Escolar Documentos
Profissional Documentos
Cultura Documentos
Notas de Aula Slides - USP
Notas de Aula Slides - USP
∞
• Revisões Estatística
Se y=g(x) será E [Y ] = E [g (X )] = ∫ g (x )f (x )dx
X
• Variável aleatória X −∞
Momentos centrais de ordem n
Função de distribuição cumulativa FX (x ) = P(X ≤ x )
[ ] ∫ (x − µ
∞ n
E (X − µ X ) = ) f X (x )dx
n
f X (x ) = FX (x )
d X
Função densidade de probabilidade
dx −∞
∞
[ ] ∫x
Momento central de ordem 1 é sempre nulo
Momentos de Ordem n E X n = n
f (x )dx
−∞
[ ] [ ]
σ X = E X 2 − 2µ X X + µ X = E X 2 − 2 µ X E [X ]+ µ X =
2 2 2 [
i j
]
E X Y = ∫ ∫ x i y j f XY (x, y )dxdy
[ ]
− ∞− ∞
= E X 2 − µX
2
• Caso particular- correlação - i=j=1
∞ ∞
E [XY ] = ∫ ∫ xyf XY (x, y )dxdy
Assim a variância é igual ao valor quadrático médio apenas se a − ∞− ∞
média for nula. • Correlação das variáveis X-µX e Y-µY chama-se covariância
FX (t1 +τ )X (t2 +τ )... X (tk +τ )(x1 , x2 ,..., xk ) - a função de distribuição de segunda ordem só depende do
intervalo de tempo entre os instantes de observação
F X (t1 )X (t 2 ) (x1 , x 2 ) = F X (0 )X (t 2 − t1 ) (x1 , x 2 ) ∀ t1 , t 2
Um processo diz-se estacionário no sentido estrito se
FX (t1 +τ )X (t2 +τ )... X (t k +τ )(x1 , x2 ,..., xk ) = FX (t1 )X (t2 )... X (tk )(x1 , x2 ,..., xk )
Telecomunicações 1(TEC) 9 Telecomunicações 1(TEC) 10
Todos os processos estacionários no sentido estrito são Se o processo for estacionário será
obviamente estacionários no sentido lato. RX (t1 , t 2 ) = RX (t 2 − t1 ) ∀t1 , t 2
Telecomunicações 1(TEC) 11 Telecomunicações 1(TEC) 12
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• È costume escrever τ=t2-t1 vindo: • Significado físico da autocorrelação
• Mede a interdependência entre as variáveis aleatórias
R X (τ ) correspondentes à amplitude de um processo em instante
Idêntica nota-se se pode usar para a covariância. diferentes. Se um processo for de variação rápida no tempo a
Propriedades função de autocorrelação decresce rapidamente a partir da
[ ]
origem.
RX (0) = E X 2 RX(τ)
Variação lenta
RX (τ ) = RX (− τ ) Variação rápida
RX (τ ) ≤ RX (0 )
[ ]
= E A2 cos(2πf ct +θ )cos(2πfc (t +τ ) +θ ) =
A potência média do processo será E[X2]=RX(0)=A2/2
lim µ X (T ) = µ X
T
RX (τ , T ) = ∫ x(t + τ )x(t )dt
1
2T T →∞
lim var[µ X (T )] = 0
−T
T →∞
RX é também uma variável aleatória.
Um processo aleatório diz-se ergódico na autocorrelação se
lim RX (τ , T ) = RX (τ )
T →∞
lim var[RX (τ , T )] = 0
T →∞
Telecomunicações 1(TEC) 19 Telecomunicações 1(TEC) 20
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• Para ser ergódico um processo X(t) tem de ser • Transmissão de um processo aleatório através
estacionário no sentido lato. de um sistema linear
• O conceito de estacionaridade pode estender-se (filtro linear invariante no tempo) com resposta impulsional h(t)
a estatísticas de ordem superior.
• Os processo ergódicos que vamos estudar são X(t)
h(t)
Y(t)
ergódicos, que se ajustam bem à repre-sentação
do ruído que queremos desenvolver
Pode provar-se que se X(t) for estacionário no sentido lato,
Y(t) também será.
Telecomunicações 1(TEC) 21 Telecomunicações 1(TEC) 22
∞
µY (t ) = E [Y (t )] = E ∫ h(τ 1 )X (t − τ 1 )dτ 1 A função de autocorrelação da saída para os instantes t e u será
−∞
∞ ∞
RY (t , u ) = E ∫ h(τ 1 )X (t − τ 1 )dτ 1 ∫ h(τ 2 )X (t − τ 2 )dτ 2
∞ ∞
µY (t ) = ∫ h(τ 1 )E [X (t − τ 1 )]dτ 1 = ∫ h(τ 1 )µ X (t − τ 1 )dτ 1
−∞ −∞
−∞ −∞
Telecomunicações 1(TEC) 23 Telecomunicações 1(TEC) 24
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• Para o caso particular do processo ser estacionário será • Densidade Espectral de Potência
∞ ∞
Sabemos que
RY (τ ) = ∫ ∫ h(τ1 )h(τ 2 )RX (τ − τ1 − τ 2 )dτ1dτ 2
− ∞− ∞ ∞
h(τ 1 ) = ∫ H ( f )e
j 2πfτ 1
df
Dado que RY(0)=E[Y2] obtem-se o resultado muito importante −∞
Fazendo τ=τ2-τ1
−∞ −∞ −∞ SX (f )= ∫ R (τ )e X
− j 2πfτ
dτ
∞ ∞ ∞ −∞
[ ]
E Y 2 (t ) = ∫ df H ( f ) ∫ dτ 2 h(τ 2 )e j 2πfτ 2 ∫ RX (τ )e − j 2πfτ dτ
Ou ∞ 2
−∞ −∞ −∞ [
E Y (t ) =
2
] ∫ H (f ) S X ( f )df
∞ −∞
∫ dτ h(τ )e (f )
j 2πfτ 2
=H
*
mas ∞
[
ou seja E Y (t ) = ] ∫S ( f )d f
2 2
−∞ 2
Y
∞ 2 ∞
[ ]
−∞
∴ E Y 2 (t ) = ∫ df H ( f ) ∫ RX (τ )e dτ
− j 2πfτ
se SY ( f ) = H ( f ) S X ( f )
2
−∞ −∞
Telecomunicações 1(TEC) 27 Telecomunicações 1(TEC) 28
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• Isto leva-nos a uma representação dos processos • Esta relação fundamental entre SX e RX
∞
no domínio das frequências com a propriedade
essencial que é a função SX é transformada de SX (f )= ∫ R (τ )e
X
− j 2πfτ
dτ
−∞
Fourier de RX ∞
• Vejamos mais algumas propriedades desta R X (τ ) = ∫ S ( f )e
X
j 2πfτ
df
representação −∞
SX(f) se µY = 0 e σ Y = 1
2
Esta última distribuição
2
costuma designar-se por
1 − y2
f f Y (y ) = e N(0,1)
1/T 2/T 2π
Telecomunicações 1(TEC) 35 Telecomunicações 1(TEC) 36
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• Os processos gaussianos são muito importantes • A justificação é o teorema do limite central.
em Telecomunicações por duas razões: • Dado um conjunto de N variáveis aleatórias estatisticamente
independentes com a mesma função de distribuição média e
– mais fácil obter resultados analíticos neste caso,
desvio padrão, a variável soma tem distribuição gaussiana…
– muitos dos processos aleatórios que se utilizam para • Esta situação verifica-se em muitas situações em que o ruído
representar processos físicos podem ser gerado por um sistema, resulta da contribuição de um grande
aproximados por processos gaussianos. número de variáveis independentes.
[ ]
Rreal
E v 2 tn = 4kTR∆f volts 2 E[v2tn]
~ Rs/ruído
com G = R −1
Telecomunicações 1(TEC) 47 Telecomunicações 1(TEC) 48
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• Dado que o número de electrões em movimento • Uma gerador transmite máxima potência a uma
num condutor é muito elevado e que eles se carga quando esta´tem valor igual à sua
movem de forma independente, a aproximação impedância característica valendo essa potência
de considerar que o ruído térmico é um V2/4R
processo aleatório Gaussiano é válida. P = Vl .I = Rl .I 2 = Rl
V2
R P
(R + Rl )2
Rl Pmáx ↔ R = Rl
V ~ V2
Pmáx =
4R
Telecomunicações 1(TEC) 49 Telecomunicações 1(TEC) 50
SN ( f )=
No / 2
H (f )= τ
1 1
=
1 + (2πfRC )
2
Ruído
branco C
Ruído
filtrado
1 + j 2πfRC 1 + jf / f c
1 e
fc =
2πRC −
τ No/2 SN(f)
RN ( f ) = o e RC
N
O cálculo da densidade de potência de ruído à saída é trivial 4 RC No/4
f
fc=1/2πRC
Telecomunicações 1(TEC) 59 Telecomunicações 1(TEC) 60
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• Largura de Banda Equivalente de Ruído • Graficamente
∞ 2 ∞ 2
|H(f)|2
∫ H ( f ) df = N o ∫ H ( f ) df
N
N saída = o
2 −∞ 0
Iguais áreas
Mesmo ruído aplicado a um filtro ideal (ganho constante)= H(0)
N saída (ideal ) = N o BN H (0 )
teríamos 2
∞
f
∫ H (f )
2
df Para o caso do RC será BN=πfc/2=1/4RC.
se BN = 0
H (0 )
2
f
-fc-B -fc -fc+B fc-B fc fc+B
Telecomunicações 1(TEC) 63 Telecomunicações 1(TEC) 64
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• Tal como aconteceu anteriormente com os sinais é possível • Extracção das componentes Regeneração do em
definir este tipo de sinais em termos de: fase e quadratura ruído de banda estreita
– componentes em fase e quadratura Filtro
x nI(t) x
– envolvente e fase. P Baixo
+
• No primeiro caso teremos: 2cos(2πfct) cos(2πfct)
Σ
n (t ) = n I (t )cos (2π f c t )− nQ (t )sen (2π f c t )
n(t)
-
Filtro
x nQ(t) x
P Baixo
É fácil mostrar que aquelas componentes podem calcular-se
do seguinte modo (analiticamente ou no laboratório).
-2sen(2πfct) sen(2πfct)
Telecomunicações 1(TEC) 65 Telecomunicações 1(TEC) 66
S N I ( f ) = S NQ ( f ) = { S N ( f − f c )+ S N ( f + f c ) para − B ≤ f ≤ B
RN (τ ) = ∫
– se n(t) é Gaussiana e a sua densidade de potência em N o j 2πfτ N o j 2πfτ
torno de fc, então nI e nQ são estatisticamente − fc − B
2
e df + ∫
fc − B
2
e df =
independentes.
= 2 N o sin c(2 Bτ )cos(2πf cτ )
• Exemplo: 2NoB
RN(τ)
Ruído Filtro Passa n(t)
Banda 2B << fc
branco
(fc, 2B)
No/2 1/2B 1/B
2e para r ≥ 0 σ
f R (r ) = oσ
Variável segue distribuição
fora disso Valor médio é µR=(π/2)1/2σ
de Rayleigh.
Valor quadrático médio E[R2]=2σ2
î Variância σR2=(4-π)σ2/2
R e Ψ são independentes.
P(R>=kσ)=exp(-k2/2)
σ2 é a variância de n(t).
Telecomunicações 1(TEC) 73 Telecomunicações 1(TEC) 74
n′I (t )
Neste caso se Α#0 as variáveis aleatórias R e Ψ serão dependentes.
Se n(t) for gaussiano, n’I(t) e nQ(t) são gaussianos e estatis-
ticamente independentes.
Média de n’I(t) é A e a média de nQ (t) é nula.
Variâncias de n’I(t) e de nQ (t) são ambas iguais a σ2.
Telecomunicações 1(TEC) 75 Telecomunicações 1(TEC) 76
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• A variável R obedece a uma distribuição de Rice • Normaliza-se fazendo v=r/σ e a=A/σ com fV(v)=σfR(r) e vem
r +A
2 2
r − Ar
f R (r ) = 2 e 2σ 2
Io 2 a=0 −
v2 +a2
σ σ
a=1
a=2 fV (v ) = ve 2
I o (av )
a=3 a=5
sendo
2π
I o (x ) =
1
∫e
x cosψ
dψ Função de Bessel de 1ª
2π 0 espécie modificada de
ordem 0.
Ruído proveniente da entrada Ruído gerado pelo quadripolo
Ti
+ g No
Qual a temperatura equivalente desta cadeia? Introduzamos um
Te Quadripolo diagrama em que as fontes de ruído correspondentes a cada um
c/ ruído dos elementos esteja presente.
Telecomunicações 1(TEC) 83 Telecomunicações 1(TEC) 84
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• Será • Numa cascata de quadripolos teremos portanto no caso geral,
Ti que se costuma designar fórmula de Friis:
+ g1 + g2 + gn
Te2 Te3 Ten
Te1 Te2 Ten Te1 + + + ... + n −1
∏g
g1 g1 g 2
Ou i
Ti 1
+ g1 g2 gn
Resultado muito importante que revela que numa cadeia o
Te2 Te3 Ten elemento mais importante é o primeiro. De facto se este tiver
Te1 + + + ... + n −1 ganho elevado, as contribuições dos andares seguintes para o
∏g
g1 g1 g 2
i ruído final são muito pequenas.
1
Telecomunicações 1(TEC) 85 Telecomunicações 1(TEC) 86
− 204 , 0 ( em dBW ) B em Hz
N o dB = g dB + N idB = −78,4dBW
Telecomunicações 1(TEC) 91 Telecomunicações 1(TEC) 92
Processos Aleatórios e Ruído Processos Aleatórios e Ruído
• 3- Determine a temperatura de sistema do • Teremos
seguinte receptor F2 = 100,6 ≈ 4 ∴Te2 = To (F2 − 1) = 870 K
F3 = 101, 2 ≈ 16 ∴Te3 = To (F3 − 1) = 4350 K
870 4350
g1=100 g2=10 g3=1000 Tsis = Ti + Te = 50 + 30 + + = 93K
Te1=30K F2=6dB F3=12dB 100 1000
Tant=50K
Apesar da menor qualidade dos últimos andares do receptor
eles contribuem muito pouco para a degradação do sinal do
ponto de vista do ruído.
Telecomunicações 1(TEC) 93 Telecomunicações 1(TEC) 94
To R Atenuação L = g-1 R
Ni= KToB