ANLISIS DE RUIDO Y DISTORSIN DE CANAL 1.

Definicin de ruido y clasificacin:

Se define como cualquier perturbacin o seal elctrica no deseada presente en la banda til de un sistema de comunicacin. En general se presenta en el canal o medio de transmisin. Se distinguen los siguientes tipos: Ruido no correlacionado: independiente de la seal Ruido externo o o Ruido atmosfrico: ruido de precipitacin Ruido extraterrestre o del espacio profundo o o o o o Ruido Solar Ruido Csmico o de cuerpo negro

Ruido hecho por el hombre: ruido industrial Ruido trmico: ruido de resistencia Ruido de disparo Ruido de tiempo de trnsito Ruido de modulacin 1/f

Ruido interno

Ruido correlacionado: depende de la seal Ruido de distorsin armnica Ruido de intermodulacin Ruido de distorsin de amplitud y fase

2.

Modelos de ruido

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

n(t ) =

k =

cos( wk t + k ), wk = kw, w 0
n(t)

t Medidor de potencia

n(t)

FPBda angosto

Ckcos(wkt+k)

Pf

Watt

f -wk
2 Ck 2

wk

Luego para un tono interferente: Pf =

Ck =

2Pf

El modelo de frecuencia: Modela la DEP de ruido para cada frecuencia wk a una resolucin f Hz. Para una mejor resolucin (f0) ms hay mayor retardo en la obtencin de la DEP.

DEPn(w) f -wk wk Medidor de potencia w

DEPn(w)

FPBda angosto

senoide wk

Pf

Watt

f -wk wk w

Para cada tono wk se determina:

Pf = 2f DEPn(wk)

Watt W/Hz

DEPn(wk) = Pf / 2f
Relacin con el modelo descriptivo:

Ck = 2 Sn ( w k )f

Caso particular: DEP de ruido Blanco

Sn(w) /2 ... ... w

DEPn ( w) =

ck2 2 [ (w + wk ) + (w wk )], wk = kw, w 0 k =

+

Sn ( w ) =

W / Hz W

DEP de Ruido Blanco

No = B
El modelo estadstico:

Potencia de Ruido Blanco

Modela el ruido como un proceso aleatorio en base a su fdp y sus estadsticas. En general se puede extender el anlisis para toda seal f(t).

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

En to se define una fdp p(x), siendo el valor ms probable el valor de la funcin

f(t) Determinstica

to
En to el valor de la funcin es f(to)

f(t) Sistema de comunicacin t

n(t)

f(t) con ruido

Parmetros de ruido Si consideramos: x = n(t) variable aleatoria de ruido p(x) funcin de densidad de probabilidad FDP asociada al ruido n(t). Ej. exponencial, cuadrtica, gaussiana Tenemos los siguientes parmetros de ruido: Media o valor medio: n = x = E[ x ] =
+

xp( x)dx
+ 2

Valor cuadrtico medio:

n2 = x 2 = E x 2 =

[ ] x p(x)dx
2

Varianza:

2 = E ( x x) 2 =

] (x x)
2 +

p( x )dx

Se verifica: 2 = E x 2 E 2 [ x ]

[ ]

Potencia de ruido:

N= x = =

x p( x)dx
2

Obs: Para ruido se considera p.g.

2 x = 0, por tanto x 2 = = potencia de ruido

Problema: Se prueba un sistema de comunicacin con una seal f(t) de mp = 4 voltios. A la salida del sistema se
2 tiene una relacin f 2 ( t ) / mp = 7/18 y un psofmetro 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 seal f(t) y de ruido a la salida del sistema: x p( x ) = ( + 1), x a = 15.625 mV 2 a p(x) Solucin:

Area unitaria:

x2 x p( x )dx = ( + 1)dx = ( + x) a 2a

= (
0

a + a) = 1 2 -a
a

/2 a a3 a3 2 7a 3 + )= 4 3 3a 12 x

= 2/3a

Potencia de ruido:

No =

x4 x3 x x p( x )dx = x ( + 1)dx = ( + ) a 4a 3
2

= (
0

Potencia de seal:
2 So = f ( t ) =

No =

7 2 7 a = (15.625 mV ) 2 = 94.94 W 18 18

7 2 7 mp = (4)2 = 6.22 W 18 18
2 mp So = 2 = 65536 = 10log(65536) = 48.16 dB No a

Relacin seal a ruido:

SNRo =

Obs: En telecomunicaciones un sistema eficiente opera con una SNRo 1000 = 30 dB 3. La distribucin Gaussiana o normal

La distribucin gaussiana describe el comportamiento de los procesos de ruido de DEP uniforme como el ruido blanco, trmico u otros. A continuacin se muestra la fdp gaussiana de media x y varianza 2:

p( x ) =

2 2 1 e ( x x ) / 2 2

FIGURA 1: Funcin normal. La desviacin estndar es , la media es m y la escala C es la funcin de distribucin acumulada en porcentaje. de densidad gaussiana de o probabilidad

En el proceso de anlisis se definen: FDP gaussiana normalizada: Es una fdp gaussiana de media cero y varianza unitaria. Permite evaluar la fdp usando mtodos numricos:

p( x ) =
Funcin Q(x):

1 2

exp( x 2 / 2)

Facilita el clculo de probabilidades usando una tabla de valores. Ver tablas I.1 e I.2:

Q( x ) =

1 x2 / 2 e dx 2 x
FIGURA 2: rea 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:

b) P( x x o ) = Q(

xo x )

P( x < x o ) = 1 - Q(

xo x x xo ) = Q( )

c) P( xo < x < x1 ) = Q(

x x xo x ) ) - Q( 1

Problema: La amplitud de una seal tiene distribucin gaussiana con media cero y valor cuadrtico medio 2. Halle la probabilidad de observar la amplitud por encima de 3. Solucin: Usando b) tenemos: P( x 3 ) = Q( 3 x ) = Q(3) = 1.35 x10 3 = 0.00135

Problema: Se solicita a un ingeniero electrnico de la UPC a que calibre un sistema de alarma contra robos en una institucin bancaria. Por defecto la alarma debe activarse con un nivel de tensin 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 tensin de 1.2V se activa la alarma con una eficiencia de 99.72%. Determine la mnima tensin (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 desviacin estndar . Estime adems la probabilidad de que haya falsa alarma. Solucin:
1.2 V 1V xo Umbral

t Para x = 1 V la alarma falla en 35.2%: P( x < xo ) = 1 - Q( Por tabla I.1: xo 1 1 xo xo x ) = Q( ) = 0.352 ) = 1 - Q( 1 xo = 0.38 ............... (1)

1 xo = 0.38

Para x = 1.2 V la alarma opera en 99.72%: P( x > xo ) = Q( Por tabla I.1: x o 1 .2 1 .2 x o ) = 1 - Q( ) = 0.9972 1 .2 x o = 2.77 Q( 1 .2 x o ) = 0.0028

1.2 xo = 2.77 ............... (2)

De (1) y (2) tenemos xo = 0.9682 V y = 0.083 V. Por tanto: Umbral: Potencia de ruido: xo = 0.9682 V No = 2 = 7 mW

Para x = 0 V hay falsa alarma: P( x > xo ) = Q( xo 0 0.9682 ) = Q( ) = Q(11.57) 0.083 1 x 2 e x

2

Usando la aproximacin para Q(x) cuando x es grande: Q( x ) Por tanto: Q(11.57) 2.945 x 10-31

/2

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), Rpta: No = 0.2 W |x| a = 1mV

Mejora el sistema de alarma si se presenta ste tipo de ruido?. Justifique.

4.

Desvanecimiento por multitrayecto o Fading Fenmeno observado en trayectorias relativamente poco despejadas de obstculos y condicionado a las variaciones climticas del momento como vientos, tormentas, lluvias, etc. y que introduce prdidas o desvanecimientos en el nivel de seal. Por sus causas el fading puede ser:

De 1er tipo: debida a causas atmosfricas como el desenfoque del haz radioelctrico (una capa de inversin elevada origina una reflexin parcial del haz), propagacin 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 fenmenos de absorcin (atenuacin debida a la lluvia, niebla, etc.)
Capa de inversin elevada Capa caliente

Tx

Rx

Superficie

De 2do tipo: tiene como origen el fenmeno multicamino (multipath), varios trayectos de propagacin debidas a reflexiones sobre: tierra plana (zonas llanas, desrticas y sobretodo el mar), obstculos (cerros, quebradas), capas de inversin elevada (ionsfera, tropsfera), etc. La seal recibida es entonces la resultante de los diferentes componentes por trayecto. La diferencia de fase es ms importante cuando ms pequea es la longitud de onda.
Capa ionosfrica

Tx Tierra plana Obstculos Rx

De 3er tipo: de origen variado (difraccin, refraccin, rugosidad, imperfecciones de las antenas). Producen componentes de amplitudes muy pequeas y de efecto despreciable sobre el campo recibido. Es de consideracin a frecuencias altas ( ondas) y al producirse con intensidad desvanecimientos de los tipos anteriores.
Capa de inversin Refraccin

Tx

Rx

Difraccin

Rugosidad del terreno

Por su duracin el fading puede ser: Lento: desvanecimientos profundos de 15 a 20 dB, de 1 a varias horas durante el da.

Rpido: desvanecimientos muy profundos de 30 a 45 dB, de breve duracin, algunos seg a varios minutos. Aparece en general en la noche y en las 1ras horas del amanecer sobre todo en verano.

5.

Distorsin de canal La distorsin de una seal puede producirse a travs de una canal de caractersticas no ideales ya sea de magnitud o de fase o ambos. Puede ser: Distorsin lineal La distorsin lineal es aquella que no modifica las componentes espectrales de la seal sobre la que se aplica. Esto es, la banda ocupada por la seal es la misma con y sin distorsin. FIGURA 3. Sistema con distorsin lineal Problema: Sea el siguiente sistema de transmisin:

f(t) = (t)

H(w)

r(t)
w H ( w ) = 1 + . cos( 2 n ).e jwto , wc w wc

a)
b)

Graficar el espectro de H(w) para =1/8 y n=2. Considerando los valores de a) determine la respuesta r(t).

Distorsin no lineal La distorsin no lineal es aquella que genera componentes de frecuencias nuevas, que no existan en la seal original. En los sistemas no lineales no es posible definir una funcin de transferencia en sentido polinmica. clsico, y se aproximan mediante una caracterstica de transferencia definida como una relacin entrada/salida

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

Este tipo de distorsin ocasiona no solo distorsin en la seal sino tambin interferencia con los canales vecinos, debido a la dispersin del espectro como se observa en la figura siguiente:

FIGURA 4: Efecto de un canal no lineal sobre una seal modulada 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 as sucesivamente para caracterizar por completo el proceso x(t), habra que usar una cantidad infinita de variables aleatorias. X1 x1(t) x2(t) FIGURA 5: x3(t) Proceso aleatorio x(t) X2

. . .
xn(t)

En un proceso x(t) hay 2 tipos de estadsticas: Estadsticas de conjunto: Son los parmetros x , x 2 , 2, etc. de cada variable Xi = x(ti) Estadsticas de tiempo: Son los parmetros x , x 2 , 2, etc. de cada funcin xi(t) Hay varios tipos de procesos x(t): Procesos estacionarios: las estadsticas de tiempo son invariantes, es decir no varan con el tiempo. Procesos ergdicos: proceso estacionario donde las estadsticas de tiempo son iguales a las estadsticas de conjunto. En telecomunicaciones todas las seales y los procesos de ruido se consideran ergdicos y validan todas las relaciones matemticas utilizadas. Relaciones matemticas derivadas de x(t) Espectro de potencia: para la determinacin de la DEP utilizamos la relacin:
+T / 2

1 R xx ( ) = E[x(t1)x(t2)] = E[x(t)x(t + ] = lim x( t )x( t + )dt S x ( w ) T T T / 2

W / Hz

Nivel DC: para la determinacin del nivel de DC de una seal utilizamos la relacin:

1 E[x] = xp( x )dx = lim x( t )dt T T T / 2

+T / 2

Potencia: para la determinacin de la potencia de una seal utilizamos la relacin de Parseval:

1 1 E[x ] = R xx (0) = x p( x )dx = lim x 2 ( t )dt = S x ( w )dw T T 2 T / 2

2

T/2

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

E[y] =

y( x)p( x)dx = ...