seales a travs de sistemas lineales


Causalidad y Estabilidad:
Un sistema es causal si no responde antes de que la excitacin sea aplicada. aplicada Es condicin necesaria y suficiente para que un sistema sea causal que:
h(t)=0 , t<0

Un sistema es estable si la seal de salida est acotada para toda seal de entrada acotada (BIBO). Es condicin necesaria y suficiente para que un sistema invariante en el tiempo sea estable que h(t) sea absolutamente integrable.
3/10/2011

h ( t ) dt <

Ren Jtiva Espinoza

Transmisin de seales a travs de sistemas lineales


Respuesta Frecuencial:
La respuesta p en frecuencia Y(f) ( ) de un sistema lineal invariante en el tiempo corresponde al producto de la funcin de transferencia H(f) y de la transformada de Fourier de la excitacin X(f): Y(f)=H(f)X(f) La funcin de transferencia p puede expresarse p como:
ln H ( f ) = ( f ) + j ( f ) siendo ( f ) = ln H ( f )
3/10/2011

H ( f ) = H ( f ) exp j ( f )

(f) es la ganancia del sistema en Nepers, y (f) es la respuesta de fase en radianes.

Ren Jtiva Espinoza

Ejercicio:
Considere el doble pulso g1(t). Por integracin de este pulso respecto del tiempo obtenemos el pulso triangular g2(t). (t) Encuentre la transformada de Fourier de g2(t) aplicando las propiedades.
g1( (t) ) A T -T -A -T T g2( (t) ) AT

G2 ( f ) = AT A 2 sinc 2 ( fT f )
Ren Jtiva Espinoza

3/10/2011

E Ejercicio: Enunciado E d
La siguiente expresin puede verse como una representacin aproximada de un pulso con un tiempo de crecimiento finito, donde se asume que T>>. Determine la transformada de Fourier de g(t). Qu le pasa a esta transformacin cuando se permite que sea cero? Sugerencia: Exprese g(t) como la superposicin de dos seales, una correspondiente a la integracin de t-T a 0 , y la otra de 0 a t+T.

u2 g ( t ) = exp 2 du t T 1
3/10/2011 Ren Jtiva Espinoza

t +T

E Ejercicio: Resolucin R l
F exp ( t 2 ) = exp ( f 2 ) Se conoce u2 g ( t ) = exp 2 t T 1
0

t +T u2 1 du + exp 2 0

du

2 2 dg ( t ) 1 (t + T ) (t T ) 1 exp = exp 2 2 dt dg ( t ) dg ( t ) 1 F F = j 2 fG ( f ) G ( f ) = dt j 2 f dt 2 g (t ) 1 (t + T ) dg F = F exp 2 dt

( t T )2 exp 2

3/10/2011

Ren Jtiva Espinoza

E Ejercicio: Resolucin R l
exp ( f )2 exp ( j 2 fT ) dg ( t ) 1 F = 2 dt exp ( f ) exp ( j 2 fT ) dg ( t ) 2 {exp ( j 2 fT ) exp ( j 2 fT )} F exp f = ( ) dt

2 {exp ( j 2 fT ) exp ( j 2 fT )} p ( f ) G ( f ) = exp j 2 f

G ( f ) = 2T exp ( f ) sinc ( 2 fT ) G ( f ) =0 = 2T sinc ( 2 fT )


2
3/10/2011 Ren Jtiva Espinoza

Procesos Aleatorios o Estocsticos


Las seales en comunicaciones tienen las siguientes propiedades: Son S funciones f i del d l tiempo, ti d fi id en cierto definidas i t intervalo de observacin Son aleatorias en el sentido q que antes de realizar la experiencia no es posible determinar exactamente la forma de onda que ser observada. Un U proceso aleatorio l t i o estocstico t ti corresponde d a un espacio muestral de funciones de tiempo, las cuales asocian una distribucin de probabilidad que permite hablar de la probabilidad de los diversos eventos.
3/10/2011 Ren Jtiva Espinoza

Procesos Aleatorios o Estocsticos


La forma de onda observada que se origina en la variacin de la seal a lo largo de un intervalo finito d tiempo de ti se denomina d i realizacin li i o funcin f i muestreal. El conjunto j de valores provenientes p de varias realizaciones, pero correspondientes a un instante determinado dentro del intervalo de observacin, constituyen una variable aleatoria aleatoria. La salida de cada experiencia en un proceso aleatorio corresponde a una forma de onda, mientras que en el caso de una variable aleatoria se asocia a un nmero.
3/10/2011 Ren Jtiva Espinoza

Estacionariedad
Sea F la funcin de distribucin conjunta del conjunto de variables aleatorias especificadas. Se dice que el proceso aleatorio X(t) es estacionario en sentido estricto si se cumple la siguiente relacin para todos los desplazamientos , todo k y todos los posibles intervalos de observacin:

FX (t1 + ) X (tk + ) ( x1 , xk ) = FX (t1 ) X (tk ) ( x1 , xk )


En otras palabras, la distribucin conjunta de cualquier conjunto de variables aleatorias es invariante respecto de la posicin del origen t=0.
3/10/2011 Ren Jtiva Espinoza

Estacionariedad
Si k=1 y para el caso de procesos estocsticos estacionarios se tiene que la distribucin de primer orden es independiente del tiempo:

FX (t ) ( x ) = FX (t + ) ( x ) = FX ( x )

Si k=2 y se hace =-t1, se demuestra que para procesos aleatorios estacionarios, , la funcin de distribucin de segundo orden depende nicamente de la diferencia entre los tiempos de observacin:

FX (t1 ), X (t2 ) ( x1 , x2 ) = FX ( 0), X (t2 t1 ) ( x1 , x2 ) t1 , t2


Ren Jtiva Espinoza

3/10/2011

M d C Media, Correlacin l y Covarianza C


La media de un proceso aleatorio estacionario es una constante, y se define como:
X (t ) = E X ( t ) =

xf ( ) ( x ) dx
X t

La funcin de autocorrelacin de un proceso estocstico se d fi como la define l esperanza del d l producto d t de d dos d variables i bl aleatorias X(t1), X(t2) que se obtienen de la observacin del proceso X(t) en los instantes t1 y t2.. En el caso de procesos estacionarios t i i esta t funcin f i depende d d nicamente i t de d la l diferencia t2-t1.
RX ( t1 , t2 ) = E = X ( t1 ) X ( t2 ) RX ( t1 , t2 ) = RX ( t2 t1 ) t1 , t2
3/10/2011

xx

1 2

f X (t1 ), X (t2 ) ( x1 , x2 ) dx1dx2

Ren Jtiva Espinoza

M d C Media, Correlacin l y Covarianza C


La funcin de autocovarianza del proceso aleatorio X(t) para el caso de un proceso estacionario tambin depende nicamente de la diferencia entre los instantes de observacin, observacin y se define por:

C X ( t1 , t2 ) = E ( X ( t1 ) X ) ( X ( t2 ) X )
2 C X ( t1 , t2 ) = RX ( t2 t1 ) X

Los procesos estocsticos que cumplen con las dos condiciones anteriores: media constante, constante y funcin de autocorrelacin dependiente nicamente de la diferencia entre los instantes de observacin se denominan estacionarios en sentido amplio.

3/10/2011

Ren Jtiva Espinoza

E d d d Ergodicidad
El valor esperado o la media de las muestras (ensemble average) en un proceso estocstico son promedios para instantes fijos de tiempo tomados para varias realizaciones del proceso. Si definimos el promedio temporal (time average) a lo largo del proceso como ux(T), (T) y la l media di del d l proceso X(t) como uX podemos d decir que X(t) es ergdico en la media si se cumplen las dos condiciones siguientes: T 1 x ( t ) dt lim x (T ) = X ; siendo x (T ) = T 2T T
T 3/10/2011

lim var x (T ) =0
Ren Jtiva Espinoza

Ergodicidad
Si definimos la funcin de autocorrelacin de la seal promediada en el tiempo como Rx(,T), y notando que corresponde a una variable aleatoria, aleatoria puede decirse que el proceso X(t) es ergdico en la funcin de autocorrelacin si se satisfacen las dos condiciones siguientes:
1 lim Rx ( , T ) = RX ( ) ; siendo Rx ( , T ) = T 2T
T T T

x ( t + ) x ( t ) dt

li var lim Rx ( , T ) =0

Para que X(t) sea ergdico se requiere que X(t) sea estacionario t i i en sentido tid amplio li
3/10/2011 Ren Jtiva Espinoza

Transmisin de Seales a travs de sistemas lineales


Si el proceso X(t) se aplica como excitacin a un filtro de respuesta impulsional lineal invariante en el tiempo h(t), y la respuesta p se nota por p Y(t), ( ), se p puede demostrar q que:

Y ( t ) = E Y ( t ) =

h ( ) ( t ) d
1 X 1 1 1

= X H ( 0)

RY ( t , u ) = E Y ( t ) Y ( u ) = RY ( ) =
1 2 X

d h ( ) d h ( ) R ( t , u )
2 2 X 1 2 1

h ( ) h ( ) R (
1

+ 2 )d 1d 2 1 )d 1d 2

Y 2 ( t ) = RY ( 0 ) = E
3/10/2011

h ( ) h ( ) R (
2 X

Ren Jtiva Espinoza

Transmisin de Seales a travs de sistemas lineales


Estas expresiones muestran que para el caso de procesos estacionarios el valor esperado de la respuesta del filtro corresponde al producto entre la media del proceso excitacin por el valor medio de la respuesta directa (dc) del sistema. Tambin indican que la respuesta a un proceso estacionario en sentido amplio usado como excitacin, es otro proceso tambin estacionario en sentido amplio, p , y por p ltimo que q el valor medio de potencia esperado a la salida del sistema es una constante.

3/10/2011

Ren Jtiva Espinoza

D Densidad d dE Espectral l de d Potencia P


Puede demostrarse que el valor medio cuadrado a la salida de un filtro estable, lineal e invariante en el tiempo, en respuesta p a un p proceso estacionario en sentido amplio p es igual a la integral sobre todas las frecuencias de la densidad espectral de potencia Sx(f) del proceso estocstico de entrada multiplicado por el cuadrado de la magnitud de la funcin de transferencia del filtro:

E Y

( t ) =

H ( f ) S X ( f ) df
2

SX ( f ) =
3/10/2011

Ren Jtiva Espinoza

R ( ) exp ( j 2 f )d
X

Densidad Espectral de Potencia: Demostracin


2 E Y ( t ) = RY ( 0 ) =

h ( ) h ( ) R (
1 2 X 1

1 )d 1d 2

h ( 1 ) =

H ( f ) exp ( j 2 f )df

2 E Y ( t ) = H ( f ) exp ( j 2 f 1 )df h ( 2 ) RX ( 2 1 )d 1d 2

dfH ( f ) d h ( ) R (
2 2 X

1 ) exp ( j 2 f 1 )d 1

Si = 2 1 ; Note que : H * ( f ) =
2 E Y ( t ) =

d h ( ) exp ( j 2 f )
2 2 2 2 X

dfH ( f ) d h ( ) exp ( j 2 f ) R ( ) exp ( j 2 f )d


2 2

3/10/2011

Ren Jtiva Espinoza

Propiedades de la Densidad Espectral de Potencia


Relaciones de Einstein-Wiener-Khintchine Establecen que la densidad espectral de potencia Sx(f) y la funcin de autocorrelacin RX() de un proceso estocstico estacionario en sentido amplio X(t) ( ) forman un par p de transformadas de Fourier. Por ende definida una de ellas, la otra puede conocerse perfectamente.
SX ( f ) = RX ( ) =
3/10/2011

R ( ) exp ( j 2 f )d
X X

S ( f ) exp ( j 2 f )df
Ren Jtiva Espinoza

Propiedades de la Densidad Espectral de Potencia


I. El valor de frecuencia cero de la densidad espectral de potencia de un proceso aleatorio estacionario en sentido amplio es igual al rea total bajo el grfico de la curva de autocorrelacin II. El valor cuadrtico medio de un proceso aleatorio l i en sentido id amplio li es igual i l al l rea total l bajo el grfico de la densidad espectral de p potencia. III. La densidad espectral de potencia de un proceso aleatorio, estacionario en sentido amplio es siempre no-negativa no-negativa.
3/10/2011 Ren Jtiva Espinoza

Propiedades de la Densidad Espectral de Potencia


IV. La Densidad Espectral de potencia de un proceso aleatorio real es una funcin par de la frecuencia V. V La densidad espectral de potencia, potencia adecuadamente normalizada cumple con las propiedades asociadas con una funcin de densidad de probabilidad.
3/10/2011 Ren Jtiva Espinoza

Propiedades de la Densidad Espectral de Potencia


VI. Relacin entre densidades espectrales de potencia de los procesos aleatorios de entrada y de salida La L densidad d id d espectral l de d potencia i del d l proceso de d salida lid Y(t) Y( ) es igual a la densidad espectral de potencia del proceso de entrada X(t) multiplicado por el cuadrado de la magnitud de la funcin de transferencia del filtro H(f). VII. Relacin entre la densidad espectral de potencia y el espectro p de amplitud p de una funcin muestreal
S X ( f ) = lim 1 2 E X ( f ,T ) T 2T
2 T = lim 1 E x ( t ) exp ( j 2 ft ) dt T 2T T

3/10/2011

Ren Jtiva Espinoza

Correlacin Cruzada y Densidad Espectral Cruzada


Sean dos procesos estocsticos X(t) e Y(t) con funciones de autocorrelacin Rx(t,u) y Ry(t,u). Las dos Rx ( t , u ) Rxy ( t , u ) funciones de correlacin cruzada de R ( t , u ) = , , R t u R t u ( ) ( ) X(t) e Y(t) se definen por: y yx Rxy(t,u) (t,u)=E[X(t)Y(u)], E[X(t)Y(u)], y Rx ( ) Rxy ( ) R ( ) = Ryx(t,u)=E[Y(t)X(u)] R R ( ) ( ) y yx R(t,u) es la matriz de correlacin de los procesos aleatorios X(t) e Y(t) Y(t), y = t u Por Redefinicin en caso de que ambos procesos sean Rxy ( ) = Ryx ( ) estacionarios en sentido amplio y conjuntamente estacionarios en sentido amplio, se reduce a R()
3/10/2011 Ren Jtiva Espinoza

Funcin de Autocorrelacin de una seal sinusoidal con fase aleatoria


Sea una seal sinusoidal con fase aleatoria, de forma que su amplitud A y frecuencia fc son constantes, y su fase se encuentra igualmente i l distribuida di ib id entre y , demuestre d que su funcin de autocorrelacin est dada por Rx():
X ( t ) = A cos ( 2 f c t + ) 1 , f ( ) = 2 en caso contrario 0, A2 Rx ( ) = cos ( 2 f c ) 2
3/10/2011 Ren Jtiva Espinoza

Funcin de Correlacin Cruzada para Procesos Modulados en Cuadratura


Sean X1(t) y X2(t) un par de procesos relacionados a un proceso estacionario en sentido amplio X(t), de la manera que se ilustra il a continuacin. i i A y fc f son constantes y la l fase es una variable aleatoria uniformemente distribuida (0, 2pi) p ) demuestre q que la correlacin cruzada de X1( (t) ) en ( y X2(t) est dada por R12(t):

X 1 ( t ) = X ( t ) cos ( 2 f c t + ) X 2 ( t ) = X ( t ) sin ( 2 f c t + )

1 R12 ( ) = Rx ( ) sin i ( 2 f c ) 2
3/10/2011 Ren Jtiva Espinoza

Correlacin Cruzada y Densidad Espectral Cruzada


Sean dos procesos estocsticos X(t) e Y(t) conjuntamente estacionarios en sentido amplio y con funciones de autocorrelacin Rxy() y Ryx() respectivamente. respectivamente Las densidades espectrales cruzadas Sxy(f) y Syx(f), se definen por:

S xy ( f ) = Rxy ( ) exp ( j 2 f ) dt d S yx ( f ) = Ryx ( ) exp ( j 2 f ) dt d


Rxy ( ) = S xy ( f ) exp ( j 2 f ) df

Ryx ( ) = S yx ( f ) exp ( j 2 f ) dt

S xy ( f ) = S yx ( f ) = S * yx ( f )
3/10/2011 Ren Jtiva Espinoza

P Procesos Gaussianos G
Sea X(t) un proceso estocstico observado entre t=0 y t=T. Si definimos la variable aleatoria Y como el funcional li l de lineal d X(t): X( )

Y = g ( t ) X ( t ) dt
0

Se dice q que X(t) ( ) es un p proceso Gaussiano si cada funcional lineal de X(t) es una variable aleatoria Gaussiana.

3/10/2011

Ren Jtiva Espinoza

D Distribucin b G Gaussiana
Se dice que la variable aleatoria Y tiene una distribucin Gaussiana, si su funcin de densidad de probabilidad tiene i la l siguiente i i forma: f

( y )2 1 y fy ( y) = exp 2 2 y 2 y
Donde y es la media de la distribucin y y2 es su varianza.
3/10/2011 Ren Jtiva Espinoza

D Distribucin b G Gaussiana
Pulso Gaussiano de Area Unitaria
0.4 0.35 varianza=1 0.3 0.25 0.2 0.15 0.1 0.05 0 -3

Amplitud

-2

-1

Tiempo (t)
3/10/2011 Ren Jtiva Espinoza

El Teorema T Central C l del d l Lmite L


Sean Xi, i=1,2, ... , N un conjunto de variables aleatorias independientemente e idnticamente distribuidas (i.i.d), de forma que las Xi son estadsticamente independientes y tienen la misma distribucin con media x y varianza x2. Si se hace:

1 Yi = ( X i x ) i = 1, , 2, , , N x 1 VN = N

E {Yi } = 0, , var {Yi } = 1

Y
i =1

El teorema central del lmite establece que la distribucin de probabilidad de VN se aproxima a la distribucin gaussiana N(0,1) (0 1) en el l lmite l i cuando d N tiende i d a infinito i fi i
3/10/2011 Ren Jtiva Espinoza

Propiedades de un Proceso Gaussiano


I. Si un proceso Gaussiano X(t) se aplica a un filtro lineal estable, entonces el proceso aleatorio Y(t) a la salida del filtro tambin es Gaussiano. Considere el conjunto de variables aleatorias X(t1),X(t2),...,X(tn) obtenidas al observar un proceso estocstico en t1,t2,...,tn. Si el proceso X(t) es Gaussiano, entonces este conjunto de variables aleatorias son conjuntamente Gaussianas para cualquier n, siendo sus funciones de densidad de probabilidad conjunta completamente determinadas al especificar p el conjunto j de medias y el conjunto j de funciones de autocovarianza:

II.

x( t ) = E X ( ti ) , i = 1, 2, , n
i

Cx ( tk , ti ) = E X ( tk ) x(tk )
3/10/2011

, ) ( X ( t ) ( ) )
i x ti

k , i = 1, 2,..., n

Ren Jtiva Espinoza

Propiedades de un Proceso Gaussiano


III. Si un proceso Gaussiano es estacionario en sentido amplio, entonces el proceso es tambin estacionario en sentido estricto. IV Si el conjunto de variables aleatorias X(t1),X(t IV. ) X(t2),...,X(t ) X(tn) obtenidas al muestrear un proceso Gaussiano en los instantes t1,t2,...,tn estn incorreladas, esto es:

E X ( t k ) X ( tk )

= 0, ) ( X ( t ) ( ) )
i X ti

ik

entonces estas variables i bl aleatorias l i son estadsticamente d i independientes, y su funcin de distribucin de probabilidad conjunta puede expresarse como el producto de las funciones de distribucin de probabilidad de las variables aleatorias individuales en el conjunto.
3/10/2011 Ren Jtiva Espinoza

El Ruido R d
Se denomina ruido a ondas no deseadas que tienden a perturbar la transmisin y el procesamiento de seales en sistemas it de d comunicacin, i i y sobre b las l cuales l se tiene control incompleto. Puede ser externo al sistema (atmosfrico, galctico, producido por el hombre), o interno al sistema (ruido impulsivo, ruido trmico, etc). El ruido interno al sistema incluye un tipo que surge de las fluctuaciones espontneas de corriente o voltaje en circuitos elctricos: ruido impulsivo y ruido t i trmico
3/10/2011 Ren Jtiva Espinoza

R d Impulsivo Ruido I l (Shot (Sh Noise) N )


Aparece en dispositivos electrnicos como diodos y transistores debido a la naturaleza discreta de los flujos de corriente i en estos dispositivos. di ii Si los l electrones l se emiten i en instantes aleatorios k, la corriente puede modelarse como una pulsos de corriente. El p proceso X(t) () suma infinita de p resultante es estacionario y se denomina ruido impulsivo.
X (t ) =
k =

h (t )
k

E [ ] = to ; = N ( t + to ) N ( t ) p ( = k ) =
3/10/2011

Nmero d N de electrones l t emitidos entre t y t+to Se denomina velocidad del proceso

( to )
k!

e to

k = 0,1,
Ren Jtiva Espinoza

R d Impulsivo Ruido I l (Shot (Sh Noise) N )


Los dos primeros momentos del proceso se describen en forma general como sigue:
u X = h ( t ) dt

u X = AT

si h ( t ) = Arect (T )

C X ( ) = h ( t ) h ( t + ) dt
2 A T ), < T ( C X ( ) = T 0,

si h ( t ) = Arect (T )

3/10/2011

Ren Jtiva Espinoza

R d Trmico Ruido T
El ruido trmico es el ruido elctrico que proviene del movimiento aleatorio de electrones en un conductor. Tiene una distribucin di ib i gaussiana i de d media di cero. El valor medio cuadrado de la tensin del ruido trmico que aparece en los terminales de una resistencia medido en un ancho de banda de f Hz est dado por:
2 2 VTN E = 4 kTR f voltios

k = 1.38 x1023 Joules / grado Kelvin (cte. Boltzman) p absoluta ( g grados Kelvin) T = Temperatura R = Resistencia (ohmios )
3/10/2011 Ren Jtiva Espinoza

Ruido en un amplificador
Pin Pin -40 0 -60 -80 F G PN + Pout Pin Pout -40 0 -60 -80 PNin + F G Pout

30 dB

40 dB

-100 -120 26 2.6 27 2.7 2 65 2.65 Frecuencia (GHz)


3/10/2011

-100 -120 26 2.6 27 2.7 2 65 2.65 Frecuencia (GHz)

Ren Jtiva Espinoza

Figura de Ruido en un amplificador

( SNR )in F= ( SNR )out


Sin Sin Ruidoso N N in N in GN in + N aout F= = = = Tout Ideal Sout GSin GN in N out N out GN in + N aout Pot. ruido a la salida del dispositivo ruidoso (Tambiente) F= Pot. ruido a la salida si el dispositivo no fuera ruidoso
3/10/2011 Ren Jtiva Espinoza

Temperatura Equivalente de Ruido


La temperatura equivalente i l d ruido de id de d un sistema i es la l temperatura a la cual debe mantenerse un resistor ruidoso, de forma q que al conectarlo a la entrada de una versin no ruidosa del sistema produzca la misma potencia de ruido a la salida del sistema que la producida por todas las fuentes de ruido del sistema original. original Para dispositivos pasivos tales como lneas de transmisin o atenuadores a la temperatura ambiente, las prdidas del dispositivo (L) corresponden d a su figura fi de d ruido id (F). (F)

Te = ( F 1) To ; F = 1 +
3/10/2011

Te

To

; PN = kTo f

Ren Jtiva Espinoza

Temperatura Equivalente de Ruido


Pin
FSistema

F1 G1

F2 G2

Fn Gn

Pout

n Fn 1 Fi 1 F2 1 = F1 + + + = F1 + i 1 G1 G1G2 Gn 1 i=2 Gj j =1 n T3 Ti T2 = T1 + + + = T1 + i 1 G1 G1G2 i =2 Gj j =1

Tesistema

Psalida / referida a la entrada = FkTo f ; PNsalida = Gsistema FkTo f


3/10/2011 Ren Jtiva Espinoza

Factor de Ruido de un sistema


Pin F1 G1 PN1 + F2 G2 PN2 + Fn Gn PNn + Pout

N out = G1G2 Gn N in + G2 Gn PN 1 + Gn PNn N out


ideal

= G1G2 Gn N in N out N out


ideal

FSistema = FSistema
3/10/2011

G1G2 Gn N in + G2 Gn PN 1 + Gn PNn = G1G2 Gn N in

PN 1 PNn 1 PN 2 1 = 1+ + + + G1 N in G1 G2 N in G1G2 Gn 1 Gn N in
F1 F2 1 Ren Jtiva Espinoza Fn 1

Ejemplo 4.4 Bernard Sklar


Una lnea a temperatura T=290K se alimenta de una fuente cuya temperatura de ruido es 290K. La seal de entrada, Si, es 100 pW y el ancho de banda es de 1 GHz GHz. La lnea tiene un factor L=2. Calcule: a) la (SNR) a la entrada; b) la temperatura equivalente de ruido de la lnea, TL; c) la potencia de salida de la seal Sout; d) la SNR a la salida y la figura de ruido. 23 W N in = KTin f = 1,38 1 38 x10 290 K .1 1x109 Hz = 4 pW KHz 100 pW = 25 ( SNR )in = 14dB a) ( SNR )in = 4 pW
3/10/2011 Ren Jtiva Espinoza

Ejemplo (cont.)
TL = [ FL 1]T0 = [ 2 1] 290 K = 290 K b) 1 Sout = SinGL = 100 pW = 50 pW c) 2 N L / in = KTL B = 4 pW = N out ( Si TL T0 ) 1 N out = GL ( N in + N L / in ) = ( 4 pW + 4 pW ) = 4 pW 2 Sout 50 pW = = 12,5 ( SNR )out = 11dB ( SNR )out = N out 4 pW En caso de que la Tfuente=To, el F F =L=2 operacional es idntico a la figura de ruido.
3/10/2011 Ren Jtiva Espinoza

Ejemplo 4.5 Bernard Sklar


El receptor de la figura tiene una figura de ruido de 10 dB una ganancia de 80 dB y un ancho de banda de dB, 6MHz. La potencia de entrada de la seal, Si, es 10-11 W. Asuma que las prdidas en la lnea son cero y que la temperatura de la antena es de 150K. Encuentre la temperatura de ruido del receptor, Tr, la temperatura de ruido del sistema, sistema Ts, la potencia de ruido a la salida, salida Nout, la (SNR)in y la (SNR)out.

3/10/2011

Ren Jtiva Espinoza

Ejemplo (continuacin)
TA= 150K Si= 10 10-11W

F=10dB G=80dB W 6MH W=6MHz

Sout

Tr = ( Fr 1) To = (10 1) 290 K = 2610 K Ts = Ta + Tr = 150 + 2610 = 2760 K


3/10/2011 Ren Jtiva Espinoza

Ejemplo (continuacin)
W N out / in = kTs f = 1,38 x10 2760 K .6 x106 Hz = 0, 228 pW KHz N out = GN out / in = 108.0, 0 228 pW = 22 22,8 8W
23

N in = kTa f = 1,38 x10

23

W 150 K .6 x106 Hz = 1, 24.1014 W KHz

( SNR )in ( SNR )out


3/10/2011

1011W = = 806,5 ( SNR )in = 29,1dB 14 1, 24.10 W 103W = = 43,9 43 9 ( SNR )out = 16, 16 4dB 6 22,8.10 W
Ren Jtiva Espinoza

Pout = GSin = 108.1011W = 103W

Ejemplo 4.6 Bernard Sklar


Al receptor del ejemplo anterior se le aade una preamplificador para mejorar la SNR. El preamplificador tiene i una figura fi de d ruido id de d 3dB, 3dB una ganancia i de d 13dB y un ancho de banda de 6MHz. Encuentre la Temperatura equivalente de ruido del conjunto preamplificador-receptor. Encuentre tambin la temperatura equivalente de ruido del sistema, TS, la fi figura de d ruido id equivalente i l del d l conjunto, j la l potencia i de ruido de salida, Nout, y la relacin seal a ruido de salida (SNR)outt. Asuma lneas sin prdidas salida, prdidas.
3/10/2011 Ren Jtiva Espinoza

Ejemplo (continuacin)
TA= 150K Si= 10-11W

F1=3dB 3dB G1=13dB W=6MHz

F2=10dB 10dB G2=80dB W=6MHz W 6

Sout

TPA = ( FPA 1) To = ( 2 1) 290 K = 290 K Tr = ( Fr 1) To = (10 1) 290 K = 2610 K Tr + PA


3/10/2011

Tr 2610 = TPA + = 290 + = 420,5 420 5 K G1 20


Ren Jtiva Espinoza

Ejemplo (continuacin)
TS = TA + TFA+ r = 150 K + 420,5K = 570,5K G1 = 13dB G1 = 20; G2 = 80dB G2 = 108 FPA+ r = FPA + Fr 1 10 1 = 2+ = 2, 45 FPA+ r = 3,9dB G1 20
23

W N out / in = kTs f = 1,38 x10 570,5 K .6 x106 Hz = 0, 0472 pW KHz N out = G1G2 N out / in = 20 x108.0, 0 0472 pW = 94, 94 47 W Pout = G1G2 Sin = 20 x108.1011W = 2.102 W

( SNR )out
3/10/2011

2.10 2 102 W = = 211, 7 ( SNR )out = 23, 26dB 6 94, 47.10 W


Ren Jtiva Espinoza

Caracterizacin del ruido blanco


El ruido blanco se caracteriza porque su densidad espectral de potencia es independiente de la frecuencia de operacin. i El adjetivo dj i blanco bl es una analoga l a la l luz. l Sea S Sw(f) su densidad espectral de potencia y Rw su funcin de autocorrelacin:

No ; N o = kTe Te: Temperatura equivalente Sw ( f ) = 2 de ruido del receptor N Si adems de blanco es gaussiano, Rw ( ) = o ( ) 2 sus muestras sern estadsticamente independientes
3/10/2011 Ren Jtiva Espinoza

Caracterizacin del ruido blanco


Autocorrelacion del Ruido Blanco Gaussiano 1.5 1 0.5 0 -0.5 0 Nexp= 10000

40 60 80 Intervalo de Tiempo Tau Densidad Espectral de Potencia de Ruido Blanco Gaussiano

20

100

1 0.8 0 8 0.6 0.4 0.2 0 10 20 30 40 50 60 Frecuencia 70 80 90 100

3/10/2011

Ren Jtiva Espinoza

Filtraje de Ruido Blanco a travs de un Filtro Ideal Pasa-Bajo


Sea w(t) ruido blanco y Gaussiano de media cero y densidad espectral de potencia No/2. Si se aplica a un filtro pasa pasa-bajo bajo ideal de banda B y de respuesta de amplitud unitaria en la banda de paso, la densidad espectral del ruido a la salida del filtro es Sn(f) y su funcin de autocorrelacin Rn(t):
No , B< f < B Sn ( f ) = 2 0, f >B Rn ( ) = B
3/10/2011
B

Rn ( ) = 0 en = k / 2 B donde k = 1, 2,3,

No exp ( j 2 f ) df = N o B sinc ( 2 B ) 2 B
Ren Jtiva Espinoza

Un conjunto de muestras de este tipo estn incorreladas y son estadsticamente independientes.

Filtraje de Ruido Blanco a travs de una red pasa bajo RC


Sea w(t) ruido blanco Gaussiano de media cero y densidad espectral No/2, No/2 aplicado a una red pasa bajo RC. La funcin de t transferencia f i de d la l red d es H(f) y puede demostrarse que la densidad espectral de potencia a la salida del filtro SN(F) y la funcin de autocorrelacin RN() se expresan por:
3/10/2011

1 H(f )= 1 + j 2 fRC No / 2 SN ( f ) = 2 1 + ( 2 fRC ) No exp RN ( ) = 4 RC RC


Si la salida se muestrea a una tasa igual o menor que 0.217/RC muestras/s, las muestras sern estadsticamente independientes.

Ren Jtiva Espinoza

Ancho de Banda Equivalente del Ruido


Para el caso de un filtro pasa bajo ideal se determin q que la p potencia media a la salida del filtro es igual a NoB. En caso de una red pasa bajo RC se determin que la potencia media a la salida del filtro es No/(4RC) y que su BW a 3 dB es 1/(2RC). La potencia t i media di es tambin t bi en este t caso proporcional al ancho de banda.

3/10/2011

Ren Jtiva Espinoza

Ancho de Banda Equivalente del Ruido


Para el caso general de un filtro pasa bajo puede determinarse por comparacin con el filtro ideal, un ancho de banda equivalente en funcin de la funcin de transferencia del filtro H(f), y su respuesta a la f frecuencia i cero H(0): ( )

B=

H(f)
0

df

H 2 (0)

3/10/2011

Ren Jtiva Espinoza

Ancho de Banda Equivalente del Ruido para un pulso gaussiano


Densidad Espectral de Energia de un Pulso Gaussiano de Area Unitaria 1 0.9 08 0.8 0.7 0.6 |H(f)|2 0.5 0.4 03 0.3 0.2 0.1 0 -0.4 -0.3 -0.2 -0.1 0 Frecuencia 0.1 0.2 0.3

|H(0)|2

|H(f)|2

1 h (t ) = e 2 H(f )=e

t2 2

2 2 f 2

H ( 0) = 1

4 2 f 2

df = 1

1 2

B=

3/10/2011

Ren Jtiva Espinoza

Espectro de Amplitud para un Filtro Butterworth


Espectro de Amplitud de Filtros Butterworth 1 0.9 0.8 0.7 0.6 |H(f)| n=1 0.5 0.4 n=2 0.3 0.2 0.1 0 -300 -200 -100 0 100 Frecuencia (KHz) 200 300 n=5 n=20

Conforme el orden del filtro aumenta, el espectro de amplitud tiende a un pulso rectangular, donde B=fo
Ren Jtiva Espinoza

3/10/2011

Ancho de Banda Equivalente del Ruido para un Filtro Butterworth


Ancho de Banda Equivalente del Ruido para un Filtro Butterworth 1.6 Ancho de Banda Equivale ente del Ruido (B/fo) 1.5 1.4 1.3 1.2 1.1 1 0.9 0.8 0

B=

fo 2n

( 1 2 n ) (1 1 2 n )

Note como a partir de n=5, el ancho de banda equivalente del ruido es prcticamente igual a fo.
20

10 Orden del Filtro (n)

15

3/10/2011

Ren Jtiva Espinoza

Ejercicios: Seal sinusoidal embebida en Ruido Blanco Gaussiano


Sea X(t) un proceso aleatorio compuesto de una seal sinusoidal de fase aleatoria distribuida uniformemente entre - y , y ruido blanco gaussiano de media cero y densidad espectral igual a No/2. Calcule la funcin de autocorrelacin del proceso X(t) en forma experimental.

X ( t ) = A cos ( 2 f c t + ) + W ( t ) No A2 RX ( ) = ( ) cos ( 2 f c ) + 2 2

El ruido es independiente de la seal

a) Calcularemos RX() usando 50 realizaciones del proceso b) Calcularemos RX() usando ergodicidad y valindonos de la transformada de Fourier
3/10/2011 Ren Jtiva Espinoza

Ejercicios: Seal sinusoidal embebida en Ruido Blanco Gaussiano

Seal Sinusoidal 1.5


4 3 2

Seal Sinusoidal en ruido aditivo

0.5
1

Amplit tud

Amplitu ud

0 -1 -2

-0.5

-1
-3 3

-1.5 0

200

400 t

600

800

1000

-4 0

200

400 t

600

800

1000

SNR=0 SNR 0 dB
3/10/2011 Ren Jtiva Espinoza

Ejercicios: Seal sinusoidal embebida en Ruido Blanco Gaussiano


Funcion de Autocorrelacion: Seal sinusoidal en ruido aditivo 12 10 8 1 6 4 Rx(ta au) Rx(ta au) 2 0 -2 -1 -4 -6 -8 0 200 400 t 600 800 1000 -1 5 -1.5 -2 0 0.5 0 -0.5 2 1.5 Funcion de Autocorrelacion: Seal sinusoidal en ruido aditivo

200

400 t

600

800

1000

SNR 10 dB SNR=-10
3/10/2011 Ren Jtiva Espinoza

SNR 0 dB SNR=

E Ejercicio Haykin H k (1994) 4.4 44


Considere un proceso aleatorio X(t), definido como sigue, en el cual la frecuencia f es una variable aleatoria l t i uniformemente if t distribuida di t ib id sobre b el l intervalo i t l (0,W). Muestre que X(t) no es estacionario. Sugerencia: Examine las funciones de muestra especficas de el proceso aleatorio X(t) para la frecuencia f=W/4, W/2 y W.

X ( t ) = sin ( 2 ft )
3/10/2011 Ren Jtiva Espinoza

E Ejercicio: Haykin H k (1994) 4.4 44


Determinemos la funcin de densidad (pdf) de X(t) para un instante particular: 1 ; 0 f W f f ( f ) = W 0 de d otra f forma 0;

1 sin 1 ( x ) ftk ) f = x = X ( tk ) = sin ( 2 f 2 tk dx = 2 tk cos ( 2 ftk ) df


3/10/2011 Ren Jtiva Espinoza

E Ejercicio: Haykin H k (1994) 4.4 44


fx ( x) =
i

ff ( f ) dx df
fi = 1 sin 1 ( x ) 2 t k

1 ; 0 f W W 0; de otra forma = 2 tk cos ( 2 ftk ) i


fi = 1 sin 1 ( x ) 2 t k

Note que se ha particularizado la pdf para un rango pequeo de tk


3/10/2011 Ren Jtiva Espinoza

1 1 ; 0 sin 2 ; 0 x Wt t ( k) k 2 4W f x ( x ) = W 2 tk 1 x de otra forma 0;

E Ejercicio: Haykin H k (1994) 4.4 44


P Para comprobar b que el l proceso X(t) X( ) no es estacionario, i i basta b en este caso calcular su valor medio para el instante t=tk, y notar que ste no es constante, es decir que no es i d independiente di del d l instante i de d tiempo i considerado. id d
x = E { x} =
sin ( 2 Wtk ) sin ( 2 Wtk )

1 xf f x ( x )dx; 0 tk 4W 1 x dx = 2 Wtk 1 x2
2 sin ( 2 Wtk )

x=

x W 2 tk

3/10/2011

1 sin 2 ( 2 Wtk ) 1 1 cos ( 2 Wtk ) = x = 2 Wtk 2 Wtk


Ren Jtiva Espinoza

E Ejercicio: Haykin H k (1994) 4.6 46


Un proceso estocstico X(t) se define como sigue, donde A es una variable aleatoria con distribucin Gaussiana de media cero y varianza A2. Este proceso se aplica a un integrador ideal, produciendo la salida Y(t). A) Determine la funcin de densidad de probabilidad (pdf) de la salida Y(t) para un instante particular tk. B) Determine si Y(t) es estacionaria o no. C) Determine D t i si i Y(t) es ergdico di o no.

X ( t ) = A cos ( 2 f c t ) ; Y ( t ) = X ( )d
0
3/10/2011 Ren Jtiva Espinoza

E Ejercicio: Haykin H k (1994) 4.6 4 6 a) )


Determinemos Y(t) y su pdf:

A Y ( t ) = X ( )d Y ( t ) = sin ( 2 f c t ) 2 f c 0 2 f c y A y = Y ( t = tk ) = sin ( 2 f c tk ) A = 2 f c sin ( 2 f c tk ) dy sin ( 2 f c tk ) = ; dA 2 f c


3/10/2011

f a ( A) =

A2 exp 2 2 2 A

Ren Jtiva Espinoza

E Ejercicio Haykin H k (1994) 4.6 4 6 a) )


f a ( A) fy ( y) = dy dA fy ( y) =
2 y = 2 2 f ) y 2 ( 2 f c exp 2 2 2sin ( 2 f c tk ) A A 2 = sin ( 2 f c tk ) A= sin i ( 2 f c t k ) 2 2 f ) y 2 ( exp 2 2 2 2sin ( 2 f c tk ) A y

2 f c sin ( 2 f c tk ) A
2 sin 2 ( 2 f c tk ) A

( 2 f )

y = E { y} = 0

3/10/2011

Ren Jtiva Espinoza

Ejercicio: Haykin (1994) 4.6 b) y c)


Puesto que la pdf de la v.a. y corresponde a una distribucin gaussiana de media cero, para determinar si el proceso Y(t) p ( ) es estacionario resta determinar si su funcin de autocorrelacin depende nicamente de la diferencia entre los dos instantes de observacin: 2 A Ryt yt + = E { yt yt + } = E sin 2 f t sin 2 f t + ( c ) c ( ) 2 f c 1 2 cos ( 2 f c ) + cos [ 4 f c t + 2 f c ] Ryt yt + = 2 2 E { A } 4 f c 2
3/10/2011 Ren Jtiva Espinoza

Ryt yt + = f ( , t ) Y ( t ) no es estacionario no es ergdico

E Ejercicio: Haykin H k (2002) 1.6 16


L La onda d cuadrada d d de d la l figura fi de d amplitud li d constante A, perodo To y retraso td, representa la funcin de muestreo de un p proceso aleatorio X(t). ( ) El retraso es aleatorio y se describe por medio de la funcin de densidad de probabilidad:

A) Determine la funcin de densidad de probabilidad X(tk) obtenida al observar el proceso aleatorio X(t) en el instante tk.
3/10/2011 Ren Jtiva Espinoza

1 1 1 , To td To 2 2 fTd ( td ) = To 0, de otra forma

E Ejercicio: Haykin H k (2002) 1.6 16


A X(t)

td To B) Determine la media y la funcin de autocorrelacin de X(t). C) Determine la media y la funcin f ncin de autocorrelacin a tocorrelacin de X(t) promediando en el tiempo. D) Establezca si X(t) es estacionaria. estacionaria En qu sentido este proceso es ergdico?
3/10/2011 Ren Jtiva Espinoza

E Ejercicio: Haykin H k (2002) 1.6 16


A X(t) td+To/2 tk td To X(t) A tk td
3/10/2011 Ren Jtiva Espinoza

To

E Ejercicio: Haykin H k (2002) 1.6 16


La seal en el instante t=tk puede tomar nicamente dos valores posibles A o 0:
To p ( A ) = p tk < td < tk = 2 p (0) = 1 2 1 , A) px ( x ) = 2 0 0,
To 2 <tk <To 2

tk

To 2

1 dtd = 1 2 To

La demostracin es vlida para tk entre x = A o x = 0 [-To/2,To/2], pero se extiende a todo tk pues en otro caso X(t) tiene perodo To
Ren Jtiva Espinoza

3/10/2011

E Ejercicio: Haykin H k (2002) 1.6 16


A partir de la funcin de densidad se puede hallar la media y la funcin de autocorrelacin de X(t):
A 2 Rx ( t1 , t1 + ) = E { x ( t1 ) x ( t1 + )} = A2 p ( x1 = A y x2 = A ) + B ) E { x} = Ap ( x = A ) + 0 p ( x = 0 ) = +0 p ( x1 = 0 o x1 = 0 ) To To Rx ( t1 , t1 + ) = A p t1 < td < t1 y t1 + < td < t1 + 2 2
2 2 A2 To A2 1 A Rx ( t1 , t1 + ) = A dtd = = 2 To To 2 To To t + 2
1

t1

3/10/2011

Ren Jtiva Espinoza

E Ejercicio: Haykin H k (2002) 1.6 16


Si promediamos en el tiempo:
C ) E { x} = 1 To
td +To 2

Rx ( t1 , t1 + ) = E { x ( t1 ) x ( t1 + )}

td

Adt =

ATo A = 2To 2

A, td t1 td + To 2 x ( t1 ) = ; x ( t1 ) = x ( t1 + To ) 0, t + T 2 t T d o 1 o A, td t1 td + To 2 x ( t1 + ) = ; x ( t1 + ) = x ( t1 + To + ) 0, td + To 2 t1 To A2 Rx ( t1 , t1 + ) = To
3/10/2011
td +To 2

Nos interesa el rango de valores donde la integral es diferente de cero.

td

2 A2 To A2 A To , To dt = = ; 2 2 To 2 2 To

Ren Jtiva Espinoza

E Ejercicio: Haykin H k (2002) 1.6 16


De las expresiones anteriores, se determina que ( )] es independiente p del valor de t y que q R x( (t,t+) E[x(t)] nicamente depende del valor de ; cuando se estudia la correlacin dentro de un perodo de observacin To. Por tanto se concluye que el proceso X(t) es estacionario en sentido amplio. Tambin se observa que la media y la funcin de autocorrelacin l i calculadas l l d por promediacin di i total ly por promediacin en el tiempo son respectivamente iguales g por p lo cual se concluye y q que el p proceso es ergdico en sentido amplio.
3/10/2011 Ren Jtiva Espinoza

Ejercicio relacionado con: H k (2002) 1.6 Haykin 16


Determine y grafique la Densidad Espectral de Potencia para la seal cuadrada del ejercicio anterior.
A2 2 To , To Rx ( ) = 1 ; 2 2 2 To T Rx ( ) = Rx + o 2 A2To T Sx ( f ) = sinc 2 f o 4 2

La densidad espectral de potencia para esta seal corresponde p a una funcin sinc2 adecuadamente escalada.
3/10/2011 Ren Jtiva Espinoza

Ejercicio relacionado con: H k (2002) 1.6 Haykin 16


Para la grfica haremos A=2; To=10; Ts=0.5; fs=2.
Correlacin de la seal Rx(tau)
2
1.8

Densidad Espectral de Potencia Sx(f)


10
9

1.6
1.4 1.2 Amplitud 1 Amplitud

8
7

6 5 4
3

0.8
0.6 0.4 0.2

2
1

0 -5

10

15

0 -1

-0.5

0.5

Espaciamiento temporal tau

Frecuencia f

Rx es peridica de perodo plot(fn*fs,fftshift(abs(Xf))/fs) To=10


3/10/2011 Ren Jtiva Espinoza

E Ejercicio: Haykin H k (2002) 1.19 1 19


Un proceso gaussiano estacionario X(t) tiene media cero y varianza x2 pasa a travs de un rectificador de onda completa, p , el cual se describe mediante la relacin de entrada-salida de la figura. Compruebe que la funcin de densidad de probabilidad de la variable aleatoria Y(tk), obtenida al observar el proceso aleatorio Y(t) en la salida del rectificador en el tiempo tk es la que sigue:

2 1 y2 exp 2 ; fY ( tk ) ( y ) = x 2 x 0; y < 0
3/10/2011 Ren Jtiva Espinoza

y0

E Ejercicio: Haykin H k (2002) 1.19 1 19


Y Y=-X Y=X

X ; x 0 Y = Y = X X ; x < 0
X

f Y ( tk ) ( y ) =

f X ( tk ) ( x ) dy dx
x1 = y

f X ( tk ) ( x ) dy dx
x2 = y

3/10/2011

Ren Jtiva Espinoza

E Ejercicio: Haykin H k (2002) 1.19 1 19


f Y ( tk ) ( y ) = x2 exp 2 2 x 2 x 1 1
x1 = y

x2 exp 2 2 x 2 x 1 1
x2 = y

y2 y2 1 f Y ( tk ) ( y ) = exp 2 + exp 2 2 x 2 x 2 x 2 x 1 y2 f Y ( tk ) ( y ) = exp 2 2 x 2 x Si Y = X y x ( , ) y [ 0, ) 2


3/10/2011 Ren Jtiva Espinoza

B bl Bibliografa f
Communication Systems, Fourth Edition; Simon Haykin; y John Wiley y & Sons, Inc, 2001. Signals and Systems, Second Edition; Alan V. Oppenheim, Alan S. Willsky; Prentice Hall, 1996 Wiley Encyclopedia of Telecommunications; John G. Proakis; John Wiley & Sons, Inc, 2003.

3/10/2011

Ren Jtiva Espinoza