DEPARTAMENTO DE CIENCIA Y TECNOLOGA

UNIVERSIDAD NACIONAL DE QUILMES

Roque Senz Pea 180 (B1876BXD) Bernal Buenos Aires Argentina



Clasificacin de las seales 1

TEORA DE LAS TELECOMUNICACIONES

CLASIFICACIN DE LAS SEALES

Bsicamente tenemos dos tipos de seales: determinsticas y aleatorias. Las
determinsticas tienen un valor conocido en cada instante de tiempo y pueden expresarse
matemticamente como, por ejemplo, x(t) = 5 cos 10t. Para una seal o forma de onda
aleatoria no es posible dar una expresin explcita como la anterior. Sin embargo, cuando se la
observa durante un largo perodo de tiempo puede verse cierta regularidad y puede ser
descripta en trminos de probabilidades y promedios estadsticos. El ejemplo ms
sobresaliente de este caso, en sistemas de comunicaciones, es el ruido. Sin embargo, tambin
son aleatorias las seales provenientes de las fuentes de informacin. Es aleatoria la seal de
video, la voz de un locutor de radio, el mensaje de un fax, etc. Lo cual es bastante lgico. Si
estas seales fueran determinsticas no tendran sentido las comunicaciones. Para qu
transmitir algo si el receptor sabe a priori de qu se trata?
Haremos un breve repaso de algunas caractersticas de estas seales, como as tambin
del ruido, ya que deberemos tratar con ellas posteriormente (fundamentalmente con el ruido).
Seales de potencia y de energa
Una seal elctrica puede ser representada por un voltaje v(t), o una corriente i(t), que
entrega una potencia instantnea p(t) a travs de un resistor R:
R
t v
t p
) (
) (
2
= (1)

R t i t p ) ( ) (
2
= (2)
En sistemas de comunicaciones es comn normalizar las ecuaciones anteriores
considerando a R = 1 aunque en realidad pueda tener otro valor. En ese caso las
expresiones anteriores toman la forma general:
) ( ) (
2
t x t p = (3)
donde x(t) representa una tensin o una corriente, indistintamente. La energa disipada
durante el intervalo de tiempo (- T/2, T/2) por una seal con potencia instantnea expresada
por (3) se puede escribir como:

=
2 /
2 /
2
) (
T
T
T
x
dt t x E (4)
y la potencia media disipada por la seal durante el intervalo es:

=
2 /
2 /
2
) (
1
T
T
T
x
dt t x
T
P (5)
2 Clasificacin de las seales
Como veremos ms adelante, la performance de un sistema de comunicaciones
depende de la energa de la seal detectada; las seales de mayor energa brindan mayor
confiabilidad (menos errores). Por otro lado, la potencia es la velocidad a la que se entrega
energa. La potencia determina la tensin elctrica que debe ser aplicada a un transmisor.
En el anlisis de sistemas de comunicaciones a menudo es deseable tratar con formas
de onda de energa. Clasificaremos a x(t) como una seal de energa si, y slo si, tiene energa
mayor que cero y de valor finito (0 < E
x
< ) para toda la extensin del tiempo:



= = dt t x dt t x E
T
T T
x
) ( ) ( lim
2
2 /
2 /
2
(6)
En la prctica siempre transmitimos seales que tienen energa finita. Sin embargo,
para describir las seales peridicas, que por definicin existen para todo tiempo t y tienen
energa infinita, es conveniente definir una clase de seales llamadas seales de potencia. Por
definicin, una seal es de potencia si, y slo si, tiene potencia mayor que cero y de valor
finito para todo t:

=
2 /
2 /
2
) (
1
lim
T
T T
x
dt t x
T
P (7)
Esta clasificacin de las seales es mutuamente excluyente. O sea, una seal de
energa tiene energa finita pero potencia media cero, mientras que una seal de potencia
tiene potencia finita pero energa infinita. Como regla general, las seales peridicas y las
seales aleatorias se clasifican como seales de potencia, mientras que las seales
determinsticas no peridicas se las clasifica como seales de energa.

Aleatorias Seales
Peridicas Seales
Potencia de Seales
{ Peridicas no ticas Determins Seales Energa de Seales
La clasificacin en estas dos categoras descriptas es un modelo conveniente para tratar
cierto tipo de seales y el ruido.
Densidad espectral
La densidad espectral de una seal caracteriza la distribucin de energa o de potencia
de una seal en el dominio de la frecuencia.
Densidad Espectral de Energa. La energa total de una seal de energa x(t), definida
sobre un intervalo (-, +) se describe mediante la ecuacin (6). Podemos relacionar la
energa de esa seal expresada en el tiempo con la energa expresada en el dominio de la
frecuencia mediante la siguiente expresin:

= = df f X dt t x E
x
2
2
) ( ) ( (8)
donde X(f) es la transformada de Fourier de la seal x(t). Recordemos que, se define
matemticamente a la transformada de Fourier de la siguiente manera:

= dt e t x f X
ft j 2
) ( ) (
Podemos hacer:
Clasificacin de las seales 3
2
) ( ) ( f X f
x
= (9)
La funcin
x
(f) es la densidad espectral de energa de la seal x(t). Por lo tanto, la
energa total de la seal x(t) se puede expresar as:

= df f E
x x
) ( (10)
Esta ecuacin establece que la energa de una seal es igual al rea bajo la curva
x
(f).
La densidad espectral de energa describe la energa de la seal por unidad de ancho de
banda, expresado en Joules/Hertz. Como X(f) es una funcin par resulta que:

=
0
) ( 2 df f E
x x
(11)
Densidad Espectral de Potencia. La potencia promedio, de una seal real x(t) se define
en la ecuacin (7). Si x(t) es una seal peridica con perodo T
0
, se la clasifica como una
seal de potencia, con potencia media expresada por:

=
= =
2 /
2 /
2
2
0
0
0
) (
1
T
T
n
n x
c dt t x
T
P (12)
donde el trmino c
n

2
representa a los coeficientes complejos de la serie de Fourier
(esta es la relacin de Parseval para seales peridicas). La funcin densidad espectral de
potencia, G
x
(f), de una seal peridica x(t), es una funcin real, par y no negativa que da la
distribucin de la potencia de x(t) en funcin de la frecuencia. Se la define como:

=
=
n
n x
nf f c f G ) ( ) (
0
2
(13)
La ecuacin (13) define la densidad espectral de potencia de una seal peridica x(t)
como una sucesin de funciones delta pesadas por el coeficiente c
n

2
. Esto significa
que es una funcin discreta de la frecuencia. La potencia media total, normalizada, queda
expresada como:

= =
0
) ( 2 ) ( df f G df f G P
x x x
(14)
La densidad espectral de potencia se expresa en unidades tales como Watts/Hertz.
Autocorrelacin
Autocorrelacin de una seal de energa
La correlacin es un proceso de comparacin. La autocorrelacin se refiere a la
comparacin de una seal con una versin desplazada de s misma. La funcin de
autocorrelacin, R
x
(), de una seal real de energa x(t), viene definida por:
< < + =

- para ) ( ) ( ) ( dt t x t x R
x
(15)
La funcin de autocorrelacin da una idea de qu tanto se parece una seal a una
versin desplazada ( unidades en el tiempo) de s misma. R
x
no es una funcin del tiempo
4 Clasificacin de las seales
sino que es funcin de la diferencia de tiempo o desplazamiento , entre la funcin inicial y la
funcin desplazada.
La funcin de autocorrelacin de una seal real de energa tiene las siguientes
propiedades:
1. ) ( ) ( =
x x
R R es una funcin par.
2. todo para ) 0 ( ) (
x x
R R tiene su valor mximo en el origen.
3. ) ( ) ( f R
x x
la autocorrelacin y la densidad espectral de energa forman un
par transformado de Fourier.
4.

= dt t x R
x
) ( ) 0 (
2
el valor en el origen es igual a la energa de la seal (se
puede ver de la (15) haciendo = 0).
Autocorrelacin de una seal peridica (seal de potencia)
La funcin de autocorrelacin de una seal real de potencia se define como:
< < + =

- para ) ( ) (
1
lim ) (
2 /
2 /
T
T T
x
dt t x t x
T
R (16)
Cuando la seal de potencia x(t) es peridica con perodo T
0
, el tiempo de promediacin
puede tomarse sobre un perodo, quedando la expresin:
< < + =

- para ) ( ) (
1
) (
2 /
2 /
0
0
0
T
T
x
dt t x t x
T
R (17)
Las propiedades de la autocorrelacin para una funcin real peridica son:
1. ) ( ) ( =
x x
R R es una funcin par.
2. todo para ) 0 ( ) (
x x
R R tiene su valor mximo en el origen.
3. ) ( ) ( f G R
x x
la autocorrelacin y la densidad espectral de potencia forman un
par transformado de Fourier.
4.

=
2 /
2 /
2
0
0
0
) (
1
) 0 (
T
T
x
dt t x
T
R el valor en el origen es igual a la potencia media de
la seal, como se puede ver de la (17) haciendo = 0.
Seales aleatorias
Veremos a continuacin algunas caractersticas de las seales aleatorias y repasaremos
algunos conceptos bsicos de estadsticas.
Sea X(A) una variable aleatoria. Representa la relacin entre un evento aleatorio A y un
nmero real. Por conveniencia indicaremos a la variable aleatoria solamente por X, quedando
implcita su relacin con A. La variable aleatoria puede ser discreta o continua. Las variables
aleatorias discretas son aquellas que ante un evento, el conjunto de resultados posibles es
discreto. Por ejemplo, supongamos el evento A = se arroja un dado. Los valores posibles
para X son {1, 2, 3, 4, 5 y 6}. Las variables aleatorias continuas son aquellas que, para un
Clasificacin de las seales 5
evento definido, presentan un conjunto de resultados continuos. Por ejemplo, supongamos el
evento A = se mide una tensin elctrica. Los posibles resultados para la variable aleatoria X
podran ser, por ejemplo, los pertenecientes al intervalo continuo [200, 240], representando
valores de tensin elctrica en volts
1
.
La funcin de distribucin F
X
(x) (o funcin de distribucin acumulativa) de la variable
aleatoria X viene dada por:
) ( ) ( x X P x F
X
= (18)
donde el trmino de la derecha representa la probabilidad de que la variable aleatoria X
sea menor o igual que el nmero real x. Esta funcin F
x
tiene las siguientes propiedades:
1. 1 ) ( 0 x F
X

2.
2 1 2 1
x x si ) ( ) ( x F x F
X X

3. 0 ) ( =
X
F
4. 1 ) ( = +
X
F
Para el caso de una variable aleatoria continua, la fda es continua. Para el caso de una
variable aleatoria discreta la fda tiene saltos escalonados o bien podramos decir que es
continua por segmentos. Tambin sigue siendo creciente.
Otra expresin til es la funcin de densidad de probabilidad (fdp), definida como:

dx
x dF
x p
X
X
) (
) ( = (19)
Esta funcin expresa la probabilidad de que la variable aleatoria X est comprendida
entre dos ciertos valores:

=
=
=
2
1
) (
) ( ) (
) ( ) ( ) (
1 2
1 2 2 1
x
x
X
X X
dx x p
x F x F
x X P x X P x X x P

La funcin de densidad de probabilidad tiene las siguientes propiedades:
1. 0 ) ( x p
X

2. 1 ) ( ) ( ) ( = + =

X X X
F F dx x p
Obviamente el rea debajo de p
X
(x) debe ser igual a 1 pues la probabilidad de obtener
un resultado cualquiera (perteneciente al conjunto), una vez observado el evento, es 1.
La fdp de una variable aleatoria continua es una funcin continua. Para el caso de las
tensiones elctricas tomado antes como ejemplo, la funcin de densidad de probabilidad sera
una recta horizontal, de altura 1/40, y que se extiende desde x = 200 hasta x = 240. Esto
forma un rectngulo cuya rea tiene valor 1, como debe ser. En este caso decimos que la

1
Esta suposicin es en realidad bastante exagerada para una situacin real. Si se mide, por ejemplo, la tensin
elctrica domiciliaria repetidas veces, se encontrar que el valor es bastante estable y difcilmente tenga una
distribucin uniforme entre 200 y 240V sino en un intervalo ms pequeo (y con una distribucin diferente).
6 Clasificacin de las seales
variable aleatoria tiene una distribucin uniforme. Para el caso de una variable aleatoria
discreta, la fdp tambin es discreta. Entonces, para el ejemplo del dado, tendramos una
funcin discreta formada por puntos de ordenada = 1/6 y abscisa 1, 2, 3, etc, hasta 6. La
suma de las ordenadas de cada punto da 1, como debe ser. La fdp tambin tiene, en este
caso, una distribucin uniforme. La distribucin uniforme es la ms sencilla de todas y desde
luego que existen numerosas funciones de densidad de probabilidad con diferentes formas.
Ntese que, para el caso de la fdp continua y uniforme del ejemplo de las tensiones, si
calculamos la funcin primitiva (la antiderivada) obtenemos como fda, funcin de distribucin
acumulativa, una recta que cumple con la ecuacin (18) y con todas las propiedades que se
enumeraron acerca de ella. Para el caso del dado, la fda sera una recta escalonada.
Indicaremos a la funcin de densidad de probabilidad como p(x). Adems, escribiremos
P(X=x
i
) como la probabilidad de que una variable aleatoria discreta X tome el valor x
i
. Es
importante aclarar que esta ltima expresin slo es vlida para variables discretas.
Para el caso de variables continuas p
X
(x
0
) no representa la probabilidad de nada.
Siempre se debe integrar entre dos valores x
1
y x
2
y lo que se obtiene es la
probabilidad de que la variable aleatoria X se encuentre entre los valores x
1
y x
2
. Una
vez ms, refirindonos al ejemplo de las tensiones elctricas, la probabilidad de que el
resultado del evento sea, por decir algo, 223,18 volts no tiene sentido. En tal caso, deberemos
calcular la integral de la fdp entre dos valores muy cercanos a 223,18 y obtendremos la
probabilidad de que el resultado del evento est dentro de ese rango de integracin.
El valor medio (o valor esperado) m
X
de una variable aleatoria X viene definido por
{ }

= = dx x xp X E m
X X
) ( (20)
donde {} E es el valor esperado de la variable aleatoria. El valor esperado representa
algo as como el promedio entre los posibles resultados de la variable aleatoria. Para el
ejemplo del dado, el valor esperado es 3,5. Este valor surge de hacer la siguiente operacin:

{ }
( )
5 , 3
6 5 4 3 2 1
6
1
6
1
6
6
1
2
6
1
1
) (
6
1
=
+ + + + + =
+ + + =
= =

=
L
j
j j
x X P x X E

Ntese que la variable aleatoria X puede no ser igual a su valor esperado para ningn
resultado experimental.
Para el ejemplo de las tensiones elctricas el valor medio o esperado (tambin llamado
esperanza algunas veces) es 220 V, suponiendo una distribucin uniforme, es decir, una
distribucin con igual probabilidad para todos los resultados. Se puede comprobar fcilmente
aplicando la (20).
El n-simo momento de una distribucin de probabilidad de una variable aleatoria X
viene definido por
{ }

= dx x p x X E
X
n n
) ( (21)
Clasificacin de las seales 7
Para el anlisis de los sistemas de comunicaciones son de utilidad el primero y segundo
momento. Para el primer caso, haciendo n = 1 obtenemos la ecuacin (20) que da el valor
medio; para el segundo caso, haciendo n = 2 se obtiene el valor cuadrtico medio de X:
{ }

= dx x p x X E
X
) (
2 2
(22)
Otra definicin de importancia es la varianza de una variable aleatoria X, expresada
como:
{ }

= = dx x p m x m X E X
X X X
) ( ) ( ) ( ) var(
2 2
(23)
La varianza de X es normalmente denotada como
2
X
, y su raz cuadrada,
X
, es
llamada la desviacin estndar de X. La varianza es una medida de la aleatoriedad o
dispersin de la variable X. El valor de la varianza da una idea del ancho de la funcin de
densidad de probabilidad de la variable aleatoria X. Cuanto ms ancha es una fdp dada,
mayor es la varianza de la misma. La varianza y el valor cuadrtico medio se relacionan de la
siguiente manera:

{ }
{ } { }
{ }
{ }
2 2
2 2
2 2
2 2 2
2
2
2
X
X X X
X X
X X X
m X E
m m m X E
m X E m X E
m X m X E
=
+ =
+ =
+ =

As, la varianza es igual a la diferencia entre el valor cuadrtico medio y el cuadrado de
la media.
Procesos aleatorios

Figura 1. Proceso aleatorio.
8 Clasificacin de las seales
Un proceso aleatorio, X(A, t), puede ser visto como una funcin de dos variables: un
evento A y el tiempo t. Supongamos N muestras de una funcin del tiempo {X
j
(t)}. Cada una
de las muestras puede ser relacionada con la salida de diferentes generadores de ruido. Para
un evento especfico A
j
tenemos una funcin del tiempo X(A
j
, t) = X
j
(t) (o sea una muestra de
la funcin). La totalidad de las muestras forman un conjunto o ensamble. Para un tiempo
especfico t
k
, X(A, t
k
) es una variable aleatoria X(t
k
), cuyo valor depende del evento. Para un
evento especfico A = A
j
y un tiempo especfico t = t
k
, X(A
j
, t
k
) es simplemente un nmero. Por
conveniencia designaremos a este proceso aleatorio como X(t) y la dependencia con A quedar
implcita. La Figura 1 muestra un ejemplo de proceso aleatorio. Se trata de N eventos; cada
evento depende del resultado aleatorio del mismo y del tiempo.
Promedios estadsticos de una variable aleatoria
El valor de un proceso aleatorio no puede ser conocido a priori (ya que no se conoce la
identidad del evento A). Se busca entonces poder describir este proceso estadsticamente,
mediante su funcin de densidad de probabilidad (fdp). En general, la forma de la fdp de un
proceso aleatorio ser diferente para diferentes tiempos. Y en general tambin, no es prctico
determinar empricamente la fdp. Sin embargo, se puede obtener una descripcin parcial a
travs de la media y de la autocorrelacin. Definiremos a la media de un proceso aleatorio X(t)
como:
{ }

= = ) ( ) ( ) (
k X X k
t m dx x xp t X E
k
(24)
donde X(t
k
) es la variable aleatoria obtenida por observacin del proceso aleatorio en el
tiempo t
k
. La fdp de X(t
k
) es p
xk
(x). Es la funcin de densidad de probabilidad sobre todo el
conjunto de eventos, tomada en el tiempo t
k
.
Definiremos a la funcin de autocorrelacin del proceso aleatorio X(t) como una funcin
de dos variables, t
1
y t
2
:
{ } ) ( ) ( ) , (
2 1 2 1
t X t X E t t R
X
= (25)
donde X(t
1
) y X(t
2
) son las variables aleatorias obtenidas por observacin de X(t) en los
tiempos t
1
y t
2
respectivamente. La funcin de autocorrelacin da una pauta de cunto se
parecen dos muestras del mismo proceso aleatorio, desplazadas en el tiempo.
Procesos estacionarios
Un proceso aleatorio X(t) se dice estacionario en sentido estricto si ninguna de sus
propiedades estadsticas son afectadas por un desplazamiento sobre el eje de tiempos. Un
proceso aleatorio se dice estacionario en sentido amplio si la media y la autocorrelacin no
varan con un desplazamiento en el tiempo. As, un proceso es estacionario en sentido amplio
si,
{ } constante ) ( = =
X
m t X E (26)
y
) ( ) , (
2 1 2 1
t t R t t R
X X
= (27)
Estacionario en sentido estricto implica estacionario en sentido amplio, pero no
viceversa. La mayora de los procesos aleatorios usados en sistemas de comunicaciones son
estacionarios en sentido amplio.
Clasificacin de las seales 9
En procesos estacionarios la autocorrelacin no depende del tiempo sino de la
diferencia de tiempos t
1
y t
2
. Es decir, todos los pares de valores de X(t) separados en el
tiempo = t
1
t
2
tienen el mismo valor de autocorrelacin. As, para procesos estacionarios,
expresamos la autocorrelacin simplemente como R
X
().
Autocorrelacin en procesos estacionarios en sentido amplio. As como la varianza
provee una medida de la aleatoriedad de una variable aleatoria, la funcin de autocorrelacin
provee una medida similar para los procesos aleatorios. Como se dijo antes, para procesos
estacionarios en sentido amplio la autocorrelacin es una funcin de = t
1
t
2
, esto
es:
{ } ) ( ) ( ) ( ) ( ) , (
2 1 2 1 2 1

X X X
R t t R t X t X E t t R = = =
{ } < < + = - para ) ( ) ( ) ( t X t X E R
X
(28)
Para un proceso estacionario en sentido amplio, R
X
() da una idea del parecido de los
valores del proceso separados por un tiempo . En otras palabras, da una idea de la rapidez
con que va cambiando el proceso a lo largo del tiempo. Si R
X
() cambia lentamente significa
que, en promedio, los valores de X(t) tomados en t
1
y t
1
+ son aproximadamente iguales. De
esa manera una representacin de X(t) en el dominio de la frecuencia debera tener una
preponderancia de bajas frecuencias. Por el contrario, si R
X
() decrece rpidamente con el
aumento de deberamos esperar que X(t) cambie rpidamente con el tiempo y que contenga
principalmente altas frecuencias.
Las propiedades de la funcin de autocorrelacin para un proceso estacionario en
sentido amplio son:
1. ) ( ) ( =
x x
R R es una funcin par.
2. todo para ) 0 ( ) (
x x
R R tiene su valor mximo en el origen.
3. ) ( ) ( f G R
x x
la autocorrelacin y la densidad espectral de potencia
forman un par transformado de Fourier.
4. { } ) ( ) 0 (
2
t X E R
x
= el valor en el origen es igual a la potencia media de
la seal.
Ergodicidad. Para calcular m
X
y R
X
() por promediacin del ensamble o conjunto,
deberamos promediar todas las muestras de la funcin y deberamos contar con informacin
estadstica ms amplia que generalmente no est disponible. Cuando un proceso aleatorio
pertenece a cierta clase especial llamado proceso ergdico, su promedio temporal es
igual al promedio del ensamble y las propiedades estadsticas del proceso pueden
determinarse a partir del promedio temporal de una sola muestra. Para que un
proceso aleatorio sea ergdico debe ser estacionario en sentido estricto (la inversa
no es necesariamente verdadera). Sin embargo, en sistemas de comunicaciones que
satisfacen la condicin de estacionario en sentido amplio, slo nos interesa saber la media y la
funcin de autocorrelacin.
Podemos decir que un proceso es ergdico en la media si

=
2 /
2 /
) ( / 1 lim
T
T T
X
dt t X T m (29)
es decir, calculamos el valor medio a partir del promedio temporal.
Y es ergdico en la autocorrelacin si:
10 Clasificacin de las seales

+ =
2 /
2 /
) ( ) ( / 1 lim ) (
T
T T
X
dt t X t X T R (30)
es decir, calculamos la autocorrelacin a partir de la funcin de autocorrelacin en el
tiempo.
Comprobar la ergodicidad de un proceso aleatorio es, en general, muy difcil.
En la prctica lo que se hace es una evaluacin intuitiva para saber si es razonable
intercambiar los promedios temporales y los promedios de las muestras. En la mayora de los
sistemas de comunicaciones (en ausencia de efectos transitorios) se asume la ergodicidad en
la media y en la autocorrelacin.
Ya que en un proceso ergdico el promedio temporal es igual al promedio de las
muestras del conjunto, las variables elctricas principales como valor dc, valor rms, etc, se
pueden relacionar, en este caso, con las propiedades estadsticas de la siguiente manera:
1. La cantidad { } ) (t X E m
X
= es igual al nivel DC de la seal. Este resultado es bastante
intuitivo, ya que el valor medio estadstico coincide con el valor medio temporal, y el valor
medio temporal de una seal elctrica representa la componente DC.
2. La cantidad
2
X
m es igual a la potencia normalizada de la componente DC. Tambin
es bastante intuitivo. Si m
X
es el valor medio de tensin elctrica, entonces su cuadrado,
2
X
m ,
representa la potencia continua normalizada.
3. El segundo momento de X(t), { } ) (
2
t X E es igual a la potencia media normalizada
total (AC + DC). Este resultado quizs no es tan evidente como los dos anteriores. Pero una
manera de interpretarlo es viendo que X
2
(t) es la potencia instantnea normalizada (AC + DC)
de la seal X(t). Por lo tanto su valor medio representa la potencia media normalizada AC +
DC.
4. La cantidad { } ) (
2
t X E es igual al valor rms del voltaje o corriente de la seal (AC +
DC). Teniendo en cuenta el punto 3, vemos que se trata de la raz cuadrada de la potencia
media normalizada total. Esto coincide con la definicin de valor rms de una seal (en otras
palabras, es la raz cuadrada del valor medio del cuadrado de la seal de tensin o de
corriente)
5. La varianza,
2
X
, es igual a la potencia media normalizada de la componente AC de
la seal:

( ) { }
( )
( )
{ } { }
{ }
{ }
{
dc
potencia
2
total
potencia
2
2 2 2
2 2
2 2
2 2
2
2 2
2
2
) ( ) ( 2 ) (
) ( 2
) (
) var(
X
X X
X X
X X X X X
X X X
X X
X X
m X E
m m X E
m X E m X E
dx x p m dx x p xm dx x p x
dx x p m xm x
dx x p m x
m X E X
=
+ =
+ =
=
+ =
=
= =

3 2 1

Clasificacin de las seales 11
6. Si el proceso tiene media cero (esto es, 0
2
= =
X X
m m ), entonces { }
2 2
X E
X
= , y la
varianza representa la potencia media total normalizada (porque no hay potencia media DC).
7. La desviacin estndar,
X
, es el valor rms de la componente AC de la seal. Surge
del punto 5, tomando la raz cuadrada de la potencia media AC y teniendo en cuenta la
definicin de valor rms.
8. Si m
X
= 0 entonces
X
es el valor rms total de la seal (ya que no hay tensin o
corriente continua).
Un proceso aleatorio X(t) generalmente puede ser clasificado como una seal de
potencia que tiene densidad espectral de potencia G
X
(f). La caracterstica de esta densidad
espectral puede resumirse as:
1. 0 ) ( f G
X

2. ) ( ) ( f G f G
X X
=
3. ) ( ) (
X X
R f G
4.

= df f G P
X X
) (
En la Figura 2 se muestran dos ejemplos de cmo se obtiene la densidad espectral de
potencia de una secuencia binaria, bipolar, aleatoria. A partir de dicha secuencia, se calcula la
funcin de autocorrelacin, siendo la transformada de Fourier de esta ltima la densidad
espectral de potencia de la secuencia original. En el segundo ejemplo el ancho de pulso es
menor y por lo tanto el ancho de banda resultante es mayor (recurdese que lo que es
angosto en el dominio del tiempo es ancho en el dominio de la frecuencia y viceversa).
Ruido en sistemas de comunicaciones
El trmino ruido se refiere a seales elctricas indeseadas que estn siempre presentes
en los sistemas elctricos. La presencia de ruido superpuesto en una seal tiende a
enmascarar a dicha seal. Esto limita la capacidad del receptor para decidir correctamente
acerca de cul fue el smbolo transmitido, adems de limitar la velocidad de transmisin. Hay
diferentes fuentes de ruido, tanto naturales como artificiales (generados por el hombre). En
todo sistema de comunicaciones hay que pelear contra el ruido, diseando las antenas y filtros
adecuados, o instalando los equipos en lugares apropiados.
Hay un tipo de ruido especfico llamado ruido trmico o de Johnson que es causado por
la agitacin trmica natural de los electrones presentes en distintos componentes como ser
cables conductores, resistores, transistores, etc. Los mismos electrones que realizan la
conduccin elctrica de la seal deseada producen el ruido trmico. Ms adelante, en otro
captulo, veremos ms en detalle la expresin matemtica de la tensin y de la potencia del
ruido trmico. Por ahora veremos su comportamiento estadstico y su espectro de frecuencia.
El ruido trmico tiene una naturaleza aleatoria y puede ser descripto como un proceso
Gaussiano de media cero. Un proceso Gaussiano n(t) es una funcin aleatoria cuyo valor n, a
cualquier valor arbitrario del tiempo t, est estadsticamente caracterizado por una funcin de
densidad de probabilidad Gaussiana p(n):

(
(

\
|
=
2
2
1
exp
2
1
) (

n
n p (31)
12 Clasificacin de las seales
donde sigma cuadrado es la varianza de n. La fdp Gaussiana Normalizada es un
proceso de media cero que se asume tiene =1. Su grfica representativa puede verse en la
Figura 3.

Figura 2. Autocorrelacin y densidad espectral de potencia (Ejemplo 1).
Clasificacin de las seales 13

Figura 2. (Ejemplo 2).
14 Clasificacin de las seales

Figura 3. Funcin de densidad de probabilidad Gaussiana, normalizada ( = 1).

A menudo representaremos una seal aleatoria como suma de una componente DC y
ruido Gaussiano:
z = a + n
donde z es la variable aleatoria, a la componente DC y n el ruido Gaussiano. Para este
caso, la fdp p(z) se expresa como:

(
(

\
|
=
2
2
1
exp
2
1
) (

a z
z p (32)
donde, una vez ms, sigma cuadrado es la varianza de n. Esta forma gaussiana que se
le asigna a la distribucin de probabilidad de ruido blanco surge de un teorema que dice que la
suma de muchas variables aleatorias independientes tiende a una distribucin gaussiana, sin
importar qu distribucin tiene cada variable. La grfica de la (32) es similar a la de la Figura 3
pero en vez de estar centrada en el eje y est centrada en un eje que pasa por a (donde a es
un valor de la abscisa).
Ruido blanco
La caracterstica distintiva del ruido trmico es que su densidad espectral de potencia es
constante para todas las frecuencias que son de inters en la mayora de los sistemas de
comunicaciones. Es decir, una fuente de ruido trmico emana una igual cantidad de potencia
por unidad de ancho de banda para todas las frecuencias (desde DC hasta aproximadamente
10
12
Hz). Por lo tanto se puede describir al ruido trmico asumiendo que su densidad espectral
de potencia G
n
(f) es constante para todas las frecuencias, y se expresa como:
hertz / watts
2
) (
0
N
f G
n
= (33)
Clasificacin de las seales 15
El factor se incluye para indicar que la funcin es par y abarca tanto frecuencias
negativas como positivas. Un ruido de estas caractersticas se dice que es ruido blanco. El
adjetivo blanco se debe a que se lo compara con la luz blanca que tiene componentes iguales
para todas las frecuencias (para todos los colores).
La funcin de autocorrelacin del ruido blanco viene dada por la antitransformada de
Fourier de la densidad espectral de potencia:
{ } ) (
2
) ( ) (
0 1
t
N
f G R
n n
= =

(34)
Por lo tanto, la funcin de autocorrelacin del ruido blanco es una funcin delta
pesada por el factor N
0
/2 y ocurre en = 0. Esto indica que dos valores cualquiera de la
funcin de ruido son incorrelados y no tienen ningn parecido.
La potencia media P
n
del ruido blanco es infinita ya que el ancho de banda es infinito y
el rea debajo de la curva de densidad espectral de potencia es infinita:
= =

df
N
P
n
2
0

Tambin puede verse que la funcin de autocorrelacin vale infinito en el origen,
cumpliendo con las propiedades enunciadas anteriormente para los procesos aleatorios
estacionarios. Desde luego, hay que tener en cuenta que esto de considerar infinito al ancho
de banda y a la potencia media, es una abstraccin. En realidad el ancho de banda no puede
ser infinito. Sin embargo, para los fines prcticos, siempre que este ancho de banda sea mayor
que el ancho de banda del sistema de comunicaciones, se lo puede considerar como infinito. La
Figura 4 muestra la densidad espectral de potencia y la funcin de autocorrelacin del ruido
blanco.

Figura 4. (a) Densidad espectral de potencia del ruido blanco. (b) Funcin
de autocorrelacin del ruido blanco.

Ya que el ruido es un proceso ergdico, veamos cmo se relacionan sus propiedades
estadsticas con sus propiedades elctricas:
1. El valor medio o esperanza de la fdp Gaussiana es cero, por lo tanto el nivel
de tensin continua del ruido es cero. Esto es intuitivamente lgico, ya que los niveles
positivos de tensin de ruido compensan a los niveles negativos.
2. Como consecuencia del punto anterior, la potencia normalizada de la componente
de tensin continua tambin es cero.
3. La varianza
2
es igual a la potencia media normalizada de la seal de
ruido. Y aqu parece haber una contradiccin, ya que anteriormente se haba dicho que la
potencia media de ruido es infinita. Lo que ocurre es que esto ltimo es una abstraccin como
16 Clasificacin de las seales
consecuencia de considerar infinito al ancho de banda de ruido (por una cuestin de
practicidad matemtica y de anlisis) aunque ya se dijo que no es as. La potencia de ruido
viene dada por la varianza de la fdp Gaussiana. Entonces, a mayor varianza, mayor
potencia de ruido y por lo tanto mayor dispersin estadstica, es decir, ms ancha
es la curva gaussiana. Siendo ms estrictos,
2
representa a la potencia media normalizada
de la componente AC, pero, como en este caso la componente DC es cero, finalmente
2

representa a la potencia media normalizada total de la seal de ruido.
4. La desviacin estndar , representa el valor rms o valor eficaz de la seal
de ruido. Siendo estrictos una vez ms, es en realidad el valor rms de la componente AC,
pero como la componente DC es cero, finalmente la desviacin estndar representa al valor
rms total del ruido.
La funcin delta en la expresin (34) indica que n(t) es totalmente incorrelado con su
versin desplazada, para cualquier valor de 0. Esto significa que una muestra en un tiempo
cualquiera t no se parece en nada con otra muestra cualquiera. Se dice que el ruido de este
tipo es Ruido Blanco Gaussiano Aditivo (RBGA). Adems, al ser la distribucin gaussiana y las
muestras incorreladas, se dice que las muestras de ruido son independientes. Por lo tanto,
este tipo de ruido, en un canal de comunicacin, afecta en forma independiente a cada smbolo
transmitido. El trmino aditivo significa que el ruido simplemente se superpone a la seal y no
hay ningn tipo de mecanismo multiplicativo o de otra naturaleza.
Ya que el RBGA es el ms comn en los sistemas de comunicaciones, es el que
comnmente se utiliza para modelar los sistemas de comunicaciones y para analizar y disear
los receptores para que tengan un desempeo ptimo. Normalmente hablaremos de ruido
blanco gaussiano aditivo de media cero.
Transmisin de seales a travs de sistemas lineales
Una seal aplicada a la entrada de un sistema, puede ser descripta tanto en el dominio
del tiempo, como x(t), o en el dominio de la frecuencia, como X(f), (a travs de su
transformada de Fourier). El anlisis en el dominio del tiempo produce, ante una seal de
entrada x(t), una seal de salida y(t), siendo en tal caso h(t) la respuesta impulsiva de la red.
Si el anlisis se hace en el dominio de la frecuencia entonces definimos la funcin de
transferencia H(f) de la red, que determina la seal de salida Y(f) en funcin de la frecuencia.
Esta explicacin se ve resumida en la Figura 5.

Figura 5. Sistema lineal.
Recordemos que un sistema es lineal si se cumple que:

) ( ) ( entrada la a sistema del respuesta ) ( ) (
) ( entrada la a sistema del respuesta ) (
) ( entrada la a sistema del respuesta ) (
2 1 2 1
2 2
1 1
t bx t ax t by t ay
t x t y
t x t y
+ = +
=
=


Red Lineal
Entrada Salida
x(t)
X(f)
h(t)
H(f)
y(t)
Y(f)
Clasificacin de las seales 17
Un sistema lineal invariante en el tiempo es caracterizado por su respuesta impulsiva
h(t), la cual es la respuesta del sistema cuando la entrada es una funcin impulso unitario (t):
) ( ) ( cuando ) ( ) ( t t x t y t h = = (35)
La respuesta de la red cuando la entrada es una seal arbitraria x(t) se halla
resolviendo la convolucin entre x(t) y h(t):

= = d t h x t h t x t y ) ( ) ( ) ( ) ( ) ( (36)
El sistema es asumido como causal, lo cual significa que no hay salida antes del tiempo
t = 0 cuando la seal es aplicada. Por lo tanto, la expresin anterior queda:

=
0
) ( ) ( ) ( d t h x t y (37)
Aplicando la transformada de Fourier en ambos miembros de (36) se obtiene la seal
Y(f) en el dominio de la frecuencia. De ese modo, la convolucin en el dominio del tiempo se
transforma en una multiplicacin en el dominio de la frecuencia:
) ( ) ( ) ( f H f X f Y = (38)
o

) (
) (
) (
f X
f Y
f H = (39)
siempre y cuando X(f) 0 para todo f. Aqu, H(f) es la transformada de Fourier de h(t)
y se llama funcin de transferencia en frecuencia o respuesta en frecuencia de la red. En
general, H(f) es una expresin compleja y puede escribirse como:

) (
) ( ) (
f j
e f H f H

= (40)
donde H(f)es la respuesta de magnitud. La respuesta de fase, (f) es:

{ }
{ } ) ( Re
) ( Im
tan ) (
1
f H
f H
f

= (41)
donde Re e Im indican la parte real e imaginaria, respectivamente, de H(f).
Procesos aleatorios y sistemas lineales. Si un proceso aleatorio es aplicado a la
entrada de un sistema lineal e invariante en el tiempo entonces la salida ser tambin un
proceso aleatorio. La densidad espectral de potencia de la entrada, G
X
(f), y de la salida, G
Y
(f),
estn relacionadas como sigue:

2
) ( ) ( ) ( f H f G f G
X Y
= (42)
Ms adelante veremos la deteccin de seales en presencia del ruido blanco Gaussiano.
Para ello aplicaremos una propiedad fundamental de los procesos Gaussianos aplicados a
sistemas lineales invariantes en el tiempo: puede demostrarse que si un proceso Gaussiano
X(t) es aplicado a un filtro lineal invariante en el tiempo, entonces el proceso a la salida, Y(t),
es tambin Gaussiano.
Transmisin sin distorsin. Veamos ahora cul es el requerimiento de una red o
funcin de transferencia para que la transmisin a travs de la misma sea sin distorsin. La
18 Clasificacin de las seales
seal que sale de una lnea de transmisin ideal debe ser igual a la seal de entrada, salvo un
factor de escala y un retardo. Es decir, una lnea de transmisin ideal, sin distorsin, debe
relacionar las seales de entrada y de salida de la siguiente manera:
) ( ) (
0
t t Kx t y = (43)
siendo K y t
0
constantes. Aplicando transformada de Fourier queda:

0
2
) ( ) (
ft j
e f KX f Y

= (44)
o bien

0
2
) (
ft j
Ke f H

= (45)
Por lo tanto, para que un sistema de transmisin no tenga distorsin su respuesta en
magnitud debe ser constante con la frecuencia, mientras que su respuesta en fase debe ser
lineal con la frecuencia. No es suficiente que el sistema amplifique o atene todas las
componentes en frecuencia por igual. Adems de eso, todas las componentes en frecuencia
deben arribar con igual retardo para que se sumen correctamente. El retardo t
0
est
relacionado con la fase
0
de la siguiente manera:

] egundo radianes/s [ 2
] radianes [
] segundos [
0
f
t

= (46)
Dilema del ancho de banda
Muchos teoremas importantes de las comunicaciones y de la teora de la informacin se
basan en la suposicin o existencia de canales con un ancho de banda limitado
(estrictamente). Sin embargo, considerar un ancho de banda as implica considerar una seal
de duracin infinita, lo cual es impracticable. Por otra parte, considerar que el ancho de banda
se extiende de forma infinita tambin es irrazonable. Realmente, no hay una definicin
universal para el ancho de banda.

Figura 6. Ancho de banda de una seal digital. (a) Mitad de potencia. (b) Rectngulo
equivalente. (c) Ancho entre ceros. (d) 99% de la potencia. (e) DEP limitada a 35 y
50 dB.
Clasificacin de las seales 19
Todos los criterios de ancho de banda tienen en comn la intencin de especificar una
medida del ancho B, para una densidad espectral de potencia definida para todas las
frecuencias tales que f<. En la Figura 6 se ilustran algunas de las definiciones ms
comunes.
a) Ancho de banda de mitad de potencia. Es el intervalo de frecuencias en los puntos
donde G(f) cae a la mitad del valor mximo. Esto equivale a una cada de 3 dB.
b) Rectngulo equivalente (tambin llamado ancho de banda de ruido equivalente). Es
un ancho de banda definido como B
N
= P
x
/G
x
(f
c
), donde P
x
es la potencia total de la
seal sobre todo el espectro de frecuencias y G
x
(f
c
) es el valor de la densidad
espectral de potencia en el centro de la banda. Ntese que si P
x
se expresa en watts
y G
x
(f
c
) en watts/hertz entonces B
N
resulta en hertz, como debe ser.
c) Ancho de banda entre ceros. Es quizs la clasificacin ms popular para el ancho de
banda en sistemas digitales. Es el lbulo principal del espectro, all donde se
distribuye la mayor cantidad de potencia.
d) Ancho de banda de 99%. Es el ancho de banda limitado por las frecuencias que
determinan una potencia del 99% del total.
e) Densidad Espectral de Potencia limitada. Establece un ancho de banda tal que, fuera
de l, G
x
(f) debe caer por debajo de un cierto nivel con respecto del nivel que hay
en el centro de banda. Valores tpicos son 35 dB y 50 dB.
Resumen
Hemos clasificado las seales segn sean determinsticas o aleatorias. Por otra parte
tambin las clasificamos segn sean seales de energa o seales de potencia, y hablamos de
densidades espectrales de energa y densidades espectrales de potencia, respectivamente. Las
seales que manejaremos en el resto del curso sern de alguno de estos dos ltimos tipos y
sus espectros sern de energa o de potencia.
Las seales aleatorias, muy comunes en sistemas de comunicaciones, quedan
representadas por sus parmetros estadsticos, como ser la media o la varianza. Cuando las
seales aleatorias son ergdicas entonces los parmetros estadsticos pueden calcularse a
partir de los valores temporales de la seal. Por ejemplo, el valor medio estadstico coincide
con el valor medio temporal. As, vimos cmo se relacionan los parmetros estadsticos con
variables temporales como potencia media, tensin media, tensin eficaz, entre otros. Esta es
la manera de describir las caractersticas elctricas de una seal aleatoria. La funcin de
autocorrelacin y la densidad espectral de potencia en estas seales quedan vinculadas a
travs de la transformada de Fourier. El ruido blanco gaussiano es uno de estos tipos de
seales ergdicas y tiene una fdp precisamente de forma gaussiana, un espectro de potencia
en forma prctica de extensin infinita en frecuencia y una funcin de autocorrelacin que es
una delta ubicada en = 0.
Finalmente vimos algunas caractersticas de las funciones de transferencias lineales y
cmo deben ser stas para que no se distorsione la seal a transmitir. Tambin se habl de los
lmites prcticos que tienen los espectros de potencia dado que no es posible que se extiendan
infinitamente con la frecuencia y cules son los criterios para establecer esos lmites.