ANÁLISIS DE RUIDO Y DISTORSIÓN DE CANAL

1. Definición de ruido y clasificación:

Se define como cualquier perturbación o señal eléctrica no deseada presente en la banda útil de un sistema de
comunicación. En general se presenta en el canal o medio de transmisión. Se distinguen los siguientes tipos:
Ruido no correlacionado: independiente de la señal
- Ruido externo
o Ruido atmosférico: ruido de precipitación
o Ruido extraterrestre o del espacio profundo
 Ruido Solar
 Ruido Cósmico o de cuerpo negro
o Ruido hecho por el hombre: ruido industrial
- Ruido interno
o Ruido térmico: ruido de resistencia
o Ruido de disparo
o Ruido de tiempo de tránsito
o Ruido de modulación 1/f
Ruido correlacionado: depende de la señal
- Ruido de distorsión armónica
- Ruido de intermodulación
- Ruido de distorsión de amplitud y fase

2. Modelos de ruido
El modelo descriptivo de Rayleigh:
Modela el ruido como una sumatoria de senoides interferentes:

c

n(t )  k cos( wk t   k ), wk  kw, w  0
k  

n(t)

Medidor de
potencia
n(t) FPBda Ckcos(wkt+k) Pf Watt
angosto

f

-wk wk w

Ck2
Luego para un tono interferente: Pf =  Ck = 2Pf
2

El modelo de frecuencia:
Modela la DEP de ruido para cada frecuencia w k a una resolución f Hz. Para una mejor resolución (f0) más
hay mayor retardo en la obtención de la DEP.

1
 DEPn(w)

f

-wk wk w

Medidor de
potencia
DEPn(w) FPBda senoide wk Pf Watt
angosto

f

-wk wk w

Para cada tono wk se determina: Pf = 2f DEPn(wk) Watt

 DEPn(wk) = Pf / 2f W/Hz

Relación con el modelo descriptivo: Ck  2 Sn ( w k )f

Caso particular: DEP de ruido Blanco

Sn(w)
/2
... ...
w

  (w  wk )   (w  wk ),

c 2
DEPn ( w)  k
wk  kw, w  0
k   2

Sn ( w )  W / Hz DEP de Ruido Blanco
2

No  B W Potencia de Ruido Blanco

El modelo estadístico:
Modela el ruido como un proceso aleatorio en base a su fdp y sus estadísticas. En general se puede extender
el análisis para toda señal f(t).

f(t) f(t)
Aleatoria Determinística
___
f(to) f(to)

to t to t

En to se define una fdp p(x), siendo el valor más En to el valor de la función es f(to)
probable el valor de la función

2
 f(t) f(t) con ruido

Sistema de
comunicación

t t
n(t)

t
Parámetros de ruido
Si consideramos:
x = n(t)  variable aleatoria de ruido
p(x)  función de densidad de probabilidad FDP asociada al ruido n(t). Ej. exponencial, cuadrática, gaussiana
Tenemos los siguientes parámetros de ruido:

 xp( x)dx

Media o valor medio: n  x  Ex  


   x p( x)dx

Valor cuadrático medio: n2  x 2  E x 2  2



   x  x  p( x)dx  
Se verifica:  2  E x 2  E 2 x 

 2  E (x  x)2 
2
Varianza:


 x p( x)dx

Potencia de ruido: N  x 2  2  2



Obs: Para ruido se considera p.g. x = 0, por tanto x 2 = 2= potencia de ruido
Problema: Se prueba un sistema de comunicación con una señal f(t) de mp = 4 voltios. A la salida del sistema
se tiene una relación f 2 ( t ) / mp2 = 7/18 y un psofómetro registra un tipo de ruido limitada a 15.625 mV y cuya fdp
se muestra. Grafique la fdp de ruido y determine la potencia de señal f(t) y de ruido a la salida del sistema:
 x
p( x )  (  1), x  a  15.625 mV
2 a
Solución: p(x)

 
 a
x x2
a
a 
Area unitaria: p( x )dx   (  1)dx   (  x)  (  a)  1
a 2a 2 /2
 0 0

  = 2/3a -a a x

 
 a a
x x4 x3 a3 a3 2 7a 3
Potencia de ruido: No  x p( x )dx   x (  1)dx   (
2 2
 )  (  )
a 4a 3 4 3 3a 12
 0 0

7 2 7
 No  a  (15 .625 mV ) 2 = 94.94 W
18 18
7 2 7
Potencia de señal: So = f 2 ( t )  mp  (4)2 = 6.22 W
18 18

So m p2
Relación señal a ruido: SNRo =  2  65536 = 10log(65536) = 48.16 dB
No a
Obs: En telecomunicaciones un sistema eficiente opera con una SNRo  1000 = 30 dB
3
3. La distribución Gaussiana o normal
La distribución gaussiana describe el comportamiento de los procesos de ruido de DEP uniforme como el ruido

blanco, térmico u otros. A continuación se muestra la fdp gaussiana de media x y varianza 2:

1
p( x )  e ( x  x ) / 2 
2 2

2
FIGURA 1:
Función de densidad de
probabilidad gaussiana o
normal.
La desviación estándar es ,
la media es m y la escala C
es la función de distribución
acumulada en porcentaje.

En el proceso de análisis se definen:

FDP gaussiana normalizada:
Es una fdp gaussiana de media cero y varianza unitaria. Permite evaluar la fdp usando métodos numéricos:

1
p( x )  exp(  x 2 / 2)
2
Función Q(x):
Facilita el cálculo de probabilidades usando una tabla de valores. Ver tablas I.1 e I.2:

e
1 
Q( x )  x2 / 2
dx
2 x

FIGURA 2:
Área de la fdp gaussiana,
como la describe Q(x)

Propiedades de Q(x):
a) Complemento: Q(x) + Q(-x) = 1

Para una fdp gaussiana de media x y varianza 2 se cumple:

xo  x xo  x x  xo
b) P( x  x o )  Q( ) y P( x  x o )  1 - Q( )  Q( )
  
xo  x x x
c) P( xo < x < x1 ) = Q( ) - Q( 1 )
 

4
Problema: La amplitud de una señal tiene distribución gaussiana con media cero y valor cuadrático medio 2.
Halle la probabilidad de observar la amplitud por encima de 3.

3  x
Solución: Usando b) tenemos: P( x  3 ) = Q( )  Q(3)  1.35 x10 3  0.00135

Problema: Se solicita a un ingeniero electrónico de la UPC a que calibre un sistema de alarma contra robos en
una institución bancaria. Por defecto la alarma debe activarse con un nivel de tensión de 1 V, sin embargo se
registra que falla en un 35.2%. El ingeniero analizando las condiciones normales del ambiente y el estado del
sensor de movimiento determina que con un nivel de tensión de 1.2V se activa la alarma con una eficiencia de
99.72%. Determine la mínima tensión (umbral) con que se activa la alarma y la potencia de ruido si se registra
en el ambiente ruido blanco y gaussiano de media cero y desviación estándar . Estime además la
probabilidad de que haya falsa alarma.
Solución:
1.2 V

1V
xo Umbral

t
Para x = 1 V la alarma falla en 35.2%:

xo  x x 1 1 xo
P( x < xo ) = 1 - Q( ) = 1 - Q( o ) = Q( ) = 0.352
  
1 xo
Por tabla I.1:  0.38  1 – xo = 0.38  ............... (1)


Para x = 1.2 V la alarma opera en 99.72%:

x o  1 .2 1 .2  x o 1 .2  x o
P( x > xo ) = Q( ) = 1 - Q( ) = 0.9972  Q( ) = 0.0028
  
1 .2  x o
Por tabla I.1:  2.77  1.2 – xo = 2.77  ............... (2)

De (1) y (2) tenemos xo = 0.9682 V y  = 0.083 V. Por tanto:
Umbral: xo = 0.9682 V
Potencia de ruido: No = 2 = 7 mW

Para x = 0 V hay falsa alarma:

xo  0 0.9682
P( x > xo ) = Q( ) = Q( ) = Q(11.57)
 0.083
1
Usando la aproximación para Q(x) cuando x es grande: Q( x )  e x /2
2

x 2
Por tanto: Q(11.57)  2.945 x 10-31 Prob. de que haya falsa alarma

Problema propuesto: Determine la potencia de ruido para el sistema de alarma anterior si se registra una fdp
de ruido en el ambiente dada por: P(x) = (1-x2/a2), |x|  a = 1mV
¿Mejora el sistema de alarma si se presenta éste tipo de ruido?. Justifique.
Rpta: No = 0.2 W

5
4. Desvanecimiento por multitrayecto o Fading
Fenómeno observado en trayectorias relativamente poco despejadas de obstáculos y condicionado a las
variaciones climáticas del momento como vientos, tormentas, lluvias, etc. y que introduce pérdidas o
desvanecimientos en el nivel de señal.
Por sus causas el fading puede ser:
- De 1er tipo: debida a causas atmosféricas como el desenfoque del haz radioeléctrico (una capa de
inversión elevada origina una reflexión parcial del haz), propagación de ducto (una capa de aire caliente o
de menor densidad produce que el haz ‘viaje’ grandes distancias entre un ducto formado por la capa
caliente y la superficie de la Tierra) y fenómenos de absorción (atenuación debida a la lluvia, niebla, etc.)

Capa de inversión
elevada Capa caliente

… … …

Tx Rx

Superficie

- De 2do tipo: tiene como origen el fenómeno multicamino (‘multipath’), varios trayectos de
propagación debidas a reflexiones sobre: tierra plana (zonas llanas, desérticas y sobretodo el mar),
obstáculos (cerros, quebradas), capas de inversión elevada (ionósfera, tropósfera), etc. La señal recibida
es entonces la resultante de los diferentes componentes por trayecto. La diferencia de fase es más
importante cuando más pequeña es la longitud de onda.
Capa ionosférica

…
…
Tx Rx

Tierra plana Obstáculos

- De 3er tipo: de origen variado (difracción, refracción, rugosidad, imperfecciones de las antenas).
Producen componentes de amplitudes muy pequeñas y de efecto despreciable sobre el campo recibido.
Es de consideración a frecuencias altas ( ondas) y al producirse con intensidad desvanecimientos de los
tipos anteriores.
Capa de inversión

Refracción
… …

Tx Rx

Difracción Rugosidad del terreno

Por su duración el fading puede ser:

- Lento: desvanecimientos profundos de 15 a 20 dB, de 1 a varias horas durante el día.
- Rápido: desvanecimientos muy profundos de 30 a 45 dB, de breve duración, algunos seg a varios
minutos. Aparece en general en la noche y en las 1ras horas del amanecer sobre todo en verano.
6
5. Distorsión de canal
La distorsión de una señal puede producirse a través de una canal de características no ideales ya sea de
magnitud o de fase o ambos. Puede ser:

Distorsión lineal
La distorsión lineal es aquella que no modifica las
componentes espectrales de la señal sobre la que se
aplica. Esto es, la banda ocupada por la señal es la
misma con y sin distorsión.

FIGURA 3. Sistema con distorsión lineal

Problema: Sea el siguiente sistema de transmisión:

f(t) = (t) H(w) r(t)

 w 
H ( w )  1    . cos( 2 n ).e  jwto , w  wc
 wc 

a) Graficar el espectro de H(w) para =1/8 y n=2.

b) Considerando los valores de a) determine la respuesta r(t).

Distorsión no lineal
La distorsión no lineal es aquella que genera componentes de frecuencias nuevas, que no existían en la
señal original. En los sistemas no lineales no es posible definir una función de transferencia en sentido
clásico, y se aproximan mediante una característica de transferencia definida como una relación
entrada/salida polinómica.

r(t) = ao + a1f(t) + a2f2(t) + a3f3(t) + … + akfk(t) + …

Este tipo de distorsión ocasiona no solo distorsión en la señal sino también interferencia con los canales
vecinos, debido a la dispersión del espectro como se observa en la figura siguiente:

FIGURA 4: Efecto de un canal no lineal sobre una señal modulada

7
 Algunos ejemplos de distorsión no lineal son:
Distorsión armónica:
Consiste en la aparición de armónicos cuando un tono de frecuencia se transmite por un sistema no lineal ej.
amplificadores, sistemas móviles, etc. Se mide mediante el parámetro THD (Distorsión Armónica Total):

Entrada Salida
distorsión armónica
Vin V1
Sistema
V2
V3 Vn
…
0 f1 f(Hz) 0 f1 f2 f3 fn f(Hz)

V22  V32  ...  Vn2

% THD  x 100
V1
Salida (V)
Problema: Se muestra el espectro de salida de un
amplificador de sonido de 2 KHz. Determine el 6

porcentaje de distorsión armónica de segundo y tercer 2

orden y la distorsión armónica total THD. 1
f(KHz)
0 2 4 6
Ruido de intermodulación:
Se produce cuando aparecen frecuencias no deseadas debido al producto cruzado (sumas y diferencias)
cuando dos o más tonos de frecuencia se transmiten por un sistema no lineal. Para el caso particular de dos
tonos de frecuencia f1 y f2 se utilizan las expresiones:

V prod cruzados 2 do orden Productos cruzados para f2 > f1:

% IMD  x 100 |mf2  nf1| con m, n  Z
V V
1
2
2
2

Ejemplo: Grafique el espectro de salida de un mezclador de sonido de 5 y 7 KHz de 1 V c/u. Un analizador

de distorsión determina que se generan frecuencias de hasta 3er orden de distorsión armónica de 0.2 V y
de ruido de intermodulación de 0.1 V respectivamente.

Solución:| Tabla de productos cruzados

m n |mf2  nf1|
1 1 |7  5| = 2, 12 KHz
1 2 |7  10| = 3, 17 KHz
2 1 |14  5| = 9, 19 KHz
2 2 |14  10| = 4, 24 KHz

Espectro de salida (V)

1

0.2
0.1
0 2 3 4 5 7 9 10 12 14 15 17 19 21 24
f (KHz)

8
6. Espectros de potencia
Sea un proceso aleatorio x(t) correspondiente a un tipo de ruido con varias funciones de muestra como en la
figura 5. En t = t1 el proceso x(t) se caracteriza por la variable aleatoria X1 = x(t1), en t = t2 el proceso aleatorio
se caracteriza por X2 = x(t2) y así sucesivamente para caracterizar por completo el proceso x(t), habría que usar
una cantidad infinita de variables aleatorias.

X1 X2

x1(t)

x2(t)
FIGURA 5:

x3(t) Proceso aleatorio x(t)

.
.
.

xn(t)

En un proceso x(t) hay 2 tipos de estadísticas:

Estadísticas de conjunto: Son los parámetros x , x 2 , 2, etc. de cada variable Xi = x(ti)

Estadísticas de tiempo: Son los parámetros x , x 2 , 2, etc. de cada función xi(t)
Hay varios tipos de procesos x(t):
Procesos estacionarios: las estadísticas de tiempo son invariantes, es decir no varían con el tiempo.
Procesos ergódicos: proceso estacionario donde las estadísticas de tiempo son iguales a las estadísticas de
conjunto. En telecomunicaciones todas las señales y los procesos de ruido se consideran ergódicos y validan
todas las relaciones matemáticas utilizadas.
Relaciones matemáticas derivadas de x(t)
Espectro de potencia: para la determinación de la DEP utilizamos la relación:


T / 2
1
R xx (  )  E[x(t1)x(t2)]  E[x(t)x(t  ]  lim x( t )x( t  )dt  S x ( w ) W / Hz
T T
T / 2

Nivel DC: para la determinación del nivel de DC de una señal utilizamos la relación:

 
 T / 2
1
E[x]  xp( x )dx  lim x( t )dt
T  T
 T / 2

Potencia: para la determinación de la potencia de una señal utilizamos la relación de Parseval:

  
 
1 1
T/2
E[x 2 ]  R xx (0)  x 2p( x )dx  lim x 2 ( t )dt  S x ( w )dw

T  T
T / 2
2  

Obs: Las mismas relaciones matemáticas se cumplen para funciones de procesos aleatorios y(x), p.e.:

 y( x)p( x)dx  ...


E[y] 
