UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE

INGENIERA EN ELECTRONICA E INSTRUMENTACION

Detección Probabilística
INTEGRANTES:

Andrés Cárdenas
Nelson De La Cruz
NIVEL:

Sexto
DETECCION MAXIMUN
A-POSTERIORI
 ESTIMADOR DE MÁXIMO A POSTERIORI (MAP)

Como su propio nombre indica, el estimador de máximo a

posteriori (Maximum a Posteriori, MAP) se define como el
valor de S que maximiza la distribución de probabilidad a
posteriori de dicha variable, y el valor de S que concentra
mayor densidad de probabilidad para cada valor de la
variable observable:
En sentido estricto, el estimador MAP no es bayesiano,
porque no minimiza ningún coste medio. No obstante, si
consideramos la función de coste.
Representación gráfica del proceso de cálculo del coste medio a posteriori
para
 Criterios para la toma de decisiones
Observando la salida del receptor z, se calcula la probabilidad
P(si/r=z). Por ejemplo, supongamos solo dos símbolos posibles:
Es decir ve si es mayor la Probabilidad de haber transmitido s1
dado que se recibió z o la Probabilidad de haber transmitido s2
dado que se recibió z. Cuando la señal se contamina con ruido
blanco gaussiano, las fdp condicionales son gaussianas centradas
en cada uno de los valores si . De esta manera el criterio de
decisión se puede escribir como:
Gráficamente se presentan las funciones fdp condicionales,
pesadas por la probabilidad de ocurrencia de cada símbolo. En
este dibujo los símbolos no son equiprobables.

H1

Esto también se representa como: P(s1 z )

P(s 2 z )
H2
Esto se traduce como: La decisión será la hipótesis H1 si el lado
izquierdo es mayor que el derecho, y será la hipótesis H2 si el lado
derecho es superior al izquierdo. También se le llama criterio de mínimo
error porque en promedio ofrece menor probabilidad de error en la
decisión. Calculemos el punto donde las dos curvas se interceptan
Aquí se observa que el límite se acerca a si cuando P(si) es mas pequeño y
el desplazamiento es mayor mientras el ruido tenga mas potencia. Si son
equiprobables
S1  S 2
a
2
Criterio de decisión MAP (Máximum A Posteriori)
detector de máxima
verosimilitud
 Detección de máxima verosimilitud
 El receptor de máxima verosimilitud es una combinación de detector y decisor que
determina a cuál de las posibles señales que pueden transmitirse se parece más la señal
recibida.
 El receptor consiste en un banco de correladores que correlan la señal recibida con las
posibles señales que pueden enviarse durante la duración del símbolo.
 Las salidas de los correladores se comparan y se selecciona como símbolo recibido aquel
que corresponde a la señal que proporciona máxima correlación.
 Si la señal transmitida es s(t) y el ruido añadido es n(t), la señal recibida es r(t) = s(t) +
n(t).
La señal binaria transmitida si(t) se representa
por dos símbolos posibles s1 ( t) y s 2 ( t):
Recepción/Detección de una Señal Digital
 El filtro de recepción, dependiendo el tipo
de transmisión realizada, entrega una señal
que posee un componente correspondiente
a la señal original transmitida y otro
componente correspondiente al ruido:
 z ( t ) = ai (t) + no (t) i = 1, 2

El elemento muestreador entrega al momento T un valor que permita

al Comparador de Nivel tomar la decisión sobre el valor de la
información recibida en función de un umbral prestablecido λ:
Probabilidad de Error en la Detección

 Dos formas en que puede presentarse un error en la detección:

 P (s1) y P (s2) son respectivamente las probabilidades a priori de que s1(t) o

s2(t) sean transmitidos.
Pe en un Detector de Máxima
Verosimilitud
 Criterio de detección: escoger un umbral λ que permita minimizar la probabilidad de
error:
 Para el caso en que: el Umbral óptimo para minimizar el error de
 probabilidad será:

 Para cualquier otra probabilidad a priori de los datos:

 El detector que minimiza la Pe, para el caso en que las probabilidades de los símbolos son
iguales, se denomina detector de Máxima Verosimilitud.
Ejemplo de Umbral Óptimo en un Detector Máx-Ver
 Se tiene una señal digital cuyos valores si (t) son:

 El filtro de recepción utilizado es un integrador. Se estima que la potencia del

ruido recibido es de
 Calcular el valor del umbral de decisión óptimo λ 0 para los casos siguientes de
probabilidades a priori presentes en los datos: P ( s1) = 0.5, P ( s1) = 0.7 y P ( s1)
= 0.2
 Para todos los casos: y la salida del integrador es:

 en donde:
 a) P ( s1) = 0.5, P ( s 2) = 0.5

 b) P ( s1) = 0.7, P ( s 2) = 0.3

 c) P ( s1) = 0.2, P ( s 2) = 0.8

Pe del Detector de Máxima Verosimilitud con Ruido
Gaussiano
 El detector de máxima
Verosimilitud optimiza el umbral
de recepción λ minimizando la
probabilidad de error.

En un ambiente de ruido gaussiano

la probabilidad de error del
detector es función del cociente
entre la diferencia de los niveles
de voltaje de los símbolos y la
desviación estándar del ruido:
 Ejemplo de Pe del Detector Máx-Ver con Ruido Gaussiano
Encontrar la probabilidad de error en un sistema de transmisión de datos que
emplea un receptor Max-Ver con filtro de recepción integrador bajo las
siguientes condiciones:
• P(s1) = P(s2) = 0.5,
• Ruido gaussiano con σ2 = 10-3
W/Hz,
• Señalización bipolar con A = 3.3
V.
• Velocidad de datos de 10^3 b/s
 Filtro Acoplado I
 El umbral óptimo para el caso del receptor Max-Ver corresponde a la minimización de la
probabilidad de error en función del umbral. Al minimizar la probabilidad de error en
función de la máxima relación señal a ruido (S/N) a la salida del filtro de recepción, el
filtro se denomina Filtro Acoplado.
 Filtro Acoplado y el Correlacionador I
 En el receptor digital la salida del filtro de recepción, en el caso lineal, corresponde a:

 Para el caso del filtro acoplado,

Cuando t=T la salida del filtro es entonces:

Lo cual corresponde a la correlación entre r( t) y s ( t).
 Filtro Acoplado y el Correlacionador II
 Realización del filtro acoplado: