Anda di halaman 1dari 17

UNIVERSIDAD NACIONAL EXPERIMENTAL

DEL TCHIRA
Seales Aleatorias y Ruido
Prof: Alexis Barrientos V.
Abril 2009
Formas de Onda Fsicamente
realizables realizables
Otra forma de clasificar las Formas de onda es en
d t i ti l t i determinanticas y aleatorias.
El comportamiento de las seales aleatorias tales como
el ruido slo se puede predecir de manera aproximada. el ruido slo se puede predecir de manera aproximada.
En la teora de comunicaciones las seales y los
procesos aleatorios desempean un papel muy
I t t i l t t l l j l Importante, incluso tanto las seales mensaje como el
ruido se tratan como variables aleatorias.
En esta unidad se presentaran las ideas y conceptos En esta unidad se presentaran las ideas y conceptos
bsicos y esenciales de las variables y procesos
aleatorios que complementan el enfoque determinstico
hasta ahora empleado hasta ahora empleado
Nociones de Probabilidad
Probabilidad simple: la probabilidad de un evento A,
d t d P(A) d d fi i t i d l denotado por P(A), puede definirse en trminos de la
frecuencia relativa de A que ocurre en un nmero n de
pruebas

si A es el e ento n lo o e ento imposible si A es el evento nulo o evento imposible


si A es el evento seguro
Probabilidad Conjunta: la probabilidad del evento j p
conjunto AB, es
Nociones de Probabilidad
Probabilidad condicional: la probabilidad de que ocurra
A d d t bi i B un suceso A, dado que tambin ocurri un suceso B, se
define como
de donde la probabilidad conjunta se puede calcular
como
i l t i d di t si los eventos son independientes
generalizando generalizando
Nociones de Probabilidad
Algunas expresiones relativas a la probabilidad de
sucesos
Probabilidad condicionada
Probabilidad Conjunta
Probabilidad de la Unin Probabilidad de la Unin
Probabilidad Total
Teorema de Bayes
Independencia
Nociones de Probabilidad
Variables aleatorias: una variable aleatoria con valor
l f i l l d fi id l t real es un funcin con valor real definida en los eventos
(elementos) del sistema de probabilidad.
Tambin se puede decir que es una relacin, que asigna Tambin se puede decir que es una relacin, que asigna
un nmero real a cada punto del espacio de muestras.
Funciones de Distribucin Acumulativa y Funciones
d d id d d P b bilid d de densidad de Probabilidad.
La Funcin de distribucin acumulativa de la variable aleatoria
x est dada por:
Mientras que la Funcin de densidad de probabilidad de la
variable aleatoria x est dada por: p
Nociones de Probabilidad
Ejemplo 3.1: Canal de comunicaciones binario simtrico
Es posible definir dos variables aleatorias discretas, X y Y, que
representan, respectivamente el bit transmitido y el bit recibido. El
rango de valores de dichas v.a es S
X
=S
Y
= .
Cualquier v.a discreta queda completamente definida y q q p y
caracterizada por los valores de ocurrencia de los valores del rango
(para este ejemplo P(X=0)=0.6 y la P(X=1)=0.4). A partir de dichas
probabilidades es posible construir la funcin de densidad de
probabilidades y la funcin de distribucin acumulativa
Nociones de Probabilidad
Ejemplo 3.1: Canal de comunicaciones binario simtrico

E i i t di t l b bilid d i i l En siguiente diagrama representa las probabilidades a priori y las


verosimilitudes del ejemplo del canal simtrico: Calcular?
La probabilidad de recibir un bit 0
La probabilidadde recibir un bit 1 La probabilidad de recibir un bit 1
La probabilidad de que lo enviado
haya sido un 0 cuando se ha recibido
un 0 un 0
La probabilidad de error del enlace
Nociones de Probabilidad
Otro tipo de variable aleatoria son las v.a continuas,
t f d i t l ( i t l ) cuyo rango est formado por un intervalo (o intervalos)
de valores. Las variables aleatorias continuas quedan
completamente caracterizadas bien por su funcin de
distribucin acumulativa
bi l f i d d id d d b bilid d o bien por la funcin de densidad de probabilidad
y debe cumplir: y debe cumplir:

Nociones de Probabilidad
Promedio Conjunto y Momentos
El valor esperado, tambin conocido como promedio
conjunto, de est dado por:
Los momentos se definen como promedios conjuntos de
algunas funciones especificas utilizadas para
El r-simo momento de la variable aleatoria x tomado
alrededor del punto x
0
se obtiene alrededor del punto x
0
se obtiene
Nociones de Probabilidad
La media m es el primer momento tomado alrededor del
i origen
La varianza es el segundo momento tomado
alrededor de la media
La desviacin estndar es la raz cuadrada de la
varianza
Nociones de Probabilidad
Nociones de Probabilidad
Transformaciones de Funciones de Variables aleatorias
donde M representa el nmero de races reales de
Ej l 3 2 Di t ib i S id l Ejemplo 3-2: Distribucin Senoidal: sea ,
Donde x est distribuida uniformemente desde a
demuestre que demuestre que
Nociones de Probabilidad
Estadsticas Multivariables: Las ideas anteriores se
li f il t d i bl genereralizan fcilmente a dos o ms variables
aleatorias.
La CDF est dada por: La CDF est dada por:
Mientras que la PDF conjunta ser
Nociones de Probabilidad
Algunas propiedades de las variables aleatorias N-
di i l dimensionales

Si las variables aleatorias son independientes p


El valor esperado de es:
Nociones de Probabilidad
Estadsticas bivariantes
La correlacin (o media conjunta)
Se dice que las dos variables aleatorias no estn
correlacionadas
Si las v.a. Son independientes, resulta que tampoco
estn correlacionadas.
Se dice que dos variables aleatorias son ortogonales si
Nociones de Probabilidad
Estadsticas bivariantes
La covarianza es
El coeficiente de correlacin o covarianza
normalizada
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Procesos Aleatorios
Un proceso aleatorio real (o proceso estocstico) es un
conjunto indexado de funciones reales de algn parmetro,
generalmente el tiempo, que posee ciertas propiedades g p q p p p
estadsticas
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Procesos Aleatorios
Un proceso aleatorio puede
describirse mediante un
conjunto indexado de variables
aleatorias.
Para describir completamente
un proceso aleatorio general un proceso aleatorio general
se requiere de una PDF N-
dimensional
Los procesos aleatorios pueden p p
clasificarse como continuos o
discretos
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Estacionalidad y ergodicidad
Se dice que un proceso aleatorio es estacionario
hasta orden de N si, para cualquier
donde es cualquier constante real arbitraria. An ms,
se dice que el proceso es estrictamente estacionario
i t i i l d d si es estacionario al orden de
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Ejemplo 3-3: Estacionalidad de Primer Orden
Examine un proceso aleatorio para determinar si es
estacionario de primer orden. Sea el proceso aleatorio
Caso 1: Resultado estacionario. Primero suponga que
y son constantes y est uniformemente distribuida
como en el ejemplo 3-2. La PDF de primer orden para
es
Debido a que esta PDF no es funcin de t, resulta el que q , q
es un proceso estacionario de primer orden.
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Ejemplo 3-3: Estacionalidad de Primer Orden
Examine un proceso aleatorio para determinar si es
estacionario de primer orden. Sea el proceso aleatorio
Caso 2: Resultado no estacionario. Ahora suponga
que , y son constantes. Entonces, para cualquier
tiempo, el valor de es conocido con una
probabilidad de la unidad. Por lo tanto, la PDF de primer
orden de es orden de es
como consecuencia no es estacionario de primer
orden para la suposicin del caso 2
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Ergodicidad: Se dice que un proceso aleatorio es
di i t d l di d ti d l i ergodico si todos los promedios de tiempo de cualquier
funcin muestral son iguales a los promedios conjuntos
correspondientes (expectativas)
Donde el promedio en el tiempo y el conjunto son
respectivamente:
de la misma forma
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Ejemplo 3-4: Proceso Ergdico Aleatorio.
Sea el proceso dado por: , donde y
son constantes y es una v.a. uniformemente distribuida
sobre . sobre .
Primero se evalan los promedios conjuntos, la media y el
segundo momento.
S d l l di d ti l d Segundo se evalan los promedios de tiempo empleando
una funcin tpica del proceso aleatorio
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Funciones de correlacin:
La funcin de autocorrelacin de un proceso real es
donde y . Si el proceso es estacionario
de segundo orden, entonces la funcin de autocorrelacin
es una funcin slo de la diferencia de tiempo
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Funciones de correlacin:
Se dice que un proceso aleatorio es estacionario en
sentido amplio (WSS: Wide Sense Stationary) si
1.
2.
Propiedades de la autocorrelacion de un proceso
estacionario real en sentido amplio
11.
2.
3.
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Ejemplo 3-5: Tono fase aleatoria ,
if uniforme
Estacionario orden 1 Estacionario orden 1
Media
Autororrelacin
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Ejemplo 3-5: Tono fase aleatoria ,
if uniforme
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Ejemplo 3-6: , es v.a uniforme
Procesos estocstico
No estacionario
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
La Funcin de correlacin cruzada para dos procesos
l t i l t d aleatorios reales y esta da por
Adems, si los procesos son conjuntamente estacionarios,
la funcin de correlacin cruzada se convierte en:
Algunas propiedades de la funcin de autocorrelacin
cruzada de procesos reales conjuntamente estacionarios
son:
1.
2.
3.
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
La Funcin de correlacin cruzada es una
li i d l t d l di j t d d generalizacin del concepto de la media conjunta de dos
variables aleatorias. Por tanto, dos procesos aleatorios
y existen sin correlacin si
De la misma manera los dos procesos sern ortogonales De la misma manera, los dos procesos sern ortogonales
si
Si los dos procesos son conjuntamente ergdicos, el
promedio en el tiempo se puede utilizar para reemplazar el
promedio conjunto promedio conjunto
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Densidad espectral de potencia
Suponga que
La energa normalizada g
es una variable aleatoria, cuya media
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Densidad espectral de potencia
La potencia promedio normalizada de la seal truncada
Que en definitiva para procesos ergdicos Que en definitiva para procesos ergdicos
La densidad espectral de potencia para un proceso
aleatorio se obtiene como:
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Teorema de Wiener-Khintchine
Cuando es un proceso estacionario en sentido amplio,
la PSD puede obtenerse mediante la transformada de
Fourier de la funcin de autocorrelacin. Fourier de la funcin de autocorrelacin.
De la misma manera
Este teorema tambin es valido para un proceso no
estacionario siempre que se reemplace estacionario, siempre que se reemplace
Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Densidad Espectral de Potencia
Algunas propiedades de la PSD son
siempre es real

Cuando es real,
potencia normalizada total, cuando
es estacionario en sentido amplio

Procesos Aleatorios y
Anlisis Espectral Anlisis Espectral
Valores de DC y RMS para procesos Aleatorios
E di Ergdicos
1. Valor DC
2. Potencia de DC normalizada
3. Valor de RMS
4 Valor de RMS de la parte AC 4. Valor de RMS de la parte AC
5. Potencia promedio Normalizada
6. Potencia promedio Normalizada de la parte AC
Sistemas Lineales
Relacin de entrada salida
Si se aplica un proceso aleatorio estacionario en el sentido Si se aplica un proceso aleatorio estacionario en el sentido
amplio a la entrada de una red lineal invariante con el
tiempo con respuesta impulso , entonces la
autocorrelacin de la salida es:
y la PSD de la salida es: y la PSD de la salida es:
y
Sistemas Lineales
Relacin de entrada salida
Sistemas Lineales
Correlacin Cruzada: Sean y entradas
t i i tid li d i t li l estacionarias en sentido amplio para dos sistemas lineales
e invariantes en el tiempo, como se muestra en la figura,
entonces la funcin de correlacin cruzada de la salida es
Sistemas Lineales
Ejemplo 3-6: Autocorrelacin de salida y PSD para un
filt b j filtro pasabajas
Suponga que la entrada es un
Proceso ergdico aleatorio con
PSD uniforme
Entonces la PSD de la salida es
Ruido
El termino ruido se utiliza comnmente para designar
l d d l i t d seales no deseadas que aparecen en los sistemas de
comunicaciones y sobre las que no se tiene ningn control
Un ejemplo es la esttica que comnmente se encuentra
en los sistemas de radio difusin.
El ruido es uno de los dos factores principales
li it t l f d l limitantes en el performance de los
sistemas de comunicacin
Ruido
Existen dos tipos de ruido:
Ruido externo al sistema, como por ejemplo ruido atmosfrico,
ruido galctico y ruido producido por el hombre, es el introducido
en el canal de transmisin.
Ruido interno al sistema, el ms importante es el debido a las
fluctuaciones aleatorias de los portadores dentro de los dispositivos
utilizados, es introducido dentro del mismo receptor.
Ruido
Ruido Externo
Ruido industrial es causado por fuentes elctricas
hechas por el hombre (motores, generadores, ignicin, etc)
Ruido Atmosfrico se debe a perturbaciones de origen Ruido Atmosfrico se debe a perturbaciones de origen
natural en la atmosfera terrestre tales como los rayos (<30
MHz)
Ruido extraterrestre es el ruido elctrico debido a la
actividad csmica y solar
Ruido
Ruido Interno
Esta presente en todos los sistemas de comunicaciones y
fija una limitacin en la trasmisin y deteccin. Los dos
tipos ms comunes tipos ms comunes
Ruido en semiconductores
Ruido Trmico
Ruido Semiconductor
Ruido en Semiconductores
Este tipo de ruido interno es originado en los dispositivos
semiconductores tales como diodos y transistores y se
clasifica como: clasifica como:
Ruido de disparo o impulsivo
Ruido de tiempo de transito p
Ruido de parpadeo (Flicker)
Ruido Semiconductor
Ruido de Disparo o impulsivo
Es la contribucin ms grande a el ruido de los dispositivos
semiconductores, y es debido a las trayectorias aleatorias
de los de los portadores de corriente que fluyen en los de los de los portadores de corriente que fluyen en los
semiconductores
Ruido Semiconductor
Ruido de tiempo de transito
Ocurre a altas frecuencias cuando el tiempo de
transito de los portadores de carga que atraviesan la
unin semiconductora alcanza el periodo de la seal unin semiconductora alcanza el periodo de la seal.
Este tipo de ruido incrementa rpidamente cuando se
operan los dispositivos sobre su frecuencia mxima de
corte
Ruido Semiconductor
Ruido de Parpadeo
Este tipo resulta de las diminutas variaciones de la
resistencia en el material semiconductor.
Este ruido es inversamente proporcional a la frecuencia Este ruido es inversamente proporcional a la frecuencia
y tambin se conoce como ruido 1/f o ruido rosado
Ruido Semiconductor
Ruido Semiconductor
El voltaje total en los dispositivos semiconductores varia
con la frecuencia en funcin de los diferentes tipos de
ruido predominantes en las diferentes regiones ruido predominantes en las diferentes regiones.
Ruido Trmico
El ruido trmico es el ruido producido por el
movimiento aleatorio de partculas cargadas
(normalmente electrones) en medios conductores.
El id t i i l l t t El ruido trmico es proporcional a la temperatura
absoluta
Ruido Trmico
De la teora cintica, la energa promedio de una partcula
t t b l t i l d d a una temperatura absoluta es proporcional a , donde
es la constante de Boltzmann.
Cuando un resistor metlico de resistencia R est a una
temperatura T, el movimiento electrnico aleatorio produce
lt j d id (t) l t i l d i it bi t un voltaje de ruido v(t) en las terminales de circuito abierto.
En congruencia con el lmite central, v(t) es una
distribucin gaussiana con media igual a cero y varianza g g y
Ruido Trmico
La teora tambin muestra que la media cuadrtica de la
d id d t l d l id t i densidad espectral del ruido trmico es:
Que para bajas frecuencias
A temperatura estndar y a frecuencias por debajo de 10
12
Hz, la densidad es casi contante e igual a:
Ruido Trmico
Por lo que un resistor ruidoso se puede modelar como:
La potencia de ruido disponible es la potencia mxima p p p
real que puede extraerse de una fuente. Y la PSD
disponible es la PSD mxima real que puede obtenerse.
Ruido Blanco
Adems de las fuentes de ruido trmico, hay otros tipos de
f t d id i ti fuentes de ruido que son gaussianos y que tienen
densidad espectral de potencia plana dentro de una
extensa gama de frecuencias.
Se dice que un proceso aleatorio es un proceso de ruido
blanco si la PSD es constante sobre todas las frecuencias,
La funcin de autocorrelacin para el ruido blanco es La funcin de autocorrelacin para el ruido blanco es
Ruido Blanco
Ejemplo 3-7: Relacin Seal a Ruido a la Salida de un
Filt RC S i t d l Filtro RC. Suponga que consiste de una seal seno
(deterministica) con ruido ergdico blanco. Por tanto:
De lo que: y
Por lo que
Ya que el sistema es lineal
Ruido Blanco
Ancho de banda equivalente: Para un proceso
t i i l tid li l h d b d estacionario en el sentido amplio , el ancho de banda
equivalente, viene dado por:
Donde , es la frecuencia en la cual llega a su
mximo.
Ejemplo 3-8: Ancho de Banda Equivalente para un LPF
RC Se puede aplicar ruido blanco a la entrada para RC. Se puede aplicar ruido blanco a la entrada para
evaluar el ancho de banda equivalente para un filtro.
Por lo tanto para un filtro RC
Calculo de la Temperatura de
Ruido de un Sistema Ruido de un Sistema
* La potencia de ruido es proporcional a la temperatura
de ruido.
* La ruido producido de diferentes fuentes no est La ruido producido de diferentes fuentes no est
correlacionado (Ruido Gaussiano Blanco)
* Por lo tanto, se puede
* Adicionar potencias de ruidos de diferentes fuentes * Adicionar potencias de ruidos de diferentes fuentes.
* Trabajar directamente con la temperatura de ruido.
* Se debe:
* Calcular la temperatura de ruido de cada contribucin
* Referenciar las temperaturas de ruido a un mismo punto
Receptor Tpico
Circuito Equivalente del
Receptor Receptor
Circuito Equivalente del
Receptor Receptor

+ + + =
RF
IF
RF
m
in RF s
G G
T
G
T
T T T
RF m RF
G G G
Reduccin de la potencia de
Ruido Ruido
* Como se reduce N?
* Haciendo B lo ms pequeo posible, justamente lo
necesario para aceptar la portadora (C)
* Hacer T
s
lo ms pequea posible:
* Disminuir T
RF
* Disminuir T
in
Disminuir T
in
* Incrementar G
RF
Ruido en Elementos Activos
* Los dispositivos activos producen ruido desde:
* P did di i d l di iti ti * Perdidas disipadas en el dispositivo activo
* Perdidas disipadas en los circuitos que lo soportan
* Ruido elctrico causado por el dispositivo activo
* La temperatura efectiva de dispositivos activos es
especificada por el fabricante
* Puede ser medida
* Puede ser calculada
* Asumidas por mtodos de impedancia
* La Temperatura efectiva siempre se especifica a la La Temperatura efectiva siempre se especifica a la
entrada del dispositivo
* El ruido usualmente suministrado como figura de ruido
Ruido en Elementos Con
prdidas prdidas
* Todos los elementos con perdidas reducen la cantidad
d t i t itid t d ll de potencia transmitida travs de ellos
* Seal de potencia o portadora
* La potencia de ruido
* La contribucin a la temperatura de ruido de un
elemento con perdidas es: T
N
=T
p
(1-G)[K], G=1/L, donde
G es la ganancia (menor que la unidad) del elemento g ( q )
con perdidas y T
p
es la temperatura fsica del elemento
* Note que la temperatura es referenciada a la salida del
elemento elemento
Figura de Ruido
La Cifra de Ruido (F) se define como: La razn entre la
potencia promedio total de ruido a la salida de un
sistema Lineal e invariante, respecto a la potencia
promedio de ruido debida al ruido de entrada al sistema promedio de ruido debida al ruido de entrada al sistema
y determinadas a la temperatura normalizada de referencia
* Usualmente es utilizado para especificar el ruido
generado dentro de un dispositivo
[ ]
in
N S
F
/
* Operacionalmente es
* Su relacin con la temperatura de ruido es:
[ ]
[ ]
out
in
N
N S
F
/
=
( ) ( )
K 290 referencia de ra temperatu la es
1
o
o d
T
NF T T =
Telecomunicaciones I