Comunicaciones digitales

Antonio Arts Rodrguez

Departamento de Teora de la Seal y Comunicaciones
Universidad Carlos III de Madrid

Fernando Prez Gonzlez

Departamento de Teora de la Seal y Comunicaciones
Universidad de Vigo

Jess Cid Sueiro

Departamento de Teora de la Seal y Comunicaciones
Universidad Carlos III de Madrid
Roberto Lpez Valcarce
Departamento de Teora de la Seal y Comunicaciones
Universidad de Vigo
Carlos Mosquera Nartallo
Departamento de Teora de la Seal y Comunicaciones
Universidad de Vigo
Fernando Prez Cruz
Departamento de Teora de la Seal y Comunicaciones
Universidad Carlos III de Madrid

DERECHOS RESERVADOS,
c 2012 Los autores
Este manuscrito electrnico es slo para uso personal no comercial, y
no puede ser publicado y/o redistribuido en cualquier forma ni ser
transformado y/o utilizado parcialmente sin el permiso de los autores.
Para referenciar el manuscrito, por favor, emplee la pgina web
[Link]/antonio/libro_comunicaciones
P RLOGO

Tras una larga gestacin y una corta vida, el libro Comunicaciones digitales fue desca-
talogado en 2010. Tras volver el copyright a los autores analizamos las distintas alternativas
a nuestro alcance, y decidimos publicar, tras corregir todas las erratas detectadas hasta la
fecha, el manuscrito en la web para que pueda seguir siendo utilizado por todo aquel que lo
desee.

Antonio Arts Rodrguez

Fernando Prez Gonzlez
Junio de 2012

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
P RLOGO DE LA EDICIN IMPRESA

El libro que tiene en sus manos es el resultado de un largo y azaroso proceso, casi
siempre a punto de naufragar, que pretenda producir el texto del que nos hubiese gustado
disponer para impartir docencia sobre comunicaciones digitales y que no encontrbamos.
No imaginbamos, en aquel tiempo lejano, la magnitud del esfuerzo necesario para llevar a
buen puerto este proyecto.
La estructura y el estilo narrativo del libro estn orientados hacia su uso como manual de
aprendizaje. Hemos intentado, sin abandonar el rigor, acomodar la extensin de cada tema,
mtodo o herramienta conforme a la dificultad de su aprendizaje segn nos dicta nuestra
experiencia. Esta orientacin puede ocasionar que el lector eche en falta algn contenido
que resulta comn en otros textos con vocacin de manual de referencia de comunicaciones
digitales. Un apartado al final de cada captulo trata de guiar al lector ofreciendo una serie
de referencias donde poder profundizar en lo aqu expuesto.
En este libro se tratan la mayor parte de los contenidos sobre comunicaciones digita-
les que actualmente se imparten en una titulacin como Ingeniera de Telecomunicacin,
y particularmente pretende posibilitar al alumno la comprensin de los actuales sistemas y
estndares de comunicaciones. Tras un par de captulos donde se repasan los resultados de
seales y sistemas y probabilidad y procesos estocsticos ms relevantes para las comuni-
caciones digitales, se aborda el estudio de los fundamentos de la modulacin y la deteccin.
A partir de aqu se procede de forma sistemtica con el anlisis de las modulaciones linea-
les monoportadora, el diseo de receptores para este tipo de modulaciones cuando el canal
introduce distorsin, las modulaciones de fase y frecuencia, las modulaciones multiporta-
dora y las modulaciones de espectro ensanchado y, por ltimo, los lmites establecidos por
la Teora de la Informacin. El libro concluye con el estudio de las tcnica de proteccin
contra errores y las tcnicas de sincronizacin. Se abarcan as las tcnicas de modulacin,
codificacin y diseo de receptores de la prctica totalidad de sistemas y estndares de co-
municaciones digitales sobre medios conductores o transmisin inalmbrica, tales como
UMTS, DVB, ADSL, Wi-Fi (IEEE 802.11x), WiMAX (IEEE 802.16x), Bluetooth o Zigbee
(IEEE 802.15.4), por poner algunos ejemplos.
Adems de algunas tcnicas concretas empleadas en los sistemas actuales, como los
cdigos Reed-Muller, los barajadores convolucionales o las modulaciones PPM (Pulse Po-
sition Modulation ) que no se estudian en este texto, en este libro no se abordan las co-
municaciones inalmbricas en canales con desvanecimiento, las comunicaciones digitales
pticas ni las tcnicas de codificacin de fuente, que en ocasiones son tratadas en textos con

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
VI

nombres similares al nuestro.

Pueden configurarse distintos cursos empleando este libro. Podemos programar un curso
de introduccin a las comunicaciones digitales con material seleccionado de los captulos
de seales y sistemas y probabilidad y procesos estocsticos en funcin del nivel de forma-
cin de los alumnos, el tema de modulacin y deteccin en canales gausianos y el tema de
lmites en comunicaciones digitales. Podemos tambin programar un curso basndonos los
temas de modulaciones lineales, la primera parte del captulo de deteccin en canales con
interferencia intersimblica, las modulaciones de fase y frecuencia, las modulaciones multi-
portadora y las modulaciones de espectro ensanchado y parte de las tcnicas de codificacin
para proteccin contra errores. Podemos programar un curso de tcnicas de tratamiento digi-
tal de seales en comunicaciones con la segunda mitad del captulo de deteccin en canales
con interferencia intersimblica, los receptores para modulaciones de espectro ensanchado
y los receptores multiusuario y el captulo de sincronizacin. Tambin pueden programarse
cursos en base a captulos completos que exploren de forma sistemtica el texto.
Este libro no habra visto la luz de no haber sido por algunos Profesores que contribu-
yeron a modernizar el estudio de las comunicaciones digitales en Espaa mediante un uso
sistemtico de tcnicas de tratamiento estadstico de seales y de quienes nos considera-
mos discpulos. A Anbal R. Figueiras Vidal y Miguel ngel Lagunas Hernndez, nuestro
sincero agradecimiento.
Agradecemos a Alberto Prieto, de la empresa Tredess 2010, Jos Luis Ledo, de Gsertel,
Modesto Gmez y Justo Rodal, de Televs, y Fidel Garca Pedraja, primero en Telettra
Espaa y posteriormente en Alcatel el habernos ayudado a convertir en productos nuestros
conocimientos. Un agradecimiento muy especial es para Jos Luis Fernndez Carnero, de
Televs, quien hace diecisis aos intuy el potencial de las comunicaciones digitales y
crey en nosotros como investigadores.
Queremos agradecer la labor de revisin de partes de libro y las sugerencias realiza-
das por Emilio Parrado Hernndez, Jos Luis Alba Castro, Jos Emilio Vila Forcn, Mar-
cos Martn Fernndez, Vernica Santalla del Ro, Juan Jos Murillo Fuentes, Francisco Ja-
vier Payn Somet, Luis Prez Freire, Ignacio Santamara Caballero, Juan Ramn Troncoso
Pastoriza, Mario de Prado Cumplido, Harold Molina Bulla, Joaqun Mguez Arenas, Luis
Castedo Ribas, Jos Miguel Leiva Murillo, Santiago Zazo Bello, Pedro Comesaa Alfaro,
Sergio Cruces lvarez, ngel Mara Bravo Santos, scar W. Mrquez Flrez, Mara Julia
Fernndez-Getino Garca, Jaume Riba y Nuria Gonzlez Prelcic, y muy especialmente a
Marcelino Lzaro Teja, Ricardo Santiago Mozos y Eduardo Rodrguez Banga.
Tambin queremos agradecer a Gregori Vzquez Grau, Javier Ramos Lpez y Luis Cas-
tedo Ribas, como participantes que fueron en algunas de las etapas de este proyecto, su
trabajo, sus sugerencias y, sobre todo, su generosidad.
A los alumnos de las asignaturas de Teora de la Comunicacin, Comunicaciones
Digitales y Transmisin en Banda Ancha de las titulaciones de Ingeniera de Telecomu-
nicacin e Ingenieras Tcnicas de Telecomunicacin de la E.P.S. de la Universidad Carlos
III de Madrid, y a los alumnos de las asignaturas de Fundamentos de Comunicaciones
Digitales y Transmisin Digital de la Escola Tcnica Superior de Enxeeiros de Tele-
comunicacin de Vigo, por sufrir y ayudar a mejorar mltiples y lamentables versiones de

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 VII

partes de este libro, nuestro ms sincero agradecimiento.

Este libro ha sido escrito principalmente en la parte de nuestro tiempo que le corres-
ponda a nuestras familias. Por su paciencia y comprensin, el resultado de este esfuerzo va
dedicado a ellas.

Antonio Arts Rodrguez

Fernando Prez Gonzlez
Benavente, marzo de 2007

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 NDICE

1. Introduccin 1
1.1. Comunicaciones digitales y analgicas . . . . . . . . . . . . . . . . . . . . 1
1.2. Elementos de un sistema de comunicaciones digitales . . . . . . . . . . . . 3
1.3. Canales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4. Estructura del libro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2. Seales y sistemas 9
2.1. Seales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1. Clasificacin de seales . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2. Medidas de seales . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.3. Seales de inters . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.4. Espacios de Hilbert para seales de energa finita . . . . . . . . . . 20
2.2. Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1. Clasificacin de los sistemas . . . . . . . . . . . . . . . . . . . . . 25
2.2.2. Sistemas lineales e invariantes . . . . . . . . . . . . . . . . . . . . 27
2.3. Representacin de seales y sistemas mediante transformadas . . . . . . . 31
2.3.1. Respuesta de los sistemas lineales e invariantes a las exponenciales
complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.2. Transformada de Fourier para seales y sistemas en tiempo continuo 34
2.3.3. Transformada de Fourier para seales y sistemas en tiempo discreto 46
2.3.4. Transformada Z para sistemas lineales e invariantes . . . . . . . . . 51
2.3.5. Transformada Discreta de Fourier . . . . . . . . . . . . . . . . . . 64
2.3.6. Representacin de seales paso banda . . . . . . . . . . . . . . . . 72
2.4. Muestreo, diezmado e interpolacin . . . . . . . . . . . . . . . . . . . . . 75
2.4.1. Muestreo de seales en tiempo continuo . . . . . . . . . . . . . . . 75
2.4.2. Interpolacin y diezmado de secuencias . . . . . . . . . . . . . . . 82
2.4.3. Simulacin de seales y sistemas . . . . . . . . . . . . . . . . . . 85
2.5. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

3. Teora de la probabilidad y procesos estocsticos 93

3.1. Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.1.1. Asignacin de probabilidades a sucesos . . . . . . . . . . . . . . . 95

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
X NDICE

3.2. Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

3.2.1. Distribucin de probabilidades y funcin de densidad de probabilidad 97
3.2.2. Esperanza matemtica . . . . . . . . . . . . . . . . . . . . . . . . 99
3.2.3. Distribuciones de inters . . . . . . . . . . . . . . . . . . . . . . . 100
3.2.4. Funcin de una variable aleatoria . . . . . . . . . . . . . . . . . . 106
3.2.5. Variables aleatorias conjuntamente distribuidas . . . . . . . . . . . 110
3.2.6. Probabilidades condicionales . . . . . . . . . . . . . . . . . . . . . 115
3.2.7. Distribuciones mixtas . . . . . . . . . . . . . . . . . . . . . . . . . 123
3.2.8. Teorema central del lmite . . . . . . . . . . . . . . . . . . . . . . 125
3.3. Procesos estocsticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
3.3.1. Caracterizacin de procesos estocsticos . . . . . . . . . . . . . . . 128
3.3.2. Estacionariedad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
3.3.3. Ergodicidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
3.3.4. Sistemas lineales con entradas estocsticas . . . . . . . . . . . . . 144
3.3.5. Densidad espectral de potencia . . . . . . . . . . . . . . . . . . . . 148
3.3.6. Procesos gausianos, seal y ruido . . . . . . . . . . . . . . . . . . 154
3.3.7. Procesos gausianos complejos . . . . . . . . . . . . . . . . . . . . 157
3.3.8. Modulacin de procesos continuos . . . . . . . . . . . . . . . . . . 161
3.4. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
3.A. Teorema de Wiener-Khinchine . . . . . . . . . . . . . . . . . . . . . . . . 172

4. Modulacin y deteccin en canales gausianos 175

4.1. Un modelo de comunicacin digital . . . . . . . . . . . . . . . . . . . . . 175
4.2. Modulador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
4.3. Demodulador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
4.3.1. Correlacionador . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
4.3.2. Filtro adaptado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
4.3.3. Canal discreto equivalente . . . . . . . . . . . . . . . . . . . . . . 194
4.4. Decisor y codificador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
4.4.1. Desarrollo del decisor ptimo . . . . . . . . . . . . . . . . . . . . 195
4.4.2. Clculo de probabilidades de error . . . . . . . . . . . . . . . . . . 202
4.4.3. Codificador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
4.5. Transmisin indefinida de smbolos . . . . . . . . . . . . . . . . . . . . . 224
4.6. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
4.A. Procedimiento de ortogonalizacin de Gram-Schmidt . . . . . . . . . . . . 237
4.B. Estadstico suficiente para la deteccin . . . . . . . . . . . . . . . . . . . . 243

5. Modulaciones de amplitud 247

5.1. PAM en banda base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
5.1.1. Espectro de la seal PAM en banda base . . . . . . . . . . . . . . . 250
5.1.2. Transmisin de PAM en banda base sobre canales gausianos . . . . 252

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
NDICE XI

5.1.3. Canal discreto equivalente . . . . . . . . . . . . . . . . . . . . . . 253

5.2. El criterio de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
5.2.1. Pulsos en coseno alzado . . . . . . . . . . . . . . . . . . . . . . . 259
5.2.2. Otras consecuencias del criterio de Nyquist . . . . . . . . . . . . . 261
5.2.3. Probabilidades de error . . . . . . . . . . . . . . . . . . . . . . . . 263
5.3. Transmisin de PAM sobre canales lineales . . . . . . . . . . . . . . . . . 263
5.3.1. El diagrama de ojo . . . . . . . . . . . . . . . . . . . . . . . . . . 271
5.4. PAM paso banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
5.4.1. Espectro de la seal PAM paso banda . . . . . . . . . . . . . . . . 282
5.4.2. Receptores para PAM paso banda . . . . . . . . . . . . . . . . . . 284
5.4.3. Caractersticas del ruido en el receptor . . . . . . . . . . . . . . . . 286
5.4.4. Canal discreto equivalente . . . . . . . . . . . . . . . . . . . . . . 288
5.4.5. Probabilidades de error . . . . . . . . . . . . . . . . . . . . . . . . 291
5.5. Implementacin discreta de sistemas PAM . . . . . . . . . . . . . . . . . . 293
5.6. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298

6. Deteccin en canales con interferencia intersimblica 305

6.1. El problema de la interferencia entre smbolos . . . . . . . . . . . . . . . . 306
6.1.1. Canal discreto equivalente . . . . . . . . . . . . . . . . . . . . . . 306
6.1.2. Medida de la interferencia entre smbolos . . . . . . . . . . . . . . 307
6.1.3. Cota del filtro adaptado . . . . . . . . . . . . . . . . . . . . . . . . 309
6.2. Detector de mxima verosimilitud de secuencias en presencia de ISI . . . . 311
6.2.1. Expresin del detector ML de secuencias . . . . . . . . . . . . . . 312
6.2.2. El algoritmo de Viterbi . . . . . . . . . . . . . . . . . . . . . . . . 313
6.2.3. Probabilidad de error del detector ML de secuencias . . . . . . . . 320
6.3. Igualacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
6.3.1. Igualador lineal bajo el criterio forzador de ceros . . . . . . . . . . 328
6.3.2. Igualador lineal bajo el criterio de error cuadrtico medio . . . . . . 331
6.4. Igualador con realimentacin de decisiones . . . . . . . . . . . . . . . . . 337
6.4.1. Concepto de realimentacin de decisiones . . . . . . . . . . . . . . 337
6.4.2. Estructura del igualador DFE . . . . . . . . . . . . . . . . . . . . . 340
6.4.3. Igualador DFE bajo el criterio de error cuadrtico medio . . . . . . 341
6.4.4. Consideraciones sobre el diseo del igualador DFE . . . . . . . . . 345
6.5. Igualador fraccionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
6.6. Prestaciones asintticas de los igualadores . . . . . . . . . . . . . . . . . . 354
6.6.1. Igualador lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
6.6.2. Igualador con realimentacin de decisiones . . . . . . . . . . . . . 356
6.7. Ajuste del receptor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360
6.7.1. Esquemas no realimentados . . . . . . . . . . . . . . . . . . . . . 361
6.7.2. Igualacin adaptativa . . . . . . . . . . . . . . . . . . . . . . . . . 364
6.8. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
XII NDICE

6.A. Probabilidad de error de smbolo del detector ML . . . . . . . . . . . . . . 381

6.B. Estimacin lineal ptima . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
6.C. Minimizacin de la densidad espectral de potencia del error de igualacin . 385
6.D. Demostracin del teorema de factorizacin espectral . . . . . . . . . . . . 386

7. Modulaciones de fase y frecuencia 389

7.1. Modulaciones de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389
7.1.1. Modulaciones QPSK con desplazamiento temporal . . . . . . . . . 390
7.1.2. Receptores para modulaciones de fase . . . . . . . . . . . . . . . . 394
7.1.3. Modulaciones de fase diferencial . . . . . . . . . . . . . . . . . . . 394
7.2. Modulaciones por desplazamiento de frecuencia . . . . . . . . . . . . . . . 398
7.2.1. Seal transmitida FSK . . . . . . . . . . . . . . . . . . . . . . . . 399
7.2.2. Espectro de la seal FSK . . . . . . . . . . . . . . . . . . . . . . . 401
7.2.3. Receptores para FSK . . . . . . . . . . . . . . . . . . . . . . . . . 403
7.3. Modulacin MSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405
7.3.1. Seal transmitida MSK . . . . . . . . . . . . . . . . . . . . . . . . 406
7.3.2. Espectro de la seal MSK binaria . . . . . . . . . . . . . . . . . . 411
7.3.3. Receptores para MSK binaria . . . . . . . . . . . . . . . . . . . . 412
7.4. Modulaciones de fase continua . . . . . . . . . . . . . . . . . . . . . . . . 413
7.4.1. Seal transmitida CPM . . . . . . . . . . . . . . . . . . . . . . . . 414
7.4.2. Detector coherente ML para CPM . . . . . . . . . . . . . . . . . . 421
7.5. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424
7.A. Espectro de una seal multipulso sin memoria . . . . . . . . . . . . . . . . 428
7.B. Receptor Incoherente ptimo . . . . . . . . . . . . . . . . . . . . . . . . . 430
7.B.1. Receptor ML Incoherente para CPFSK ortogonal binaria . . . . . . 432

8. Modulaciones multipulso 435

8.1. Modulaciones multiportadora . . . . . . . . . . . . . . . . . . . . . . . . . 435
8.1.1. Modulaciones multiportadora en tiempo continuo . . . . . . . . . . 437
8.1.2. Modulaciones multiportadora en tiempo discreto . . . . . . . . . . 442
8.1.3. Receptores para modulaciones multiportadora . . . . . . . . . . . . 450
8.1.4. Caractersticas del ruido en el receptor . . . . . . . . . . . . . . . . 451
8.1.5. Canal discreto equivalente en banda base . . . . . . . . . . . . . . 452
8.1.6. Eliminacin de la ISI y la ICI en modulaciones multiportadora . . . 456
8.1.7. La OFDM vista como un proceso en bloques . . . . . . . . . . . . 460
8.1.8. Igualacin Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 463
8.2. Modulaciones de espectro ensanchado . . . . . . . . . . . . . . . . . . . . 464
8.2.1. Espectro ensanchado por secuencia directa . . . . . . . . . . . . . 468
8.2.2. Espectro de la seal espectro ensanchado por secuencia directa . . . 470
8.2.3. Receptores para modulaciones de espectro ensanchado por secuen-
cia directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471
8.2.4. Caractersticas del ruido en el receptor . . . . . . . . . . . . . . . . 473

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
NDICE XIII

8.2.5. Canal discreto equivalente . . . . . . . . . . . . . . . . . . . . . . 473

8.2.6. Inmunidad a las interferencias de banda estrecha . . . . . . . . . . 475
8.2.7. Espectro ensanchado por salto en frecuencia . . . . . . . . . . . . . 477
8.2.8. Receptores RAKE . . . . . . . . . . . . . . . . . . . . . . . . . . 481
8.2.9. Diseo de pulsos para espectro ensanchado . . . . . . . . . . . . . 487
8.3. Acceso mltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
8.3.1. Seales multiusuario en CDMA . . . . . . . . . . . . . . . . . . . 496
8.3.2. Diseo de secuencias de cdigo para CDMA . . . . . . . . . . . . 501
8.3.3. Deteccin Multiusuario . . . . . . . . . . . . . . . . . . . . . . . . 510
8.4. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 517
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 518

9. Lmites fundamentales en las comunicaciones digitales 529

9.1. Modelos probabilsticos de canal . . . . . . . . . . . . . . . . . . . . . . . 530
9.1.1. Canales digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . 532
9.1.2. Canal gausiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . 536
9.1.3. Canal gausiano con entrada digital . . . . . . . . . . . . . . . . . . 539
9.2. Canales digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 540
9.2.1. Informacin y entropa . . . . . . . . . . . . . . . . . . . . . . . . 540
9.2.2. Capacidad de canal . . . . . . . . . . . . . . . . . . . . . . . . . . 546
9.2.3. Teorema de codificacin de canal . . . . . . . . . . . . . . . . . . 552
9.3. Canal gausiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 560
9.3.1. Informacin mutua y entropa diferencial . . . . . . . . . . . . . . 560
9.3.2. Capacidad del canal gausiano . . . . . . . . . . . . . . . . . . . . 563
9.3.3. Teorema de codificacin de canal y curva de capacidad . . . . . . . 567
9.3.4. Canal gausiano con entrada digital . . . . . . . . . . . . . . . . . . 572
9.4. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 575
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 576
9.A. Justificacin de la medida de entropa . . . . . . . . . . . . . . . . . . . . 581
9.B. Demostracin de algunas desigualdades . . . . . . . . . . . . . . . . . . . 584
9.C. Relacin entre las medidas de variables aleatorias continuas y discretas . . . 587

10. Codificacin para proteccin contra errores 591

10.1. Introduccin y definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . 591
10.2. Cdigos bloque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 599
10.2.1. Cdigos bloque lineales . . . . . . . . . . . . . . . . . . . . . . . 600
10.2.2. Cdigos cclicos y su estructura algebraica . . . . . . . . . . . . . 605
10.2.3. Cdigos BCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612
10.2.4. Cdigos Reed-Solomon . . . . . . . . . . . . . . . . . . . . . . . 616
10.2.5. Decodificacin de los cdigos BCH y RS . . . . . . . . . . . . . . 619
10.2.6. Prestaciones de los cdigos bloque . . . . . . . . . . . . . . . . . . 622
10.3. Cdigos convolucionales . . . . . . . . . . . . . . . . . . . . . . . . . . . 627
10.3.1. Cdigos convolucionales lineales . . . . . . . . . . . . . . . . . . 627

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
XIV NDICE

10.3.2. Decodificacin de los cdigos convolucionales . . . . . . . . . . . 630

10.3.3. Prestaciones de los cdigos convolucionales . . . . . . . . . . . . . 633
10.4. Modulaciones codificadas en rejilla . . . . . . . . . . . . . . . . . . . . . . 646
10.4.1. TCM bsicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 647
10.4.2. TCM con bits sin codificar . . . . . . . . . . . . . . . . . . . . . . 651
10.4.3. Otros TCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 657
10.5. Tcnicas de codificacin avanzada . . . . . . . . . . . . . . . . . . . . . . 660
10.5.1. Cdigos turbo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 661
10.5.2. Cdigos LDPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 671
10.6. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 681
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 682

11. Sincronizacin 687

11.1. Caractersticas de la seal recibida: el problema de la sincronizacin . . . . 687
11.2. Receptor ML ptimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 690
11.3. Lazo enganchado en fase (PLL) . . . . . . . . . . . . . . . . . . . . . . . 697
11.3.1. Anlisis del PLL . . . . . . . . . . . . . . . . . . . . . . . . . . . 700
11.3.2. Otras consideraciones . . . . . . . . . . . . . . . . . . . . . . . . 705
11.4. Sincronizacin de smbolo . . . . . . . . . . . . . . . . . . . . . . . . . . 706
11.4.1. Esquemas realimentados . . . . . . . . . . . . . . . . . . . . . . . 710
11.5. Recuperacin de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
11.5.1. Recuperacin de fase dirigida por decisin . . . . . . . . . . . . . 715
11.5.2. Recuperacin de fase no asistida por los datos . . . . . . . . . . . . 716
11.6. Ajuste de frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 721
11.6.1. Ajuste de errores de frecuencia grandes . . . . . . . . . . . . . . . 722
11.6.2. Ajuste de errores de frecuencia pequeos . . . . . . . . . . . . . . 726
11.7. Sincronizacin de modulaciones multiportadora . . . . . . . . . . . . . . . 729
11.7.1. Impacto de los errores de sincronizacin en modulaciones multipor-
tadora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 730
11.7.2. Sincronizacin pre-DFT . . . . . . . . . . . . . . . . . . . . . . . 734
11.7.3. Sincronizacin post-DFT . . . . . . . . . . . . . . . . . . . . . . . 737
11.8. Sincronizacin para modulaciones de espectro ensanchado . . . . . . . . . 738
11.8.1. Adquisicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 739
11.8.2. Seguimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 741
11.8.3. Ajuste de fase y frecuencia . . . . . . . . . . . . . . . . . . . . . . 743
11.8.4. Salto en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . 743
11.9. Lecturas adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 743
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 744
[Link] asintticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 753
11.B. Criterio ML para SNR reducida . . . . . . . . . . . . . . . . . . . . . . . 755
11.C. Cicloestacionariedad y sincronizacin . . . . . . . . . . . . . . . . . . . . 756
[Link] gruesa de frecuencia . . . . . . . . . . . . . . . . . . . . . . . 758

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 C APTULO 1
I NTRODUCCIN

1.1. C OMUNICACIONES DIGITALES Y ANALGICAS

Por qu comunicaciones digitales? Para comprender el sentido de la pregunta es nece-
sario entender que muchas de las seales que deseamos comunicar estn originalmente en
formato analgico y que cabe, por tanto, transmitirlas usando alguna de las tcnicas clsicas
en comunicaciones analgicas, como la modulacin de amplitud (amplitude modulation,
AM) o la modulacin de frecuencia (frequency modulation, FM). Un ejemplo puede ser
una seal de voz que es captada por el micrfono de un telfono mvil de primera genera-
cin y que, modulada en FM, se transmite por radio hasta la estacin base. Como alternativa,
se puede pensar en digitalizar la seal de voz y transmitir los bits resultantes utilizando cual-
quiera de las tcnicas empleadas en este libro.
El concepto comunicaciones digitales suele evocar la idea de seales de voltaje que
cambian entre dos niveles que representan el uno y el cero y que, aunque distorsionadas al
ser transmitidas por el canal, pueden ser reconstruidas en el destino gracias a su carcter
discreto. Como veremos, estas formas de onda no son precisamente las ms eficientes para
comunicar informacin y existen soluciones mejores; sin embargo, son un buen ejemplo de
cmo la discretizacin ayuda a conseguir una comunicacin fiable. De hecho, la diferencia
fundamental entre comunicaciones digitales y analgicas es que en las primeras el nmero
de formas de onda transmitidas posibles es finito, lo que no ocurre en el segundo caso. Pode-
mos pensar, por tanto, que en un instante de tiempo dado el transmisor tiene a su disposicin
un conjunto finito y discreto de formas de onda que puede hacer corresponder con los bits a
transmitir.
Ahora que hemos aclarado de qu estamos hablando cuando nos referimos a las comu-
nicaciones digitales, retomemos la pregunta que nos hacamos al principio e identifiquemos
sus ventajas frente a las comunicaciones analgicas. Cabe sealar, en primer lugar, que en
muchas ocasiones la propia naturaleza digital de la informacin hace que no quepa otra
alternativa, por ejemplo, cuando se desea transmitir un fichero de texto. En otros casos es
la naturaleza del canal, en s ms adecuado para la transmisin de seales digitales, la que
aconseja el uso de tcnicas de comunicaciones digitales. Esto ocurre, por ejemplo, en los

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2 I NTRODUCCIN

dispositivos de almacenamiento ptico, como el DVD (Digital Versatile Disc).

Una destacable ventaja de las comunicaciones digitales con respecto a las analgicas es
el grado de abstraccin que permite alcanzar, independizando la comunicacin de la natu-
raleza de la informacin a enviar. Para un sistema de comunicaciones digitales se aplica el
viejo dicho un bit es un bit, que puede entenderse como que su objetivo no es otro que
comunicar de manera fiable cada bit, con independencia de qu representa1 . Fue Claude
Shannon quien se encarg de demostrar en los aos 40 que el problema de la transmisin
de informacin se poda descomponer en dos sin prdida terica de prestaciones: primero se
busca la forma ms eficiente de representar como una secuencia binaria la seal a transmitir;
despus se busca la forma ms eficiente de transmitir la secuencia binaria.
Otra gran ventaja de las comunicaciones digitales se conoce como el efecto regenerati-
vo. Cuando se deseaba transmitir informacin a larga distancia ([Link]., a travs de un cable
submarino), la atenuacin sufrida por la seal enviada obligaba a que los sistemas de comu-
nicaciones analgicas incorporasen repetidores, esto es, dispositivos que captan, amplifican
y retransmiten dicha seal. El inconveniente de los repetidores es que no slo amplifican la
seal, sino tambin el ruido, por lo que al final de una cadena con muchos repetidores la
calidad de la seal en el extremo receptor poda ser muy pobre. Empleando comunicaciones
digitales es posible emplear repetidores regenerativos, esto es, que reconstruyen la seal an-
tes de retransmitirla. De este modo, si la calidad de un solo enlace es suficientemente buena,
la reconstruccin puede tener lugar sin apenas errores, lo que hace que la informacin en
el extremo receptor pueda extraerse sin una prdida de calidad apreciable. Curiosamente,
es el efecto regenerativo el que tambin propicia que se realicen copias de un medio de
almacenamiento ptico a otro manteniendo la calidad.
Adems, las comunicaciones digitales permiten aprovechar todo el potencial de los sis-
temas electrnicos digitales para alcanzar el objetivo de fabricar terminales ms baratos y
pequeos. Gracias al formato digital, es posible emplear tcnicas de tratamiento digital de
seales que dotan a los sistemas de nuevas funcionalidades, entre las que destaca la flexi-
bilidad. Un terminal de comunicaciones digitales moderno contiene una enorme cantidad
de software; de hecho, se tiende hacia terminales definidos mediante software, que pue-
dan actualizarse automticamente para incorporar nuevas versiones del estndar bajo el que
operan, o incluso de diferentes estndares, dependiendo del uso que se de al terminal. Asi-
mismo, el formato digital permite aplicar sobre las seales ciertas operaciones que en el caso
analgico no estn resueltas satisfactoriamente, como ocurre con la criptografa, gracias a la
cual se consigue conferir privacidad a la comunicacin.
Finalmente, los sistemas digitales permiten construir fcilmente mecanismos de multi-
plexacin temporal y encaminamiento, que resultaran muy complejos con sistemas anal-
gicos.
Pero no todo van a ser ventajas: as, las seales obtenidas al digitalizar una seal analgi-
ca necesitan ms ancho de banda para poder ser transmitidas con un nivel similar de calidad.
Por fortuna, en la prctica se han conseguido desarrollar algoritmos de codificacin de fuen-

1
En realidad, cuando se trata de tarificar, los operadores de telefona mvil bien saben que un bit no es un
bit: enviar un bit de un mensaje de texto cuesta ms de 500 veces ms que un bit de voz.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 1.2 E LEMENTOS DE UN SISTEMA DE COMUNICACIONES DIGITALES 3

te tan eficientes que la situacin ha dado la vuelta, siendo posible en la actualidad emplear
una fraccin del ancho de banda ocupado por la seal analgica; no obstante, estos algo-
ritmos demandan una elevada potencia de clculo que encarece el coste de los terminales.
A ello hay que aadir, por supuesto, el coste de los conversores analgico/digital y digi-
tal/analgico. Slo gracias a los rpidos avances en las tecnologas de circuitos integrados
se han podido reducir estos costes.
Otra desventaja de las comunicaciones digitales es la necesidad de sincronizar perfec-
tamente los relojes empleados en transmisin y recepcin. Como comprobaremos en este
texto (Captulo 11), ello ha obligado a concebir ingeniosos algoritmos de sincronizacin.

1.2. E LEMENTOS DE UN SISTEMA DE COMUNICACIONES DIGITALES

La Figura 1.1 es un diagrama de bloques que contiene los elementos fundamentales de
un sistema de comunicaciones digitales. La fuente de informacin puede ser, como ya he-
mos indicado, analgica o digital. En el primer caso podemos tener, por ejemplo, la seal
captada por un micrfono o por una cmara; en el segundo, la fuente podra ser un servi-
dor web. La misin del bloque denominado codificacin de fuente es la de representar la
informacin de fuente con la menor cantidad de bits posible; es por ello que en ocasiones se
habla de compresin de la informacin. Para lograr este propsito el codificador de fuente
elimina la redundancia presente en la seal a su entrada. Pinsese, por ejemplo, en una se-
al de televisin, en la que el locutor apenas vara de posicin de un cuadro de la imagen
al siguiente; en tal caso es ms eficiente transmitir slo la informacin que nos dice cmo
vara la imagen en un cuadro con respecto al anterior que el cuadro completo. Naturalmente,
cuanta ms redundancia, mayor compresin se puede alcanzar.

Fuente de Codificador Codificador Modulador

informacin de fuente de canal

Canal

Sumidero Decodificador Decodificador

Demodulador
de fuente de canal

Figura 1.1. Diagrama de bloques de un sistema de comunicaciones digitales.

El bloque denominado codificacin de canal protege los bits fruto de la compresin

contra errores producidos en el canal. Es fcil entender que cuanta ms redundancia se haya
eliminado ms importante ser cada bit, en el sentido de que si se recibe errneamente,
sus efectos se propagarn cuando se descomprima la seal recibida. Cmo protege los
bits el codificador de canal? Aadiendo redundancia. Ciertamente, en este punto el lector

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4 I NTRODUCCIN

puede hallarse un tanto desconcertado: hemos eliminado redundancia y ahora volvemos a

introducirla. Pero hay que pensar que se trata de otro tipo de redundancia, destinada a evitar
que se produzcan errores en el canal. Una forma sencilla, aunque poco eficiente, de cdigo
de canal consiste en repetir cada bit un nmero impar n de veces y en el decodificador
decidir por mayora: si en los n bits recibidos hay ms unos que ceros, se decide que se
transmiti un uno; en caso contrario, un cero. En el Captulo 10 comprobaremos que existen
formas de construir cdigos de canal mucho mejores, en el sentido de que la probabilidad
de equivocacin por bit transmitido es menor.
La secuencia de bits que sale del codificador de canal debe ser ahora transformada en
formas de onda que se adapten a las caractersticas del canal. Por ejemplo, si el canal es
limitado en banda, no se gana nada transmitiendo potencia fuera de ella. El cometido del
modulador digital es hacer corresponder las formas de onda de un conjunto finito y discreto
con los bits que se tienen a su entrada. En el caso ms sencillo que recordbamos en el apar-
tado anterior, la transmisin de un bit de valor uno se corresponde con una forma de onda
rectangular de un determinado nivel de voltaje, mientras que el cero se corresponde con otro
nivel distinto. Pero se pueden concebir esquemas ms eficientes sin ms que considerar un
nmero mayor de niveles posibles, haciendo la correspondencia entre varios bits y una for-
ma de onda. Por ejemplo, los bits de entrada al modulador se pueden agrupar de tres en tres
para transmitir un pulso rectangular que pueda tomar uno de entre 23 = 8 niveles posibles.
La clave de un buen diseo est en elegir adecuadamente las formas de onda para que su
nmero sea lo mayor posible (y as enviar ms bits por cada forma de onda transmitida) y
sean lo suficientemente distintas como para que al ser deterioradas en el canal se puedan
seguir distinguiendo en el receptor.
El canal se corresponde con el medio fsico sobre el que transmitimos la seal que sale
del modulador. Por ejemplo, el canal puede ser el cable de pares de la lnea telefnica,
o el espacio libre en el caso de seales de radio. Por desgracia, todos los medios fsicos
deterioran la seal transmitida al menos de dos maneras: por un lado distorsionan la forma
de onda y por otro corrompen la seal incorporando ruido. En ltima instancia son estos
efectos indeseables los que dan sentido a muchas de las tcnicas que estudiaremos en este
libro.
Los bloques de la figura denominados demodulador digital, decodificador de canal y
decodificador de fuente simplemente realizan las funciones inversas al modulador digital,
codificador de canal y codificador de fuente, respectivamente. Por ejemplo, el demodulador
digital debe convertir la forma de onda recibida en un grupo de bits, para lo que suele buscar
aquella forma de onda transmitida que ms se parece a la recibida.
Por lo que respecta al bloque denominado sumidero ste implica la vuelta al mundo
analgico en aquellos casos en que la seal a transmitir es de esta naturaleza, y la presenta-
cin o almacenamiento en aquellos casos en que la fuente es digital. Por ejemplo, en el caso
de una seal de voz, el bloque sumidero convierte los bits de entrada en una seal audible.
Los bloques codificador de fuente, codificador de canal y modulador componen el trans-
misor, mientras que el demodulador, el decodificador de canal y el decodificador de fuente
componen el receptor. En aplicaciones en que se necesita es mantener una comunicacin
digital bidireccional, es frecuente encapsular transmisor y receptor en un nico equipo que

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 1.3 C ANALES 5

se conoce como mdem, trmino que procede de la combinacin de las palabras modula-
dor y demodulador. El ejemplo ms conocido es el mdem telefnico, empleado para
comunicar informacin digital sobre el cable de pares telefnico.
Los algoritmos de codificacin y decodificacin de fuente son fuertemente dependientes
de las caractersticas de la seal de entrada, por lo que suelen ser descritos en textos enfoca-
dos a aplicaciones especficas. Por otra parte, dado que nuestro objetivo es la comunicacin
fiable (con una baja probabilidad de error) de bits independientemente de su naturaleza, el
mbito del presente texto ser exclusivamente el de los bloques sombreados en la Figura
1.1.

1.3. C ANALES
La existencia de un canal es la razn que justifica la existencia de un sistema de comu-
nicaciones, y la forma en que un canal degrada la seal que ponemos a su entrada es la gua
para el diseo del sistema de comunicaciones. Por esta razn, conviene que nos detengamos
a analizar, al menos, los tipos de canales ms importantes.
Un primer tipo de canales son aquellos en que el medio fsico empleado para la trans-
misin es un conductor elctrico, tal como el par de hilos de cobre que conectan un terminal
telefnico con la central o centralita a la que est asociado, el cable coaxial que conecta el
mdem de una red de cable con su distribuidor correspondiente, los ocho hilos de un cable
de pares trenzados de los utilizados para conectar un ordenador al conmutador de la red de
rea local o los cuatro hilos paralelos de un cable USB (Universal Serial Bus ).
Los principales mecanismos de degradacin que introduce este medio son la atenuacin
de la seal puesta a su entrada y la adicin del denominado ruido trmico . La atenuacin va
a depender, entre otros factores, de la longitud de los hilos o el cable, pero no de la longitud
en unidades de medida como el metro, sino en longitudes de onda de la seal que lo atraviesa
(supuesto que es una sinusoide), lo que implica que sinusoides de distintas frecuencias van
a sufrir distintas atenuaciones. Para una seal en general, este efecto se va a traducir en una
distorsin de su forma de onda. El segundo efecto, el ruido trmico o ruido de Johnson, se
produce por el movimiento desordenado de los electrones en un material conductor y es de
naturaleza aleatoria. Es, en la mayora de los casos, el factor que limita ms severamente la
fiabilidad de la comunicacin.
Un segundo tipo de canal es el denominado canal radioelctrico o canal radio, que en-
globa todas aquellas transmisiones electromagnticas en el espacio libre. Suele dividirse en
canal radio fijo (si tanto la antena transmisora como la receptora estn en una ubicacin f-
sica fija) y canal radio mvil (si al menos una de las antenas est en movimiento). Ejemplos
de estos canales son los radioenlaces fijos en HF (High Frequency, de 3 a 30 MHz), el
canal radio mvil en el sistema de telefona mvil GSM en las bandas de 900 o 1.800 MHz
o el canal entre un satlite de comunicaciones y un receptor terrestre en la banda Ka (entre
18 y 40 GHz).
Los mecanismos de propagacin electromagntica son distintos en bandas distintas de
frecuencia, pero en espacio libre el efecto es slo una atenuacin (aunque puede ser distinta

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6 I NTRODUCCIN

a frecuencias distintas). El principal mecanismo de distorsin de la forma de onda es debido

a las mltiples reflexiones y refracciones que pueden sufrir las ondas electromagnticas en
su propagacin, lo que se conoce con el nombre de propagacin multitrayecto , que provoca
que en la antena receptora aparezcan rplicas de la onda original a distintos retardos y con
distintas amplitudes. Adicionalmente, en el canal radio mvil (o en canales fijos si cambian
las condiciones de propagacin), todos estos efectos varan con el tiempo, lo que origina un
nuevo problema que no vamos a considerar en este texto y que se suele denominar trans-
misin en canales con desvanecimiento. A los lectores interesados les recomendamos como
primera opcin la consulta de los captulos correspondientes en algunos libros generales de
comunicaciones digitales como [61].
En el canal radioelctrico no hemos mencionado la presencia del ruido trmico porque
no aparece en la propagacin radioelctrica, lo que no quiere decir que lo vayamos a poder
evitar, ya que en el momento de realizar la conversin electromagntica a elctrica en la
antena, encontramos el primer elemento metlico, por no mencionar toda la circuitera elc-
trica o electrnica posterior. Aunque en trminos absolutos la magnitud del ruido trmino
que introduce la antena puede ser muy pequea, la seal que recibe esta misma antena tam-
bin puede ser muy pequea, por lo que el ruido trmico vuelve a ser el factor limitante ms
importante tambin en este canal.
La aparicin del ruido trmico en el canal radioelctrico pone de manifiesto que rara vez
nos encontraremos con un canal compuesto por un nico medio fsico (en este caso, pro-
pagacin radioelctrica y circuitos elctricos o electrnicos). Un ejemplo extremo de esta
situacin puede ser el canal telefnico en banda vocal que ha sido profusamente utilizado
en dcadas pasadas: imaginemos que queremos realizar una comunicacin entre Madrid y
Buenos Aires empleando mdems de canal telefnico; adems del par de hilos entre el m-
dem y la central probablemente la seal atraviese un gran nmero de medios de transmisin
como enlaces va radio terrestres, satelitales, cables submarinos, cables coaxiales terrestres,
etc., adems de posibles conversiones analgico-digital y digital-analgico. Para lograr una
caracterizacin til de este tipo de canales compuestos se suele agrupar todas las distorsio-
nes sobre la forma de onda como un nico sistema lineal o no lineal y todas las fuentes de
ruido aditivo en una nica, generalmente representada como ruido trmico.
Un tercer tipo de canal, que no vamos a considerar en este texto, son los canales pticos,
tanto guiados (fibras pticas) como no guiados. El principal motivo de su ausencia en este
texto es que, en general, requiere un desarrollo distinto (como demuestra la existencia de nu-
merosos libros dedicados exclusivamente a las comunicaciones pticas) debido, entre otras
razones, al poco desarrollo de los dispositivos que permiten realizar pticamente operacio-
nes como las que vamos a considerar y, adems, porque el ruido presente en los dispositivos
fotnicos, de tipo impulsivo, es de naturaleza radicalmente distinta al ruido trmico.
De lo expuesto hasta ahora podra deducirse que todos los codificadores de canal y mo-
duladores se aplican para comunicaciones que podramos denominar instantneas, pero
no es as. El cuarto tipo de canal que vamos a considerar es el canal magntico , que encon-
tramos en discos duros y cintas magnticas. Tngase en cuenta que, desde el punto de vista
del diseo del sistema de comunicacin importa poco que el retardo entre la entrada al canal
(grabacin en el caso del canal magntico) y la salida (lectura en el caso del canal magn-

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
1.3 C ANALES 7

tico) sea de microsegundos o de aos (siempre que no exista realimentacin del receptor al
transmisor). Este canal, al igual que los canales radioelctrico y de medio conductor, intro-
duce una distorsin a la forma de onda (aunque los mecanismos que generan esta distorsin
sean de naturaleza distinta) y un ruido que, aunque no es el ruido trmico, presenta unas
propiedades muy similares a ruido trmico filtrado. Resulta impensable hoy en da producir
discos duros o sistemas de almacenamiento en cinta magntica sin emplear tcnicas como
las que se describen en este texto.

Otro interesante ejemplo de canal no instantneo es el que aparece en los sistemas de

marcado de agua digital. El marcado de agua digital se refiere a un conjunto de tcnicas
utilizadas para enviar informacin escondida en un objeto multimedia. Por ejemplo, una
marca de agua puede incrustarse de forma invisible en una imagen digital; dicha marca
puede contener informacin sobre el propietario legal de la imagen, anotaciones relativas a
la misma o datos que garanticen su integridad. En estos casos, el canal es la propia imagen
en donde se desea esconder la marca, que por su parte hace las veces de seal transmitida.
La comunicacin se ve dificultada por el hecho de que, para garantizar la invisibilidad, la
energa de la imagen (nivel de ruido) suele ser mucho mayor que el de la marca (nivel de
seal), por lo que se suelen emplear tcnicas de proteccin contra errores como las que
describiremos en este libro para conseguir comunicar la cantidad de informacin deseada.

Adems de las fuentes intrnsecas de degradacin que introducen los canales y que he-
mos analizado hasta ahora puede existir adems otro tipo de interferencias de fuentes no
naturales que es necesario tener en cuenta en algunos canales concretos. Si esa interferencia
est provocada por otras comunicaciones simultneas solemos hablar de interferencia radio-
elctrica o interferencia a secas en el caso del canal radioelctrico y diafona en el caso de
canal de medio conductor. Si adems esta interferencia est producida por otras comunica-
ciones de las mismas caractersticas realizadas por otros usuarios se denomina interferencia
multiusuario .

Otras interferencias suelen denominarse ruido generado por el ser humano si la fuente
de la interferencia es alguna mquina o aparato elctrico o electromecnico (por ejemplo,
las interferencias generadas por los tubos fluorescentes de iluminacin o por las bujas de
los motores de explosin en el canal radio, o los transitorios que generan los arranques de
motores en la lnea elctrica considerada como canal). En algunos mbitos como el militar
tambin existen interferencias que se realizan de forma deliberada para degradar un siste-
ma de comunicaciones por parte del enemigo, que en este contexto recibe el nombre de
jammer . En general, aunque las principales fuentes de degradacin siguen siendo el ruido
trmico y la distorsin de la forma de onda, la presencia de estas interferencias condiciona el
diseo de los sistemas de comunicacin y fuerza el empleo de tcnicas para su mitigacin.
Estas tcnicas incluyen, por ejemplo, el empleo de modulaciones resistentes a interferen-
cias (vase el Apartado 8.2.6), de receptores multiusuario (vase el Apartado 8.3.3), o de
canceladores de interferencias.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 8 I NTRODUCCIN

1.4. E STRUCTURA DEL LIBRO

En el contexto de las redes de ordenadores, en que se establece un modelo de capas para
la comunicacin, nuestro texto se centra en la llamada capa fsica, cuyo cometido no es otro
que la transmisin fiable de bits de un extremo a otro. Es por ello que en dicho modelo
la capa fsica es aqulla sobre la que descansan todas las dems; se necesitan unas buenas
prestaciones de la capa fsica para que el rendimiento del sistema completo sea aceptable.
Los Captulos 2 y 3 repasan los conceptos fundamentales de seales y sistemas, y teora
de la probabilidad, respectivamente, y que son necesarios para la comprensin del resto del
libro. Aquellos lectores que tengan conocimientos previos en estos temas pueden saltarse su
lectura, aunque se recomienda un rpido vistazo para hacerse con la notacin empleada.
El Captulo 4 sirve para sentar las bases de la modulacin y deteccin, empleados en ca-
ptulos posteriores. Ello se consigue con la llamada formulacin en espacio de seales que
permite que el anlisis de un sistema de comunicaciones digitales se pueda abstraer de las
formas de onda empleadas. La extensin de dicha formulacin a la transmisin indefinida
de informacin sirve de preludio al Captulo 5, que se ocupa de las modulaciones de ampli-
tud, describiendo las tcnicas que clsicamente se han utilizado para transmitir datos sobre
canales paso bajo y paso banda. Un concepto fundamental que aparece en el contexto de
este tipo de modulaciones es el de interferencia intersimblica, que se debe a la dispersin
temporal sobre las formas de onda transmitidas introducida por el medio fsico. El Captulo
6 se dedica precisamente a discutir tcnicas para mitigar la interferencia intersimblica y
posibilitar as la comunicacin.
Las limitaciones de algunos canales se traducen en distorsiones no lineales que dificul-
tan el empleo de modulaciones de amplitud. Una alternativa consiste en la utilizacin de
modulaciones de fase y frecuencia, que se discuten en el Captulo 7. La combinacin de
modulaciones de frecuencia con modulaciones de amplitud da lugar a las llamadas modu-
laciones multiportadora que recientemente se han convertido en el formato ms extendido
por sus excelentes propiedades en canales dispersivos y su relativa facilidad de implementa-
cin. El estudio de estas modulaciones se aborda en el Captulo 8. Una alternativa, tambin
descrita en el Captulo 8, es el empleo de modulaciones de espectro ensanchado.
El estudio de todos estos formatos de modulacin plantea de forma natural cules son
los lmites fundamentales de las comunicaciones digitales. Estos lmites, sorprendentemente
obtenidos por Shannon en los aos cuarenta, constituyen parte de la base de la teora de la
informacin, que se presenta en el Captulo 9, donde, adems, se introduce la codificacin
de canal como forma pragmtica de acercarse a dichos lmites. La codificacin de canal
es precisamente el tema sobre el que versa el Captulo 10, en el que se discuten tanto las
tcnicas de codificacin clsicas, los cdigos bloque y los cdigos convolucionales, como las
modulaciones codificadas en rejilla o tcnicas avanzadas de codificacin como los cdigos
turbo o los cdigos LDPC. Finalmente, el Captulo 11 se ocupa de una importante cuestin
a veces soslayada en los libros de texto: la sincronizacin. sta se refiere a la recuperacin
en el receptor de algunos parmetros empleados por el transmisor, como el reloj de smbolo
o la frecuencia de la portadora, y sin cuyo conocimiento las prestaciones se ven seriamente
afectadas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 C APTULO 2
S EALES Y SISTEMAS

En este captulo se ofrece una revisin de los conceptos fundamentales de seales y

sistemas con algunas extensiones de la teora bsica que son de inters en el estudio de los
sistemas de comunicaciones como son el espacio de Hilbert de las seales de energa finita
o la representacin de seales paso banda.

2.1. S EALES
Una seal es una representacin matemtica de la evolucin de una magnitud fsica (o
una medida) respecto de algn o algunos parmetros; generalmente tiempo o espacio. Es-
ta magnitud fsica puede ser voltaje, intensidad elctrica, presin, temperatura, intensidad
lumnica, etc.; e incluso puede que ni tan siquiera tenga un sentido fsico claro, como la
cotizacin burstil de una empresa determinada, o la poblacin mundial. Lo realmente in-
teresante del estudio de las seales es que suponen una abstraccin respecto a la magnitud
fsica concreta, pasando esta a ser considerada como una funcin matemtica, x(), que tie-
ne como variables independientes los parmetros con respecto a los cuales vara. A lo largo
de todo el texto vamos a considerar que existe un nico parmetro y que este es el tiempo.
A continuacin vamos a abordar los siguientes aspectos relacionados con el estudio de
las seales: criterios que nos permiten su clasificacin, medidas que podemos realizar sobre
ellas, algunas seales concretas especialmente tiles y una representacin algebraica de las
seales que va a ser de inters en captulos posteriores. Adems, emplearemos este apartado
para ir introduciendo la notacin que se utilizar a lo largo de todo el texto.

2.1.1. Clasificacin de seales

Un primer paso en el estudio de las seales consiste en su clasificacin de acuerdo con
determinados criterios. Veamos a continuacin los criterios ms importantes.

Seales en tiempo continuo y en tiempo discreto. Si la variable independiente puede

tomar cualquier valor real decimos que la seal es en tiempo continuo y la denotamos como

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
10 S EALES Y SISTEMAS

x(t) (t R, siendo R el cuerpo de los nmeros reales). Si la variable independiente toma

solo valor en los nmeros enteros decimos que la seal es en tiempo discreto (tambin
denominada secuencia) y la denotamos como x[n] (n Z, siendo Z el anillo de los nmeros
enteros).
Ejemplo 2.1
Un ejemplo de seal en tiempo continuo es

x(t) = t

y un ejemplo de seal en tiempo discreto es

x[n] = n

que representamos en la Figura 2.1.

x(t) x[n]
4 4
3 3
2 2
1 1
4 3 2 1
4 3 2 1 0 1 2 3 4 t 0 1 2 3 4 n
1 1
2 2
3 3
4 4

Figura 2.1. Ejemplos de seales en tiempo continuo y en tiempo discreto.

Ntese que la diferencia entre ambas seales no est en su descripcin analtica (el valor de la
seal es igual al valor de la variable independiente), sino en que x(0,5) es igual a 0,5 y x[0,5] no
existe, no est definido.

En algunos casos las secuencias se obtienen a partir de muestras de seales en tiempo conti-
nuo, pero en otros la propia magnitud fsica que representa la seal es de naturaleza discreta.
Al fin y al cabo, una secuencia no es sino una lista de nmeros ordenados.

Seales analgicas y digitales. Si la seal puede tomar uno entre un conjunto finito de
valores decimos que la seal es digital y la denotamos con letras maysculas como X(t) o
X[n] (segn sea en tiempo continuo o en tiempo discreto). Si la seal puede tomar uno de
entre un conjunto infinito de valores decimos que la seal es analgica y la denotamos con
letras minsculas como x(t) o x[n].
Comnmente se asocia el trmino seal digital a seales en tiempo discreto y digitales,
pero no hay que confundir una propiedad que afecta a la variable independiente (tiempo
continuo o tiempo discreto) con una propiedad que afecta a los valores que toma la seal
propiamente dicha (analgica o digital).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.1 S EALES 11

Ejemplo 2.2
La Figura 2.2 representa ejemplos de seales digitales en tiempo continuo y en tiempo discreto
que slo pueden tomar los valores 1 y 1. Las seales del ejemplo anterior eran seales analgi-
cas.
X(t) X[n]

1 1

4 3 2 1 0 1 2 3 4 t 4 3 2 1 0 1 2 3 4 n

1 1

Figura 2.2. Ejemplos de seales digitales en tiempo continuo y de tiempo discreto.

Seales deterministas y aleatorias. Este criterio de clasificacin, comnmente citado en

numerosos textos, es un criterio falso porque no puede aplicarse a ninguna seal concre-
ta, sino al modelo matemtico que empleamos para representar las seales. Estrictamente
hablando, no podemos hablar de seales deterministas y seales aleatorias, sino de un mo-
delo determinista y un modelo aleatorio o estocstico para representar el conocimiento que
poseemos sobre las seales.
Bajo un modelo determinista, si suponemos que conocemos x(t) (o x[n]) estamos supo-
niendo que conocemos la amplitud de x(t) para todos los valores de t; por ejemplo, sabemos
que x(75,4) es igual a 2,1 y no cualquier otro, y as con todos lo valores de t. Bajo un modelo
estocstico, si suponemos que conocemos x(t) (o x[n]) estamos suponiendo que conocemos
las propiedades estadsticas de x(t) para todos los valores de t, pero no el valor concreto de
x(t); por ejemplo, sabemos que el valor medio (esperanza matemtica) de x(75,4) es igual
a 0,5, o que la varianza de x(75,4) es igual a 1,1, o que el valor x(75,4) tiene una descrip-
cin probabilstica gausiana de media 0,5 y varianza 1,1, pero no sabemos con certeza el
valor de la seal en ese instante.
El modelo realmente importante dentro de las comunicaciones es el modelo estocstico,
pues es el nico capaz de representar la informacin que puede contener una seal. Como
veremos a lo largo del texto, informacin es equivalente a incertidumbre sobre el valor
concreto que toma una seal, un parmetro, etc. Sin embargo, el tratamiento empleando
el modelo estocstico resulta por lo general ms complicado y farragoso, por lo que all
donde se pueda se recurrir a un modelo determinista. En este captulo vamos a considerar
nicamente el modelo determinista, tratando el modelo estocstico en el captulo siguiente.

Seales peridicas y aperidicas. Una seal es peridica si los valores que toma se repi-
ten de forma cclica. Matemticamente podemos expresarlo de la siguiente forma: una seal

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
12 S EALES Y SISTEMAS

x(t) (o x[n]) es peridica con periodo T (o N ) si existe un valor T R (o N Z) para el

que se cumple que

x(t) = x(t + T ) t (2.1)

( x[n] = x[n + N ] n )

El menor valor de T (o N ) para el que se cumple (2.1) se denomina periodo fundamental y

se denota como T0 (o N0 ). Si una seal no es peridica se dice que es aperidica.

Seales reales y complejas. Una seal compleja es aquella que toma valores en el cuerpo
de los complejos, x(t) C o x[n] C. Una seal real es aquella que slo toma valores en
el cuerpo de los reales; x(t) R o x[n] R. Salvo que se especifique lo contrario, siempre
que nos refiramos a una seal sin especificar si es real o compleja entenderemos que es una
seal compleja.
Definimos las partes real e imaginaria de una seal como (omitimos la definicin para
secuencias por ser idntica)

. x(t) + x (t)
Re{x(t)} = (2.2)
2
. x(t) x (t)
Im{x(t)} = (2.3)
2j

donde j = 1 y indica complejo conjugado. Puede comprobarse que las partes real e
imaginaria son seales reales. A partir de las partes real e imaginaria reconstruimos la seal
como

x(t) + x (t) x(t) x (t)

x(t) = Re{x(t)} + jIm{x(t)} = +j = x(t) (2.4)
2 2j

y podemos interpretar una seal real como aquella cuya parte imaginaria es idnticamente
nula.
Otra descomposicin de una seal compleja en dos seales reales se realiza (como rea-
lizaramos la descomposicin de un nmero complejo) mediante su mdulo, |x(t)|, definido
como p
. p
|x(t)| = x(t) x (t) = Re2 {x(t)} + Im2 {x(t)} (2.5)

y su fase, x(t), definida como

. Im{x(t)}
x(t) = arctan (2.6)
Re{x(t)}

de la forma

x(t) = |x(t)|ejx(t) = |x(t)| cos(x(t)) + j|x(t)| sen(x(t)) (2.7)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.1 S EALES 13

Seales pares e impares. Una seal x(t) (o x[n]) es par si cumple

x(t) = x(t) t (2.8)

( x[n] = x[n] n )

Una seal x(t) (o x[n]) es impar si cumple

x(t) = x(t) t (2.9)

( x[n] = x[n] n )

De manera anloga a las partes real e imaginaria de una seal, podemos definir las
partes par, Ev{x(t)}, e impar, Od{x(t)}, de una seal como (omitimos la definicin para
secuencias por ser idntica)

x(t) + x(t)
Ev{x(t)} = (2.10)
2
x(t) x(t)
Od{x(t)} = (2.11)
2
y expresar cualquier seal en funcin de sus partes par e impar

x(t) = Ev{x(t)} + Od{x(t)} (2.12)

Podemos comprobar fcilmente que la parte par de una seal es a su vez una seal par y que
la parte impar es una seal impar.

Seales hermticas y antihermticas. Otro tipo de simetra similar a la paridad o impari-

dad es la hermiticidad. Una seal x(t) (o x[n]) es hermtica si cumple

x(t) = x (t) t (2.13)

( x[n] = x [n] n )

lo que implica que la parte real es par y la imaginaria es impar. Una seal x(t) (o x[n]) es
antihermtica si cumple

x(t) = x (t) t (2.14)

( x[n] = x [n] n )

lo que implica que la parte real es impar y la imaginaria par.

Podemos definir las partes hermtica, He{x(t)}, y antihermtica, Ah{x(t)}, de una se-
al como (omitimos la definicin para secuencias por ser idntica)

x(t) + x (t)
He{x(t)} = (2.15)
2
x(t) x (t)
Ah{x(t)} = (2.16)
2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
14 S EALES Y SISTEMAS

y expresar cualquier seal en funcin de sus partes hermtica y antihermtica

x(t) = He{x(t)} + Ah{x(t)} (2.17)

Aun a costa de parecer un triste remedo de un famoso dilogo de los hermanos Marx,
podemos cruzar algunas de las clasificaciones anteriores y establecer aseveraciones como
la parte par de la parte hermtica de una seal compleja es una seal real, o la parte
antihermtica de la parte impar de la parte imaginaria de una seal es idnticamente nula.

2.1.2. Medidas de seales

Empleando los criterios vistos hasta ahora podemos clasificar una seal determinada,
pero no podemos distinguir entre dos seales que cumplan los mismos criterios. Un paso
ms all en el estudio de seales consiste en representar una seal mediante un conjunto de
medidas sobre ella. Veamos a continuacin las medidas ms importantes.

Valor medio. Es la media temporal de la amplitud de la seal y ser, en general, un nmero

complejo. Formalmente se define como

Seales en tiempo continuo

Aperidicas
Z T
. 1
x = hx(t)i = lm x(t) dt (2.18)
T 2T T

Peridicas Z
. 1
x = hx(t)i = x(t) dt (2.19)
T0 (T0 )
R
donde (T0 ) denota integracin a lo largo de un intervalo de duracin T0 , sea
cual sea el inicio de este intervalo.

Seales en tiempo discreto

Aperidicas
N
X
. 1
x = hx[n]i = lm x[n] (2.20)
N 2N + 1
n=N

Peridicas
. 1 X
x = hx[n]i = x[n] (2.21)
N0
n{N0 }
P
donde n{N0 } denota suma a lo largo de un intervalo de duracin N0 , sea cual
sea el inicio de este intervalo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.1 S EALES 15

Valor de pico. Es el valor mximo del mdulo de la seal

Seales en tiempo continuo
.
xp = max|x(t)| (2.22)
t

Seales en tiempo discreto

.
xp = max|x[n]| (2.23)
n

Energa. Es una medida cuadrtica de naturaleza real y no negativa definida como

Seales en tiempo continuo
Z
.
Ex = E {x(t)} = |x(t)|2 dt (2.24)

Seales en tiempo discreto

. X
Ex = E {x[n]} = |x[n]|2 (2.25)
n=

Si Ex es una cantidad finita, decimos que x(t) (o x[n]) es una seal de energa finita. Si Ex
excede toda cota, decimos que x(t) (o x[n]) es una seal de energa infinita.

Potencia. Es una medida cuadrtica de naturaleza real y no negativa que resulta de inters
para seales de energa infinita y representa la energa por unidad de tiempo. Se define como
Seales en tiempo continuo
Aperidicas
Z T

 . 1
Px = P {x(t)} = |x(t)|2 = lm |x(t)|2 dt (2.26)
T 2T T

Peridicas
Z

 . 1
Px = P {x(t)} = |x(t)|2 = |x(t)|2 dt (2.27)
T0 (T0 )

Seales en tiempo discreto

Aperidicas
N
X

 . 1
Px = P {x[n]} = |x[n]|2 = lm |x[n]|2 (2.28)
N 2N + 1
n=N

Peridicas

 . 1 X
Px = P {x[n]} = |x[n]|2 = |x[n]|2 (2.29)
N0
n{N0 }

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
16 S EALES Y SISTEMAS

2.1.3. Seales de inters

Analizaremos a continuacin algunas seales concretas que sern de utilidad a lo largo
del texto.

Delta de Dirac. La funcin delta de Dirac, (t), tambin conocida como funcin impulso
se emplea para modelar fenmenos fsicos en tiempo continuo y corta duracin. Estric-
tamente hablando ni tan siquiera es una funcin matemtica, sino una distribucin o una
funcin generalizada. Definimos la funcin delta de Dirac como la que cumple la igualdad
Z
x(t) (t t0 ) dt = x(t0 ) (2.30)

para cualquier seal x(t) continua y cualquier instante t0 . Esta definicin admite la inter-
pretacin de una descomposicin de la seal x(t) mediante funciones delta reescribindola
como Z
x(t) = x( ) (t ) d (2.31)

Una interpretacin ms intuitiva de la funcin (t) puede realizarse a partir de sus pro-
piedades:

1. Toma valor cero fuera del instante cero

(t) = 0 t 6= 0

2. El rea bajo la funcin es igual a 1

Z
(t)dt = 1

3. Es una funcin par

(t) = (t)

Tambin puede definirse la funcin delta como

(t) = lm (t) (2.32)

0

siendo (t) la seal representada en la Figura 2.3. En general, cualquier seal que cumpla
las dos ltimas propiedades de las reseadas anteriormente y disponga de un parmetro que
permita controlar su duracin hasta hacerla instantnea puede dar origen a (t).
La funcin delta de Dirac se representa tal y como muestra la Figura 2.4, dada la impo-
sibilidad de dibujar una funcin de rea 1 y duracin instantnea.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.1 S EALES 17

1/
(t)

0 t

Figura 2.3. Seal que origina una funcin delta de Dirac cuando el valor del parmetro
tiende a cero.

(t) a(t)
1 a

0 t 0 t

Figura 2.4. Representacin de (t) y su versin escalada, a(t).

Delta de Kronecker. Es el equivalente en tiempo discreto de la delta de Dirac pero, al

contrario que sta, su definicin no plantea ningn problema
(
. 1 si n = 0
[n] = (2.33)
0 si n 6= 0

Tambin puede emplearse para la descomposicin de secuencias de la forma

X
x[n] = x[k] [n k] (2.34)
k=

Funciones escaln. Se definen a partir de las funciones delta como

Z t (
. 0 para t < 0
u(t) = ( ) d = (2.35)
1 para t > 0
n
(
. X 0 para n < 0
u[n] = [k] = (2.36)
k=
1 para n 0

Sinusoides complejas. Una sinusoide compleja en tiempo continuo se define mediante la

frmula
x(t) = ejt = cos t + jsen t (2.37)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
18 S EALES Y SISTEMAS

donde es un parmetro de naturaleza real denominado frecuencia. controla la rapidez

de las oscilaciones de la seal y se mide en radianes por segundo. Valores distintos de dan
lugar a seales distintas, y a mayor valor de , mayor rapidez en la variacin de la amplitud
de la seal.
Una representacin alternativa del parmetro de frecuencia se obtiene mediante su ex-
presin en ciclos por segundo o hercios mediante la igualdad f = /2
x(t) = ej2f t = cos 2f t + jsen 2f t (2.38)
Las sinusoides complejas en tiempo continuo son siempre seales peridicas, siendo su
periodo fundamental T0 = 2/ = 1/f .
Se dice que dos sinusoides de frecuencias 1 y 2 poseen una relacin armnica si se
cumple que 2 = k1 , siendo k un nmero entero. En ese caso decimos que la sinusoide de
frecuencia 2 es el k-simo armnico de la sinusoide de frecuencia 1 .
Una sinusoide compleja en tiempo discreto se define de manera anloga mediante la
frmula
x[n] = ejn = cos n + jsen n (2.39)
Existen, sin embargo, dos diferencias fundamentales respecto a las sinusoides complejas en
tiempo continuo:
1. Una sinusoide compleja en tiempo discreto no es siempre una seal peridica. Para
que una sinusoide compleja sea peridica de periodo N ha de verificarse que ejn =
ej(n+N ) para todo n. Como ej(n+N ) = ejn ejN , ha de cumplirse que ejN =
1 = ej2k o, lo que es lo mismo, que la frecuencia sea un mltiplo racional de 2
(2k/N , con k y N nmeros enteros) para que la sinusoide sea una seal peridica.
2. Valores distintos de no generan siempre seales distintas. Si generamos una seal
con un valor de igual a 0 y otra con un valor de igual a (0 + 2k) sien-
do k un nmero entero, comprobamos que ambas seales son la misma, puesto que
ej(0 +2k)n = ejn ej2kn = ej0 n .
Este hecho nos da un margen de variacin efectiva de 2 del parmetro en las
sinusoides complejas discretas, que suele tomarse como (, ].

Exponenciales reales. Una exponencial real en tiempo continuo se define mediante la

frmula
x(t) = et (2.40)
donde es un parmetro real. Si es mayor que cero, la seal es montona creciente y si
es menor que cero, montona decreciente. Cuanto mayor es el valor absoluto de , ms
rpidamente crecer o decrecer la funcin.
Una exponencial real en tiempo discreto se define mediante la frmula
x[n] = rn (2.41)
donde r es un parmetro real. Si r es mayor que uno, la seal es montona creciente, si r
es positivo y menor que uno, montona decreciente; y si r es negativo no es montona ni
creciente ni decreciente.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.1 S EALES 19

Exponenciales complejas. Una exponencial compleja en tiempo continuo se define como

el resultado de multiplicar una exponencial real por una sinusoide compleja
x(t) = et ejt = e(+j)t = est (2.42)
donde s = + j.
De manera anloga definimos una exponencial compleja en tiempo discreto como el
resultado de multiplicar una exponencial real por una sinusoide compleja
x[n] = rn ejn = (rej )n = z n (2.43)
donde z = rej .

Funcin sinc. Otra funcin que aparece comnmente en anlisis de seales y sistemas es
la funcin sinc, definida como
. sen(t)
sinc(t) = (2.44)
t
y que podemos ver (parcialmente) representada en la Figura 2.5. Es una funcin par de dura-

1
sinc(t)

4 3 2 1 0 1 2 3 4 t

Figura 2.5. Funcin sinc

cin infinita cuyos cruces por cero se producen en todos los nmeros enteros a excepcin del
cero, donde toma su valor mximo, 1. Conforme t tiende a infinito la funcin va decreciendo
en amplitud como 1/t.
Su versin en tiempo discreto se obtiene sin ms que sustituir t por an, donde a es un
parmetro de escala. En el caso en que a = 1 tenemos sinc(n) = [n].

Funcin pulso. Otra funcin de uso frecuente, definida como

(
. 1 para |t| < 1/2
(t) = (2.45)
0 para |t| > 1/2
Su versin en tiempo discreto es mucho menos frecuente.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
20 S EALES Y SISTEMAS

2.1.4. Espacios de Hilbert para seales de energa finita

Las seales admiten una representacin como vectores dentro de un espacio vectorial.
Esta representacin nos permite dotar de una estructura algebraica a las seales que consi-
deremos en cualquier problema y nos abre la posibilidad de aplicar una gran cantidad de
herramientas de anlisis y sntesis desarrolladas para espacios vectoriales.
Analicemos en primer lugar la estructura de espacio vectorial para comprobar si las
seales pueden ser consideradas como vectores. Un espacio vectorial V es un conjunto de
elementos que denominamos vectores que poseen las siguientes propiedades:

1. Existe una ley de composicin interna, que denominamos suma y representamos por
el signo + que, aplicada a dos vectores x e y (x, y V ) de la forma x + y, da como
resultado otro vector del espacio (x + y V ), cumpliendo adems las siguientes
propiedades:

1.1. Conmutativa: x, y V ; x + y = y + x.
1.2. Asociativa: x, y, z V ; x + (y + z) = (x + y) + z.
1.3. Existencia de elemento neutro: 0 V / x V ; x + 0 = 0 + x = x.
1.4. Existencia de elemento inverso: x V (x) / x + (x) = 0.

2. Existe una ley de composicin externa que denominamos producto con un conjun-
to C de elementos denominados escalares (que deben tener la estructura de cuerpo)
que, aplicada a un escalar ( C) y a un vector x (x V ) de la forma x, da
como resultado otro vector del espacio(x V ), cumpliendo adems las siguientes
propiedades:

2.1. Asociativa: , C; x V ; (x) = ()x.

2.2. Existencia de elemento neutro: 1 C / x V ; 1x = x.
2.3. Distributiva con respecto a la suma: C; x, y V ; (x + y) =
x + y.
2.4. Distributiva con respecto al producto por un escalar: , C; x
V ; ( + )x = x + x.

Si consideramos el caso general de una seal compleja (tanto en tiempo continuo como
en tiempo discreto), la ley de composicin interna del espacio vectorial es la suma punto a
punto de la seal. Verificando sus propiedades, vemos que cumple que la suma de seales es
otra seal; que es irrelevante el orden en que realicemos la suma (esto es, que es conmuta-
tiva); que es asociativa; que el elemento neutro es la seal idnticamente nula (x(t) = 0), y
que el elemento inverso de una seal es la misma seal cambiada de signo; en definitiva, la
suma cumple las propiedades de la ley de composicin interna. Los escalares son nmeros
complejos (que tienen la estructura de cuerpo al igual que los nmeros reales) y la ley de
composicin externa es la multiplicacin de una seal por un nmero complejo. Podemos
verificar fcilmente que tambin esta operacin cumple todas las propiedades requeridas y,

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.1 S EALES 21

por tanto, podemos concluir que las seales cumplen todos los requisitos para ser conside-
radas como vectores de un espacio vectorial.
La estructura de espacio vectorial genrico como el que hemos expuesto es, sin embargo,
demasiado simple como para tener utilidad. Una estructura ms elaborada la encontramos
en los espacios vectoriales de Hilbert o, simplemente, espacios de Hilbert. Esta estructura
nos va a permitir, por ejemplo, reintrepretar algunas de las medidas de seales expuestas en
el Apartado 2.1.2.
Un espacio de Hilbert es, bsicamente, un espacio vectorial con producto escalar1 . El
producto escalar es una aplicacin de pares de vectores en el campo de los escalares (los
complejos en nuestro caso), f:(V, V ) C, que denotamos como hx , yi y que cumple las
siguientes propiedades:
1. hx , yi = hy , xi
2. h(x + y) , zi = hx , zi + hy , zi
3. hx , xi 0
4. hx , xi = 0 x = 0
A partir del producto escalar definimos una norma para el espacio vectorial como
p
||x|| = hx , xi (2.46)
y, a partir de la norma, una medida de distancia entre vectores
d(x, y) = ||x y|| (2.47)
Incluso podemos medir el ngulo entre dos vectores x e y como
 
Re{hx , yi}
= arc cos (2.48)
||x|| ||y||
Para la seales y, en general, para cualquier espacio vectorial genrico no existe una
nica posibilidad de definicin de producto escalar: podemos escoger como producto escalar
cualquier funcin que cumpla los requisitos establecidos anteriormente. Cada definicin de
producto escalar da lugar a un espacio de Hilbert distinto, con mtrica y norma distinta.
Vamos a exponer a continuacin la estructura de dos espacios de Hilbert para seales de
energa finita, uno para seales en tiempo discreto y otro para seales en tiempo continuo
que denominaremos, respectivamente, l2 y L2 .

El espacio l2 se define mediante el siguiente producto escalar

X
hx , yi = x[n]y [n] (2.49)
n=

1
Estrictamente, es un espacio vectorial con producto escalar que cumple la propiedad de completitud. La
propiedad de completitud se cumple cuando toda sucesin de Cauchy es convergente en la mtrica inducida por
el producto escalar. Si no posee esta propiedad el espacio vectorial recibe el nombre de espacio pre-Hilbert.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
22 S EALES Y SISTEMAS

y nos da una medida del parecido o similitud entre dos seales. El producto escalar de dos
seales cuya variacin con el tiempo sea similar ser grande y el de dos seales cuya
variacin con el tiempo sea distinta ser pequeo. Cuando el producto escalar de dos
seales es igual a cero decimos que las seales son ortogonales , lo que indica que forman
entre ellas un ngulo de 90 (segn podemos comprobar a partir de (2.48)).
Una medida derivada del producto escalar es la funcin de ambigedad temporal , rx [k],
que algunos autores denominan funcin de autocorrelacin determinista (y que no debe
confundirse con la funcin de autocorrelacin de procesos estocsticos que veremos en el
Captulo 3). Se define como el producto escalar de una seal con ella misma desplazada una
cantidad k (que denotaremos como xk ),

X
rx [k] = hx , xk i = x[n]x [n k] (2.50)
n=

y da una idea de la variabilidad y concentracin de la energa de la seal: una seal que

flucte rpidamente tendr una funcin de ambigedad temporal que vare rpidamente con
respecto a k, y una seal cuya energa est concentrada en un corto espacio de tiempo tendr
una funcin de ambigedad temporal estrecha. Ntese adems que rx [0] = E {x[n]}.
La norma inducida por (2.49) resulta ser la raz cuadrada de la energa de la seal
v
u
p u X p
||x|| = hx , xi = t |x[n]|2 = E {x[n]} (2.51)
n=

y la distancia es la bien conocida distancia eucldea,

v
u
u X
d(x, y) = ||x y|| = t |x[n] y[n]|2 (2.52)
n=

Como propiedades de inters de la norma podemos citar la desigualdad de Cauchy-Schwarz,

que establece
  v v
 X  u u
  u X u X
|hx , yi| = 
x[n]y [n] ||x|| ||y|| = t |x[n]| t
2 |y[n]|2 (2.53)
 
n= n= n=

cumplindose la igualdad slo si y[n] es una versin escalada en amplitud de x[n] (y[n] =
Kx[n], para algn K R).
El producto escalar tambin permite encontrar de forma sencilla la representacin de
una seal en una base del espacio vectorial. El ejemplo ms claro lo encontramos en la des-
composicin de una secuencia mediante la funcin delta de Kronecker, (2.34). El conjunto
de seales {[n k], k = , . . . , 0, . . . , } forma una base ortonormal del espacio vec-
torial l2 ; esto es, se cumple que

X
h k , i i = [n k][n i] = [k i] (2.54)
n=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.1 S EALES 23

Las coordenadas de una seal x[n] en cualquier base, y en esta en particular, se obtienen
como producto escalar de la seal x[n] con cada uno de los elementos de la base; en nuestro
caso

X
xk = hx , k i = x[n][n k] = x[k] (2.55)
n=

Una vez obtenidas las coordenadas, x[n] se representa como

X
X
x[n] = xk [n k] = x[k][n k]
k= k=

que es exactamente la ecuacin (2.34). Bajo esta interpretacin queda claro que los valores
x[k] de (2.34) son algo ms que un cambio de variable (n por k), pues no representan una
seal (un vector) sino que son simplemente las coordenadas (escalares) de x[n] en una base
del espacio vectorial formada por funciones delta.
El espacio L2 se define de manera anloga a l2 sin ms que cambiar sumatorios por
integrales. El producto escalar es
Z
hx , yi = x(t)y (t) dt (2.56)

y tiene el mismo sentido que en l2 : nos da una medida del parecido o similitud entre dos
seales.
La funcin de ambigedad temporal posee ahora una variable independiente de natura-
leza continua, , y se define como
Z
rx ( ) = hx , x i = x(t)x (t ) dt (2.57)

La norma inducida por (2.56) tambin resulta ser la raz cuadrada de la energa de la seal
sZ
p p
||x|| = hx , xi = |x(t)|2 dt = E {x(t)} (2.58)

y la distancia es sZ

d(x, y) = ||x y|| = |x(t) y(t)|2 dt (2.59)

La desigualdad de Cauchy-Schwarz toma la forma

Z  sZ sZ
 
|hx , yi| =  x(t)y (t) dt ||x||||y|| = |x(t)|2 dt |y(t)|2 dt (2.60)

cumplindose la igualdad slo si y(t) = Kx(t), para algn K.

El conjunto de funciones delta de Dirac {(t ), (, )} es una base para
el espacio L2 . La obtencin de las coordenadas de una seal x(t) respecto a esta base se

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 24 S EALES Y SISTEMAS

realiza mediante (2.30) y la representacin de la seal en funcin de los elementos de la

base mediante (2.31).

Para seales de potencia no nula los espacios descritos no tienen utilidad porque, en
general, los sumatorios o integrales que definen el producto escalar van a ser divergentes.
En este caso podemos plantear otros productos escalares que dan lugar a espacios de Hilbert
distintos introduciendo restricciones como, por ejemplo, limitar el intervalo de integracin
o suma, definir el espacio vectorial slo para aquellas seales que cumplen determinados
requisitos, etc.

2.2. S ISTEMAS
Un sistema es una representacin matemtica de una entidad fsica que ante el estmulo
de una o varias magnitudes fsicas (seales) ofrece como respuesta otras magnitudes (sea-
les). Las seales que estimulan al sistema se denominan entradas del sistema y las seales
con que responde el sistema se denominan salidas del sistema. Si las seales de entrada y
salida son en tiempo continuo decimos que el sistema es en tiempo continuo, y si las seales
de entrada y salida son en tiempo discreto decimos que el sistema es en tiempo discreto.
Aqu vamos a considerar nicamente el caso en que tenemos una nica entrada, x(t) o x[n],
y una nica salida, y(t) o y[n].
Aunque no existe total unanimidad en la literatura, se suelen denominar como filtros
a los sistemas que diseamos y construimos con un propsito determinado. En este texto
emplearemos el trmino filtro con este propsito, aunque en ocasiones nos refiramos a los
filtros con el nombre genrico de sistemas.
Un sistema queda definido mediante la transformacin T que realiza de la entrada para
obtener la salida
y(t) = T {x(t)} (2.61)
( y[n] = T {x[n]} )
y este apartado est dedicado al estudio de esta transformacin. En un caso general, esta no
es una tarea fcil porque si bien en algunos casos somos capaces de encontrar una expresin
analtica sencilla que relaciona la entrada con las salida del sistema, en otros no, como se
muestra en los dos ejemplos siguientes.
Ejemplo 2.3
Considere el caso de un generador de tensin conectado a una resistencia de valor R ohmios. El
sistema va a consistir en la resistencia, que transforma la tensin que proporciona el generador,
x(t), en la corriente que atraviesa la resistencia, y(t). El sistema queda definido mediante la
ecuacin
1
y(t) = T {x(t)} = x(t)
R
Ejemplo 2.4
Considere una conversacin telefnica entre dos personas. El sistema va a consistir en todos los
elementos que realizan la transmisin en uno de los sentidos, transformando la presin sonora

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.2 S ISTEMAS 25

presente en el micrfono de la primera persona, x(t), en la presin sonora a la salida del auricular
de la segunda persona, y(t). Para encontrar la relacin entre x(t) e y(t) debemos expresar en
primer lugar la relacin entre la presin sonora presente en el micrfono y la tensin en bornas
del micrfono, a continuacin la relacin entre esta tensin y la tensin a la salida del terminal
telefnico, y as hasta el altavoz presente en el auricular de la segunda persona. Con tiempo y
paciencia puede que llegsemos a encontrar la relacin entre x(t) e y(t), pero lo peor es que todos
esos clculos valdran slo para una conversacin especfica entre estas dos personas concretas,
porque un cambio tan simple como es el establecimiento de una nueva llamada entre estas dos
personas trae como consecuencia que la compaa telefnica puede haber cambiado el circuito
que emplea para conectar estos dos abonados, y hay que volver a repetir el clculo.

Este ltimo ejemplo pone de manifiesto que es necesaria una abstraccin de los principios
fsicos que gobiernan el comportamiento del sistema y recurrir, como hemos realizado con
las seales, a un tratamiento sistemtico.
Para ello vamos en primer lugar a establecer una clasificacin de los sistemas para,
posteriormente, centrarnos en el estudio de los sistemas que cumplen dos propiedades: li-
nealidad e invarianza temporal. Siempre que sea posible, abordaremos de forma conjunta el
estudio de los sistemas en tiempo continuo y en tiempo discreto.

2.2.1. Clasificacin de los sistemas

Los sistemas pueden clasificarse en funcin de que cumplan o no determinadas propie-
dades. Las ms importantes son:

Memoria. Se dice que un sistema es sin memoria cuando la salida en un determinado

instante no depende de valores pasados ni futuros de la entrada. Se dice que el sistema tiene
memoria cuando incumple esta propiedad.
Ejemplo 2.5
El sistema definido por la ecuacin
y(t) = x2 (t) (2.62)
es un sistema sin memoria. El sistema definido por la ecuacin

y[n] = x[n 1] (2.63)

es un sistema con memoria

Causalidad. Se dice que un sistema es causal (o no anticipativo) cuando la salida en un

determinado instante no depende de valores futuros de la entrada. Se dice que el sistema es
no causal cuando incumple esta propiedad. Formalmente podemos expresarlo de la siguiente
manera: un sistema es causal si y slo si dadas cualesquiera dos seales de entrada x1 (t)
y x2 (t) que cumplen x1 (t) = x2 (t) t < t0 , sus salidas correspondientes, y1 (t) e y2 (t)
cumplen y1 (t) = y2 (t) t < t0 .
Para sistemas en tiempo discreto la definicin es idntica sin ms que cambiar x1 (t),
x2 (t), t0 , y1 (t) e y2 (t) por, respectivamente, x1 [n], x2 [n], n0 , y1 [n] e y2 [n].

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
26 S EALES Y SISTEMAS

De manera anloga, definimos un sistema como anticausal (o anticipativo) cuando la

salida en un determinado instante no depende de valores pasados de la entrada. Su definicin
formal se obtiene a partir de la de causalidad sin ms que cambiar < por >.
Ejemplo 2.6
El sistema definido por (2.62) es causal y anticausal al mismo tiempo. El sistema definido por
(2.63) es causal y no anticausal. El sistema definido por la ecuacin

y[n] = nx[n + 1] (2.64)

es anticausal y no es causal. El sistema definido por la ecuacin

Z t+1
y(t) = x( ) d (2.65)

no es ni causal ni anticausal.

Un aspecto importante relacionado con la causalidad, es que cuando la variable indepen-

diente de las seales es el tiempo, todos los sistemas fsicamente realizables son causales.

Invertibilidad. Se dice que un sistema es invertible cuando siempre es posible recuperar

la entrada al sistema conociendo la salida. Formalmente: un sistema es invertible si y slo
si dadas cualesquiera dos seales de entrada x1 (t) y x2 (t) distintas en al menos un punto,
sus salidas correspondientes y1 (t) e y2 (t) son distintas en al menos un punto. La definicin
para sistemas en tiempo discreto es anloga.
Ejemplo 2.7
El sistema definido por la Ecuacin (2.63) es invertible, y el sistema que obtiene la entrada en
funcin de la salida queda definido por la ecuacin

x[n] = y[n + 1]

El sistema definido por la Ecuacin (2.62) no es invertible porque no se puede recuperar el signo
de la seal de entrada.

Estabilidad. Aunque existen diversos criterios de estabilidad, el ms utilizado en el estu-

dio de sistemas es el denominado entrada acotada, salida acotada (Bounded Input Boun-
ded Output , BIBO). Este criterio establece que un sistema es estable si para cualquier
entrada acotada la salida est acotada. Formalmente: si la seal de entrada al sistema, x(t),
cumple |x(t)| < A para un valor de A finito, el sistema es estable BIBO si y slo si existe
un valor real finito B tal que |y(t)| < B. La definicin para sistemas en tiempo discreto es
anloga. Cuando un sistema no es estable se dice que es inestable.
Ejemplo 2.8
El sistema definido por la Ecuacin (2.62) es estable BIBO y un valor de B para el que se
cumple la definicin es A2 . El sistema definido por la Ecuacin (2.65) no es estable BIBO como
demostramos fcilmente haciendo que la entrada sea x(t) = 1.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.2 S ISTEMAS 27

Linealidad. Un sistema es lineal si cumple las propiedades de aditividad y homogeneidad.

Formalmente: un sistema es lineal si y slo si dadas cualesquiera dos seales de entrada
x1 (t) y x2 (t) cuyas salidas respectivas son y1 (t) e y2 (t), cuando presentamos a la entrada
del sistema la seal z(t) = x1 (t) + x2 (t), con y escalares de valor arbitrario, la
salida del sistema es T {x1 (t) + x2 (t)} = y1 (t) + y2 (t). La definicin para sistemas
en tiempo discreto es anloga.

Ejemplo 2.9
El sistema definido por la Ecuacin (2.63) es lineal, como podemos comprobar fcilmente ha-
ciendo T {x1 [n] + x2 [n]} = x1 [n 1] + x2 [n 1] = y1 [n] + y2 [n].

El sistema definido por la Ecuacin (2.62) no es lineal, ya que existe algn valor de t y/o al-
gn par de funciones x(t) e y(t) para los que T {x1 (t) + x2 (t)} = 2 x21 (t) + 2 x22 (t) +
2x1 (t)x2 (t) 6= y1 (t) + y2 (t).

Invarianza. Un sistema es invariante, o mejor invariante en el tiempo, si el comportamien-

to del sistema no depende del instante en que se le aplique la excitacin. Formalmente: un
sistema es invariante si y slo si dada una entrada x(t) y su salida correspondiente y(t), se
cumple que T {x(t t0 )} = y(t t0 ) para cualquier valor de t0 . La definicin para sistemas
en tiempo discreto es anloga. Cuando un sistema no es invariante se dice que es variante o
variante en el tiempo.

Ejemplo 2.10
El sistema definido por la Ecuacin (2.62) es invariante ya que T {x(t t0 )} = x2 (t t0 ) =
y(t t0 ). El sistema definido por la Ecuacin (2.64) es variante ya que existe algn valor de
n y/o alguna funcin x[t] para los que T {x[n n0 ]} = nx[n n0 + 1] 6= y[n n0 ] =
(n n0 )x[n n0 + 1].

2.2.2. Sistemas lineales e invariantes

Un tipo de sistemas de particular inters son aquellos que cumplen las dos ltimas pro-
piedades de las mencionadas anteriormente: linealidad e invarianza. Estos sistemas, inde-
pendientemente de su complejidad, quedan representados mediante una seal, la respuesta
del sistema a la seal impulso; adems, la respuesta del sistema ante cualquier otra entrada
puede obtenerse mediante una operacin, denominada convolucin, entre la seal de entrada
y la respuesta al impulso del sistema.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
28 S EALES Y SISTEMAS

Sistemas lineales e invariantes en tiempo discreto

En un sistema lineal e invariante L{}, la salida puede expresarse, aplicando la propiedad

de linealidad, como

y[n] = L{x[n]}
( )
X
= L x[k] [n k]
k=

X
= x[k] L{[n k]}
k=
X
= x[k] hk [n] (2.66)
k=

donde

hk [n] = L{[n k]} (2.67)

Aplicando ahora la propiedad de invarianza, tenemos que hk [n] = h0 [n k], que,

sustituido en (2.66), nos permite expresar la salida del sistema como

X
y[n] = x[k] hk [n]
k=
X
= x[k] h0 [n k]
k=
X
= x[k] h[n k] (2.68)
k=

donde h[n] = L{[n]} es la seal denominada respuesta al impulso del sistema lineal e
invariante, L{}. La respuesta al impulso permite caracterizar el comportamiento del sistema
ante cualquier entrada, calculando la salida mediante (2.68), operacin que denominamos
convolucin y denotamos con el smbolo de la forma

X
x[n] h[n] = x[k] h[n k] (2.69)
k=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.2 S ISTEMAS 29

Sistemas lineales e invariantes en tiempo continuo

De manera anloga al caso en tiempo discreto, en un sistema lineal e invariante en tiempo
continuo L{}, la salida puede expresarse, aplicando la propiedad de linealidad, como

y(t) = L{x(t)}
(Z )

= L x( ) (t ) d

Z
= x( ) L{(t )} d
Z

= x( ) h (t) d (2.70)

donde
h (t) = L{(t )} (2.71)
Aplicando la propiedad de invarianza, tenemos que h (t) = h0 (t ), que, sustituido
en (2.70), nos permite expresar la salida del sistema como
Z
y(t) = x( ) h (t) d
Z
= x( ) h0 (t ) d

Z
= x( ) h(t ) d (2.72)

donde h(t) = L{(t)} es la seal denominada respuesta al impulso del sistema lineal e inva-
riante, L{}. Como en el caso en tiempo discreto, la salida del sistema se calcula mediante la
convolucin de la seal de entrada con la respuesta al impulso, definindose la convolucin
para tiempo continuo como
Z
x(t) h(t) = x( ) h(t ) d (2.73)

Propiedades de la operacin de convolucin

Aunque la convolucin es la operacin que nos permite calcular la salida de un sistema
lineal e invariante, podemos considerarla en s misma como una operacin que, a partir de
dos seales, ofrece como resultado otra seal. Independientemente de que se trate de su ver-
sin para tiempo discreto o tiempo continuo, esta operacin tiene las siguientes propiedades:

Conmutativa. Considerando dos seales x e y (suprimimos los parntesis o corchetes para

tratar de forma simultnea los casos discreto y continuo), se cumple

xy =yx

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
30 S EALES Y SISTEMAS

Asociativa. Considerando tres seales x, y y z, se cumple

x {y z} = {x y} z

Elemento neutro. El elemento neutro de la convolucin es la seal delta. Considerando la

seal x, se cumple
x =x=x

Elemento inverso. Aunque no existe siempre, el elemento inverso de una seal x respecto
a la convolucin es la seal xi que cumple
x xi = xi x =

Propiedades de los sistemas lineales e invariantes

Supuesto que un sistema cumple las propiedades de linealidad e invarianza, repasemos
ahora las cuatro restantes propiedades o criterios de clasificacin que utilizbamos en el
Apartado 2.2.1. Las demostraciones se proponen como ejercicio. Las formularemos nica-
mente para el caso discreto, siendo su definicin anloga para el caso continuo.

Memoria. Un sistema lineal e invariante (en lo sucesivo, al referirnos genricamente a un

sistema, supondremos que cumple las propiedades de linealidad e invarianza) es sin memoria
si y slo si su respuesta al impulso h[n] toma la forma
h[n] = K[n] (2.74)
donde K es una constante, en general compleja.

Causalidad. Un sistema es causal si y slo si su respuesta al impulso h[n] cumple

h[n] = 0 n < 0 (2.75)
De manera anloga, un sistema es anticausal si y slo si su respuesta al impulso h[n] cumple
h[n] = 0 n > 0 (2.76)

Invertibilidad. Un sistema es invertible si y slo si existe la inversa respecto a la convo-

lucin de su respuesta al impulso, h[n]. Esto es, si existe un hi [n] que cumple
hi [n] h[n] = [n] (2.77)
Siendo hi [n] la respuesta al impulso de su sistema inverso.

Estabilidad. Un sistema es estable BIBO si y slo si su respuesta al impulso, h[n], cumple

X
|h[n]| < (2.78)
n=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 31

2.3. R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANS -

FORMADAS

En muchas ocasiones no es fcil (e incluso no es posible) describir el comportamiento

de las seales en funcin de su variacin temporal, o el comportamiento de un sistema lineal
e invariante a partir de los valores que toma su respuesta al impulso. Una representacin
alternativa y complementaria de las seales y los sistemas que puede ayudarnos en esta
labor es la proporcionada por lo que denominamos genricamente como transformadas.
En este apartado vamos a estudiar su uso, comenzando por justificar el uso de las trans-
formadas de ncleo exponencial para, posteriormente, describir y analizar la Transformada
de Fourier tanto para tiempo continuo como para secuencias, la Transformada Z, la Trans-
formada Discreta de Fourier; finalizando con la representacin de las seales que denomi-
naremos como paso banda haciendo uso de otra transformada, la de Hilbert.

2.3.1. Respuesta de los sistemas lineales e invariantes a las exponen-

ciales complejas
Si un sistema lineal e invariante con respuesta al impulso h(t) se excita con una expo-
nencial compleja, x(t) = est , a la salida obtenemos
Z
y(t) = h( ) x(t ) d
Z

= h( ) es(t ) d

Z
= est h( ) es d

= est H(s) (2.79)

que no es sino la misma seal de entrada multiplicada por el escalar H(s). En anlisis
matemtico, cuando un operador ofrece como resultado ante una funcin la misma funcin
multiplicada por un escalar decimos que esa funcin es una autofuncin del operador y
el escalar es el autovalor asociado a dicha autofuncin. As, las exponenciales complejas
son autofunciones de todos los sistemas lineales e invariantes. Para cada valor distinto del
parmetro s obtenemos distintas autofunciones, cada una de ellas con su correspondiente
autovalor asociado, H(s).
Si consideramos dos sistemas lineales e invariantes distintos, con respuestas al impulso
h1 (t) y h2 (t), ambos tienen al conjunto de las exponenciales complejas como autofunciones
(como el resto de los sistemas lineales e invariantes), pero los autovalores asociados, H1 (s)
y H2 (s) son distintos. Podemos, pues, pensar en representar cada sistema lineal e invariante
mediante el conjunto de los autovalores asociados a las exponenciales complejas. Dicho
conjunto, teniendo en cuenta que el parmetro s puede tomar cualquier valor dentro del
plano complejo, podemos considerarlo como una funcin compleja sobre el plano complejo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
32 S EALES Y SISTEMAS

Esta funcin, H(s), recibe el nombre de funcin de transferencia en el dominio s o de

Laplace.
La funcin de transferencia H(s) queda determinada de manera unvoca a partir de la
respuesta al impulso del sistema, h(t), mediante la ecuacin
Z
H(s) = h(t) est dt (2.80)

extrada de (2.79). Esto significa que tanto H(s) como h(t) contienen la misma informacin
sobre el sistema, existiendo adems una frmula que nos permite recuperar h(t) a partir de
H(s) de manera unvoca. Esta frmula es
Z +j
1
h(t) = H(s) est ds (2.81)
2j j
donde es cualquier valor para el que la integral (2.80) es convergente cuando s = + j.
Analicemos brevemente lo que hemos conseguido hasta ahora. Un sistema lineal e in-
variante queda unvocamente determinado mediante una seal, su respuesta al impulso, y a
partir de esta seal obtenemos otra representacin del sistema que consiste en una funcin
sobre el plano complejo. La pregunta que cabe realizar ahora es la siguiente: si la funcin
sobre el plano complejo (la funcin de transferencia en el dominio de Laplace) la hemos
obtenido a partir de una seal, qu nos impide aplicar esta misma operacin, (2.80), a cual-
quier seal, sea o no respuesta al impulso de un sistema lineal e invariante?. La respuesta es
muy simple: no hay ninguna razn que lo impida, pero, para qu?. Vamos a verlo.
La Transformada de Laplace para una seal en tiempo continuo x(t) se define como2
Z
.
X(s) = x(t) est dt (2.82)

siendo s la variable independiente en el dominio transformado de Laplace, de naturaleza

compleja, cuyas partes real e imaginaria denotamos, respectivamente, como y (s =
+ j). La Ecuacin (2.82) tambin se conoce como ecuacin de anlisis de la Transfor-
mada de Laplace. En general nos referimos a X(s) como la Transformada de Laplace de
la seal x(t) pero, como hemos visto anteriormente, en el caso en que la seal a la que
calculamos la transformada sea la respuesta al impulso de un sistema, el resultado de la
transformada recibe el nombre de funcin de transferencia . La Transformada Inversa de La-
place (o ecuacin de sntesis de la Transformada de Laplace) se obtiene a partir de (2.82) y
es Z +j
1
x(t) = X(s) est ds (2.83)
2j j
2
En parte de la literatura esta definicin de la Transformada de Laplace se conoce como bilateral, en
contraposicin a la Transformada de Laplace denominada unilateral, definida como
Z
.
X(s) = x(t) est dt
0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 33

tomando cualquier valor para el que la integral (2.82) es convergente.

Hasta aqu la definicin. Veamos ahora qu sucede al calcular la Transformada de La-
place de la salida de un sistema lineal e invariante, y(t),
Z
Y (s) = y(t) est dt
Z
= ( x(t) h(t) ) est dt

Z Z
= x( ) h(t ) d est dt
Z

Z
= x( ) h(t ) est dt d

Z Z

= x( ) h(t ) es(t + ) dt d
Z

Z
s
= x( ) e h(t ) est dt d
Z

= x( ) es H(s) d

Z
= H(s) x( ) es d

= H(s)X(s) (2.84)
Este resultado, conocido como propiedad de convolucin, nos dice que la Transformada de
Laplace transforma una operacin con seales poco intuitiva como la convolucin (en el
sentido que es difcil predecir a simple vista cmo ser el resultado de la convolucin de dos
seales) en una ms sencilla como el producto. Conociendo la funcin de transferencia de
un sistema podemos predecir fcilmente cmo se comportar ante una entrada determinada.

En tiempo discreto realizamos un desarrollo anlogo, introduciendo una exponencial

compleja, x[n] = z n , en un sistema lineal e invariante con respuesta al impulso h[n]

X
y[n] = h[k] x[n k]
k=
X
= h[k] z nk
k=

X
n
= z h[k] z k
k=
= z n H(z) (2.85)
donde H(z) es una funcin compleja sobre el plano complejo z que denominamos funcin
de transferencia en el dominio Z .

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
34 S EALES Y SISTEMAS

Para una seal genrica en tiempo discreto x[n] definimos su Transformada Z como3

. X
X(z) = x[n]z n (2.86)
n=

siendo z la variable independiente en el dominio transformado Z, de naturaleza compleja,

cuyos mdulo y fase denotamos, respectivamente, como r y (z = r ej ). La Transformada
Z Inversa (o ecuacin de sntesis de la Transformada Z) se obtiene a partir de (2.86) y es
I
1
x[n] = X(z) z n1 dz (2.87)
2j
H
donde denota la integracin a lo largo de un contorno circular de radio r y centrado en el
origen, en el sentido contrario a las agujas del reloj, siendo r cualquier valor para el que el
sumatorio (2.86) es convergente.
La Transformada Z tambin posee la propiedad de convolucin; esto es, la salida de un
sistema lineal e invariante, y[n], puede expresarse en el dominio z como

Y (z) = X(z)H(z) (2.88)

siendo X(z) la Transformada Z de la seal de entrada y H(z) la funcin de transferencia

del sistema. La demostracin de esta propiedad, similar a (2.84), se deja como ejercicio para
el lector.
Como regla general que emplearemos a lo largo del texto, cuando hablemos de una
seal en el dominio natural o temporal nos referiremos a su expresin cuando la variable
independiente es el tiempo, x(t) o x[n], segn corresponda. Tambin nos referiremos a x(t)
o x[n] como forma de onda. Cuando hablemos de una seal en el dominio transformado
nos referiremos a su expresin cuando la variable independiente es s, z u (que veremos a
continuacin), segn el contexto. Cuando hablemos de una seal sin ms nos referimos a la
propia seal independientemente de la naturaleza de su variable independiente.

2.3.2. Transformada de Fourier para seales y sistemas en tiempo

continuo
La interpretacin y manipulacin de las transformadas de Laplace y Z resulta engorrosa
en la mayora de los casos por tratarse de funciones complejas sobre el plano complejo. Dado
que estas funciones se obtiene a partir de otra, x(t) o x[n], cuya variable independiente es de
naturaleza real (tiempo continuo) o entera (tiempo discreto), podemos decir que la expresin
de una seal en los dominios de Laplace o Z es redundante. En otras palabras, si en el
3
En parte de la literatura esta definicin de la Transformada Z se conoce como bilateral, en contraposicin
a la Transformada Z denominada unilateral, definida como

. X
X(z) = x[n]z n
n=0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 35

dominio natural nos basta con una variable independiente real o entera para representar toda
la seal, en el dominio transformado no nos hace falta una variable independiente compleja
para realizar el mismo cometido.
Para seales en tiempo continuo podemos particularizar la Transformada de Laplace en
cualquier recta en el plano y obtener as una reduccin de la dimensionalidad de la variable
independiente de compleja a real. Si la particularizamos en la recta imaginaria, s = j,
obtenemos la Transformada de Fourier en tiempo continuo, que definimos para una seal
x(t) como  Z
. 
X(j) = X(s)  = x(t) ejt dt (2.89)
s=j

y es una funcin compleja de la variable real . A la variable se le da el nombre de

frecuencia. Por extensin del nombre que recibe en anlisis funcional la descomposicin
de operadores en funcin de sus autovectores y autovalores, descomposicin espectral, a
X(j) se le suele denominar espectro de x(t) o representacin espectral de x(t).
La transformada inversa (o ecuacin de sntesis de la transformada) se obtiene particu-
larizando (2.83) para = 0,
Z
1
x(t) = X(j) ejt d (2.90)
2
Si la seal sobre la que aplicamos la Transformada de Fourier es la respuesta al impulso
de un sistema lineal e invariante, h(t), el resultado H(j) es la funcin de transferencia
en dominio de Fourier, tambin denominada funcin de trasferencia en el dominio de la
frecuencia o respuesta en frecuencia del sistema.
Se dice que existe la Transformada de Fourier de una seal x(t) si la integral (2.89) es
convergente para todo valor de . Lamentablemente, no existe ninguna condicin necesaria
y suficiente que garantice su existencia; esto es, no existe ninguna propiedad tal que si
la seal la cumple existe su transformada, y si no la cumple no existe su transformada.
Somos capaces, eso s, de encontrar muchas condiciones suficientes (que nos aseguran la
existencia de la transformada) como, por ejemplo, que la seal sea de energa finita o que
sea absolutamente integrable.
La condicin de existencia limita en gran medida la aplicacin de la Transformada de
Fourier, ya que seales tan comunes como las de amplitud constante o las sinusoides no
poseen transformada. Si relajamos el criterio de existencia y permitimos que para un valor
de frecuencia la integral diverja (esto es, permitimos la existencia de funciones delta en el
dominio transformado) obtenemos lo que se conoce como Transformada de Fourier Gene-
ralizada, que nos permite obtener una representacin en el dominio transformado de seales
como las sinusoides complejas, las seales peridicas, la funcin escaln o las seales de
amplitud constante. Salvo indicacin en contrario, de ahora en adelante, cuando nos refira-
mos a la Transformada de Fourier entenderemos que se trata de la Transformada de Fourier
Generalizada.

La definicin de la Transformada de Fourier por s misma no nos dice gran cosa si no

somos capaces de relacionar de forma intuitiva su forma de onda con su representacin

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
36 S EALES Y SISTEMAS

TF TF
(t) 1 1 2 ()
TF TF
(t t0 ) ejt0 ej0 t 2 ( 0 )
1 TF TF 1
2ju() j u(t) + ()
t  j
TF

TF
sinc(t) (t) sinc
2 2
at TF 1 at TF 1
e u(t) te u(t)
Re{a}>0 a + j Re{a}>0 (a + j)2

X  
2 X
TF 2k
(t kT )
T T
k= k=

X
X  
j 2k t TF 2k
ak e T 2 ak
T
k= k=

Cuadro 2.1. Pares transformados bsicos.

espectral. En el Cuadro 2.1 podemos encontrar las transformadas de algunas funciones ele-
mentales pero, adicionalmente, conviene realizar los siguientes comentarios:

La transformada de una seal real es, en general, una funcin compleja. Vase como
ejemplo la transformada de una delta desplazada del origen de tiempos.

Si la amplitud de la forma de onda vara lentamente, el mdulo de su transformada

tomar valores mayores para frecuencias cercanas a 0. Un caso extremo lo constitu-
yen las seales de amplitud constante cuya transformada toma valor distinto de cero
nicamente en la frecuencia 0.

Si la amplitud de la forma de onda vara rpidamente, el mdulo de su transformada

tomar valores grandes para frecuencias lejanas de 0. La transformada de una sinusoi-
de compleja es una funcin delta situada a la frecuencia de la sinusoide; si mayor es
la frecuencia de la sinusoide, ms rpidamente variar su amplitud y la funcin delta
estar situada a frecuencia ms alta.

El valor de la amplitud de la forma de onda en un instante determinado influye en

todas las frecuencias y, anlogamente, el valor de la transformada en una frecuencia
determinada influye en la amplitud de la forma de onda en todos los instantes. Como
ejemplo, podemos comprobar cmo la transformada de una funcin que toma valor
distinto de cero slo en un punto, la funcin delta, tiene componentes espectrales en

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 37

todas las frecuencias, o cmo la transformada inversa de una funcin delta toma valor
no nulo en todos los instantes de tiempo.

En funcin de los valores que toma X(j) (o H(j)) se establecen las siguientes defi-
niciones sobre seales (o sistemas):

Si X(j) (o H(j)) toma valor distinto de cero nicamente en un intervalo de longi-

tud finita de frecuencia, se dice que la seal (o sistema) es de banda limitada. En caso
contrario, se dice que es de banda ilimitada.

Si X(j) = 0 (o H(j) = 0) para || > 0 se dice que la seal (o sistema) es paso

bajo con frecuencia de corte 0 (equivalentemente, se dice que es paso bajo con ancho
de banda 0 ).

Si X(j) = 0 (o H(j) = 0) para 1 > || > 2 (1 < 2 ) se dice que la seal

(o sistema) es paso banda con frecuencia de corte inferior 1 , frecuencia de corte
superior 2 y ancho de banda 2 1 .

Si X(j) = 0 (o H(j) = 0) para 1 > || > 2 (1 > 2 ) se dice que la

seal (o sistema) es de banda eliminada, con frecuencia de corte inferior de la banda
eliminada 2 , frecuencia de corte superior de la banda eliminada 1 y ancho de la
banda eliminada 1 2 .

Si X(j) = 0 (o H(j) = 0) para 0 > || se dice que la seal (o sistema) es

paso alto con frecuencia de corte 0 . Ntese que ni las seales (o sistemas) de banda
eliminada ni paso alto son de banda limitada.

Propiedades de la Transformada de Fourier en tiempo continuo

A continuacin enunciaremos las propiedades ms importantes de la Transformada de
Fourier en tiempo continuo, haciendo mayor hincapi en las implicaciones en el estudio de
seales y sistemas de cada propiedad que en su demostracin matemtica.
Para evitar su continua repeticin, en cada una de las propiedades emplearemos la si-
guiente notacin

TF
x(t) X(j)
TF
y(t) Y (j)

Linealidad.
TF
x(t) + y(t) X(j) + Y (j) (2.91)
Supone la proporcionalidad entre las amplitudes en los dominios natural y transformado y
la conservacin de propiedades tales como la distributividad respecto a la suma. La demos-
tracin se obtiene fcilmente a partir de la definicin de la transformada.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
38 S EALES Y SISTEMAS

Propiedad de convolucin.
TF
x(t) y(t) X(j)Y (j) (2.92)

Las implicaciones de esta propiedad son las ya discutidas para la Transformada de Laplace:
si Y (j) es la funcin de transferencia de un sistema lineal e invariante, la salida del sistema
en el dominio de la frecuencia es el producto de la entrada por la funcin de transferencia. Su
demostracin se obtiene particularizando la propiedad de convolucin de la Transformada
de Laplace, (2.84).

Desplazamiento temporal.
TF
x(t t0 ) ejt0 X(j) (2.93)

Un desplazamiento temporal de la seal no afecta al mdulo de la transformada. Afecta slo

a la fase, sumando un trmino de valor t0 . La propiedad se demuestra de forma directa
aplicando (2.89) a x(t t0 ).

Derivacin.
d x(t) T F
jX(j) (2.94)
dt
Una derivacin en el tiempo supone una atenuacin en frecuencias bajas (cercanas a cero)
y un realce en frecuencias altas. Podemos incluso considerar el derivador como un sistema
lineal e invariante cuya funcin de transferencia es H(j) = j. La demostracin de la
propiedad se realiza tomando la derivada de (2.90).

Integracin. Z t
TF X(j)
x( ) d + X(j0)() (2.95)
jw
Es la propiedad contraria a la derivacin. Ntese el trmino X(j0)() que aparece
R cuando
el valor de la transformada a frecuencia cero, que se corresponde con la integral x(t) dt,
es distinto de cero.

Cambio de escala.  
TF 1 j
x(at) X (2.96)
|a| a
siendo a un valor real. Si comprimimos una seal en el tiempo (a > 1), expandimos su
espectro, y viceversa. Esto indica que hay un compromiso duracin-ancho de banda, que no
es sino una manifestacin del Principio de Incertidumbre. Basado en esta propiedad puede
comprobarse que si una seal es de duracin temporal finita, su ancho de banda es infinito
y, contrariamente, si una seal tiene ancho de banda finito, su forma de onda tiene duracin
infinita.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 39

Dualidad.
TF
X(jt) 2x() (2.97)

Esta propiedad nos dice que ambos dominios son (salvo factores de escala e inversiones de
la variable independiente), intercambiables. Compruebe en los ejemplos de transformadas
de el Cuadro 2.1 cmo algunos de los pares son duales de otros. La demostracin de esta
propiedad se realiza cambiando t por en (2.90).

Producto.
TF 1
x(t)y(t) X(j) Y (j) (2.98)
2
La aplicacin de esta propiedad al estudio de sistemas no lineales sin memoria (interpretando
y(t) como T {x(t)}/x(t) y calculando su Transformada de Fourier) nos ayuda a compren-
der el tipo de transformacin que realizan en el dominio de la frecuencia sobre una seal
dada. Tambin nos ayuda a comprender el efecto que supone la observacin de una seal
durante un tiempo limitado (interpretando y(t) como una seal de valor 1 en el intervalo de
observacin y 0 fuera de este). Esta propiedad se obtiene de la aplicacin de la propiedad de
dualidad a la propiedad de convolucin.

Modulacin.
TF
ej0 t x(t) X(j( 0 )) (2.99)

Esta propiedad es fundamental en comunicaciones por ser la base de las modulaciones li-
neales. Nos dice que multiplicar una seal por una sinusoide compleja implica un despla-
zamiento en frecuencia de valor el de la sinusoide. Se obtiene como caso particular de la
propiedad del producto.

Derivacin en frecuencia.
TF d X(j)
jt x(t) (2.100)
d
Puede obtenerse como caso particular de la propiedad del producto o bien aplicando la
propiedad de dualidad a la propiedad de derivacin en el tiempo.

Simetra.
TF
x(t) X(j) (2.101)

La aplicacin de esta propiedad a seales pares e impares (o a las partes par e impar de
una seal) nos dice que si una seal es par (x(t) = x(t)), su transformada tambin lo
es (X(j) = X(j)), y que si una seal es impar (x(t) = x(t)), su transformada
tambin lo es (X(j) = X(j)). Se obtiene cambiando t por t en (2.89).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
40 S EALES Y SISTEMAS

Conjugacin.
TF
x (t) X (j) (2.102)
La aplicacin de esta propiedad a seales reales e imaginarias puras (o a las partes real e
imaginaria de una seal) nos dice que si una seal es real (x(t) = x (t)), su transformada es
hermtica (X(j) = X (j)), y que si una seal es imaginaria pura (x(t) = x (t)),
su transformada es antihermtica (X(j) = X (j)). Tambin nos dice que la parte real
de una seal compleja se transforma en la parte hermtica de la transformada, y que la parte
imaginaria de una seal compleja se transforma en la parte antihermtica de la transformada.
Combinando esta propiedad con la anterior podemos establecer aseveraciones como: la
transformada de una seal real y par es real y par, o la transformada de una seal real e impar
es imaginaria pura e impar. Se obtiene aplicando (2.89) a x (t).

Conservacin del producto escalar o Relacin de Parseval.

Z Z
1
x(t)y (t) dt = X(j)Y (j) d (2.103)
2

Se demuestra a partir de la propiedad de conservacin del producto escalar en el espacio

vectorial de seales de energa finita.

Conservacin de la energa o Teorema de Rayleigh.

Z Z
2 1
|x(t)| dt = |X(j)|2 d (2.104)
2

se obtiene como caso particular de la Relacin de Parseval y generalmente es confundido

con esta. Esta propiedad permite interpretar el mdulo al cuadrado de la Transformada de
Fourier, |X(j)|2 , como una densidad de energa: la parte izquierda de la igualdad (2.104)
es la medida de la energa de x(t) y, por tanto, la parte derecha de la igualdad tambin lo es;
si la energa se obtiene mediante integracin de una funcin, esa funcin puede interpretarse
como densidad de energa. Como la variable independiente de esa funcin es la frecuencia,
|X(j)|2 se denomina densidad espectral de energa .
Podemos comprobar adems que la densidad espectral de energa es la Transformada de
Fourier de la funcin de ambigedad temporal definida en (2.57).

Todas estas propiedades se encuentran enumeradas en el Cuadro 2.2.

Transformada de Fourier de seales peridicas

Un caso especial en la representacin espectral de las seales en tiempo continuo lo
constituyen las seales peridicas. Salvo para el caso trivial de una seal idnticamente
nula (que puede ser considerada como peridica con el periodo que se desee), la aplicacin
directa de la ecuacin de anlisis de la Transformada de Fourier, (2.89), sobre una seal
peridica da como resultado una integral divergente.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 41

TF
Linealidad x(t) + y(t) X(j) + Y (j)
TF
Convolucin x(t) y(t) X(j)Y (j)
TF
Desplazamiento temporal x(t t0 ) ejt0 X(j)
d x(t) T F
Derivacin dt jX(j)
Rt T F X(j)
Integracin x( ) d jw + X(j0)()
 
TF 1
Cambio de escala x(at) |a| X j
a
TF
Dualidad X(jt) 2x()
TF 1
Producto x(t)y(t) 2 X(j) Y (j)
TF
Modulacin ej0 t x(t) X(j( 0 ))
TF d X(j)
Derivacin en frecuencia jt x(t) d
TF
Simetra x(t) X(j)
TF
Conjugacin x (t) X (j)
R (t) dt = 1
R
Relacin de Parseval x(t)y 2 X(j)Y (j) d
R 2 1
R 2
Teorema de Rayleigh |x(t)| dt = 2 |X(j)| d

Cuadro 2.2. Propiedades de la Transformada de Fourier en tiempo continuo.

Para solventar este problema recurrimos al Desarrollo en Serie de Fourier para seales
en tiempo continuo, que nos permite representar una seal peridica como combinacin
lineal de sinusoides complejas relacionadas armnicamente. A partir de aqu aplicamos la
transformada sobre cada una de las sinusoides y obtenemos la transformada que estbamos
buscando.
El Desarrollo en Serie de Fourier de una seal x(t) peridica con periodo T se define
mediante el siguiente par de ecuaciones
Z
1 2k
ak = x(t) ej T
t
dt (2.105)
T (T )

X 2k
x(t) = a k ej T
t
(2.106)
k=

denominadas, respectivamente, ecuaciones de anlisis y sntesis del Desarrollo en Serie de

Fourier para tiempo continuo. Los valores ak se denominan coeficiente del Desarrollo en
Serie de Fourier y son, en general, de naturaleza compleja.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
42 S EALES Y SISTEMAS

Aplicando la Transformada de Fourier sobre (2.106) obtenemos

X X  
j 2k t TF 2k
x(t) = ak e T 2 ak (2.107)
T
k= k=

Representacin de seales y sistemas en el dominio de Fourier para tiempo

continuo
La Transformada de Fourier de una seal es, como hemos dicho anteriormente, una
funcin compleja con una variable independiente real. Como tal funcin compleja podemos
representarla en funcin de sus partes real e imaginaria (coordenadas cartesianas) como

X(j) = Re{X(j)} + jIm{X(j)} (2.108)

o en funcin de su mdulo y fase (coordenadas polares) como

X(j) = |X(j)| ejX(j) (2.109)

De estas dos formas alternativas, generalmente se prefiere emplear la representacin en

mdulo y fase. Una de las razones para ello es que la representacin de la salida de un
sistema lineal e invariante en coordenadas polares toma la forma

Y (j) = X(j)H(j) = |X(j)| ejX(j) |H(j)| ejH(j)

= |X(j)| |H(j)| ej(X(j)+H(j)) (2.110)

lo que nos permite analizar separadamente los trminos de mdulo y fase

|Y (j)| = |X(j)| |H(j)| (2.111)

Y (j) = X(j) + H(j) (2.112)

Si intentamos realizar la misma descomposicin en partes real e imaginaria obtenemos

Re{Y (j)} = Re{X(j)} Re{H(j)} Im{X(j)} Im{H(j)} (2.113)

Im{Y (j)} = Re{X(j)} Im{H(j)} + Im{X(j)} Re{H(j)} (2.114)

donde se mezclan la partes real e imaginaria de la seal de entrada y de la funcin de trans-

ferencia del sistema.
Otra de las razones que aconsejan el empleo de la representacin polar es que el cuadra-
do del mdulo de la transformada tiene una interpretacin directa como densidad espectral
de energa de la seal, como vimos al presentar el Teorema de Rayleigh, (2.104).
Al mdulo de la Transformada de Fourier se le suele denominar caracterstica de am-
plitud de la seal (o del sistema, si se trata de una funcin de transferencia) y, a la fase,
caracterstica de fase.
Volviendo a (2.111) y (2.112), un sistema contribuye de forma multiplicativa en la ca-
racterstica de amplitud de la seal y aditivamente en la caracterstica de fase. Comencemos
analizando la contribucin a la caracterstica de fase de un sistema lineal e invariante.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 43

Cuando la caracterstica de fase de un sistema es de la forma

H(j) = t0 (2.115)

siendo t0 una constante real, decimos que el sistema es de fase lineal . La interpretacin en
el dominio natural del efecto que produce un sistema lineal e invariante de fase lineal es
clara si escogemos una caracterstica de amplitud como |H(j)| = 1, porque la salida ser
y(t) = x(t t0 ), como vimos al analizar la propiedad de desplazamiento temporal de la
Transformada de Fourier, (2.93).
La caracterstica de fase lineal es deseable en los sistemas que aparecen en una cade-
na de transmisin, porque implica una coherencia temporal. Para medir las desviaciones
respecto a la caracterstica de fase lineal se emplea el retardo de grupo , definido como

d H(j)
() = (2.116)
d
Si un sistema es de fase lineal, su retardo de grupo es constante e igual a t0 y, segn lo
expuesto anteriormente, podemos decir que la seal tardara t0 segundos en atravesar
el sistema. Si el retardo de grupo no es constante podemos decir que cada componente
frecuencial de una seal, X(j 0 ), tardara un tiempo (0 ) en atravesar el sistema. Si la
seal de entrada al sistema fuese una funcin delta, que tiene concentrada toda su energa
en el instante t = 0, al atravesar un sistema de retardo de grupo no constante se dispersara
la energa porque cada componente frecuencial tarda un tiempo distinto en atravesarlo. Un
ejemplo que puede ayudarnos a comprender la influencia que puede tener la variacin de la
caracterstica de fase de una seal es el siguiente.
Ejemplo 2.11
Sea un sistema cuyas caractersticas de amplitud y fase son
(
/2 >0
|H(j)| = 1 y H(j) = (2.117)
/2 <0

Si tenemos a la entrada del sistema la funcin delta (x(t) = (t)), a la salida tenemos

1
y(t) = h(t) = (2.118)
t
que pone de manifiesto los efectos que puede tener un sistema de fase no lineal sobre la forma de
onda de una seal.

Analicemos ahora la contribucin sobre la caracterstica de amplitud de un sistema lineal

e invariante. En primer lugar, sera conveniente expresar la contribucin del sistema en forma
aditiva (como es la de de la fase) en lugar de multiplicativa, como est expresada en (2.111).
Para lograrlo podemos emplear logaritmos, que transforman sumas en productos. Tomando
el logaritmo en ambos lados de (2.111) obtenemos

log |Y (j)| = log |X(j)| + log |H(j)| (2.119)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
44 S EALES Y SISTEMAS

Dentro de las medidas logartmicas, la ms empleada es 20 log10 que, cuando se aplica a

magnitudes adimensionales como la funcin de transferencia tiene como unidad de medida
el decibelio dB . Aplicndola a (2.119) tenemos

20 log10 |Y (j)| = 20 log10 |X(j)| + 20 log10 |H(j)| (2.120)

y decimos que el sistema tiene una ganancia de 0 dB a una frecuencia determinada si su

caracterstica de amplitud es igual a 1, o que tiene una ganancia de 20 dB (o una atenuacin
de 20 dB) si su caracterstica de amplitud es igual a 0,1. Por ser adimensional, no podemos
decir que la caracterstica de amplitud es x dB a una frecuencia determinada, pero s que
a esa frecuencia la seal es y dB mayor o menor que la caracterstica de amplitud a otra
frecuencia.
Antes de continuar con el anlisis de la caracterstica de magnitud de los sistemas li-
neales e invariantes conviene definir un tipo especial de sistemas que emplearemos como
referencia. Son los filtros ideales . Si en la Pgina 37 nos hemos referido a los sistemas con
limitacin de banda y, dentro de ellos a los sistemas paso bajo, paso alto, paso banda y banda
eliminada, ahora definimos un filtro paso bajo como un sistema paso bajo cuya funcin de
transferencia toma nicamente los valores 0 y 1; es decir, la funcin de transferencia toma
la forma (
1 || < 0
H(j) = (2.121)
0 || > 0
y decimos que 0 es la frecuencia de corte, o que el ancho de banda del filtro es 0 . A las
frecuencias || < 0 se les denomina banda de paso y a las frecuencias || > 0 , banda
eliminada. Los filtros ideales paso alto, paso banda y banda eliminada se definen de la misma
forma. La denominacin de ideales les viene tanto de su comportamiento (ganancia de 0
dB en la banda de paso y de dB en la banda atenuada) como de la imposibilidad de
realizacin (su respuesta al impulso es una funcin no causal y de duracin ilimitada).
Los filtros que fsicamente podemos realizar se aproximan en mayor o menor medida a
los ideales, pero no existe una frecuencia a partir de la cual su caracterstica de magnitud
sea exactamente 0 (atenuacin de dB), aunque s muy pequea. Existen, sin embargo,
diversos criterios que nos permiten establecer una medida de ancho de banda, entendiendo
que no se trata de una limitacin estricta de la banda de paso del sistema. Los ms empleados
son (consideramos los criterios para filtros paso bajo, siendo su extensin al resto de tipos
inmediata):

Ancho de banda 3 dB. Toma como frecuencia de corte la frecuencia ms pequea para la
que el cuadrado de la caracterstica de amplitud est 3 dB por debajo de su valor
mximo. En este y en el resto de criterios se emplean medidas de energa y, dado que
la densidad espectral de energa de la salida es la de la entrada multiplicada por la
caracterstica de amplitud al cuadrado del sistema, todas las medidas estarn referidas
al cuadrado de la caracterstica de amplitud.

Ancho de banda 6 dB. Igual que el anterior, pero con una referencia de 6 dB.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 45

Ancho de banda del p %. Toma como frecuencia de corte aquella en la que se cumple
R 0
|H(j)|2 d p
R

0
= (2.122)
2 100
|H(j)| d

Valores tpicos de p son 90, 95 99.

Ancho de banda equivalente de ruido. La frecuencia de corte se define como

R
|H(j)|2 d
0 = (2.123)
max |H(j)|2

y representa el ancho de un filtro ideal con ganancia max |H(j)|2 en la banda de

paso cuya energa de su respuesta al impulso fuese la del filtro que estamos caracteri-
zando.

Ancho de banda de primer nulo. Si la caracterstica de amplitud toma valor 0 para algu-
na frecuencia, consideramos 0 como la ms pequea (en valor absoluto) de estas
frecuencias.

Por ltimo, para representar grficamente las caractersticas de amplitud y fase de siste-
mas con respuesta impulsional real suelen emplearse los denominados diagramas de Bode ,
que utilizan tambin escala logartmica para la frecuencia, de la forma en que se muestra
en la Figura 2.6. Esta representacin no es posible si el sistema tiene respuesta impulsional

20log |H(j)|
10

0.01 0.1 1 10 100

H(j)
0.01 0 0.1 1 10 100

/4

/2

Figura 2.6. Ejemplo de diagrama de Bode de un sistema.

compleja porque, en ese caso, el comportamiento en frecuencias positivas no define total-

mente al sistema.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
46 S EALES Y SISTEMAS

2.3.3. Transformada de Fourier para seales y sistemas en tiempo

discreto
Si para seales en tiempo continuo obtenamos la Transformada de Fourier como parti-
cularizacin de la Transformada de Laplace en s = j, la obtencin de la Transformada de
Fourier en tiempo discreto Transformada de Fourier para secuencias se realiza particula-
rizando la Transformada Z en la circunferencia de radio unidad, z = ej . Concretamente, la
Transformada de Fourier en tiempo discreto de una seal x[n] se define como

X
. 
X(e ) = X(z)
j
= x[n] ejn (2.124)
z=ej n=

y es una funcin compleja de la variable real .

La transformada inversa (o ecuacin de sntesis de la transformada) se obtiene particu-
larizando (2.87) para r = 1,
Z
1
x[n] = X(ej ) ejn d (2.125)
2 2

Las transformadas de Fourier en tiempo continuo y tiempo discreto son en realidad dos
formas distintas de la misma transformada; una de ellas para seales con variable inde-
pendiente continua y la otra para seales con variable independiente discreta4 . Dada esta
igualdad, nos limitaremos principalmente en este apartado a ir sealando las diferencias que
existan entre ambas transformadas.
La primera de ellas es la periodicidad de la Transformada de Fourier en tiempo discreto.
Las expresiones ej0 n y ej(0 +2k)n con k un nmero entero cualquiera son, como discu-
timos en la Pgina 18, expresiones distintas de la misma secuencia y, por tanto, el valor de
la transformada a una frecuencia 0 ser igual al de la frecuencia 0 + 2k. Esto implica
que la Transformada de Fourier de cualquier secuencia sea siempre una funcin peridica
de periodo 2.
Se dice que existe la Transformada de Fourier de una seal x[n] si el sumatorio (2.124)
es convergente para todo valor de . Al igual que en tiempo continuo, no existe ninguna
condicin necesaria y suficiente que garantice su existencia aunque s encontramos mu-
chas condiciones suficientes como, por ejemplo, que la seal sea de energa finita o que
sea absolutamente sumable. En tiempo discreto tambin vamos a permitir la existencia de
funciones delta en el dominio transformado y, salvo indicacin en contrario, cuando ha-
blemos de Transformada de Fourier estaremos refirindonos a la Transformada de Fourier
Generalizada.

En el Cuadro 2.3 podemos encontrar las transformadas de algunas funciones elemen-

tales. Podemos comprobar que todas las transformadas que aparecen en el cuadro son fun-
ciones peridicas de periodo 2. Ntese tambin cmo cambia el sentido de frecuencias
4
Esto no sucede con las transformadas de las que derivan cada una de ellas, Laplace y Z, que son per se
transformadas distintas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 47

altas de tiempo continuo a tiempo discreto, porque en este ltimo caso una frecuencia 2 es
equivalente a frecuencia 0, y la frecuencia ms alta que tenemos en tiempo discreto es :
lo ms rpido que podemos hacer cambiar la amplitud de una secuencia consiste en alternar
su signo de muestra a muestra.

TF
X
[n] 1 TF
1 2 ( 2k)
TF
[n n0 ] ejn0 k=
X  
X
TF 2k TF
a sinc[an] ej0 n 2 ( 0 2k)
0<a<1 2a k=
k=

X
TF 1
u[n] + ( 2k)
1 ej
k=
TF 1
an u[n]
|a|<1 1 aej
TF 1
(n + 1)an u[n] j )2
|a|<1 (1 ae
X X  
T F 2 2
[n kN ] k
N N
k= k=
X X  
jk(2/N )n T F 2
ak e 2 ak k
N
nhN i k=

Cuadro 2.3. Pares transformados bsicos.

Por lo dems, las definiciones realizadas sobre limitacin de banda para seales y sis-
temas en tiempo continuo y las discusiones sobre la forma ms adecuada de representar
seales y sistemas en el dominio transformado, siguen siendo vlidas para tiempo discreto.

Propiedades de la Transformada de Fourier en tiempo discreto

Antes de entrar a detallar las propiedades de la Transformada de Fourier en tiempo

discreto, conviene recordar las propiedades que existan para tiempo continuo y no existen
para tiempo discreto y las nuevas propiedades que aparecen en tiempo discreto.
La propiedad ms importante que se pierde es la propiedad de dualidad, porque ahora
la naturaleza de la variable independiente en el dominio natural es discreta y en dominio
transformado, continua. Adems de esta, las propiedades de derivacin e integracin son
sustituidas por sus equivalentes en tiempo discreto: diferenciacin y acumulacin. La pro-

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
48 S EALES Y SISTEMAS

piedad de cambio de escala tambin desaparece como tal porque una operacin de escalado
en tiempo discreto puede implicar hasta cuatro operaciones: muestreo, supresin de ceros,
reinsercin de ceros y reconstruccin de valores. La razn es que los procesos de escalado
de la variable independiente en tiempo discreto implican, adems del propio escalado, pr-
dida o necesidad de informacin. De estas cuatro operaciones, dos sern tratadas aqu como
propiedades (insercin y supresin de ceros), y las otras dos (muestreo y reconstruccin)
merecen una atencin especfica y sern tratadas en el Apartado 2.4.
Veamos ahora las restantes, comentando nicamente sus diferencias respecto a sus equi-
valentes en tiempo continuo. Para evitar su continua repeticin, en cada una de las propie-
dades emplearemos la siguiente notacin

TF
x[n] X(ej )
TF
y[n] Y (ej )

Linealidad.
TF
x[n] + y[n] X(ej ) + Y (ej ) (2.126)

Propiedad de convolucin.

TF
x[n] y[n] X(ej )Y (ej ) (2.127)

Desplazamiento temporal.

TF
x[n n0 ] ejn0 X(ej ) (2.128)

Observe cmo el trmino ejn0 que multiplica a X(ej ) es una funcin peridica de pe-
riodo 2 (aunque su periodo fundamental es 2/n0 ) por ser n0 un nmero entero.

Diferenciacin.
TF
x[n] x[n 1] (1 ej ) X(ej ) (2.129)

Esta propiedad se demuestra a partir de las de desplazamiento temporal y linealidad.

Acumulacin.
n
X
X
X(ej )
TF j0
x[n] + X(e ) ( 2k) (2.130)
1 ejw
k= k=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 49

Insercin de ceros. Si a partir de la secuencia x[n] generamos otra secuencia x0L [n] in-
sertando L 1 ceros entre dos valores de x[n] de la forma

(  
X x Ln si n = L
x0L [n] = x[k][n kL] = (2.131)
k=
0 si n 6
= L

donde L indica mltiplo entero de L, se cumple que

TF
x0L [n] X(ejL ) (2.132)

Comparando esta propiedad con la de escalado de la Transformada de Fourier para seales

en tiempo continuo, vemos que el sentido es el mismo en el caso en que el factor de escala
a sea igual a 1/L: una expansin del eje temporal. El nico trmino que ha desaparecido es
el factor 1/|a|, porque en tiempo discreto no ha variado la energa de la secuencia al insertar
los ceros. La demostracin de esta propiedad se realiza aplicando la ecuacin de anlisis de
la transformada a (2.131).

Supresin de ceros. Si a partir de la secuencia x0L [n] que cumple

x0L [n] = 0 n 6= L (2.133)

y cuya Transformada de Fourier es X0L (ej ) generamos otra secuencia x[n] = x0L [nL], se
cumple que
TF
x[n] X0L (ej/L ) (2.134)
Es la propiedad contraria a la anterior y supone una compresin del eje temporal.

Producto.
Z
TF 1 . 1
x[n]y[n] X(ej ) Y (ej ) = X(ej )Y (ej() ) d (2.135)
2 2 2 (2)

La operacin denotada como y definida en esta ecuacin se denomina convolucin peri-

2
dica de periodo 2, cuya nica diferencia con la convolucin no peridica vista hasta ahora
es el intervalo de integracin. Podemos comprobar que si intentamos realizar una convolu-
cin no peridica entre dos seales peridicas, en general, la integral diverge.

Modulacin.
TF
ej0 n x[n] X(ej(0 ) ) (2.136)

Derivacin en frecuencia.
TF d X(ej )
jn x[n] (2.137)
d

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
50 S EALES Y SISTEMAS

Simetra.
TF
x[n] X(ej ) (2.138)

Conjugacin.
TF
x [n] X (ej ) (2.139)
Las discusiones sobre existencia de simetras realizadas en el caso en tiempo continuo para
esta propiedad y la anterior siguen siendo vlidas para tiempo discreto.

Conservacin del producto escalar o Relacin de Parseval.

X Z
1
x[n]y [n] = X(ej )Y (ej ) d (2.140)
n=
2 (2)

Conservacin de la energa o Teorema de Rayleigh.

X Z
12
|x[n]| = |X(ej )|2 d (2.141)
n=
2 (2)

El mdulo al cuadrado de la Transformada de Fourier, tambin en tiempo discreto, admite

la interpretacin como densidad espectral de energa.

Todas estas propiedades se encuentran enumeradas en el Cuadro 2.4.

Transformada de Fourier de secuencias peridicas

Para calcular la Transformada de Fourier de secuencias peridicas evitando la divergen-
cia de la ecuacin de anlisis recurrimos al Desarrollo en Serie de Fourier para secuencias,
que nos permite representar una seal peridica como una combinacin lineal de un nmero
finito de de sinusoides complejas relacionadas armnicamente. A partir de aqu aplicamos la
transformada sobre cada una de las sinusoides y obtenemos la transformada de la secuencia.
El Desarrollo en Serie de Fourier de una seal x[n] peridica con periodo N se define
mediante el siguiente par de ecuaciones
1 X 2
ak = x[n] ejk N n (2.142)
N
nhN i
X 2
x[n] = ak ejk N n (2.143)
khN i

denominadas, respectivamente, ecuaciones de anlisis y sntesis del Desarrollo en Serie de

Fourier para secuencias. Al igual que sucede con la transformada del mismo nombre, los
desarrollos en serie de Fourier para tiempo continuo y tiempo discreto son dos formulaciones
del mismo desarrollo en serie. Al igual que la Transformada de Fourier para seales en

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 51

TF
Linealidad x[n] + y[n] X(ej ) + Y (ej )
TF
Convolucin x[n] y[n] X(ej )Y (ej )
TF
Desplazamiento temporal x[n n0 ] ejn0 X(ej )
TF
Diferenciacin x[n] x[n 1] (1 ej ) X(ej )
Pn T F X(ej ) j0
P
Acumulacin k= x[n] 1ejw + X(e ) k= ( 2k)
P TF
Insercin de ceros x0L [n] = k= x[k][n kL] X(ejL )
TF
Supresin de ceros x[n] = x0L [nL] X0L (ej/L )
TF 1 j
Producto x[n]y[n] 2 X(e ) Y (ej )
2
TF
Modulacin ej0 n x[n] X(ej(0 ) )
d X(ej )
TF
Derivacin en frecuencia jn x[n] d
TF j
Simetra x[n] X(e )
TF
Conjugacin x [n] X (ej )
P 1
R j j
Relacin de Parseval n= x[n]y [n] = 2 (2) X(e )Y (e ) d
P 2 1
R j 2
Teorema de Rayleigh n= |x[n]| = 2 (2) |X(e )| d

Cuadro 2.4. Propiedades de la Transformada de Fourier en tiempo discreto.

tiempo discreto, los coeficientes ak del Desarrollo en Serie de Fourier para secuencias son
peridicos, pero con periodicidad N .
Aplicando la Transformada de Fourier sobre (2.143) obtenemos

X
X
jk(2/N )n T F 2
x[n] = ak e 2 ak ( k ) (2.144)
N
nhN i k=

2.3.4. Transformada Z para sistemas lineales e invariantes

La Transformada Z, definida mediante sus ecuaciones de anlisis, (2.86), y sntesis,
(2.87), (que reproducimos nuevamente por comodidad)

X
.
X(z) = x[n]z n (2.86)
n=
I
1
x[n] = X(z) z n1 dz (2.87)
2j

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
52 S EALES Y SISTEMAS

es til sobre todo para el estudio de sistemas lineales e invariantes. Antes de entrar a analizar
la caracterizacin de estos sistemas, vamos a examinar un concepto de vital importancia en
la Transformada Z: la regin de convergencia (Region Of Convergence , ROC).
A diferencia de la Transformada de Fourier, la Transformada Z existe siempre5 pero, en
general, no sobre todo el plano complejo z. Definimos la regin de convergencia como el
conjunto de todos los valores de z (regin del plano z) para los que el Psumatorio de la ecua-

cin de anlisis, (2.86), es convergente. Los valores de z para los que k= x[n]z n =
se denominan polos de X(z). La ROC cumple las siguientes propiedades:

Propiedad 1. La ROC es un anillo en el plano z centrado en el origen.

Propiedad 2. La Transformada de Fourier de una secuencia x[n] existe si la ROC incluye la

circunferencia de radio unitario.

Propiedad 3. Por definicin, la ROC no contiene ningn polo de X(z).

Propiedad 4. Si x[n] es una secuencia de duracin finita, la ROC es todo el plano z con la
posible excepcin de z = 0 y/o z = .

Propiedad 5. Si x[n] es una secuencia de lado derecho (x[n] = 0 n < N1 < ) la ROC
es la regin exterior a una circunferencia, tal y como se muestra en las Figuras
2.7(a) y 2.7(b) (la ROC es el rea sombreada). El punto z = puede o no
pertenecer a la ROC. La Transformada de Fourier existe en un caso como el
mostrado en la Figura 2.7(a) porque la ROC incluye la circunferencia unidad
y no existe en un caso como el mostrado en la Figura 2.7(b).

Propiedad 6. Si x[n] es una secuencia de lado izquierdo (x[n] = 0 n > N1 > ) la

ROC es la regin interior a una circunferencia, tal y como se muestra en la
Figura 2.7(c). El punto z = 0 puede o no pertenecer a la ROC.

Propiedad 7. Si x[n] es una secuencia que se extiende desde a sin anularse (secuen-
cia indefinida que no es ni de lado derecho ni de lado izquierdo) la ROC es
una regin anular acotada por dos circunferencias, tal y como se muestra en la
Figura 2.7(d).

Propiedad 8. La ROC es una regin conexa (no puede estar compuesta, por ejemplo, por
dos anillos).

A modo de resumen, podemos decir que la ROC es una regin anular acotada por las
circunferencias en que se sitan los polos de X(z).
El Cuadro 2.5 muestra la Transformada Z de algunas funciones elementales, donde
Z
x[n] X(z) denota que X(z) es la Transformada Z de la secuencia x[n]. Observe
cmo una nica expresin analtica de X(z) puede corresponder con secuencias distintas,
dependiendo de la ROC que escojamos o, visto de otra forma, cmo secuencias distintas

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 53

Plano z Plano z

1 1

(a) (b)
Plano z Plano z

1 1

(c) (d)

Figura 2.7. Ejemplos de ROC: exterior a una circunferencia incluyendo la circunferencia

unidad (a), exterior a una circunferencia sin incluir la circunferencia unidad (b), interior a
una circunferencia (c), y anular (d).

pueden dar la misma expresin analtica de X(z), pero en ROC distintas. Este hecho nos
da a entender que para especificar la Transformada Z de una secuencia no es suficiente con
especificar la expresin analtica de la transformada, sino tambin su ROC.
El Cuadro 2.6 muestra las propiedades ms importantes de la Transformada Z, donde
empleamos la notacin
Z
x[n] X(z) ROC = Rx
Z
y[n] Y (z) ROC = Ry

Observe cmo muchas de las operaciones que expresan las propiedades conllevan un cambio
5
Estrictamente es siempre que su crecimiento o decrecimiento sea, como mucho, exponencial. Todas las
seales de inters en comunicaciones cumplen esta propiedad.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
54 S EALES Y SISTEMAS

Par transformado ROC

Z
[n] 1 Todo el plano z
Z
[n n0 ] z n0 Todo el plano z excepto z = 0 si
n0 > 0 z = si n0 < 0
Z 1
u[n] |z| > 1
1 z 1
Z 1
u[n 1] |z| < 1
1 z 1
Z 1
an u[n] |z| > |a|
1 az 1
Z 1
an u[n 1] |z| < |a|
1 az 1
az 1
Z
nan u[n] |z| > |a|
(1 az 1 )2
Z az 1
an u[n 1] |z| < |a|
(1 az 1 )2
Z 1
ej0 n u[n] j
|z| > 1
1 e 0 z 1
Cuadro 2.5. Pares transformados bsicos.

de la ROC.
Podemos comprobar cmo todas estas propiedades de la Transformada Z se reducen a
sus correspondientes propiedades de la Transformada de Fourier para secuencias si hacemos
z = ej .

Propiedades de la funcin de transferencia

En la Pgina 30 analizamos cuatro propiedades que podan o no cumplir los sistemas
lineales atendiendo a las caractersticas de la respuesta al impulso. Veamos ahora las impli-
caciones de estas propiedades sobre la funcin de transferencia en el dominio z.

Memoria. Un sistema lineal e invariante (en lo sucesivo, al referirnos genricamente a un

sistema, supondremos que cumple las propiedades de linealidad e invarianza) sin memoria
tiene una funcin de transferencia
H(z) = K (2.145)
donde K es una constante, en general compleja y su ROC es todo el plano z. La demostra-
cin de esta propiedad se obtiene tomando la Transformada Z de (2.74).

Causalidad. En un sistema causal, la ROC de su funcin de transferencia ser la regin

exterior de una circunferencia incluyendo z = , porque un sistema es causal si y slo
si su respuesta al impulso h[n] cumple h[n] = 0, n < 0. El radio de esta circunferencia

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 55

Propiedad Definicin ROC

Z
Linealidad x[n] + y[n] X(z) + Y (z) Al menos, Rx Ry
Z
Convolucin x[n] y[n] X(z)Y (z) Al menos, Rx Ry
Z
Desplazamiento x[n n0 ] z n0 X(z) Rx , con la posible
temporal adicin o sustrac-
cin de z = 0
z=

X Z 1/L
Insercin de ceros x0L [n] = x[k][n kL] X(z L ) Rx
k=
Z
Supresin de ceros x[n] = x0L [nL] X0L (z 1/L ) RxL
Z
Multiplicacin por z0 n x[n] X(z/z0 ) |z0 |Rx
una exponencial
compleja
Z
Derivacin n x[n] z d X(z)
dz Rx
Z
Simetra x[n] X(1/z) 1/Rx
Z
Conjugacin x [n] X (z ) Rx
Teorema del valor Si x[n] = 0 n < 0, x[0] = lm X(z)
z
inicial
Teorema del valor Si lm x[n] es finito, su valor es
n
final lm x[n] = lm (1 z 1 )X(z)
n z1

Cuadro 2.6. Propiedades de la Transformada Z.

ser el mdulo del polo de H(z) ms alejado del origen pues, como hemos mencionado
anteriormente, la ROC est acotada por las circunferencias en que se sitan los polos de
X(z).
De manera anloga, la ROC de la funcin de transferencia de un sistema anticausal ser
la regin interior a una circunferencia incluyendo z = 0. El radio de esta circunferencia ser
el mdulo del polo de H(z) ms cercano al origen.

Invertibilidad. Si un sistema es invertible, la funcin de transferencia de su sistema inver-

so ser
1
Hi (z) = (2.146)
H(z)
como podemos comprobar sin ms que tomar la transformada de (2.77). Lamentablemen-
te, que podamos obtener Hi (z) no significa que un sistema sea invertible: si, para alguna
frecuencia 0 se cumple que H(ej0 ) = 0 (denominados ceros de transmisin ), todo el

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
56 S EALES Y SISTEMAS

contenido de la seal de entrada al sistema en esa frecuencia se pierde a su salida, y es

imposible de recuperar la seal original.

Estabilidad. Un sistema es estable BIBO si y slo si la ROC de su funcin de transfe-

rencia contiene la circunferencia unidad. La convergencia de la ecuacin de anlisis de la
Transformada Z, (2.86), en la circunferencia unidad se cumple si y slo si
X 
n 

|x[n]z |  < (2.147)
n= z=ej

de donde, operando, llegamos a

X
X
|x[n]ejn | = |x[n]| < (2.148)
n= n=

que es exactamente la condicin de estabilidad BIBO para sistemas lineales e invariantes,

(2.78).

A continuacin haremos uso de estas propiedades en una familia concreta de sistemas

lineales e invariantes.

Sistemas definidos por ecuaciones en diferencias con coeficientes constan-

tes
Un caso particular de sistemas ampliamente utilizados son aquellos cuya relacin entre
entrada y salida queda definida por una ecuacin en diferencias con coeficientes constantes,
porque su funcin de transferencia en el dominio z va a ser una funcin racional. En este
apartado vamos a caracterizar la funcin de transferencia de estos sistemas6 .
En un caso general, la ecuacin en diferencias que define el sistema toma la forma
N
X M
X
ak y[n k] = bk x[n k] (2.149)
k=0 k=0

donde x[n] e y[n] son, respectivamente, la entrada y la salida del sistema. Para asegurar la
linealidad e invarianza temporal del sistema es suficiente imponer adicionalmente condicio-
nes iniciales nulas, (x[] = y[] = 0), lo que nos garantiza, adems, la causalidad del
sistema. Alternativamente podemos imponer condiciones finales nulas, (x[] = y[] = 0),
lo que tambin nos garantiza linealidad e invarianza a costa de la anticausalidad del sistema.
Hablamos de una realizacin del sistema como lineal, invariante y causal o, simplemente,
realizacin causal de (2.149) si imponemos condiciones iniciales nulas, y hablamos de una
realizacin anticausal de (2.149) si imponemos condiciones finales nulas.
6
Para no repetir continuamente el trmino sistemas definidos por ecuaciones en diferencias con coeficientes
constantes, cuando en este apartado nos refiramos genricamente a sistemas, estaremos hablando de este tipo
particular de sistemas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 57

Para calcular la funcin de transferencia del sistema, calculamos la Transformada Z de

ambos lados de (2.149), teniendo en cuenta que
Z
x[n] X(z) (2.150)
Z
y[n] Y (z) (2.151)

aplicando sucesivamente las propiedades de desplazamiento temporal y linealidad de la

Transformada Z obtenemos
M
X M
X
Z
bk x[n k] bk z k X(z) (2.152)
k=0 k=0
N
X N
X
Z
ak y[n k] ak z k Y (z) (2.153)
k=0 k=0

y de aqu, finalmente
N
X M
X
k
ak z Y (z) = bk z k X(z) (2.154)
k=0 k=0
de donde obtenemos la funcin de transferencia como
M
X
bk z k
Y (z)
H(z) = = k=0 (2.155)
X(z) XN
k
ak z
k=0

La funcin de transferencia, H(z), toma la forma de un cociente de polinomios en z,

donde los coeficientes de la entrada y sus versiones retrasadas en la ecuacin diferencial
(2.149), bk , son los coeficientes del polinomio del numerador de H(z) y los coeficientes
de la salida y sus versiones retrasadas en la ecuacin diferencial (2.149), ak , son los coefi-
cientes del polinomio del denominador de H(z). Este hecho nos permite calcular la funcin
de transferencia de este tipo de sistemas de forma directa sin ms que identificar dichos
coeficientes. Las funciones que toman la forma de cociente de polinomios, como H(z) en
(2.155), se denominan funciones racionales .
Sin embargo, aunque la obtencin de la expresin de la funcin de transferencia se
realice de forma automtica empleando los coeficientes ak y bk , el cociente de polinomios no
permite un anlisis fcil del comportamiento del sistema. Para realizar este anlisis debemos
descomponer cada uno de estos polinomios a partir de sus races, como
M
X M
Y
k
bk z (1 dk z 1 )
k=0 b0 k=1
H(z) = = (2.156)
XN a0 YN
k 1
ak z (1 ck z )
k=0 k=1

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
58 S EALES Y SISTEMAS

donde ck y dk son las races de los polinomios del denominador y numerador, respectiva-
mente. Estas constantes son los ceros (dk ) y polos (ck ) de la funcin de transferencia del
sistema en el dominio z. Es necesario recordar que, en general, las constantes ak , bk , ck y
dk son nmeros complejos, pero aun en el caso en que los coeficientes de la ecuacin en
diferencias ak y bk sean constantes reales (sistema real), las races ck y dk pueden tomar
valores complejos.
Una conclusin importante que podemos extraer de (2.156) es que la funcin de trans-
ferencia queda, a excepcin de una ganancia b0 /a0 , unvocamente determinada por la ubi-
cacin de sus polos y ceros. Estos polos y ceros pueden representarse en lo que se conoce
como un diagrama de polos y ceros , tal y como se muestra en la Figura 2.8.

Plano z

c
3

d
3
d c
d 5 1
1 1
c c
6 5
d d
2 6 c
2
d
4

c
4

Figura 2.8. Ejemplo de diagrama de polos y ceros.

Sobre el diagrama de polos y ceros podemos determinar rpidamente si las realizaciones

causal o anticausal del sistema son estables o no. Si optamos por la realizacin causal (con-
diciones iniciales nulas) del sistema, tenemos que su ROC (como la de todo sistema causal)
es la regin exterior a la circunferencia que contiene al polo de mayor magnitud; esto es
|z| > max |ck | (2.157)
k

Como la condicin para que un sistema lineal e invariante sea estable es que la ROC con-
tenga la circunferencia de radio unidad, para que esto suceda, todos los polos, ck , deben
estar dentro del crculo de radio unidad. La realizacin causal del ejemplo de la Figura 2.8
se corresponde con un sistema inestable.
Si optamos por la realizacin anticausal (condiciones finales nulas) del sistema, tenemos
que su ROC (como la de todo sistema anticausal) es la regin interior a la circunferencia que

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 59

contiene al polo de menor magnitud; esto es

|z| < mn |ck | (2.158)

k

En este caso, la estabilidad de la realizacin queda garantizada si todos los polos, ck , estn
fuera del crculo de radio unidad. La realizacin causal del ejemplo de la Figura 2.8 se
corresponde con un sistema inestable.
Afortunadamente, salvo que existan polos sobre la circunferencia unidad, somos capaces
de encontrar una realizacin estable del sistema descomponiendo H(z) como la combina-
cin de dos sistemas
H(z) = Hc (z)Ha (z) (2.159)
admitiendo el primero de ellos, Hc (z), una realizacin causal estable y el segundo, Ha (z),
una realizacin anticausal estable. Hc (z) debe contener todos los polos de mdulo menor
que la unidad y Ha (z) los polos de mdulo mayor que la unidad. Los ceros del sistema
podemos repartirlos entre Hc (z) y Ha (z) como mejor nos parezca. En el ejemplo de la
Figura 2.8, Hc (z) contendra los polos c1 , c2 y c5 , y Ha (z) contendra los polos c3 , c4 y c6 .

Sobre el diagrama de polos y ceros tambin podemos determinar rpidamente si un

sistema tiene inverso y, caso de tenerlo, su funcin de transferencia. Si el sistema posee
inverso, este, de acuerdo con (2.146), es
N
Y
(1 ck z 1 )
1 a0 k=1
Hi (z) = = (2.160)
H(z) b0 YM
(1 dk z 1 )
k=1

cuyo diagrama de polos y ceros es el de H(z) intercambiando polos por ceros. Para que
exista el sistema inverso debe existir la inversa de h[n] respecto a la convolucin, hi [n] tal
que hi [n] h[n] = [n] y, para que esto suceda, la ROC de H(z)Hi (z) debe contener la
circunferencia unidad7 . Esto quiere decir que siempre que H(z) no contenga ni polos ni
ceros sobre la circunferencia unidad seremos capaces de encontrar realizaciones (causales
y/o anticausales) para H(z) y Hi (z) de tal manera que uno sea el sistema inverso del otro.
Un tipo de sistemas de gran inters en comunicaciones es el que admite una realizacin
causal estable con inversa tambin causal y estable. Para que esto suceda, todos los polos y
ceros de la funcin de transferencia deben estar dentro de la circunferencia unidad. Este tipo
de sistemas se conocen con el nombre de sistemas de fase mnima , los denotaremos como
Hmin (z), y volveremos sobre ellos ms adelante.

Analicemos ahora las caractersticas de amplitud y fase de la funcin de transferencia,

7
Esta condicin se da siempre que la interseccin de las ROC de H(z) y H(z) sea no nula, ya que entonces
podemos encontrar realizaciones de las respuestas al impulso de ambos sistemas y, al realizar la convolucin
entre ellas se produce la cancelacin de polos con ceros y una ROC para H(z)Hi (z) que es todo el plano
complejo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
60 S EALES Y SISTEMAS

(2.156), descomponiendo cada trmino en la misma en forma polar

M
Y 1
  |1 dk z 1 |ej(1dk z )
 b0  j b0 k=1
 
|H(z)|ejH(z) =   e a0 N
a0 Y 1
|1 ck z 1 |ej(1ck z )
k=1
M
Y M
Y 1 )
  |1 dk z 1 | ej(1dk z
 b0 
 
b0
j
=   k=1 e a0 k=1
(2.161)
a0 Y N YN
1 j(1ck z 1 )
|1 ck z | e
k=1 k=1

de donde, haciendo z = ej , podemos identificar las caractersticas de amplitud y fase de la

respuesta en frecuencia como
  Y M
! N
!
 b0  Y
|H(ej )| =   |1 dk ej | |1 ck ej |1 (2.162)
a0
k=1 k=1
  X M XN
j b0
H(e ) = + (1 dk ej ) (1 ck ej ) (2.163)
a0
k=1 k=1

Finalmente, expresamos la caracterstica de amplitud de la respuesta en frecuencia, (2.162),

en dB
  X
 b0  M XN
20 log10 |H(e )| = 20 log10   +
j
20 log10 |1 dk ej | 20 log10 |1 ck ej |
a0
k=1 k=1
(2.164)
De este anlisis podemos obtener dos conclusiones:
1. Las caractersticas de amplitud y fase de la funcin de transferencia pueden descom-
ponerse como la suma de caractersticas de amplitud y fase de sistemas de orden 1
(H(z) = (1 az 1 ) H(z) = (1 az 1 )1 ).
De hecho, podemos emplear (2.156) para descomponer el sistema general como una
conexin en serie de sistemas de orden 1
M
! N !
b0 Y Y 1
H(z) = (1 dk z 1 )
a0 (1 ck z 1 )
k=1 k=1
M
Y N
Y
b0
= Hdk (z) Hck (z) (2.165)
a0
k=1 k=1

en el dominio temporal,
b0
h[n] = hd1 [n] hdM [n] hc1 [n] hcN [n] (2.166)
a0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 61

x(t) H (z ) y(t)
h[n]

x(t) Hd1(z) HdM(z) Hc1(z) HcN(z) y(t)

hd1[n] hdM[n] hc1[n] hcN[n]
b0/a0

Figura 2.9. Descomposicin de un sistema genrico como conexin en serie de sistemas

de orden 1.

y que podemos ver de manera grfica en la Figura 2.9.

2. La nica diferencia entre los polinomios de orden 1 del numerador (ceros de H(z)) y
los del denominador (polos de H(z)), es que contribuyen aditiva o sustractivamente a
las caractersticas de amplitud y fase del sistema.
A la vista de todo lo anterior, bastar con caracterizar el comportamiento de un sistema
de orden 1 para poder analizar las caractersticas de un sistema genrico, pues estas no son
sino la suma de las caractersticas de sistemas de orden 1.
En otras palabras, bastar con analizar el comportamiento de un sistema lineal e inva-
riante caracterizado por la ecuacin diferencial

y[n] ay[n 1] = x[n] (2.167)

o, alternativamente
y[n] = x[n] ax[n 1] (2.168)
para poder analizar un sistema genrico. Escogeremos (2.167), cuya funcin de transferencia
resulta ser
1
H(z) = (2.169)
1 az 1
con un polo en z = a y un cero en z = 0. Existen dos posibles ROC; una de ellas es la
regin exterior a la circunferencia de radio |a|, mostrada en la Figura 2.10(a), que conduce
a una realizacin causal del sistema con una respuesta al impulso (ver Cuadro 2.5)

h[n] = an u[n] (2.170)

La otra posible ROC es la regin interior a la circunferencia de radio |a|, mostrada en la

Figura 2.10(b), que conduce a una realizacin anticausal del sistema con una respuesta al
impulso (ver Cuadro 2.5)
h[n] = an u[n 1] (2.171)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
62 S EALES Y SISTEMAS

Plano z Plano z

ROC 1
a a
ROC 2

(a) (b)

Figura 2.10. Posibles ROC para un sistema de orden 1: realizacin causal (a) y realizacin
anticausal (b).

Dependiendo del valor que tome |a|, una (|a| = 6 1) o las dos (|a| = 1) realizaciones pueden
dar lugar a sistemas inestables.
Para la realizacin estable (si la hubiese), su caracterstica de amplitud es, expresando a
en forma polar como a = rej ,

20 log10 |H(ej )| = 20 log10 |1 rej ej |1

= 20 log10 |1 rej ej |
= 10 log10 (1 + r2 2r cos( )) (2.172)

Su caracterstica de fase es
 
j j j 1 j j r sen( )
H(e ) = (1 re e ) = (1 re e ) = arctan
1 r cos( )
(2.173)
Y su retardo de grupo
r cos( ) r2
() = (2.174)
1 + r2 2r cos( )
que estn representados en la Figura 2.11 para un valor genrico de y varios valores de
r menores que 1. Para determinar la respuesta de un sistema con un orden genrico no hay
sino que sumar caractersticas como las mostradas en esta figura.

Un tipo de sistema de gran importancia es el denominado paso todo , que denotamos

como Hall (z) y que, en su forma ms simple, tiene una funcin de transferencia

z 1 a
Hall (z) = (2.175)
1 az 1

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 63

20 t
15 20log |H(e )|
10
10
5
/2

/2
5

/2
t
H(e )

/2

/2 0
/4

/2

/2 0 /2

2
()
r=0.9 4
r=0.75 6
r=0.5
8
r=0.25

Figura 2.11. Caracterstica de amplitud, caracterstica de fase y retardo de grupo de un

sistema de orden 1.

que posee una caracterstica de amplitud constante

 j     
e a   j 1 a ej   j  1 a ej 
|H(e )| = 
j  = e  = e  =1 (2.176)
1 aej   1 aej  |1 aej |
que es la que le da el nombre. Un sistema paso todo compensa la influencia del polo en a
sobre la caracterstica de amplitud con un cero en 1/a . Podemos construir sistemas paso
todo del orden que deseemos sin ms que combinar sistemas de orden 1 como (2.175).
Si combinamos un sistema paso todo con un sistema de fase mnima podemos represen-
tar cualquier sistema con funcin de transferencia racional de la forma

H(z) = Hmin (z)Hall (z) (2.177)

Para demostrar que cualquier sistema de estas caractersticas puede descomponerse de esta
forma pensemos en un sistema que tiene todos sus polos y ceros dentro de la circunferencia
unidad excepto un polo que est fuera, en una posicin z = a. Ese polo que est fuera de la
circunferencia unidad se asigna al sistema paso todo de la forma (2.175), que a su vez genera
un cero en z = 1/a . Para anular la influencia de este cero, el sistema de fase mnima coloca
un polo en z = 1/a . Si a estaba fuera de la circunferencia unidad, 1/a estar dentro. Visto
de otra forma, por cada polo que aparece fuera de la circunferencia unidad en una posicin

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
64 S EALES Y SISTEMAS

z = a, multiplicamos y dividimos por (z 1 a ) la funcin de transferencia, lo que no

la deja inalterada. (z 1 a ) junto con el polo en z = a se asigna al sistema paso todo y
(z 1 a )1 al sistema de fase mnima.
Esta descomposicin nos permite, en sistemas que no admitan un inverso causal y es-
table, realizar una compensacin de la caracterstica de amplitud, que resulta de inters en
determinadas aplicaciones como la siguiente. Imaginemos que enviamos una seal por un
canal de comunicaciones, y a la salida nos llega la seal distorsionada por un sistema H(z)
que no es de fase mnima. Si queremos recuperar la seal que se envi debemos encontrar
el sistema inverso pero, ya que eso es imposible, podemos al menos compensar la caracte-
rstica de amplitud que introduce el canal si descomponemos H(z) de la forma (2.177) y,
en lugar del sistema inverso empleamos (Hmin (z))1 . En ese caso, la combinacin de H(z)
con (Hmin (z))1 da como resultado

H(z) Hmin (z)Hall (z)

= = Hall (z) (2.178)
Hmin (z) Hmin (z)

Que, si bien no es la identidad, al menos es un sistema paso todo.

Como vemos, los sistemas de fase mnima son de gran inters en comunicaciones. Va-
mos a enunciar algunas propiedades adicionales a las ya mencionadas.
De entre todos los posibles sistemas que tienen una caracterstica de amplitud |H(ej )|
determinada, existe uno que es de fase mnima, Hmin (z), ya que podemos aadirle todos
los sistemas paso todo que deseemos sin cambiar |H(ej )|. Un sistema de fase mnima, en
comparacin con el resto de sistemas, cumple que:

Su retardo de grupo es el ms pequeo para cualquier frecuencia.

Su caracterstica de fase continua, Hmin (ej ), es la de menor variacin, ya que es

el de menor retardo de grupo para cualquier frecuencia. El nombre de sistema de fase
mnima proviene de esta propiedad.

Es el sistema que introduce una menor dispersin de energa (o una mayor concentra-
cin de energa). Concretamente, esta propiedad se expresa como
n
X n
X
|hmin [k]|2 |h[k]|2 n 0 (2.179)
k=0 k=0

2.3.5. Transformada Discreta de Fourier

Ninguna de las transformadas vistas hasta ahora puede aplicarse a una seal de la que no
dispongamos su expresin analtica porque, en primer lugar, necesitamos conocer el valor
de la seal en todos los instantes temporales desde hasta y, en segundo lugar,
porque aunque conozcamos y tengamos la capacidad suficiente para guardar en algn sitio
el valor de la seal en todos sus instantes temporales, es necesario calcular el valor de la
transformada en un nmero infinito de valores de frecuencia.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 65

Existe un caso en que la limitacin no viene por la primera de las razones mencionadas,
sino por la segunda. Se trata de las secuencias de longitud finita; secuencias de las que
conocemos que su valor es cero fuera de intervalo de duracin finita que supondremos, sin
prdida de generalidad, que es 0 n < N . Para determinar esta secuencia necesitamos
conocer nicamente N valores, x[0], . . . , x[N 1], pero para determinar su Transformada
de Fourier, XN (ej ), es necesario aplicar la frmula

X N
X 1
j jn
XN (e ) = x[n] e = x[n] ejn (2.180)
n= n=0

para cada valor de entre 0 y 2; es decir, para infinitos valores de frecuencia. Afortunada-
mente, en este caso el clculo de la transformada para un nico valor de frecuencia se realiza
con un nmero finito de operaciones (N multiplicaciones y N 1 sumas, concretamente).
Ahora bien, para seales en tiempo continuo demostramos que no era necesaria la Trans-
formada de Laplace para representar unvocamente la seal en el dominio transformado,
sino que bastaba con emplear en lugar de s = + j como nica variable independiente
(la Transformada de Fourier en tiempo continuo). Para secuencias demostramos que no era
necesaria la Transformada Z para lograr el mismo objetivo, sino que bastaba con emplear
tomando valores en un intervalo de longitud 2 (la Transformada de Fourier en tiempo
discreto) en lugar de z = r ej . Si en secuencias de longitud finita tenemos nicamente N
grados de libertad para especificar la secuencia, realmente hacen falta los infinitos valo-
res de frecuencia contenidos entre 0 y 2 para representar unvocamente la secuencia en el
dominio transformado? Obviamente, la respuesta es no.
Para representar unvocamente la secuencia de longitud finita van a ser necesarios exac-
tamente N valores de la Transformada de Fourier, (2.180), pero para determinar cules sern
estos valores hay que preguntarse la razn por la que eran necesarios infinitos valores en la
Transformada de Fourier. La Transformada de Fourier de una seal puede interpretarse co-
mo una representacin de la seal empleando una base de sinusoides complejas, de la misma
forma que la seal en el dominio natural puede interpretarse como una representacin de la
seal empleando una base de funciones delta ((2.31) para tiempo continuo y (2.34) para
tiempo discreto), y la operacin en s de la Transformada de Fourier puede interpretarse
como un cambio de base. Las sinusoides complejas forman una base para la seales de
duracin ilimitada8 porque, en tiempo continuo, dos sinusoides de frecuencia distinta son
ortogonales
Z Z (

si 1 = 2
ej1 t ej2 t dt = ej(1 2 )t dt = (2.181)
0 si 1 6= 2

y son un conjunto generador del espacio de seal, como demuestra la ecuacin de sntesis de
la Transformada de Fourier. Si no incluimos las sinusoides de todas las frecuencias posibles
no se cumple la propiedad de conjunto generador. Para tiempo discreto obtenemos el mismo
8
En realidad no son una base para todas las seales de duracin ilimitada, sino para aquellas que cumplen
determinadas propiedades matemticas que resultan irrelevantes en la prctica.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
66 S EALES Y SISTEMAS

resultado si restringimos los valores de frecuencia a los contenidos entre 0 y 2. Los N

valores de frecuencia que buscamos o, equivalentemente, las N sinusoides que buscamos,
deben ser ortogonales y generar cualquier secuencia de longitud N .
Si empleamos los valores de frecuencia k = k(2/N ), con k = 0, . . . , (N 1),
tenemos que las sinusoides de dichas frecuencias son ortogonales en un intervalo de longitud
N,
(
N
X 1   NX1
N si k r = N
jk(2/N )n jr(2/N )n j(kr)(2/N )n
e e = e = (2.182)
n=0 n=0
0 si k r 6
= N

y son capaces de generar cualquier seal sobre el intervalo 0 n < N , como demuestra la
ecuacin de sntesis del Desarrollo en Serie de Fourier para secuencias, (2.143). Tomando
muestras de XN (ej ) en estos valores de frecuencia tendremos unvocamente determinada
la secuencia x[n] de longitud finita.
.
La secuencia de valores X[k] = XN (ejk(2/N ) ), con k = 0, . . . , (N 1) es la que
denominamos Transformada Discreta de Fourier (Discrete Fourier Transform , DFT) de
longitud N de la secuencia x[n], que definimos formalmente como
N 1
X
x[n] ejk(2/N )n 0 k < N
X[k] = n=0 (2.183)


0 resto

y que nos permiten reconstruir la secuencia x[n] como

N
X 1

1 X[k] ejk(2/N )n 0n<N
x[n] = N k=0 (2.184)


0 resto

Tambin nos referimos a (2.183) como ecuacin de anlisis de la DFT y a (2.184) como
ecuacin de sntesis de la DFT, DFT inversa o IDFT. La relacin entre x[n] y X[k] la deno-
taremos como
DF T
x[n] X[k] (2.185)
N
Sobre la definicin de la DFT conviene realizar los siguientes comentarios:
La evaluacin de la DFT se realiza comnmente de forma numrica, sin necesidad
de recurrir a expresiones analticas de las seales. Para calcular los N valores X[k]
a partir de x[n] es necesario realizar del orden de N 2 multiplicaciones y sumas com-
plejas. Existen adems una familia de algoritmos (procedimientos numricos) que se
conocen con el nombre genrico de Transformada Rpida de Fourier (Fast Fourier
Transform , FFT) que emplean del orden de N log2 N multiplicaciones complejas
para el clculo de la DFT. A pesar de su nombre, no debemos de confundir la FFT
con una transformada, pues es simplemente un procedimiento numrico rpido (ms
bien, todo un conjunto de procedimientos) para el clculo de la DFT.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 67

Bajo las restricciones empleadas, el resultado de la DFT coincide con muestras de

la Transformada de Fourier de la secuencia, pero no debe confundirse con esta. Esta
identidad se sigue manteniendo si la longitud de la secuencia es menor (x[n] = 0 para
todo n < 0 y n N0 , con N0 < N ).
Adems, nada nos impide aplicar la ecuacin de anlisis de la DFT sobre una secuen-
cia de longitud mayor que N , o a una secuencia que, siendo de longitud menor o
igual que N , toma valores distintos de cero en otro intervalo distinto al 0 n < N ,
o incluso a una secuencia de longitud ilimitada. Al fin y al cabo, slo se trata de una
transformacin, (2.183), que aplicamos sobre la secuencia que deseemos. Sin em-
bargo, en estos casos deja de ser cierta la equivalencia entre DFT y Transformada
de Fourier porque existen valores de la secuencia (los que estn fuera del intervalo
0 n < N ) que son tenidos en cuenta para el clculo de la Transformada de Fourier
y no para el clculo de la DFT. Obviamente, en estos casos, la ecuacin de sntesis no
da como resultado la secuencia original.

Existe un alto paralelismo entre el Desarrollo en Serie de Fourier para secuencias

((2.142) y (2.143), Pgina 50) que puede llevarnos a confundir los coeficientes del
desarrollo en serie, ak , con los valores X[k] que proporciona la DFT. De hecho, las
ecuaciones de anlisis y sntesis de ambas son prcticamente idnticas si exceptuamos
el factor 1/N , que en el desarrollo en serie se encuentra en la ecuacin de anlisis y
en la DFT en la ecuacin de sntesis.
Aunque las ecuaciones sean prcticamente idnticas, existe una diferencia fundamen-
tal: en el desarrollo en serie se realiza una extensin peridica fuera del intervalo de
0 a N 1, tanto de los valores de amplitud de la seal como de los coeficientes del
desarrollo en serie, mientras que en la DFT, fuera del intervalo de 0 a N 1, se supone
que tanto x[n] como X[k] son nulos. Esto trae como consecuencia que la seal que
reconstruye el Desarrollo en Serie de Fourier sea una secuencia de energa infinita y
la que reconstruye la DFT sea una secuencia de energa finita, o que el espectro de la
seal que reconstruye el desarrollo en serie est compuesto por funciones delta y el
que reconstruye la DFT sea un espectro continuo de valores acotados.

Propiedades de la Transformada Discreta de Fourier

A continuacin enunciamos algunas de las propiedades de la DFT, haciendo mayor hin-

capi en aquellas que suponen una novedad respecto a sus correspondientes propiedades de
la Transformada de Fourier.
Adems de (2.185), denotamos

DF T
y[n] Y [k]
N

y, en aquellas operaciones en que se vea involucrada ms de una secuencia, suponemos que

N es mayor o igual que la longitud de cualquiera de las dos.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
68 S EALES Y SISTEMAS

Linealidad.
DF T
x[n] + y[n] X[k] + Y [k] (2.186)
N

Convolucin circular.
DF T
x[n]
N y[n] X[k]Y [k] (2.187)
N
Si multiplicamos punto a punto las DFT de dos secuencias el resultado en el dominio natural
no es una convolucin como la conocemos hasta ahora, peridica o no peridica, sino lo
que denominamos convolucin circular de mdulo N , que denotamos con el smbolo N y
representa la operacin

N 1
X

. x[l] y[((n l))N ] 0 n < N
x[n]
N y[n] = (2.188)

l=0
0 resto
donde (( ))N representa la operacin mdulo N , cuyo resultado va a estar siempre en el ran-
go 0 n < N 9 . La convolucin que conocamos hasta ahora la denominamos convolucin
lineal en contraposicin a la convolucin circular.

Desplazamiento circular.
DF T
x[((n n0 ))N ] ejk(2/N )n0 X[k] (2.189)
N

El efecto de multiplicar la DFT de una secuencia por ejk(2/N )n0 , lo que sera el equiva-
lente en la Transformada de Fourier de multiplicar X(ej ) por ejn0 , no se traduce en un
desplazamiento lineal (ms bien, no puede traducirse en un desplazamiento lineal porque
el resultado de la DFT inversa va a ser cero fuera del intervalo 0 n < N ), sino en un
desplazamiento circular, donde la variable independiente se opera mdulo N .

Insercin de ceros. Si a partir de la secuencia x[n] de longitud N generamos otra secuen-

cia x0L [n] de longitud N L insertando L 1 ceros entre dos valores de x[n] de la forma
N 1
(  
X x Ln si n = L y 0 n < N L
x0L [n] = x[k][n kL] = (2.190)
k=0
0 si n 6= L
se cumple que
DF T
x0L [n] X[((k))N ] (2.191)
NL
El resultado de la insercin de ceros en la Transformada de Fourier es una compresin del
espectro por un factor L. Como en la DFT de N L puntos muestreamos en las frecuencias
k(2/N L), el resultado de la insercin de ceros va a ser el mismo resultado pero replicado
L veces.
9
Como recordatorio, el resultado de la operacin ((l))m , siendo l y m nmeros enteros, es el resto de la
divisin entera de l por m. Por ejemplo, ((3))5 = 3, ((5))5 = 0, ((6))5 = 1, ((104))5 = 4, etc.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 69

Supresin de ceros. Si a partir de la secuencia x0L [n] de longitud N L que cumple

x0L [n] = 0 si n 6= L n < 0 n N L (2.192)

y cuya DFT es X0L [k] generamos otra secuencia x[n] = x0L [nL], se cumple que

DF T
x[n] X0L [k] (2.193)
N

Dualidad.
DF T
X[n] N x[((n))N ] (2.194)
N

Volvemos a recuperar esta propiedad que tenamos en la Transformada de Fourier en tiempo

continuo y que perdimos en la Transformada de Fourier de secuencias, porque aqu la natu-
raleza de las variables independientes de los dominios natural y transformados es la misma
(variables enteras)

Producto.
DF T 1
x[n]y[n] X[k]
N Y [k] (2.195)
N N
Nos vuelve a aparecer otra operacin de convolucin circular, ahora en el dominio transfor-
mado, que se realiza de idntica forma a (2.188)

Modulacin.
DF T
ejk0 (2/N )n x[n] X[((k k0 ))N ] (2.196)
N

Para que una modulacin se traduzca en un desplazamiento (circular) en la DFT, la frecuen-

cia de la sinusoide ha de ser un mltiplo entero de 2/N .

Simetra.
DF T
x[((n))N ] X[((k))N ] (2.197)
N

Conjugacin.
DF T
x [n] X [((k))N ] (2.198)
N

Las definiciones de paridad, imparidad, hermiticidad y antihermiticidad se refieren ahora a

operaciones mdulo N sobre la variable independiente. Por lo dems, se siguen conservando
las propiedades de simetra de la Transformada de Fourier porque, al fin y al cabo, los
coeficientes de la DFT no son sino muestras de aqulla.

Todas estas propiedades se encuentran enumeradas en el Cuadro 2.7.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
70 S EALES Y SISTEMAS

DF T
Linealidad x[n] + y[n] X[k] + Y [k]
N
DF T
Convolucin circular x[n]
N y[n] X[k]Y [k]
N
DF T jk(2/N )n0
Desplazamiento circular x[((n n0 ))N ] e X[k]
N
P 1 DF T
Insercin de ceros x0L [n] = N k=0 x[k][n kL] X[((k))N ]
NL
DF T
Supresin de ceros x[n] X0L [k]
N
DF T
Dualidad X[n] N x[((n))N ]
N
DF T 1
Producto x[n]y[n] N X[k] N Y [k]
N
DF T
Modulacin ejk0 (2/N )n x[n] X[((k k0 ))N ]
N
DF T
Simetra x[((n))N ] X[((k))N ]
N
DF T
Conjugacin x [n] X [((k))N ]

N

Cuadro 2.7. Propiedades de la Transformada Discreta de Fourier.

Convolucin lineal y convolucin circular

La convolucin lineal y la convolucin circular de dos secuencias de longitud finita no

proporcionan, en general, el mismo resultado. En determinadas situaciones, como la que
describiremos a continuacin, la realizacin de una convolucin lineal mediante una con-
volucin circular conlleva ventajas computacionales (menor nmero de operaciones), pero
para poder aprovecharlas es necesario establecer las condiciones en que ambas operaciones
son equivalentes.
Imaginemos que queremos calcular la convolucin lineal de dos secuencias, cada una
de ellas de longitud 1.000. Para calcular la convolucin aplicamos la Frmula (2.69), donde
debemos realizar 1.000 multiplicaciones y sumas para calcular el resultado en un nico ins-
tante. Dado que la convolucin de dos secuencias de longitud finita es otra de longitud igual
a la suma de las longitudes de las secuencias menos uno, aproximadamente deberemos de
calcular 2.000.000 de multiplicaciones (eliminando las multiplicaciones por cero, podra-
mos quedarnos aproximadamente en 1.000.000, pero no menos). Si en lugar de calcular la
convolucin lineal queremos calcular la convolucin circular de longitud 1.000, podramos
aplicar el siguiente procedimiento, que aprovecha la propiedad de convolucin circular de
la DFT:

Paso 1. Calculamos las DFT de longitud 1.000 de ambas secuencias. Aplicando algn algo-

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 71

ritmo de tipo FFT, esto supone realizar aproximadamente 2 N log2 N 2 1.000

10 = 20.000 multiplicaciones y sumas.
Paso 2. Multiplicamos punto a punto el resultado de las dos DFT, lo que supone una carga
computacional de 1.000 multiplicaciones.
Paso 3. Calculamos la DFT inversa al resultado de la multiplicacin para obtener la con-
volucin circular. Este paso supone aproximadamente 10.000 multiplicaciones y
sumas.
En total, para realizar la convolucin circular emplearamos aproximadamente 31.000 mul-
tiplicaciones y sumas, ms de 30 veces menos que para realizar una convolucin lineal.
Merece la pena, a tenor de la diferencia en el coste computacional, establecer las condi-
ciones en que ambas operaciones son equivalentes.
Podemos demostrar que si tenemos dos secuencias de longitud finita, x1 [n] que es idn-
ticamente nula fuera del intervalo 0 n < N1 y x2 [n] que es idnticamente nula fuera del
intervalo 0 n < N2 , su convolucin lineal
x3 [n] = x1 [n] x2 [n] (2.199)
es idnticamente nula fuera del intervalo 0 n < N1 + N2 1, y la convolucin circular
con longitud N (N > N1 , N2 ) de ambas secuencias puede expresarse como
(
x3p [n] 0 n < N
x3c [n] = x1 [n]
N x2 [n] = (2.200)
0 resto
con

X
x3p [n] = x3 [n rN ] (2.201)
r=
que no es otra cosa sino la superposicin, en el intervalo 0 n < N , de rplicas del
resultado de la convolucin lineal de ambas secuencias desplazadas un nmero entero de
veces N .
Si N es mayor o igual que N1 +N2 1, las rplicas de la convolucin lineal (x3 [nrN ])
no se solapan en los mismos instantes temporales en x3p [n] y, por tanto, al aplicar (2.200),
x3c [n] va a ser exactamente la convolucin lineal, x3 [n].
Si N es menor que N1 + N2 1, las rplicas de la convolucin lineal (x3 [n rN ]) se
solapan en los instantes temporales rN n < (r 1)N + N1 + N2 1 de x3p [n] y, al
aplicar (2.200), x3c [n] va a ser distinto de x3 [n] en los instantes 0 n < N1 + N2 N 1
e igual en los instantes N1 + N2 N 1 n < N .
En resumen, si empleamos una DFT de longitud mayor o igual que N1 + N2 1,
el resultado de la convolucin lineal y de la convolucin circular son idnticos y podemos
emplear el mtodo basado en la propiedad de convolucin circular de la DFT para calcularla.
Si volvemos al ejemplo anterior, para realizar la convolucin de dos secuencias de 1.000
puntos cada una mediante convolucin circular necesitaramos aproximadamente 62.000
multiplicaciones y sumas, que an es casi 20 veces menor de las que necesitaramos para
realizar la convolucin lineal.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
72 S EALES Y SISTEMAS

2.3.6. Representacin de seales paso banda

Las seales paso banda (X(j) = 0 para 1 > || > 2 con 1 < 2 ) son muy
frecuentes en comunicaciones, y en muchos casos el cociente entre el ancho de banda (2
1 ) y la frecuencia central de la banda ((1 + 2 )/2) es muy pequeo, lo que denotamos
como banda estrecha. Adicionalmente, dichas seales suelen ser reales de tiempo continuo
por tratarse de seales que van a ser enviadas por un medio fsico o que son recibidas de un
medio fsico.
En estas situaciones tenemos una caracterstica de amplitud de la seal como la que se
muestra en la parte superior de la Figura 2.12 y, por mltiples razones que van desde la
obtencin de una mejor representacin grfica hasta la representacin en tiempo discreto
con el menor nmero de muestras, nos gustara tener una seal que fuese una representa-
cin unvoca de ella (que contuviese la misma informacin) y que fuese paso bajo, tal y
como se muestra en la parte inferior de la Figura 2.12. Esta seal paso bajo se denomina el
equivalente paso bajo y la denotaremos como xeq (t).

|X(j)|

2 1 0 1 2

|Xeq(j)|

(12)/2 0 (21)/2

Figura 2.12. Caracterstica de amplitud de una seal de banda estrecha (arriba) y de su

equivalente paso bajo (abajo).

La obtencin del equivalente paso bajo xeq (t) de una seal x(t) puede realizarse con un
esquema como el que muestra la Figura 2.13, denominado demodulador en cuadratura 10 ,
que realiza una operacin de modulacin por una sinusoide compleja de frecuencia 0
(cuando la frecuencia de modulacin es negativa, el proceso se suele denominar demodu-
lacin), ej0 t x(t), con el objeto de desplazar la frecuencia 0 a frecuencia 0 y un filtrado
posterior que nos elimina la componente espectral de frecuencias negativas.
La seal xeq (t) es, en general, compleja aunque la seal x(t) de la que proviene sea real.
Para que xeq (t) fuese real la componente de frecuencia positiva de X(j) debera ser herm-

10
El nombre de demodulador en cuadratura proviene de su realizacin empleando seales reales, donde la
operacin de demodulacin propiamente dicha (la multiplicacin por la exponencial compleja) se divide en dos
demodulaciones, una empleando un coseno y la otra un seno o, lo que es lo mismo, dos sinusoides en cuadratura.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.3 R EPRESENTACIN DE SEALES Y SISTEMAS MEDIANTE TRANSFORMADAS 73

x(t) Filtro xeq(t)

paso bajo

e - jw 0 t

Figura 2.13. Demodulador en cuadratura.

tica respecto a 0 (caracterstica de amplitud para frecuencias positivas par y caracterstica

de fase para frecuencias positivas impar tomando el origen de frecuencias como 0 ), pero
bien sea porque la componente de frecuencia positiva de X(j) no es hermtica respecto a
ninguna frecuencia o bien sea porque, an sindolo, 0 no es igual a la frecuencia central de
la banda ((1 + 2 )/2), la seal xeq (t) va a ser tratada como una seal compleja.
A la parte real de xeq (t) se le suele denominar componente en fase de x(t) y denotar
como xI (t); a la parte imaginaria, componente en cuadratura de x(t) y denotar como xQ (t).
Al mdulo de xeq (t) se le suele denominar envolvente de x(t).

Una forma alternativa de obtener xeq (t) consiste en suprimir en primer lugar las com-
ponentes de frecuencias negativas y, posteriormente, realizar la demodulacin. El sistema
encargado de suprimir las componentes de frecuencias negativas se denomina divisor de
fase y tiene una funcin de transferencia
(
2 >0
Hps (j) = (2.202)
0 <0

donde la ganancia 2 para frecuencias positivas tiene como objeto conservar la energa (o
potencia) de la seal. La salida del divisor de fase, x(t) hps (t), se denomina seal analtica
o preenvolvente de x(t) y se denota como xa (t). A partir de la envolvente obtenemos el
equivalente paso bajo como xeq (t) = ej0 t xa (t).
Comnmente, el divisor de fase se realiza empleando un Transformador de Hilbert , que
es el sistema descrito en el Ejemplo 2.11. Posee una funcin de transferencia
(
j > 0
Hh (j) = (2.203)
j <0

y una respuesta al impulso

1
hh (t) = (2.204)
t
La seal analtica se construye como una seal compleja cuya parte real es la propia x(t)
y la parte imaginaria es la salida del Transformador de Hilbert o Transformada de Hilbert de
x(t), es decir, xh (t) = x(t) hh (t),

xa (t) = x(t) + jxh (t) (2.205)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
74 S EALES Y SISTEMAS

que podemos demostrar fcilmente que es la seal analtica que obtenamos anteriormente
porque
(
X(j) + j(jX(j)) = 2X(j) > 0
Xa (j) = X(j) + jXh (j) = (2.206)
X(j) + j(jX(j)) = 0 <0

Que un sistema lineal e invariante reciba el nombre de transformador y la salida de ese

sistema reciba el nombre de transformada no debe extraarnos, porque la expresin de xh (t)
es Z
1
xh (t) = x( ) d (2.207)
(t )
que no difiere tanto de la Transformada de Fourier en tiempo continuo si intercambiamos t
por , por t y hh (t ) por una exponencial compleja (que depende tanto de t como de
). De hecho, tanto la Transformada de Fourier en tiempo continuo como el transformador
de Hilbert, como cualquier propia convolucin con una seal predeterminada pertenecen a
un grupo de transformaciones en L2 denominadas transformaciones de ncleo integral.
Algunas propiedades del Transformador de Hilbert son las siguientes:

La Transformada de Hilbert de una seal par es impar, y de una seal impar, par.

Aplicando dos veces la Transformada de Hilbert a una seal, obtenemos la misma

seal cambiada de signo.

La energa de una seal se mantiene a la salida del Transformador de Hilbert.

Una seal y su Transformada de Hilbert son ortogonales.

El procedimiento empleado para obtener el equivalente paso bajo de seales se puede

extender a sistemas, sin ms que sustituir la seal x(t) por la respuesta al impulso del sistema
paso banda, h(t). En este caso no tiene sentido hablar de sistema analtico, o envolvente del
sistema, pero s de un sistema paso bajo equivalente con una respuesta al impulso heq (t) y
una funcin de transferencia Heq (j).

Por ltimo, debemos mencionar que podemos realizar un tratamiento equivalente pa-
ra tiempo discreto, sustituyendo x(t) por x[n], xeq (t) por xeq [n], y as sucesivamente. La
mayor diferencia que puede aparecer respecto a lo aqu expresado es la definicin de los
sistemas involucrados, donde hay que recordar que las funciones de transferencia sern fun-
ciones peridicas con periodo 2. Concretamente, el Transformador de Hilbert para tiempo
discreto tiene una funcin de transferencia


j 0 < <
Hh (ej ) = j < < 0 (2.208)


peridica con periodo 2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 2.4 M UESTREO, DIEZMADO E INTERPOLACIN 75

y una respuesta al impulso

2 sen2 (n/2)
n 6= 0
hh [n] = n (2.209)
0 n=0

2.4. M UESTREO, DIEZMADO E INTERPOLACIN

Hasta ahora hemos hablado en tiempo continuo y tiempo discreto como de dos mun-
dos separados y paralelos, pero existen procedimientos para obtener una secuencia a partir
de una seal en tiempo continuo que denominamos genricamente conversores continuo-
discreto y procedimientos para reconstruir una seal en tiempo continuo a partir de una
secuencia que denominamos genricamente conversores discreto-continuo.
Entre los conversores continuo-discreto revisten gran importancia los basados en un
muestreo peridico de la seal en tiempo continuo, donde la secuencia se obtiene de la
forma
.
x[n] = x(nTs ) (2.210)
donde Ts es el periodo de muestreo y 1/Ts = fs es la frecuencia de muestreo expresada
en muestras por segundo. Tambin podemos expresar la frecuencia de muestreo en radianes
por segundo como ws = 2/Ts .
El problema fundamental del muestreo es la determinacin de las condiciones que ga-
rantizan que la secuencia x[n] representa unvocamente a la seal x(t), porque el muestreo
es, en general, un proceso no invertible. Al tomar muestras de una seal en tiempo continuo,
estamos desechando infinitos valores de la seal entre muestra y muestra o, visto de otra
forma, existe un nmero infinito de seales que toman los mismos valores en los instantes
nTs .
Adems de este problema fundamental existe un pequeo problema matemtico: la ex-
.
presin (2.210) es una definicin, (=), pero no una igualdad en sentido estricto (bidireccio-
nal). La consecuencia de este hecho es que no podemos establecer una equivalencia directa
entre una seal en tiempo continuo y la secuencia que obtenemos de ella mediante mues-
treo. As, deberemos proceder por similitud de valores numricos y expresiones analticas a
la hora de establecer relaciones entre, por ejemplo, las Transformadas de Fourier de x(t) y
x[n].
Este ltimo problema ser abordado en el Apartado 2.4.3, dedicando los primeros al pro-
blema del muestreo en s; primero para tiempo continuo y posteriormente para secuencias.

2.4.1. Muestreo de seales en tiempo continuo

Ya que no podemos abordar directamente la obtencin de una secuencia a partir de
muestras de una seal en tiempo continuo, la seal que ha de servir de soporte para los
valores de las muestras
x(nTs ) n = , . . . (2.211)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
76 S EALES Y SISTEMAS

ser una seal en tiempo continuo xp (t) que denominamos seal muestreada. Esta seal se
genera con la ayuda de una seal muestreadora, que es un tren de deltas separadas el periodo
de muestreo

X
p(t) = (t nTs ) (2.212)
n=

y el proceso de muestreo lo expresamos como

X
X
xp (t) = x(t) p(t) = x(t) (t nTs ) = x(nTs )(t nTs ) (2.213)
n= n=

donde xp (t) es una seal en tiempo continuo que contiene, como desebamos, nicamente
las muestras de la seal x(t).
Este tipo de muestreo se denomina muestreo ideal porque es fsicamente imposible ge-
nerar y manipular una seal que sea un tren de funciones delta.
Para determinar bajo qu condiciones xp (t) determina unvocamente a x(t) calculamos
la Transformada de Fourier de xp (t) haciendo uso de la propiedad de multiplicacin y de la
transformada de un tren de deltas que aparece en el Cuadro 2.1
1
Xp (j) = X(j) P (j)
2
 !
1 2 X 2
= X(j) k
2 Ts Ts
k=
 
1 X 2
= X(j) k
Ts Ts
k=
 
1 X 2
= X j jk (2.214)
Ts Ts
k=

El espectro de la seal muestreada, Xp (j), est compuesto, de acuerdo con (2.214), de

rplicas del espectro de la seal original, X(j), escaladas por 1/Ts y desplazadas a todos
los mltiplos enteros de la frecuencia de muestreo s = 2/Ts , tal y como se muestra en la
Figura 2.14 para una seal paso bajo. De (2.214) podemos deducir tambin que Xp (j) es
una funcin peridica con periodo s . La Figura 2.14 nos es til adems para establecer las
condiciones en que es posible reconstruir x(t) a partir de xp (t). Si la seal a muestrear tiene
un espectro como el mostrado en la Figura 2.14(a), y empleamos una frecuencia de mues-
treo lo suficientemente alta como para que las distintas rplicas de X(j) no se solapen al
construir Xp (j) segn (2.214), nos encontramos en una situacin como la que muestra la
Figura 2.14(b) donde, al tener cada rplica aislada, podemos recuperar X(j) con una ope-
racin tan simple como un filtrado. Si, por el contrario, las rplicas de X(j) se solapan al
construir Xp (j), nos encontramos en una situacin como la que muestra la Figura 2.14(c)
(la lnea ms gruesa representa el resultado de la suma expresada en (2.214)), donde ser
imposible determinar, en las zonas del espectro en que se ha producido el solape, qu parte

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.4 M UESTREO, DIEZMADO E INTERPOLACIN 77

X(j)
1

M 0 M
(a)
X (j)
1/T p
s

3 2 0 2 3
s s s M M s s s
(b)
Xp(j)

1/Ts

4 3 2 0 2 3 4
s s s s M M s s s s
(c)
Figura 2.14. Espectro de la seal original (a), y espectros de la seal muestreada a distintas
frecuencias de muestreo: sin solape espectral (b) y con solape espectral (c).

pertenece a una rplica y qu parte a otra. En consecuencia, no podremos reconstruir X(j).

En este caso decimos que se ha producido solape espectral en el proceso de muestreo, o que
existe distorsin por aliasing o, simplemente aliasing.
La condicin, por tanto, para que podamos recuperar x(t) a partir de xp (t) es que no
exista aliasing. Como condicin previa a esta, la seal x(t) ha de ser limitada en banda, y
esta limitacin de banda es el conocimiento a priori que compensa la prdida de infinitos
valores entre muestra y muestra de la seal x(t). Tngase en cuenta que la limitacin de
banda es una restriccin tan fuerte como la no consideracin de los valores de la seal entre
instantes de muestreo consecutivos, porque estamos expresando que el contenido espectral
de la seal es nulo en un rango ilimitado de frecuencias.
El conocimiento a priori de la banda de frecuencias que ocupa la seal es necesario para
establecer tanto el periodo de muestreo que nos garantiza la ausencia de aliasing como el
mecanismo de recuperacin de la seal x(t). Para seales paso bajo como la mostrada en la
Figura 2.14(a) que cumplen

X(j) = 0 || > M (2.215)

podemos garantizar la ausencia de aliasing siempre que empleemos una frecuencia de

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
78 S EALES Y SISTEMAS

muestreo mayor del doble de M (s > 2M ) o, equivalentemente, un periodo de muestreo

Ts

Ts < (2.216)
M
Este resultado es conocido como teorema de muestreo de Nyquist , y la frecuencia 2M
como frecuencia de Nyquist.
A pesar de la popularidad de la frecuencia de Nyquist no debemos perder de vista las
condiciones bajo las que est establecida (seales reales paso bajo), siendo el criterio gene-
ral para la reconstruccin perfecta de la seal original x(t) la ausencia de aliasing en el
proceso de muestreo.
La reconstruccin de la seal se lleva a cabo, como hemos mencionado anteriormente,
mediante un procedimiento de filtrado. Si hacemos pasar la seal muestreada xp (t), que po-
see un espectro como el que muestra la Figura 2.15(a), por un filtro Hr (j) paso bajo ideal
de ganancia Ts y una frecuencia de corte c igual a la mitad de la frecuencia de muestreo,
c = s /2 = /Ts , (Figura 2.15(b)), la salida de dicho filtro ser una seal xr (t) cuyo es-
pectro se muestra en la Figura 2.15(c) y que coincidir con x(t) si en el proceso de muestreo
no se ha producido aliasing.
El filtro Hr (j) se denomina filtro reconstructor o filtro interpolador y posee una res-
puesta al impulso    
c c t t
hr (t) = Ts sinc = sinc (2.217)
Ts
La seal xr (t) se denomina seal reconstruida o seal interpolada y su expresin anal-
tica es

xr (t) = xp (t) hr (t)

!  
X t
= x(nTs )(t nTs ) sinc
n=
Ts
X  
t nTs
= x(nTs ) sinc (2.218)
n=
Ts

La interpretacin de (2.218) puede ayudarnos a comprender el mecanismo de recons-

truccin de xr (t):
La funcin  
t n 0 Ts
sinc
Ts
toma valor cero en todos los instantes nTs excepto en n0 Ts donde toma valor 1, y esto
garantiza que xr (nTs ) = x(nTs ).

Para cualquier valor de t 6= nTs , la seal xr (t) se reconstruye empleando todos los
valores x(nTs ), aunque las muestras ms cercanas a dicho instante tendrn ms in-
fluencia en el valor de xr (t) que las ms lejanas, de acuerdo con la forma de la funcin
sinc.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.4 M UESTREO, DIEZMADO E INTERPOLACIN 79

Xp(j)
1/Ts

3 2 0 2 3
s s s M M s s s
(a)
H (j)
T r
s

c 0 c
(b)
X (j)
r

M 0 M
(c)
Figura 2.15. Proceso de reconstruccin de la seal: espectro de la seal muestreada (a),
funcin de transferencia del filtro reconstructor (b) y espectro de la seal a la salida del
filtro reconstructor (c).

A modo de resumen, el proceso completo de muestreo y reconstruccin es el que lleva

a cabo el sistema que muestra la Figura 2.16.

x(t) xp(t) Hr(jw) xr(t)

hr(t)
p(t)

Figura 2.16. Sistema para muestreo y reconstruccin.

Muestreos peridicos no ideales: el muestreo instantneo

Ante la imposibilidad de generar las funciones delta necesarias para el muestreo ideal
surgen diversas alternativas, de las que vamos a analizar la ms comn: el muestreo instan-
tneo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
80 S EALES Y SISTEMAS

El principal problema para la puesta en prctica del muestreo ideal no es capturar el

valor de la seal en los instantes nTs , que puede realizarse prcticamente empleando unos
circuitos denominados de muestreo y retencin o sample & hold, sino dar un soporte fsico
adecuado a la seal xp (t). Para lograrlo, el muestreo instantneo hace pasar la seal xp (t)
por un sistema de respuesta al impulso pi (t), cuyo efecto es la sustitucin de las funciones
delta por la seal pi (t).
Un ejemplo que pone de manifiesto las diferencias entre los muestreos ideal e instant-
neo podemos verlo en la Figura 2.17.

x(t)

x (t)
p

t
3Ts 2Ts Ts 0 Ts 2Ts 3Ts

xi(t)

t
3Ts 2Ts Ts 0 Ts 2Ts 3Ts

Figura 2.17. Comparacin de los distintos tipos de muestreo: seal original x(t), seal
resultante del muestreo ideal xp (t) y seal resultante del muestreo instantneo xi (t).

La seal resultante del muestreo instantneo toma la forma

xi (t) = xp (t) pi (t)

!
X
= x(nTs ) (t nTs ) pi (t)
n=

X
= x(nTs ) pi (t nTs ) (2.219)
n=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.4 M UESTREO, DIEZMADO E INTERPOLACIN 81

y su transformada es
 
1 X 2k
Xi (j) = Xp (j)Pi (j) = Pi (j) X j j (2.220)
Ts Ts
k=

donde cada rplica est ponderada por la funcin Pi (j). Esto provoca una distorsin en la
seal conocida como distorsin de apertura .
El filtro reconstructor debe corregir la distorsin de apertura, por lo que su funcin de
transferencia ha de tomar la forma
 
Ts
Hr (j) = (2.221)
Pi (j) s
Como condicin adicional para poder recuperar la seal original debemos asegurar que
Pi (j) no toma valor cero en ninguna frecuencia perteneciente al intervalo (s /2 , s /2).

Muestreo de seales paso banda

Para muestrear seales paso banda que son adems de banda estrecha, la frecuencia de
Nyquist nos proporciona un valor de frecuencia de muestreo muy grande en comparacin
con el ancho de banda de la seal. En estos casos, podemos muestrear por debajo de dicha
frecuencia sin que exista aliasing, tal como se muestra en el ejemplo de la Figura 2.18
empleando dos frecuencias de muestreo distintas.
X(j)

0
0 0
X (j)
p

0 0

2 0 2
s s s s
X (j)
p

0 0

2s s 0 s 2s

Figura 2.18. Muestreo paso banda: espectro de la seal original (arriba), espectro de la
seal muestreada sin inversin de espectro (centro) y espectro de la seal muestreada con
inversin de espectro(abajo).

Dependiendo de la frecuencia de muestreo que elijamos, las rplicas ms cercanas a

frecuencia 0 pueden estar invertidas (la componente de frecuencias positivas en frecuencias

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
82 S EALES Y SISTEMAS

negativas y viceversa), tal y como se muestra en la grfica inferior de la Figura 2.18. Si

sucede esto, se dice que el proceso de muestreo ha generado una inversin de espectro.
Si la reconstruccin de seales paso bajo muestreadas se realizaba empleando un filtro
que dejaba pasar la banda de frecuencias en las que conocamos a priori que se encontraba la
seal original, aqu hacemos exactamente lo mismo, aunque el filtro a emplear sea distinto.
Si la seal original se encuentra entre las frecuencias k0 s y (k0 + 1/2)s , o entre (k0
1/2)s y k0 s , siendo k0 un nmero entero, el filtro de reconstruccin ser un filtro paso
banda ideal con esa banda de paso.
El muestreo paso banda tambin puede realizarse sobre la seal analtica (en ese caso,
por ser compleja la seal analtica, es equivalente a muestrear dos seales reales de forma
simultnea), empleando una frecuencia de muestreo 0 /k0 , siendo k0 un nmero entero. La
nica precaucin que debemos adoptar para realizar un muestreo paso banda en cualquiera
de sus variantes es que, como en el caso de seales paso bajo, en el proceso de muestreo no
se produzca aliasing.
Tambin podemos sustituir el muestreo ideal por uno no ideal. De entre los dos tipos
de muestreo no ideales considerados, el ms apropiado para seales paso banda es el mues-
treo instantneo, donde ahora cobra ms importancia si cabe la distorsin de apertura y su
compensacin.
Por ltimo debemos aadir que aunque el muestreo paso banda pueda parecer un mero
ejercicio acadmico, existen dispositivos comerciales que ponen en prctica esta tcnica.

2.4.2. Interpolacin y diezmado de secuencias

Las tcnicas de muestreo tambin pueden aplicarse a secuencias, siendo mltiples las
razones que pueden conducirnos a su empleo. Por mencionar alguna, la representacin con el
menor nmero de muestras posibles de una secuencia que deseamos almacenar, o el empleo
de circuitera ms simple para el tratamiento de secuencias si existen requisitos de tiempo
real.
El muestro de secuencias no difiere grandemente del muestreo de seales en tiempo
continuo salvo, quiz, en la facilidad de realizacin del muestreo ideal o los cambios de
escala que podemos realizar sobre la secuencia.
La seal muestreadora en tiempo discreto es un tren de deltas de la forma

X
p[n] = [n kM ] (2.222)
k=

siendo M , de valor entero, el periodo de muestreo y s = 2/M la frecuencia de muestreo.

La secuencia muestreada xp [n] se obtiene como

X
X
xp [n] = x[n] p[n] = x[n] [n kM ] = x[kM ] [n kM ] (2.223)
k= k=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.4 M UESTREO, DIEZMADO E INTERPOLACIN 83

cuya Transformada de Fourier es

1
Xp (ej ) = X(ej ) P (ej )
2 2
X  !
1 2 2
= X(ej ) k
2 2 M M
k=
 
1 X 2
= X(ej ) k
M 2 M
k=
1 X  2

= X ej (k M ) (2.224)
M
khM i

donde la diferencia ms apreciable con su versin en tiempo continuo, (2.214), es que aqu
nos hacen falta nicamente M rplicas de X(ej ) para formar la funcin peridica Xp (ej )
de periodo 2/M , ya que X(ej ) es ya una funcin peridica de periodo 2.
Al igual que en tiempo continuo, en el muestreo de secuencias tambin puede existir
aliasing, y para poder recuperar la secuencia original x[n] debemos garantizar que no se
produce aliasing en el proceso de muestreo. Para secuencias reales paso bajo con frecuen-
cia de corte M , bastar con garantizar que s = 2/M es mayor del doble de M , que es
el teorema de muestreo de Nyquist para secuencias.
La reconstruccin de la secuencia x[n] se lleva a cabo mediante filtrado con un filtro
paso bajo ideal Hr (ej ) con ganancia M y una frecuencia de corte c igual a la mitad de la
frecuencia de muestreo, c = s /2 = /M . La respuesta al impulso del filtro interpolador
toma la forma n
hr [n] = sinc (2.225)
M
y la secuencia reconstruida, xr [n],

X  
n kM
xr [n] = x[kM ] sinc (2.226)
M
k=

La secuencia xp [n] tiene la misma estructura que una secuencia en que se han inserta-
do M 1 ceros entre muestra y muestra, (2.131). Estos ceros pueden suprimirse sin que
ello suponga ninguna prdida de informacin (de hecho, si se produjese alguna prdida de
informacin, esta se producir en el proceso de muestreo por la existencia de aliasing)
mediante una operacin de supresin de ceros de la forma
xd [n] = xp [nM ] (2.227)
donde xd [n] se conoce con el nombre de secuencia diezmada, cuya transformada es, de
acuerdo con la propiedad de supresin de ceros de la Transformada de Fourier,
1 X  2 
Xd (ej ) = Xp (ej/M ) = X ej ( M k M ) (2.228)
M
khM i

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
84 S EALES Y SISTEMAS

El proceso de obtencin de xd [n] a partir de x[n] se denomina diezmado a un ritmo

natural M y, en realidad, es algo tan simple y directo como

xd [n] = x[nM ] (2.229)

aunque es necesario todo el anlisis anterior para determinar las condiciones en que xd [n]
determina de manera unvoca x[n] y para establecer la igualdad entre sus transformadas
expresada en (2.228).
Un sistema que realiza el proceso de diezmado para una secuencia genrica x[n] es
el mostrado en la Figura 2.19, que se conoce con el nombre de diezmador . Para evitar
el aliasing emplea un filtro paso bajo de frecuencia de corte /M previo al proceso de
diezmado propiamente dicho, que se realiza en el bloque etiquetado como M . nicamente

x[n] Filtro paso bajo ~

x [ n] ~
xd [ n ] = ~
x [nM ]
con ganancia 1 M
y wc=p/M

Figura 2.19. Esquema general de un diezmador por M .

en el caso en que la secuencia x[n] sea paso bajo con frecuencia de corte menor o igual que
/M la secuencia x[n] ser igual a x[n].
El proceso contrario (que no necesariamente inverso) al diezmado es el que denomina-
mos interpolacin a un ritmo natural L. En este proceso, representado en la Figura 2.20, a

x[n] x0 L [n] Filtro paso bajo xi [n]

L con ganancia L
y wc=p/L

Figura 2.20. Esquema general de un interpolador por L.

una secuencia x[n] (que puede provenir o no de un proceso de diezmado) se le aplica una
insercin de ceros a ritmo L segn (2.131), obteniendo la secuencia

(  
X x Ln si n = L
x0L [n] = x[k][n kL] = (2.131)
k=
0 si n 6= L

cuya transformada es, teniendo en cuenta la propiedad de insercin de ceros de la Transfor-

mada de Fourier, (2.132),
X0L (ej ) = X(ejL ) (2.230)

que es una funcin peridica de periodo 2/L, igual que una secuencia que hubiese sido
muestreada con un periodo de muestreo L.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
2.4 M UESTREO, DIEZMADO E INTERPOLACIN 85

Finalmente, esta secuencia x0L [n] es filtrada paso bajo como si se tratase de una secuen-
cia muestreada para obtener la secuencia interpolada xi [n] cuya expresin es

X  
X  
n kL n kL
xi [n] = x0L [kL] sinc = x[k] sinc (2.231)
L L
k= k=

Si con un diezmador conseguimos una reduccin de la tasa de muestras o ritmo de

la secuencia por un factor entero M y mediante un interpolador un incremento de la tasa
de muestras por un factor entero L, podemos conseguir un cambio de ritmo por un factor
racional L/M aplicando, sucesivamente, un interpolador por L y un diezmador por M .
Ntese cmo el interpolador debe ir en primer lugar para asegurar que, de existir alguna
prdida de informacin (como es el caso en que L/M < 1), esta sea mnima. En esta
combinacin podemos suprimir uno de los filtros, el del interpolador o el del diezmador,
resultando una estructura de procesado como la que muestra la Figura 2.21.

x[n] x0 L [n] Filtro paso bajo ~

x [ n] ~
xd [ n ]
L con ganancia L y i M
wc=min(p/L,p/M)

Figura 2.21. Combinacin de un interpolador por L y un diezmador por M .

2.4.3. Simulacin de seales y sistemas

En el inicio del apartado anterior mencionbamos que desebamos construir una secuen-
cia x[n] a partir de una seal en tiempo continuo x(t) de la forma (2.210) empleando unos
sistemas denominados conversores continuo-discreto y volver a reconstruir una seal en
tiempo continuo empleando conversores discreto-continuo. Sin embargo, debido a proble-
mas matemticos no era posible establecer una igualdad (bidireccional) entre la secuencia y
la seal en tiempo continuo y debamos conformarnos con un sistema de muestreo y recons-
truccin como el mostrado en la Figura 2.16 en el que la variable independiente de la seal
muestreada segua siendo de naturaleza continua.
Es ahora, una vez expuestos los fundamentos de las tcnicas de muestreo y reconstruc-
cin, cuando estamos en disposicin de abordar la definicin de los conversores continuo-
discreto y discreto-continuo y establecer las equivalencias entre x[n] y x(t). Para ello, vamos
a insertar dos bloques nuevos en el diagrama de muestreo y reconstruccin anterior (Figura
2.16), tal y como se muestra en la Figura 2.22. El primero de ellos, etiquetado como con-
versor de tren de impulsos a secuencia, se encarga de construir la secuencia x[n] a partir
de los pesos de las funciones delta de xp (t), y el segundo, etiquetado como conversor de
secuencia a tren de impulsos, realiza el paso contrario. El conversor continuo discreto se
define como la combinacin de un muestreador seguido de un conversor de tren de impulsos

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
86 S EALES Y SISTEMAS

x(t) xp(t) Conversor de x[n]=x(nT ) Conversor de xp(t) Ts xr(t)

s
tren de impulsos secuencia a w
a secuencia tren de impulsos -ws/2 ws/2
p(t)

x(t) Conversor x[n] Conversor xr(t)

C/D D/C

Ts Ts

Figura 2.22. Sistema para muestreo y reconstruccin y conversores continuo-discreto

(C/D) y discreto-continuo (D/C).

a secuencia y el conversor discreto-continuo se define como la combinacin de un conversor

de secuencia a tren de impulsos seguido de un filtro reconstructor de una seal muestreada.
Para determinar la equivalencia entre x[n] y x(t) comenzamos calculando la Transfor-
mada de Fourier de xp (t) de forma distinta a como lo hicimos en (2.214). Empleando una
de las expresiones de xp (t) de (2.213),

X
xp (t) = x(nTs ) (t nTs ) (2.232)
n=

TF
calculamos su transformada empleando el par transformado (t nTs ) ejnTs para
cada uno de los trminos del sumatorio, obteniendo

X
Xp (j) = x(nTs ) ejnTs (2.233)
n=

que no es sino el Desarrollo en Serie de Fourier con periodo s de la funcin peridica

Xp (j) expresada en (2.214).
Por otra parte, tenemos que la Transformada de Fourier de la secuencia x[n] obtenida a
partir de x(t) es, cambiando por para evitar confusiones entre tiempo discreto y tiempo
continuo,
X X
j jn
X(e ) = x[n] e = x(nTs ) ejn (2.234)
n= n=

de donde, comparando con la expresin de Xp (j) obtenida en (2.233), podemos obtener

la equivalencia
Ts (2.235)
que nos permite establecer la igualdad

X(ej ) = Xp (j/Ts ) (2.236)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 2.5 L ECTURAS ADICIONALES 87

Empleando la relacin entre X(j) y Xp (j) expresada en (2.214), (2.236) se transforma

en
  
j 1 X k2
X(e ) = Xp (j/Ts ) = X j (2.237)
Ts Ts
k=

La equivalencia (2.235) y las ecuaciones (2.236) y (2.237), expresadas en palabras, vie-

nen a decir que la frecuencia de muestreo en tiempo continuo se transforma en la frecuencia
2 de la secuencia construida a partir de la seal en tiempo continuo.

Este resultado nos abre las puertas para la realizacin en tiempo discreto de sistemas en
tiempo continuo y viceversa y, ms concretamente, la realizacin en tiempo discreto de la
prctica totalidad de transmisores y receptores de comunicaciones digitales.

2.5. L ECTURAS ADICIONALES

Existen excelentes textos sobre seales y sistemas entre los que destaca, sin duda, el libro
de Oppenheim, Willsky y Nawab [55], que considera los casos en tiempo continuo y dis-
creto. De entre los dedicados al anlisis de seales y sistemas en tiempo discreto queremos
destacar los libros de Oppenheim, Schafer y Buck [54] y el de Proakis y Manolakis [62]. El
libro de Papoulis [57] trata, al igual que [55], los casos en tiempo continuo y discreto.
Para profundizar en la Transformada de Fourier se recomiendan los libros clsicos de
Bracewell [12] y Papoulis [56]. Una visin algebraica de las seales y los sistemas se en-
cuentra en el libro de Franks [26], texto que tambin se recomienda para profundizar en la
representacin de seales paso banda.

P ROBLEMAS
P2.1 Calcule los valores medio y de pico, la energa y la potencia de las siguientes seales:

1.1. x(t) = 1
1.2. x(t) = u(t)
1.3. x(t) = et
1.4. x(t) = cos(0 t)
1.5. x(t) = ( t ) ( R)
1.6. x[n] = [n]
1.7. x[n] = ej0 n

P2.2 Calcule la funcin de ambigedad temporal de la seal sinc(t) y a partir de esta de-
muestre que dos seales sinc(t) desplazadas entre s un nmero entero distinto de cero
son ortogonales.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
88 S EALES Y SISTEMAS

P2.3 Determine si cumplen los criterios de memoria, causalidad, invertibilidad, estabilidad

BIBO, linealidad e invarianza temporal los siguientes sistemas definidos mediante su
relacin entrada salida:

3.1. y(t) = x(t)

3.2. y(t) = cos(100t) x(t)
3.3. y[n] = 2x[n] + 1
P
3.4. y[n] = nk= x[k]

P2.4 Calcule el resultado de las siguientes operaciones de convolucin:

4.1. (t) (t 10)

4.2. u(t) e10t


4.3. (u[n] u[n 5]) cos 2n
5
P
4.4. (2)n u[n] k= [n 10k]

P2.5 Calcule la Transformada de Fourier de las siguiente seales:

5.1. x(t) = e|t|

5.2. x(t) = t(t)
5.3. x(t) = sinc2 (t)
P
5.4. x(t) = k= sinc(t 5k)

P2.6 La seal x(t) posee una Transformada de Fourier

X(j) = ||()

Sin calcular la Transformada Inversa de Fourier, determine:

6.1. Si x(t) es una seal par.

6.2. Si x(t) es una seal impar.
6.3. Si x(t) es una seal real.
6.4. Si x(t) es una seal imaginaria pura.
R
6.5. x(t) dt
R
6.6. |x(t)|2 dt

P2.7 Calcule los anchos de banda 3 dB, equivalente de ruido y de primer nulo de la seal
x(t) = (t).

P2.8 Calcule la Transformada de Fourier de las siguientes seales:

8.1. x[n] = u[n + 2] u[n 5]

n
8.2. x[n] = 13 u[n 2]

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 P ROBLEMAS DEL CAPTULO 2 89

8.3. x[n] = n4n u[3 n]

8.4. x[n] = cos n3 sinc n
10

P2.9 Determine las seales cuyas Transformadas de Fourier son las siguientes:


9.1. X(ej ) = 4 2 (para < )
9.2. X(ej ) = ej/4 (para < )
P

9.3. X(ej ) = k= (1)
k+1 k
4
1
9.4. X(ej ) = 1 17 e2j

P2.10 Calcule la Transformada Z de las siguiente seales, indicando su regin de convergen-

cia:


10.1. x[n] = cos n 4 u[n]
10.2. x[n] = 2n u[n + 5]
10.3. x[n] = n u[n]
10.4. x[n] = 3n u[n] + 3n u[n]

P2.11 Obtenga las siguientes propiedades de la Transformada de Fourier de tiempo discreto

a partir de sus propiedades equivalentes de la Transformada Z sustituyendo z por ej :

11.1. Simetra.
11.2. Conjugacin.
11.3. Modulacin.
11.4. Insercin de ceros.
11.5. Supresin de ceros.

P2.12 Considere el sistema definido por la ecuacin en diferencias

1 1 1 1
y[n] = y[n 1] y[n 2] + x[n] + x[n 1] x[n 3]
2 4 2 4
12.1. Obtenga su funcin de transferencia en el dominio Z.
12.2. Dibuje su diagrama de polos y ceros y determine una realizacin estable del
mismo.
12.3. Obtenga la respuesta al impulso de la realizacin estable determinada en el apar-
tado anterior.
12.4. Dibuje la respuesta en frecuencia (amplitud y fase) del sistema.

P2.13 Considere las siguientes secuencias:

13.1. x1 [n], tal que x1 [n] = 0 fuera del intervalo 0 n < N , cuya Transformada de
Fourier es X1 (ej ).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
90 S EALES Y SISTEMAS

N 3N
13.2. x2 [n], tal que x2 [n] = 0 fuera del intervalo 2 n< 2 , cuya Transformada
de Fourier es X2 (ej ).

Demuestre las siguientes aseveraciones:

13.1. Si hacemos
x3 [n] = ej1 n x1 [n]
se cumple
X3 [k] = X1 (ej ) | = 2
k + 1
N

siendo X3 [k] la DFT de longitud N de x3 [n].

13.2. Si hacemos
x2 [n + N ] 0 n < N2
N
x3 [n] = x [n] 2 n<N
2
0 resto
se cumple
X3 [k] = X2 (ej ) | = 2
k
N

siendo X3 [k] la DFT de longitud N de x3 [n].

P2.14 Considere la seal paso banda

   
t 2 t
x(t) = sinc cos(1 t) + sinc sen(1 t)
T 2T

con 1 /T 2. Obtenga su equivalente paso bajo e identifique las partes en fase y

cuadratura.

P2.15 Las fluctuaciones en la frecuencia de oscilacin de los relojes empleados en los pro-
cesos de muestreo y reconstruccin de seales en tiempo continuo afectan a la calidad
de dichos procesos. En este ejercicio vamos a evaluar la influencia de este fenmeno.
Un modelo simplificado de seal muestreadora con este efecto es el siguiente

X  
2
p(t) = t nTs sen n
n=
m

donde Ts es el periodo nominal de muestreo, y y m son los parmetros que definen

las fluctuaciones. Ts y son nmeros reales, y m es un nmero entero. Obsrvese que
p(t) es una seal peridica.
Se pide:

15.1. Dibuje la seal p(t) y determinar su periodo en funcin de los parmetros m y

Ts .
15.2. Calcule la Transformada de Fourier de p(t) para m = 4 y 0 < Ts /2.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 P ROBLEMAS DEL CAPTULO 2 91

15.3. Empleamos p(t) para muestrear una seal x(t) cuyo ancho de banda es W rad/s,
mediante
xp (t) = p(t) x(t)
. Determine el mximo valor de Ts que garantiza la reconstruccin perfecta de
x(t) a partir de xp (t) en las siguientes situaciones:
15.3.1. m = 4 y 0 < < Ts /2.
15.3.2. m = 4 y = 0.

P2.16 En el proceso de produccin de un Compact Disc (CD) de audio, las fases de gra-
bacin y mezclado de las distintas fuentes sonoras se realizan generalmente con las
seales muestreadas a 48 KHz a un mltiplo entero de esta frecuencia, mientras que
el estndar de CD de audio especifica una frecuencia de muestreo de 44,1 KHz. Me-
diante la conexin en serie de combinaciones de interpoladores y muestreadores como
los mostrados en la Figura 2.21, disee un sistema para cambiar la frecuencia de mues-
treo de 96 a 44,1 KHz empleando el menor nmero de interpoladores y diezmadores
y con valores de L y M inferiores siempre a 10.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 C APTULO 3
T EORA DE LA PROBABILIDAD Y
PROCESOS ESTOCSTICOS

La teora de la probabilidad es, junto con la teora de seales, uno de los dos pilares
matemticos sobre los que se asienta el anlisis de sistemas de comunicaciones digitales. En
este captulo se presentan nociones bsicas de probabilidad y procesos aleatorios. Se revisan
los conceptos de variable aleatoria y procesos estocsticos y sus propiedades, en particular
aquellas de inters en comunicaciones digitales.

3.1. P ROBABILIDAD
Presentar de forma intuitiva el trmino probabilidad no es difcil porque se encuentra
ya en el lenguaje cotidiano y es utilizado habitualmente por personas an sin conocimien-
tos matemticos; sin embargo, su definicin precisa y, sobre todo, su interpretacin, se ha
mantenido esquiva a lo largo del tiempo y todava es objeto de discusin. El concepto de
probabilidad est ligado a la realizacin (fsica o mental) de un experimento aleatorio, en-
tendindose por tal un experimento cuyo resultado es desconocido (es decir, no predecible)
por un observador. Suele ponerse el ejemplo del lanzamiento de un dado (no en vano la teo-
ra de la probabilidad surgi originalmente en el campo de los juegos de azar): el resultado
puede ser cualquier nmero entero entre 1 y 6, pero es a priori impredecible ni siquiera por
el lanzador. La probabilidad es una medida de la incertidumbre que, para un observador,
tiene el resultado de un experimento, y es, por tanto, una medida subjetiva: as, por ejemplo,
el contenido de un mensaje enviado a travs de un canal de comunicaciones digitales es
completamente desconocido por el receptor antes de iniciarse la comunicacin, pero no por
el transmisor, que puede predecirlo con exactitud en la medida en que conoce el mensaje
transmitido.
El desconocimiento puede ser total o parcial. Si consideramos el experimento lanzar
dos dados y sumar sus puntos, cualquier resultado entre 2 (1 + 1) y 12 (6 + 6) es posible,
pero tambin sabemos que el 7 es un resultado ms esperable que el 2. Lo sabemos por
la naturaleza del experimento (el 7 resulta de muchas combinaciones posibles de resultados

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
94 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

de cada dado, 1 + 6 = 2 + 5 = 3 + 4 = 4 + 3 = 5 + 2 = 6 + 1 = 7, mientras que sola-

mente una combinacin produce el resultado 2, esto es, 1 + 1) o por informacin estadstica
(por ejemplo, porque hayamos observado que realizaciones previas del mismo experimento
en las mismas condiciones dieron 7 con ms frecuencia que 2). Tambin, el receptor del
mensaje enviado por un transmisor puede desconocer completamente su contenido, pero tal
desconocimiento puede reducirse al observar la seal que ha recibido. Se reducir totalmen-
te si puede reconocer el mensaje a partir de la seal recibida, o parcialmente, si la seal
enviada por el transmisor ha sido enmascarada por efectos de ruido y distorsin durante la
transmisin.
La probabilidad es pues, esencialmente, una medida de incertidumbre sobre el resultado
del experimento y es, por tanto, dependiente de la cantidad de informacin disponible por
el observador en cada momento. Para acercarnos a una definicin ms formal, se precisan
varios elementos:

Un espacio muestral, , que es el conjunto de todos los resultados posibles del expe-
rimento aleatorio. En el ejemplo anterior de lanzar dos dados y sumar su resultado,
= {2, 3, . . . , 12}.

Un conjunto de sucesos, = {S, S }. Un suceso es cualquier subconjunto de 1 .

Ejemplos de sucesos en el ejemplo de los dados son que la suma sea: 2, un nmero
impar, un nmero menor que 8, etc. En total hay 211 posibles sucesos.

Definimos ahora una medida de probabilidad P r como toda funcin que, aplicada so-
bre cualquier suceso S , devuelve un nmero real P r{S} que verifica las siguientes
propiedades

P 1. 0 P r{S} 1

P 2. P r{} = 0

P 3. P r{} = 1
T
P 4. Dado un conjunto finito (o infinito numerable) de sucesos Si disjuntos (Si Sj =
), se verifica
( )
[ X
Pr Si = P r{Si } (3.1)
i i

1
Con frecuencia, es el conjunto de todos los subconjuntos de , que suele denotarse como = 2 . Sin
embargo, desde un punto de vista matemtico no es imprescindible que todos los subconjuntos de estn en ,
aunque en todo caso, deben cumplirse dos condiciones: (1) el complementario de un suceso debe ser tambin
un suceso, y (2) cualquier unin finita o infinita numerable de sucesos debe ser un suceso. Cuando se verifican
estas condiciones, se dice que tiene estructura de -lgebra.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.1 P ROBABILIDAD 95

3.1.1. Asignacin de probabilidades a sucesos

Puesto que toda funcin que verifica las propiedades anteriores es una medida de pro-
babilidad, quiere esto decir que cualquiera de estas funciones es una medida til de incer-
tidumbre sobre el resultado de cierto experimento? La respuesta es no.
Supongamos que el experimento aleatorio puede repetirse un nmero indefinido de ve-
ces, y que el resultado de cada experimento es independiente de los dems. Diremos que una
probabilidad P r es un buen modelo de incertidumbre para dicho experimento en la medida
en que sea capaz de predecir con exactitud la frecuencia con la que se repiten los diferentes
sucesos del experimento.
Es decir, P r es una buena medida de incertidumbre sobre el resultado del experimento
si dado cualquier suceso S , tras N repeticiones del experimento, denominando Ns al
nmero de veces que se produce algn resultado que est en S, el cociente Ns /N converge
a P {S} cuando N tiende a infinito.
Lo anterior permite aplicar una construccin matemtica, la probabilidad, a la medida
de regularidades en procesos fsicos impredecibles, pero dicha aplicacin no est exenta de
dificultades. De hecho, la verificacin experimental del ajuste de un modelo probabilstico a
un experimento aleatorio es imposible, pues en la prctica no puede repetirse un experimento
infinitas veces. Ms an, en ocasiones no es posible siquiera repetir el experimento, y la
asignacin de probabilidades debe apoyarse en ciertos supuestos acerca del modo en que se
producen los resultados del experimento.
Ejemplo 3.1
Considere el experimento consistente en lanzar un dado no cargado y mirar el resultado: un n-
mero entero entre 1 y 6. Cmo asignar probabilidades al suceso 5? La fsica del problema
sugiere que, siendo un dado no cargado esencialmente simtrico, no hay razn para pensar que
uno de los resultados tenga mayores oportunidades de producirse que el otro, lo que nos invita a
hacer la asignacin P r{1} = P r{2} = . . . = P r{6} = 1/6. En apoyo de esta asignacin est
el hecho de que ha resultado ser razonablemente acertada con otros muchos dados anteriormente.
Si, adems, tenemos la oportunidad de ensayar el lanzamiento de este dado cierto nmero N de
veces, podremos comprobar si, efectivamente, la frecuencia de 5 o de cualquier otro resultado
se parece a 1/6. Si es as, podemos confiar en la bondad de esta asignacin. Pero, en todo caso,
pinsese que ninguna de estas evidencias es definitiva a favor del modelo equiprobable frente a
todos los posibles. Adems, un dado real nunca es perfectamente simtrico, no todos los dados
son exactamente iguales, e incluso la prueba con repeticiones del experimento puede cuestionar-
se: los lanzamientos causan desgastes del dado, de modo que cada nueva realizacin no es una
repeticin del experimento en las mismas condiciones que las anteriores. Con todo, el modelo
equiprobable es simple y casi siempre bastante preciso, y puede aceptarse.

Ntese que, para definir una medida de probabilidad es preciso, en principio, asignar
una probabilidad a todos los sucesos en de acuerdo con las propiedades 1 a 4. En realidad,
cuando cualquier suceso se puede construir por unin contable de los sucesos atmicos
(es decir, los sucesos constituidos por un nico resultado), la propiedad 4 simplifica enor-
memente el proceso de asignacin.
Ejemplo 3.2
La asignacin de probabilidades a los 6 resultados posibles del lanzamiento del dado permite

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 96 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

calcular un valor de probabilidad para cualquier otro suceso. As, por ejemplo, suponiendo que
la probabilidad de cada posible resultado es 1/6, la probabilidad de que se obtenga un nmero
par ser
1
P r{{2} {4} {6}} = P r{2} + P r{4} + P r{6} = (3.2)
2

En general, si el espacio muestral es finito o infinito numerable, la asignacin de una

probabilidad a cada posible resultado (de acuerdo con las restricciones de que sean no nega-
tivas y sumen uno) permite calcular la probabilidad de cualquier otro suceso, por aplicacin
de la propiedad 4. Por el contrario, si es infinito no numerable, este procedimiento no
puede aplicarse, como veremos.

3.2. VARIABLES ALEATORIAS

Estrictamente hablando, variable aleatoria es toda aplicacin de en la recta real, que
asigna a cada posible resultado un nmero. Dado el resultado , la variable aleatoria
X tomar un valor X() R. En la prctica, la notacin suele simplificarse y, de forma
general, escribiremos X, omitiendo el argumento.
Mediante el uso de variables aleatorias, el espacio muestral original se proyecta sobre
un subconjunto de la recta real, que llamaremos espacio muestral imagen.

Ejemplo 3.3
Un transmisor enva una secuencia de dgitos binarios (ceros y unos), {s[n], n = 0, . . . , N
1}, a un receptor distante a travs de un canal de comunicaciones digitales. A consecuencia de
imperfecciones del canal, la secuencia de dgitos binarios detectada en recepcin, {d[n], n =
0, . . . , N 1}, es posiblemente diferente a la transmitida. Para evaluar el rendimiento de la
comunicacin, considere el experimento consistente en comparar las secuencias transmitida y
recibida y determinar cul de los resultados siguientes se ha producido: 0 =Hay errores de
transmisin, o bien 1 =No hay errores de transmisin. Puede definirse la variable aleatoria
Z dada por Z(0 ) = 0 y Z(1 ) = 1. De este modo, P r{Z = 1} es la probabilidad de que se
haya producido algn error en la transmisin.

Si llamamos al espacio muestral imagen (es decir, = {X(), } R),

podemos distinguir entre:

Variables aleatorias discretas: es discreto (es decir, finito o infinito numerable).

Variables aleatorias continuas: es continuo, o contiene algn subconjunto continuo.

La diferencia entre variables aleatorias discretas y continuas es sustancial. Como hemos

visto anteriormente, si el espacio muestral imagen es finito o infinito numerable, para ca-
racterizar la variable aleatoria en trminos probabilsticos es suficiente con asignar un valor
de probabilidad a cada posible resultado (que, de acuerdo con la definicin anterior, es tam-
bin un suceso) respetando las propiedades 1 a 3, y calcular las probabilidades de los dems
sucesos aplicando la propiedad 4. Lo ltimo es posible porque puede construirse cualquier
suceso mediante la unin contable de sucesos atmicos (esto es, sucesos formados por un

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 97

solo resultado posible). Sin embargo, si es continuo, aquellos sucesos que contengan un
conjunto infinito y no numerable de resultados posibles no pueden construirse como unin
contable de sucesos atmicos y, por tanto, no es posible calcular su probabilidad a partir de
las probabilidades de los sucesos atmicos. Adems, la mayora de los sucesos atmicos
tienen probabilidad nula!
Cuando es continuo, suele preferirse caracterizar la variable aleatoria X a partir de los
sucesos de la forma {X x}. La funcin que devuelve la probabilidad de este suceso para
cada valor de x se denomina funcin de distribucin acumulada o, simplemente, funcin de
distribucin
.
FX (x) = P r{X x} (3.3)
La funcin de distribucin tiene las siguientes propiedades, que se deducen directamente
de su definicin:
P 1. 0 FX (x) 1
P 2. FX () = 1
P 3. FX () = 0
P 4. FX (x) es una funcin montona creciente (FX (x1 ) FX (x2 ) si x1 < x2 ).

3.2.1. Distribucin de probabilidades y funcin de densidad de pro-

babilidad
Dada una variable aleatoria discreta X, se define su distribucin de probabilidades (o
simplemente distribucin), que llamaremos pX (x), como aquella que, para cada posible
valor x de X, devuelve su probabilidad. As, por ejemplo,

pX (3) = P r{X = 3} (3.4)

Obviamente, si X puede tomar los valores {xi , 0 i M 1}, resulta

M
X 1
pX (xi ) = 1 (3.5)
i=0

Probabilidad y distribucin de probabilidades son esencialmente lo mismo, aunque la

primera se aplica a sucesos y la segunda a nmeros. Si la variable es discreta, conociendo
su distribucin puede calcularse la probabilidad de cualquier suceso. Por el contrario, si
la variable aleatoria es continua, la distribucin de probabilidades no resulta til, y suele
recurrirse a la funcin de distribucin acumulada o bien a su derivada, que se conoce como
funcin de densidad de probabilidad (abreviadamente, fdp)
. dFX (x)
fX (x) = (3.6)
dx
Las siguientes propiedades son una consecuencia inmediata de esta definicin, y de las
propiedades de la funcin de distribucin enunciadas anteriormente:

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
98 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

P 1. fX (x) 0
Rx
P 2. FX (x) = fX ()d
R
P 3. fX ()d =1

Adems, la densidad de probabilidad define completamente una variable aleatoria, en

el sentido de que permite calcular la probabilidad de cualquier suceso. Por ejemplo, la pro-
babilidad del suceso {a < X b} se puede calcular teniendo en cuenta que el conjunto
{X b} admite la particin

{X b} = {X a} {a < X b} (3.7)

luego, en virtud de la Propiedad 4,

P r{X b} = P r{X a} + P r{a < X b} (3.8)

y, por tanto,
Z b
P r{a < X b} = FX (b) FX (a) = fX (x)dx (3.9)
a

De forma general, la probabilidad del suceso {X S} se puede calcular como

Z
P r{X S} = fX (x)dx (3.10)
S

La propiedad (3.9) puede ayudarnos a interpretar la funcin fX (x): partiendo de la de-

finicin de derivada,

FX (x + ) FX (x) P r{x < X x + }

fX (x) = lm = lm (3.11)
0 0

la expresin final explica la denominacin de densidad de probabilidad para fX (x).

Resumiendo, las variables aleatorias discretas pueden caracterizarse mediante su dis-
tribucin de probabilidades, y las continuas mediante su funcin de densidad de proba-
bilidad. Para completar el paralelismo entre variables discretas y continuas, puede defi-
nirse la funcin de probabilidad acumulada
P (o de distribucin) de una variable discreta,
dada por FX (x) = P r{X x} = xi x pX (xi ). La funcin de distribucin cumple
FX (xmax ) = 1, donde xmax es el mximo valor posible de X (estrictamente hablando, el
valor supremo).
Asimismo, las probabilidades pueden expresarse a partir de la funcin de distribucin.
Suponiendo x0 < x1 < . . . < xM 1 , puede escribirse pX (xi ) = FX (xi ) FX (xi1 ).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 99

3.2.2. Esperanza matemtica

La media o esperanza matemtica de la variable aleatoria discreta X de espacio muestral
= {xi , 0 i M 1} se define como
M 1
. X
X = E{X} = xi pX (xi ) (3.12)
i=0

La esperanza matemtica tambin tiene una interpretacin frecuencial. Supongamos, por

ejemplo, que se observan N realizaciones xj , j = 0, . . . , N 1 de la variable aleatoria X;
el promedio de todas ellas ser
N 1
1 X j
X = x (3.13)
N
j=0

Agrupando los sumandos iguales, resulta

M
X 1
Ni
X = xi (3.14)
N
i=0

siendo Ni el nmero de sumandos iguales a xi . Dado que el cociente Ni /N se aproxima a

pX (xi ) a medida que aumenta N , el promedio se aproxima a la media.
La esperanza matemtica puede aplicarse a cualquier funcin de X,
M
X 1
E{g(X)} = g(xi )pX (xi ) (3.15)
i=0

existiendo algunos casos particulares de especial inters:

Valor cuadrtico medio: E{X 2 }

2 = E{(X )2 } = E{X 2 } 2
Varianza: X X X

Momento de orden n: E{X n }

Momento central de orden n: E{(X X )n }

De modo anlogo se define la esperanza matemtica de una variable aleatoria continua:

Z
X = E{X} = xfX (x)dx (3.16)

y, en general, Z
E{g(X)} = g(x)fX (x)dx (3.17)

Los casos particulares definidos anteriormente tambin son de aplicacin a variables
continuas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
100 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

3.2.3. Distribuciones de inters

A modo de ejemplo, se presentan en este apartado modelos de probabilidades y densi-
dades de probabilidad muy comunes, y de especial inters en comunicaciones digitales.

Variables aleatorias discretas

Bernoulli. Una variable aleatoria X se dice de Bernoulli si su espacio muestral tiene so-
lamente dos elementos: = {0, 1}, con probabilidades

pX (0) = 1 p
(3.18)
pX (1) = p

o, de forma ms compacta:
pX (k) = pk (1 p)1k (3.19)

La ocurrencia o no de cierto suceso S en un experimento aleatorio puede modelarse

como una variable de Bernoulli dada por

X(Se ha producido S) = 1

X(No se ha producido S) = 0

As, por ejemplo, esta variable aleatoria resulta til en comunicaciones para analizar sucesos
del tipo Se ha transmitido un bit de valor 1 o bien El mensaje recibido contiene errores.

Binomial. Supongamos que cierto experimento aleatorio se repite n veces (independien-

tes), y desea evaluarse el nmero de veces que se produce cierto suceso S de probabilidad
P r{S} = p. Considerando la variable aleatoria X que toma el valor k si el suceso S se
ha producido k veces, puede demostrarse (vase Problema P3.4) que, en tal caso, X es una
variable aleatoria de espacio muestral = {0, 1, 2, . . . , n}, con distribucin de probabili-
dades
 
n k
pX (k) = p (1 p)nk k = 0, . . . , n (3.20)
k

siendo
 
n . n!
= (3.21)
k k!(n k)!

Su media es np (vase tambin Problema P3.4). Las distribuciones de esta forma se deno-
minan binomiales. Ntese que la distribucin binomial se reduce a la de Bernoulli cuando
n = 1.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 101

Nombre Expresin Rango Media Varianza

Bernoulli pX (k) = pk (1 p)1k k {0, 1} p p(1 p)


Binomial pX (k) = nk pk (1 p)nk 0kn np np(1 p)
Geomtrica pX (k) = p(1 p)k k0 (1 p)/p (1 p)/p2
Poisson pX (k) = e k /k! k0

Cuadro 3.1. Resumen de las propiedades de distribuciones de variables aleatorias discre-

tas. En todas las ecuaciones, p es un nmero real comprendido entre 0 y 1 y un nmero
real positivo.

Geomtrica. El espacio muestral de la distribucin geomtrica es el conjunto de todos los

enteros no negativos. La distribucin de probabilidades viene dada por

pX (k) = (1 p)k p k0 (3.22)

donde p es un parmetro de la distribucin.

La distribucin geomtrica surge, por ejemplo, cuando se desea evaluar la primera vez
que se produce un suceso S de probabilidad p en una sucesin infinita de realizaciones
independientes de cierto experimento aleatorio. Su valor medio (que es el tiempo medio de
aparicin del suceso) puede calcularse como

X
X
E{X} = kpX (k) = p(1 p) k(1 p)k1 (3.23)
k=0 k=1

d
Sabiendo que k(1 p)k1 = dp (1 p)k , podemos escribir

d X
E{X} = p(1 p) (1 p)k
dp
k=1
 
d 1
= p(1 p) 1
dp p
1p
= (3.24)
p
La distribucin geomtrica es til en comunicaciones digitales para estimar el tiempo medio
transcurrido antes de producirse un error en una transmisin digital.

Poisson. La variable aleatoria de Poisson tambin toma valores enteros no negativos, y su

funcin de probabilidad se define como

e k
pX (k) = k0 (3.25)
k!

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
102 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Su media y su varianza coinciden con (vase Problema P3.1).

La distribucin de Poisson es una buena aproximacin de la distribucin binomial para
= np, y para los valores de k del orden de .

En el Cuadro 3.1 se resumen estos ejemplos de distribuciones discretas, que se repre-

sentan, para algunos valores de sus parmetros, en la Figura 3.1.

Bernoulli Binomial (n=20)

0.8 0.4
p=0.25 p=0.25
0.6 p=0.5 0.3 p=0.5
p (k)

pX(k)
0.4 0.2
X

0.2 0.1

0 0
0 10 20 0 10 20
k k
(a) (b)
Geomtrica Poisson
0.8 0.2
p=0.25 =5
0.6 p=0.5 0.15 =10
p (k)

pX(k)

0.4 0.1
X

0.2 0.05

0 0
0 10 20 0 10 20
k k
(c) (d)

Figura 3.1. Algunas distribuciones discretas.

Variables aleatorias continuas

Uniforme. Una variable continua X se denomina uniforme si su funcin de densidad de

probabilidad tiene la forma
 1
ba ax<b
fX (x) = (3.26)
0 en caso contrario

Su media es
Z b
1 a+b
X = E{X} = xdx = (3.27)
ba a 2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 103

y su varianza
Z b  
 2
1 2 1 (b X )3 (a X )3
E (X X ) = (x X ) dx =
ba a ba 3 3
1
= (b a)2 (3.28)
12

Gausiana. Una variable continua X se dice gausiana o normal si su funcin de densidad

de probabilidad tiene la forma

1 (x)2
fX (x) = e 22 (3.29)
2

Su media coincide con el valor del parmetro , y su varianza con 2 .

La distribucin gausiana es un buen modelo para muchos procesos aleatorios presen-
tes en la naturaleza. En particular, es un buen modelo del ruido en numerosos dispositivos
elctricos y electrnicos, y en sistemas de comunicaciones digitales. Su abundancia puede
explicarse como una consecuencia del teorema central del lmite, que se presentar en el
Apartado 3.2.8.
La variable gausiana de media cero y varianza unidad se conoce como una variable
normal unitaria. La probabilidad de que supere un valor x se calcula como
Z Z
1 2
P r{X x} = fX ( )d = e 2 d (3.30)
x 2 x
La integral en la ecuacin anterior no tiene solucin analtica, sin embargo se dispone de la
solucin en forma de una funcin tabulada, conocida por funcin Q, que se define como
Z
. 1 2
Q(x) = e 2 d (3.31)
2 x
Una alternativa al uso de tablas o aproximaciones numricas de la funcin Q consiste en
el establecimiento de cotas superiores e inferiores de la misma. Las cotas superiores ms
utilizadas son
1 x2
Q(x) e 2 x0 (3.32)
2
y
1 x2
Q(x) < e 2 x0 (3.33)
x 2
y una inferior es  
1 1 x2
Q(x) > 1 2 e 2 x0 (3.34)
x 2 x
La Figura 3.2 muestra estas cotas junto a la funcin Q, donde podemos apreciar que tanto
(3.33) como (3.34) son muy ajustadas para valores grandes de x. Observe adems que el
x2
trmino dominante para valores grandes de x en las tres cotas es el mismo, e 2 .

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
104 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

0
10

1
10

2
10

3
10

4
10
Q(x)
5
10 Cota superior (3.32)
Cota superior (3.33)
6
Cota inferior (3.34)
10
0 1 2 3 4 5
x

Figura 3.2. Funcin Q(x) y varias cotas de la misma.

En la literatura podemos encontrar otras funciones relacionadas de

manera directa con
la funcin Q: una es la denominada funcin error, erf(x) = 1 2Q( 2x) (x 0), y otra
es la funcin error complementaria, erfc(x) = 1 erf(x) = 2Q( 2x) (x 0).
La funcin de distribucin (acumulada) de una variable normal unitaria se expresa en
funcin de Q como Z x
1 2
FX (x) = e 2 d = 1 Q(x) (3.35)
2
y tambinen funcin de erf y erfc para
valores de x no negativos como FX (x) = 1Q(x) =
1 1
2 (erf(x/ 2) + 1) = 1 2 erfc(x/ 2).
No es difcil aplicar la funcin Q al clculo de probabilidades asociadas a variables
gausianas de media y varianza arbitrarias. As, por ejemplo, dada una variable gausiana X
de media y varianza 2 , se comprueba que
 
x
P r{X x} = Q (3.36)

Weibull. Una variable Weibull de parmetros c 0 y 0 se caracteriza por una funcin

de densidad de probabilidad
c
fX (x) = cc xc1 e(x) , x0 (3.37)

que es la derivada de una funcin de distribucin de expresin ms sencilla:

c
FX (x) = 1 e(x) , x0 (3.38)

(originalmente, Weibull propuso esta distribucin partiendo de (3.38)).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 105

En el caso c = 2 y = 1/ R, la fdp en (3.37) se simplifica en una distribucin
conocida como Rayleigh
2x x2
fX (x) = e R, x0 (3.39)
R
Alternativamente, podemos definir una variable aleatoria de tipo Rayleigh a partir de dos
y X1 son gausianas independientes2 de media cero y varianza 2 ,
variables gausianas: si X0p
la variable dada por Y = X02 + X12 sigue una distribucin Rayleigh con R = 2 2 (vase
Problema P3.7). Variables de este tipo las encontramos con frecuencia en ciertos detectores
en comunicaciones digitales.

Lognormal. La funcin densidad de probabilidad lognormal de parmetros y se define

por
1 (ln x)2
fX (x) = e 22 , x>0 (3.40)
2x

Gamma. La variable aleatoria de tipo gamma de parmetros b y > 0 se define por

1 b b1 x
fX (x) = x e , x>0 (3.41)
(b)
R
donde (b) = 0 b1 e d es la funcin Gamma.
Hay dos casos particulares de especial inters:

Distribucin exponencial. Es la distribucin Gamma de parmetro b = 1, resultando

fX (x) = ex , x>0 (3.42)

La distribucin exponencial se utiliza frecuentemente para el modelado de la duracin

media de paquetes de datos.

Distribucin Chi-cuadrado (2 ). Se dice que una variable aleatoria tiene una dis-
tribucin 2 con r grados de libertad si se ajusta a una distribucin Gamma con los
parmetros = 1/2 y b = r/2. En este caso, la fdp en (3.41) se reduce a
r
2 2 r x
fX (x) = x 2 1 e 2 , 0x< (3.43)
(r/2)

Tambin podemos definir una variable aleatoria de tipo 2 con r grados de libertad co-
mo la suma de los cuadrados de r variables aleatorias normales unitarias independien-
tes: sean X0 , . . . , Xr1 variables aleatorias gausianas de media nula y varianza unidad
independientes entre s; si definimos la variable aleatoria como Y = X02 + +Xr1 2 ,
2
esta posee una distribucin con r grados de libertad. A partir de aqu podemos tam-
bin definir la distribucin , que sera la que posee la variable Z = Y . Note que
2
El concepto de independencia de variables aleatorias se trata con detalle un poco ms adelante, en la Pgina
120.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
106 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

la distribucin con dos grados de libertad (r = 2) es un caso particular de una dis-

tribucin de Rayleigh. En los apartados siguientes aprenderemos el mtodo general
para obtener la funcin de densidad de probabilidad de una variable aleatoria que es
funcin de otra.

En el Cuadro 3.2 se resumen estas distribuciones continuas, indicando la media y va-

rianza de cada una de ellas en funcin del valor de sus parmetros. En las Figuras 3.3(a-h)
se representan algunos ejemplos.

Nombre fX (x) Rango Media Varianza

1 1 1
Uniforme ba ax<b 2 (a + b) 12 (b a)2
(x)2
1 e
Gausiana 2
2 2 xR 2
c 1 1

. 1


Weibull cc xc1 e(x) x0 1 + c =m 2
1 + 2c m2
2 xR
2
R


Rayleigh R xe x0 2 1 4 R
(ln x)2 2  2 
1 + 2 2
Log-Normal 2x
e 2 2 x0 e e2+ e 1
1 b b1 ex b b
Gamma (b) x x0 2
1 1
Exponencial ex x0 2
2r/2 r/21 x/2
2 (r/2) x e x0 r 2r

Cuadro 3.2. Algunas funciones de densidad de probabilidad. El parmetro y los parme-

tros de la distribucin uniforme son nmeros reales arbitrarios. El resto deben ser nmeros
reales positivos.

3.2.4. Funcin de una variable aleatoria

Cualquier transformacin sobre una variable aleatoria es, a su vez, otra variable aleato-
ria, caracterizable por su funcin de probabilidad o de densidad de probabilidad, segn se
trate de una variable discreta o continua, respectivamente.
Si X es una variable discreta de espacio muestral X = {x0 , . . . , xM 1 }, Y = g(X)
es otra variable aleatoria de dominio Y = {y0 = g(x0 ), . . . , yM 1 = g(xM 1 )}. Adems,
si la transformacin g es invertible, resulta

pY (yi ) = P r{Y = yi } = P r{X = xi } = pX (xi ) (3.44)

Si la transformacin no es uno a uno (porque para uno o ms xi se verifica que g(xi ) =

g(xk ) con k 6= i), se comprueba fcilmente que
X
pY (yi ) = pX (xk ) (3.45)
k|g(xk )=yi

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 107

0.8
b=1 0.4 2
=1 c=1
0.6 b=2 c=2
0.3 =2 1.5 c=3
b=3 c=4
0.4 =3
b=4 0.2 1
=4
0.2 0.1 0.5

0
4 2 0 2 4 10 5 0 5 10 0 2 4 6
(a) Uniforme (a = b) (b) Gausiana ( = 0) (c) Weibull ( = 1)
1 2 1
R=1 =1 b=1
0.8 R=2 =2 0.8 b=2
R=3 1.5 b=3
=3
R=4 b=4
0.6 =4 0.6
1
0.4 0.4
0.5
0.2 0.2

0 0 0
0 2 4 6 0 2 4 6 0 2 4 6
(d) Rayleigh (e) Log-normal ( = 0) (f) Gamma
4
=1 0.5
r=2
=2 r=4
3 0.4
=3 r=6
=4 0.3 r=8
2
0.2
1
0.1

0 0
0 2 4 6 0 5 10

(g) Exponencial (h) 2

Figura 3.3. Algunas distribuciones continuas.

El anlisis en el caso continuo es algo ms complejo. Sea X una variable aleatoria

continua e Y = g(X). Entonces, puede escribirse

FY (y) = P r{Y y} = P r{g(X) y} (3.46)

Supongamos, en primer lugar, que g es una funcin estrictamente creciente. En tal caso,
puede definirse la funcin inversa x = h(y) = g 1 (y), y (3.46) se reescriben como

FY (y) = P r{X h(y)} = FX (h(y)) (3.47)

Por el contrario, si g es estrictamente decreciente, un razonamiento anlogo conduce a

FY (y) = P r{Y y} = P r{X h(y)} = 1 FX (h(y)) (3.48)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
108 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Derivando las Ecuaciones (3.47) o (3.48), segn se trate de una funcin creciente o
decreciente, resulta
 
 dh(y) 
fY (y) = fX (h(y))   (3.49)
dy 

Ejemplo 3.4
Si X es una variable aleatoria gausiana de media y varianza , la variable Y = eX tiene una
distribucin  
1 1 (ln(y))2
fY (y) = fX (ln(y))   = e 22 , y>0 (3.50)
y y 2
y, por tanto, es una variable lognormal.

Sabiendo que, para y = g(x),

   
 dh(y)   dg(x) 1
 =  (3.51)
 dy   dx 

(3.49) puede reescribirse como

 
 dg(x) 1
fY (y) = fX (x)   (3.52)
dx 
x=h(y)

Esta expresin puede generalizarse para funciones g con tramos crecientes y decrecien-
tes, de modo anlogo al caso discreto: la fdp resulta de la suma

X  
 dg(x) 1
fY (y) = fX (x)   (3.53)
dx 
x|g(x)=y

Ejemplo 3.5
Considere la variable aleatoria X con fdp fX (x) y la variable aleatoria Y = g(X) = X 2 .
La funcin g(x) tiene como derivada dg(x) = 2x y un tramo decreciente (x < 0) y un tramo
dx
creciente (x > 0). En el tramo decreciente la funcin inversa es x = h(y) = y y en el tramo

creciente es x = h(y) = y. Aplicando (3.53) obtenemos
 
fX (x)  fX (x)  fX ( y) fX ( y)
fY (y) =  +  = + (3.54)
2x  2x  2 y 2 y
x<0 x0

Si X es una variable aleatoria gausiana de media y varianza 2 ,

 
1 (

y+)2 (

y)2
fY (y) = e 2 2 + e 2 2 (3.55)
2 2y

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 109

Esperanza matemtica
De acuerdo con la definicin de esperanza matemtica, la media de Y = g(X) puede
calcularse por dos procedimientos: como esperanza matemtica de Y
Z
E{Y } = yfY (y)dy (3.56)

o bien como esperanza matemtica de g(X),

Z
E{g(X)} = g(x)fX (x)dx (3.57)

Cabe preguntarse si ambos procedimientos conducen al mismo resultado. Para simplificar,

supondremos que g es una funcin estrictamente creciente. Llamando h = g 1 a su inversa,
y haciendo el cambio de variable y = g(x), la integral (3.57) puede escribirse como
Z  1
dg
E{g(X)} = yfX (h(y)) (h(y)) dy (3.58)
dx
Sabiendo que
 1
dg dh(y)
(h(y)) = (3.59)
dx dy
resulta Z
dh(y)
E{g(X)} = yfX (h(y)) dy (3.60)
dy
Por ltimo, en virtud de (3.49) y teniendo en cuenta que, si g es estrictamente creciente, su
inversa tambin lo es, de modo que fX (h(y)) dh(y) dh(y)
dy = fX (h(y))| dy | = fY (y), resulta

E{g(X)} = E{Y } (3.61)

Por tanto, el valor medio es independiente de la variable que se utilice para su clculo.
Esta propiedad es vlida para cualquier funcin g, no necesariamente creciente, aunque la
demostracin general es algo farragosa, y se omite en este texto. La conclusin es vlida,
asimismo, para el caso discreto.
Un caso particular de inters es aquel en el que la relacin entre las variables es lineal.
Supongamos, por ejemplo, que la variable aleatoria continua X tiene media X y varianza
X2 , y se define la variable Y = aX + b, siendo a y b constantes conocidas. De acuerdo con

(3.61), la media de Y es
Z Z
Y = E{Y } = E{aX + b} = (ax + b)fX (x)dx = a xfX (x)dx + b

= aX + b (3.62)

y su varianza

E{(Y Y )2 } = E{(aX + b aX b)2 } = E{a2 (X X )2 } = a2 X

2
(3.63)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
110 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

3.2.5. Variables aleatorias conjuntamente distribuidas

Considere el experimento consistente en lanzar dos dados y observar el resultado. Si
estamos interesados en el valor que toma cada dado (como sucede, por ejemplo, en el juego
del Backgammon), el resultado es la combinacin de los resultados de cada dado, y
su probabilidad puede medirse recurriendo a la probabilidad de la ocurrencia simultnea
de dos resultados especficos. Por ejemplo, si X1 es el resultado de lanzar el dado 1 y X2
el resultado de lanzar el dado 2, podemos calcular las probabilidades de la configuracin
X1 = 6, X2 = 4 como P r{X1 = 6, X2 = 4}. De forma general, podemos definir
la funcin de probabilidad conjunta pX1 ,X2 (x1 , x2 ) que, para cada posible valor de x1 y x2 ,
devuelve la probabilidad del suceso X1 = x1 y X2 = x2 .

Variables discretas

De forma general, dada una coleccin de variables aleatorias X = {Xi , i = 0, . . . , N

1} de espacios muestrales Ei R, respectivamente, se define la funcin de probabilidad
conjunta de las variables en X como aquella funcin que devuelve, para cada configura-
cin posible de valores de las variables, su probabilidad de ocurrencia simultnea. De for-
ma general, denotaremos esta funcin como pX0 ,...,XN 1 (x0 , . . . , xN 1 ). Asimismo, puede
construirse el vector aleatorio
X0
X1

X= .
..
XN 1

en cuyo caso la funcin de probabilidad conjunta admite la representacin pX (x).

A partir de esta definicin, no es difcil demostrar que la funcin de probabilidad aso-
ciada a un subconjunto de las variables en X se puede obtener a partir de la probabilidad
conjunta, mediante suma sobre todos los valores posibles de las otras variables. Esta opera-
cin suele denominarse marginalizacin . As, por ejemplo,
X
pX0 ,...,XN 2 (x0 , . . . , xN 2 ) = pX0 ,...,XN 1 (x0 , . . . , xN 2 , xN 1 ) (3.64)
xN 1 EN 1

o
X X X X
pXi (xi ) = pX0 ,...,XN 1 (x0 , . . . , xN 2 , xN 1 )
x0 E0 xi1 Ei1 xi+1 Ei+1 xN 1 EN 1
(3.65)
La media X de un vector aleatorio X tiene una definicin similar al de una variable
escalar
X X
X = E{X} = xpX (x) (3.66)
x0 E0 xN 1 EN 1

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 111

Podemos observar que la media es un vector cuya componente i-sima, X,i , viene dada
por
. X X X
X,i = xi pX (x) = xi pXi (xi ) = E{Xi } (3.67)
x0 E0 xN 1 EN 1 xi

Es decir, E{X} es un vector de componentes E{Xi }.

De modo similar al caso escalar, el operador de esperanza matemtica puede aplicarse a
cualquier funcin de X. En particular, se define la matriz de covarianzas de X como

. X X
C = E{(X X )(X X )T } = (x X )(x X )T pX (x)
x0 E0 xN 1 EN 1
(3.68)
donde el superndice T denota vector transpuesto. Se comprueba que la componente (i, j)
de C tiene la forma

Cij = cov(Xi , Xj ) = E{(Xi X,i )(Xj X,j )}

XX
= (xi X,i )(xj X,i )pXi ,Xj (xi , xj ) (3.69)
xi xj

y se denomina covarianza cruzada o, simplemente, covarianza, de las variables Xi y Xj .

Resulta inmediato comprobar que Cii coincide con la varianza de Xi .
La matriz de covarianzas tiene dos propiedades importantes, que se deducen directa-
mente de su definicin:

P 1. Es simtrica : C = C T

P 2. Es semidefinida positiva, dado que, para todo v, se verifica que

v T Cv = v T E{(X X )(X X )T }v
= E{v T (X X )(X X )T v}
= E{((X X )T v)2 } 0 (3.70)

Como consecuencia de estas propiedades, todos los autovalores de C son no-negativos.

Adems, existe una base ortonormal de autovectores, {q i , i = 0, . . . , N 1}, con q Ti q j =
ij y 0 i, j N 1, de modo que C se puede factorizar como

C = QQT (3.71)

.
donde Q = (q 0 | . . . |q N 1 ) es una matriz ortogonal (Q1 = QT ) formada por los autovec-
tores, y es una matriz diagonal tal que ii es el autovalor correspondiente al autovector
qi .

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
112 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Variables continuas
La funcin de distribucin conjunta de las variables {Xi , i = 0, . . . , N 1}, se define
como
.
FX (x0 , . . . , xN 1 ) = P r{X0 x0 , . . . , XN 1 xN 1 } (3.72)
y la funcin de densidad de probabilidad conjunta se define como

. N FX (x)
fX (x) = (3.73)
x0 xN 1
Cuando N = 1, las definiciones anteriores se reducen a las ya conocidas para el caso escalar.
Puede interpretarse la funcin de densidad de probabilidad como un valor proporcional a la
probabilidad de que las componentes del vector aleatorio caigan dentro de los intervalos
[x0 , x0 + dx0 ], . . . , [xN 1 , xN 1 + dxN 1 ].

P {x0 X0 x0 + dx0 , . . . , xN 1 XN 1 xN 1 + dxN 1 } = fX (x)dx (3.74)

Partiendo de la fdp conjunta de X, se puede calcular la funcin de distribucin conjunta

Z x0 Z xN 1
FX (x) = fX (z)dz (3.75)

Asimismo, de forma general, la probabilidad de que una variable aleatoria caiga dentro
de una regin S RN se puede calcular como
Z
P r{X S} = fX (x)dx (3.76)
S

La propiedad dada por la Ecuacin (3.64) tambin tiene una extensin directa al caso
continuo, que ofrecemos sin demostracin:
Z
fX0 ,...,XN 2 (x0 , . . . , xN 2 ) = fX (x)dxN 1 (3.77)

Asimismo, se define la media de un vector aleatorio X como

Z
.
X = E{X} = xfX (x)dx (3.78)
RN

que es un vector de componentes E{Xi }.

La matriz de covarianzas se define por
Z
.
C = E{(X X )(X X )T } = (x X )(x X )T fX (x)dx (3.79)
RN

sus componentes son las covarianzas de las componentes de X,

Cij = Cov(Xi , Xj ) = E{(Xi X,i )(Xj X,j )} (3.80)

y conserva las mismas propiedades que la matriz de covarianzas de un conjunto de variables

discretas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 113

Variable gausiana multidimensional. Una funcin de densidad de probabilidad conjunta

de especial inters en comunicaciones es la gausiana N -dimensional, dada por

1 1 T 1
fX (x) = p e 2 (x) C (x) (3.81)
(2) N/2 det(C)

donde es la media, C la matriz de covarianzas y det(C) su determinante.

Ejemplo 3.6
La Figura 3.4 representa la funcin de densidad de probabilidad de una variable gausiana bidi-
mensional de media
 
2
= (3.82)
2

y matriz de covarianzas
 
1 0,6
C= (3.83)
0,6 0,7

Los cortes horizontales representan curvas de nivel elpticas. Los cortes longitudinal y transversal
sealan las dos direcciones principales (de los ejes de las elipses). Puede demostrarse que estas
direcciones se corresponden con las de los autovectores de la matriz de covarianzas y que, en este
ejemplo, estn dados, aproximadamente, por q 1 (0,615, 0,788)T y q 2 (0,788, 0,615)T .

(a) (b)

Figura 3.4. La Figura (a) representa la densidad de probabilidad de la variable gausiana

bidimensional descrita en el Ejemplo 3.6. Los cortes transversales representan curvas de
nivel elpticas. Se representan, asimismo, los cortes (por la media de la distribucin) en
las direcciones de los autovectores de la matriz de covarianzas. Desde la perspectiva azi-
mutal de la Figura (b) se aprecia claramente que las direcciones de los autovectores se
corresponden con los ejes principales de las secciones elpticas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
114 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Si X es un vector aleatorio gausiano, cualquier subconjunto de las componentes de X

posee una distribucin gausiana. As, por ejemplo,
Z
fX0 ,...,XN 2 (x0 , . . . , xN 2 ) = fX (x)dxN 1 (3.84)

es una gausiana, cuyas media y matriz de covarianzas son las componentes correspondientes
de y C.

Variables complejas. Cualquier variable aleatoria compleja X = Xr + jXi puede con-

siderarse un conjunto de dos variables aleatorias reales, Xr y Xi , de modo que, para todo
x = xr + jxi C, fX (x) = fXr ,Xi (xr , xi ).
En particular, en virtud de (3.81) la densidad de probabilidad de una variable gausiana
compleja de media nula y matriz de covarianzas
 2 
r ri
C= (3.85)
ri i2

se puede expresar como

i2 x2 2 2
 
r +r xi 2ri xr xi
1 21 2 2 2
r
fX (x) = q e i ri (3.86)
2 2 2
2 r i ri

Funciones de variables aleatorias

Dado un vector aleatorio X RN , y un conjunto de N funciones de RN en R,
{g0 , g1 , . . . , gN 1 }, puede obtenerse otro vector aleatorio Y = g(X) RN , tal que
.
g(X) = (g0 (X), g1 (X), . . . , gN 1 (X)). Si g es invertible y hi denota la componente
i-sima de la funcin inversa de g, el vector h se construye a partir de {h0 , h1 , . . . , hN 1 }
de modo similar al vector g.
Si X es una variable discreta, (3.44) se generaliza de modo inmediato

pY (y) = pX (h(y)) (3.87)

Si X es continua con fdp conjunta fX (x), puede demostrarse que

fY (y) = |det(J )| fX (h(y)) (3.88)

siendo J la matriz Jacobiana de la transformacin h, dada por

h (y) h0 (y)

0
y0 yN 1
.. .. ..
J = . . .
(3.89)
hN 1 (y) hN 1 (y)
y0 yN 1

y det(J ) su determinante.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 115

Ejemplo 3.7
Sea X RN un vector aleatorio e Y = AX + b, siendo A una matriz cuadrada invertible y
b RN un vector constante. La matriz Jacobiana de la transformacin es J = A1 y la fdp de
Y se puede calcular aplicando directamente la expresin (3.88)
 
fY (y) = det(A1 ) fX (A1 (y b)) (3.90)

3.2.6. Probabilidades condicionales

Hemos dicho que la probabilidad es una medida de la incertidumbre acerca del resultado
de un experimento, y por tanto es subjetiva, en la medida en que depende de la informacin
disponible por el observador que pueda tener alguna relacin con el mismo. Por tanto, si el
observador recibe nueva informacin, la cantidad de incertidumbre puede cambiar.
Se precisa, por tanto, alguna medida de la probabilidad de cierto suceso A condicionada
por el conocimiento sobre la ocurrencia de otro suceso B. Matemticamente, esto se escribe
P r{A|B} y se define como

. P r{A B}
P r{A|B} = (3.91)
P r{B}

Cabe preguntarse si esta definicin matemtica expresa efectivamente lo que se desea

medir. Supongamos que, tras realizar un nmero N (suficientemente grande) de veces el
experimento aleatorio asociado a los sucesos A y B, se producen NB ocurrencias de B y
NAB ocurrencias simultneas de A y B. Si las probabilidades de los sucesos son consistentes
con las observaciones, debe ser buena la aproximacin P r{A|B} NAB /NB (es decir, la
probabilidad debe aproximarse a la proporcin de veces que se ha observado A entre todas
las observaciones en las que ha sucedido B). Lo es? S, puesto que

P r{A, B} NAB /N NAB

P r{A|B} = = (3.92)
P r{B} NB /N NB

Por otra parte, de (3.91) se deduce que

P r{A B} = P r{A|B}P r{B} = P r{B|A}P r{A} (3.93)

Esta expresin puede generalizarse para la interseccin de n sucesos con la denominada

regla de la cadena de la probabilidad condicional

P r{A0 A1 An1 } = P r{A0 }P r{A1 |A0 } P r{An1 |A1 , A2 , . . . , An2 }

(3.94)
Del mismo modo que hemos definido la funcin de probabilidad de una variable aleato-
ria a partir de las probabilidades de los sucesos atmicos (sucesos constituidos por un solo
resultado posible), se define la funcin de probabilidad condicional de X dado Y (o mejor,
de X dado Y = y) como
. pX,Y (x, y)
pX|Y (x|y) = (3.95)
pY (y)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
116 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

que, para cada valor de x y de y, devuelve la probabilidad condicionada correspondiente.

Asimismo, se define la funcin de densidad de probabilidad condicional de la variable
continua X dada la variable continua Y

. fX,Y (x, y)
fX|Y (x|y) = (3.96)
fY (y)

Ejemplo 3.8
Un ejemplo de probabilidades condicionales utilizado en transmisin digital es el modelo de
Canal binario simtrico (Figura 3.5). Este modelo define las probabilidades con las que ocurren

S R
Transmisor Canal Receptor

Figura 3.5. Modelo de canal binario simtrico. El transmisor enva un bit S=0 1 a travs
del canal. El receptor observa un bit R=0 1, que, con probabilidad p, difiere de S.

los 0 y los 1 a la salida de un canal de comunicaciones, supuesto conocido el valor de los bits
a su entrada. De esta forma se definen las variables aleatorias S y R asociadas al bit transmitido
y recibido, respectivamente, relacionadas a travs de las siguientes probabilidades

P r{R = 0|S = 0} = 1p
P r{R = 1|S = 0} = p
P r{R = 0|S = 1} = p
P r{R = 1|S = 1} = 1p (3.97)

Se observa que la probabilidad de que el canal produzca un error es p, independientemente del

valor del bit transmitido, y de ah el apelativo simtrico.

Teorema de la probabilidad total

El teorema de la probabilidad total permite calcular las probabilidades de cualquier su-

ceso como suma de probabilidades condicionadas a los sucesos de una particin de cierto
espacio muestral.
El teorema afirma que, si A es un suceso y {B i = 0, . . . , N 1} una particin
S i ,1
del espacio de sucesos, de modo que Bi Bj = , y N i=0 Bi = ,

N
X 1
P r{A} = P r{A|Bi }P r{Bi } (3.98)
i=0

La demostracin es sencilla: por definicin de probabilidad condicional,

N
X 1 N
X 1
P r{A|Bi }P r{Bi } = P r{A Bi } (3.99)
i=0 i=0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 117

Dado que los sucesos {A Bi } son disjuntos, puede aplicarse (3.1), de modo que
N 1
(N 1 ) ( N[ 1
)
X [
P r{A Bi } = P (A Bi ) = P A Bi = P {A } = P {A}
i=0 i=0 i=0
(3.100)
El teorema de la probabilidad total tiene algunas extensiones inmediatas de inters:
Si los sucesos son realizaciones de las variables aleatorias X e Y de espacios muestra-
les {xi , i = 0, . . . , N 1} e {yi , i = 0, . . . , M 1}, respectivamente, la distribucin
de probabilidades de X se puede calcular como
M
X 1
pX (xi ) = pX|Y (xi |yj )pY (yj ), i = 0, . . . , N 1 (3.101)
j=0

Si la variable X es continua e Y discreta con espacio muestral {yi , i = 0, . . . , M 1},

podemos aplicar el teorema sobre los sucesos de la forma {X x}, obtenindose
M
X 1
FX (x) = FX|Y (x|yj )pY (yj ) (3.102)
j=0

y, derivando respecto de x,
M
X 1
fX (x) = fX|Y (x|yj )pY (yj ) (3.103)
j=0

Si la variable X es discreta e Y continua, la suma anterior debe reemplazarse por una

integral sobre todo su dominio
Z
pX (xi ) = pX|Y (xi |y)fY (y)dy, i = 0, . . . , N 1 (3.104)

Por ltimo, si X e Y son continuas

Z
fX (x) = fX|Y (x|y)fY (y)dy (3.105)

Ejemplo 3.9
Consideremos el canal binario simtrico descrito por las probabilidades condicionales en (3.97).
Si la probabilidad de transmitir un 1 es q y la de transmitir un 0 es 1 q, las probabilidades
de recibir un 0 y un 1 son

P r{R = 0} = P r{R = 0|S = 0}P r{S = 0} + P r{R = 0|S = 1}P r{S = 1}

= (1 p)(1 q) + pq = 1 p q + 2pq
P r{R = 1} = P r{R = 1|S = 0}P r{S = 0} + P r{R = 1|S = 1}P r{S = 1}
= p(1 q) + (1 p)q = p + q 2pq (3.106)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
118 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

(Obviamente, en este caso tambin poda haberse calculado P r{R = 1} como 1 P r{R = 0}).
Un ejercicio que se deja al lector, es comprobar que las probabilidades de los bits recibidos no
dependen del canal en caso de que las probabilidades de transmitir un 1 y un 0 (q y 1 q
respectivamente) sean ambas igual a 1/2.

Teorema de Bayes
El teorema de Bayes permite calcular las probabilidades de un suceso A condicionadas
a otro B a partir de las probabilidades de B condicionadas a A.
El teorema afirma que, dados dos sucesos A y B ,

P r{B|A}P r{A}
P r{A|B} = (3.107)
P r{B}

De modo anlogo al teorema de la probabilidad total, algunas extensiones del teorema

de Bayes son inmediatas:

Dadas dos variables aleatorias discretas X e Y

pY |X (y|x)pX (x)
pX|Y (x|y) = (3.108)
pY (y)

Si X es continua e Y discreta
pY |X (y|x)fX (x)
fX|Y (x|y) = (3.109)
pY (y)

Si X e Y son continuas
fY |X (y|x)fX (x)
fX|Y (x|y) = (3.110)
fY (y)

El teorema de Bayes es consecuencia directa de la definicin de probabilidad condi-

cional, y su demostracin es sencilla. Pese a su simplicidad, constituye una de las piedras
angulares de la teora de la probabilidad, y tiene una enorme utilidad prctica. La razn
estriba en que, con frecuencia, Y es una variable observable, que representa el efecto de
una causa asociada a la magnitud X que no es directamente observable, y se dispone de un
modelo (probabilstico) de la forma en la que X causa Y : en definitiva, pY |X es conocida.
Dado que Y es observado y X no, en la prctica se plantea la necesidad de calcular pX|Y .
El teorema de Bayes resuelve el problema.

Ejemplo 3.10
Supongamos que el transmisor del canal binario simtrico descrito por las probabilidades condi-
cionales en (3.97) enva un mensaje de un solo dgito binario que puede tomar valores 1 0,
S. Al receptor llega el bit R = 1. Cul es la probabilidad de que S tambin tenga valor 1?

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 119

Aplicando la regla de Bayes, resulta

P r{R = 1|S = 1}P r{S = 1}

P r{S = 1|R = 1} = (3.111)
P r{R = 1}

Utilizando (3.97) y (3.106), resulta

(1 p)q
P r{S = 1|R = 1} = (3.112)
p(1 q) + (1 p)q

Si los smbolos transmitidos son equiprobables (q = 1/2), la expresin anterior se reduce a

P r{S = 1|R = 1} = 1 p (3.113)

Ejemplo 3.11
Supongamos que se transmite un smbolo S {0, 1} a travs de un canal de comunicaciones,
que introduce ruido aditivo y gausiano, de modo que al receptor llega

R=S+N (3.114)

siendo N ruido gausiano de media 0 y varianza 1, independiente del smbolo S. Supongamos

que los smbolos son equiprobables, de modo que P r{S = 0} = P r{S = 1} = 1/2.
Tras la observacin de R (R = r), la funcin de probabilidad de S puede calcularse como

fR|S (r|s)pS (s)

pS|R (s|r) = (3.115)
fR (r)

Si N es gausiana de media 0 y varianza 1, de acuerdo con (3.114),

1 (rs)2
fR|S (r|s) = e 2 (3.116)
2

y, de acuerdo con el teorema de la probabilidad total,

fR (r) = pS (0)fR|S (r|0) + pS (1)fR|S (r|1)

 
1 2
r2
(r1)2
2
= e +e (3.117)
2 2

De modo que
(rs)2
e 2
pS|R (s|r) = r2 (r1)2
(3.118)
e 2 + e 2

As, por ejemplo, para r = 1, resulta

1
pS|R (1|1) = 1 0,62 (3.119)
e 2 +1
Por tanto, aunque se reciba un valor R = 1, existe una probabilidad no despreciable de que S = 0
a causa del ruido.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
120 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Independencia de sucesos
Cuando la ocurrencia de B no altera la incertidumbre sobre A, se dice que A y B son
estadsticamente independientes. Matemticamente, esto se expresa como

P r{A|B} = P r{A} (3.120)

Aunque existe cierta asimetra en la definicin, pues parece indicar que B no tiene in-
fluencia sobre A, pero no lo contrario, observe que, si se verifica (3.120), entonces

P r{A|B}P r{B}
P r{B|A} = = P r{B} (3.121)
P r{A}

lo que indica que A tampoco tiene influencia sobre B. Por otra parte, combinando (3.93) y
(3.120) se deduce que

P r{A, B} = P r{A|B}P r{B} = P r{A}P r{B} (3.122)

Por su simetra, la (3.122) suele utilizarse como definicin equivalente de independencia. A

partir de ella se pueden deducir (3.120) y (3.121) de modo inmediato.

Independencia de variables aleatorias

Por extensin de la independencia de sucesos, diremos que dos variables aleatorias X
e Y son independientes si pX|Y (x|y) = pX (x) para cualesquiera valores x X de X e
y Y de Y 3 .
En general, diremos que N variables aleatorias discretas Xi , i = 0, . . . , N 1 son
independientes si su funcin de probabilidad puede factorizarse en la forma

N
Y 1
pX (x) = pXi (xi ) (3.123)
i=0

Si las variables son continuas, diremos que son independientes si

N
Y 1
fX (x) = fXi (xi ) (3.124)
i=0

Integrando a ambos lados de la ecuacin anterior respecto de cualesquiera variables en

todo su dominio de integracin, se comprueba que la independencia de todas las variables
aleatorias Xi , i = 0, . . . , N 1, implica la independencia de cualquier subconjunto de ellas.
En particular, las variables son independientes dos a dos: Xi es independiente de Xj , para
todo j 6= i, 0 i, j N 1.
3
Estrictamente hablando, para cualquier valor de y de probabilidad no nula y para cualquier valor de x.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 121

Por otra parte, tambin por integracin de la Ecuacin (3.124), resulta

Z x0 Z xN 1 N
Y 1 Z xi
fX (z)dz0 dzN 1 = fXi (zi )dzi (3.125)
i=0

luego
N
Y 1
FX (x) = FXi (xi ) (3.126)
i=0
Por tanto, si las variables continuas Xi , i = 0, . . . , N 1, son independientes, su funcin
de distribucin tambin es factorizable como un producto de funciones de una sola variable.
Lo mismo sucede con la funcin de probabilidad acumulada en el caso discreto.
Por ltimo, multiplicando ambos lados de (3.124) por x0 xN 1 , e integrando el re-
sultado, se demuestra que (N 1 ) N 1
Y Y
E Xi = E{Xi } (3.127)
i=0 i=0
expresin que tambin es vlida para variables discretas.
De forma general, si X e Y son vectores aleatorios independientes (de dimensiones
posiblemente diferentes), cualquier funcin de X es independiente de cualquier funcin de
Y.
Ejemplo 3.12
Supongamos que, para aumentar la fiabilidad de una comunicacin, el transmisor del canal bi-
nario simtrico descrito por las probabilidades condicionales en (3.97) enva tres veces el bit S,
componiendo el mensaje S = (S, S, S), recibindose R = (1, 1, 0). Suponiendo que los efectos
del canal son independientes de un bit a otro, es decir
pR|S ((1, 1, 0)|S) = pR0 |S (1|S)pR1 |S (1|S)pR2 |S (0|S) (3.128)
resulta
pR|S ((1, 1, 0)|S) = Sp(1 p)2 + (1 S)(1 p)p2 (3.129)
Esta expresin permite determinar, tras observar R, la probabilidad de que S = 1, ya que
pR|S ((1, 1, 0)|1)pS (1)
pS|R (1|(1, 1, 0)) = (3.130)
pR (1, 1, 0)
Sabiendo que
pR (1, 1, 0) = pR|S ((1, 1, 0)|1)pS (1) + pR|S ((1, 1, 0)|0)pS (0) (3.131)
podemos combinar las tres ecuaciones anteriores, obteniendo
q(1 p)
pS|R (1|(1, 1, 0)) = (3.132)
q(1 p) + (1 q)p
En particular, para q = 1/2 (que se corresponde con una transmisin de smbolos equiprobables),
se obtiene pS|R (1|(1, 1, 0)) = 1p. Gracias a la redundancia introducida, el receptor puede saber
que, pese a haberse producido un error en el tercer bit, la probabilidad de que S = 1 es mayor
que la de S = 0 (suponiendo, claro est, que p < 1/2).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
122 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Suma de variables independientes

Supongamos que X1 y X2 son variables aleatorias independientes, y sea

Y = X1 + X2 (3.133)

Podemos calcular la fdp de Y aplicando el teorema de la probabilidad total,

Z
fY (y) = fY |X1 (y|x1 )fX1 (x1 )dx1 (3.134)

Ahora bien, en virtud de la independencia de X1 y X2 ,

fY |X1 (y|x1 ) = fX2 |X1 (y x1 |x1 ) = fX2 (y x1 ) (3.135)

por tanto Z
fY (y) = fX2 (y x1 )fX1 (x1 )dx1 = fX1 (y) fX2 (y) (3.136)

De forma general, la fdp de la suma de n variables aleatorias independientes ser la

convolucin de sus funciones de densidad de probabilidad.

Ejemplo 3.13
Si X1 y X2 son variables gausianas de medias nulas y varianzas 12 y 22 , se tiene, aplicando
(3.136), que
Z
   
1 1
2 z2 1
2 (yz)2
21 22
fY (y) = e e dz (3.137)
21 2
Z
 
1 1
2 2
21
((12 +22 )z2 212 yz+12 y2 )
= e 2 dz
21 2

Tras algunas manipulaciones algebraicas sobre el exponente, la expresin anterior puede escri-
birse como
Z
 2 + 2
1

12
2
y2

1
21
2
2 2 z 2 + 2
1
y 2 +2 2
21
fY (y) = e 2 2 2 dz (3.138)
21 2

y2

Z
 2 +
1 2

12
2 
1 2 +2 2
21

21
2
2 2 z 2 + 2
1
y
= e 2 e 2 2 dz
21 2

Identificando el integrando como una funcin gausiana (salvo por una constante), resulta
 
y2
1 2 + 2 )
fY (y) = p 2 e 2(1 2 (3.139)
2 1 + 22

Por tanto, la suma de dos variables gausianas independientes tambin es gausiana de media nula
y varianza igual a la suma de las varianzas individuales. En general, aunque X1 y X2 no sean
independientes, su suma es tambin gausiana (vase Problema P3.10).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 123

Independencia e Incorrelacin
Se dice que las variables aleatorias X e Y estn incorrelacionadas si cov(X, Y ) = 0.
Incorrelacin e independencia son conceptos relacionados: si X e Y son variables indepen-
dientes de medias X y Y , entonces, aplicando (3.127), obtenemos
cov(X, Y ) = E{(X X )(Y Y )} = E{X X }E{Y Y } = 0 (3.140)
por tanto, si X e Y son independientes, tambin estn incorrelacionadas. Lo contrario no es
cierto de forma general (vase Problema P3.11), aunque s en algunos casos particulares de
inters. Por ejemplo, si las variables X e Y conjuntamente gausianas estn incorrelaciona-
das, su matriz de covarianzas es diagonal, de modo que
(xX )2 (yY )2
1
2 2

2 2
fX,Y (x, y) = e X Y
2X Y
(xX )2 (yY )2
1
2 2
1
2 2
= e X e Y = fX (x)fY (y) (3.141)
2X 2Y
y, por tanto, X e Y son tambin independientes.
Por ltimo, si las variables {Xi , i = 0, . . . , N 1}, de medias i y varianzas i2 , estn
incorrelacionadas y consideramos la variable suma:
N
X 1
S= Xi (3.142)
i=0

la varianza de S es
N
X 1
S2 = i2 (3.143)
i=0
Por tanto, la varianza de una suma de variables aleatorias incorrelacionadas es igual a la
suma de sus varianzas.

3.2.7. Distribuciones mixtas

Considere la variable aleatoria X cuyo valor depende a su vez del resultado de la variable
binaria B, de modo que
Si B = 0, X es una variable binaria de valores 0 y 1 equiprobables.
Si B = 1, X es una variable gausiana de media 0 y varianza 1.
Observe que, en funcin del valor de B, X es una variable aleatoria continua o discreta.
Por esta razn, la caracterizacin de la variable X no es inmediata. En principio, podemos
escribir:
1
pX|B (x|0) = x = 0, 1 (3.144)
2
1 x2
fX|B (x|1) = e 2 xR (3.145)
2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
124 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

pero, en tal caso, se precisan dos modelos: uno discreto, dado por la funcin de probabilidad
pX|B (x|0), y otro continuo, dado por la funcin de densidad de probabilidad fX|B (x|1). Es
posible caracterizar X mediante un nico modelo probabilstico?
Para responder a esta pregunta, hay que tener en cuenta que, en principio, X puede
tomar valores en un rango continuo (a lo largo de la recta real) y por tanto no puede caracte-
rizarse mediante una funcin discreta de probabilidad. Busquemos, por tanto, una densidad
de probabilidad, fX (x). Para ello, aplicando el teorema de probabilidad total, resulta
fX (x) = fX|B (x|0)pB (0) + fX|B (x|1)pB (1) (3.146)
Observe que, mientras que fX|B (x|1) es conocido, fX|B (x|0) no lo es. Sin embargo, por
definicin de densidad de probabilidad, podemos escribir
dFX|B (x|0)
fX|B (x|0) = (3.147)
dx
siendo
0 si x < 0
FX|B (x|0) = P r{X x|B = 0} = 1/2 si 0 x < 1 (3.148)

1 si 1 x
Es decir, la distribucin acumulada de X dado B = 0 es una funcin escalonada y, por tanto,
discontinua, cuya derivada, de acuerdo con lo visto en el captulo anterior, es una funcin
generalizada:
1 1
fX|B (x|0) = (x) + (x 1) (3.149)
2 2
luego  
1 1 1 x2
fX (x) = (x) + (x 1) pB (0) + e 2 pB (1) (3.150)
2 2 2
La Figura 3.6 representa la funcin de densidad de probabilidad y la funcin de distri-
bucin, para este caso.
De forma general, es posible caracterizar variables aleatorias discretas mediante funcio-
nes de densidad de probabilidad definidas sobre espacios continuos, siempre que incluyan
en su dominio el conjunto muestral de la variable. As, por ejemplo, si la variable A toma va-
lores {a1 , a2 , . . . , aN } R con probabilidades p1 , p2 , . . . , pN , respectivamente, su funcin
de densidad de probabilidad viene dada por
N
X
fA (a) = pi (a ai ) (3.151)
i=1

El uso de funciones de densidad de probabilidad para caracterizar variables discretas

permite, como hemos visto, caracterizar variables mixtas, que pueden ser condicionalmente
continuas o discretas.
Ejemplo 3.14
En algunos procesos de transmisin digital se presentan efectos espordicos de ruido aditivo y
gausiano: si denotamos el ruido en cierto instante mediante la variable R, podemos expresar esto
matemticamente diciendo que:

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.2 VARIABLES ALEATORIAS 125

F ( x) 1
X
f ( x)
X
0.8
0.2
0.6

0.4
0.1
0.2

3 2 1 0 1 2 3 3 2 1 0 1 2 3
x x
(a) (b)

Figura 3.6. Funcin de densidad de probabilidad mixta (a) y su funcin de distribucin (b).

Con probabilidad p, R = 0
Con probabilidad 1 p, R es una muestra de ruido gausiano de media 0 y varianza 2

Por analoga con el caso discutido al comienzo de este apartado, se comprueba que
 
1 2

r
fR (r) = p(r) + (1 p) e 22 (3.152)
2

Una consecuencia importante de caracterizar las variables discretas mediante funciones

de densidad de probabilidad es que muchas conclusiones obtenidas para variables conti-
nuas a partir de propiedades de su densidad de probabilidad, pueden extenderse de modo
inmediato a variables discretas.

3.2.8. Teorema central del lmite

Dado un conjunto de variables aleatorias, X1 , X2 , . . . , XN , independientes e idntica-
mente distribuidas (esto es, con la misma fdp), de media y varianza 2 , su suma

N
X
SN = Xi (3.153)
i=1

es una variable aleatoria de media N y varianza N 2 . El teorema central del lmite de-
muestra que, si las variables Xi son continuas, la fdp de su suma tiende a una gausiana, de
modo que, para valores grandes de N , es vlida la aproximacin

1 (sN )2
fSN (s) e 2N 2 (3.154)
N 2 2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 126 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

suele expresarse en funcin de la suma normalizada: la variable YN = (SN

Tambin
N )/( N ) tiende a una gausiana de media 0 y varianza 1:

1 y2
lm fYN (y) = e 2 (3.155)
N 2

Si las variables Xi tienen distribucionesPdiferentes, de medias P 2

i y varianzas i (en
N 2 N 2
cuyo caso SN es una variable de media = i=1 i y varianza = i=1 i ), el teorema
tambin se cumple siempre que las varianzas 2 sean comparables (es decir, si i2 / 2 tiende
a 1 a medida que N aumenta). Si las variables son discretas, la convergencia de las fdp no
se produce, pero s convergen las funciones de distribucin.
El trmino central se debe a que la convergencia se produce en torno a la media de
la distribucin. En la prctica, la convergencia lejos de la media es mucho ms lenta, y son
necesarios valores mayores de N para que la aproximacin (3.154) sea vlida (vase Figura
3.7).
0.4
Uniforme Uniforme
1
N=2 10 N=2
N=4
0.3 N=4 N=8
2
N=8 10 Gausiana
Gausiana
3
0.2 10

4
10
0.1
5
10

6
10
4 2 0 2 4 6 4 2 0 2 4 6
x x

(a) (b)

Figura 3.7. Convergencia de la suma de variables uniformes hacia una gausiana. La Figura
(a) representa la fdp de una suma de N variables aleatorias uniformes independientes y de
varianza unidad, para N igual a 2, 4 y 8. La Figura (b) representa las mismas distribuciones
en escala logartmica, poniendo de manifiesto que, en trminos relativos, la convergencia
es ms lenta lejos de la media de la distribucin.

El teorema central del lmite explica la abundancia de procesos gausianos en la natu-

raleza, como los procesos de ruido en comunicaciones digitales, que son, con frecuencia,
resultado de la contribucin de numerosas fuentes de ruido independientes.

3.3. P ROCESOS ESTOCSTICOS

Considere que el experimento lanzar el dado y observar el resultado se realiza repe-
tidas veces. Podemos entonces construir la secuencia de variables aleatorias {X[n], n =
0, 1, . . .} tal que, para un valor de n, X[n] es la variable aleatoria asociada a la repeticin

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 127

n-sima del experimento. Una secuencia de variables aleatorias es un caso particular de

proceso estocstico, y cada posible resultado una realizacin del proceso estocstico.
Un proceso estocstico es, en realidad, algo ms general que una secuencia de variables
aleatorias independientes e idnticamente distribuidas descrita anteriormente: se denomina
proceso estocstico en tiempo discreto a toda secuencia X[n] de variables aleatorias, donde
n puede tomar, en principio, cualquier valor entero. Asimismo, diremos que X(t) es un
proceso estocstico en tiempo continuo si, para cada valor de t R, X(t) es una variable
aleatoria4 .
Es importante observar que el carcter continuo en el tiempo de un proceso estocstico
no hace referencia a las variables aleatorias que lo forman, sino a su variable independiente.
As, por ejemplo, las variables X(t) de un proceso en tiempo continuo pueden ser discretas,
continuas o mixtas, o incluso pueden ser discretas para algunos valores de t y continuas para
otros.

Ejemplo 3.15
La Figura 3.8 muestra 3 realizaciones del proceso en tiempo discreto X[n] = an , en el que las
variables aleatorias an son independientes y siguen una distribucin exponencial de parmetro
n = 1/(n + 1). X[n] es un proceso en tiempo discreto de variables continuas.

0.5

0
0 5 10 15 20 25 30 35 40 45 50

1.5

0.5

0
0 5 10 15 20 25 30 35 40 45 50

0.8

0.6

0.4

0.2

0
0 5 10 15 20 25 30 35 40 45 50

Figura 3.8. 3 realizaciones del proceso X[n] descrito en el Ejemplo 3.15

4
Obsrvese que utilizaremos la notacin X(t) (o X[n]) para representar al mismo tiempo el proceso esto-
cstico y la variable aleatoria de dicho proceso en el instante t (o n). El contexto indicar, en cada momento, si
nos referimos a uno o a otra.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
128 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Los procesos estocsticos constituyen, junto con las variables aleatorias, las herramien-
tas para modelar la incertidumbre inherente a todo proceso de comunicacin (de no existir
incertidumbre en el receptor, no existira la necesidad de la comunicacin).
Pensemos, por ejemplo, que queremos transmitir una alocucin que registramos con la
ayuda de un micrfono. Antes de que se produzca, desconocemos la forma de onda exacta
que registrar el micrfono y, por lo tanto, no podemos disear adecuadamente el sistema de
transmisin (ancho de banda necesario, potencia de la seal, etc.). En este caso considera-
mos el proceso X(t) como cualquier alocucin que podra registrar el micrfono, y la seal
concreta que registramos, x(t), una realizacin de X(t). Ejemplos como este podemos en-
contrarlos fcilmente en cualquier sistema de comunicaciones analgicas o digitales. En lo
sucesivo, siempre que necesitemos distinguir los procesos de sus realizaciones denotaremos,
como ahora, los procesos en mayscula (X(t)) y sus realizaciones en minscula (x(t)).
Los procesos estocsticos, para las comunicaciones, no son un fin en s mismo, sino un
modelo que nos permite tratar y analizar seales que no conocemos, pero de las que pode-
mos obtener informacin probabilstica. En general, los procesos estocsticos son un modelo
til para cualquier seal en tiempo continuo o en tiempo discreto que desconocemos total
o parcialmente (recordemos que conocer una seal implica saber la totalidad de sus valores
desde t = hasta t = ). Sin embargo, la obtencin de la informacin probabilstica
antes mencionada es en s un problema en el que puede ayudarnos el propio modelo de pro-
cesos estocsticos. Con frecuencia disponemos de una nica realizacin, x(t), a partir de la
cual debemos obtener la informacin probabilstica (en otras palabras, no podemos lanzar
el dado tantas veces como queramos). Bajo ciertas hiptesis que veremos ms adelante (es-
tacionariedad y ergodicidad del proceso), podemos emplear los valores de una realizacin
x(t) entre t = y t = como distintas realizaciones de la variable aleatoria X(t) para
un valor concreto de t con el propsito de realizar medidas sobre X(t).

3.3.1. Caracterizacin de procesos estocsticos

Ejemplo 3.16
Imaginemos que, para estimar el tiempo de vida medio de una bombilla, su fabricante decide
encender 10.000 bombillas simultneamente, y esperar a que todas ellas se fundan. Podemos
definir, en tal caso, el proceso estocstico X tal que, X(t) representa el nmero de bombillas que
permanecen encendidas en el instante t.
Tenemos, por tanto, un proceso estocstico en tiempo continuo de variables discretas (que slo
pueden tomar valores enteros entre 0 y 10.000). Adems, por la naturaleza del problema, po-
demos esperar que cada una de las variables aleatorias X(t) se caracterice por una funcin de
probabilidad diferente: por ejemplo, el valor medio de X(t), es decir, el nmero medio de bom-
billas que permanecen encendidas, decrecer con el tiempo, t. Tambin podemos asegurar que
X(t0 ) es estadsticamente dependiente de todas las variables X(t), anteriores y posteriores: para
comprobarlo, basta advertir que el conocimiento del nmero de bombillas encendidas en un ins-
tante de tiempo proporciona una cota superior del nmero de bombillas encendidas en cualquier
instante posterior, e inferior del nmero de bombillas encendidas en cualquier instante anterior.

El ejemplo anterior pone de manifiesto que, para caracterizar estadsticamente un pro-

ceso estocstico, no es suficiente con caracterizar cada una de las variables aleatorias del

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 129

proceso, sino tambin su dependencia estadstica.

Un proceso en tiempo discreto, X[n], puede caracterizarse unvocamente conocien-
do, para cualquier valor de N y cualquier conjunto arbitrario de N instantes temporales
{n0 , . . . , nN 1 }, su funcin de distribucin de orden N , que se define como

FX[n0 ],...,X[nN 1 ] (x0 , . . . , xN 1 ) = P r{X[n0 ] x0 , . . . , X[nN 1 ] xN 1 } (3.156)

Alternativamente, si X[n0 ] es una variable aleatoria discreta para cualquier valor de n0 , el

proceso queda determinado mediante su distribucin de probabilidad de orden N para cual-
quier valor de N y cualquier conjunto arbitrario de N instantes temporales {n0 , . . . , nN 1 },

pX[n0 ],...,X[nN 1 ] (x0 , . . . , xN 1 ) = P r{X[n0 ] = x0 , . . . , X[nN 1 ] = xN 1 } (3.157)

o bien, si X[n0 ] es una variable aleatoria continua para cualquier valor de n0 , el proceso que-
da determinado mediante su funcin de densidad de probabilidad de orden N para cualquier
valor de N y cualquier conjunto arbitrario de N instantes temporales {n0 , . . . , nN 1 },

n FX[n0 ],...,X[nN 1 ] (x0 , . . . , xN 1 )

fX[n0 ],...,X[nN 1 ] (x0 , . . . , xN 1 ) = (3.158)
x0 xN 1

Ntese que si el proceso es complejo, (3.156), (3.157) y (3.158) son funciones de 2N varia-
bles aleatorias.
Si el proceso es en tiempo continuo, X(t), el proceso se determina mediante la funcin
de distribucin de orden N para cualquier valor de N y cualquier conjunto arbitrario de N
instantes temporales {t0 , . . . , tN 1 },

FX(t0 ),...,X(tN 1 ) (x0 , . . . xN 1 ) = P {X(t0 ) x0 , . . . , X(tN 1 ) xN 1 } (3.159)

o, alternativamente, mediante su distribucin de probabilidad de orden N ,

pX(t0 ),...,X(tN 1 ) (x0 , . . . xN 1 ) = P r{X(t0 ) = x0 , . . . , X(tN 1 ) = xN 1 } (3.160)

para procesos de carcter discreto y la funcin de densidad de probabilidad de orden N ,

n FX(t0 ),...,X(tN 1 ) (x0 , . . . , xN 1 )

fX(t0 ),...,X(tN 1 ) (x0 , . . . , xN 1 ) = (3.161)
x0 xN 1

para procesos de carcter continuo.

En la prctica esta caracterizacin es poco til porque, en algunos casos, el conocimiento
que tenemos del proceso es limitado y, en general, la manipulacin es sumamente engorrosa.
Afortunadamente, en muchos casos, bien es posible hacer algunas hiptesis que simplifican
esta caracterizacin, o bien solamente se precisa realizar una caracterizacin parcial.
En este texto nos interesan, en particular, los procesos caracterizables por sus funcio-
nes de media y autocorrelacin, que se definen a continuacin. Supondremos, en general,
procesos estocsticos que pueden tomar valores complejos:

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
130 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Media. La media de un proceso estocstico continuo X(t) se define como

.
X (t) = E{X(t)} (3.162)
y admitir la expresin Z
X (t) = xfX(t) (x)dx (3.163)
C
o bien X
X (t) = xk pX(t) (xk ) (3.164)
xk

dependiendo de que, en el instante t, X(t) sea una variable aleatoria continua o discreta,
respectivamente.
Ntese que, en general, la media depende del tiempo. Para un proceso discreto, la media
se define de modo anlogo:
.
X [n] = E{X[n]} (3.165)

Autocorrelacin. La autocorrelacin del proceso estocstico X(t) (o X[n]) se define co-

mo
.
RX (t1 , t2 ) = E{X(t1 )X (t2 )} (3.166)
.
( RX [n1 , n2 ] = E{X[n1 ]X [n2 ]} )

Correlacin cruzada. La correlacin cruzada entre los procesos estocsticos X(t) e Y (t)
(o X[n] e Y [n]) se define como
.
RXY (t1 , t2 ) = E{X(t1 )Y (t2 )} (3.167)
.
( RXY [n1 , n2 ] = E{X[n1 ]Y [n2 ]} )

Covarianza. La covarianza cruzada entre los procesos estocsticos X(t) e Y (t) (o X[n]
e Y [n]) de medias X (t) y Y (t) (o X [n] y X [n]), respectivamente, se define como
.
CXY (t1 , t2 ) = E{(X(t1 ) X (t1 ))(Y (t2 ) Y (t2 )) } (3.168)
.
( CXY [n1 , n2 ] = E{(X[n1 ] X [n1 ])(Y [n2 ] Y [n2 ]) } )
Anlogamente, la autocovarianza (o, simplemente, covarianza) del proceso X(t) (o
X[n]) de media X (t) (o X [n]) se define como
.
CX (t1 , t2 ) = E{(X(t1 ) X (t1 ))(X(t2 ) X (t2 )) } (3.169)
.
( CX [n1 , n2 ] = E{(X[n1 ] X [n1 ])(X[n2 ] X [n2 ]) } )
Ntese que CX (t1 , t1 ) y CX [n1 , n1 ] coinciden con las varianzas de X(t1 ) y X[n1 ], res-
pectivamente. Autocovarianza y autocorrelacin pueden relacionarse de modo inmediato
mediante
CX (t1 , t2 ) = RX (t1 , t2 ) X (t1 )X (t2 ) (3.170)
( CX [n1 , n2 ] = RX [n1 , n2 ] X [n1 ]X [n2 ] )

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 131

Ejemplo 3.17

Una seal determinista puede considerarse un proceso estocstico degenerado cuyas realiza-
ciones toman siempre los mismos valores. Por ejemplo sea el proceso X(t) que toma, con pro-
babilidad 1, el valor
X(t) = r(t) (3.171)
para todo instante de tiempo t, siendo r(t) una funcin determinista. En tal caso, en cada instante
de tiempo, X(t) solo puede tomar un valor posible, y podemos escribir
fX(t) (x) = (x r(t)) (3.172)
y, en general, !
N
X 1
fX(t0 ),...,X(tN 1 ) (x0 , . . . , xN 1 ) = |xi r(ti )| (3.173)
i=0
Asimismo, resulta inmediato comprobar que su media es (t) = r(t), su autocorrelacin es
RX (t1 , t2 ) = r(t1 )r(t2 ) y su autocovarianza es nula.
Ejemplo 3.18
Sea el proceso estocstico X(t) dado por

X(t) = Aet u(t) (3.174)

siendo u(t) la funcin escaln y A una variable aleatoria real y gausiana de media 0 y varianza
unidad. En cada instante de tiempo, podemos considerar X(t) como resultado de multiplicar una
variable aleatoria gausiana por una constante determinista de la forma et u(t) y, por tanto, X(t)
es otra variable gausiana de media nula y varianza
n
2 o
2
X (t) = E{X 2 (t)} = E Aet u(t) = E{A2 }e2t u(t) = e2t u(t) (3.175)

Asimismo, podemos comprobar que, pese al carcter aleatorio de X(t), sus muestras en dife-
rentes instantes de tiempo mantienen una relacin determinista: conocido el valor que toma
una realizacin x(t) en cualquier instante de tiempo t1 0, todos los valores de x(t) que-
dan completamente determinados. Por ejemplo, si x(t1 ) = x1 , resulta A = x1 et1 y, por tanto,
x(t) = x1 et1 t u(t), para todo t. En consecuencia,
fX(t2 )|X(t1 ) (x2 |x1 ) = (x2 x1 et1 t2 ), t1 , t2 > 0 (3.176)
A partir de esta expresin resulta
fX(t1 ),X(t2 ) (x1 , x2 ) = fX(t2 )|X(t1 ) (x2 |x1 )fX(t1 ) (x1 ) (3.177)
x2
1 2t2
= (x2 x1 et1 t2 ) e 2e 1 , t1 , t2 > 0
et1 2
Dejamos al lector como ejercicio el clculo de las densidades de probabilidad conjuntas para t1
o t2 negativos, as como las densidades de orden 3 y superior, siguiendo anlogo procedimiento
al empleado en la ecuacin anterior.
La autocorrelacin del proceso se calcula de forma sencilla mediante
RX (t1 , t2 ) = E{X(t1 )X(t2 )} = et1 t2 u(t1 )u(t2 ) (3.178)
y, al ser X(t) de media nula, coincide con su autocovarianza.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
132 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Ejemplo 3.19

El carcter aleatorio del proceso estocstico del Ejemplo 3.18 viene dado por una sola variable
aleatoria. Consideremos ahora el proceso discreto X[n] formado por variables aleatorias inde-
pendientes con distribucin de Bernoulli, tal que

pX[n] (x) = px (1 p)1x , x = 0, 1 (3.179)

La funcin de probabilidad conjunta tendr la forma

N
Y 1 PN 1 PN 1
pX[n0 ],...,X[nN 1] (x0 , . . . , xN 1 ) = pxi (1 p)1xi = p i=0 xi
(1 p)N i=0 xi

i=0
(3.180)
La media del proceso es
X [n] = E{X[n]} = p (3.181)
su autocorrelacin

p si n1 = n2
RX [n1 , n2 ] = E{X[n1 ]X[n2 ]} = (3.182)
p2 si n1 6= n2

y la autocovarianza
CX [n1 , n2 ] = p(1 p)[n1 n2 ] (3.183)
A diferencia del proceso anterior, el proceso X[n] involucra a un conjunto infinito de variables
aleatorias independientes, y la relacin entre muestras del proceso ya no es determinista.

Ejemplo 3.20

Veamos ahora un ejemplo de proceso aleatorio donde el valor del proceso en cada instante puede
depender del valor de un conjunto arbitrariamente grande de variables aleatorias. Sea el proceso
discreto Y [n] dado por

Y [n 1] + X[n 1] n 0
Y [n] = (3.184)
0 n<0

siendo X[n] el proceso binario del Ejemplo 3.19. Observe que, a partir de la relacin recursiva
(3.184), podemos obtener la expresin alternativa
n1
!
X
Y [n] = X[i] u[n] (3.185)
i=0

donde u[n] es el escaln unitario. Obsrvese que Y [n] coincide con el nmero de unos del
proceso X entre 0 y n 1. En consecuencia, su distribucin es de tipo binomial: de acuerdo con
(3.20), para n 0 podemos escribir
 
n k
pY [n] (k) = p (1 p)nk k = 0, . . . , n (3.186)
k
y, de acuerdo con el Cuadro 3.1, la media del proceso es

Y [n] = E{Y [n]} = npu[n] (3.187)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 133

y su varianza
CY [n, n] = np(1 p)u[n] (3.188)

Haciendo uso de (3.185), la autocorrelacin de Y [n] se puede expresar en funcin de la autoco-

rrelacin de X[n],
1 1 n
nX X2 1

RY [n1 , n2 ] = E{Y [n1 ]Y [n2 ]} = RX [i, j] (3.189)

i=0 j=0

Aplicando (3.182) resulta, para n2 > n1 ,

1 1 n
nX X2 1


RY [n1 , n2 ] = p2 + (p p2 )[i j] =
i=0 j=0

= n1 n2 p2 + n1 (p p2 ) (3.190)

Obviamente, si n1 > n2 , se obtiene

RY [n1 , n2 ] = n1 n2 p2 + n2 (p p2 ) (3.191)

Por ltimo, la autocovarianza resulta igual a

CY [n1 , n2 ] = RY [n1 , n2 ] Y (n1 )Y (n2 ) = mn{n1 , n2 }(p p2 ) (3.192)

La Figura 3.9 muestra un fragmento (40 muestras) de 5 realizaciones del proceso estocstico
Y [n], con p = 0,5. A medida que crece el valor de n, la dispersin entre los valores de Y [n] en
diferentes realizaciones tiende a aumentar.

20
15
10
5
0
0 10 20 30 40
n

Figura 3.9. 5 realizaciones del proceso estocstico del Ejemplo 3.20

3.3.2. Estacionariedad
Cuando, en el Apartado 2.2, estudibamos los sistemas haba dos propiedades que, de
cumplirse, simplificaban enormemente el anlisis: la de linealidad y la de invarianza tem-
poral. El cumplimiento de esta ltima significaba que el comportamiento del sistema era
independiente de cual fuese el origen de tiempos o, lo que es lo mismo, que las propiedades
del sistema se conservaban a lo largo del tiempo. En los procesos estocsticos existe una
propiedad anloga que, de cumplirse, tambin simplifica su anlisis: la estacionariedad.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
134 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Se dice que un proceso estocstico X(t) (o X[n]) es estacionario en sentido estricto si

sus propiedades estadsticas no varan con un desplazamiento en el tiempo, es decir, si, para
cualquier valor de R (o k Z), el proceso Y (t) = X(t + ) (o Y [n] = X[n + k])
tiene las mismas propiedades estadsticas que X(t) (o X[n]), de modo que, para cualquier
valor de N , cualquier valor de (o k), cualesquiera instantes de muestreo t0 , . . . , tN 1 (o
n0 , . . . , nN 1 ) y cualesquiera valores x0 , . . . , xN 1 C,

FX(t0 ),...,X(tN 1 ) (x0 , . . . , xN 1 ) = FY (t0 ),...,Y (tN 1 ) (x0 , . . . , xN 1 ) (3.193)

( FX[n0 ],...,X[nN 1 ] (x, . . . , xN 1 ) = FY [n0 ],...,Y [nN 1 ] (x0 , . . . , xN 1 ) )

En la prctica, la estacionariedad estricta es difcil de comprobar y excesivamente res-

trictiva. En ocasiones, es suficiente garantizar la invarianza de algunos estadsticos, en par-
ticular de primer y segundo orden. Cuando solamente se imponen condiciones de estacio-
nariedad a la media y la autocorrelacin, entonces se dice que el proceso es estacionario
en sentido amplio . As, si X(t) (o X[n]) es estacionario en sentido amplio, entonces, para
cualesquiera valores de t, t1 , t2 y (o n, n1 , n2 y k) se verifica que

E{X(t)} = E{X(t + )} (3.194)

( E{X[n]} = E{X[n + k]} )

y
RX (t1 , t2 ) = RX (t1 + , t2 + ) (3.195)
( RX [n1 , n2 ] = RX [n1 + k, n2 + k] )
Por tanto, si un proceso es estacionario en sentido amplio, su media es constante y su
autocorrelacin solamente depende de la diferencia entre t1 y t2 (o n1 y n2 ). En tal caso,
denotaremos la autocorrelacin simplemente como
.
RX ( ) = RX (t + , t) (3.196)
.
( RX [k] = RX [n + k, n] )

Ejemplo 3.21
Volvamos sobre los ejemplos del apartado anterior.

El proceso determinista X(t) = r(t) del Ejemplo 3.17 no es, en general, estacionario,
pues su media coincide con r(t) y, por tanto, puede variar con el tiempo siempre que r(t)
tenga alguna variacin temporal. Por el contrario, si r(t) es una seal constante e igual a c,
entonces su media es X (t) = c y su autocorrelacin RX (t1 , t2 ) = c2 , que no dependen
del tiempo; por tanto, X(t) es estacionario en sentido amplio. Adems, en virtud de (3.173),
resulta
N
Y 1
fX(t0 ),...,X(tN 1 ) (x0 , . . . , xN 1 ) = (xi c) (3.197)
i=0

que tampoco depende del tiempo. En consecuencia, X(t) es estrictamente estacionario.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 135

El proceso X(t) del Ejemplo 3.18 no es estacionario en sentido amplio (y, por tanto, tam-
poco en sentido estricto), puesto que su autocorrelacin (en la Ecuacin 3.178) no puede
expresarse como funcin de la diferencia t1 t2 .
El proceso binario independiente X[n] del Ejemplo 3.19 es estacionario en sentido estric-
to, puesto que su funcin de probabilidad conjunta, (3.180), no depende de los instantes de
tiempo elegidos. En consecuencia, tambin es estacionario en sentido amplio, como pue-
de comprobarse observando que ni la media en (3.181) ni la autocorrelacin en (3.182)
dependen del tiempo.
El proceso discreto Y [n] del Ejemplo 3.20 no es estacionario puesto que su media, (3.187),
vara con el tiempo.

La autocorrelacin de un proceso estocstico estacionario tiene tres propiedades de in-

ters:

1. Es una funcin hermtica: RX ( ) = RX ( ) (o R [k] = R [k]). Esta propiedad

X X
es consecuencia inmediata de la definicin.

2. Su valor en el origen coincide con el valor cuadrtico medio del proceso: RX (0) =
E{|X(t)|2 } (o RX [0] = E{|X[n]|2 }).

3. Tiene mdulo mximo en el origen: para todo (o k), se verifica que |RX ( )|
RX (0) (o |RX [k]| RX [0]).

La tercera propiedad puede demostrarse sabiendo que, para cualquier valor de a C,

E{|X( ) aX(0)|2 } 0 (3.198)

Desarrollando el mdulo de la diferencia, se obtiene

2Re{a RX ( )} RX (0) + |a|2 RX (0) (3.199)

En particular, para
RX ( )
a= (3.200)
|RX ( )|
resulta |a| = 1 y, sustituyendo en (3.199)

|RX ( )| RX (0) (3.201)

Observe que la estacionariedad en sentido estricto implica la estacionariedad en sentido

amplio, pero no a la inversa: existen procesos estacionarios en sentido amplio que no lo son
en sentido estricto, como demuestra el siguiente ejemplo:

Ejemplo 3.22
Sea X[n] un proceso estocstico estacionario de media nula y Y [n] = (1)n X[n]. Resulta
sencillo comprobar que

E{Y [n]} = (1)n E{X[n]} = 0 (3.202)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
136 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

RY [n1 , n2 ] = (1)n1 +n2 RX [n2 n1 ] (3.203)

Dado que (1)n1 +n2 = (1)n2 n1 , resulta

RY [n1 , n2 ] = (1)n2 n1 RX [n2 n1 ] (3.204)

que slo depende de n2 n1 . Por tanto, Y [n] es estacionario en sentido amplio. Sin embargo,
podemos comprobar que, por ejemplo,

E{Y 3 [n]} = (1)n E{X 3 [n]} (3.205)

que, en general, depende de n. Por ejemplo, si, para todo n, X[n] sigue la distribucin discreta
3 1
pX [k] = [k 1] + [k + 3] (3.206)
4 4
resultan E{X[n]} = 0 y E{X[n]3 } = 3/2, luego
3
E{Y 3 [n]} = (1)n (3.207)
2
que depende de n. Por tanto, X[n] no es estrictamente estacionario.

En lo sucesivo, y salvo que se indique lo contrario, utilizaremos el trmino estacionarie-

dad para referirnos a la estacionariedad en sentido amplio, que es la de mayor inters en
comunicaciones digitales.

Procesos conjuntamente estacionarios. Se dice que dos procesos estacionarios X(t)

e Y (t) (o X[n] e Y [n]) son conjuntamente estacionarios en sentido estricto si sus pro-
piedades estadsticas conjuntas no varan con un desplazamiento en el tiempo, es decir,
si, para cualesquiera valores de N y N , cualquier valor de (o k), cualesquiera instan-
tes t0 , . . . , tN 1 y t0 , . . . , tN 1 (o n0 , . . . , nN 1 y n0 , . . . , nN 1 ) y cualesquiera valores
x0 , . . . , xN +N 1 C,

FX(t0 ),...,X(tN 1 ),Y (t0 ),...,Y (t ) (x0 , . . . , xN +N 1 ) =

N 1

FX(t0 + ),...,X(tN 1 + ),Y (t0 + ),...,Y (t + ) (x0 , . . . , xN +N 1 ) (3.208)

N 1

( FX[n0 ],...,X[nN 1 ],Y [n0 ],...,Y [n ] (x0 , . . . , xN +N 1 ) =

N 1

FX[n0 +k],...,X[nN 1 +k],Y [n0 +k],...,Y [n +k] (x0 , . . . , xN +N 1 ) )

N 1

Asimismo, diremos que X(t) e Y (t) son conjuntamente estacionarios en sentido amplio
si ambos son estacionarios en sentido amplio y para cualesquiera valores de t1 , t2 y (o
n1 , n2 y k) se verifica que

RXY (t1 , t2 ) = RXY (t1 + , t2 + ) (3.209)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 137

( RXY [n1 , n2 ] = RXY [n1 + k, n2 + k] )

que nos permite describir la funcin de correlacin cruzada mediante una nica variable
.
RXY ( ) = RXY (t + , t) (3.210)
.
( RXY [k] = RXY [n + k, n] )

Procesos cicloestacionarios. Existe un tipo de procesos no estacionarios que aparece fre-

cuentemente en comunicaciones (en general, relacionados con operaciones de modulacin o
demodulacin) en la que los estadsticos varan de forma cclica. A este tipo de procesos se
les conoce como cicloestacionarios. De nuevo se define la cicloestacionariedad en sentido
estricto y en sentido amplio.
Se dice que un proceso X(t) (o X[n]) es cicloestacionario en sentido estricto con pe-
riodo T (o N ) si y slo si, para cualquier valor de M , cualesquiera instantes de tiempo
t0 , . . . , tM 1 (o n0 , . . . , nM 1 ) y cualesquiera valores x0 , . . . , xM 1 C, se verifica

FX(t0 ),...,X(tM 1 ) (x0 , . . . , xM 1 ) = FX(t0 +T ),...,X(tM 1 +T ) (x0 , . . . , xM 1 ) (3.211)

FX[n0 ],...,X[nM 1 ] (x0 , . . . , xM 1 ) = FX[n0 +N ],...,X[nM 1 +N ] (x0 , . . . , xM 1 )
De igual forma, se dice que un proceso es cicloestacionario en sentido amplio con periodo
T (o N ) si y slo si, para todo t R (o n Z),

E{X(t)} = E{X(t + T )} (3.212)

( E{X[n]} = E{X[n + N ]} )
y para todos t1 , t2 R (o n1 , n2 Z),

RX (t1 , t2 ) = RX (t1 + T, t2 + T ) (3.213)

( RX [n1 , n2 ] = RX [n1 + N, n2 + N ] )
Obsrvese que, de acuerdo con estas definiciones, si X(t) es un proceso cicloestaciona-
rio en tiempo continuo de periodo T , el proceso discreto dado por Xd [n] = X(nT + t0 ),
siendo t0 una constante arbitraria, es estacionario. Es decir, cualquier proceso discreto cons-
truido tomando muestras de X(t) con periodo T es estacionario. De igual manera, si diez-
mamos a ritmo N un proceso cicloestacionario en tiempo discreto obtendremos un proceso
estacionario.

Procesos blancos. Un caso particular de procesos estocsticos estacionarios de especial

inters son aquellos en los que la autocorrelacin de las muestras del proceso en dos instantes
cualesquiera (diferentes) es cero. As, se dice que un proceso estocstico estacionario en
tiempo discreto X[n] es blanco si su funcin de autocorrelacin tiene la forma

RX [n] = [n] (3.214)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
138 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

siendo una constante no negativa. A partir de (3.214) podemos determinar que su media
es nula y su valor cuadrtico medio es

E{|X[n]|2 } = RX [0] = (3.215)

Alternativamente, un proceso estocstico estacionario continuo X(t) es blanco si su

funcin de autocorrelacin tiene la forma

RX (t) = (t) (3.216)

en cuyo caso es tambin una constante no negativa. Observe que, por la naturaleza de
la funcin delta de Dirac, los procesos blancos continuos no tienen valor cuadrtico medio
finito. Del mismo modo que la funcin delta de Dirac constituye una idealizacin til para
el anlisis y la caracterizacin de los sistemas lineales, los procesos blancos nos resulta-
rn tiles en el anlisis de procesos estocsticos, y en particular de su comportamiento ante
transformaciones lineales. En los captulos siguientes veremos que los procesos blancos,
tanto en tiempo continuo como en tiempo discreto, tienen inters prctico en comunicacio-
nes, en particular para la caracterizacin de los procesos de ruido.

3.3.3. Ergodicidad
En este captulo hemos analizado algunas medidas sobre procesos estocsticos (media,
autocorrelacin, etc.) y en el captulo anterior medidas sobre seales (valor medio, energa,
potencia, etc.). Teniendo en cuenta que una realizacin x(t) (o x[n]) de un proceso X(t) (o
X[n]) es una seal, existe alguna relacin entre medidas equivalentes (por ejemplo, media
y valor medio) de procesos y seales? o, en otras palabras, existe alguna relacin entre el
operador esperanza matemtica y el promedio temporal?.
Para procesos estacionarios en sentido estricto las respuestas a estas preguntas son afir-
mativas si el proceso es ergdico. Si un proceso es ergdico, bajo ciertas restricciones sobre
la funcin g de medida, podemos asegurar que
Z T
1
hg(x(t))i = lm g(x(t)) dt = E{g(X(t))} (3.217)
T 2T T

N
!
1 X
hg(x[n])i = lm g(x[n]) = E{g(X[n])}
N 2N + 1
n=N

Pero, al igual que suceda con la propiedad de estacionariedad en sentido estricto, la pro-
piedad de ergodicidad es de escasa utilidad por su farragosa definicin y difcil verificacin,
por lo que trataremos nicamente el anlisis de la ergodicidad en las medidas de primer
y segundo orden (media y autocorrelacin, respectivamente). Como en la propiedad de la
estacionariedad, si un proceso cumple las propiedades de ergodicidad en la media y en la
autocorrelacin se denomina ergdico en sentido amplio. Note que para que un proceso sea
ergdico es necesario que sea estacionario en sentido estricto y que para que sea ergdico
en sentido amplio debe ser, al menos, estacionario en sentido amplio.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 139

Ergodicidad en la media. Suponga que la media de un proceso estocstico estacionario

X[n] es desconocida, y solamente se dispone de una realizacin. Es posible estimar la
media del proceso a partir de los valores de una realizacin?
Para responder a esta pregunta, supongamos, por ahora, que X[n] es un proceso de
muestras independientes de media X y varianza X 2 . Considere la variable aleatoria

N
X
1
SN = X[n] (3.218)
2N + 1
n=N

que puede interpretarse como una estimacin de la media del proceso.

Observe que SN es, a su vez, una variable aleatoria de la misma media que el proceso
N
X
1
E{SN } = E{X[n]} = X (3.219)
2N + 1
n=N

Sin embargo, su varianza (que puede interpretarse como el valor cuadrtico medio del error
de estimacin de la media) es, de acuerdo con (3.143),
N
X 2 2
2 X X
E{|SN X | } = = (3.220)
(2N + 1)2 2N + 1
n=N

Por tanto, SN es una variable aleatoria cuya varianza se reduce asintticamente a cero a me-
dida que aumenta N . Esto indica que, aun disponiendo de una sola realizacin del proceso,
promediando un buen nmero de observaciones, es posible obtener una buena estimacin
de su media. Por ello, se dice que X[n] es un proceso ergdico en la media.
La ergodicidad no es exclusiva de los procesos independientes; de forma general, di-
remos que un proceso estacionario en tiempo discreto X[n] de media X y funcin de
covarianza CX [k] es ergdico en la media si y slo si

N
X
1
lm SN = lm X[n] = X (3.221)
N N 2N + 1
n=N

y la varianza de SN ,
 2
 1 N
X 
 
E{|SN X |2 } = E  X[n] X 
 2N + 1 
n=N
N
X N
X
1
= E {(X[n] X ) (X[m] X ) }
(2N + 1)2
n=N m=N
N
X N
X
1
= CX [n m] (3.222)
(2N + 1)2
n=N m=N

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
140 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

tiende a cero cuando N tiende a infinito. Observando que (3.222) es una suma en la que el
valor CX [k], con k 0, aparece 2N + 1 k veces (desde n = k N , m = N hasta
n = N , m = N k) y los valores C[k] con k < 0 aparecen 2N + 1 + k veces, puede
reescribirse como
2N
X 1
1
E{|SN X |2 } = (2N + 1 |k|)CX [k]
(2N + 1)2
k=2N +1
2N
X 1  
1 |k|
= 1 CX [k] (3.223)
(2N + 1)2 2N + 1
k=2N +1

Una condicin suficiente para que (3.223) tienda a 0 cuando N tiende a infinito y de formu-
lacin ms sencilla es la siguiente:

X
|CX [k]| < (3.224)
k=

Se deja como ejercicio la demostracin de que el cumplimiento de (3.224) implica que

(3.223) tiende a 0 cuando N tiende a infinito.
Los procesos en tiempo continuo se comportan de forma similar. Un proceso estaciona-
rio en tiempo continuo X(t) de media X y funcin de covarianza CX ( ) es ergdico en la
media si y slo si
Z T
1
lm X(t)dt = X (3.225)
T 2T T
y
Z T  
1 | |
lm 1 CX ( ) d = 0 (3.226)
T 2T T 2T
siendo condicin suficiente para esta ltima que
Z
|CX ( )| d < (3.227)

Ejemplo 3.23
Consideremos el proceso estacionario dado por X[n] = R[n] + 0,8R[n 1], siendo R[n] un
proceso de ruido blanco y gausiano de varianza unidad. Resulta inmediato comprobar que X[n]
es un proceso estacionario de media nula y autocovarianza (que, al ser X de media nula, coincide
con la autocorrelacin)
CX [k] = E{(R[n] + 0,8R[n 1])(R[n + k] + 0,8R[n + k 1])
= 1,64[k] + 0,8[k 1] + 0,8[k + 1] (3.228)
Dado que la autocovarianza se anula para |k| > 1, podemos concluir que el proceso es ergdico
en la media. La Figura 3.10 representa las primeras muestras (desde n = 0 hasta n = 50) de 4
realizaciones. En la parte inferior se representa el promedio de 50 realizaciones. A la derecha de
cada grfica se representa el promedio de las 50 muestras representadas de cada grfica. Como
consecuencia de la estacionariedad, la seal promedio se aproxima a una seal constante en
torno a la media del proceso, que es cero. Como consecuencia de la ergodicidad del proceso, los
promedios de cada seal tambin se aproximan a la media.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 141

0 0.096

4
4

0 0.1

4
4

0 0.092

4
4

0 0.038

4
4

0 0.021

Figura 3.10. 4 realizaciones del proceso estocstico del Ejemplo 3.23 (arriba), el promedio
de 50 realizaciones (abajo) y los promedios de las muestras representadas (derecha). En
virtud de la estacionariedad, la seal promedio se aproxima a una constante de valor igual
a la media del proceso. En virtud de la ergodicidad, los promedios temporales tambin se
aproximan a la media.

Ejemplo 3.24
Consideremos el proceso estacionario X(t) dado por
X(t) = A + cos(t + ) (3.229)
siendo una constante, y A y variables aleatorias independientes, la primera gausiana de
media nula y varianza 1, y la segunda uniforme entre 0 y 2. Podemos comprobar que X(t) es
estacionario, calculando su media
Z 2
1
E{X(t)} = E{A} + E{cos(t + )} = cos(t + )d = 0 (3.230)
2 0
que no depende del tiempo, y su autocorrelacin.
RX ( ) = E{X(t)X(t + )} = E{A2 } + E{cos(t + ) cos((t + ) + )} (3.231)
El primer trmino es la unidad, mientras que el segundo se resuelve a partir de la identidad
trigonomtrica
1 1
cos(t + ) cos((t + ) + ) = cos((2t + ) + 2) + cos( ) (3.232)
2 2
de donde resulta
1
RX ( ) = E{X(t)X(t + )} = 1 + cos( ) (3.233)
2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
142 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

(3.233) indica que la autocovarianza de X(t) (que, de nuevo, coincide con la autocorrelacin) no
tiende a anularse al crecer | | y por tanto no se cumple (3.226): el proceso X(t) no es ergdico
en la media.
La Figura 3.11 representa 4 realizaciones del proceso. En la parte inferior se representa el prome-
dio de 50 realizaciones. A la derecha de cada grfica se representa el promedio de cada realiza-
cin en el intervalo representado. Como consecuencia de la estacionariedad, la seal promedio se
aproxima a una seal constante en torno a la media del proceso, que es cero. Sin embargo, X(t)
no es ergdico y, como consecuencia, los promedios temporales no se aproximan a la media.

1 0.69

1 20 40

20 40 0.42
1

1
0.47
1 20 40

1 20 40 0.66

1
0.027
1 20 40

Figura 3.11. 4 realizaciones del proceso estocstico del Ejemplo 3.24 (arriba), el promedio
de 50 realizaciones (abajo) y los promedios de las muestras representadas (derecha). En
virtud de la estacionariedad, la seal promedio se aproxima a una constante de valor igual
a la media del proceso. Los promedios temporales, por el contrario, no se aproximan a la
media

Ergodicidad en la autocorrelacin. De forma similar se define la ergodicidad en la auto-

correlacin. Un proceso es ergdico en la autocorrelacin si su funcin de autocorrelacin
coincide con el promedio temporal equivalente. Para procesos ergdicos en la autocorrela-
cin en tiempo discreto, esta coincidencia se expresa como

N
X
1
lm X[k + n]X [k] = RX [k] (3.234)
N 2N + 1
n=N

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 143

y, para procesos ergdicos en la autocorrelacin en tiempo continuo, como

Z T
1
lm X(t + )X (t) dt = RX ( ) (3.235)
T 2T T

El cumplimiento de la ergodicidad en la autocorrelacin se garantiza mediante el cum-

plimiento de la ergodicidad en la media del proceso Zk [n] = X[n + k]X [n] (o Z (t) =
X(t + )X (t)) para cualquier valor de k (o ), y que implica el cumplimiento de (3.234)
(o (3.235)).

Cicloergodicidad. La definicin de ergodicidad deja fuera a un importante grupo de pro-

cesos dentro de las comunicaciones como son los procesos cicloestacionarios. Existe, sin
embargo, una extensin del concepto de ergodicidad denominada cicloergodicidad que nos
permite relacionar las medidas estadsticas con los promedios temporales para los procesos
cicloestacionarios.
Un proceso cicloestacionario y cicloergdico de periodo T0 (N0 ) cumple, bajo ciertas
restricciones sobre la funcin g de medida, que

X Z T
1 j 2kt
lm g(x(t + t ))e T0 dt = E{g(X(t))} (3.236)
T 2T T
k=

N
!
X 1 X j 2kn
lm g(x[n + n ])e N0 = E{g(X[n])}
N 2N + 1
k= n =N

Obsrvese, por una parte, la similitud de estas ecuaciones con (3.217) y, por otra, que el
resultado del trmino de la izquierda en las igualdades sigue dependiendo de t (o n).
Desarrollando (3.236) se puede comprobar que la forma de obtener una medida (por
ejemplo, la media) en un instante t0 del proceso cicloestacionario X(t) a partir de una
realizacin del mismo x(t) es empleando de los valores {x(t0 + kT0 ) : k Z}.

Ergodicidad y caracterizacin de procesos y seales

El carcter ergdico de un proceso podemos interpretarlo de dos formas distintas: por
una parte, nos permite caracterizar estadsticamente un proceso a partir de una nica reali-
zacin del mismo y, por otra, las propiedades temporales de las realizaciones de un proceso
a partir de su caracterizacin probabilstica.
Si un proceso es ergdico en sentido estricto y empleamos un conjunto de funciones
{g,N } que formen una base del espacio de las funciones de distribucin de orden N , apli-
cando (3.217) sobre una realizacin x(t) (o x[n]) y este conjunto de funciones obtenemos
una expansin de la funcin de distribucin de orden N . Repitiendo este procedimiento para
cualquier valor de N obtenemos una caracterizacin unvoca del proceso X(t) (o X[n]).
Si el proceso es ergdico en sentido amplio, el valor medio (Apartado 2.1.2, Pgina 14)
de una realizacin x(t) (o x[n]) da como resultado la media del proceso, X , y la funcin de

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
144 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

ambigedad temporal, (2.50) (Pgina 22) o (2.57) (Pgina 23), de una realizacin da como
resultado la funcin de autocorrelacin del proceso.
Por otra parte, si un proceso es ergdico, su media coincide con el valor medio de cual-
quiera sus realizaciones, y su funcin de autocorrelacin coincide con la funcin de ambi-
gedad temporal de cualquiera de sus realizaciones. De especial inters resulta el valor de
la funcin de autocorrelacin en el origen, RX (0) (o RX [0]), o valor cuadrtico medio del
proceso, que coincide con la potencia de cualquiera de sus realizaciones
Z T
2 1
RX (0) = E{|X(t)| } = lm |x(t)|2 dt = P {x(t)} = PX (3.237)
T 2T T

N
!
1 X
2 2
RX [0] = E{|X[n]| } = lm |x[n]| = P {x[n]} = PX
N 2N + 1
n=N
Esto implica que cualquier realizacin de un proceso estacionario ergdico es una seal de
potencia media no nula (recuerde que |RX ( )| RX (0) y |RX [k]| RX [0]) y, por tanto,
de energa infinita. Nos referiremos, por tanto, al valor de la funcin de autocorrelacin en
el origen indistintamente como valor cuadrtico medio o potencia del proceso.
Ms adelante analizaremos otras implicaciones cuando tratemos la caracterizacin de
procesos en el dominio de la frecuencia, en el Apartado 3.3.5.
En lo sucesivo y salvo mencin en contra, supondremos que todos los procesos estacio-
narios son ergdicos y todos los procesos cicloestacionarios son cicloergdicos.

3.3.4. Sistemas lineales con entradas estocsticas

Sea X(t) un proceso estocstico en tiempo continuo y sea el proceso estocstico definido
como
Y (t) = X(t) h(t) (3.238)
de modo que una realizacin de Y (t), y(t), se obtiene presentando una realizacin de X(t),
x(t), a la entrada de un sistema lineal e invariante de respuesta al impulso h(t).
En general, la caracterizacin estadstica de Y (t) no es sencilla, salvo en casos particu-
lares (como el gausiano), pero s pueden conocerse algunos estadsticos de primer y segundo
orden.
Por ejemplo, si X (t) es la media del proceso de entrada, la media del proceso de salida
es
Y (t) = E{Y (t)} = E{h(t) X(t)} (3.239)
Obsrvese que, por la linealidad del operador de convolucin,
Z  Z
E{h(t) X(t)} = E h( ) X(t )d = h( ) E{X(t )}d

= h(t) E{X(t)} (3.240)

luego
Y (t) = h(t) X (t) (3.241)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 145

Si X(t) es estacionario, X (t) = X , luego Y (t) tambin es constante e igual a

Z
Y = X h(t)dt (3.242)

La correlacin cruzada de la entrada y la salida es

 Z 

RY X (t1 , t2 ) = E{Y (t1 )X (t2 )} = E X (t2 ) X( )h(t1 )d

Z
= h(t1 )RX (, t2 )d

= h(t1 ) RX (t1 , t2 ) (3.243)

Por ltimo, la autocorrelacin de la salida es

 Z 

RY (t1 , t2 ) = E{Y (t1 )Y (t2 )} = E Y (t1 ) h ( )X (t2 )d

Z
= h ( )RY X (t1 , t2 )d

= RY X (t1 , t2 ) h (t2 ) (3.244)

Combinando (3.243) y (3.243), resulta

RY (t1 , t2 ) = h(t1 ) RX (t1 , t2 ) h (t2 ) (3.245)

En la ecuacin anterior, hay dos operaciones de convolucin. Debemos efectuar la pri-

mera sobre la variable t1 y la segunda sobre la variable t2 . Las Ecuaciones (3.241) y (3.245)
ponen de manifiesto que tanto la media como la autocorrelacin de la salida dependen ex-
clusivamente de la media y la autocorrelacin de la entrada, respectivamente, as como de
la respuesta al impulso del sistema.

Procesos cicloestacionarios. Por las propiedades de la convolucin, podemos escribir,

RY (t1 + T, t2 + T ) = h(t1 ) RX (t1 + T, t2 + T ) h (t2 ) (3.246)

Si X(t) es cicloestacionario con periodo T , se verifica que RX (t1 +T, t2 +T ) = RX (t1 , t2 ),

luego
RY (t1 + T, t2 + T ) = RY (t1 , t2 ) (3.247)

y, por tanto, Y (t) tambin es cicloestacionario con el mismo periodo.

Procesos estacionarios. Del mismo modo, si X(t) es estacionario, (3.247) se verifica para
cualquier valor de T y, en consecuencia, Y (t) tambin es estacionario. En tal caso, podemos

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
146 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

expresar la autocorrelacin como funcin de una sola variable. Llamando = t1 t2 , la

correlacin cruzada de la entrada y la salida es

RY X (t1 , t2 ) = h(t1 ) RX (t1 t2 )

Z
= h(t1 t)RX (t t2 )dt
Z

= h(t2 + t)RX (t t2 )dt

Z
= h( t)RX (t)dt

= h( ) RX ( ) (3.248)

De acuerdo con este resultado, RY X (t1 , t2 ) depende solamente de = t1 t2 . Por tanto,

X e Y son conjuntamente estacionarios.
Por ltimo, la autocorrelacin de la salida es

RY ( ) = RY (t1 , t2 ) = RY X (t1 , t2 ) h (t2 )

Z
= h (t)RY X (t1 t2 + t)dt
Z
Z

= h (t) h( + t t )RX (t )dt dt
Z


Z

= RX (t ) h (t)h( + t t )dtdt

= RX ( ) h( ) h ( )
= RX ( ) rh ( ) (3.249)

donde rh ( ) es la funcin de ambigedad temporal de h(t) definida en (2.57).

Todos estos resultados se extienden de modo inmediato al caso discreto: si X[n] es un
proceso estocstico discreto e Y [n] = X[n] h[n], se verifica

Y [n] = h[n] X [n] (3.250)

Si X[n] es estacionario, X [n] = X , y

X
Y = X h[n] (3.251)
n=

Asimismo, de forma general se verifica que

RY X [n1 , n2 ] = h[n1 ] RX [n1 , n2 ] (3.252)

RY [n1 , n2 ] = h[n1 ] RX [n1 , n2 ] h [n2 ] (3.253)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 147

Si X[n] es cicloestacionario de periodo N , Y [n] tambin lo es, y con el mismo perio-

do. Si X[n] es estacionario, Y [n] tambin es estacionario, X[n] e Y [n] son conjuntamente
estacionarios y

RY X [k] = h[k] RX [k] (3.254)

RY [k] = RX [k] rh [k] (3.255)

donde rh [n] = h[n] h [n] es la funcin de ambigedad temporal de h[n] (definida en

(2.50)).

Ejemplo 3.25
Sea R[n] un proceso de ruido blanco de varianza unidad. El proceso estacionario Y [n] resultado
de pasar R[n] por un filtro lineal e invariante y causal, dado por la ecuacin en diferencias

Y [n] = 0,6 Y [n 1] + R[n] (3.256)

es estacionario. Dado que la respuesta al impulso de este sistema es h[n] = 0,6n u[n], la media
del proceso ser, de acuerdo con (3.250)

Y [n] = h[n] R [n] = 0 (3.257)

y su autocorrelacin

0,6|k|
RY [k] = RR [k] rh [k] = h[k] h[k] = (3.258)
0,64

Tambin pueden extenderse todos los resultados anteriores al anlisis de procesos gene-
rados mediante modulacin de pulsos en amplitud que es la base de las modulaciones de
amplitud que estudiaremos en el Captulo 5. Denominamos de este modo a aquellos proce-
sos continuos Y (t) que se obtienen a partir de un proceso discreto X[n] de entrada mediante
una transformacin de la forma5

X
Y (t) = X[n]h(t nT ) (3.259)
n=

Por ejemplo, si X [n] es la media del proceso de entrada, la media del proceso de salida
es

X
Y (t) = E{Y (t)} = X [n]h(t nT ) (3.260)
n=

5
Los procesos generados de este modo pueden interpretarse como procesos de salida de sistemas linea-
les e invariantes en el tiempo con entradas discretas: son lineales porque, en virtud de (3.259), si X1 [n] y
X2 [n] producen las salidas Y1 (t) y Y2 (t), respectivamente, entonces a1 X1 [n] + a2 X2 [n] produce como salida
a1 Y1 (t) + a2 Y2 (t); son invariantes en el sentido de que X[n n0 ] produce como salida Y (t n0 T ). La seal
h(t) es la respuesta al impulso [n].

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
148 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Si X[n] es estacionario, X (t) = X y

X
Y (t) = X h(t nT ) (3.261)
n=

por tanto, Y (t) es peridica y de periodo T .

La correlacin cruzada de la entrada y la salida es
(
)
. X
RY X (t1 , n2 ) = E{Y (t1 )X [n2 ]} = E X [n2 ] X[k]h(t1 kT )
k=

X
= RX [k, n2 ]h(t1 kT ) (3.262)
k=

Por ltimo, la autocorrelacin de la salida es

X
X

RY (t1 , t2 ) = E{Y (t1 )Y (t2 )} = E {X[n]X [l]} h(t1 nT )h (t2 lT )
n= l=

X
X
= RX [n, l]h(t1 nT )h (t2 lT ) (3.263)
n= l=

Si X[n] es un proceso estacionario, la autocorrelacin de Y (t) se puede expresar como

X
X
RY (t1 , t2 ) = RX [n l]h(t1 nT )h (t2 lT ) (3.264)
n= l=

y se comprueba fcilmente que RY (t1 , t2 ) = RY (t1 +T, t2 +T ). Como, adems, de acuerdo

con (3.261), Y (t) tiene periodo T , podemos concluir que Y (t) es un proceso cicloestacio-
nario de periodo T .

3.3.5. Densidad espectral de potencia

En el captulo anterior hemos visto las ventajas del anlisis de Fourier para caracteri-
zar seales y el comportamiento de sistemas lineales e invariantes. Por este motivo, resulta
de inters aplicar el anlisis de Fourier a procesos estocsticos. Cmo hacerlo no es algo
inmediato.
Dado que las realizaciones de un proceso estocstico son seales, resulta tentador de-
finir la Transformada de Fourier de un proceso estocstico X(t) como un nuevo proceso
cuyas realizaciones son las Transformadas de Fourier de las realizaciones de X(t), x(t). Sin
embargo, hay una dificultad insalvable en esta definicin: como hemos analizado anterior-
mente, las realizaciones de los procesos estocsticos estacionarios y cicloestacionarios son
seales de potencia media finita y no nula y energa infinita y, por tanto, no poseen Transfor-
mada de Fourier (las condiciones para la existencia de la Transformada de Fourier podemos
encontrarlas en la Pgina 35 y siguientes).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 149

Sin embargo, en general, la Transformada de Fourier de un proceso estocstico truncado

(limitado en el tiempo) s puede calcularse. Sea X(t) un proceso estocstico de media X (t)
y autocorrelacin RX (t1 , t2 ). Consideremos el proceso truncado XT (t) dado por

X(t) si |t| T
XT (t) = (3.265)
0 si |t| > T

La Transformada de Fourier de XT (t), dada por

Z Z T
jt
XT (j) = XT (t)e dt = X(t)ejt dt (3.266)
T

es, a su vez, un proceso estocstico de media

Z T
E{XT (j)} = X (t)ejt dt (3.267)
T

y valor cuadrtico medio

( Z 2 )
 T 
E{|XT (j)|2 } = E  X(t)ejt dt (3.268)
T

Si el proceso es estacionario o cicloestacionario, el valor cuadrtico medio crece in-

definidamente con T hasta hacerse infinito, pero podemos evitar este efecto normalizando
(3.268) respecto a la longitud del intervalo de integracin, 2T .
Si consideramos una realizacin del proceso XT (t), xT (t), el mdulo al cuadrado de su
Transformada de Fourier, de acuerdo con la interpretacin del Teorema de Rayleigh, recibe
el nombre de densidad espectral de energa. La Ecuacin (3.268) admite la interpretacin
de una densidad espectral de energa media y, normalizada por el intervalo de integracin,
puede interpretarse como una densidad espectral de potencia media. Esto nos lleva a definir
formalmente la densidad espectral de potencia o dep (power spectral density, psd) de un
proceso estocstico como

. E{|XT (j)|2 }
SX (j) = lm (3.269)
T 2T

Obsrvese que, por definicin, la dep es siempre real y no negativa: para todo ,

SX (j) 0 (3.270)

Asimismo, por las propiedades de la Transformada de Fourier, la dep de un proceso esto-

cstico real es una funcin par.
Nuestro objetivo ahora es determinar qu relacin existe entre la dep tal y como se ha
definido y las medidas que hemos empleado para caracterizar los procesos estocsticos, y

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
150 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

ms concretamente, la relacin de la dep con la funcin de autocorrelacin. Desarrollando

la expresin (3.268)
Z T Z T 
2 jt1 jt2
E{|XT (j)| } = E X(t1 )e dt1 X (t2 )e dt2
T T
Z T Z T
= E{X(t1 )X (t2 )}ej(t1 t2 ) dt1 dt2
T T
Z T Z T
= RX (t1 , t2 )ej(t1 t2 ) dt1 dt2 (3.271)
T T

luego
Z T Z T
1
SX (j) = lm RX (t1 , t2 )ej(t1 t2 ) dt1 dt2 (3.272)
T 2T T T

y, haciendo el cambio de variable = t1 t2 , resulta

Z T Z T t2
1
SX (j) = lm RX (t2 + , t2 )ej d dt2 (3.273)
T 2T T T t2

Bajo ciertas restricciones sobre la funcin de autocorrelacin, podemos simplificar esta

expresin hasta llegar a Z
SX (j) = RX ( )ej d (3.274)

donde Z T
. 1
RX ( ) = lm RX (t + , t)dt (3.275)
T 2T T

resultado que se conoce como Teorema de Wiener-Khinchine, y que se encuentra desarro-

llado en el Apndice 3.A.
Analizaremos ahora este resultado para los tipos de procesos de mayor inters: cicloes-
tacionarios y estacionarios.

Procesos cicloestacionarios. Si el proceso X(t) es cicloestacionario de periodo T0 , la

funcin de autocorrelacin RX (t + , t) es una funcin peridica de t y, por tanto, el pro-
medio en (3.275) se puede calcular sobre un nico periodo,
Z T0
1
RX ( ) = RX (t + , t)dt (3.276)
T0 0

Procesos estacionarios. Si el proceso X(t) es estacionario se cumple que RX (t + , t) =

RX ( ) y, por tanto RX ( ) = RX ( ), de modo que
Z
SX (j) = RX ( )ej d (3.277)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 151

Por tanto, la densidad espectral de potencia de un proceso estacionario X(t) es igual a

la Transformada de Fourier de su funcin de autocorrelacin.
De acuerdo con esta definicin, ntese que
Z
1
RX ( ) = SX (j)ej d (3.278)
2

de modo que Z
1
E{|X(t)|2 } = RX (0) = SX (j)d (3.279)
2
Si adems el proceso es ergdico, la ecuacin anterior indica que la potencia media de
cualquier realizacin del proceso puede obtenerse mediante integracin de SX (j) sobre
todo el rango de frecuencias, lo que tambin justifica la denominacin de densidad espectral
de potencia para SX .
An ms, la propiedad de ergodicidad nos garantiza que
Z 2
1  T jt 

SX (j) = lm  x(t)e dt (3.280)
T 2T T

siendo x(t) una realizacin de X(t), y la dep es tambin una medida de la distribucin
de la potencia a diferentes frecuencias de cualquier realizacin. Tambin podemos deducir
que, para las componentes espectrales en las que la dep sea nula, el contenido espectral de
cualquier realizacin tambin lo ser.

Procesos discretos. Expresiones completamente anlogas a las anteriores resultan en el

caso discreto: sea X[n] un proceso estocstico de autocorrelacin RX [n1 , n2 ], y sea el pro-
ceso truncado XN [n] dado por

X[n] si |n| N
XN [n] = (3.281)
0 si |n| > N

Se define la densidad espectral de potencia de X[n] como

. 1
SX (ej ) = lm E{|XN (ej )|2 } (3.282)
N 2N + 1
donde XN (ej ) es la Transformada de Fourier de XN [n]. Siguiendo el mismo procedimien-
to que en el caso continuo, se puede llegar a la expresin alternativa

X
SX (ej ) = RX [k]ejk (3.283)
k=

siendo
N
X
1
RX [k] = lm RX [n + k, n] (3.284)
N 2N + 1
n=N

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
152 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

que, para procesos cicloestacionarios de periodo N0 se reduce a

N0 1
1 X
RX [k] = RX [n + k, n] (3.285)
N0
n=0

y, para procesos estacionarios,

RX [k] = RX [k] (3.286)

Procesos blancos. Si X(t) (o X[n]) es un proceso estacionario blanco de autocorrelacin

RX ( ) = ( ) (o RX [k] = [k]), su densidad espectral de potencia es constante a todas
las frecuencias.

SX (j) = (3.287)
j
( SX (e ) = ) (3.288)

Densidad espectral de potencia a la salida de sistemas lineales

Resulta interesante analizar la densidad espectral de potencia de procesos estocsticos
que pasan a travs de filtros lineales. Si retomamos la expresin para la autocorrelacin de
salida obtenida en (3.245), podemos escribir
Z Z
RY (t1 , t2 ) = h(1 )h (2 )RX (t1 1 , t2 2 )d1 d2 (3.289)

La autocorrelacin promedio es
Z T
1
RY ( ) = lm RY (t + , t)dt
T 2T T
Z T Z Z
1
= lm h(1 )h (2 )RX (t + 1 , t 2 )d1 d2 dt
T 2T T
Z Z Z T
1
= h(1 )h (2 ) lm RX (t + 1 , t 2 )dtd1 d2
T 2T T
Z Z
= h(1 )h (2 )RX ( + 2 1 )d1 d2

= RX ( ) h( ) h ( ) (3.290)

Y aplicando la propiedad de convolucin a (3.290), obtenemos

SY (j) = SX (j)|H(j)|2 (3.291)

De modo anlogo, si Y [n] es el proceso discreto de salida cuando otro proceso discreto
X[n] pasa a travs de un sistema lineal e invariante en el tiempo de respuesta al impulso
h[n], la densidad espectral de potencia de Y [n] se puede expresar como

SY (ej ) = SX (ej )|H(ej )|2 (3.292)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 153

Por ltimo, si Y (t) es un proceso generado modulando pulsos en amplitud mediante

X[n], dado por (3.259), la dep de Y (t) se puede relacionar con la de X[n]. Para ello, calcu-
laremos en primer lugar
Z T
1
RY ( ) = lm RY (t + , t)dt (3.293)
T 2T T

Sustituyendo RY por la expresin obtenida en (3.263), y considerando solamente los

valores de T mltiplos de T , podemos escribir
Z NT X X
1
RY ( ) = lm RX [k, l]h(t + kT )h (t lT )dt
N 2N T N T
k= l=
(3.294)

Descomponiendo la integral en suma de integrales por tramos de longitud T , obtenemos

N
X 1 Z (m+1)T X

X
1
RY ( ) = lm RX [k, l]h(t + kT )h (t lT )dt
N 2N T mT m=N k= l=
N
X 1
X
X Z T
1
= lm RX [k, l] h(t + + (m k)T )
N 2N T 0
m=N k= l=
h (t + (m l)T )dt
Z
1 X X T
= h(t + + kT )h (t + lT )dt
T
k= l= 0
N 1
1 X
lm RX [m k, m l]
N 2N
m=N
Z T
1 X X
= RX [l k] h(t + + kT )h (t + lT )dt
T 0
k= l=
X Z
X T
1
= RX [m] h(t + + (l m)T )h (t + lT )dt
T m= l= 0

X Z
1
= RX [m] h(t + mT )h (t)dt
T m=

X
1
= RX [m]rh ( mT ) (3.295)
T m=

siendo rh (t) = h(t) h (t) la funcin de ambigedad temporal de h(t). Esta expresin se
reduce a

X
1
RY ( ) = RX [m]rh ( mT ) (3.296)
T m=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
154 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

cuando X[n] es estacionario.

La densidad espectral de potencia es la Transformada de Fourier de (3.295), de donde

X
1
SY (j) = RX [m]|H(j)|2 ejmT
T m=
1
= SX (ejT )|H(j)|2 (3.297)
T

Muestreo de procesos estacionarios

Sea X(t) un proceso estacionario con funcin de autocorrelacin RX ( ), y definamos
.
el proceso discreto Y [n] = X(nT ), resultante de muestrear X(t) con periodo T , y con fun-
cin de autocorrelacin RY [n1 , n2 ]. Entonces, RY [n1 + k, n1 ] = RX (n1 T + kT, n1 T ) =
RX (kT ) = RY [k], para cualquier entero k. Como consecuencia, el proceso Y [n] es esta-
cionario y su funcin de autocorrelacin es el resultado de muestrear la correspondiente a
X(t) con periodo T . Por tanto, las transformadas de ambas funciones de autocorrelacin
estn relacionadas a travs de (2.237) que para el presente caso resulta en
 
j 1 X 2k
SY (e ) = SX j j (3.298)
T T T
k=

3.3.6. Procesos gausianos, seal y ruido

Como se ha mencionado anteriormente, la caracterizacin de un proceso a partir de
su media y su funcin de autocorrelacin no es completa, y podemos encontrar procesos
que posean funciones de distribucin distintas y cuyas media y funcin de autocorrelacin
sean idnticas. Se argument tambin que la caracterizacin completa de procesos es poco
prctica por lo engorroso de la manipulacin de las funciones de distribucin de cualquier
orden. Sin embargo, existe una familia de procesos cuya caracterizacin completa es sencilla
y que, adems, aparece frecuentemente debido al teorema central del lmite: los procesos
gausianos.
Diremos que un proceso X(t) (X[n]) real6 es gausiano si, para cualquier valor de N
y cualquier conjunto arbitrario de N instantes temporales {t0 , . . . tN 1 } ({n0 , . . . , nN 1 }),
la funcin de densidad de probabilidad de orden N ,

fX(t0 ),...,X(tN 1 ) (x0 , . . . , xN 1 )

( fX[n0 ],...,X[nN 1 ] (x0 , . . . , xN 1 ) )

es gausiana.
Los procesos gausianos poseen, entre otras, las siguientes propiedades:
6
En el apartado siguiente consideraremos extensamente los procesos gausianos complejos.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 155

P 1. La caracterizacin completa del proceso puede obtenerse a partir de su media y su

funcin de autocorrelacin. Esta propiedad es consecuencia de la definicin unvoca
de una variable aleatoria gausiana mediante su media y varianza.

P 2. Si un proceso gausiano es estacionario en sentido amplio, tambin lo es en sentido

estricto. La razn es la misma que la de la propiedad anterior7 .

P 3. La salida de un sistema lineal e invariante, cuando la entrada es otro proceso gausiano,

es tambin un proceso gausiano. Esta propiedad es consecuencia de que cualquier com-
binacin lineal de variables aleatorias gausianas es otra variable aleatoria gausiana.

P 4. Si un proceso gausiano posee media nula, es ergdico si cumple (3.227) (o (3.224)).

Podemos definir adems los procesos conjuntamente gausianos: dos procesos gausia-
nos X(t) e Y (t) (X[n] e Y [n]) son conjuntamente gausianos si para cualesquiera valores
de N y M y cualesquiera conjuntos arbitrarios de instantes temporales {t0 , . . . , tN 1 } y
{0 , . . . M 1 } ({n0 , . . . , nN 1 } y {k0 , . . . kM 1 }), la funcin de densidad de probabilidad
de orden N + M

fX(t0 ),...,X(tN 1 ),Y (0 ),...,Y (M 1 ) (x0 , . . . , xN 1 , y0 , . . . , yM 1 )

( fX[n0 ],...,X[nN 1 ],Y [k0 ],...,Y [kM 1 ] (x0 , . . . , xN 1 , y0 , . . . , yM 1 ) )

es gausiana.
En procesos conjuntamente gausianos incorrelacin e independencia estadstica son pro-
piedades equivalentes, puesto que las funciones de densidad de probabilidad conjuntas son
gausianas multidimensionales.

Ruido gausiano y blanco

Por ruido entendemos toda perturbacin de carcter aleatorio sobre una seal o proceso
que resulta de inters. En un procedimiento de medida el ruido es el conjunto de perturba-
ciones y errores de medida que nos impiden conoceer de forma exacta la seal de inters,
que es la magnitud que deseamos conocer. En un sistema de comunicaciones la seal que
deseamos conocer en el receptor es el mensaje que fue transmitido y el ruido es el conjunto
de perturbaciones se suman a la seal en su paso por el canal.
Uno de los tipos de ruido ms importante es el denominado ruido trmico , que est pre-
sente en todo circuito elctrico o electrnico y afecta a la seal de inters de forma aditiva.
Este ruido est provocado por el movimiento desordenado de los electrones en un conduc-
tor y posee una dep aproximadamente plana para las frecuencias habituales en sistemas de
comunicaciones.
Un buen modelo para el ruido trmico son los procesos gausianos blancos. Gausiano
porque el ruido trmico es la contribucin de muchas perturbaciones del mismo tipo (la
corriente generada por el movimiento de cada electrn) y resulta de aplicacin el teorema
7
Esta propiedad no se cumple para procesos gausianos complejos, como veremos en el siguiente apartado.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
156 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

central del lmite, y blanco por poseer una dep aproximadamente plana. Adicionalmente,
se supone tambin su ergodicidad. El valor de la dep suele denotarse como N0 /2 y sus
unidades son W/Hz, como veremos ms adelante. As, queda definido mediante
N0
SX (j) = (3.299)
2
y su funcin de autocorrelacin es
N0
RX ( ) = ( ) (3.300)
2
lo que indica que su potencia es infinita. No obstante, al atravesar cualquier sistema de banda
limitada su potencia se torna finita (aunque, naturalmente, pierde el carcter de blanco).
Cuando a la entrada de un sistema lineal e invariante de funcin de transferencia H(j)
tenemos ruido gausiano y blanco, la dep a la salida es
N0
SY (j) = |H(j)|2 (3.301)
2
y la potencia de ruido a la salida se obtiene integrando SY (j). Si el sistema es un filtro
(paso bajo o paso banda) ideal de ancho de banda W , la potencia de ruido a la salida es
1 N0 N0 W
RY (0) = Y2 = 2W = (3.302)
2 2 2
que es igual a Y2 = N0 W si expresamos el ancho de banda en Hz, W = W/2, y donde
verificamos que las dimensiones de N0 /2 son W/Hz.

Relacin seal a ruido

Comnmente, el ruido distorsiona la seal de forma aditiva:

Y (t) = X(t) + N (t) (3.303)

donde X(t) es el proceso o seal de inters, Y (t) es la observacin de que disponemos y

N (t) es la componente de ruido, que se supone independiente de X(t) y de media nula. Por
simplicidad supondremos que todos los procesos son estacionarios y ergdicos.
La funcin de autocorrelacin de Y (t) es

RY ( ) = E{((X(t) + N (t))(X(t) + N (t)) } (3.304)

= RX ( ) + RN ( ) + 2Re{RXN ( )} = RX ( ) + RN ( ) (3.305)

que. evaluada para = 0, es

RY (0) = Y2 = RX (0) + RN (0) = X

2 2
+ N (3.306)

lo que nos dice que la potencia de Y (t) es la suma de las potencias de la seal y del ruido.
Una medida de la calidad de la observacin Y (t) es el cociente entre estas ltimas. Esta

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 157

medida se conoce como relacin seal a ruido (Signal to Noise Ratio, SNR), y puede
expresarse en unidades naturales
2
SNR = X 2 (3.307)
N
o en unidades logartmicas como 10 log10 SNR cuya unidad de medida es el decibelio o dB.
La definicin de relacin seal a ruido para procesos en tiempo discreto es totalmente
anloga.

3.3.7. Procesos gausianos complejos

Una de las mayores dificultades que encontraremos a la hora de analizar rigurosamente
el efecto del ruido gausiano o calcular el espectro de potencia de la seal transmitida en sis-
temas de comunicaciones paso banda es la existencia de procesos estocsticos complejos.
En este apartado introducimos algunos conceptos de utilidad y demostramos algunas propie-
dades interesantes que sern tiles en captulos posteriores, por ejemplo, para caracterizar
estadsticamente el ruido en los receptores digitales.
A lo largo de este apartado consideraremos nicamente procesos complejos de media
cero (la extensin a procesos de media no nula es inmediata). Tambin emplearemos la
notacin siguiente: si Z(t) es un proceso complejo, entonces Zr (t) y Zi (t) denotarn sus
partes real e imaginaria respectivamente, de modo que Z(t) = Zr (t) + jZi (t).
Diremos que un proceso complejo Z(t) es gausiano si Zr (t) y Zi (t) son procesos con-
juntamente gausianos. Mientras para que un proceso gausiano real sea estacionario en sen-
tido estricto basta con que lo sea en sentido amplio, para procesos gausianos complejos la
estacionariedad en sentido estricto no se deduce de la estacionariedad en sentido amplio.
Por definicin, para que Z(t) de media cero sea estacionario en sentido amplio basta
con que

RZ (t + , t) = E{Z(t + )Z ( )} = RZ ( ) (3.308)

donde RZ ( ) es la funcin de autocorrelacin de Z(t). Para que Z(t) sea estacionario en

sentido estricto hace falta que todos sus estadsticos de segundo orden sean invariantes en el
tiempo. Esto equivale a decir que Zr (t) y Zi (t) sean conjuntamente estacionarios en sentido
amplio, para lo cual debe cumplirse que

RZr (t + , t) = E{Zr (t + )Zr (t)} = RZr ( ) (3.309)

RZi (t + , t) = E{Zi (t + )Zi (t)} = RZi ( ) (3.310)
RZr,Zi (t + , t) = E{Zr (t + )Zi (t)} = RZr,Zi ( ) = RZi,Zr ( ) (3.311)

Las Condiciones (3.309)-(3.311) son suficientes para que se verifique (3.308), pero no a
la inversa. Sin embargo, definiendo la funcin de autocorrelacin complementaria
.
QZ (t + , t) = E{Z(t + )Z( )} (3.312)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
158 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

es fcil deducir las relaciones

RZ (t + , t) = RZr (t + , t) + RZi (t + , t) jRZr,Zi (t + , t) + jRZi,Zr (t + , t)

QZ (t + , t) = RZr (t + , t) RZi (t + , t) + jRZr,Zi (t + , t) + jRZi,Zr (t + , t)
(3.313)

y, a partir de estas, las siguientes:

1
RZr (t + , t) = Re{RZ (t + , t) + QZ (t + , t)} (3.314)
2
1
RZi (t + , t) = Re{RZ (t + , t) QZ (t + , t)} (3.315)
2
1
RZr,Zi (t + , t) = Im{RZ (t + , t) + QZ (t + , t)} (3.316)
2
1
RZi,Zr (t + , t) = Im{RZ (t + , t) + QZ (t + , t)} (3.317)
2
Por tanto, es posible expresar RZr , RZi , RZr,Zi y RZi,Zr como funciones de RZ y QZ ,
y viceversa. Si las primeras no dependen de t, tampoco lo harn las segundas, y viceversa.
En consecuencia, las condiciones,

RZ (t + , t) = RZ ( ) (3.318)
QZ (t + , t) = QZ ( ) (3.319)

son necesarias y suficientes para que Z(t) sea estrictamente estacionario.

De modo anlogo, se deduce que, dado un valor T , las condiciones

RZ (t + , t) = RZ (t + T + , t + T ) (3.320)
QZ (t + , t) = QZ (t + T + , t + T ) (3.321)

son necesarias y suficientes para que Z(t) sea estrictamente cicloestacionario.

Simetra circular
En lo sucesivo, resultar de inters el anlisis de procesos cuya funcin complementaria
es nula, es decir

QZ (t + , t) = 0 (3.322)

Un proceso gausiano complejo que cumple la Condicin (3.322) se dice que es circular-
mente simtrico. La simetra circular es, obviamente, una condicin suficiente para que un
proceso estacionario gausiano en sentido amplio lo sea tambin en sentido estricto.
Haciendo uso de las relaciones (3.313), se obtiene que la Condicin (3.322) es equiva-
lente a

RZr (t + , t) = RZi (t + , t) (3.323)

RZr,Zi (t + , t) = RZi,Zr (t + , t) (3.324)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 159

Asimismo, la funcin de autocorrelacin se simplifica a

RZ (t + , t) = 2RZr (t + , t) 2jRZr,Zi (t + , t) (3.325)

Ejemplo 3.26
Sea Z(t) un proceso gausiano estacionario con partes real e imaginaria incorrelacionadas, siendo
RZr ( ) = RZi ( ) = ( ). En virtud de las relaciones (3.313), se deduce que

RZ (t + , t) = 2( ) (3.326)
QZ (t + , t) = 0 (3.327)

Por tanto, Z(t) es circularmente simtrico.

Dado un proceso gausiano circularmente simtrico Z(t) = Zr (t) + jZi (t), es inme-
diato deducir a partir de la Condicin (3.323) que las varianzas (autocorrelacin en = 0)
de Zr (t) y Zi (t) son idnticas. Adems, teniendo en cuenta que RZ (t, t) = E{|Z(t)|2 }
tiene que ser necesariamente real, a partir de (3.324) podemos deducir que RZr,Zi (t, t) =
RZi,Zr (t, t) = 0, lo que demuestra que Zr (t) y Zi (t) estn incorrelacionados para cual-
quier instante de tiempo (y, por tanto, son independientes, por ser gausianos). Esto implica
que las curvas de nivel de la funcin de densidad de probabilidad conjunta fZr (t),Zi (t) (zr , zi )
son circulares, y de ah la denominacin simetra circular.
Observemos, no obstante, que la incorrelacin de Zr (t) y Zi (t) no implica que Zr (t1 )
y Zi (t2 ) con t1 6= t2 estn incorrelacionados. Para que eso suceda RZ (t1 , t2 ) ha de ser real
(algo que se da, por ejemplo, cuando Z(t) es blanco).
En los apartados siguientes analizaremos la (ciclo)estacionariedad de un proceso com-
plejo obtenido mediante transformacin de otro proceso gausiano (ciclo)estacionario. Para
ello, prestaremos atencin al comportamiento de las funciones de autocorrelacin y la fun-
cin complementaria.

Filtrado complejo lineal e invariante de un proceso complejo

Sea Z(t) un proceso complejo obtenido al filtrar con un filtro h(t) (posiblemente com-
plejo) otro proceso complejo X(t), de tal modo que

Z(t) = X(t) h(t) (3.328)

Observamos que, si X(t) es gausiano, entonces Z(t) se obtiene a partir de combinacio-

nes lineales de variables gausianas, y por tanto es un proceso gausiano.
Por otra parte, en el Apartado 3.3.4 ya vimos que, de acuerdo con (3.245) la autocorre-
lacin de la salida del filtro puede expresarse como

RZ (t1 , t2 ) = h(t1 ) RX (t1 , t2 ) h (t2 ) (3.329)

Siguiendo un procedimiento completamente anlogo al del Apartado 3.3.4 se puede encon-

trar una expresin equivalente para QZ ,

QZ (t1 , t2 ) = h(t1 ) QX (t1 , t2 ) h(t2 ) (3.330)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
160 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Como consecuencia directa de las expresiones (3.329) y (3.330), se deducen las siguien-
tes propiedades:

Si X(t) es (ciclo)estacionario en sentido amplio, Z(t) tambin lo es.

Si X(t) es (ciclo)estacionario en sentido estricto, Z(t) tambin lo es.

Si X(t) es circularmente simtrico, Z(t) tambin lo es.

Si X(t) es estrictamente estacionario, entonces se pueden deducir las relaciones

RZ ( ) = RX ( ) h( ) h ( ) (3.331)
QZ ( ) = QX ( ) h( ) h( ) (3.332)

(la primera, por aplicacin directa de (3.249); la segunda se obtiene siguiendo un procedi-
miento completamente anlogo al que condujo a esta) y, aplicando Transformadas de Fourier

SZ (j) = SX (j)|H(j)|2 (3.333)

TZ (j) = TX (j)H(j)H(j) (3.334)

donde TX y TZ son las Transformadas de Fourier de QX y QZ , respectivamente.

Observe que, en virtud de (3.334), la simetra circular de X(t) es la nica que garantiza
que Z(t) es circularmente simtrico para cualquier filtro h(t). No obstante, aunque X(t) no
sea circularmente simtrico, Z(t) puede serlo, dependiendo de la forma del filtro.
Supongamos, por ejemplo, que X(t) es real. En tal caso, QX ( ) = RX ( ) y la con-
dicin necesaria y suficiente para que Z(t) sea circularmente simtrico se puede escribir
como

SX (j)H(j)H(j) = 0 (3.335)

Ejemplo 3.27
Si SX (j) no es nulo a ninguna frecuencia (por ejemplo, si X(t) es un proceso blanco) y el filtro
h(t) es real, H(j) tiene simetra par, por lo que la condicin (3.335) no se cumplir y el proceso
Z(t) no ser circularmente simtrico (en este caso Z(t) sera real). Lo mismo puede decirse si
h(t) es puramente imaginario.
Si el filtro h(t) es de la forma:

h(t) = hB (t)ejc t (3.336)

donde hB (t) es un filtro paso bajo (en general complejo), entonces si el proceso X(t) es blanco,
puede verse que el proceso Z(t) ser circularmente simtrico slo si el ancho de banda del filtro
hB (t) es menor que c (vase Figura 3.12). Esta condicin se suele verificar en la prctica; aqu
hemos demostrado que adems es necesaria para que el proceso Z(t) sea circularmente simtrico.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 161

HB(jw)

-B 0 B w
H(jw)

wc-B wc wc+B w
H(-jw)

-wc-B -wc -wc+B w

Figura 3.12. La figura representa los filtros H(j) y H(j) para el caso en el que c es
mayor que el ancho de banda del filtro HB (j). El producto de ambas es nulo a todas las
frecuencias

Procesos gausianos complejos en tiempo discreto

Aunque nos hemos centrado en el anlisis de procesos en tiempo continuo, la discusin
de los apartados anteriores es extensible mutatis mutandis a procesos en tiempo discreto. En
particular, dado un proceso Z[k], se dice que es circularmente simtrico si

E{Z[k + m]Z[k]} = 0, para todo m, k. (3.337)

Si Z[k] procede del muestreo peridico de un proceso gausiano complejo circularmente

simtrico ser tambin un proceso circularmente simtrico.

3.3.8. Modulacin de procesos continuos

En este apartado consideramos la modulacin de procesos continuos mediante exponen-
ciales complejas o sinusoides. Como comprobaremos en el Captulo 5, este anlisis ser de
enorme utilidad para determinar el espectro de potencia de seales paso banda.

Modulacin compleja de procesos gausianos complejos

Sean dos procesos gausianos complejos Z(t) y X(t), relacionados de la siguiente forma:

Z(t) = X(t)ejc t (3.338)

para una frecuencia c genrica (no nula). De nuevo Zr (t) y Zi (t) denotan respectivamente
las partes real e imaginaria de Z(t), con definiciones similares para X(t). Observe que, dado
que Z(t) resulta de multiplicar un proceso gausiano por una funcin determinista, se deduce
la propiedad

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
162 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

P 1. Si X(t) es gausiano, Z(t) tambin lo es.

Supongamos que el proceso X(t) es estacionario en sentido estricto. Aunque pueda resultar
sorprendente a primera vista, en general el proceso Z(t) no ser estacionario en sentido
estricto, como demuestra el siguiente ejemplo.

Ejemplo 3.28
Sea X(t) un proceso real blanco y gausiano, con funcin de autocorrelacin RX ( ) = ( ).
De (3.338) se deduce que

Zr (t) = X(t) cos(c t); Zi (t) = X(t) sen(c t) (3.339)

de modo que, calculando las autocorrelaciones de las partes real e imaginaria tenemos

RZr (t + , t) = E{Zr (t + )Zr (t)} = cos2 (c t)( ) (3.340)

RZi (t + , t) = E{Zi (t + )Zi (t)} = sen2 (c t)( ) (3.341)

y es inmediato ver que tanto (3.340) como (3.341) dependen de t, por lo que los procesos Zr (t) y
Zi (t) no son estacionarios y, por tanto, Z(t) no es estacionario en sentido estricto. Sin embargo,
como puede comprobar el lector, el proceso Z(t) s es estacionario en sentido amplio.

A la vista del ejemplo anterior, podemos formularnos la siguiente pregunta: qu condi-

ciones debe cumplir X(t) para que Zr (t) y Zi (t) sean conjuntamente (ciclo)estacionarios?
Para resolverla, analizaremos las funciones de correlacin y complementaria de Z(t) que,
de acuerdo con (3.338) podemos expresar como

RZ (t + , t) = RX (t + , t)ejc (3.342)
j c (2t+ )
QZ (t + , t) = QX (t + , t)e (3.343)

Cicloestacionariedad. Si X(t) es estrictamente cicloestacionario, tanto RX como QX

son funciones peridicas (respecto a la variable t) con periodo T . Por tanto, en virtud de
(3.342), RZ tambin es peridica. Sin embargo, para que QZ sea peridica es necesario que
el trmino exponencial en (3.343) sea peridico con periodo mltiplo de T , es decir, que
c T / sea un nmero entero. Se concluye, por tanto, la propiedad

P 2. Si X(t) es un proceso gausiano estrictamente cicloestacionario y de periodo T , la

condicin k = wc T /, siendo k un nmero entero, es suficiente para la cicloestacio-
nariedad estricta de Z(t) con periodo kT .

Podemos obtener una condicin ms sencilla observando que, si X(t) es circularmente

simtrico, entonces QZ tambin es nulo y, por tanto, peridico de cualquier periodo, pu-
diendo concluirse la siguiente

P 3. Si X(t) es un proceso gausiano circularmente simtrico estrictamente cicloestacionario

y de periodo T , Z(t) tambin lo es.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 163

Estacionariedad. En virtud de (3.342), si X(t) es estacionario en sentido amplio, Z(t)

tambin lo es. Asimismo, si X(t) es estrictamente estacionario, podemos escribir

RZ (t + , t) = RX ( )ejc (3.344)
j c (2t+ )
QZ (t + , t) = QX ( )e (3.345)

Se observa que la dependencia de t se mantiene en la segunda ecuacin, razn por la

cual, en general, Z(t) no es estrictamente estacionario, aunque X(t) lo sea. En consecuen-
cia, la simetra circular de X(t) es condicin necesaria y suficiente para que Z(t) sea estric-
tamente estacionario.

P 4. Si X(t) es un proceso gausiano estacionario en sentido estricto, para que Z(t) sea es-
trictamente estacionario es condicin necesaria y suficiente que X(t) sea circularmente
simtrico.

Densidad espectral de potencia. Dado que la hiptesis de (ciclo)estacionariedad no es

en general aplicable a Z(t), aunque X(t) lo sea, calcularemos el espectro de potencia em-
pleando (3.274), calculando en primer lugar el promedio de la autocorrelacin
Z T
1
RZ ( ) = lm RX (t + , t)ejc dt = RX ( )ejc (3.346)
T 2T

T

y, en segundo lugar, calculando la Transformada de Fourier, resultando

SZ (j) = SX (j j c ) (3.347)

Proyeccin real de procesos cicloestacionarios modulados

Consideremos ahora el proceso estocstico Zr (t) dado por

Zr (t) = Re{Z(t)} (3.348)

siendo

Z(t) = X(t)ejc t (3.349)

donde X(t) es un proceso complejo (no necesariamente gausiano), estrictamente cicloesta-

cionario y de periodo T .

Densidad espectral de potencia. Para calcular la densidad espectral de potencia, partire-

mos de (3.314), aplicando (3.342) y (3.343), de modo que
1
RZr (t + , t) = Re{RZ (t + , t) + QZ (t + , t)} (3.350)
2
1
= Re{RX (t + , t)ejc + QX (t + , t)ejc (2t+ ) } (3.351)
2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
164 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

Por tanto
Z T
1
RZr ( ) = lm RZr (t + , t)dt
T 2T T
1
= Re{RX ( )ejc } +
2 ( )
Z T
1 1
+ Re ejc lm QX (t + , t)e2jc t dt (3.352)
2 T 2T T

Se observa que el primer trmino de la suma no plantea ningn problema; el ltimo merece
algo ms de atencin. En concreto, recordando que, para un proceso X(t) estrictamente
cicloestacionario con periodo T , su funcin complementaria es peridica (QX (t + , t) =
QX (t + T + , t + T ) y, por tanto se puede expandir en serie de Fourier en la forma
X 2kt
QX (t + , t) = QX (k, )ej T (3.353)
k

donde QX (k, ) es el k-simo coeficiente de la serie, podemos escribir,

1
RZr ( ) = Re{RX ( )ejc } +
2 ( )
X Z T
1 j c 1 j 2kt +2j t
+ Re e QX (k, ) lm e T c dt (3.354)
2 T 2T T
k

Teniendo en cuenta la relacin

Z T
1
lm ejt dt = () (3.355)
T 2T

T

resulta8
(  )
1 1 X 2k
j c j c
RZr ( ) = Re{RX ( )e } + Re e QX (k, ) + 2c (3.356)
2 2 T
k

Aplicando la Transformada de Fourier con respecto a la variable y llamando TX (k, )

a la Transformada de Fourier de QX (k, ) resulta, finalmente,
1 1
SZr (j) = SX (j j c ) + SX (j j c ) + (3.357)
4 4  
1X 2k
+ (TX (k, j jc ) + TX (k, j jc )) + 2c
4 T
k

8
La funcin () en (3.355) es una extensin de la delta de Kronecker para argumentos reales, no necesa-
riamente enteros, pero debe distinguirse de la delta de Dirac en el sentido en que, a diferencia de esta, toma
valor finito en el origen. No obstante, si hubisemos elegido una representacin de QX (t + , t) en (3.353) en
trminos de su Transformada de Fourier con respecto a la variable t, veramos que las sumas en k se transfor-
maran en integrales sobre un periodo T y que las deltas seran de Dirac. Por esta razn, y sin menoscabo de
estas puntualizaciones, mantenemos la notacin ().

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.3 P ROCESOS ESTOCSTICOS 165

Est claro ahora que si 2c no es mltiplo entero de 2/T entonces los dos ltimos
trminos en (3.358) son cero. Por el contrario, cuando 2c es mltiplo entero de 2/T , es
decir, 2c = 2k0 /T , para un nmero entero k0 , llegamos a

1
SZr (j) = {SX (j jc ) + SX (j jc )}
4
1
+ {TX (k0 , j jc ) + TX (k0 , j jc )} (3.358)
4
La funcin TX (k0 , j) puede expresarse en forma integral como
Z
TX (k0 , j) = QX (k0 , )ej d

Z Z T
1 2t
= QX (t + , t)ejk0 T dt ej d (3.359)
T 0

Muchos libros de texto de comunicaciones digitales omiten los dos ltimos trminos en
(3.358) sin mayores justificaciones. Destaquemos, en todo caso, que si no existe ningn k0
entero que cumpla que 2c = 2k0 /T , entonces la densidad espectral de potencia se reduce
a
1
SZr (j) = {SX (j jc ) + SX (j jc )} (3.360)
4
Hay asimismo otros casos de inters que tambin conducen a (3.360):

1. Simetra circular. Si X(t) es un proceso gausiano circularmente simtrico, la funcin

complementaria QX (t + , t) es, por definicin, nula y, por tanto, los dos ltimos
sumandos en (3.358) tambin lo son.

2. Estacionariedad. Si X(t) es un proceso estacionario, la Ecuacin (3.359) se reduce a

Z T Z
1 jk0 2 t
TX (k0 , j) = e T dt QX ( )ej d = 0 (3.361)
2T 0

3. Procesos de banda estrecha. Si Z(t) es un proceso de banda estrecha, (c 2/T ),

entonces k0 0 y, por tanto, TX (k0 , j) es la Transformada de Fourier de uno de los
coeficientes de alta frecuencia de QX (t + , t), que tienden a cero cuando k0 tiende
a infinito. Por tanto, para c suficientemente grande, TX (k0 , j jc ) en (3.359) es
despreciable y (3.360) vlida.

4. Procesos generados modulando pulsos en amplitud. Para procesos generados de la

forma

X
X(t) = Y [n]h(t nT ) (3.362)
n=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
166 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

siendo Y [n] un proceso estacionario complejo de media cero, y h(t) un filtro posible-
mente complejo.
En virtud de la relacin (3.296) entre los procesos discreto y continuo involucrados
en (3.362), podemos comprobar que la condicin
E{Y [k + i]Y [k]} = 0, para todo k, i (3.363)
implica que la funcin complementaria QX (t + , t) es idnticamente nula e Y [n] es
circularmente simtrico, por lo que si se satisface (3.363), (3.360) es vlida.

Cicloestacionariedad. En general, como ya hemos visto, la cicloestacionariedad estricta

de X(t) no implica la cicloestacionariedad estricta de Z(t). Para procesos X(t) gausia-
nos circularmente simtricos, la Propiedad 3 (Pgina 162) garantiza la cicloestacionariedad
estricta de Z(t) y, por tanto, la de su parte real Zr (t).
Obsrvese que la simetra circular de X(t) es condicin suficiente para la cicloesta-
cionariedad de Zr (t), pero no necesaria: la Propiedad 2 muestra que si c = k/T , para
cualquier nmero entero k, el proceso Z(t) ser estrictamente cicloestacionario, caracters-
tica que heredar Zr (t).

Modulacin real de procesos cicloestacionarios

En captulos posteriores ser tambin de utilidad el anlisis de procesos del tipo
Zr (t) = X(t) cos(c t) (3.364)
siendo X(t) un proceso cicloestacionario real de periodo T . Para calcular su densidad espec-
tral de potencia podemos observar que este puede considerarse un caso particular de (3.348)
y (3.349) con X(t) real y, por tanto, tomaremos las expresiones del apartado anterior como
referencia.
Es conveniente recordar que si X(t) es real, entonces QX (t + , t) = RX (t + , t) y,
por tanto, tambin TX (j) = SX (j), de modo que el espectro de potencia es, adaptando
la Ecuacin (3.358),
1
SZr (j) = {SX (j jc ) + SX (j jc )}
4
1
+ {SX (k0 , j jc ) + SX (k0 , j + jc )} (3.365)
4
siendo SX (k, j) la Transformada de Fourier de RX (k, ) = QX (k, ).
Z
SX (k0 , j) = RX (k, )ej d =

Z Z T
1 2t
= RX (t + , t)ejk0 T dt ej d (3.366)
T 0
De nuevo, los dos ltimos sumandos en (3.358) se anulan en los mismos supuestos
que en el caso en que X(t) es complejo. Obviamente, aquellos supuestos que implican
QX (t + , t) = 0 carecen de inters alguno cuando X(t) es real.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 3.4 L ECTURAS ADICIONALES 167

3.4. L ECTURAS ADICIONALES

Existen excelentes textos bsicos para estudiantes de pregrado que introducen con gran
claridad los conceptos fundamentales de la teora de la probabilidad: probabilidad, variables
aleatorias y distribuciones. [68] es un ejemplo. Tambin hay numerosos manuales orienta-
dos a aplicaciones de ingeniera, que incluyen introducciones a procesos estocsticos, que
abarcan y extienden la mayora de los temas abordados en este captulo. As, por ejemplo,
[58] o [78]. Un tratamiento exhaustivo de procesos cicloestacionarios podemos encontrar-
lo en [31] y [30]. [37] tiene una abundante coleccin de problemas, cuya resolucin est
tambin publicada en [36]. Otras colecciones de problemas pueden encontrarse en [16] y
[51].
Existe, asimismo, material bibliogrfico para manejar programas informticos orienta-
dos al anlisis estadstico, como [67].
Otras referencias de inters, aunque orientadas a otros aspectos de las comunicaciones
y la ingeniera, pueden encontrarse en [44] y [48].
Los textos bsicos de comunicaciones digitales que aparecen en la bibliografa de este
libro suelen tener al menos un captulo introductorio a los conceptos bsicos esenciales para
las aplicaciones de comunicaciones: [39] y [61] son dos buenos ejemplos.

P ROBLEMAS
P3.1 Determine la media y la varianza de una variable de Poisson. Para ello, tenga en cuenta
que, para todo R, puede escribirse

X k
e =
k!
k=0

P3.2 Considere el experimento lanzar dos dados y sumar el resultado. Suponiendo que
todos los resultados de cada dado son equiprobables, y llamando S a la suma, deter-
mine:

2.1. La probabilidad de que S sea igual a 8

2.2. La probabilidad de que S sea igual a 8, sabiendo que S no es divisible por 3.

P3.3 Determine la probabilidad de que una variable aleatoria X supere, en valor absoluto,
a la raz cuadrada de su valor cuadrtico medio, E{X 2 }, en los siguientes casos

3.1. X es uniforme entre b y b > 0,

3.2. X es gausiana de media nula y varianza 2 ,
3.3. X es una variable Rayleigh de parmetro R > 0,
3.4. X es exponencial de parmetro > 0,
3.5. X es Weibull de parmetros c > 0 y > 0.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
168 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

P3.4 Considere las variables aleatorias Bi independientes, de espacio muestral = {0, 1},
con 0 i n 1 y de funcin x 1x
Pn1 de probabilidad pBi (x) = p (1 p) . Considere
la variable aleatoria S = i=0 bi .
4.1. Demuestre que S es una variable aleatoria de tipo binomial.
4.2. Utilizando la relacin que existe entre S y las variables Bi , determine su media
y su varianza. Compruebe que estos valores coinciden con los correspondientes
de una variable binomial.
P3.5 Considere las variables aleatorias S y N , independientes entre s, gausianas, de media
0 y varianzas s2 y n2 , respectivamente, y sea

R=S+N

5.1. Determine fS|R (s|r).

5.2. Determine E{S|R}.
P3.6 Sea X un vector aleatorio gausiano de media nula y matriz de covarianzas C. Sea
Q = [q 0 | . . . |q N 1 ] una matriz de autovectores de C, de modo que

C = QQT

siendo una matriz diagonal tal que ii es el autovalor correspondiente al autovector

qi.
6.1. Determine la fdp de V = QT X.
6.2. Compruebe que las componentes de V estn incorrelacionadas entre s.
P3.7 Sean X1 y X2 variables aleatorias
p gausianas independientes y de media nula. Com-
pruebe que la variable Y = X1 + X22 es de tipo Rayleigh. Para ello
2

7.1. Determine la fdp de Si = Xi2 , para i = 1, 2.

7.2. Determine la fdp de la suma S = S1 + S2 .

7.3. Determine la fdp de Y = S a partir de la fdp de S.
P3.8 Sean X0 , . . . , Xn variables aleatorias de tipo exponencial con parmetro . Determine
la funcin de densidad de probabilidad de
n
X
Yn = Xk
k=0

as como su media y su varianza.

P3.9 Sea X un vector aleatorio de componentes gausianas independientes de media 0 y
varianza unidad. Sabiendo que toda matriz simtrica C puede descomponerse en la
forma C = BB T , determine una transformacin de X que proporcione un vector
aleatorio de media y matriz de covarianzas C.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 P ROBLEMAS DEL CAPTULO 3 169

P3.10 Sea X = [X0 , X1 ]T un vector aleatorio gausiano de media nula y matriz de cova-
rianzas C, y sea Y = X0 + X1 . Demuestre que Y es una variable gausiana. Para
ello,
10.1. Determine fY |X0 (y|x0 ).
10.2. Determine fY (y).
P3.11 Sea X una variable aleatoria uniformemente distribuida en el intervalo [0, 1] y sea
Y = X(1 X)
11.1. Compruebe que X e Y estn incorrelacionadas. Para ello, determine su cova-
rianza cruzada y compruebe que es igual a cero.
11.2. Determine fY |X (y|x).Son X e y independientes?
11.3. Determine fY (y).
Observe que, pese a estar incorrelacionadas, X e Y no son independientes.
P3.12 Calcule la media y autocorrelacin del proceso
X(t) = A cos(t + )
y determine si es estacionario o cicloestacionario (en tal caso, determine el periodo) y
si es ergdico en la media en los siguientes supuestos:
12.1. A es una variable aleatoria gausiana real de media nula y varianza unidad y y
son constantes reales no nulas.
12.2. A es una variable aleatoria gausiana real de media igual a 1 y varianza unidad y
y son constantes reales no nulas.
12.3. A es una variable aleatoria gausiana compleja de media nula y matriz de cova-
rianza identidad y y son constantes reales no nulas.
12.4. es una variable aleatoria con distribucin uniforme en el intervalo (0, 2] y A
y son constantes reales no nulas.
12.5. es una variable aleatoria con distribucin uniforme en el intervalo (0, 2] y A
y son constantes reales no nulas.
12.6. es una variable aleatoria con distribucin uniforme en el intervalo (0, ] y A y
son constantes reales no nulas.
12.7. A es una variable aleatoria gausiana real de media nula y varianza unidad, y
son variables aleatorias con distribucin uniforme en el intervalo (0, 2], y las
tres estadsticamente independientes.
P3.13 Modelamos una cadena infinitamente larga de repetidores digitales binarios como un
proceso estocstico, donde X[n] representa la informacin en el repetidor n-simo,
X[n] {+1, 1} y P r{X[] = +1} = 1/2. En la transmisin del repetidor n-
simo al siguiente se produce un error con probabilidad p; esto es, P r{X[n + 1] 6=
X[n]} = p.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
170 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

13.1. Determine pX[n] (x).

13.2. Determine pX[n1 ],X[n2 ] (x1 , x2 ) (Ayuda: calcule en primer lugar la probabilidad
de que no se produzcan errores entre n1 y n2 , P r{X[n1 ] = X[n2 ]}).
13.3. Calcule la media y la autocorrelacin de X[n] y determine si es el proceso es o
no estacionario.
13.4. Qu cambia de los resultados anteriores si hacemos P r{X[] = +1} = q 6=
1/2?

P3.14 Sean M (t) un proceso estocstico estacionario en sentido amplio de media igual a 1
y funcin de autocorrelacin RM ( ), y N (t) un proceso gausiano estacionario inde-
pendiente de M (t), de media nula y funcin de autocorrelacin RN ( ) = N0 /2( ).
Determine la media, la funcin de autocorrelacin y la densidad espectral de potencia
del proceso X(t) = M (t) cos(2000t + ) + N (t).

P3.15 Sea X[n] un proceso estacionario, y considere el proceso

Y [n] = X[n] + aX[n 1]

15.1. Determine la funcin de autocorrelacin de Y [n].

15.2. Determine la densidad espectral de potencia de Y [n].

P3.16 La entrada a un sistema lineal e invariante con respuesta al impulso h(t) = et u(t) es
un proceso estocstico estacionario X(t) de media nula y funcin de autocorrelacin
RX ( ) = ( ). Determine la funcin de autocorrelacin y la densidad espectral de
potencia de la salida, Y (t).

P3.17 Sea X(t) un proceso cicloestacionario de periodo T . Considere el proceso

Y (t) = X(t t0 )

donde t0 es una variable aleatoria con distribucin uniforme entre 0 y T e indepen-

diente de X(t).

17.1. Determine para qu valores de T Y (t) es un proceso estacionario.

17.2. De entre los valores de T obtenidos en el apartado anterior, determine para cul
o cules coinciden las funciones de autocorrelacin de X(t) e Y (t).

P3.18 Sea A[n] una secuencia aleatoria de smbolos binarios independientes con un alfabe-
to {+1, 1} y distribucin de probabilidad pA[n] (+1) = 3/4 y pA[n] (1) = 1/4.
Calcule la media, funcin de autocorrelacin y densidad espectral del proceso

X  
t kT
X(t) = A[k] sinc
T
k=

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 P ROBLEMAS DEL CAPTULO 3 171

A partir de A[n] generamos otra secuencia de la forma B[n] = A[n] + A[n 1].
Calcule la media, funcin de autocorrelacin y densidad espectral del proceso

X  
t kT
Y (t) = B[k] sinc
T
k=

P3.19 Sea X[n] un proceso estacionario blanco de potencia media > 0 e

X
Y (t) = X[k]h(t kT )
k=

siendo h(t) un pulso rectangular de anchura 2T y altura unidad. Determine la autoco-

rrelacin y la densidad espectral de potencia del proceso discreto W [n] = Y (nT t0 ),
siendo 0 < t0 < T .

P3.20 Sea X(t) un proceso gausiano estrictamente cicloestacionario de periodo fundamental

T , y considere el proceso dado por

Z(t) = X(t)ejc t

Siendo c T /2 = m/n, siendo m y n nmeros enteros. Discuta el valor mnimo que

puede tener el periodo fundamental de la cicloestacionariedad de Z(t).

P3.21 El proceso X(t) se obtiene de filtrar un proceso gausiano, blanco y con densidad
espectral de potencia 10 W/Hz con un filtro paso bajo ideal de ancho de banda 10
rad/s. A partir de X(t) se obtienen, mediante operaciones sucesivas, las siguientes
seales:

Y (t) = X(t) cos(100t)

Z(t) = Y (t) + N (t)
W (t) = Z(t) h(t)
W [n] = W (n/50)

donde N (t) es un ruido gausiano y blanco estadsticamente independiente de X(t)

con densidad espectral de potencia 1 y h(t) es la respuesta al impulso de un filtro paso
banda ideal con ancho de banda 50 rad/s y frecuencia central 100 rad/s.

21.1. Calcule la media, varianza y funcin de autocorrelacin de Y (t), Z(t), W (t) y

W [n]. Determine si cada uno de estos procesos es estacionario o no. En los casos
en que no lo sea, determine si es cicloestacionario y, si lo es, determine su perio-
do. Calcule la densidad espectral de potencia de aquellos procesos estacionarios
y cicloestacionarios.
21.2. Calcule la relacin seal a ruido en Z(t), W (t) y W [n].

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 172 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

A PNDICES

3.A. T EOREMA DE W IENER -K HINCHINE

Demostraremos aqu que (3.273) se reduce a (3.274). Para ello supondremos en primer
lugar que la correlacin cruzada entre dos muestras X(t) y X(t + ) est acotada por un
valor que solamente depende de la separacin entre ellas, de modo que
|RX (t + , t)| g( ) (3.367)
Asimismo, supondremos que la correlacin entre muestras decrece suficientemente rpido
al aumentar su separacin, de tal modo que
Z
g( )d < (3.368)

lo que garantiza que g( ), al ser no negativa, tiene Transformada de Fourier.

La integral doble (3.273) sobre el dominio cuadrado de anchura 2T puede expresarse en
funcin de la integral sobre el dominio T t2 T , como
Z T Z
1
SX (j) = lm RX (t2 + , t2 )ej d dt2
T 2T T
Z T Z
1
lm RX (t2 + , t2 )ej d dt2
T 2T T T t2
Z T Z T t2
1
lm RX (t2 + , t2 )ej d dt2
T 2T T
= I0 (j) I1 (j) I2 (j) (3.369)
donde hemos llamado, I0 , I1 e I2 , a cada una de las tres integrales de la expresin anterior,
siguiendo el orden en que aparecen. Demostraremos ahora que I1 e I2 se anulan. Para ello,
podemos acotar el mdulo de I1 mediante
 Z T Z 
 1 
|I1 (j)| =  lm RX (t2 + , t2 )e j
d dt2 
T 2T T T t2
Z T Z
1
lm |RX (t2 + , t2 )|d dt2
T 2T T T t2
Z T Z
1
lm g( )d dt2 (3.370)
T 2T T T t2

Asimismo, podemos calcular el lmite de la expresin anterior descomponiendo la integral

en suma de dos integrales sobre regiones disjuntas,
Z T Z T Z T Z
1 1
|I1 (j)| lm g( )d dt2 + lm g( )d dt2
T 2T T T t2 T 2T T T
Z T Z T Z
1
= lm g( )d dt2 + lm g( )d (3.371)
T 2T T T t2 T T

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
3.A T EOREMA DE W IENER -K HINCHINE 173

El segundo trmino se anula porque se cumple (3.368) y el intervalo de integracin tiende a

0. El primero se simplifica cambiando el orden de integracin respecto de las variables y
t2 . Resulta, en tal caso,
Z TZ T Z
1 1 T
|I1 (j)| lm dt2 g( )d = lm g( )d (3.372)
T 2T 0 T T 2 0 T

cuyo lmite existe, dado que si aplicamos (3.368)

Z T Z T

L = lm g( )d lm g( )d (3.373)
T 0 T T 0

Adems este lmite es L = 0. Para comprobarlo, nos apoyaremos en la secuencia

Z 2k+1
sk = g( )d (3.374)
2k

que, en virtud de (3.368)

X Z
sk = g( )d < (3.375)
k=0 0

luego
lm sk = 0 (3.376)
k

Acotaremos los trminos de la integral cuyo lmite queremos calcular para valores de T de
la forma T = 2k . Para ello, definimos la secuencia
Z 2k

ak = g( )d (3.377)
0 2k
de modo que
Z 2k1 Z 2k Z 2k
1
ak = g( )d + g( )d = ak1 + g( )d
0 2k 2k1 2k 2 2k1 2
k
Z 2k
1 1
ak1 + g( )d ak1 + sk (3.378)
2 2k1 2
Dado que ak converge a L, ak1 tambin converge a L, de modo que, en el lmite cuando k
tiende a infinito, debe cumplirse que
1 1
L L + lm sk = L (3.379)
2 k 2
lo cual solamente es posible (siendo L no negativo) para L = 0. De un modo completamente
anlogo se concluye que |I2 (j)| = 0. En consecuencia, (3.369) se reduce a
Z T Z
1
SX (j) = lm RX (t2 + , t2 )ej d dt2 (3.380)
T 2T T

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
174 T EORA DE LA PROBABILIDAD Y PROCESOS ESTOCSTICOS

donde podemos intercambiar la integral y el lmite al estar acotada RX (t2 + , t2 ) mediante

(3.367) y (3.368) , quedando finalmente
Z Z T
1
SX (j) = lm RX (t2 + , t2 )dt2 ej d (3.381)
T 2T T

y de aqu, sustituyendo la definicin de RX ( ) segn (3.275), obtenemos (3.274).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 C APTULO 4
M ODULACIN Y DETECCIN EN
CANALES GAUSIANOS

El problema fundamental en las comunicaciones digitales consiste en la recuperacin de

manera fiable de una secuencia digital (el mensaje) enviada a travs de un canal de naturaleza
continua y analgica. En este captulo vamos a abordar este problema haciendo uso de los
conceptos y mtodos tratados en los captulos precedentes; concretamente, la teora de la
probabilidad y la representacin de seales deterministas y procesos estocsticos.
Comenzaremos el captulo considerando la transmisin de un nico smbolo, para el
cual plantearemos un modelo general de comunicacin digital y analizaremos cada uno
de sus elementos hasta encontrar la solucin al problema de comunicacin sobre un canal
aditivo gausiano. Posteriormente ampliaremos este modelo considerando la transmisin de
una secuencia de smbolos de longitud indefinida.

4.1. U N MODELO DE COMUNICACIN DIGITAL

La Figura 4.1 muestra un modelo general de un sistema de comunicacin digital para la
transmisin de un nico smbolo que nos va a permitir analizar separada y ordenadamente
los distintos problemas involucrados en una comunicacin digital.
La entrada a este modelo es un smbolo B que puede tomar uno de entre M valores po-
sibles {bi , i = 0, . . . , M 1}. Tambin podemos decir que el smbolo B tiene un alfabeto
{bi , i = 0, . . . , M 1}. Suponemos como hiptesis que la probabilidad de que aparezca a
la entrada cada uno de los M posibles valores es la misma; esto es, P r{B = bi } = pB (bi ) =
1/M, i = 0, . . . , M 1.
El transmisor tiene como misin transformar este smbolo B en una seal s(t) que re-
sulte adecuada para su envo a travs del medio fsico que representa el canal. Esta trans-
formacin se lleva a cabo en dos pasos, realizados por el codificador y el modulador, cuyo
funcionamiento describimos a continuacin.
El codificador transforma el smbolo B en otro smbolo A haciendo la correspondencia
bi ai . El smbolo ai puede ser real, complejo o, en general, un vector N -dimensional

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
176 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

B A s(t)
Codificador Modulador

Transmisor
Canal

B q r(t)
Decisor Demodulador

Receptor

Figura 4.1. Modelo general de un sistema de comunicacin digital.

de componentes reales de la forma

ai0
ai1

ai = .. (4.1)
.
ai(N 1)
El alfabeto de A, {ai , i = 0, . . . , M 1}, recibe el nombre especial de constelacin .
El modulador transforma el smbolo A en una seal analgica en tiempo continuo s(t)
haciendo la correspondencia ai si (t). Suponemos que cualquier si (t) es idnticamente
nula fuera del intervalo 0 t < T y de energa finita.
El canal representa el medio fsico de transmisin e introduce una perturbacin sobre la
seal transmitida s(t). Por ahora, consideramos que esta perturbacin consiste en la adicin
de ruido blanco y gausiano de densidad espectral de potencia N0 /2 W/Hz. La seal a la
entrada del receptor toma, por tanto, la forma
r(t) = s(t) + n(t) (4.2)
donde n(t) representa el ruido de las caractersticas antes mencionadas. Este modelo de
canal se conoce como canal aditivo gausiano o, simplemente, canal gausiano.
El receptor es el encargado de reconstruir un smbolo B idealmente idntico al de entra-
da, B, a partir de la seal r(t). Debido a la perturbacin que supone la adicin de ruido, es
imposible, en general, garantizar que ambos smbolos sean idnticos o, lo que es lo mismo,
que consigamos una transmisin sin error. Para medir cun cerca o lejos estamos de una
transmisin sin error empleamos la probabilidad media de error de smbolo o, simplemente,
probabilidad de error de smbolo , definida como
Pe = P r{B 6= B} (4.3)
Esta medida nos proporciona, adems, un criterio para el diseo del receptor: hacer
mnima la probabilidad de error de smbolo. El receptor diseado de acuerdo con este criterio
decimos que es ptimo en el sentido de mnima probabilidad de error de smbolo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 4.2 M ODULADOR 177

La aplicacin de este criterio de diseo no es una tarea fcil, y por ello realizamos esta
labor en dos pasos: demodulacin y deteccin o decisin, que describimos a continuacin.
A partir de la seal a la entrada del receptor o seal recibida, r(t), el demodulador
se encarga de reconstruir un vector q que intentamos sea lo ms parecido posible a A.
Este lo ms parecido posible ha de medirse en funcin del criterio de diseo; esto es,
ha de determinarse una medida de distancia entre A y q para conseguir que el receptor en
su conjunto sea ptimo en el sentido de mnima probabilidad de error de smbolo. Dada
la naturaleza probabilstica del criterio y la estadstica gausiana de la perturbacin, esta
medida de distancia es la eucldea, como demostraremos en apartados siguientes de este
mismo captulo, y precisamente esta medida de distancia eucldea nos va a permitir una
interpretacin geomtrica a la hora de analizar en profundidad tanto el modulador como el
demodulador.
Finalmente, el decisor ha de asignar, de acuerdo con el mismo criterio, un smbolo B al
vector de entrada q.

4.2. M ODULADOR
En un principio puede parecer superflua la divisin del transmisor en codificador y mo-
dulador porque podramos hacer una asignacin directa entre el smbolo B y la seal s(t) de
la forma bi si (t). En este apartado vamos a justificar el porqu de esta separacin, y para
hacerlo vamos a proceder con un ejemplo, sin que ello suponga una prdida de generalidad
en las conclusiones que obtengamos.
Consideremos un sistema de comunicacin binaria (M = 2) donde podemos escoger
uno de entre cuatro conjuntos alternativos de seales {s0 (t), s1 (t)} para realizar la transmi-
sin. Pretendemos, mediante el anlisis del comportamiento de estos conjuntos de seales,
determinar cul de ellos es el ms adecuado para realizar la transmisin. En el primero de
estos conjuntos, representado en la Figura 4.2, las seales son sendos pulsos de duracin el
intervalo de smbolo y polaridad opuesta. En el segundo, representado en la Figura 4.3, una

s0(t) s1(t)
1 1

0 T t 0 T t

1 1

Figura 4.2. Primer conjunto de seales.

seal es un pulso y la otra es una seal idnticamente nula. En el tercero, representado en la

Figura 4.4, las seales son sinusoides de idntica frecuencia y polaridad opuesta. En el cuar-

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
178 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

s0(t) s1(t)
2 2

0 T t 0 T t

2 2

Figura 4.3. Segundo conjunto de seales.

s0(t) s1(t)
2 2

0 T t 0 T t

2 2

Figura 4.4. Tercer conjunto de seales.

to y ltimo, representado en la Figura 4.5, las seales son sinusoides de idntica frecuencia,
una generada mediante la funcin seno y la otra mediante la funcin coseno.
Para decidir qu conjunto de seales es el ms apropiado hace falta recordar que el
objetivo ltimo es poder recuperar el smbolo enviado con la menor probabilidad de error,
teniendo en cuenta que a estas seales se les suma ruido blanco y gausiano a su paso por el
canal. Es lgico pensar que si mayor es la separacin o diferencia entre s0 (t) y s1 (t)
ser ms fcil discernir en el receptor entre ambas y, por tanto, ser menor la probabilidad
de error. Sin embargo, a simple vista no podemos decir si existe mayor separacin entre
s0 (t) y s1 (t) en cada uno de los conjuntos de seales: nos hace falta una medida de distancia
entre seales.
Podemos obtener esta medida de distancia empleando el espacio de Hilbert de seales
continuas de energa finita, L2 , analizado en el Apartado 2.1.4. En este espacio, cada seal
s(t) se considera como un vector s y la distancia entre dos seales se define como
sZ

d(si , sj ) = |si (t) sj (t)|2 dt

Aplicando esta medida, la distancia entre las dos seales de la Figura 4.2 es
s
Z T
d(s0 , s1 ) = |1 (1)|2 dt = 2 T
0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.2 M ODULADOR 179

s0(t) s1(t)
2 2

0 T t 0 T t

2 2

Figura 4.5. Cuarto conjunto de seales.

Para el segundo conjunto de seales tenemos

s
Z T
d(s0 , s1 ) = |2 0|2 dt = 2 T
0

Procediendo ahora con el tercer conjunto de seales, tenemos

s
Z T    

 2
 2t 2t 
d(s0 , s1 ) =  2 sen  dt
 2 sen T T 
0
s  
Z T
2t
= 8 sen2 dt
0 T

= 2 T

Por ltimo, el clculo de distancia en el cuarto conjunto de seales da como resultado

s
Z T     2
 
d(s0 , s1 ) = 2 sen 2t 2 cos 2t  dt
 T T 
0
s
Z T    
2t 2t
= 4 8 sen cos dt
0 T T

= 2 T

De estas medidas de distancia podemos deducir que cualquiera de los cuatro conjuntos
de seales se comportarn de igual manera ante la perturbacin que introduce el canal. Esta
respuesta, sin embargo, abre otras preguntas:

Qu tienen en comn estos cuatro conjuntos de seales? o, dicho de otra forma,

podemos encontrar alguna forma de representar las seales que nos permita ver de
manera ms simple las prestaciones que vamos a obtener con un conjunto determina-
do?.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
180 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

Estos cuatro conjuntos de seales se van a comportar de idntica forma ante la pertur-
bacin pero, desde el punto de vista del transmisor, va a suponer el mismo esfuerzo
su transmisin a travs del canal?.

Vamos a centrarnos en la segunda de las preguntas y posteriormente abordaremos la primera.

Una forma de medir el esfuerzo que supone para el transmisor enviar las seales a
travs del canal es medir la energa media que debe emplear el modulador para poner un
smbolo a la entrada del canal, denominada energa media por smbolo y definida como

Es = E {E {s(t)}}
Z 
2
= E |s(t)| dt

M
X 1 Z
= P r{s(t) = si (t)} |si (t)|2 dt
i=0
M
X 1 Z
= pB (bi ) |si (t)|2 dt
i=0
M
X 1 Z T
1
= |si (t)|2 dt (4.4)
M 0
i=0

As, podemos decir ahora que el mejor conjunto de seales ser aquel que consigue una
mayor distancia entre seales con una menor energa media por smbolo.
Calculando la energa media por smbolo para el primer conjunto de seales obtenemos,
teniendo en cuenta la hiptesis de smbolos equiprobables anteriormente establecida,
Z T Z T
2 1 1
Es = P r{s(t) = s0 (t)} |1| dt + P r{s(t) = s1 (t)} | 1|2 dt = T + T = T
0 0 2 2

Procediendo de igual forma para los restantes conjuntos de seales obtenemos, respectiva-
mente, 2T , T y 2T .
Con estas medidas podemos establecer que los mejores conjuntos de seales son el pri-
mero y el tercero porque consiguen una distancia entre seales de 2 T empleando una
energa media por smbolo de T , necesitando los segundo y cuarto el doble de energa por
smbolo para conseguir la misma distancia entre seales.
Si necesitsemos evaluar otros conjuntos de seales que no presentasen la misma dis-
tancia entre seales, sera necesario emplear algn tipo de normalizacin que nos permita
establecer su comparacin. La ms comn de estas normalizaciones consiste en expresar la
distancia entre seales en funcin de la energa media por smbolo. Sobre el primer conjunto
de seales, esta distancia normalizada es
p
d(s0 , s1 ) = 2 T = 2 Es

y sobre el resto de conjuntos es, respectivamente, 2Es , 2 Es y 2Es . Observe que los

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.2 M ODULADOR 181

conjuntos de seales 1 y 3 consiguen mayor distancia de separacin entre seales que los
conjuntos 2 y 4 para un mismo valor de Es .

Volvamos a la primera de las preguntas planteadas anteriormente: podemos encontrar

alguna forma de representar las seales que nos permita ver de manera ms simple las pres-
taciones que vamos a obtener con un conjunto determinado? La respuesta la encontramos
en la misma estructura de espacio vectorial que nos ha permitido medir la distancia entre
seales: si somos capaces de encontrar una base ortonormal que nos permita representar un
determinado conjunto de seales podremos trabajar directamente con las coordenadas en
esa base y evitar cualquier tipo de clculo sobre las formas de onda.
Expresado formalmente, buscamos una representacin para cada una de las seales del
conjunto {si (t), i = 0, . . . , M 1} de la forma
N
X 1 N
X 1
si (t) = sij j (t) = aij j (t) (4.5)
j=0 j=0

donde {j (t), j = 0, . . . , N 1} son los elementos de la base ortonormal que cumplen

Z Z T
l (t)j (t)dt = l (t)j (t)dt = [l j] (4.6)
0

y {sij , j = 0, . . . , N 1} son las coordenadas de la seal si (t) en dicha base, que nosotros
hacemos corresponder con los smbolos ai . Esta correspondencia o interpretacin de los
smbolos ai como coordenadas de las seales si (t) es una de las razones que aconsejan la
separacin del transmisor en codificador y modulador.
Para obtener esta representacin tenemos, en primer lugar, que encontrar los elemen-
tos de la base. Si disponemos del conjunto de seales {si (t), i = 0, . . . , M 1} podemos
emplear el procedimiento de ortogonalizacin de Gram-Schmidt descrito en el Apndice
4.A. Este procedimiento nos proporciona al mismo tiempo los elementos de la base y las
coordenadas de cada una de las seales.
Aplicndolo al primero de los cuatro conjuntos de seales que estbamos analizando
obtenemos que s0 (t) y s1 (t) se pueden expresar como

s0 (t) = T 0 (t) s1 (t) = T 0 (t)

siendo 0 (t) la seal mostrada en la Figura 4.6. En esta misma figura podemos ver la conste-
lacin de seales representadas mediante sus coordenadas en la base. Es precisamente esta
apariencia (puntos en el espacio) la que le dio el nombre de constelacin al conjunto de
smbolos {ai , i = 0, . . . , M 1}.
El hecho de haber obtenido un nico elemento de la base, 0 (t), tiene una justificacin
muy sencilla: como s1 (t) = s0 (t), un cambio de signo enla coordenada de s0 (t) nos
basta para generar s1 (t). La amplitud de 0 (t) es igual a 1/ T debido a la condicin de
ortonormalidad que hemos impuesto y que, R como podemos deducir de (4.6), no es otra cosa
2
sino una normalizacin de la energa ( 0 (t)dt = 1). Esta normalizacin nos permite

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
182 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

0(t)

1/T

a10 a00
0
T 0 T

0 Tt

Figura 4.6. Resultado del procedimiento de ortogonalizacin de Gram-Schmidt aplicado

al primer conjunto de seales.

adems realizar las operaciones de clculo de distancias y energa a partir de la constelacin.

La distancia entre s0 (t) y s1 (t) se calcula ahora como
q r
2
2
d(s0 , s1 ) = d(a0 , a1 ) = (a01 a11 ) = T ( T ) = 2 T

y la energa media por smbolo como

1 1
Es = EA = E {E {ai }} = pA (a0 ) a201 + pA (a1 ) a211 = T + T = T
2 2
y el resultado, como no poda ser de otra forma, es exactamente el mismo que hemos obte-
nido mediante el clculo sobre las formas de onda.
Si procedemos de igual forma con el segundo conjunto de seales obtenemos el resul-
tado que muestra la Figura 4.7. Comparndolo con el que hemos obtenido con el primer

(t)
0

1/T

a10 a00
0
0 2T

0 Tt

Figura 4.7. Resultado del procedimiento de ortogonalizacin de Gram-Schmidt aplicado

al segundo conjunto de seales.

conjunto de seales comprobamos que el elemento de la base es la misma seal. Tambin

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.2 M ODULADOR 183

comprobamos
que la constelacin puede considerarse como el desplazamiento en una can-
tidad T de la obtenida con el primer conjunto de seales. Este desplazamiento hace que
se mantenga la distancia entre seales, pero aumenta la energa media de la constelacin,
segn hemos calculado anteriormente.
El resultado de la aplicacin del procedimiento de ortogonalizacin de Gram-Schmidt
al tercer conjunto de seales es el que muestra la Figura 4.8. Realizando la comparacin

(t)
0
2/T

a10 a00

0 Tt 0
T 0 T

2/T

Figura 4.8. Resultado del procedimiento de ortogonalizacin de Gram-Schmidt aplicado

al tercer conjunto de seales.

con el primer conjunto de seales podemos observar que el elemento de la base de seales
es distinto, pero la constelacin es la misma. Si la constelacin es la misma, tambin son
idnticas (como previamente hemos comprobado) la separacin entre seales y la energa
media por smbolo. A partir de este hecho podemos obtener una primera conclusin: la
eleccin del conjunto de elementos de la base {j (t), j = 0, . . . , N 1} no va a afectar a
la fiabilidad de la comunicacin; la fiabilidad quedar fijada por la constelacin.
Esta conclusin no es especfica de los conjuntos de seales que estamos evaluando,
sino que es una conclusin general para el diseo de transmisores. En una situacin en
que el objetivo no sea escoger entre distintos conjuntos de seales sino disear el transmisor
desde el inicio, la constelacin y los elementos de la base se disean de forma prcticamente
independiente: la constelacin atendiendo a criterios de fiabilidad de la comunicacin y los
elementos de la base atendiendo al comportamiento del canal (intentando que el canal fsico
se comporte como el modelo de ruido aditivo que hemos considerado).
Volviendo a los conjuntos de seales que estbamos considerando, el resultado de la apli-
cacin del procedimiento de ortogonalizacin de Gram-Schmidt al cuarto es el que muestra
la Figura 4.9 donde, a diferencia de los conjuntos anteriores, aparecen dos elementos en la
base del espacio vectorial. Si anteriormente los smbolos de la constelacin a0 y a1 podan
ser interpretados como puntos sobre una recta, ahora sern puntos sobre un plano cuyos ejes
representan las coordenadas sobre 0 (t) y 1 (t). Los smbolos a0 y a1 se expresan ahora
como vectores de dimensin 2 cuyos valores son
       
a00 2T a10 0
a0 = = a1 = =
a01 0 a11 2T

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
184 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

0(t) 1(t)
2/T 2/T

0 Tt 0 Tt

2/T 2/T

(2T) a1

a
0
0
0 (2T)

Figura 4.9. Resultado del procedimiento de ortogonalizacin de Gram-Schmidt aplicado

al cuarto conjunto de seales.

La representacin de este conjunto de seales deja claro que podemos realizar una in-
terpretacin geomtrica de las mismas, donde la distancia entre seales se calcula como
distancia entre dos puntos en un plano (o, en general, en un espacio de la dimensin que
impongan los elementos de la base) tal y como muestra la Figura 4.10. Analticamente, el
clculo de la distancia se realiza como

d(s0 , s1 ) = d(a0 , a1 ) = ka0 a1 k

q
= (a00 a10 )2 + (a01 a11 )2
r
2  2
= 2T + 2T = 2 T

y la energa media por smbolo como

Es = EA

= E {E {ai }} = E kai k2



= pA (a0 ) a200 + a201 + pA (a1 ) a210 + a211
1 1
= 2T + 2T = 2T
2 2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 4.3 D EMODULADOR 185

a
1

d(a ,a )=d(s ,s )
0 1 0 1
||a ||=||s ||
1 1

||a0||=||s0|| a0

0
0

Figura 4.10. Interpretacin geomtrica de la constelacin del cuarto conjunto de seales.

La interpretacin geomtrica de las seales viene derivada de la estructura de espacio

vectorial que poseen las seales y, ms concretamente, de la definicin de producto esca-
lar en el espacio vectorial. Continuando con la interpretacin geomtrica de las seales, la
energa de un smbolo concreto ai no es sino el cuadrado de la distancia del smbolo al
origen de coordenadas o, dicho de otra forma, es el cuadrado de la norma de ai , ||ai ||2 .
Tambin podemos medir el ngulo que forman las rectas que van desde el origen de coor-
denadas a los puntos de la constelacin empleando (2.48) y, sobre todo, podemos realizar
transformaciones geomtricas de las seales para conseguir el efecto que deseemos.

La validez de lo hasta aqu planteado y discutido no se restringe a los cuatro conjun-

tos de seales que hemos empleado, sino que podemos aplicarlo al caso general de una
constelacin de M smbolos {ai , i = 0, . . . , M 1} y una base ortonormal de N seales
{j (t), j = 0, . . . , N 1} que generan el conjunto de seales {si (t), i = 0, . . . , M 1}
segn la Ecuacin (4.5).
La constelacin se disear de tal forma que se consiga una separacin mxima entre los
smbolos que la componen intentando al mismo tiempo que la energa media por smbolo
sea lo ms pequea posible. La eleccin del conjunto de elementos de la base, de acuerdo
con el modelo de canal que estamos considerando, es irrelevante. En la prctica, el conjunto
de seales de la base se escoge de tal forma que el canal fsico concreto sobre el que quere-
mos realizar la comunicacin se comporte como el modelo que estamos considerando; si la
funcin de transferencia del canal se anula a frecuencia 0, escogemos un conjunto de seales
cuya componente continua sea nula, y as.

4.3. D EMODULADOR
Al demodulador le llega la seal r(t) = s(t) + n(t), y su objetivo es recuperar un vector
q lo ms parecido posible al smbolo A que fue transmitido. En este apartado vamos a

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
186 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

desarrollar dos estructuras equivalentes para llevar a cabo esta labor. La primera est basada
en operaciones de correlacin y la segunda en operaciones de filtrado.

4.3.1. Correlacionador
La idea bsica del demodulador por correlacin es construir el vector q como la pro-
yeccin de la seal recibida r(t) en el espacio de seal del modulador, definido mediante la
base {j (t), j = 0, . . . , N 1}. Las coordenadas de una seal respecto a una base deter-
minada se obtienen, segn (2.55), calculando el producto escalar de la seal con cada uno
de los elementos de la base. En nuestro caso, la base tiene N elementos, y el vector q toma
la forma
q0
q1

q= . (4.7)
..
qN 1
Cada uno de los elementos qj se calcula como
Z
qj = hr , j i = r(t)j (t) dt (4.8)

y el demodulador en su conjunto posee la estructura que se muestra en la Figura 4.11(a). Po-

f 0(t )
T

,f 0 q0 dt
0
q0
f 1(t )
r(t) ,f 1 q1 T
r(t)
dt
0
q1

, fN - 1 qN-1 fN - 1(t )
T
dt
0
qN-1

(a) (b)

Figura 4.11. Estructura del demodulador; (a) genrica, (b) realizacin.

demos simplificar (4.8) teniendo en cuenta que j es idnticamente nula fuera del intervalo
0 t < T , obteniendo
Z T
qj = r(t)j (t) dt (4.9)
0

y empleando (4.9) conseguimos una estructura del demodulador como la mostrada en la

Figura 4.11(b), ms cercana a la realizacin prctica.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.3 D EMODULADOR 187

La notacin vectorial que estamos utilizando puede dar la impresin de una estructura
del demodulador excesivamente compleja. Sin embargo, cuando particularizamos la estruc-
tura para los cuatro conjuntos de seales empleados en el apartado anterior vemos que no es
as.
Para los dos primeros, el demodulador se traduce en un escalado de la seal recibida
y una integracin entre 0 y T , segn se muestra en la Figura 4.12(a). Para el tercero, el
1
T 2 2pt
sen
r(t) T T T
dt
0
q0
T
dt
0
q0
(a)
r(t) 2 2pt
cos
2 2pt T T
sen
T T T

r(t) T
dt
0
q1

dt
0
q0
(c)
(b)
Figura 4.12. Estructura del demodulador para los cuatro conjuntos de seales analizados;
(a) dos primeros conjuntos, (b) tercer conjunto, (c) cuarto conjunto.

demodulador multiplica la seal recibida por una seal sinusoidal e integra entre 0 y T
(Figura 4.12(b)), y para el cuarto conjunto de seales ha de multiplicar por dos componentes
sinuoidales e integrar (Figura 4.12(c)).
Analicemos ahora la salida del demodulador. Introduciendo la expresin analtica de
r(t) en (4.9) obtenemos
Z T
qj = r(t)j (t) dt
0
Z T
= (s(t) + n(t))j (t) dt
0
Z T NX 1
! Z T
= Ak k (t) j (t) dt + n(t)j (t) dt
0 k=0 0
N
X 1 Z T
= Ak k (t)j (t) dt + nj
k=0 0
N
X 1
= Ak [k j] + nj
k=0
= Aj + nj (4.10)
donde Aj es la coordenada j-sima del smbolo A que fue transmitido y nj es la con-

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
188 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

tribucin del ruido gausiano introducido por el canal. Todas las componentes qj pueden
expresarse de forma conjunta empleando notacin vectorial como

A0 n0
A1 n1

q = . + . =A+n (4.11)
.
. . .
AN 1 nN 1
Cada una de las componentes nj del ruido debe ser considerada como una variable
aleatoria. Dado que el proceso del que proviene, n(t), es gausiano, tendr una funcin de
densidad de probabilidad gausiana. Su media puede calcularse como
Z T  Z T
E {nj } = E n(t)j (t) dt = E {n(t)} j (t) dt = 0 (4.12)
0 0

ya que n(t) tiene media cero. La covarianza entre dos componentes de ruido resulta
Z T  Z T 
E {nj nk } = E n(t)j (t) dt n( )k ( ) d
0 0
Z T Z T
= E {n(t)n( )} j (t)k ( ) dt d
0 0
Z T Z T
N0
= (t )j (t)k ( ) dt d
0 0 2
Z T
N0
= j (t)k (t) dt
2 0
N0
= [j k] (4.13)
2
de donde podemos obtener la varianza de cada componente sin ms que hacer j = k en
(4.13). A la luz de estos resultados podemos concluir que las N componentes de ruido son
variables gausianas incorrelacionadas de media nula y varianza N0 /2. Como una variable
aleatoria gausiana queda unvocamente determinada a partir de su media y varianza, la fun-
cin de densidad de probabilidad de cada nj es
n 2
1 j
fnj (nj ) = e N0 (4.14)
N0
y como bajo estadstica gausiana incorrelacin implica independencia (Pgina 123), la fun-
cin de densidad de probabilidad conjunta de n es
N
Y 1 P 1 nj 2
||n||2
1 N 1 N
fn (n) = fnj (nj ) = e j=0 N0
= e 0 (4.15)
j=0
(N0 )N/2 (N0 )N/2

A partir de la funcin de densidad de probabilidad del ruido podemos obtener la de la

salida del demodulador condicionada al smbolo transmitido sin ms que tener en cuenta que

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.3 D EMODULADOR 189

cada componente qj de la seal recibida es la suma de Aj (que se trata como una constante,
dado que queremos obtener la densidad condicionada al smbolo transmitido) y el ruido.
La funcin de densidad de probabilidad de qj condicionada a Aj (o, ms concretamente, a
que la componente j-sima del smbolo transmitido, Aj , tome el valor aij ) ser gausiana de
media aij y varianza N0 /2
(q a ) 2
1 j N ij
fqj |Aj (qj |aij ) = e 0 (4.16)
N0
y la funcin de densidad de probabilidad conjunta de q condicionada a A

N
Y 1 P 1 (qj aij ) 2
1 N
fq|A (q|ai ) = fqj |Aj (qj |aij ) = e j=0 N0 =
j=0
(N0 )N/2
2
1 ||qa ||
Ni
= N/2
e 0 (4.17)
(N0 )

En el desarrollo del demodulador hemos partido de la idea de recuperar las coordena-

das de la seal recibida en la base del espacio de seal del transmisor, pero no nos hemos
preguntado si la informacin que recuperamos de la seal recibida es toda la informacin
relevante a la hora de tomar la decisin del smbolo que fue transmitido o existe informa-
cin adicional que pueda ayudar a tomar esa decisin. La respuesta a esta pregunta es que el
vector q, tal y como se defini en (4.7) y (4.8), contiene toda la informacin relevante para
decidir qu smbolo fue el transmitido. Estrictamente, se dice que el vector q es un estads-
tico suficiente para la deteccin y la demostracin de que realmente lo es se encuentra en el
Apndice 4.B.

4.3.2. Filtro adaptado

La estructura de espacio vectorial desarrollada para el modulador y demodulador es muy
potente y permite realizar una interpretacin geomtrica de las seales que resulta de gran
utilidad. Sin embargo, con esta interpretacin se pierde el sentido de variacin temporal e
interpretacin en la frecuencia propia del estudio de seales y sistemas que, a la par que
ofrece una visin distinta del proceso de demodulacin, nos permite descubrir propiedades
adicionales del demodulador.
Consideremos un filtro con respuesta al impulso hk (t) = k (t). Si introducimos a su
entrada la seal r(t) de entrada al demodulador, a la salida del filtro tenemos
Z Z
yk (t) = r(t) hk (t) = r( )hk (t ) d = r( )k ((t )) d (4.18)

Si muestreamos la salida yk (t) en t = 0, tenemos

Z Z
yk (0) = r( )hk ( ) d = r( )k ( ) d (4.19)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
190 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

que no otra cosa sino la salida del correlacionador, qk , que habamos calculado en (4.8).
En general, un filtro con respuesta al impulso h(t) = x(t)1 se dice que es un filtro
adaptado a la seal x(t).
Aplicando este resultado, podemos plantear una estructura del demodulador como la que
muestra la Figura 4.13, conocida como demodulador basado en filtros adaptados.

f 0(-t ) q0

r(t) f 1(-t ) q1

fN -1(-t) qN-1
t=0

Figura 4.13. Estructura del demodulador basada en filtros adaptados.

En la Figura 4.14 podemos ver la seal de la base de los dos primeros conjuntos de
seales analizados, 0 (t), y la salida de su filtro adaptado cuando tiene a su entrada esa
misma seal, 0 (t) 0 (t). Observe cmo en el instante de muestreo (t = 0) la salida del
filtro toma su valor mximo. En la Figura 4.15 podemos ver las mismas seales referidas al

0(t) 0(t)*0(t)

1/T 1

0 T t T 0 T t

Figura 4.14. Elemento de la base de los dos primeros conjuntos de seales analizados y
convolucin de esta seal con la respuesta al impulso de su filtro adaptado.

tercer conjunto de seales analizadas. Tambin se cumple que en el instante de muestreo la

salida del filtro toma su valor mximo.
Puede argumentarse, y con razn, que el demodulador basado en filtros adaptados es
irrealizable puesto que los filtros que utiliza son no causales (k (t) 6= 0 para t < 0). Para

1
Para seales complejas, h(t) = x (t).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.3 D EMODULADOR 191

(t) 0(t)*0(t)
0

2/T
1

T 0 Tt

T 0 T t

2/T

Figura 4.15. Elemento de la base del tercer conjunto de seales analizados y convolucin
de esta seal con la respuesta al impulso de su filtro adaptado.

obtener un demodulador realizable podemos seguir el siguiente razonamiento: las seales

k (t) son idnticamente nulas fuera del intervalo [0, T ) y, por tanto, sus correspondientes
k (t) sern idnticamente nulos fuera del intervalo (T, 0]; si retardamos T segundos la
respuesta impulsional k (t), k (T t), y muestreamos en t = T obtenemos el mismo
resultado con un demodulador realizable. Este desplazamiento temporal no invalida ninguno
de los desarrollos que se realizan en este apartado.

Propiedades del filtro adaptado

El demodulador basado en filtros adaptados no aporta por s mismo otra novedad que
no sea una realizacin distinta de las operaciones que debe llevar a cabo el demodulador de
correlacin. Ahora bien, con esta estructura es ms fcil comprobar propiedades interesantes
del demodulador.

Mxima relacin seal a ruido. Es la propiedad ms importante, que podemos enunciar

de la siguiente manera: sea un esquema como el que muestra la Figura 4.16, donde s(t)

s(t) q(t) q
h(t)
n(t) t=0

Figura 4.16. Modelo para la derivacin del filtro adaptado.

es una seal conocida y n(t) es ruido gausiano blanco y de media nula. El filtro que hace
mxima la relacin seal a ruido a la salida (medida en q) es el filtro adaptado a s(t); es
decir, aquel que tiene como respuesta al impulso h(t) = s(t).
Para demostrar esta propiedad, vamos a comenzar por definir qu entendemos por rela-

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
192 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

cin seal a ruido a la salida. La salida del filtro, q(t), puede expresarse como
q(t) = (s(t) + n(t)) h(t) = s(t) h(t) + n(t) h(t)
Z Z
= s( )h(t ) d + n( )h(t ) d (4.20)

y su valor en t = 0 como
Z Z
. .
q = q(0) = s( )h( ) d + n( )h( ) d = s + n (4.21)

La relacin seal a ruido a la salida se define como
   2
S . E s s2
= 2
= (4.22)
N q E {n } E {n2 }

Desarrollando E n2 obtenemos
Z  Z 
 2
E n = E n( )h( ) d n()h() d

Z Z
= E {n( )n()} h( )h() d d
Z Z

N0
= ( )h( )h() d d
2
Z
N0 2
= h ( ) d
2
N0
= E {h(t)} (4.23)
2
que, sustituido en (4.22), nos da
R 2
  2 2

s( )h( ) d
S s s
= 2
= N0 = N0
(4.24)
N q E {n } 2 E {h(t)} 2 E {h(t)}
Particularizando la desigualdad de Cauchy-Schwarz (Apartado 2.1.4, Ecuacin (2.60)) a las
seales s(t) y h(t) y elevando al cuadrado cada uno de los trminos de la desigualdad
(2.60), tenemos
Z 2 Z  Z 
2 2
s(t)h(t) dt |s(t)| dt |h(t)| dt (4.25)

que nos sirve para acotar la relacin seal a ruido como
Z 2 Z  Z 
2 2
  s( )h( ) d |s(t)| dt |h(t)| dt
S
= =
N q N0 N0
E {h(t)} E {h(t)}
2 2
2 E {s(t)} E {h(t)} 2
= = E {s(t)} (4.26)
N0 E {h(t)} N0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.3 D EMODULADOR 193

donde la igualdad (y, por tanto, el mximo) se produce cuando h(t) = Ks(t), para cual-
quier valor no nulo de la constante K. De aqu concluimos que:

1. La relacin seal a ruido a la salida se hace mxima cuando h(t) = Ks(t) para
cualquier valor de K (exceptuando K = 0) y, particularmente, para el filtro adaptado,
h(t) = s(t).

2. La relacin seal a ruido a la salida del filtro adaptado no depende de la forma espec-
fica de s(t), sino nicamente de su energa y de la densidad espectral de potencia del
ruido a la entrada del filtro.

Esta demostracin realizada para el modelo de la Figura 4.16 empleando una nica seal
s(t) es aplicable al conjunto de seales del transmisor, {si (t), i = 1, . . . , M } y al conjunto
de seales de base, {j (t), j = 1, . . . , N }, con lo que se demuestra que la estructura de
demodulador basado en filtros adaptados (o su equivalente de correlacin) es la estructura
que nos permite obtener la mxima relacin seal a ruido en cada componente del vector q.

Propiedades del filtro adaptado en ausencia de ruido. Si en el modelo de la Figura 4.16

eliminamos el ruido (n(t) = 0), la salida q(t) posee propiedades interesantes, como:

P 1. La transformada de Fourier de q(t), Q(j), es la densidad espectral de energa de s(t),

|S(j)|2 .
Para demostrarlo determinamos en primer lugar la funcin de transferencia del filtro
adaptado, H(j), que resulta ser, por la propiedad de simetra de la Transformada de
Fourier, y dado que h(t) = s(t) es una seal real, H(j) = S (j). A partir de esta,
la transformada de Fourier de q(t), Q(j)

Q(j) = S(j) H(j) = S(j) S (j) = |S(j)|2 (4.27)

P 2. q(t) es la funcin de ambigedad temporal de s(t), rs (t).

Para demostrarlo podemos utilizar la propiedad anterior, aprovechando que la funcin
de ambigedad temporal, tal como qued definida en (2.57), es la transformada inversa
de la densidad espectral de energa. Tambin podemos calcular la salida directamente
como
Z Z
q(t) = s(t) h(t) = s( )h(t ) d = s( )s( t) d = rs (t) (4.28)

En las Figuras 4.14 y 4.15 podemos ver esta funcin de ambigedad temporal de,
respectivamente, los dos primeros y el tercer conjuntos de seales analizados. En estas
figuras podemos comprobar que el valor de la funcin de ambigedad temporal en 0,
que coincide por definicin con la energa de la seal, es igual a 1, lo que concuerda
con la propiedad de ortonormalidad de los elementos de la base.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
194 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

4.3.3. Canal discreto equivalente

Repasemos ahora algunas de las conclusiones del anlisis de nuestro modelo de comu-
nicacin digital:

1. La fiabilidad de un esquema de comunicacin, por lo que respecta al proceso de mo-

dulacin, viene dada por las caractersticas de la constelacin de seales y no por los
elementos de la base de seales que empleemos en el proceso de modulacin.

2. La relacin seal a ruido a la salida del demodulador no depende de la forma concreta

que toman cada uno de los elementos de la base de seales, sino de su energa y
de la densidad espectral de potencia del ruido presente en el canal. Como la base es
ortonormal (energa de cada elemento de la base igual a 1), la relacin seal a ruido
a la salida del demodulador depende nicamente de la densidad espectral de potencia
del ruido.

3. La salida del demodulador es un vector q que toma la forma q = A + n (Ecuacin

(4.11)), donde A es el smbolo transmitido y n es una componente de ruido con una
funcin de densidad de probabilidad definida en (4.15).

Estas conclusiones nos permiten obtener una simplificacin del modelo general de un
sistema de comunicacin representado en la Figura 4.1 englobando el modulador, canal y
demodulador en un nico elemento que denominamos canal discreto equivalente , segn se
muestra en la Figura 4.17. Este modelo va a ser de utilidad en el anlisis del decisor porque

A s(t) r(t) q
Modulador Canal Demodulador

Canal q
A
discreto
equivalente

Figura 4.17. Definicin del canal discreto equivalente.

nos permite ocultar la naturaleza fsica del canal y centrarnos en los aspectos que van a
influir en la fiabilidad de la comunicacin.
El canal discreto equivalente es, en general, vectorial y con dimensin la del espacio de
seales del modulador, N . La relacin entre su entrada y salida viene dada, para el modelo
de canal aditivo gausiano, por q = A+n, segn se representa en la Figura 4.18. Las compo-
nentes de ruido nj son, de acuerdo con (4.15), variables aleatorias gausianas independientes
de media cero y varianza N0 /2.
Volviendo a los cuatro conjuntos de seales considerados en apartados anteriores, los
tres primeros tienen el mismo modelo de canal discreto equivalente, que resulta ser escalar

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 4.4 D ECISOR Y CODIFICADOR 195

A0 q0
n0
A1 q1
n1

AN-1 qN-1
nN-1

Figura 4.18. Canal discreto equivalente para canal aditivo gausiano.

(N = 1) y su relacin entrada/salida es tan simple como q0 = A0 + n0 . El cuarto es

vectorial con dimensin 2. Otro aspecto relevante es que los conjuntos primero y tercero
se van a comportar de idntica forma ya que poseen el mismo modelo de canal discreto
equivalente y la misma constelacin; aspecto ste que ya habamos sealado sin hacer uso
del canal discreto equivalente.

4.4. D ECISOR Y CODIFICADOR

Llegamos por fin a la parte ms importante del sistema de comunicaciones: el decisor. El
decisor debe asignar un smbolo B al vector de entrada q de acuerdo con un criterio: hacer
mnima la probabilidad de error de smbolo, segn qued definida en (4.3). El desarrollo del
decisor bajo este criterio nos va a obligar a reconsiderar todo el anlisis realizado hasta ahora
porque, al fin y al cabo, todo el sistema de comunicaciones debe ser diseado para cumplir
el criterio de mnima probabilidad de error de smbolo, y el lugar donde debe medirse esta
probabilidad de error es el decisor. Por este motivo nos hemos referido anteriormente al
decisor como la parte ms importante del sistema de comunicaciones.
Una vez que obtengamos el decisor abordaremos el diseo (o mas bien, criterios de
diseo) del codificador y la evaluacin analtica de la probabilidad de error.

4.4.1. Desarrollo del decisor ptimo

El cometido que ha de realizar el decisor es el siguiente: a cada posible valor del vector
de entrada q el decisor debe asignarle un smbolo B = bi de tal manera que la probabilidad
media de error por smbolo sea lo ms pequea posible.
Comencemos analizando el significado de la probabilidad media de error por smbolo
en el proceso de decisin. Cuando q toma un valor determinado q 0 , el decisor le asigna un
smbolo B = bi ; la probabilidad de error en esta decisin, que denotamos como Pe (B =
bi , q = q 0 ), es
.
Pe (B = bi , q = q 0 ) = P r(B 6= bi | q = q 0 ) = 1 P r(B = bi | q = q 0 ) = 1 pB|q (bi |q 0 )
(4.29)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
196 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

o, dicho en palabras, la probabilidad de error en una decisin (B = bi ) tomada a partir de

una entrada determinada (q 0 ) ser igual a la probabilidad de que, siendo la entrada igual a
q 0 , el smbolo transmitido no sea igual al decidido. El valor pB|q (bi |q 0 ) es, obviamente, la
probabilidad de acertar cuando ante un valor de entrada q 0 el decisor asigna el smbolo bi
(B = bi ).
La probabilidad media de error cuando el decisor presenta a su salida el smbolo bi ,
Pe (B = bi ), se obtiene eliminando de (4.29) la dependencia respecto al valor concreto de la
entrada al decisor. Esto se consigue calculando el valor medio de (4.29) respecto a q 0 de la
siguiente forma

Pe (B = bi ) = P r(B 6= bi )
Z
= P r(B 6= bi | q = q 0 )fq (q 0 ) dq 0

Z


= 1 pB|q (bi |q 0 ) fq (q 0 ) dq 0
Z
Z
= fq (q 0 ) dq 0 pB|q (bi |q 0 )fq (q 0 ) dq 0

Z
= 1 pB|q (bi |q 0 )fq (q 0 ) dq 0 (4.30)

Para determinar el procedimiento de decisin que hace mnima la probabilidad media

de error seguimos el siguiente razonamiento:
El mnimo de la probabilidad media de error cuando el decisor presenta a su salida el
smbolo bi se consigue haciendo mxima la integral que aparece en la ltima lnea de
(4.30).
La funcin dentro de esta integral, pB|q (bi |q 0 )fq (q 0 ), es siempre mayor o igual que
cero por ser el producto de dos funciones no negativas (0 pB|q (bi |q 0 ) 1 y
0 fq (q 0 )). Esto implica que el mximo de la integral se consigue haciendo mxima
la funcin dentro de la integral para cada posible valor de q 0 .
Dado que fq (q 0 ) no es funcin del smbolo decidido, el mximo de la funcin dentro
de la integral se consigue haciendo mxima pB|q (bi |q 0 ) y, por tanto, para conseguir
la mnima probabilidad media de error el decisor ha de asignar el smbolo bi (B = bi )
a todos aquellos valores del vector de entrada q, q 0 , para los que se cumple que

pB|q (bi |q 0 ) > pB|q (bj |q 0 )

para todo j distinto de i.

Este criterio o forma de proceder tambin podemos interpretarlo de la siguiente manera:
ante un valor del vector de entrada
 q 0 , el decisor ha de calcular el conjunto de probabilidades
pB|q (bj |q 0 ), j = 0, . . . M 1 ; la salida del decisor ser el smbolo bi que cumple

pB|q (bi |q 0 ) > pB|q (bj |q 0 ) j = 0, . . . M 1, j 6= i (4.31)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 197

es decir, el mximo de pB|q (bj |q 0 ). En el caso en que dos smbolos distintos, bi y bl , obten-
gan el mximo, esto es,

pB|q (bi |q 0 ) = pB|q (bl |q 0 ) > pB|q (bj |q 0 ) j = 0, . . . M 1, j 6= i, l

el decisor podr optar por uno de ellos de manera arbitraria sin que esta decisin tenga efecto
alguno sobre la probabilidad media de error.
Este criterio de decisin se conoce con el nombre de mximo a posteriori o MAP (de
maximum a posteriori ). Su nombre viene de la denominacin de pB|q (bj |q 0 ) como pro-
babilidades a posteriori por representar la probabilidad de los smbolos una vez realizada
la transmisin, y en contraposicin a las probabilidades pB (bi ) denominadas a priori por
representar la probabilidad de los smbolos antes de realizar la transmisin.
La determinacin de las probabilidades a posteriori puede realizarse mediante la regla
de Bayes, (3.109),
pB (bj ) fq|B (q 0 |bj )
pB|q (bj |q 0 ) = (4.32)
fq (q0 )
donde, teniendo en cuenta que B = bj implica que A = aj y viceversa, establecemos la
igualdad
fq|B (q 0 |bj ) = fq|A (q 0 |aj ) (4.33)
siendo la funcin de densidad de probabilidad fq|A (q 0 |aj ) la obtenida en (4.17).
Introduciendo (4.32) y (4.33) en (4.31), el criterio MAP se reduce a encontrar el smbolo
bi que cumple

pB (bi ) fq|A (q 0 |ai ) pB (bj ) fq|A (q 0 |aj )

> j = 0, . . . M 1, j 6= i (4.34)
fq (q 0 ) fq (q 0 )

que, como fq (q 0 ) es una cantidad no negativa e independiente del smbolo transmitido, es

equivalente a

pB (bi ) fq|A (q 0 |ai ) > pB (bj ) fq|A (q 0 |aj ) j = 0, . . . M 1, j 6= i (4.35)

Finalmente, si utilizamos la hiptesis de smbolos equiprobables (P r(Bj ) = 1/M, j =

0, . . . M 1), podemos suprimir las probabilidades a priori de (4.35) y reducir el criterio
MAP a encontrar el smbolo bi que cumple

fq|A (q 0 |ai ) > fq|A (q 0 |aj ) j = 0, . . . M 1, j 6= i (4.36)

o, lo que es igual, a encontrar el smbolo que hace mxima la funcin fq|A (q 0 |ai ).
Esta particularizacin del criterio MAP para smbolos equiprobables2 recibe el nombre
de criterio de mxima verosimilitud o criterio ML (de maximum likelihood). El nom-
bre viene de la propia funcin fq|A (q 0 |ai ), denominada funcin de verosimilitud ya que

2
Que es tambin el que podramos aplicar si las probabilidades a priori fuesen desconocidas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
198 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

representa una medida de certidumbre o verosimilitud de que la hiptesis cierta sea que el
smbolo transmitido fuese ai cuando la entrada al decisor es q 0 .

Antes de desarrollar el criterio MAP ( ML) para la funcin de verosimilitud de nuestro

problema vamos a ilustrar con un ejemplo la aplicacin de estos criterios a un caso concreto
y, a partir de este ejemplo, introduciremos un concepto importante como es el de regiones
de decisin.
Ejemplo 4.1
Consideremos un sistema de comunicacin binario (M = 2) que emplea un espacio de seal
unidimensional (N = 1). La Figura 4.19 muestra las curvas pB (b0 ) fq|A (q|a0 ) (ahora tanto A
como q son escalares) y pB (b1 ) fq|A (q|a1 ) en funcin del valor de q obtenidas en el receptor de
este sistema de comunicacin.

p (b )f (q|a ) p (b )f (q|a )
B 1 q|A 1 B 0 q|A 0

q q q q
0 1 2

Figura 4.19. Aplicacin del criterio MAP con smbolos equiprobables.

Si el valor de q en el receptor es el etiquetado como q0 en la Figura 4.19, se cumple que

pB (b1 ) fq|A (q0 |a1 ) > pB (b0 ) fq|A (q0 |a0 )
y, por tanto, el decisor MAP ofrecer como salida b1 . Si el valor de q en el receptor es el etiquetado
como q1 en la Figura 4.19, se cumple que
pB (b0 ) fq|A (q1 |a0 ) = pB (b1 ) fq|A (q1 |a1 )
y el decisor MAP podr ofrecer como salida b0 o b1 . Si el valor de q en el receptor es el etiquetado
como q2 en la Figura 4.19, se cumple que
pB (b0 ) fq|A (q2 |a0 ) > pB (b1 ) fq|A (q2 |a1 )
y el decisor MAP ofrecer como salida b0 .
Como hemos visto en el ejemplo precedente, para tomar una decisin debemos calcular
el valor de cada una de las funciones pB (bj ) fq|A (q|aj ) para el valor de entrada al decisor
q = q 0 . Este clculo puede ser realizado antes de transmitir smbolo alguno para todos los
posibles valores de la entrada q y asignar de forma directa a cada posible valor de la entrada
un smbolo bi determinado.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 199

Ejemplo 4.1 (Continuacin)

Podemos comprobar que cuando el valor de q sea menor que el etiquetado como q1 en la Figura
4.19, se cumple
pB (b1 ) fq|A (q|a1 ) > pB (b0 ) fq|A (q|a0 )
y asignar directamente como salida el smbolo b1 . De forma anloga podemos comprobar que
pB (b0 ) fq|A (q|a0 ) > pB (b1 ) fq|A (q|a1 ) q > q1
y asignamos como salida el smbolo b0 .
As, en lugar de calcular las funciones pB (b0 ) fq|A (q|a0 ) y pB (b1 ) fq|A (q|a1 ) para el valor de
entrada correspondiente, slo hay que comparar la entrada con q1 : si es menor, el decisor MAP
ofrecer como salida b1 y si es mayor, b0 .
Con este procedimiento estamos realizando una particin del espacio de entrada al de-
cisor en regiones disjuntas {Ii , i = 0, . . . , M 1} (I0 = (q1, ) e I1 = (, q1 ) en el
ejemplo precedente). A cada una de estas regiones le asignamos una decisin (B = bi ) y por
esta razn son llamadas regiones de decisin . El decisor queda unvocamente determinado
mediante la relacin
q Ii B = bi (4.37)
Si el espacio de entrada es unidimensional, los valores que separan las regiones de decisin
(q1 en el ejemplo precedente) se denominan umbrales de decisin . Si el espacio de entrada
es multidimensional, las superficies (o curvas, si la dimensin es igual a 2) que separan las
regiones de decisin se denominan fronteras de decisin .

En determinadas ocasiones los smbolos de entrada a nuestro sistema no son equipro-

bables y, en consecuencia, el criterio MAP no se reduce al ML. Veamos con el siguiente
ejemplo la influencia de las probabilidades a priori de aparicin de los smbolos.
Ejemplo 4.2
Consideremos el sistema de comunicacin descrito en el Ejemplo 4.1, ahora con unas proba-
bilidades a priori pB (b1 ) = 2pB (b0 ). La Figura 4.20 muestra las curvas pB (b0 ) fq|A (q|a0 ) y
pB (b1 ) fq|A (q|a1 ) en funcin del valor de q obtenidas en el receptor de este sistema de comu-
nicacin, donde se han representado los mismos tres valores de q (q0 , q1 y q2 ) empleados en el
Ejemplo 4.1 (Figura 4.19).
Al modificar las probabilidades a priori, de smbolos equiprobables a pB (b1 ) = 2pB (b0 ), el
umbral de decisin se ha trasladado de q1 a q3 , que es el valor de q para el que se produce la
igualdad
pB (b0 ) fq|A (q3 |a0 ) = pB (b1 ) fq|A (q3 |a1 )

Continuemos ahora con el criterio ML ( MAP con smbolos equiprobables, como se

desee nombrar) para la funcin de verosimilitud de nuestro problema. Introduciendo la fun-
cin de densidad de probabilidad de la entrada al receptor, (4.17), en la formulacin del
decisor ML obtenemos que la salida ser el smbolo bi (o, equivalentemente, q 0 pertenece a
Ii ) que cumple
2 ||q a || 2
1 ||q a ||
0N i 1 0N j
e 0 > e 0 j = 0, . . . M 1, j 6= i (4.38)
(N0 )N/2 (N0 )N/2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
200 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

p (b )f (q|a )
B 1 q|A 1

pB(b0)fq|A(q|a0)

q qq q q
0 1 3 2

Figura 4.20. Aplicacin del criterio MAP con smbolos no equiprobables.

Multiplicamos ambos trminos de la desigualdad por (N0 )N/2 y obtenemos

||q 0 ai ||2 ||q 0 aj ||2

e N0 >e N0 j = 0, . . . M 1, j 6= i (4.39)

Teniendo en cuenta que la funcin exponencial es montona creciente y, por tanto, cumple

ea > eb a > b

(4.39) es equivalente a
||q 0 ai ||2 ||q aj ||2
> 0 j = 0, . . . M 1, j 6= i (4.40)
N0 N0
de donde, reordenando los trminos y multiplicando por N0 , obtenemos

||q 0 ai ||2 < ||q 0 aj ||2 j = 0, . . . M 1, j 6= i (4.41)

Recordando que
N
X 1
||q 0 ai ||2 = (q0l ail )2 = (d(q 0 , ai ))2 (4.42)
l=0
finalmente establecemos que la salida del decisor ML ante una entrada q 0 es el smbolo bi
si se cumple
d(q 0 , ai ) < d(q 0 , aj ) j = 0, . . . M 1, j 6= i (4.43)
lo que expresado en palabras quiere decir que el decisor ML se limita a escoger el smbolo
ms cercano al vector de entrada. Alternativamente, podemos decir que las regiones de de-
cisin Ii estarn formadas por todos los puntos que se encuentran ms cerca del smbolo ai
que de cualquier otro de la constelacin.
Un esquema de este decisor es el mostrado en la Figura 4.21.

En este punto es necesario realizar las siguientes precisiones:

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 201

d , a 0

Mnimo
(argumento)
q d , a1 B

d , aM - 1

Figura 4.21. Estructura del decisor de mxima verosimilitud.

Este ltimo desarrollo que nos ha llevado a formular el decisor ML como un decisor
de mnima distancia eucldea est basado en una funcin de densidad de probabilidad
gausiana de la entrada al decisor, y esta funcin de densidad de probabilidad viene
dada por la naturaleza del ruido presente en el canal. Otros tipos de ruido de canal que
no puedan considerarse gausianos (por ejemplo, el ruido en comunicaciones por fibra
ptica) conducirn a formulaciones distintas del decisor.

La definicin de la distancia entre seales que hemos realizado a lo largo de todo el

captulo (distancia eucldea) no es la nica posible, y se ha adoptado sin una justifica-
cin estricta. Es precisamente ahora cuando podemos justificar, mediante la estadstica
gausiana, que se debe emplear esta medida de distancia y no otra.

Desde el punto de vista de la realizacin prctica del decisor, el clculo de distancias

puede simplificarse debido a que en realidad no estamos interesados en obtener la distancia
del vector de entrada a cada uno de los smbolos, sino en obtener el smbolo que se encuentra
a una distancia menor. Sustituyendo (4.42) en (4.41) tenemos
N
X 1 N
X 1
2
(q0l ail ) < (q0l ajl )2 j = 0, . . . M 1, j 6= i (4.44)
l=0 l=0

desarrollando los cuadrados

N
X 1 N
X 1 N
X 1 N
X 1 N
X 1 N
X 1
2
q0l + a2il 2 q0l ail < 2
q0l + a2jl 2 q0l ajl
l=0 l=0 l=0 l=0 l=0 l=0
j = 0, . . . M 1, j 6= i (4.45)

En cada uno de los trminos, el primer sumatorio es la energa del vector de entrada y puede
suprimirse porque es comn a ambos, el segundo sumatorio es la energa del smbolo co-
rrespondiente y el tercer trmino es el producto escalar del vector de entrada con el smbolo
correspondiente. Suprimiendo los trminos comunes y reagrupando, (4.45) se transforma en
N
X 1 N 1 N 1 N 1
1X 2 X 1X 2
q0l ail ail > q0l ajl ajl j = 0, . . . M 1, j 6= i (4.46)
2 2
l=0 l=0 l=0 l=0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
202 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

o, equivalentemente,
1 1
hq 0 , ai i ||ai ||2 > hq 0 , aj i ||aj ||2 j = 0, . . . M 1, j 6= i (4.47)
2 2

2
-1/2||a0||
, a 0
2
-1/2||a1||

Mximo
(argumento)
q0 , a1 B

2
-1/2||aM-1||
, aM - 1

Figura 4.22. Realizacin del decisor de mxima verosimilitud empleando correlacionadores.

La Figura 4.22 muestra la estructura del decisor realizado de acuerdo con este desarrollo.
Es interesante comprobar cmo las realizaciones del decisor mostradas en las Figuras 4.21
y 4.22 no son sino dos manifestaciones del mismo criterio, el de mxima verosimilitud. Lo
que en definitiva se mide cuando se aplica este criterio es la semejanza entre la entrada al
decisor y un conjunto de smbolos. Esta semejanza se puede medir mediante distancias (si
menor es la distancia, ms se parecen) como en la Figura 4.21 o mediante correlaciones (si
la correlacin es mayor, ms se parecen) como en la Figura 4.22.

4.4.2. Clculo de probabilidades de error

En el apartado precedente hemos demostrado que el decisor MAP es el que proporciona
una menor probabilidad de error, pero no hemos obtenido la medida de dicha probabilidad
de error que es, en definitiva, la que indica la fiabilidad del sistema de comunicacin. Para
calcularla vamos a ir analizando diversas situaciones de menor a mayor complejidad.

Decisor binario en espacio unidimensional

Vamos a considerar la constelacin de la Figura 4.6 (Pgina 182), correspondiente al
primer conjunto de seales
analizados en el estudio
del modulador. En ella, el smbolo a0
tiene como coordenada T y el smbolo a1 , T . La regin de decisin I0 estar formada
por todos los valores de q ms cercanos a a0 que a a1 , es decir, por todos los valores de
q mayores que cero. Anlogamente, la regin de decisin I1 estar formada por todos los
valores de q menores que cero. El umbral de decisin es, por tanto, cero.
Supongamos ahora que el smbolo transmitido es a0 . La funcin de densidad
de pro-
babilidad de la entrada al receptor, fq|A (q|a0 ) es una gausiana de media T y varianza
N0 /2
(qa )2 (q T )2
1 N0 1 N
fq|A (q|a0 ) = e 0 = e 0 (4.48)
N0 N0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 203

que se encuentra representada en la Figura 4.23.

f (q|a )
q|A 0

T 0 T q
Figura 4.23. Funcin de densidad de probabilidad de la entrada al decisor cuando el sm-
bolo transmitido es a0 . El rea sombreada representa la probabilidad de error.

Para que se produzca un error de decisin en estas condiciones, el valor de entrada al

decisor, q, ha de ser menor que cero. La probabilidad de ocurrencia de este suceso (q < 0)
es igual a la funcin de distribucin de q|a0 en el umbral de decisin, Fq|a0 (0|a0 ), o, lo que
es lo mismo, la integral desde hasta 0 de fq|A (q|a0 ). Grficamente, esta probabilidad
es igual al rea bajo fq|A (q|a0 ) entre y 0, que se muestra sombreada en la Figura 4.23.
De igual manera, si suponemos que el smbolo transmitido es a1 , la funcin de densidad

de probabilidad de la entrada al receptor, fq|A (q|a1 ) es una gausiana de media T y
varianza N0 /2

(qa )2 (q+ T )2
1 N1 1 N
fq|A (q|a1 ) = e 0 = e 0 (4.49)
N0 N0
que se encuentra representada en la Figura 4.24.

f q|A (q|a1)

T 0 T q
Figura 4.24. Funcin de densidad de probabilidad de la entrada al decisor cuando el sm-
bolo transmitido es a1 . El rea sombreada representa la probabilidad de error.

La probabilidad de que se produzca un error de decisin ser ahora la integral entre 0 e

de fq|A (q|a1 ), que se corresponde con el rea bajo fq|A (q|a1 ) entre 0 e tal y como se
muestra en la Figura 4.24.
En general, la probabilidad de ocurrencia de un error de decisin condicionada a que el
smbolo transmitido sea ai , que denotaremos por Pe|ai y denominaremos, por simplicidad,

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
204 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

probabilidad de error condicionada a ai , es igual a la integral de la funcin de densidad de

probabilidad de la entrada al decisor fuera de la regin de decisin Ii cuando el smbolo
transmitido es ai , Z
Pe|ai = fq|A (q|ai ) dq (4.50)
q6Ii
La probabilidad media de error Pe ser la suma de las probabilidades de error condicio-
nadas a cada uno de los smbolos ponderadas por la probabilidad de aparicin de cada uno
de estos smbolos (equiprobables, segn hemos supuesto),
M
X 1 M 1
1 X
Pe = pA (ai )Pe|ai = Pe|ai (4.51)
M
i=0 i=0

En nuestro caso, la probabilidad media de error ser

1 1
Pe = Pe|a0 + Pe|a1 (4.52)
2 2
Antes de proceder al clculo de estas cantidades para nuestro problema podemos ver
una justificacin del carcter ptimo del criterio MAP ms intuitiva que la presentada en la
Pgina 196. Si superponemos las grficas de las Figuras 4.23 y 4.24 (multiplicando ambas
por 1/2) podemos ver (Figura 4.25(a)) una interpretacin grfica de la probabilidad media de
error como el rea total sombreada. Podemos comprobar que el valor del umbral de decisin
0.5 f (q|a ) 0.5 f (q|a ) 0.5 f (q|a ) 0.5 f (q|a )
q|A 1 q|A 0 q|A 1 q|A 0

T 0 T q T 0 T q
(a) (b)
Figura 4.25. Probabilidad media de error en funcin del valor del umbral de decisin: (a)
umbral de decisin igual a cero; (b) ejemplo con umbral de decisin distinto de cero.

que hace mnima la probabilidad media de error es el obtenido aplicando el criterio MAP.
Esto es, el de cruce entre las funciones de densidad de probabilidad de la entrada al decisor
condicionadas por cada uno de los smbolos. Si desplazamos el umbral de decisin hacia la
derecha (Figura 4.25(b)) vemos como el rea sombreada y, por tanto, la probabilidad media
de error crece. Igual sucede si desplazamos el umbral de decisin hacia la izquierda.

Calculemos ahora Pe|a0 y Pe|a1 . Como hemos mencionado anteriormente, Pe|a0 se ob-
tiene como Z 0 Z 0
1 (q T )2
N
Pe|a0 = fq|A (q|a0 ) dq = e 0 dq (4.53)
N0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 205

Esta integral no tiene solucin analtica, pero podemos expresarla como una funcin Q,
(3.31) (Pgina 103), que recordemos es
Z
1 2
Q(x) = e 2 d
2 x
Para expresar (4.53) como una funcin Q es necesario que el argumento de la exponencial
dentro de la integral tome la forma 2 /2. Realizamos el cambio de variable (q T )2 /N0 =
2 /2 y (4.53) queda como
Z 2T /N0
1 2
Pe|a0 = e 2 d (4.54)
2
2 /2
Dado que e es una funcin par, (4.53) puede expresarse como
Z !
1 2 T
Pe|a0 = e 2 d = Q p (4.55)
2 2T /N0 N0 /2

Podemos proceder de idntica forma para calcular Pe|a1 , pero terminamos antes compro-
bando que Pe|a0 = Pe|a1 dada la simetra del problema (vanse las Figuras 4.23 y 4.24). La
probabilidad media de error es entonces
!
1 1 T
Pe = Pe|a0 + Pe|a1 = Q p (4.56)
2 2 N0 /2

Analizando el argumento de la funcin Q en (4.56) podemos observar que T es la
distancia de a1 (o a2 ) al umbral de decisin o, lo que es lo mismo, la mitad de la distancia
entre a1 y a2 . El valor N0 /2 es asimismo la varianza del ruido, por lo que, yendo de lo
particular a lo general, podemos expresar la probabilidad media de error de una decisin
binaria en un espacio unidimensional como
!  
d(a0 , a1 ) d(a0 , a1 )
Pe = Q p =Q (4.57)
2 N0 /2 2n

Decisor binario en espacio multidimensional

Para ilustrar este caso vamos a considerar la constelacin de la Figura 4.9 (Pgina 184),
correspondiente al cuarto conjunto de seales analizado en el estudio del modulador. En ella,
smbolos a0 y a1 son vectores de dimensin 2. El smbolo a0 tiene como
los coordenadas
[ 2T 0]T (el superndice T denota vector transpuesto) y el smbolo a1 , [0 2T ]T . Para
determinar las regiones de decisin I0 e I1 calculamos la curva en el plano q equidistante
de a0 y a1 (la frontera de decisin) que, como podemos comprobar en la Figura 4.26, es la
recta q0 = q1 . La regin de decisin I0 es el semiplano a la derecha de la recta q0 = q1 y la
regin de decisin I1 el semiplano a la izquierda de esta recta.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
206 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

q1
q =q
0 1

I
1
(2T) a1

I0

a
0
q
0
0 (2T)

Figura 4.26. Frontera de decisin y regiones de decisin.

Si el smbolo transmitido es a0 la funcin de densidad de probabilidad

de la entrada
al receptor, fq|A (q|a0 ) es una gausiana bidimensional de media [ 2T 0]T , componentes
independientes y varianza de cada una de las componentes igual a N0 /2
2 2
2
1 ||qa0 || 1 (q 0 2T ) +q1
fq|A (q|a0 ) = e N0 = e N0 (4.58)
N0 N0

que se encuentra representada en la Figura 4.27. Para calcular Pe|a0 debemos integrar esta

q0= q1

0
(2T)
q0 (2T)
q1

Figura 4.27. Funcin de densidad de probabilidad de la entrada al decisor cuando el sm-

bolo transmitido es a0 .

funcin de densidad de probabilidad en el semiplano definido por q1 > q0 , pero si en el caso

unidimensional tuvimos que recurrir a la funcin Q porque no existe una solucin analtica,
ahora lo vamos a tener an ms difcil. En lugar de resolver el clculo de forma directa,
vamos a reducir el problema a uno unidimensional: al fin y al cabo, si slo tenemos dos
smbolos podemos hacer pasar una recta por esos dos puntos del plano.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 207

Realizamos el siguiente cambio de variables:

1
q0 = (q0 q1 ) (4.59)
2
1
q1 = (q0 + q1 2T ) (4.60)
2
Si el smbolo transmitido es a0 , q0 toma la forma
1
q0 A=a0 = ((a00 + n0 ) (a01 + n1 ))
2
1  
= ( 2T + n0 ) (0 + n1 )
2
1
= T + (n0 n1 ) (4.61)
2
y q1
1
q1 A=a0 = ((a00 + n0 ) + (a01 + n1 ) 2T )
2
1
= (( 2T + n0 ) + (0 + n1 ) 2T )
2
1
= (n0 + n1 ) (4.62)
2
De forma anloga, si el smbolo transmitido es a1 , q0 y q1 toman la forma
1
q0 A=a1 = T + (n0 n1 ) (4.63)
2
1
q1 A=a1 = (n0 + n1 ) (4.64)
2
De las dos componentes, slo q0 contiene informacin sobre el smbolo transmitido; q1
contiene ruido. Esto implica que hemos reducido la dimensin del espacio de seal de dos a

una. Las coordenadas
de los nuevos elementos de la constelacin respecto a q0 , a0 y a1 , son,
respectivamente, T y T , exactamente las mismas que la constelacin unidimensional
considerada anteriormente.
Respecto al ruido, es fcil demostrar que n0 n1 es independiente de n0 + n1 , ya que
la suma (o resta) de dos variables con funcin de densidad de probabilidad gausiana es otra
variable aleatoria gausiana y E{(n0 n1 )(n0 + n1 )} = E{n20 n21 } = N0 /2 N0 /2 = 0.
Esto implica que el valor de q1 es irrelevante para la decisin y q0 es un estadstico suficiente
para la deteccin.
Para determinarla probabilidad de error debemos conocer los estadsticos de la compo-
nente de ruido, 1/ 2(n0 n1 ), ya que por ahora slo sabemos que es gausiana. El valor
medio es
 
1 1 1
E (n0 n1 ) = E{n0 } E{n1 } = 0 (4.65)
2 2 2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
208 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

y la varianza
( 2 )
1 1 1
E (n0 n1 ) = E{n20 } + E{n21 } E{n0 n1 }
2 2 2
1 N0 1 N0
= + 0
2 2 2 2
N0
= (4.66)
2
Por ltimo, si la nueva constelacin es la misma que en el caso unidimensional, y los
estadsticos del ruido tambin (media cero y varianza N0 /2), tambin lo ser la probabilidad
de error, ! ! !

d(a0 , a1 ) 2 T T
Pe = Q p =Q p =Q p (4.67)
2 N0 /2 2 N0 /2 N0 /2
La distancia entre los smbolos de la nueva constelacin es idntica a la de la constela-
cin original, d(a0 , a1 ) = d(a0 , a1 ), por lo que es indistinto realizar la medida de distan-
cia en el espacio original que en el transformado (de hecho, el transformado ni siquiera hay
que calcularlo para evaluar la probabilidad media de error).
El desarrollo aqu realizado puede extenderse a cualquier constelacin binaria en un es-
pacio de una dimensin arbitraria, obteniendo que la probabilidad media de error es funcin
de la distancia entre los puntos de la constelacin y la varianza del ruido en cada una de las
componentes del vector de entrada, y es igual a
!
d(a0 , a1 )
Pe = Q p (4.68)
2 N0 /2

Decisor M-ario en espacio unidimensional

Para ilustrar este caso vamos a considerar la constelacin mostrada en la Figura 4.28.
Est compuesta por cuatros smbolos de coordenadas -3, -1, 1 y 3. Los umbrales de decisin
estn situados en -2, 0 y 2 y las regiones de decisin son, respectivamente, ( , 2),
(2 , 0), (0 , 2) y (2 , ).

a a a a
0 1 2 3
q
3 2 1 0 1 2 3

Figura 4.28. Constelacin unidimensional de cuatro smbolos.

Para calcular la probabilidad de error cuando el smbolo transmitido es a0 , Pe|a0 , integra-

mos fq|A (q|a0 ) (gausiana de media a0 (-3) y varianza N0 /2) fuera de su regin de decisin:
esto es, entre -2 e (vase la Figura 4.29(a)). Este problema es idntico al del clculo de
la probabilidad de error para constelaciones binarias en espacios unidimensionales tratado

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 209

f (q|a ) f (q|a )
q|A 0 q|A 1

q q
3 2 1 0 1 2 3 3 2 1 0 1 2 3
(a) (b)
Figura 4.29. Funcin de densidad de probabilidad de la entrada al decisor y probabilidad
de error cuando el smbolo transmitido es: (a) a0 y (b) a1 .

anteriormente, ya que se trata de integrar la cola de una gausiana. La probabilidad de error

es ! !
d(a0 , a1 ) 1
Pe|a0 = Q p =Q p (4.69)
2 N0 /2 N0 /2
El clculo de la probabilidad de error cuando el smbolo transmitido es a1 , Pe|a1 , es
ligeramente distinto, porque hay que integrar las dos colas de fq|A (q|a1 ) (gausiana de media
a1 (-1) y varianza N0 /2): desde a -2 y desde 0 hasta (vase la Figura 4.29(b)). La
integral de cada una de las colas podemos expresarla mediante la funcin Q, y Pe|a1 resulta
ser ! ! !
d(a1 , a0 ) d(a1 , a2 ) 1
Pe|a1 = Q p +Q p = 2Q p (4.70)
2 N0 /2 2 N0 /2 N0 /2
Por simetra tenemos que Pe|a2 = Pe|a1 y Pe|a3 = Pe|a0 , y la probabilidad media de
error es !
MX1
3 1
Pe = pA (ai )Pe|ai = Q p (4.71)
2 N0 /2
i=0

Obviamente, el mismo procedimiento aplicado a una constelacin de cuatro smbolos

puede emplearse en una constelacin unidimensional con cualquier nmero de smbolos.

Decisor M-ario en espacio multidimensional

El caso general de clculo de la probabilidad media de error en constelaciones multi-
dimensionales es un problema complejo por las formas que pueden tomar las regiones de
decisin. Para constelaciones binarias podamos transformar el problema en unidimensional
y as simplificar la resolucin de la integral necesaria para el clculo de la probabilidad de
error, pero para constelaciones con ms de dos smbolos, esto no siempre es posible. Co-
mo ejemplo, baste considerar las constelaciones bidimensionales y sus regiones de decisin
asociadas que se muestran en la Figura 4.30, de uso comn en sistemas de comunicaciones.
Sin embargo, en alguno de estos casos es an posible calcular de manera sencilla la
probabilidad media de error. Consideremos la constelacin de la Figura 4.30(a). Para el

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
210 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

q q
1 1

3
1

q q
3 1 0 1 3 0 1 1 0

1
3

(a) (b)
q q
1 1

3
1

q q
3 2 1 0 1 2 3 0 1 1 0

1
3

(c) (d)

Figura 4.30. Ejemplos de constelaciones bidimensionales y sus fronteras de decisin asociadas.

clculo de la probabilidad de error, las 16 regiones de decisin de la constelacin podemos

agruparlas en tres clases (mostradas en la Figura 4.31): la primera incluye las regiones I0 ,
I3 , I12 e I15 ; la segunda incluye las regiones I1 , I2 , I4 e I7 , I8 , I11 , I13 e I14 ; la tercera
incluye las regiones I5 , I6 , I9 e I10 . Todos los smbolos ai que tienen asociada una regin
de decisin de la misma clase van a tener la misma probabilidad de error Pe|ai .
Comencemos calculando la probabilidad de error cuando el smbolo transmitido es a0 ,
que tiene una regin de decisin del primer tipo. En primer lugar expresamos la probabilidad
de error en funcin de la probabilidad de acierto, que denotamos por Pa|a0 , como
Z Z
Pe|a0 = fq|A (q|a0 ) dq = 1 fq|A (q|a0 ) dq = 1 Pa|a0 (4.72)
q6I1 qI0

Para que se produzca una decisin correcta cuando el smbolo transmitido es a0 debe suce-
der simultneamente que q0 sea menor que 2 y q1 mayor que 2. Como q0 es estadsticamen-
te independiente de q1 (segn demostramos en el anlisis del demodulador), la probabilidad
de que esto suceda es igual a la probabilidad de que q0 sea menor que 2 multiplicado por

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 211

q1

I0
a0 a1 a2 a3
3

a a a a
4 5 6 7 I7
1

q
3 1 0 1 3 0
a8 a9 a10 a11
1
I9

a12 a13 a14 a15

3

Figura 4.31. Constelacin bidimensional de diecisis smbolos.

la probabilidad de que q1 sea mayor de 2. Matemticamente,

Z Z 2  Z 
fq|A (q|a0 ) dq = fq0 |A (q0 |a0 ) dq0 fq1 |A (q1 |a0 ) dq1 (4.73)
qI0 2

La primera de estas dos integrales podemos expresarla como una funcin Q mediante la
transformacin
Z 2 Z !
d(a0 , a1 )
fq0 |A (q0 |a0 ) dq0 = 1 fq0 |A (q0 |a0 ) dq0 = 1 Q p (4.74)
2 2 N0 /2

e igualmente con la segunda integral

Z Z !
2
d(a0 , a4 )
fq1 |A (q1 |a0 ) dq1 = 1 fq1 |A (q1 |a0 ) dq1 = 1 Q p (4.75)
2 2 N0 /2

Sustituyendo (4.74) y (4.75) en (4.73)

Z !! !!
d(a0 , a1 ) d(a0 , a4 )
fq|A (q|a0 ) dq = 1Q p 1Q p
qI0 2 N0 /2 2 N0 /2
!!2
1
= 1Q p (4.76)
N0 /2

y esta en (4.72)
!!2 ! !
1 1 2 1
Pe|a0 = 1 1Q p = 2Q p Q p (4.77)
N0 /2 N0 /2 N0 /2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
212 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

Ahora procedemos a calcular la probabilidad de error cuando el smbolo transmitido es

a7 , que tiene una regin de decisin del segundo tipo. La diferencia con el caso anterior es
que en una de las dimensiones, q1 , para el clculo de la probabilidad de error hay que integrar
las dos colas de la gausiana en lugar de una. Procediendo de la misma forma, obtenemos
! !!
d(a7 , a3 ) d(a7 , a11 )
Pe|a7 = 1 1 Q p Q p
2 N0 /2 2 N0 /2
!!
d(a7 , a6 )
1Q p (4.78)
2 N0 /2
y sustituyendo los valores concretos de las distancias entre smbolos queda como
!! !!
1 1
Pe|a7 = 1 1 2Q p 1Q p
N0 /2 N0 /2
! !
1 1
= 3Q p 2Q2 p (4.79)
N0 /2 N0 /2
De manera similar procedemos a calcular la probabilidad de error cuando el smbolo
transmitido es a9 , que tiene una regin de decisin del tercer tipo. Ahora tenemos que tanto
en q0 como en q1 hay que integrar las dos colas de la gausiana.
! !!
d(a9 , a5 ) d(a9 , a13 )
Pe|a9 = 1 1 Q p Q p
2 N0 /2 2 N0 /2
! !!
d(a9 , a8 ) d(a9 , a10 )
1Q p Q p (4.80)
2 N0 /2 2 N0 /2
y sustituyendo los valores concretos de las distancias entre smbolos queda como
!!2 ! !
1 1 1
Pe|a9 = 1 1 2Q p = 4Q p 4Q2 p (4.81)
N0 /2 N0 /2 N0 /2
Finalmente, la probabilidad media de error es
M
X 1
Pe = pA (ai )Pe|ai
i=0
4 8 4
= Pe|a0 + Pe|a7 + Pe|a9
16 16! 16 !
1 9 2 1
= 3Q p Q p (4.82)
N0 /2 4 N0 /2
La clave para poder calcular la probabilidad media de error en esta constelacin reside
en la forma rectangular de las regiones de decisin. Este hecho, junto a la independencia

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 213

estadstica de los componentes del vector q, nos permite descomponer el problema como
producto de problemas unidimensionales.
Analizando el resto de constelaciones representadas en la Figura 4.30 podemos com-
probar como a una de stas (Figura 4.30(b)) podemos aplicar un cambio de variables como
el realizado para el clculo de probabilidades de error en decisiones binarias en espacios
multidimensionales que produzca una rotacin de 45 grados y transforme las regiones de
decisin en regiones como I0 del ejemplo anterior (vase la Figura 4.31). Aplicando este
procedimiento obtenemos una probabilidad de error para dicha constelacin (se deja como
ejercicio su comprobacin) igual a
  2    
1 1 2 1
Pe = 1 1 Q = 2Q Q (4.83)
N0 N0 N0
En las constelaciones representadas en las Figuras 4.30(c) y 4.30(d) no existen transfor-
maciones de este tipo que conduzcan a regiones de decisin rectangulares y, por tanto, para
calcular la probabilidad media de error de forma exacta es necesario recurrir a la resolu-
cin de la integral de las funciones de densidad de probabilidad condicionadas fuera de las
regiones de decisin por otros procedimientos.

Cota de la unin
Cuando el clculo de la probabilidad media de error exacta resulta engorroso podemos
recurrir a la determinacin de cotas superiores de la misma. Una de las ms utilizadas es la
denominada cota de la unin , que se basa en el clculo de las probabilidades de error por
parejas de smbolos.
Para ilustrar el procedimiento del clculo de la cota de la unin emplearemos la constela-
cin mostrada en la Figura 4.30(b). En esta constelacin, la probabilidad de error cuando el
smbolo transmitido es a0 , Pe|a0 , se obtiene integrando fq|a0 fuera de la regin de decisin
I0 , que se corresponde con el rea sombreada en la Figura 4.32(a). En lugar de proceder al
clculo de esta integral de forma directa, vamos a calcular en primer lugar la probabilidad de
error que obtendramos transmitiendo a0 y empleando un decisor binario para decidir entre
a0 y a1 . Esta probabilidad de error, que denotamos como Pe (a0 , a1 ), se obtiene integrando
fq|a0 en el rea sombreada en la Figura 4.32(b) y, como hemos visto al analizar el decisor
binario en un espacio multidimensional, es
! !  
d(a0 , a1 ) 2 1
Pe (a0 , a1 ) = Q p =Q p =Q (4.84)
2 N0 /2 2 N0 /2 N0
Procedemos de igual forma a calcular Pe (a0 , a2 ) (Figura 4.32(c)) y Pe (a0 , a3 ) (Figura
4.32(d)),
! ! !
d(a0 , a2 ) 2 2
Pe (a0 , a2 ) = Q p =Q p =Q (4.85)
2 N0 /2 2 N0 /2 N0
! !  
d(a0 , a3 ) 2 1
Pe (a0 , a3 ) = Q p =Q p =Q (4.86)
2 N0 /2 2 N0 /2 N0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
214 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

q q
1 1

I
0 a a
0 I 0
1 3 1

a a a
1 3 1
q q
1 1 0 1 1 0

a
2
1 1
I
1
I
2

(a) (b)
q q
1 1

a a
0 0
1 1

a
3
q q
1 1 0 1 1 0

a
2
1 1

(c) (d)

Figura 4.32. Cota de la unin: regiones de integracin de fq|A para obtener Pe|a0 (a),
Pe (a0 , a1 ) (b), Pe (a0 , a2 ) (c) y Pe (a0 , a3 ) (d).

A partir de estas probabilidades de error con decisores binarios definimos la cota de la unin
para Pe|a0 como

M
X 1
Pe|a0 Pe (a0 , aj ) = Pe (a0 , a1 ) + Pe (a0 , a2 ) + Pe (a0 , a3 )
j=1
  !
1 2
= 2Q +Q (4.87)
N0 N0

Procediendo de igual forma con el resto de smbolos de la constelacin obtenemos la

cota de la unin para la probabilidad media de error que, para una constelacin genrica de

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 215

M smbolos equiprobables, es
M 1 M 1 M 1 M 1
!
X X 1 X X d(ai , aj )
Pe pA (ai ) Pe (ai , aj ) = Q p (4.88)
M 2 N0 /2
i=0 j=0 i=0 j=0
j6=i j6=i

y, particularizada para el ejemplo que nos ocupa, dada la simetra de la constelacin, da

como resultado
M 1 M 1   !!
X X 1 1 2
Pe pA (ai ) Pe (ai , aj ) = 4 2Q +Q (4.89)
4 N0 N0
i=0 j=0
j6=i

Para comprender por qu la cota de la unin es una cota superior hay que tener en cuen-
ta que Pe|a0 se obtiene integrando fq|a0 en la regin sombreada de la Figura 4.32(a) (esto
es, fuera de I0 ). En lugar de proceder a realizar esta integral hemos sumado tres integra-
les de fq|a0 en las regiones sombreadas de, respectivamente, las Figuras 4.32(b), 4.32(c) y
4.32(d). La superposicin de estas tres regiones, que podemos ver en la Figura 4.33, abar-
q
1

a
0
1

I I
q
1 1 0

II II

1 III

Figura 4.33. Por qu es una cota superior?; al sumar las probabilidades de error indivi-
duales estamos integrando fq|A una vez en las regiones etiquetadas como I, dos veces en
las regiones II y tres veces sobre la regin III.

ca la totalidad del espacio fuera de I0 y, en consecuencia, aseguramos que la suma de las

probabilidades de error individuales Pe (a0 , a1 ), Pe (a0 , a2 ) y Pe (a0 , a3 ) es, como mnimo,
igual a Pe|a0 . Adems de esto, al sumar las tres probabilidades de error individuales existen
regiones del plano en que estamos integrando fq|A dos veces (regiones etiquetadas como II
en la Figura 4.33) e incluso tres veces (regin etiquetada como III en la Figura 4.33) y, en
consecuencia, la suma de las probabilidades de error individuales ser mayor que Pe|a1 . La
igualdad en (4.87) la obtendremos nicamente en el caso extremo en que apliquemos la cota
de la unin a constelaciones con dos smbolos.

Hemos comprobado que la cota de la unin es realmente una cota superior de la proba-
bilidad de error, pero no sabemos exactamente si esta cota est cerca o lejos de la verdadera

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
216 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

probabilidad de error. Para la constelacin analizada (Figura 4.30(b)) hemos calculado pre-
viamente la probabilidad de error exacta, (4.83), que est representada en la Figura 4.34
junto a la la proporcionada por la cota de la unin, (4.89), en funcin de 1/ N0 . Pode-
mos comprobar que para probabilidades de error pequeas (por ejemplo, menores de 103 ,
que podemos considerar como el mximo error aceptable en muchos sistemas de comu-
nicaciones) ambas curvas son indistinguibles. Esto nos lleva a concluir que la cota de la
unin proporciona una buena medida de la probabilidad de error, mejor cuanto mayor sea la
relacin seal a ruido.

0
10
Probabilidad de error exacta
Cota de la unin
1
10

2
10

3
e

10
P

4
10

5
10

6
10
0 1 2 3 4 5
1/N0

Figura 4.34. Probabilidad de error exacta y cota de la unin para la constelacin de la

Figura 4.30(b).

En constelaciones con un gran nmero de smbolos, la evaluacin de la cota de la unin

puede resultar engorrosa por el nmero de trminos a considerar en (4.88), que crece aproxi-
madamente con el cuadrado del nmero de smbolos de la constelacin. Para una constela-
cin de 4 smbolos hay que calcular 6 distancias (aprovechando que d(ai , aj ) = d(aj , ai ))
y hasta 6 evaluaciones de la funcin Q. Para una constelacin de 16 smbolos el nmero de
distancias a calcular sube hasta 120 y para una constelacin de 32 smbolos, 496.
Ante este nmero de trminos cabe preguntarse si todos son significativos o si pode-
mos despreciar algunos de ellos. Tomemos como ejemplo la evaluacin de (4.89), donde
el argumento de una de las funciones Q es 2 veces mayor que el otro, y evaluemos la
contribucin de cada una de ellas a la probabilidad
media de error para distintos valores de
la potencia de ruido. Para un valor de 1/ N0 igual a 3 tenemos que Q(3) 1,3 10 3 y
5
Q( 2 3) 1,1 10 ; es decir, dos rdenes de magnitud menor. Para un valor de 1/ N0
igual a 1 tenemos que Q(1) 0,16 y Q( 2) 0,079 y para un valor de 1/ N0 igual a
6 tenemos que Q(6) 9,9 10 10 17
y Q( 2 6) 1,1 10 . Recuerde que, para valores
altos del argumento, el decrecimiento de la funcin Q es exponencial (Pgina 103). Como
anteriormente, si nuestro inters se centra en probabilidades de error relativamente pequeas

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 217

(< 103 ) los trminos dominantes en el valor que toma la probabilidad de error van a ser
los de menor argumento de la funcin Q y el resto podemos, al menos en una aproximacin
grosera, despreciarlos.
Esta ltima aseveracin est en concordancia con el sentido que poseen cada uno de
los trminos de la cota de la unin de la probabilidad de error, ya que el argumento de la
funcin Q es directamente proporcional a la distancia entre dos smbolos: en el caso en
que se produzcan errores, estos se debern con mayor probabilidad a confusiones con los
smbolos ms cercanos al transmitido, no con los ms lejanos.
Para poner en prctica de forma sistemtica esta aproximacin al valor de la cota de
unin de la probabilidad de error, definimos la distancia mnima de una constelacin , dmin ,
como
dmin = mn {d(ai , aj )} (4.90)
j,i=0,...,M 1
j6=i

y como el mximo del nmero de smbolos que se encuentran a dmin de un smbolo de la

constelacin3 . Con estas definiciones, la aproximacin queda como
!
dmin
Pe Q p (4.91)
2 N0 /2

e implcitamente supone que todos los smbolos de la constelacin tienen smbolos a

una distancia dmin y que se desprecia la contribucin al error de los smbolos que no se
encuentran a la distancia mnima.
El principal inconveniente que tiene el empleo de (4.91) es que no somos capaces de
asegurar que sea una cota superior de la probabilidad de error, ya que no se consideran
todos los trminos de la cota de la unin. Otra aproximacin que s garantiza que es una
cota superior de la probabilidad de error verdadera es
!
dmin
Pe (M 1) Q p (4.92)
2 N0 /2

conocida como cota holgada o cota ms holgada (looser bound ) que la cota de la unin,
que supone implcitamente que todos los smbolos de la constelacin estn a una distancia
dmin del resto. Obviamente, esta aproximacin es ms pesimista que (4.91) y puede estar
alejada de la verdadera probabilidad de error para constelaciones con un gran nmero de
smbolos, pero al menos podemos garantizar que es una cota basada en dmin .
Como ejemplo, la Figura 4.35 muestra los resultados de estas aproximaciones para la
constelacin bidimensional de diecisis smbolos de la Figura 4.30(a) junto a la probabilidad
3
La definicin de est tomada de los problemas de empaquetamiento de esferas y teora de rejillas, donde
se define como el nmero de hiperesferas (o esferas, o circunferencias, dependiendo de la dimensionalidad del
espacio) que pueden estar en contacto con una dada siguiendo un determinado patrn de distribucin (una reji-
lla). Recibe nombres como nmero de Newton, nmero de contacto, nmero de coordinacin o nmero de besos
(este ltimo tomado del juego del billar, donde se dice que dos bolas se besan cuando estn en contacto)[19].
Generalmente se denota por la letra , pero dado el uso frecuente de en este texto, se ha preferido renombrarlo
como .

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
218 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

de error exacta, (4.82), y la proporcionada por la cota de la unin en funcin de 1/ N0 .
Puede verse claramente cmo (4.92) es una aproximacin ms conservadora que (4.91).

0
10

1
10

2
10

3
e

10
P

4
10

5
Probabilidad de error exacta
10 Cota de la unin
Aproximacin (4.92)
6
Aproximacin (4.93)
10
0 0.5 1 1.5 2 2.5 3 3.5 4
1/N
0

Figura 4.35. Probabilidad de error exacta, cota de la unin y dos aproximaciones de la

cota de la unin para la constelacin de la Figura 4.30(a).

4.4.3. Codificador

En el Apartado 4.2, al analizar el modulador del sistema de comunicaciones hemos justi-

ficado la necesidad de separar el transmisor en codificador y modulador, pero la descripcin
que all hacamos del codificador se reduce a decir que realiza una transformacin de un
smbolo B en otro smbolo A al que posteriormente dotamos de significado. Es ahora, una
vez analizado el receptor y las prestaciones que podemos obtener con un sistema de comu-
nicacin, cuando estamos en disposicin de establecer las condiciones que debe cumplir el
codificador para conseguir una comunicacin con la mayor fiabilidad posible.
Para conseguir la menor probabilidad de error el codificador ha de generar una conste-
lacin que tenga la mayor distancia mnima, dmin , con la menor energa media por smbolo,
Es . Estas condiciones son contradictorias, ya que si aumentamos la distancia mnima de una
constelacin para disminuir la probabilidad de error aumentaremos, en general, la energa
media necesaria para transmitir un smbolo.
Para encontrar un punto de compromiso entre la distancia mnima y la energa media por
smbolo vamos a analizar la influencia sobre estos parmetros de operaciones elementales
como escalados, rotaciones y traslaciones realizadas sobre una constelacin.
Consideremos en primer lugar una constelacin binaria en un espacio unidimensional
cuyos smbolos son a0 = a y a1 = a. La energa media de la constelacin es igual a a2 ,

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 219

la distancia mnima, 2a, y la probabilidad de error que obtenemos en el receptor es

! !
d(a0 , a1 ) a 2
Pe = Q p =Q (4.93)
2 N0 /2 N0

Para hacer explcita la relacin de la probabilidad de error y la energa media por sm-
multiplicamos y dividimos el argumento 2de la funcin Q en la expresin anterior por
bolo,
Es , y sustituimos una de ellas por su valor, a , de la forma
! r ! r !
a 2 a 2 Es Es
Pe = Q =Q =Q 2 (4.94)
N0 Es N 0 N0
q
Es
De esta forma, el trmino que multiplica a N en el argumento de la funcin Q (en este
0

caso, 2) puede considerarse como un factor de mrito de la constelacin, ya que para unas
condiciones dadas (energa disponible para transmitir el smbolo y nivel de ruido medidos
a la entrada del receptor), a mayor valor de este factor, menor probabilidad de error. Este
factor es, en general, distinto para cada constelacin, y no vara al aplicar un factor de escala
real a los smbolos de la constelacin.
Este factor tampoco vara si multiplicamos las coordenadas de todos los smbolos de
una constelacin N -dimensional por una matriz R, transformando la constelacin original
en otra de la forma ai = Rai , siempre que R sea una matriz de dimensin N N cuyas
filas constituyen una base ortonormal del espacio eucldeo de dimensin N . Las prestaciones
que obtenemos empleando la constelacin {ai , i = 0, . . . , M 1} son idnticas a las que
obtenemos empleando {ai , i = 0, . . . , M 1}. Un caso particular de esta transformacin
que puede ayudarnos a comprender el efecto que supone sobre la constelacin lo constituyen
las rotaciones en un espacio bidimensional. En este caso, la matriz R toma la forma
 
cos sen
R= (4.95)
sen cos

y, aplicada sobre una constelacin, produce un giro de radianes sobre la misma. La Figu-
ra 4.36(b) muestra la aplicacin de esta transformacin sobre la constelacin de la Figura
4.36(a).
El escalado por un factor real a puede combinarse con las rotaciones (y, en general, con
la transformaciones realizadas con la matriz R anteriormente descrita) sin que cambie la
probabilidad de error en recepcin respecto a la constelacin original (para una Es /N0 da-
da). Un ejemplo de esta combinacin puede verse en la Figura 4.36(c). En general, podemos
decir que cualquier combinacin de escalados y rotaciones sobre la constelacin no afecta
a la fiabilidad del sistema de comunicacin, sino que lo que marca estas prestaciones es la
relacin entre las distancias de unos smbolos a otros.

Otra transformacin elemental que podemos realizar sobre los smbolos de la constela-
cin es la traslacin. La aplicaremos a la constelacin binaria unidimensional considerada
anteriormente (a0 = a y a1 = a), a la que sumamos una cantidad b a cada uno de los

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
220 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

1 a a 1
0 0

a
3
a a
1 3
1 1 1 1

a
1
1 a2 a2
1

(a) (b)

a a a
0 0

a3 a a3

a a

a a b
1 1

a a a
2 2

(c) (d)

Figura 4.36. Transformaciones de la constelacin: constelacin original (a), rotacin (b),

rotacin y escalado (c), rotacin, escalado y traslacin (d).

smbolos generando una nueva constelacin de la forma ai = ai + b. La energa media de la

nueva constelacin es igual a (a2 +b2 ), la distancia mnima sigue siendo 2a y la probabilidad
de error que obtenemos en el receptor es
! ! r ! r r !
d(a0 , a1 ) a 2a 2 Es 2a2 Es
Pe = Q p =Q =Q =Q 2 2
2 N0 /2 N0 Es N 0 a +b N0
(4.96)
que depende tanto de a como de b. El mayor argumento de la funcin Q y, por tanto, la
2
menor probabilidad de error, se obtiene cuando b es igual a cero, porque el factor a2a+b2 es
siempre menor o igual que uno, y la igualdad se produce siendo b igual a cero. Ante este
resultado cabe preguntarse cul es la razn por la que el valor ptimo para b es cero, y la
respuesta es que para b = 0, el valor medio de la constelacin, E {ai }, tambin conocido
como centro de masas de la constelacin, es cero. Si el valor medio de la constelacin es
cero, toda la energa que pone en juego el transmisor se dedica a transmitir informacin, y no

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 221

se consume energa en enviar el valor medio de la constelacin, que no contiene informacin

alguna.
Un ejemplo de traslacin en constelaciones bidimensionales podemos verlo en la Fi-
gura 4.36(d). Como regla general, podemos decir que es deseable que cualquier conste-
lacin tenga valor medio nulo para aumentar la fiabilidad de la comunicacin. Caso de
no ser nulo el valor medio podemos cambiar la constelacin {ai , i = 0, . . . , M 1} por
{ai = ai E {ai } , i = 0, . . . , M 1} que mantiene las distancias entre los smbolos y
hace mnima la energa media por smbolo.

Las transformaciones vistas hasta ahora dejan sin resolver el principal problema en el
diseo o eleccin de constelaciones para un sistema de comunicacin, que es la forma o
patrn (tcnicamente, rejilla ) que se utiliza para distribuir los smbolos de la constelacin
en el espacio de seales. Este problema, conocido como empaquetado de esferas, no tiene
an solucin general, aunque s est resuelto para algunas dimensiones del espacio de seal.
Para comprender mejor el problema, vamos a emplear unas bolas de billar, que para
nosotros adquieren el siguiente significado: cada bola de billar va a representar un smbolo
de la constelacin, que estar situado en el centro de la bola y el dimetro de la bola es
dmin . Cuando estn en contacto dos bolas los smbolos estn a una distancia dmin y si no hay
contacto los smbolos estn a una distancia mayor que dmin .
Comencemos empleando tres bolas e imaginemos que el centro del tapete de la mesa es
el origen de coordenadas; el problema del diseo de la constelacin se traduce en intentar
situar las tres bolas sobre el tapete y lo ms cerca posible del centro de la mesa. La mejor
solucin es que las tres bolas estn en contacto y que el hueco que queda entre ellas coin-
cida exactamente con el centro de la mesa, tal y como se muestra en la Figura 4.37(a). Si
separamos una de las bolas aumentamos la energa media de la constelacin y no disminui-
mos la distancia mnima entre smbolos, que estar marcada por las dos bolas que siguen en
contacto; si desplazamos de forma conjunta las tres bolas a otro lugar del tapete que no sea
el centro de la mesa tambin estaremos aumentando la energa media de la constelacin sin
aumentar la distancia mnima de la constelacin.
Si queremos disear una constelacin unidimensional las tres bolas deben estar sobre
una lnea, y el diseo de la constelacin da como resultado el mostrado en la Figura 4.37(b):
una bola en el centro de la mesa y las otras dos en contacto con esta, una a cada lado. Si
quisisemos disear otra constelacin unidimensional con un mayor nmero de smbolos
podramos seguir con este procedimiento, y el resultado sera que todos los smbolos adya-
centes estaran siempre a la misma distancia, dmin , o, en otras palabras, los smbolos estaran
equiespaciados.
Diseemos ahora una constelacin bidimensional con siete smbolos empleando el mis-
mo mtodo. El resultado ser el que muestra la Figura 4.37(c): una bola en el centro y
seis alrededor de esta formando un hexgono. El espacio que queda entre las bolas es una
medida de la eficacia del empaquetamiento; a menor espacio, ms densamente estarn em-
paquetadas y menor ser la energa media por smbolo para la misma distancia mnima de
la constelacin. Si dispusisemos las bolas (en este caso, nueve) en una cuadrcula, tal y
como se muestra en la Figura 4.37(d), el espacio entre ellas es mayor y, consecuentemente,

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
222 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

(a) (b)

(c) (d)

Figura 4.37. Empaquetado de esferas: tres esferas sobre un plano(a), tres esferas sobre una
recta (b), siete esferas sobre un plano en disposicin hexagonal (c), nueve esferas sobre un
plano en disposicin de cuadrcula (d).

la energa media por smbolo ser mayor. Comparando las Figuras 4.37(c) y 4.37(d) vemos
que si bien la configuracin hexagonal es ms densa, en la configuracin en cuadrcula exis-
te un menor nmero de smbolos a dmin , y ambos factores influyen sobre la probabilidad de
error en recepcin. La densidad del empaquetamiento influye en el argumento de la funcin
Q porque modifica la energa media por smbolo necesaria para mantener una determinada
dmin , y el nmero de smbolos que se encuentran a dmin de uno dado influye sobre el factor
que multiplica a la funcin Q. Dado el decrecimiento exponencial de la funcin Q, en ge-
neral tiene ms influencia sobre la probabilidad de error el argumento de la funcin Q (la
densidad del empaquetamiento) que el factor multiplicativo sobre la misma (el nmero de
smbolos a dmin ).
Para construir una constelacin bidimensional de un nmero de smbolos M el procedi-
miento sera escoger los M smbolos en una disposicin hexagonal que caben dentro de una
circunferencia del menor radio posible y, a continuacin, sustraer a cada smbolo el valor

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.4 D ECISOR Y CODIFICADOR 223

medio de la constelacin.
Para un mayor nmero de dimensiones procedemos de igual forma, cambiando aho-
ra esferas por hiperesferas para dimensiones mayores que tres. Sin embargo, como hemos
mencionado antes, para algunas dimensiones del espacio de seal no somos capaces de en-
contrar la forma ms densa de empaquetamiento, que s hemos encontrado para constelacio-
nes unidimensionales (smbolos equidistantes) y bidimensionales (disposicin hexagonal).

A pesar de lo anterior, resulta curioso comprobar que, en la prctica, las constelaciones

bidimensionales con disposicin hexagonal no se emplean casi nunca a pesar de ser las de
mayor densidad de empaquetamiento. Las razones que justifican este hecho vienen derivadas
del criterio adoptado a la hora de analizar y disear las constelaciones:
p hacer mnima la
probabilidad de error en recepcin expresada en funcin de Es /N0 . Este criterio es muy
razonable, pero existen otros factores a tener en cuenta a la hora de escoger una determinada
constelacin. Entre los factores ms importantes podemos citar:
Facilidad de realizacin del transmisor. Las coordenadas de los distintos smbolos deben
poder expresarse con nmeros de precisin finita (no irracionales) pues es necesa-
rio almacenarlos en algn sitio. En un empaquetamiento hexagonal
como el de la
Figura 4.37(c) tenemos coordenadas de smbolos como [1 3]T . Si realizamos un
truncamiento de los valores de las coordenadas al primer decimal, la constelacin de
la Figura 4.37(c) se transforma en la de la Figura 4.38, donde se ha perdido la dis-
posicin a intervalos regulares de los smbolos y con ello parte de las ventajas del
empaquetamiento hexagonal. Si las coordenadas de los smbolos fuesen, por ejemplo,

Figura 4.38. Constelacin con empaquetamiento hexagonal y truncamiento de las coorde-

nadas de los smbolos.

[2 3 3]T no tendramos
esa prdida porque podramos escalar la constelacin por
un factor a = 1/ 3 y obtendramos coordenadas enteras. Esta es la razn por la que
la configuracin ms empleada en constelaciones bidimensionales es la cuadrcula.
Limitacin de la energa de pico. En una constelacin bidimensional de 16 smbolos co-
mo la de la Figura 4.30(a) (Pgina 210) la energa media por smbolo es 10, pero

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 224 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

la energa de los smbolos ms alejados del origen de coordenadas (energa de pico)

es 18. Puede darse el caso que el dispositivo encargado de amplificar la seal en el
transmisor pueda proporcionar en un intervalo de duracin T una energa de 10, pero
no de 18, como sucede en algunos sistemas en que la potencia de los transmisores es
un factor crtico. En estas situaciones suelen emplearse constelaciones con cociente
energa de pico respecto a energa media iguales o cercanos a 1, como la mostrada en
la Figura 4.30(d).

Facilidad de realizacin del receptor. Existen situaciones en que la complejidad del re-
ceptor es un factor determinante, hasta tal punto que es preferible sacrificar una menor
probabilidad de error en recepcin para conseguir una simplificacin de la circuitera
necesaria en el receptor. Un caso comn en esta situacin es que no se recupera el
signo de las coordenadas del smbolo recibido, y esto fuerza a emplear constelaciones
en que las coordenadas de los smbolos sean no negativas, denominadas comnmente
constelaciones unipolares. Si adems existe limitacin de la energa de pico, suelen
emplearse las denominadas constelaciones ortogonales, en las que la dimensionalidad
del espacio de seales, N , es
igual al nmero de smbolos de la constelacin, M , y
los smbolos toman la forma [ Es 0 . . .] , [0 Es 0 . . .] , [0 0 Es 0 . . .]T , etc.
T T

4.5. T RANSMISIN INDEFINIDA DE SMBOLOS

El modelo de comunicacin digital presentado en los apartados precedentes considera
que se transmite un nico smbolo B, cuando las necesidades reales son de sistemas que
puedan transmitir una secuencia de smbolos de longitud indefinida que denotaremos de
aqu en adelante por razones de brevedad como transmisin indefinida de smbolos. Para
considerar una transmisin indefinida de smbolos sustituimos el modelo que representba-
mos en la Figura 4.1 por el representado en la Figura 4.39. El primer cambio que se advierte

B[l] A[n] s(t)

Codificador Modulador

Transmisor
Canal

B [l ] q[n] r(t)
Decisor Demodulador

Receptor

Figura 4.39. Modelo general de un sistema de comunicacin digital para transmisin in-
definida de smbolos.

es la sustitucin del smbolo a transmitir, B, por una secuencia de smbolos B[l]. Para faci-
litar un interfaz comn a cualquier sistema de comunicaciones que pudisemos considerar,

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.5 T RANSMISIN INDEFINIDA DE SMBOLOS 225

cada uno de los smbolos que componen la secuencia B[l] son ahora smbolos binarios que
pueden tomar valor 0 1; esto es, B[l] ser algo como . . . 1000110101111 . . .. Si la fuente
cuya informacin queremos transmitir tuviese otro alfabeto con distinto nmero de smbolos
emplearamos un codificador de fuente para transformar la secuencia de smbolos de salida
de la fuente en una secuencia de smbolos binarios.
Seguimos considerando, como en el modelo anterior, que los smbolos son equiproba-
bles (P r(B[l0 ] = 0) = P r(B[l0 ] = 1) = 1/2 para cualquier valor de l0 ) pero, como ahora
tenemos una secuencia en lugar de un smbolo aislado, nos hace falta suponer una relacin
probabilstica entre los distintos smbolos de la secuencia. Esta es la independencia estads-
tica: el valor que toma la secuencia para un l0 determinado, B[l0 ], es independiente del valor
que toma para otro l1 , B[l1 ], si l0 6= l1 . En estas condiciones, como veremos en el Captulo
9, cada smbolo contiene un bit de informacin.
Suponemos tambin que los smbolos de la secuencia B[l] aparecen a la entrada del
sistema a intervalos regulares de Tb segundos, por lo que a Tb se le denomina intervalo de
bit o periodo de bit . Tambin podemos decir que el sistema transmite 1/Tb bits por segundo,
o que la tasa de bit de entrada al sistema es 1/Tb .

De manera acorde, el smbolo A ha sido sustituido por una secuencia de smbolos A[n].
Cada smbolo de la secuencia A[n], al igual que en el primer modelo, puede tomar uno de
entre M valores posibles {ai , i = 0, . . . , M 1} de la forma (4.1) o, lo que es lo mismo,
pertenece a una constelacin de M smbolos en un espacio N -dimensional. La restriccin
que imponemos ahora es que M sea una potencia de 2, M = 2m , con m entero positivo.
El codificador transforma la secuencia B[l] en la secuencia A[n], generando un smbolo
de A[n] por cada m smbolos de B[l] (de ah la diferente notacin de los ndices temporales
de ambas secuencias). Por el momento consideraremos que la transformacin entre B[l] y
A[n] se realiza smbolo a smbolo y sin memoria: a cada posible combinacin de m unos y
ceros se le asigna un smbolo ai , tal y como se muestra en los ejemplos siguientes.
Ejemplo 4.3
Un ejemplo de codificador que, empleando un smbolo de B[l] para generar otro de A[n] (m =
1) en un espacio unidimensional (N = 1), realice la asignacin
1 1
0 1
transformar la secuencia 0011100100 en 1, 1, 1, 1, 1, 1, 1, 1, 1, 1.
Ejemplo 4.4
Un segundo ejemplo de codificador que, empleando un smbolo de B[l] para generar otro de
A[n] (m = 1) en un espacio bidimensional (N = 2), realice la asignacin
 
1
1
0
 
0
0
1
                   
0 0 1 1 1 0 0 1 0 0
transformar la secuencia 0011100100 en , , , , , , , , , .
1 1 0 0 0 1 1 0 1 1

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
226 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

Ejemplo 4.5
Un tercer ejemplo de codificador que, empleando dos smbolos de B[l] para generar uno de A[n]
(m = 2) en un espacio unidimensional (N = 1), realice la asignacin
11 3
10 1
00 1
01 3
transformar la secuencia 0011100100 en 1, 3, 1, 3, 1.

La tasa de smbolos a la salida del codificador es 1/(mTb ) smbolos por segundo o

baudios , siendo el periodo de smbolo T = mTb . Ntese como nicamente en el caso en
que la constelacin sea binaria coinciden bits por segundo y baudios. En general, una tasa
de R baudios se corresponde con una velocidad binaria de mR bits por segundo.

El modulador transforma la secuencia de smbolos A[n] en una seal analgica en tiem-

po continuo s(t), que se actualiza cada periodo de smbolo, T , de la siguiente forma: como
en el primer modelo, establecemos una correspondencia entre cada smbolo de la constela-
cin, ai , y una forma de onda si (t), idnticamente nula fuera del intervalo 0 t < T y de
energa finita, y esta correspondencia se aplica a cada uno de los smbolos de la secuencia
A[n] de la siguiente forma: si A[n0 ] = ai , hacemos s(t) = si (t n0 T ) en el intervalo
n0 T t < (n0 + 1)T , tal y como se muestra en el ejemplo siguiente.
Ejemplo 4.6
Tomando el codificador del Ejemplo 4.4, un posible modulador (tomado del conjunto de seales
de la Figura 4.5, Pgina 179) sera el que hiciese la asignacin
  (

1 2 sen 2T t 0t<T
a0 = s0 (t) =
0 0 resto
  (

0 2 cos 2
T t 0t<T
a1 = s1 (t) =
1 0 resto
que, con la secuencia de smbolos de entrada del Ejemplo 4.4, ofrece a su salida la seal que
muestra la Figura 4.40.

Expresando las seales si (t) en funcin de los elementos de la base del espacio de
seales que generan, {j (t), j = 0, . . . , N 1}, obtenemos una expresin compacta de la
seal s(t) que, en el caso en que la dimensionalidad del espacio sea igual a 1, toma la forma
X
s(t) = A[n]0 (t nT ) (4.97)
n

y para una dimensin genrica N del espacio de seal

0 (t nT ) N 1
X . XX
T .
s(t) = A [n] . = Aj [n] j (t nT ) (4.98)
n N 1 (t nT ) n j=0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.5 T RANSMISIN INDEFINIDA DE SMBOLOS 227

s(t)
2 T

Figura 4.40. Seal a la salida del modulador del Ejemplo 4.6.

donde Aj [n] es la componente j-sima del smbolo A[n].

Como modelo de canal, consideramos el canal aditivo gausiano empleado anteriormen-
te, r(t) = s(t) + n(t), siendo n(t) una componente de ruido gausiano y blanco de densidad
espectral de potencia N0 /2. Bajo estas condiciones, la recepcin con mnima probabilidad
de error de uno de los smbolos de la secuencia es un problema estadsticamente indepen-
diente de la recepcin de cualquier otro smbolo de la misma secuencia, porque se dan dos
condiciones de forma simultnea:

Condicin 1. En cada intervalo de tiempo n0 T t < (n0 + 1)T interviene uno y slo uno
de los smbolos de la secuencia, ai [n0 ].

Condicin 2. El ruido en un determinado instante, n(t0 ), es estadsticamente independiente

del ruido en cualquier otro instante.

Si la recepcin de cada smbolo es un problema independiente, el demodulador debe

generar, a partir de la seal recibida, r(t), una secuencia (de vectores) q[n] cuyos ele-
mentos contienen las coordenadas de r(t nT ) en la base utilizada en el modulador,
{j (t), j = 0, . . . , N 1}. Cada vector q[n0 ] de la secuencia q[n] puede obtenerse me-
diante una estructura de correlacionadores o mediante una estructura de filtros adaptados a
partir del valor de r(t) en el intervalo n0 T t < (n0 + 1)T . Como no existe solape entre
los distintos intervalos, podemos emplear la misma estructura para cada uno de los vectores
de la secuencia q[n], tal y como se muestra en la Figura 4.41. En definitiva, la diferencia con
el modo de proceder en el modelo anterior es que all correlacionbamos (o muestrebamos)
una sola vez, y ahora repetimos esa operacin en cada periodo de smbolo.
Cada vector de la secuencia q[n] es estadsticamente independiente del resto de vectores
de la secuencia y contiene toda la informacin relevante (es un estadstico suficiente) para
decidir sobre un smbolo de A[n]. Esto es, q[n] toma la forma

q[n] = A[n] + n[n] (4.99)

donde n[n] es la componente de ruido, que es un proceso estocstico discreto multidimen-

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
228 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

f 0(t - nT )
( n +1) T
f 0(-t ) q0[n]
nT
dt q0[n]

f 1(t - nT )
( n +1) T r(t) f 1(-t ) q1[n]
r(t)
nT
dt q1[n]

fN - 1(t - nT )
( n +1) T fN - 1(-t ) qN-1[n]
nT
dt qN-1[n]
t=nT
(a) (b)
Figura 4.41. Estructuras del demodulador para transmisin indefinida de smbolos basadas
en correlacionadores (a) y filtros adaptados (b).

sional gausiano cuyas muestras son estadsticamente independientes y con funcin de den-
sidad de probabilidad como la expresada en (4.15).
En estas condiciones, el decisor ptimo es un decisor MAP (que tambin se reduce
a un decisor ML por ser los smbolos equiprobables) operando smbolo a smbolo como el
desarrollado para el modelo anterior, segn se muestra en la Figura 4.42. La nica diferencia
apreciable con respecto al decisor del modelo anterior es que su salida son smbolos de
la constelacin {ai , i = 0, . . . , M 1} en lugar de smbolos de entrada al sistema, por
la diferencia en el tamao de los alfabetos (binario frente a M -ario), que no exista en el
modelo anterior. La secuencia de smbolos a la salida del decisor, A[n], es transformada en

-1/2||a0||2
d , a 0 ,f 0
-1/2||a1||2
Mximo
Mnimo

q[n] d , a1 A [n ] q[n] ,f 1 A [n ]

2
-1/2||aM-1||
d , aM - 1 , fN - 1

(a) (b)
Figura 4.42. Realizacin del decisor de mxima verosimilitud para transmisin indefinida
de smbolos empleando medidas de distancia (a) y correlacionadores (b).

una secuencia de smbolos binarios B[l] realizando la asignacin inversa a la del codificador.
La diferencia en el tamao de los alfabetos de B y A hace que la probabilidad media de
error de smbolo no sea la misma medida en A que medida en B. La analizada en el modelo
anterior, Pe , es la probabilidad media de error medida en los smbolos de la constelacin,
que continuaremos denominando probabilidad media de error de smbolo. La probabilidad
media de error medida en B es la denominada tasa de errores binarios o tasa de error de bit
(Bit Error Rate, BER).
Para ilustrar el mtodo de clculo de la BER y enfatizar las diferencias con respecto

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.5 T RANSMISIN INDEFINIDA DE SMBOLOS 229

a la Pe , vamos a utilizar la constelacin unidimensional de cuatro smbolos de la Figura

4.28 (Pgina 208) de la que ya calculamos su Pe , (4.71). Como codificador, emplearemos el
del Ejemplo 4.5. La relacin resultante entre smbolos binarios de entrada al codificador y
smbolos de la constelacin es la mostrada en la Figura 4.43.

01 00 10 11
a a a a
0 1 2 3
q
3 2 1 0 1 2 3
Figura 4.43. Constelacin unidimensional de cuatro smbolos con la asignacin de smbo-
los binarios realizada por el codificador del Ejemplo 4.5.

Supongamos en primer lugar que el smbolo transmitido fue a0 , que se corresponde con
una combinacin de dgitos binarios o palabra 01. Si se produce un error y la salida del
decisor es a1 (00), tan solo uno de los dgitos binarios ser incorrecto, pero si la salida del
decisor es a2 (10), los dos dgitos binarios sern incorrectos. Si a la hora de calcular Pe|a0
no distinguamos entre las situaciones en que la salida es a1 , a2 a3 ahora s debemos
hacerlo porque su impacto sobre la BER es distinto. El clculo exacto de la BER cuando
el smbolo transmitido es a0 , que denotaremos como BERa0 , da como resultado
! !!
1 1 3
BERa0 = Q p Q p +
2 N0 /2 N0 /2
! !! !
2 3 5 1 5
+ Q p Q p + Q p (4.100)
2 N0 /2 N0 /2 2 N0 /2

donde el primero de los sumandos representa la probabilidad de que la salida del decisor sea
a1 por el cociente entre el nmero de dgitos binarios errneos que acarrea esa decisin y el
nmero de dgitos binarios por smbolo de la constelacin. El segundo y tercer sumandos de
(4.100) poseen idntico significado con respecto a, respectivamente, a2 y a3 .
Procediendo de idntica forma en los casos en que el smbolo transmitido sea a1 , a2 y
a3 , obtenemos la BER como
M
X 1
BER = P r(ai )BERai (4.101)
i=0

que para el caso considerado ofrece como resultado

! ! !
3 1 1 3 1 5
BER = Q p + Q p Q p (4.102)
4 N0 /2 2 N0 /2 4 N0 /2

En los casos en que este clculo resulte tedioso por el nmero de trminos involucrados,
podemos recurrir a la siguiente aproximacin: en el caso ms favorable, un error de detec-
1
cin va a provocar un slo dgito binario errneo (BERai m Pe|ai ) y en el caso peor, un

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
230 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

error de deteccin va a provocar que los m dgitos binarios que componen la palabra asig-
nada al smbolo que fue transmitido sean errneos (BERai Pe|ai ). Esta aproximacin nos
lleva a acotar la BER como
1
Pe BER Pe (4.103)
m
Comparando la BER del caso analizado, (4.102), con la Pe de la constelacin, (4.71),
comprobamos que la BER se encuentra ms cerca de su lmite inferior establecido en
(4.103) que de su lmite superior (concretamente, si nos quedamos con el trmino domi-
nante de (4.102) estamos en el lmite inferior). Si calculamos la BER de manera exacta
realizando la asignacin que se muestra en la Figura 4.44 obtenemos
! !
5 1 1 3
BER = Q p Q p (4.104)
4 N0 /2 4 N0 /2

que se encuentra ms cerca del lmite superior que del inferior.

11 00 10 01
a0 a1 a2 a3
q
3 2 1 0 1 2 3

Figura 4.44. Constelacin unidimensional de cuatro smbolos y su asignacin de smbolos

binarios.

La razn de este comportamiento est en que en la asignacin de la Figura 4.43 los

smbolos que se encuentran a menor distancia de uno dado (y que en el caso de que se
produzca un error, ese ser el error ms probable) tienen asignadas palabras que difieren en
un nico dgito binario, mientras que esto no ocurre en la asignacin de la Figura 4.44.
Como regla general para el diseo de codificadores, debemos asignar palabras que difie-
ran en el menor nmero posible de dgitos binarios a los smbolos de la constelacin que se
encuentren ms cercanos. Un tipo de codificacin que lleva a la prctica esta regla es la de-
nominada codificacin Gray , en que los smbolos ms cercanos a uno dado tienen palabras
que difieren en un nico dgito binario. La asignacin de la Figura 4.43 es un ejemplo de
codificacin Gray pero, lamentablemente, no siempre existe un codificador Gray para una
constelacin dada (por citar un ejemplo, una constelacin con empaquetamiento hexagonal
y m < 6). Para codificadores Gray, podemos aproximar la BER como

1
BER Pe (4.105)
m

El empleo de la BER como medida de fiabilidad de un sistema de comunicacin en

lugar de la probabilidad de error de smbolo nos permite comparar de forma directa sistemas
de comunicacin que empleen constelaciones con distinto nmero de smbolos. Si la Pe

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 4.6 L ECTURAS ADICIONALES 231

era representada en funcin de Es /N0 , para representar adecuadamente la BER debemos

expresarla en funcin de Eb /N0 , donde Eb es la energa media por bit , definida como
1
Eb = Es (4.106)
m
y de sentido evidente si consideramos que la mxima informacin que puede contener un
smbolo de la constelacin es m bits. p
Como ejemplo, la Figura 4.45 representa la BER en funcin de Eb /N0 para las
constelaciones de 4 y 16 smbolos de las Figuras 4.30(b) y 4.30(a), respectivamente. Se
ha supuesto codificacin Gray y se ha empleado la aproximacin (4.105) para el clculo
de la BER. Las probabilidades medias de error de smbolo de estas constelaciones son las
representadas en las Figuras 4.34 y 4.35 que, obviamente, no podan compararse de forma
directa.
0
10
Constelacion de 4 simbolos
1
Constelacion de 16 simbolos
10

2
10
BER

3
10

4
10

5
10

6
10
0 5 10 15 20 25
Eb/N0

Figura 4.45. Comparacin de las medidas de BER para las constelaciones de 4 y 16

smbolos de las Figuras 4.30(a) y 4.30(b) con codificacin Gray.

A la vista de los resultados de la Figura 4.45 podra pensarse que la constelacin de 4

smbolos es definitivamente superior a la de 16, y ciertamente lo es para el modelo de canal
considerado. Incluso podemos generalizar este resultado diciendo que conforme mayor sea
el nmero de puntos de la constelacin, mayor ser la BER. Sin embargo, en el Captulo 5
veremos que al restringir el ancho de banda del canal, esta conclusin no es del todo exacta.

4.6. L ECTURAS ADICIONALES

La mayor parte del contenido del captulo es la teora clsica de modulacin y deteccin
que puede encontrarse en muchos libros de comunicaciones digitales.
Los autores nos sentimos en deuda con un libro en particular, el de Wozencraft y Jacobs
[95], y es la primera referencia que ofrecemos como ampliacin de lo aqu expuesto. Otro

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
232 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

libro clsico de lectura recomendada es el de Van Trees [81]. Entre los libros de texto actua-
les que abordan los conceptos tratados en este captulos recomendamos los de Proakis [61],
Proakis y Salehi [63], Benedetto y Biglieri [7], Haykin [39], Wilson [94] y Simon, Hinedi y
Lindsey [75].
El diseo de constelaciones viene razonablemente expuesto en los libros de Benedetto y
Biglieri [7] y Barry, Lee y Messerschmitt [5], y un tratamiento mucho ms profundo de este
tema podemos encontrarlo en el libro de Conway y Sloane [19].

P ROBLEMAS
P4.1 Considere la constelacin de seales {si (t), i = 0, . . . , M 1}, idnticamente nula
fuera del intervalo 0 t < T , y de valor
 
2(i + 1)t
si (t) = sen
T
dentro de este. Determine una base ortonormal para representar la constelacin de se-
ales, sus coordenadas con respecto a esta base, la distancia entre cualesquiera dos
seales, la energa de cada seal de la constelacin y la energa media de la constela-
cin.
P4.2 Considere la constelacin de seales

1 1 1 1
a0 = 1 a1 = 1 a2 = 1 a3 = 1
1 1 1 1
Calcule la distancia entre cualesquiera dos seales de la constelacin, la energa de
cada seal y la energa media por smbolo supuestos smbolos equiprobables.
P4.3 Debido a un error de sincronismo, se muestrea la salida de un filtro adaptado a la seal
s(t) en un instante t0 6= 0, obteniendo q(t0 ) = s(t) s (t)|t=t0 . Demuestre que ese
error de sincronismo provoca una prdida de seal (|q(0)| |q(t0 )|).
P4.4 Considere un sistema de comunicacin que emplea la siguiente constelacin de cuatro
seales

s0 (t) = 0 (t) + 1 (t) s1 (t) = 0 (t) 1 (t)

s2 (t) = 0 (t) + 1 (t) s3 (t) = 0 (t) 1 (t)

siendo 0 (t) y 1 (t) dos seales ortogonales de energa unitaria. En el receptor, el de-
modulador est realizado con filtros adaptados a cada una de las seales del transmisor,
obteniendo un vector
q0
q1
q=
q2
q3

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
P ROBLEMAS DEL CAPTULO 4 233

R
donde qi = r(t) si (t)|t=0 =
r( )si ( ) d .

4.1. Obtenga las funciones de densidad de probabilidad fq|s(t) (q|si (t)).

4.2. Demuestre que q es un estadstico suficiente para la deteccin de la seal trans-
mitida.
4.3. Desarrolle el decisor MAP a partir de q.
4.4. Qu diferencias y similitudes existen entre este receptor y uno basado en un
demodulador que emplee filtros adaptados a los elementos de la base del espacio
de seal, 0 (t) y 1 (t)?

P4.5 La entrada a un decisor binario es un escalar q que, cuando se transmite el smbolo a0 ,

presenta una funcin de densidad de probabilidad uniforme en el intervalo [0,5, 0,5).
Alternativamente, cuando se transmite el smbolo a1 , presenta una funcin de densidad
de probabilidad uniforme en el intervalo [1, 1). Se conoce, adems, que las probabi-
lidades a priori de los smbolos son p(a0 ) = 0,25 y p(a1 ) = 0,75.

5.1. Obtenga el decisor MAP y calcule su probabilidad de error.

5.2. Obtenga el decisor ML y calcule su probabilidad de error.

P4.6 Desarrolle el decisor MAP realizado mediante medidas de distancias similar a (4.43)
para smbolos no equiprobables, partiendo de (4.35).

P4.7 Considere la constelacin mostrada en la Figura 4.28. Determine las regiones de deci-
sin del decisor MAP en el caso en que las probabilidades a priori de los smbolos son
p(a1 ) = p(a2 ) = 0,3 y p(a0 ) = p(a3 ) = 0,2. Calcule la probabilidad de error de este
decisor en funcin de Es /N0 y comprela con la probabilidad de error de un decisor
ML.

P4.8 Desarrolle el decisor ML para ruido aditivo laplaciano; esto es, con
N
Y 1 N
Y 1
1 |nj | 1 P 1 |nj |
N
fn (n) = fnj (nj ) = e = e j=0
2 (2)N
j=0 j=0

de manera anloga al realizado en las expresiones (4.38) a (4.43) para ruido aditivo
gausiano. Indique cmo sera la forma ptima de distribuir (o empaquetar) los smbo-
los de la constelacin en el espacio de seales en este caso, y dibuje esta distribucin
para un espacio bidimensional.

P4.9 Un sistema de comunicaciones emplea un espacio de seal unidimensional generado

por un pulso 0 (t) rectangular de duracin T = 1 y una constelacin binaria antipodal
(a0 = 1, a1 = 1). La seal a la salida del modulador, s(t), es transmitida con
ganancias distintas, G1 y G2 , por dos canales gausianos, obteniendo en el receptor las
seales r1 (t) = G1 s(t) + n1 (t) y r2 (t) = G2 s(t) + n2 (t), donde n1 (t) y n2 (t) son
dos componentes de ruido gausiano y blanco de densidad espectral de potencia igual

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
234 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

a N0 /2 e independientes entre s. El receptor combina r1 (t) y r2 (t) con ganancias K1

y K2 , respectivamente, obteniendo la seal r(t) como

r(t) = K1 r1 (t) + K2 r2 (t) = K1 (G1 s(t) + n1 (t)) + K2 (G2 s(t) + n2 (t))

9.1. Disee el demodulador del receptor ptimo mediante filtro adaptado. Dibuje la
constelacin recibida.
9.2. Calcule las funciones de densidad de probabilidad de la salida del demodulador,
q, condicionadas al smbolo transmitido, fq|A (q|a0 ) y fq|A (q|a1 ).
9.3. Disee el decisor MAP supuestos smbolos equiprobables y determine la proba-
bilidad de error de smbolo, Pe .
9.4. Obtenga el valor de K = K1 /K2 que hace mnima Pe en funcin del valor de
las ganancias G1 y G2 .

P4.10 Considere el canal discreto equivalente descrito mediante las siguientes ecuaciones:

q0 = A + n 0
q1 = n 0 + n 1

donde A puede tomar valor 1 1 con igual probabilidad y n0 y n1 son dos componen-
tes de ruido con distribucin gausiana de media nula, varianza N0 /2, estadsticamente
independientes entre s y estadsticamente independientes de A

10.1. Determine las densidades de probabilidad de la salida del canal condicionadas a

los smbolos de entrada, fq0 ,q1 |A (q0 , q1 |1) y fq0 ,q1 |A (q0 , q1 | 1).
10.2. Determine si q0 es un estadstico suficiente para la deteccin.
10.3. Disee el decisor de mnima probabilidad media de error.

P4.11 Un sistema de comunicaciones ternario (M = 3) emplea la constelacin de seales

s0 (t) = v(t), s1 (t) = 0 y s2 (t) = v(t), siendo v(t) una seal de energa finita e
idnticamente nula fuera del intervalo 0 t < T . El receptor
R T emplea un demodulador
basado en correlacionador que calcula el estadstico u = 0 r(t)s(t)dt, siendo r(t) =
s(t) + n(t), y n(t) ruido gausiano blanco de densidad espectral de potencia N0 /2
W/Hz y estadsticamente independiente del smbolo transmitido. El decisor compara
u con un umbral a, de modo que si u > a se decide que la seal transmitida fue s0 (t),
si u < a se decide que fue s2 (t) y si a < u < a se decide que fue s1 (t).

11.1. Puede ser ptimo el receptor descrito? Justifique su respuesta.

11.2. Calcule las probabilidades de error condicionadas a la transmisin de cada una
de las seales, y calcule la probabilidad media de error en funcin de las proba-
bilidades a priori de los smbolos y de Es /N0 .
11.3. Suponiendo que a = Es , determine la distribucin de probabilidades a priori
que hace mnima la probabilidad media de error.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 P ROBLEMAS DEL CAPTULO 4 235

11.4. Si las seales son equiprobables a priori, determine el umbral a que hace mnima
la probabilidad media de error.

P4.12 Calcule la Pe de la constelacin 64-QAM de la Figura 5.29 en funcin de Es /N0 .

P4.13 Obtenga una cota superior de la Pe de las constelaciones de las Figuras 4.30(c) y
4.30(d) empleando la cota de la unin.

P4.14 Considere la constelacin de seales de un sistema de comunicaciones digitales mos-

trada en la Figura 4.46, equiprobables a priori.
s (t) s (t)
0 1

1 1

0 1 2 3 0 1 2 3
t t

s (t) s (t)
2 3

1 1

0 1 2 3 0 1 2 3
t t

Figura 4.46. Constelacin de seales del Problema P4.14.

14.1. Obtenga una base ortonormal para la constelacin de seales con el mnimo n-
mero de elementos.
14.2. Obtenga las coordenadas de cada una de las seales en la base del apartado an-
terior, y dibuje las regiones de decisin asociadas correspondientes a un decisor
MAP.
14.3. Empleando la cota de la unin, calcule la probabilidad media de error de smbolo,
Pe , en funcin de Es /N0 .
14.4. Podemos realizar alguna transformacin de la constelacin que, sin modificar
las distancias entre los smbolos, mejore su inmunidad frente al ruido aditivo gau-
siano? Si es as, realcela, dibuje las seales correspondientes a la constelacin
resultante y calcule la nueva Pe en funcin de Es /N0 .

P4.15 Disee los codificadores Gray para las constelaciones de la Figura 4.30.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
236 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

P4.16 Considere el sistema de comunicacin digital que emplea el siguiente conjunto de

seales en el transmisor
( (
cos(100t) 0 t < 1 cos(100t) 0 t < 1
s0 (t) = s1 (t) =
0 resto 0 resto
( (
sen(100t) 0 t < 1 sen(100t) 0 t < 1
s2 (t) = s3 (t) =
0 resto 0 resto

16.1. Determine una base ortonormal para este conjunto de seales y obtenga la cons-
telacin de seales con respecto a esta base.
16.2. Disee el receptor de mnima probabilidad de error del sistema, indicando ex-
plcitamente las regiones de decisin asociadas a cada smbolo en los siguientes
supuestos:
16.2.1. p(a0 ) = p(a1 ) = p(a2 ) = p(a3 ) = 1/4
16.2.2. p(a0 ) = p(a1 ) = 1/3, p(a2 ) = p(a3 ) = 1/6

Ahora extendemos el conjunto de seales aadiendo las cuatro siguientes

s4 (t) = s0 (t) + s2 (t) s5 (t) = s0 (t) + s3 (t)

s6 (t) = s1 (t) + s2 (t) s7 (t) = s1 (t) + s3 (t)

16.3. Repita el Apartado a) con el conjunto completo de seales.

16.4. Calcule la cota de la unin de la probabilidad media de error de smbolo expre-
sada en funcin de Es /N0 en el supuesto de smbolos equiprobables.
16.5. El sistema de comunicaciones se va a emplear para una transmisin indefinida de
smbolos binarios. Disee el cdigo Gray para la constelacin de ocho smbolos
y calcule la BER del sistema expresada en funcin de Eb /N0 . Para el clculo
de la BER considere nicamente los errores que se producen entre smbolos
adyacentes.

P4.17 Considere la constelacin de smbolos de un sistema de comunicaciones digitales mos-

trada en la Figura 4.47. Los smbolos se consideran equiprobables.

17.1. Calcule la cota de la unin de la probabilidad media de error de smbolo expre-

sada en funcin de Es /N0 , y obtenga el valor de a que hace mnima esta cota.
17.2. El sistema de comunicaciones se va a emplear para una transmisin indefinida de
smbolos binarios. Disee el cdigo Gray para la constelacin y calcule la BER
del sistema expresada en funcin de Eb /N0 para el valor de a calculado en el
apartado anterior.

P4.18 Considere la constelacin de seales de un sistema de comunicaciones digitales mos-

trada en la Figura 4.48.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 4.A P ROCEDIMIENTO DE ORTOGONALIZACIN DE G RAM -S CHMIDT 237

a 2 1 0 1 2 a

Figura 4.47. Constelacin de smbolos del Problema P4.17.

18.1. Obtenga una base ortonormal para la constelacin de seales con el mnimo n-
mero de elementos.
18.2. Obtenga las coordenadas de cada una de las seales en la base del apartado an-
terior.
18.3. Empleando la cota de la unin, calcule la probabilidad media de error de smbolo,
Pe , en funcin de Es /N0 supuestos los smbolos equiprobables.
18.4. Para una transmisin indefinida de smbolos, disee un codificador de smbolos
y calcule la BER que se obtiene con dicho codificador en funcin de Eb /N0
supuestos los smbolos equiprobables.
18.5. Extendemos la constelacin de 4 seales a M seales haciendo que los smbolos
ocupen el intervalo 0 a M , y que la seal si (t) tome un valor igual a (M 1)/M
en el intervalo de i a (i + 1) y 1/M en el resto del intervalo de 0 a M . Calcule
la BER de este nuevo sistema en funcin de Eb /N0 cuando M tiende a infinito.

A PNDICES

4.A. P ROCEDIMIENTO DE ORTOGONALIZACIN DE G RAM -S CHMIDT

El conjunto de seales a la salida del modulador, {si (t), i = 0, . . . , M 1}, genera
un subespacio del espacio de Hilbert de seales de energa finita L2 que se defini en el
Apartado 2.1.4. Si pudisemos encontrar un conjunto de seales {j (t), j = 0, . . . , N 1}
(N M ) que formen una base ortonormal de este subespacio, podramos representar cada
una de las seales si (t) mediante sus coordenadas en esta base. Aunque a simple vista
pueda parecer que este cambio de representacin no supone un gran avance, hay que tener
en cuenta que lo que estamos haciendo es transformar toda una seal en tiempo continuo en

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
238 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

s0(t) s1(t)

0,75 0,75

0 1 2 3 4 0 1 2 3 4
t t
0,25 0,25

s2(t) s3(t)

0,75 0,75

0 1 2 3 4 0 1 2 3 4
t t
0,25 0,25

Figura 4.48. Constelacin de seales del Problema 18.

unos pocos nmeros. Como ejemplo, veamos con un poco de detalle cmo se simplifica el
clculo de la energa de una de las seales si (t).
Cualquier seal si (t) se puede expresar como combinacin lineal de los elementos de la
base4

N
X 1
si (t) = sij j (t) (4.107)
j=0

donde las coordenadas, sij , se obtienen como

Z
sij = hsi , j i = si (t)j (t)dt (4.108)

Adems, por tratarse de una base ortonormal, se cumple que

Z
hj , l i = j (t)l (t)dt = [j l] (4.109)

4
A lo largo de este apndice suponemos que todas las seales son reales.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.A P ROCEDIMIENTO DE ORTOGONALIZACIN DE G RAM -S CHMIDT 239

El producto escalar entre dos seales si (t) y sk (t) se calcula como

Z
hsi , sk i = si (t)sk (t) dt

!
Z NX 1 N
X 1
= sij j (t) skl l (t) dt
j=0 l=0
Z N
X 1 N
X 1
= sij skl j (t)l (t) dt
j=0 l=0

N
X 1 N
X 1 Z
= sij skl j (t)l (t) dt
j=0 l=0

que, aplicando la propiedad de ortonormalidad de la base (Ecuacin 4.109), se reduce a

N
X 1 N
X 1 N
X 1
hsi , sk i = sij skl [j l] = sij skj (4.110)
j=0 l=0 j=0

La energa de una de las seales si (t) se obtiene haciendo si (t) = sk (t) en la ecuacin
anterior, (4.110), obtenindose
N
X 1
E {si (t)} = hsi , si i = s2ij (4.111)
j=0

Analizando el resultado, comprobamos que hemos reducido un tedioso clculo de integrales

a una suma de cuadrados.
La solucin al problema de encontrar la base {j (t), j = 0, . . . , N 1} a partir del
conjunto de seales {si (t), i = 0, . . . , M 1} podemos hallarla en cualquier texto bsico
de lgebra, empleando mtodos como el denominado procedimiento de ortogonalizacin de
Gram-Schmidt. No debemos perder nunca de vista que la dimensin infinita de L2 no nos
impide razonar como en el resto de espacios vectoriales.
El procedimiento de ortogonalizacin de Gram-Schmidt queda definido en la siguiente
secuencia de pasos:

Paso 1. Si s0 (t) tiene energa cero (E {s0 (t)} = 0) reordenamos las seales para conseguir
que s0 (t) tenga energa no nula. El primer elemento de la base de seales, 0 (t), se escoge
como
s0 (t)
0 (t) = p (4.112)
E {s0 (t)}
De esta forma aseguramos que E {0 (t)} = 1 o, lo que es lo mismo, que tenemos el primer
p base ortonormal. Tenemosp
elemento de una adems la primera coordenada de s0 (t), s00 , que
toma el valor E {s0 (t)}, ya que s0 (t) = E {s0 (t)}0 (t).
Para una mejor comprensin del procedimiento, vamos a ir realizando todos estos pasos
en el siguiente ejemplo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
240 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

Ejemplo 4.7
Considere las cuatro seales {s0 (t), s1 (t), s2 (t), s3 (t)} que muestra la Figura 4.49, donde el
intervalo de smbolo, T , toma valor 4.
Calculamos la energa de s0 (t), que resulta

E {s0 (t)} = 1 + 1 + 1 + 1 = 4

y, con esto
s0 (t) s0 (t)
0 (t) = p =
E {s0 (t)} 2
siendo s00 = 2, tal y como muestra la Figura 4.50

s0(t) s1(t)
1 1

0 1 2 3 4 t 0 1 2 3 4 t

1 1

s2(t) s3(t)
1 1

0 1 2 3 4 t 0 1 2 3 4 t

1 1

Figura 4.49. Conjunto de seales si (t).

Paso 2. Ahora hay que comprobar si s1 (t) es linealmente dependiente de 0 (t), para lo
cual definimos una funcin auxiliar 1 (t) como

1 (t) = s1 (t) s10 0 (t) (4.113)

donde s10 , de acuerdo con (4.108), se calcula como

Z
s10 = hs1 , 0 i = s1 (t)0 (t)dt (4.114)

La funcin 1 (t) es ortogonal a 0 (t), como podemos comprobar fcilmente

h 1 , 0 i = hs1 , 0 i s10 h0 , 0 i = s10 s10 = 0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.A P ROCEDIMIENTO DE ORTOGONALIZACIN DE G RAM -S CHMIDT 241

s (t)
0
0(t)
1 1
0.5

0 1 2 3 4 t 0 1 2 3 4 t
0.5
1 1

s0

2 1 0 1 2 0

Figura 4.50. Primer paso del procedimiento de ortogonalizacin de Gram-Schmidt.

y es, por tanto, el vector que estbamos buscando como segundo elemento de la base (caso
de que no sea una seal nula). Lo nico que queda es asegurarnos de que su energa es igual
a 1, para lo que hacemos
1 (t)
1 (t) = p (4.115)
E {1 (t)}
Ejemplo 4.7 (Continuacin)
Calculamos s10
s10 = hs1 , 0 i = 0,5 + 0 + 0,5 + 0 = 1
y de ah obtenemos 1 (t), tal y como muestra la Figura 4.51. Calculamos la energa de 1 (t)
E {1 (t)} = 0,25 + 0,25 + 0,25 + 0,25 = 1
y, por tanto, 1 (t) = 1 (t). La segunda coordenada de s1 (t) es
s11 = hs1 , 1 i = 0,5 + 0 + 0,5 + 0 = 1
En la Figura 4.51 podemos ver ya representadas s0 (t) y s1 (t) en funcin de 0 (t) y 1 (t).

Paso 3. Con el resto de seales del conjunto {si (t), i = 0, . . . , M 1} procedemos igual
que con s2 (t) en el paso anterior
2 (t) = s2 (t) s20 0 (t) s21 1 (t)
2 (t)
2 (t) = p
E {2 (t)}
3 (t) = s3 (t) s30 0 (t) s31 1 (t) s32 2 (t)
3 (t)
3 (t) = p
E {3 (t)}

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
242 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

s1(t) 1(t) = s1(t)0(t)

1 1
0.5

0 1 2 3 4 t 0 1 2 3 4 t
0.5
1 1

1
2
s
1
1
s
0
0
2 1 0 1 2

Figura 4.51. Segundo paso del procedimiento de ortogonalizacin de Gram-Schmidt.

Y as sucesivamente. En general, el procedimiento podemos expresarlo como

i1
X
i (t) = si (t) sij j (t) (4.116)
j=0
i (t)
i (t) = p (4.117)
E {i (t)}
Hay que tener en cuenta que algunas de las seales i (t) pueden ser idnticamente nulas. En
ese caso no generan un nuevo elemento de la base del espacio vectorial.
Ejemplo 4.7 (Continuacin)
Calculamos s20 y s21
s20 = hs2 , 0 i = 0,5 + 0,5 0,5 + 0,5 = 0
s21 = hs2 , 1 i = 0,5 0,5 0,5 0,5 = 2

y de ah obtenemos 2 (t), que resulta ser idnticamente nula. No generamos, por tanto, 2 (t), y
las coordenadas de s2 (t) son 0 y -2. Procedemos de igual manera con s3 (t), calculando s30 y s31
s30 = hs3 , 0 i = 0 0,5 + 0 0,5 = 1
s31 = hs3 , 1 i = 0 + 0,5 + 0 + 0,5 = 1

y obtenemos 3 (t), que resulta ser tambin idnticamente nula. Como resultado final, tenemos la
base formada por 0 (t) y 1 (t) que se representan en las Figuras 4.50 y 4.51 y la constelacin
de seales que muestra la Figura 4.52

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 4.B E STADSTICO SUFICIENTE PARA LA DETECCIN 243

1
2

s3 s1
1

s0
0
2 1 0 1 2

2 s2

Figura 4.52. Constelacin de seales resultante del procedimiento de ortogonalizacin de

Gram-Schmidt.

Si ordenamos las seales si (t) de forma distinta, el procedimiento de ortogonalizacin

de Gram-Schmidt dar, en general, otra base distinta con coordenadas distintas para cada
una de las seales. Sin embargo, ambos resultados son equivalentes y podemos pasar de uno
a otro mediante un cambio de base.

Ejemplo 4.7 (Continuacin)

Si ordenamos las seales como {s2 (t), s0 (t), s1 (t), s3 (t)} y repetimos el procedimiento de orto-
gonalizacin, el resultado es el que muestra la Figura 4.53.
Observe como la nueva 0 (t) es la antigua 1 (t) cambiada de signo, y la nueva 1 (t) coincide
con la antigua 0 (t). De acuerdo con esto, girando /2 la constelacin de seales de la Figura
4.52, obtenemos la de la Figura 4.53.

4.B. E STADSTICO SUFICIENTE PARA LA DETECCIN

En el Apartado 4.3.1 hemos afirmado que la salida del correlacionador, el vector q, con-
tiene toda la informacin sobre la seal recibida r(t) que resulta relevante a la hora de tomar
la decisin sobre el smbolo que fue transmitido. Ntese la magnitud de tal aseveracin: de
los infinitos valores que definen a la seal r(t) (los valores de r(t) en cada instante de tiem-
po) obtenemos un conjunto de N valores (el vector q), despreciando los infinitos valores
restantes que nos haran falta para definir unvocamente la seal r(t).
En este apndice vamos a demostrar la veracidad de esta afirmacin, empleando para
ello el teorema de la irrelevancia basado, a su vez, en el concepto de estadstico suficiente.
Supongamos que a partir de la seal recibida r(t) obtenemos (mediante correlacionado-
res o mediante cualquier otro procedimiento) dos vectores q y q y que queremos construir
el receptor que, a partir de q y q , hace mnima la probabilidad de error de smbolo segn se
defini en (4.3); esto es, el receptor ptimo a partir de q y q . El teorema de la irrelevancia

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
244 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

(t) (t)
0 1
1 1
0.5 0.5

0 1 2 3 4 t 0 1 2 3 4 t
0.5 0.5
1 1

1
2 s0
s
1
1
s2

2 1 0 1 2 0

1
s
3
2

Figura 4.53. Resultado del procedimiento de ortogonalizacin de Gram-Schmidt cambian-

do el orden de la seales.

nos dice que para decidir qu smbolo ai fue transmitido podemos despreciar q si y slo si
se cumple que

fq |q,A (q |q, ai ) = fq |q (q |q) (4.118)

en cuyo caso decimos que el vector q es un estadstico suficiente para la deteccin. Esta
condicin viene a decir que si ya conocemos el valor de q, el conocimiento del valor de q
no aporta ninguna informacin nueva con respecto al smbolo que fue transmitido.

El siguiente paso en la resolucin de nuestro problema es suponer que el vector q es la

salida del correlacionador, y la clave de la demostracin est en la forma de seleccionar q
para garantizar que q es el estadstico suficiente no ya para la deteccin a partir de q y q ,
sino a partir de r(t).
Para ello reconstruimos, a partir de q, una seal r (t) de la forma

N
X 1
r (t) = qj j (t) (4.119)
j=0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
4.B E STADSTICO SUFICIENTE PARA LA DETECCIN 245

y, a partir de esta, definimos una seal n (t) como la diferencia entre la seal recibida y r (t)

n (t) = r(t) r (t)

N
X 1
= (s(t) + n(t)) qj j (t)
j=0
N
X 1 N
X 1
= Aj j (t) + n(t) (Aj + nj )j (t)
j=0 j=0
N
X 1
= n(t) nj j (t) (4.120)
j=0

Construimos el vector q a partir de N muestras de n (t) en instantes elegidos arbitra-

riamente

n (t0 )
n (t1 )

q = .. (4.121)
.
n (tN 1 )

Si logramos demostrar que q es irrelevante para la decisin sean cuales sean N y los
instantes {tl , l = 0, . . . , N 1} habremos demostrado que n (t) es irrelevante y que q es
un estadstico suficiente para la deteccin a partir de r(t).

Los componentes de q poseen estadstica gausiana por resultar de operaciones lineales

sobre un proceso estocstico gausiano, n(t), cuyos valores medios son

 N
X 1 N
X 1
E n (tl ) = E n(tl ) nj j (tl ) = E {n(tl )} E {nj } j (tl ) = 0 0 = 0

j=0 j=0
(4.122)
ya que n(tl ) y nj tienen media cero.

La covarianza entre un elemento de q , n (tl ) y un elemento de q, qk condicionado al

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
246 M ODULACIN Y DETECCIN EN CANALES GAUSIANOS

smbolo transmitido, A, resulta ser

 N
X 1
E n (tl )qk = E n(tl ) nj j (tl ) (Ak + nk )

j=0

= E {n(tl )Ak } + E {n(tl )nk }

NX 1 NX 1
E nj j (tl ) Ak E nj j (tl ) nk

j=0 j=0
 Z T 
= Ak E {n(tl )} + E n(tl ) n( )k ( ) d
0

NX1 N
X 1
Ak E {nj } j (tl ) E {nj nk } j (tl )
j=0 j=0
Z T N
X 1
N0
= 0+ E {n(tl )n( )} k ( ) d + 0 [j k]j (tl )
0 2
j=0
Z T
N0 N0
= (tl )k ( ) d k (tl )
0 2 2
N0 N0
= k (tl ) k (tl ) = 0 (4.123)
2 2
que resulta independiente del valor concreto de tl (ntese que j (t) es idnticamente nula
fuera del intervalo [0, T )).
Al poseer tanto q como q estadstica gausiana y resultar incorrelacionadas cualquier
componente de q con cualquier componente de q como acabamos de demostrar, ambos
vectores son estadsticamente independientes uno del otro y, en consecuencia, su funcin
de densidad de probabilidad conjunta condicionada al smbolo transmitido puede escribirse
como
fq,q |A (q, q |ai ) = fq|A (q|ai ) fq |A (q |ai ) (4.124)
Adems, como puede deducirse de la definicin de n (t), (4.120), q es independiente del
smbolo transmitido, por lo que se cumple que fq |A (q |ai ) = fq (q ), y (4.124) se reduce a

fq,q |A (q, q |ai ) = fq|A (q|ai ) fq (q ) (4.125)

A partir de este resultado resulta simple demostrar la irrelevancia de q sin ms que tener
en cuenta
fq,q |A (q, q |ai ) fq|A (q|ai ) fq (q )
fq |q,A (q |q, ai ) = = = fq (q ) = fq |q (q |q)
fq|A (q|ai ) fq|A (q|ai )
(4.126)

(la ltima igualdad se produce dada la independencia entre q y q ) con lo que queda de-
mostrado que q, tal y como se defini en (4.7) y (4.8), es un estadstico suficiente para la
deteccin.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 C APTULO 5
M ODULACIONES DE AMPLITUD

Tpicamente, las seales que se transmiten a travs de los canales fsicos se obtienen
a partir de seales de voltaje o corriente, por lo que un mecanismo natural para enviar in-
formacin consiste en alterar la amplitud de dichas seales de acuerdo con los smbolos a
transmitir. Este procedimiento, conocido como modulacin de amplitud , data de los tiempos
del telgrafo y sigue siendo empleado en muchos sistemas de comunicaciones actuales. Las
formas ms bsicas de modulacin de amplitud se corresponden con nuestros dos primeros
conjuntos de seales del Apartado 4.2: en el primer caso modificbamos la polaridad de los
pulsos transmitidos; en el segundo, una de las seales era un pulso y la otra idnticamente
nula, lo que es equivalente a multiplicar dicho pulso por cero.
Otra de las ideas clave presentadas en el captulo anterior es la de transmisin indefinida
de smbolos. La principal limitacin que introdujimos all fue la de que la duracin de los
pulsos empleados no excediese el intervalo de smbolo. No obstante, hay una buena razn
para pensar que esta es una restriccin poco deseable en muchas aplicaciones prcticas: los
pulsos de duracin finita ocupan un ancho de banda infinito, por lo que son poco recomen-
dables en aplicaciones en las que se desea alcanzar un elevado rgimen binario con un ancho
de banda limitado. En este captulo veremos cmo un diseo cuidadoso de los pulsos usa-
dos en transmisin y recepcin, y el empleo de modulaciones de amplitud, permite alcanzar
elevadas eficiencias.
Una extensin prctica imprescindible de las modulaciones en amplitud son las llamadas
modulaciones de amplitud en cuadratura, que permiten, sin prdida de eficiencia, transmitir
la seal en una banda de frecuencias dada, paliando as los problemas de ciertos canales
fsicos, que se comportan mal a frecuencias muy bajas, o permitiendo la comparticin del
espectro.

5.1. PAM EN BANDA BASE

En este apartado nos ocuparemos de uno de los formatos de modulacin ms sencillos
y sin embargo con mayor potencial, por cuanto, como veremos en el Captulo 9, es suscep-
tible de alcanzar la capacidad del canal gausiano establecida por Shannon. Los principios

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
248 M ODULACIONES DE AMPLITUD

bsicos que dan lugar a esta modulacin ya fueron formulados en el Apartado 4.5: se trata
de transmitir una seal de la forma
X
s(t) = A[n]g(t nT ) (5.1)
n

siendo A[n] una secuencia de smbolos reales y g(t) un pulso que recibe el nombre de pulso
conformador o, simplemente, filtro transmisor y que, sin prdida de generalidad, supondre-
mos normalizado en energa. Los smbolos A[n], equiespaciados sobre la recta real, perte-
necen a una constelacin unidimensional, de la que en la Figura 5.1 se muestran algunos
ejemplos. A menudo, la constelacin de la Figura 5.1(a) recibe el nombre de binaria antipo-
dal. Dado que la secuencia de informacin modula la amplitud de las versiones retardadas

0 A[n] 0 A[n]

(a) (b)
0
A[n]

(c)

Figura 5.1. Constelaciones 2-PAM, 4-PAM y 8-PAM.

de g(t), a menudo se usa el trmino modulacin de pulsos en amplitud (Pulse Amplitude

Modulation , PAM) o tambin modulacin por cambio de amplitud (Amplitude Shift Ke-
ying , ASK). La seal s(t) se dice que est en banda base, puesto que, como veremos en el
Apartado 5.4, se suele trasladar con posterioridad a otras bandas de frecuencia. En la Figura
5.2 se representa de forma esquemtica un modulador PAM en banda base.

Figura 5.2. Arquitectura de un modulador PAM en banda base.

Observando (5.1) el lector podr comprobar que coincide con (4.97) si identificamos
g(t) con 0 (t). Sin embargo, una diferencia importante con el desarrollo del Apartado 4.5
estriba en que entonces limitbamos la duracin de 0 (t) a un mximo de un periodo de
smbolo T , mientras que ahora consideraremos que g(t) puede tener cualquier duracin e
incluso ser no causal1 lo que, como veremos a lo largo del texto, dota de mucha mayor
flexibilidad y eficiencia a este formato de modulacin. En el siguiente ejemplo analizamos
cules son las consecuencias de utilizar pulsos de duracin mayor que T .
1
Como bien hemos visto en el Captulo 2, la no causalidad implica utilizar informacin futura no disponible
en el presente. No obstante, si la duracin de la parte anticausal del filtro es finita, este se puede convertir en
causal sin ms que introducir un retardo que luego debe tenerse en cuenta en recepcin.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.1 PAM EN BANDA BASE 249

Ejemplo 5.1
Supongamos que la secuencia de smbolos {A[n]} es tal que una porcin toma los siguientes
valores , 1, 1, 1, +1, +1, +1, 1, +1, 1, +1, 1, +1, 1, , por lo que tenemos una
modulacin 2-PAM (
2-ASK). Consideremos dos tipos de pulsos conformadores:
a) ga (t) = 1T Tt .


b) gb (t) = 1T sinc Tt
En la Figura 5.3 se muestran los fragmentos correspondientes a la seal transmitida s(t) para
ambos casos, que hemos etiquetado como sa (t) y sb (t) respectivamente (el lector debe tener
presente la existencia de smbolos anteriores y posteriores a los aqu indicados). La principal
diferencia entre los dos tipos de pulsos se ve reflejada en la mayor complicacin de la seal sb (t)
en comparacin con sa (t).

sa(t)

s (t)
b

6T 4T 2T 0 2T 4T 6T

Figura 5.3. Fragmento de la seal PAM banda base para un pulso conformador rectangular
(seal sa (t)) y tipo sinc (seal sb (t)).

En los dos casos la construccin de s(t) se realiza a partir de (5.1): para cada n, se multiplica la
n-sima muestra de la secuencia {A[n]} por la versin de g(t) desplazada nT segundos hacia la
derecha y se suman los resultados. Es importante observar que, mientras en el caso (a) no hay
solape entre las diferentes versiones desplazadas y, por tanto, la suma se reduce a situar cada una
en su lugar, en el caso (b) la suma final sobre n es crucial para obtener sb (t), que es la seal
que realmente se transmite. En nuestro caso, como gb (t) es una sinc, esta tendr duracin infinita
y, en consecuencia, es fcil ver que para obtener sb (t) en cualquier instante de tiempo debemos
sumar tantas versiones desplazadas como smbolos hay en la secuencia {A[n]}. Este problema
se resuelve en la prctica truncando la duracin de g(t) a unos cuantos periodos de smbolo; a
su vez, el problema derivado de la no causalidad de g(t) se solventa retrasando los pulsos g(t)
truncados de modo que resulten causales, lo que da lugar a un retardo equivalente en toda la
transmisin.
Para entender mejor la aplicacin de (5.1) en el caso (b), hemos truncado el pulso transmisor gb (t)
a 6 periodos de smbolo y representamos cada una de las versiones desplazadas y multiplicadas
por A[n] en la Figura 5.4, junto con la suma final. Por supuesto, si truncsemos gb (t) a un nmero
mayor de periodos de smbolo, tendramos que el resultado se parecera ms a la seal s(t) que se
obtendra con un gb (t) de duracin infinita (vase Figura 5.3); a cambio, tendramos que sumar
ms trminos para determinar la seal s(t) en un instante dado. A una solucin de compromiso

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
250 M ODULACIONES DE AMPLITUD

semejante se debe llegar para implementar fsicamente un transmisor de PAM si los pulsos son
de duracin ilimitada.
A[2]g(t+2T)

A[1]g(t+T)

A[0]g(t)

A[1]g(tT)

A[2]g(t2T)

A[3]g(t3T)

3
A[n]g(tnT)
n=2

4T 2T 0 2T 4T
Figura 5.4. Versiones desplazadas y escaladas de g(t) (lnea discontinua) y suma de dichas
versiones (lnea continua) indicando en trazo grueso el tramo correspondiente a t [0, T )
en el que la suma coincide con s(t).

5.1.1. Espectro de la seal PAM en banda base

Para determinar el espectro de la seal PAM en banda base, debemos tener presente
que la seal transmitida no es estacionaria, sino cicloestacionaria2 . Recordemos que, en este
caso, la densidad espectral de potencia se define como el promedio de la funcin de autoco-
rrelacin (teorema de Wiener-Khinchine, Ecuacin (3.275)); en este caso, dicho promedio se
efecta sobre un periodo de la autocorrelacin, esto es, T segundos. Este clculo se efecta
en el Captulo 3, Ecuacin (3.297), y resulta directamente en
1
Ss (j) = SA (ejT )|G(j)|2 (5.2)
T
donde SA (ej ) es la densidad espectral de potencia de la secuencia de smbolos A[n] y
G(j) es la Transformada de Fourier de g(t). La Ecuacin (5.2) muestra claramente la po-
sibilidad de conformar el espectro de la seal transmitida actuando sobre el filtro transmisor
2
Siempre y cuando la secuencia de smbolos {A[n]} sea estacionaria.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.1 PAM EN BANDA BASE 251

g(t), que por esta razn recibe el nombre de pulso conformador, o sobre la autocorrelacin
de la secuencia de smbolos A[n], introduciendo memoria, tal y como discutiremos en el
Captulo 10; vase asimismo el Problema P5.6.
Si la secuencia de smbolos transmitidos es blanca, entonces SA (ej ) = Es , donde
.
recordemos que Es denotaba la energa de smbolo media, esto es, Es = E{|A[n]|2 }. En
este caso, un vistazo a (5.2) nos permite comprender por qu el pulso transmisor tambin
recibe el nombre de conformador, puesto que da forma al espectro de la seal s(t).

Ejemplo 5.2
En la Figura 5.5 se representan los espectros de la seal transmitida del Ejemplo 5.1 en los casos
(a) y (b), con lneas continua y discontinua respectivamente. Es interesante observar cmo los
pulsos rectangulares empleados en el caso (a) conducen a un espectro tipo sinc al cuadrado, por
lo que el ancho de banda ocupado es tericamente infinito y en la prctica bastante grande, de
modo que su utilidad en sistemas con limitacin de ancho de banda es muy reducida. Este es el
precio que pagamos por la sencillez del esquema de transmisin.

Ss(j)

Es

5/T4/T3/T2/T /T 0 /T 2/T 3/T 4/T 5/T

Figura 5.5. Espectro de la seal s(t) para un pulso ga (t) rectangular (linea continua) y
para un pulso gb (t) tipo sinc (lnea discontinua).

Por otra parte, la complicacin del transmisor en el caso (b) se convierte en un espectro con
un ancho de banda mucho menor (y sin lbulos secundarios). Ms adelante veremos algunos
inconvenientes de este tipo de pulsos y algunas mejoras. Tambin es interesante razonar que, en
caso de que trunquemos el pulso g(t), el espectro de la seal transmitida se alejar de la respuesta
paso bajo ideal, tanto ms cuanto menor sea la duracin del pulso conformador.

A partir del espectro de potencia de s(t) es inmediato calcular la potencia transmitida P

como:
Z
1
P = Ss (j)d (5.3)
2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
252 M ODULACIONES DE AMPLITUD

que, utilizando (5.2) y particularizando para el caso de una secuencia blanca, se convierte
en
Z
Es
P = |G(j)|2 d (5.4)
2T

Obsrvese que, de acuerdo con el teorema de Rayleigh,

Z Z
1
|G(j)|2 d = |g(t)|2 dt = E{g(t)} (5.5)
2

donde E{g(t)} denota la energa del pulso conformador. Por tanto,

Es E{g(t)}
P = (5.6)
T
Para el caso de pulsos normalizados en energa, la ecuacin previa se simplifica en

Es
P = . (5.7)
T
Ejemplo 5.3
Para los pulsos del Ejemplo 5.1 es sencillo comprobar que E{g(t)} = 1, por lo que se puede
aplicar (5.7). Adems, como la constelacin empleada es {1, +1}, Es = 1, de modo que
P = 1/T .

Una medida de prestaciones que sirve para comparar las diferentes modulaciones (no
slo las de amplitud) es la llamada eficiencia espectral , que se define como el cociente entre
el rgimen binario y el ancho de banda en Hz, por lo que sus unidades son bits/seg/Hz.
Viendo que la PAM admite, en principio, infinitos niveles de amplitud y que el ancho de
banda, que esencialmente depende del pulso conformador, puede fijarse a cualquier valor
deseado, tal y como veremos ms adelante en este captulo, se deduce que la eficiencia
espectral de la PAM puede hacerse en principio tan grande como se desee. No obstante,
debe tenerse en cuenta que en un canal con ruido, el nmero de niveles distinguibles para
el receptor no es ilimitado (debido a la limitacin de potencia en el transmisor), lo que
impone una cota a la eficiencia espectral. Esta cota est directamente relacionada con el
lmite de Shannon de la capacidad del canal, que estudiaremos con detalle en el Captulo 9.

5.1.2. Transmisin de PAM en banda base sobre canales gausianos

En este apartado consideramos la transmisin de seales PAM en banda base sobre ca-
nales gausianos con el objeto de proponer una primera arquitectura para el receptor. Nuestra
intencin es tratar de aprovechar los desarrollos del Captulo 4 con los que obtuvimos una
estructura de receptor basada en filtros adaptados. Sin embargo, aqu chocamos con la limi-
tacin a priori de que la duracin de las funciones base (pulso conformador) es en general
infinita, a diferencia de lo que ocurra en el Captulo 4, donde consideramos duraciones
iguales o inferiores a un periodo de smbolo. A pesar de esta notable diferencia, podemos

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.1 PAM EN BANDA BASE 253

plantearnos bajo qu condiciones el demodulador basado en un banco de filtros adaptados

(Figura 4.41(b)), que hallamos entonces, sigue siendo vlido. En el caso de PAM en banda
base podemos identificar el pulso transmisor con una nica funcin base 0 (t) en (4.98),
ahora de duracin ilimitada, de modo que el diagrama de bloques del demodulador se redu-
cira al que presentamos en la Figura 5.6. El hecho de que aparezca un solo filtro adaptado
(y no un banco de filtros) es consecuencia de que con una funcin base es suficiente para
describir la seal PAM en banda base transmitida. Tambin es pertinente recordar que la
realizacin mediante el filtro adaptado admite una implementacin equivalente que emplea
correlacionadores y un integrador (vase Figura 4.41(a)).

Figura 5.6. Arquitectura del receptor basado en el filtro adaptado al transmisor para PAM
en banda base.

Vamos a analizar a continuacin qu ocurre cuando transmitimos la seal PAM en banda

base s(t), definida segn (5.1), a travs de un canal que introduce ruido que, como en el
Captulo 4, denotaremos por n(t), y en el receptor empleamos el esquema de la Figura 5.6.
En este caso, la seal a la entrada del receptor es simplemente r(t) = s(t) + n(t) y la seal
a la salida del filtro adaptado es q(t) = s(t) g(t) + n(t) g(t). Como en el Captulo 4,
supondremos que el ruido n(t) es blanco, independiente de la seal transmitida y sigue una
distribucin gausiana con densidad espectral de potencia N0 /2 W/Hz.

5.1.3. Canal discreto equivalente

En el Apartado 4.5 afrontbamos un problema en el que la recepcin de cada smbo-
lo era independiente de los dems; de forma anloga, podemos preguntarnos aqu por las
condiciones que hacen que cada elemento q[n0 ] de la secuencia q[n] sea estadsticamente
independiente del resto de los elementos de dicha secuencia. Con este fin, es conveniente
rescatar el concepto de canal discreto equivalente visto en el Apartado 4.3.3 y que, recorde-
mos, permite reducir el problema de la transmisin y recepcin a travs de un canal continuo
a un modelo ms sencillo en el que slo intervienen seales discretas. En primer lugar, ob-
servemos que la seal q(t) a la salida del filtro adaptado del receptor toma la forma
!
X
q(t) = A[n]g(t nT ) g(t) + n(t) g(t)
n
X
= A[n] (g(t nT ) g(t)) + n(t) g(t)
n
X
= A[n]p(t nT ) + z(t) (5.8)
n

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
254 M ODULACIONES DE AMPLITUD

donde p(t) es la respuesta combinada entre los pulsos transmisor y receptor

Z
p(t) = g(t) g(t) = g( ) g( t) d (5.9)

que coincide en este caso la funcin de ambigedad temporal (rg (t), Apartado 2.1.4) del
pulso transmisor g(t), y z(t) es el ruido a la salida del filtro adaptado.
Muestreando q(t) en los instantes t = nT obtenemos la secuencia q[n] (vase Figu-
ra 5.6) 
.  X
q[n] = q(t) = A[k]p((n k)T ) + z(nT ) (5.10)
t=nT k

lo que nos lleva a definir el comportamiento del canal discreto equivalente (Pgina 194)
como
X
q[n] = A[k]p[n k] + z[n] = A[n] p[n] + z[n] (5.11)
k
. .
siendo p[n] = p(nT ) y z[n] = z(nT ).
Expresado en palabras, (5.11) significa que la secuencia de observaciones a la salida del
muestreador del receptor puede verse como el resultado de haber pasado la secuencia de
smbolos transmitidos a travs de un sistema lineal e invariante de respuesta al impulso p[n],
al que se agrega una secuencia de ruido z[n], tal y como se representa en la Figura 5.7.

Figura 5.7. Canal discreto equivalente en banda base.

Puesto que la secuencia de ruido z[n] se obtiene tras pasar n(t) a travs de un filtro lineal
e invariante en el tiempo g(t) y muestrear el resultado, es inmediato comprobar que dicha
secuencia se corresponde con la realizacin de un proceso estacionario con distribucin
gausiana y media cero. La presencia del filtro receptor tendr el efecto de colorear el ruido
a su salida con la consecuencia de que, en general, el proceso z[n] no ser blanco. Ms
adelante, examinaremos esta cuestin; antes, reescribamos (5.11) como3
X
q[n] = A[n]p[0] + A[k]p[n k] + z[n] (5.12)
k
k6=n

3
A lo largo del presente captulo, supondremos, en aras de una mayor claridad, que |p[0]| > |p[n]|, para todo
n 6= 0. Esta suposicin se abandonar en el Captulo 6 lo que, veremos, puede comportar notables ventajas.
Vase tambin el Problema P5.5.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.1 PAM EN BANDA BASE 255

para comprobar que, en general, si pretendisemos usar un decisor smbolo a smbolo4 so-
bre la secuencia de observaciones q[n], los errores no slo vendran causados por el rui-
do, sino tambin por la interferencia provocada por los smbolos anteriores y posteriores
al
Pque intentamos decidir, representada por el segundo sumando de (5.12). Este trmino,
k6=n A[k]p[n k], se denomina interferencia intersimblica ISI (InterSymbol Interfe-
rence).
Tal y como manifestbamos al comienzo de este apartado, estamos interesados en de-
terminar qu condiciones deben verificarse para que las decisiones sobre cada muestra de
la secuencia q[n] se puedan tomar de forma independiente o, lo que es equivalente, para
que el esquema de la Figura 5.6 implemente el receptor ML (Apartado 4.4.1). En adelante
supondremos que la secuencia de smbolos A[n] tiene media nula5 ; de aqu se deduce que
asimismo q[n] tendr media nula (recordemos que el ruido tambin verifica esta propiedad).
Una condicin necesaria para que las muestras de la secuencia q[n] sean independientes, es
que estn incorrelacionadas. A continuacin, calcularemos la funcin de autocorrelacin de
q[n], Rq [n], y analizaremos cundo se anula para todos los instantes diferentes del origen,
esto es,

Rq [n] = E{q[k + n]q[k]} = K[n] (5.13)

para algn nmero real K distinto de 0. En nuestro caso es conveniente emplear la expresin
(5.11) para calcular la autocorrelacin
( ! !)
X X
Rq [n] = E A[l]p[n + k l] + z[n + k] A[m]p[k m] + z[k]
l m
XX
= E{A[l]A[m]}p[n + k l]p[k m] + E{z[n + k]z[k]} (5.14)
l m

donde hemos utilizado el hecho de que los smbolos transmitidos son independientes del
ruido y que este es de media nula. Cuando la secuencia de smbolos transmitidos es blanca,
esto es, E{A[l]A[m]} = Es [m l], podemos simplificar ms la expresin (5.14) para
escribir
X
Rq [n] = Es p[n + k l]p[k l] + Rz [n]
l
X
= Es p[n + l]p[l] + Rz [n]
l
= Es (p[n] p[n]) + Rz [n] (5.15)

donde Rz [n] es la funcin de autocorrelacin de z[n]. Como vemos, para que q[n] fuese
blanca, sera suficiente con que z[n] tambin lo fuese y que p[n] p[n] se anulase para
4
Un decisor smbolo a smbolo toma la decisin sobre el smbolo transmitido en un instante n0 a partir de
slo una observacin q[n1 ], donde, en general, n1 n0 .
5
En el Apartado 4.4.3 vimos que esta era una condicin de diseo para que una constelacin fuese eficiente
en potencia.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
256 M ODULACIONES DE AMPLITUD

todo n 6= 06 . Obsrvese que esto se cumple si simultneamente:

p[n] = K1 [n]; Rz [n] = K2 [n] (5.16)

para nmeros reales K1 6= 0 y K2 > 0.

Dado que el ruido sigue una distribucin conjuntamente gausiana, lo mismo ocurrir
con las muestras de q[n]. Por tanto, si las condiciones (5.16) se satisfacen, las muestras de
q[n], estando incorrelacionadas, tambin sern estadsticamente independientes.
Examinemos el significado de las condiciones (5.16):

1. p[n] = K1 [n]. El lector puede comprobar que esta condicin conduce a forzar a
que la interferencia intersimblica (ISI) definida ms arriba sea nula. Planteada sobre
el pulso equivalente en tiempo continuo p(t), la condicin de ISI nula es p(nT ) =
K1 [n] o, dicho de otra forma, el muestreo a periodo de smbolo del pulso (g(t)
g(t)) es cero excepto en el origen. En el apartado siguiente trataremos con ms
profundidad esta condicin.

2. Rz [n] = K2 [n]. Esta condicin equivale a decir que el ruido z[n] debe ser blanco,
o que las muestras de la secuencia de ruido (gausiano) son estadsticamente indepen-
dientes entre s. Tambin posponemos un anlisis ms detallado de esta condicin
para el Apartado 5.2.2.

Intuitivamente, la primera de las dos condiciones garantiza que en el instante n0 -simo

en la secuencia q[n0 ] slo se tendr influencia del smbolo A[n0 ]; la segunda condicin
implica que no hay informacin acerca de la n0 -sima muestra de ruido en las muestras
restantes. Todo ello hace que en q[n0 ] est contenida toda la informacin disponible para
tomar la decisin sobre el n0 -simo smbolo transmitido. De hecho, es posible demostrar
que q[n0 ] es un estadstico suficiente para el problema de decisin en el instante n0 -simo,
en el sentido de que disponer de aparentemente ms informacin (por ejemplo, tomando
ms muestras por periodo de smbolo) no reduce la probabilidad de error7 .
Veamos cmo debe ser el decisor de la Figura 5.6 para el caso en que se cumplen las
condiciones (5.16). El decisor ptimo cuando la interferencia intersimblica no es nula se
estudia en el Captulo 6. Si la secuencia recibida es de la forma q[n] = K1 A[n] + z[n], con
z[n] muestras de ruido gausiano blanco con varianza K2 , y si el smbolo transmitido en el
instante n0 es a0 [n0 ], podremos escribir la fdp de q[n0 ] como
 
1 |q[n0 ] K1 a0 [n0 ]|2
fq|A (q[n0 ]|a0 [n0 ]) = exp (5.17)
2K2 2K2
6
Esta ltima condicin equivale en frecuencia a que |P (ej )|2 sea constante, lo que slo ocurre si p[n] es
un sistema paso todo. Si se impone la condicin de que p[n] sea de duracin finita, el nico sistema paso todo
es p[n] = K1 [n], con K1 un nmero real no nulo.
7
Sin embargo, cuando se tienen en cuenta otros efectos, como errores de sincronismo o portadora, muestrear
con una tasa superior a la de smbolo suele ser muy ventajoso, tal y como se pondr de manifiesto en el Cap-
tulo 11. El sobremuestreo tambin puede ser til de cara a la reduccin de la complejidad del receptor, vase
Problema P5.8.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 5.2 E L CRITERIO DE N YQUIST 257

por lo que el decisor de mxima verosimilitud elegir aquel A[n0 ] tal que la distancia cua-
drtica |q[n0 ] K1 A[n0 ]|2 o, equivalentemente, |q[n0 ]/K1 A[n0 ]|2 , sea mnima. Como
los smbolos de la constelacin se sitan sobre la recta real, Figura 5.1, dicha regla es equi-
valente a situar los umbrales de decisin justo en medio de cada par de smbolos adyacentes.
Obsrvese que la implementacin del decisor implica conocer K1 , esto es, la respuesta del
canal discreto equivalente en el origen, p[0] = K1 . En la prctica, p[0] se puede estimar
transmitiendo smbolos conocidos por el receptor, o midiendo la potencia de la seal reci-
bida, que es proporcional a p2 [0]. La nica excepcin en que no es necesario averiguar K1 ,
sino slo su signo, es la constelacin binaria antipodal, para la que el umbral se sita en el
cero.

5.2. E L CRITERIO DE N YQUIST

En el apartado precedente hemos comprobado que la ausencia de interferencia entre
smbolos garantiza que en un canal gausiano las muestras recibidas a la salida del canal
discreto equivalente toman la forma q[n] = p[0]A[n] + z[n], de modo que, dejando de lado
el escalado por p[0] (que se puede compensar de diferentes maneras en el receptor), la nica
fuente de error presente vendr dada por el ruido z[n]. Adems, hemos concluido que una
ISI nula, junto con el carcter blanco de z[n], constituyen una condicin que, de satisfacerse,
asegura que la toma de decisiones smbolo a smbolo es ptima desde el punto de vista de
minimizar la probabilidad de error.
De acuerdo con lo anterior, parece razonable plantearse el diseo de p(t) o, equivalen-
temente, g(t), para que no exista interferencia entre smbolos. Este criterio de diseo se
conoce como criterio de Nyquist para la ausencia de ISI que, olvidndose por completo de
la componente de ruido z[n], impone la condicin de que la ISI sea nula. Tambin se conoce
con el nombre de forzador de ceros (Captulo 6), y no hay que confundirlo con el criterio de
Nyquist para el muestreo de se nales en tiempo continuo visto en el Apartado 2.48 .
Como hemos visto, para que no exista ISI, la respuesta al impulso del canal discreto
equivalente, p[n], debe ser la funcin delta, [n], cosa que se cumple siempre que
(
1 n=0
p[n] = p(nT ) = (5.18)
6 0
0 n=

Obsrvese que en (5.18) estamos adems imponiendo que p[0] = 1. Aunque en sentido
estricto esto ltimo no es necesario para la ausencia de ISI, su cumplimiento hace que, si
no existe ruido, las observaciones q[n] coincidan exactamente con los smbolos enviados
A[n], como discutimos con anterioridad. En cualquier caso, aqu no profundizaremos en los
mtodos que permiten al receptor conocer o estimar el valor del factor p[0].

8
Harry Nyquist, uno de los pioneros de la Ingeniera de Telecomunicacin, public en 1928 ambos resultados
en el contexto de la transmisin de seales telegrficas (digitales, al fin y al cabo). El teorema del muestreo fue
presentado de una forma ms rigurosa y precisa por Shannon en su famoso artculo de 1948 (20 aos ms
tarde!)[53].

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
258 M ODULACIONES DE AMPLITUD

Para llegar a una expresin alternativa es interesante trabajar con la seal en tiempo
continuo que se obtiene al muestrear p(t) a periodo de smbolo T . Fijmonos en que esta
seal no es ms que un tren de impulsos, por lo que (5.18) es equivalente a

X
p(nT )(t nT ) = (t) (5.19)
n=

que, a su vez, puede reescribirse como

X
p(t) (t nT ) = (t) (5.20)
n=

Esta ecuacin se puede reformular en el dominio de la frecuencia sin ms que tener en

cuenta que el producto de p(t) por un tren de impulsos se transforma en una convolucin de
su respuesta en frecuencia, P (j), con la Transformada de Fourier de un tren de impulsos,
que a su vez es otro tren de impulsos. La transformada de la (t) situada a la derecha del
signo de igualdad es, simplemente, 1. Por tanto, (5.20) es equivalente a
 
1 2 X 2k
P (j) =1 (5.21)
2 T T
k=

e, intercambiando la suma y la convolucin en (5.21), y simplificando trminos, tenemos

 
1 X 2k
P j j =1 (5.22)
T T
k=

que es la expresin del criterio de Nyquist en el dominio de la frecuencia.

El criterio de Nyquist encuentra su aplicacin ms inmediata para un tipo particular de
pulsos: los limitados en banda (vanse Ejemplos 5.1 y 5.2). En este caso, la funcin de trans-
ferencia de la respuesta combinada transmisor-canal-receptor, P (j), se anula para todo
tal que || > W . Si estamos en una situacin en la que W < /T , es imposible que se
cumpla (5.22), porque al superponer las versiones desplazadas en frecuencia de P (j) tal
y como nos obliga el criterio de Nyquist en frecuencia, obtenemos un espectro como el que
muestra la Figura 5.8. De ello podemos deducir que si el ancho de banda del canal est
limitado a W rad/seg, entonces existe una velocidad mxima a la que se puede transmitir
por dicho canal sin que exista a ISI; dicha velocidad, en baudios (esto es, smbolos/seg), es
1/T = W/. Esta es la razn por la que decamos en la Pgina 231 que ante dos conste-
laciones con distinto nmero de smbolos no siempre cabe elegir la de menor nmero de
puntos, aunque su curva de BER sea mejor, tal y como se muestra en el siguiente ejemplo.
Ejemplo 5.4
Pretendemos establecer una comunicacin a un rgimen binario de 9,600 bits por segundo por
un canal paso bajo con frecuencia de corte 2 1,200 radianes por segundo.
La tasa mxima de utilizacin del canal sin que exista ISI es 21,200
= 2,400 baudios. Para
9,600
conseguir la velocidad binaria deseada el codificador debe de asignar 2,400 = 4 dgitos binarios
por cada smbolo de la constelacin, por lo que el tama no mnimo de la constelacin es de
24 = 16 smbolos.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.2 E L CRITERIO DE N YQUIST 259

1/T P(jj2k/T)
k=

2/T /T 0 W /T 2/T

1
P
Figura 5.8. Claramente T k= P (j j 2k
T ) 6= 1 en el caso en que W < /T .

5.2.1. Pulsos en coseno alzado

Si utilizamos el canal paso bajo a su frecuencia mxima, W/ baudios, para que no
exista ISI debemos garantizar que se cumpla
(
  T || < W
P (j) = T = (5.23)
2W 0 || > W
y, en este caso,  
t sen (t/T )
p(t) = sinc = (5.24)
T t/T
El lector puede comprobar como ejercicio el cumplimiento del criterio de Nyquist en el
dominio del tiempo (5.18) sin ms que calcular p(nT ) en (5.24), observando que la respuesta
al impulso de p(t) cruza por cero en los instantes mltiplos del periodo de smbolo, excepto
en el origen, donde vale 1.
Si utilizamos el canal paso bajo por debajo de su frecuencia mxima, W/ baudios,
tenemos ms libertad para escoger la forma de onda p(t). Una de estas formas de onda
que cumplen el criterio de Nyquist de interferencia entre smbolos son los pulsos en coseno
alzado , definidos como
  
sen (t/T ) cos (t/T )
p(t) = (5.25)
t/T 1 (2t/T )2
cuya Transformada de Fourier es


T 0 || (1 )/T

T   
T  
P (j) = 1 sen || (1 )/T || (1 + )/T (5.26)

2 2 T

0 || > (1 + )/T

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
260 M ODULACIONES DE AMPLITUD

El factor puede tomar valores entre 0 y 1 y se denomina factor de cada o roll-off. Para
= 0, el pulso en coseno alzado se transforma en (5.24). A medida que aumentamos ,
la amplitud de las colas del pulso en el dominio temporal se hace ms peque na conforme
nos alejamos del origen de tiempos, tal y como puede verse en la Figura 5.9, y el ancho
de banda crece, segn puede comprobarse en la Figura 5.10. De hecho, el ancho de banda

p(t) =1
1 =0.75
=0.5
=0

t
2T T 0 T 2T

Figura 5.9. Pulso en coseno alzado para distintos valores de .

P(j) =1
=0.75
=0.5
=0

/T 0 /T

Figura 5.10. Transformada de Fourier del pulso en coseno alzado para distintos valores de .

ocupado por los pulsos es (1 + )/T rad/seg (vase (5.26)), por lo que el ancho de banda
se incrementa en /T con respecto al mnimo necesario para que no exista ISI (esto es,
/T ). Dicho de otro modo, el ancho de banda aumenta en un factor de con respecto al

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.2 E L CRITERIO DE N YQUIST 261

mnimo dictado por el criterio de Nyquist. Por esta razn, el factor expresado en tanto por
ciento se denomina exceso de ancho de banda. Por ejemplo, para = 0,25, el exceso de
ancho de banda es de un 25 %. En el Apartado 5.3.1 descubriremos algunas de las razones
que aconsejan un aumento del ancho de banda.
Hasta ahora hemos visto que las condiciones impuestas por el criterio de Nyquist afectan
al pulso p(t) que combina la respuesta de los filtros transmisor y receptor, esto es, p(t) =
g(t) g(t). En realidad, nuestro inters est en conocer qu filtro deberamos usar en
transmisin para que se cumpla el criterio de Nyquist. Pero esto resulta sumamente sencillo
si recurrimos al dominio de la frecuencia, ya que P (j) = G(j) G (j) = |G(j)|2 .
Por tanto, el procedimiento para obtener g(t) sera el siguiente: 1) disear un pulso p(t) que
cumpla el criterio de Nyquist para periodo T y calcular
p su respuesta en frecuencia P (j),
y 2) hallar su raz cuadrada para tener G(j) = P (j). La respuesta al impulso deseada
sera simplemente la Transformada de Fourier inversa de G(j). Obsrvese que para que
g(t) tenga una respuesta real, cosa absolutamente imprescindible en PAM en banda base,
G(j) debe ser hermtica.
En el caso de pulsos en coseno alzado, el clculo de la raz cuadrada en frecuencia se
ve simplificado por el hecho de que P (j) es una funcin real no negativa. Procediendo
como hemos indicado en el prrafo anterior obtenemos la respuesta al impulso del pulso
transmisor g(t)
 
t
  sen (1 )
t T
cos (1 + ) +T
4 T 4t
g(t) =  2 (5.27)
T 4t
1
T
que es una funcin real y par por ser G(j) real y par. Teniendo en cuenta la forma en que ha
sido generado, el pulso g(t) definido en (5.27) recibe el nombre de pulso en raz de coseno
alzado . Finalmente, puede comprobarse que este pulso no cumple el criterio de Nyquist; la
demostracin se deja como ejercicio.

5.2.2. Otras consecuencias del criterio de Nyquist

Las importantes implicaciones del criterio de Nyquist no se reducen a la eliminacin de
la ISI: a continuacin vamos a ver que tambin est relacionado con las propiedades de la
autocorrelacin del ruido a la entrada del decisor, z[n]. Para ello, calculemos la densidad
espectral de potencia de dicho ruido, Sz (ej ), en el caso particular en que el receptor es el
filtro adaptado al transmisor, esto es, g(t). Primero, determinaremos la densidad espectral
de potencia del ruido z(t) a la salida del filtro adaptado g(t), que denotamos por Sz (j):
N0 N0
Sz (j) = |G (j)|2 = |G(j)|2 (5.28)
2 2
de donde es inmediato comprobar que aunque n(t) es blanco, el ruido z(t) aparece coloreado
por el filtro adaptado del receptor.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
262 M ODULACIONES DE AMPLITUD

Empleando ahora la expresin que relaciona el espectro de potencia de un proceso con-

tinuo con el de sus muestras (Ecuacin (3.298)), tenemos
  
j N0 X  2k 2
Sz (e ) =
2T G j T j T  (5.29)
k
 
N0 X 2k
= P j j (5.30)
2T T T
k

Aunque pueda resultar un tanto sorprendente a primera vista, el ruido a la entrada del
decisor smbolo a smbolo puede ser blanco (aun cuando a la entrada del muestreador no lo
es): basta con comprobar en (5.30) que su espectro de potencia ser constante si y slo si se
cumple
 
1X 2k
P j j = constante (5.31)
T T T
k

que, salvo por una constante, es equivalente a (5.22), ya que el hecho de escalar el eje de
frecuencias no afecta a la condicin. Consecuentemente, la satisfaccin del criterio de Ny-
quist, aplicado en esta ocasin al cuadrado (en frecuencia) de la respuesta del filtro receptor,
garantiza que el ruido z[n] es blanco.
Resumiendo, si el filtro receptor est adaptado al pulso empleado en transmisin y el
pulso p(t) = g(t) g(t) satisface el criterio de Nyquist para periodo de smbolo T , pode-
mos afirmar que dicho filtro, seguido de un muestreador con periodo T y un decisor smbolo
a smbolo es ptimo desde el punto de vista de la minimizacin de la probabilidad de error.
Una de las propiedades interesantes del filtro adaptado es la de maximizar la relacin
seal a ruido a su salida. En el caso que acabamos de discutir, a la salida del muestreador
a periodo de smbolo, la seal recibida es simplemente q[n] = A[n] + z[n], de modo que
dicha relacin toma la forma
 
S E{A2 [k]} Es
= 2
= 2 (5.32)
N q z z

siendo z2 la varianza del ruido z[n], que se puede calcular integrando su densidad espectral
de potencia como
Z
1
z2 = Sz (ej )d (5.33)
2

que, para nuestro caso particular en que se cumple (5.31), se traduce en

N0
z2 = (5.34)
2

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 5.3 T RANSMISIN DE PAM SOBRE CANALES LINEALES 263

5.2.3. Probabilidades de error

El clculo de las probabilidades de error de smbolo y de bit para el caso de ruido blanco
con densidad espectral de potencia N0 /2 W/Hz es sencillo a partir de los resultados del
Apartado 4.4.2 y del concepto de canal discreto equivalente. Por ejemplo, para el caso 2-
PAM, podemos aplicar directamente dichos resultados sin ms que tener en cuenta que si
transmitimos
un smbolo de amplitud Es , la fdp de la seal recibida ser gausiana de
2
media Es y varianza z = N0 /2, por lo que la probabilidad de error de smbolo en (4.93)
es r !
2Es
Pe = Q (5.35)
N0
que coincide con la BER. Para el caso cuaternario (4-PAM) con codificacin Gray (Figura
4.43) podemos utilizar (4.102), adaptada a este caso, de modo que resulta posible escribir
r ! r ! r !
3 2Es 1 18Es 1 10Es
BER = Q + Q Q (5.36)
4 5N0 2 5N0 4 N0

Esta expresin puede ponerse en funcin de la energa por bit, sin ms que tener en cuenta
que para este caso Eb = Es /2.
Para constelaciones con un nmero mayor de smbolos suele recurrirse a cotas como la
de la unin (4.88) o aproximaciones basadas en el nmero de vecinos ms prximos, como
(4.91), despreciando los efectos de bordes, esto es, el hecho de que excepto para los dos
smbolos extremos, = 2.

5.3. T RANSMISIN DE PAM SOBRE CANALES LINEALES

Aunque la adicin de ruido gausiano sigue siendo el mayor obstculo para el estable-
cimiento de una comunicacin fiable, el canal aditivo gausiano es un modelo demasiado
simplista como para tener verdadera utilidad prctica. Decamos en el Captulo 4 que el
canal representa el medio fsico de transmisin y que, frecuentemente, este canal se puede
modelar mediante un sistema invariante en el tiempo que introduce distorsiones lineales.
Adems, el ruido aditivo gausiano seguir estando presente, obteniendo un modelo como el
que se muestra en la Figura 5.11. En lo sucesivo, nos referiremos a este tipo de canal como
canal lineal gausiano, sobreentendindose la invarianza temporal y el carcter aditivo del
ruido.
En este caso, podemos escribir la se nal a la entrada al receptor como

r(t) = s(t) h(t) + n(t) (5.37)

donde s(t) es la seal transmitida segn (5.1), h(t) es la respuesta al impulso del canal y
n(t), como en el apartado anterior, es ruido blanco y gausiano con densidad espectral de
potencia N0 /2. Si h(t) = (t) tenemos el canal aditivo gausiano considerado en el apartado
anterior y que a partir de aqu denominaremos simplemente canal gausiano.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
264 M ODULACIONES DE AMPLITUD

s(t) h(t) r(t)

H(jw)
n(t)

Figura 5.11. Canal lineal gausiano.

Para determinar el efecto que supone la introduccin de distorsiones lineales en el canal

podemos plantearnos qu ocurrira si continusemos empleando el mismo demodulador que
en el apartado anterior, reflejado en la Figura 5.6. En primer lugar, dado que el ruido slo se
ve afectado por el filtro receptor, si la respuesta en magnitud al cuadrado de este satisficiese
el criterio de Nyquist, seguiramos teniendo ruido blanco a la salida del muestreador del re-
ceptor (vase Apartado 5.2.2). Sin embargo, como razonaremos a continuacin, en general,
va a existir interferencia entre smbolos. Ahora podemos seguir reduciendo nuestro modelo
de comunicaciones al canal discreto equivalente de la Figura 5.7, donde

. 
p[n] = p(nT ) = (g(t) h(t) g(t))  (5.38)
t=nT

Sustituyendo esta nueva definicin de p[n] en (5.12) obtenemos una expresin de la secuen-
cia recibida en trminos de la ISI y el ruido discreto. Tal y como hemos discutido en el
apartado precedente, la condicin para que no exista ISI es (5.18), que encuentra su equiva-
lente en el dominio de la frecuencia en (5.22). Por consiguiente, para que ahora no existiese
ISI, la respuesta combinada P (j) = G(j)H(j)G (j) del pulso transmisor, el canal
y el filtro receptor debera cumplir (5.22). Esto implica que no es suficiente con que la res-
puesta combinada transmisor-receptor que, recordemos, es |G(j)|2 , verifique la condicin
de Nyquist, sino que debemos prestar atencin adems a la respuesta del canal.

Ejemplo 5.5
Consideremos un canal con la forma h(t) = (t) + (t 1 ). Aunque muy sencillo, este canal
modela el efecto conocido como propagacin multitrayecto, en el que la seal transmitida que
alcanza el receptor llega por varios caminos diferentes, que experimentan atenuaciones y retar-
dos distintos. En la forma dada, la seal que llega a travs del llamado camino directo no sufre
atenuacin ni retardo algunos y es modelada con (t); la que se propaga a travs del camino
secundario se ve escalada en amplitud por un factor real y experimenta un retardo 1 que, por
simplicidad, supondremos en primer lugar que es exactamente de un periodo de smbolo, esto es,
1 = T . En realidad, como la propagacin de seales nunca es instantnea, el propio trayecto di-
recto tambin suele estar afectado por un retardo de propagacin, adems de verse atenuado. Sin
embargo, como estos efectos sobre la componente directa suelen ser corregidos en el receptor,
podemos considerar y 1 como respectivamente la ganancia y el retardo relativos a dicha com-
ponente. Conviene sealar que el considerado aqu es el ms sencillo de los posibles canales con
propagacin multitrayecto, ya que, en general, existirn otros caminos de propagacin adems
del directo y el secundario.
La respuesta en frecuencia del canal es H(j) = 1 + ej1 = 1 + ejT . El pulso confor-
mador y el filtro empleado en recepcin son sendos pulsos en raz de coseno alzado, con factor

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.3 T RANSMISIN DE PAM SOBRE CANALES LINEALES 265

de cada = 0,35. La respuesta al impulso combinada de transmisor, canal y receptor es

p(t) = rg (t) + rg (t T ) (5.39)

donde rg (t) = g(t) g(t) es la funcin de ambigedad de un pulso en raz de coseno alzado,
por lo que dicha funcin en este caso es justamente un pulso en coseno alzado. Para determinar
el canal discreto equivalente debemos muestrear p(t):

p[n] = rg (nT ) + rg (nT T ) = [n] + [n 1] (5.40)

donde rg (nT ) = [n] y rg (nT T ) = [n 1] se concluyen del hecho de que rg (t) cumple
el criterio de Nyquist. Por lo que respecta al ruido z[n], tal como hemos venido discutiendo, este
ser blanco con densidad espectral de potencia N0 /2.
A la vista de (5.40), podemos escribir que la secuencia a la entrada del decisor ser de la forma
q[n] = A[n] + A[n 1] + z[n]. As, vemos que tenemos ISI debida nicamente al smbolo an-
terior al deseado y que el nivel de dicha ISI viene determinado por la ganancia de la componente
secundaria, relativa a la directa.
Es interesante examinar qu ocurre en el dominio de la frecuencia, calculando primero P (j) y
despus verificando si se cumple el criterio de Nyquist. En la Figura 5.12, se representa en lnea
discontinua la respuesta en frecuencia de un pulso en coseno alzado con = 0,35, correspon-
diente a Rg (j). En lnea continua se dibuja P (j) cuando = 0,5. Obsrvese cmo el canal
distorsiona la respuesta en frecuencia ideal del pulso en coseno alzado.

|P(j)|

2/T /T 0 /T 2/T
Figura 5.12. Espectro de un pulso en coseno alzado (linea discontinua) y espectro de
P (j) (linea continua) que incluye la distorsin del canal, para el canal del Ejemplo 5.5.

La consecuencia de esta distorsin se observa en la Figura 5.13, donde se implementa grfica-

mente la combinacin
 
1 X 2k
P j j (5.41)
T T
k=

que, recordemos, debera ser igual a 1 para que se cumpliese el criterio de Nyquist, cosa que no
ocurre. Esta es una forma alternativa de percibir la existencia de ISI.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
266 M ODULACIONES DE AMPLITUD

|1/T P(jj2k/T)|
k=

3/T 2/T /T 0 /T 2/T 3/T

Figura 5.13. Suma de espectros de P (j) desplazados, tal como requiere el criterio de
Nyquist en frecuencia, para el canal del Ejemplo 5.5.

Por desgracia, las cosas se complican en cuanto surgen situaciones menos acadmicas
que en el ejemplo que acabamos de poner. En cuanto los retardos no son mltiplo del periodo
de smbolo, el nivel de interferencia entre smbolos puede incrementarse notablemente, tal
y como veremos en el ejemplo siguiente.

Ejemplo 5.6
Consideremos el mismo canal del Ejemplo 5.5 en el que ahora 1 = T /2, es decir, el retardo de la
componente secundaria relativa a la directa es medio periodo de smbolo. Aunque aparentemente
las cosas no han cambiado mucho, ahora tenemos que rg (nT T /2) no se puede escribir como
una combinacin finita de impulsos discretos. Esto se debe a que rg ((n 1/2)T ) no es nula para
ningn valor de n, ya que se corresponde con el muestreo a periodo de smbolo de un coseno
alzado desplazado T /2 a la derecha. As que, ahora,

p[n] = [n] + rg (nT T /2) (5.42)

por lo que
X
q[n] = A[n](1 + rg (T /2)) + A[k]rg (nT T /2 kT ) + z[n] (5.43)
k
k6=n

de forma que ahora tenemos ISI debida a todos los smbolos transmitidos, anteriores y posterio-
res.
En las Figuras 5.14 y 5.15 se repiten las representaciones del Ejemplo 5.5, para el canal analizado.

Si nuestra intencin es eliminar completamente la ISI (recordemos que esto era parte de
la condicin suficiente (5.16) para que el decisor smbolo a smbolo fuese ptimo), entonces
podemos proceder del siguiente modo: 1) diseamos un pulso p(t) que cumpla la condicin

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.3 T RANSMISIN DE PAM SOBRE CANALES LINEALES 267

|P(j)|

2/T /T 0 /T 2/T
Figura 5.14. Espectro de un pulso en coseno alzado (linea discontinua) y espectro de
P (j) (linea continua) que incluye la distorsin del canal, para el canal del Ejemplo 5.6.

|1/T P(jj2k/T)|
k=

3/T 2/T /T 0 /T 2/T 3/T

Figura 5.15. Suma de espectros de P (j) desplazados, tal como requiere el criterio de
Nyquist en frecuencia, para el canal del Ejemplo 5.6.

de Nyquist para periodo T , y 2) calculamos

 
P (j) 1/2
H(j) , si H(j) 6= 0
G(j) = (5.44)
0, en otro caso

con objeto de que el filtro receptor est adaptado al usado en transmisin. Obsrvese que
H(j) no ser necesariamente real, por lo que la raz cuadrada en (5.44) debe ser una fun-
cin de variable compleja. Por construccin, el pulso g(t) diseado segn (5.44) garantiza
la ausencia de ISI en la seal recibida q[n]. Sin embargo, esta solucin no est libre de pro-
blemas: en primer lugar, para aplicarla es necesario conocer la respuesta del canal H(j),

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
268 M ODULACIONES DE AMPLITUD

lo que casi nunca es fcil; y, en segundo lugar, el ruido z[n] antes del decisor en general ya
no ser blanco. En efecto, sustituyendo (5.44) en (5.29) tendremos


j N0 X P j T j 2k T
Sz (e ) =
(5.45)
2T |H j T j 2k
k T |

de modo que, aunque P (j) cumpla la condicin de Nyquist, salvo que H(j) adopte una
forma trivialmente especial (que el lector puede hallar como ejercicio), Sz (ej ) ya no ser
plano. Este hecho se ilustra en el siguiente ejemplo

Ejemplo 5.7
Considrese el canal con propagacin multitrayecto del Ejemplo 5.5. Si diseamos el filtro trans-
misor de acuerdo con (5.44), con P (j) un coseno alzado de factor de cada = 0,35 obtenemos
un filtro cuya respuesta en magnitud se representa en la Figura 5.16.

|G(j)|

2/T /T 0 /T 2/T

Figura 5.16. Respuesta en magnitud de G(j) diseado para eliminar la ISI introducida
por el canal del Ejemplo 5.5.

Si bien este filtro, empleado en transmisin y, reflejado, en recepcin, consigue eliminar la ISI,
su efecto es el de colorear el ruido a la entrada del decisor. En la Figura 5.17 se representa la
densidad espectral de potencia de dicho ruido que, como se ve, dista mucho de ser plana.

En la discusin y ejemplos precedentes hemos encontrado un problema tpico de las

comunicaciones digitales y al que dedicaremos no poco espacio en el Captulo 6: cuando
el canal introduce distorsiones lineales, en general no es posible conseguir simultneamente
que en la secuencia q[n] no exista ISI y que el ruido sea blanco9 . En tal caso, el decisor
smbolo a smbolo no ser ptimo, lo que significa que este receptor no minimizar la pro-
babilidad de error. De hecho, si quisisemos realizar una decisin estadsticamente ptima
sobre un nico smbolo, digamos A[n0 ], deberamos esperar a recibir toda la secuencia q[n],

9
Y lo que es peor, no garantizamos que el filtro receptor no amplifique la potencia de ruido.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.3 T RANSMISIN DE PAM SOBRE CANALES LINEALES 269

j
S (e )
z

3 2 0 2 3
Figura 5.17. Densidad espectral de potencia del ruido discreto a la entrada del decisor
smbolo a smbolo.

y utilizar toda la secuencia q[n] para decidir sobre el valor de A[n0 ]. De nuevo, referimos al
Captulo 6 para una discusin ms detallada.
El lector puede llegar a pensar que todas estas dificultades son causadas por el hecho
de emplear un filtro receptor que est adaptado al transmisor. A continuacin vamos a com-
probar que desgraciadamente no es as: consideremos un filtro receptor genrico f (t) en el
demodulador, tal y como representamos en la Figura 5.18.

Figura 5.18. Estructura del demodulador para PAM en banda base con un filtro receptor
genrico f (t).

Naturalmente, el caso que venamos tratando hasta el momento se corresponde con

f (t) = g(t). El clculo del canal discreto equivalente no difiere apenas de los realiza-
dos en apartados anteriores, de modo que (5.8) sigue siendo vlida, con

p(t) = g(t) h(t) f (t) (5.46)

y z(t) = n(t) f (t).

Y como ocurri en el apartado anterior, podemos disear los filtros de inters para eli-
minar la ISI, con la libertad de que ahora el filtro receptor no est fijado por la eleccin del
filtro transmisor. As, dados g(t) y h(t), y partiendo de un pulso p(t) que cumpla el criterio
de Nyquist, basta con elegir f (t) tal que P (j) = G(j)H(j)F (j). Pero, por desgra-
cia, el F (j) as obtenido no garantizar (salvo excepciones triviales) la aparicin de ruido

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
270 M ODULACIONES DE AMPLITUD

blanco antes del decisor. Por consiguiente, todos los comentarios efectuados en el apartado
anterior, relativos a la no optimalidad del demodulador smbolo a smbolo son vlidos aqu.
No obstante, la mayor flexibilidad que supone la introduccin de un filtro genrico f (t)
permite otras soluciones. Por ejemplo, si reescribimos la seal a la entrada del receptor, r(t),
como
X
r(t) = A[n]gr (t nT ) + n(t) (5.47)
n
.
siendo gr (t) = g(t) h(t), podemos concluir que la forma de r(t) es idntica a la que
tendramos al transmitir sobre un canal gausiano (Apartado 5.1.2), con la diferencia de que
ahora aparece gr (t) en lugar de g(t). Esto es lgico, ya que ahora la seal transmitida en-
cuentra el canal h(t) antes de llegar al receptor. As pues, continuando con el paralelismo
establecido, el filtro del receptor, que en el Apartado 5.1.2 est adaptado a g(t), ahora de-
bera adaptarse a gr (t), es decir, a la respuesta conjunta transmisor-canal. Por tanto, en este
caso, f (t) = gr (t).
Este filtro adaptado tiene la propiedad de que maximiza la relacin seal a ruido cuando
se considera la transmisin de un nico smbolo10 . Para demostrarlo, supongamos que sola-
mente se enva A[0] por el canal, de modo que el receptor muestrea slo en t = 0 obteniendo
q[0], que es la variable de decisin. En este caso, s(t) = A[0]g(t) y

r(t) = A[0]g(t) h(t) + n(t) = A[0]gr (t) + n(t) (5.48)

La seal a la salida del filtro receptor f (t) toma la forma

q(t) = A[0]gr (t) f (t) + z(t) (5.49)

con z(t) = n(t) f (t). Finalmente, la variable de decisin es

.
q[0] = q(t) |t=0 = A[0] (gr (t) f (t)) |t=0 + z[0]
Z Z
= A[0] gr ( )f ( )d + n( )f ( )d (5.50)

con z[0] = z(0). Como puede verse, estamos en una situacin anloga a la de (4.21),
Apartado 4.3.2, con la pequea diferencia de que ahora la componente de seal tambin
es aleatoria, debido a la presencia del smbolo desconocido A[0]. Con esta consideracin y
empleando (4.23), es inmediato concluir que
Z 2 Z
2 N0 2
E{q [0]} = Es gr ( )f ( )d + f ( )d (5.51)
2

con Es = E{A2 [0]}. Como consecuencia, la relacin seal a ruido toma una forma anloga
a la de (4.24) y los argumentos ofrecidos en el Apartado 4.3.2 son vlidos para demostrar
que f (t) = Kgr (t), con K cualquier nmero real no nulo, maximiza dicha relacin.
10
Obviamente, esta hiptesis no se cumple en un sistema real.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.3 T RANSMISIN DE PAM SOBRE CANALES LINEALES 271

En los prrafos precedentes hemos considerado la transmisin/recepcin de un slo sm-

bolo. El problema de hallar el filtro f (t) que maximiza la relacin seal a ruido cuando se
considera la transmisin indefinida de smbolos es bastante ms complejo, por lo que no lo
abordaremos aqu.
El inconveniente de las soluciones anteriores es que, aunque maximizan una relacin
seal a ruido, consideran la ISI como parte de la componente de seal, lo que desde el punto
de vista de la toma de decisiones smbolo a smbolo no parece una estrategia adecuada. De
acuerdo con esto, podemos mencionar aqu un ltimo criterio de diseo para f (t) que ser
tratado con mayor profundidad en el Captulo 6: tomando la ISI como un trmino indeseable
para las decisiones smbolo a smbolo, podemos buscar aquel f (t) que maximiza
n o
E (A[n]p[0])2
2 (5.52)



X
E A[k]p[n k] + z[n]



k
k6=n

lo que equivale a maximizar la relacin potencia del smbolo deseado recibido frente a ISI
y ruido.
Como ltimo comentario de este apartado, es interesante sealar que casi todas las op-
ciones para el diseo de f (t) obligan a conocer el canal h(t), lo que, como ya hemos seala-
do, constituye un problema prctico que entraa muchas dificultades. Peor an, en algunas
aplicaciones la respuesta al impulso del canal vara con el tiempo. Todo ello dicta disear
f (t) de forma prctica utilizando un h(t) nominal que sea representativo de los canales
que se pueden llegar a encontrar, dejando la solucin de los problemas restantes a bloques
de procesado de seal que se implementan digitalmente despus del muestreador del recep-
tor y que veremos con ms detenimiento en el Captulo 6. Como consecuencia de lo ante-
rior, muchos sistemas prcticos emplean simplemente el filtro adaptado al pulso transmisor
f (t) = g(t), que suele ser un filtro en raz de coseno alzado.

5.3.1. El diagrama de ojo

El diagrama de ojo es una herramienta de gran utilidad para visualizar el comportamien-
to de un sistema de comunicaciones, en particular, para determinar de forma cualitativa el
impacto de ciertos fenmenos indeseables como el ruido, la interferencia entre smbolos o
las fluctuaciones en el reloj de smbolo. Generalmente, los diagramas de ojo se construyen
en el osciloscopio, aprovechando la persistencia de la onda en pantalla para representar de
forma solapada fragmentos consecutivos de la seal que se desea analizar11 . La frecuencia
de disparo del osciloscopio, obtenida a partir del reloj de smbolo, se ajusta para que el eje
horizontal abarque tpicamente dos periodos de smbolo.
El proceso de construccin del diagrama de ojo que realiza automticamente el osci-
loscopio se ilustra en la Figura 5.19. En la parte superior se tiene la forma de onda cuyo
11
Los osciloscopios digitales tienen la opcin de simular esta persistencia

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
272 M ODULACIONES DE AMPLITUD

diagrama de ojo se quiere visualizar, en este caso, una seal PAM banda base con conste-
lacin binaria antipodal, pulso en coseno alzado con factor de cada = 0,35 y carente
de ruido. Dicha seal se divide en fragmentos de duracin 2T que se representan de forma
superpuesta. En la Figura 5.19 se ha elegido, por razones de claridad, dibujar slo dos frag-
mentos, que son los sealados con trazo grueso sobre la forma de onda de la parte superior.

Figura 5.19. Proceso de construccin de un diagrama de ojo.

La Figura 5.20(a) ilustra el diagrama de ojo completo de una seal como la de la Figura
5.19. El llamado ojo aparece el centro de la figura como la zona vaca con forma de diaman-
te. Es interesante observar que, en ausencia de ruido o interferencia entre smbolos todos
los trazos pasan por los mismos puntos en el centro, que se corresponden con los niveles de
la PAM utilizada, en este caso 1. Como ya sabemos, muestreando justamente en los ins-
tantes que se corresponden con dichos puntos, obtendramos el smbolo enviado en dichos
instantes.
La apertura vertical del ojo es una buena medida de la inmunidad al ruido, puesto que
da una idea de qu amplitud de ruido sera necesaria para producir un error (recordemos
que el umbral de decisin en este caso se sita en el valor cero, que se puede visualizar
en el diagrama como una lnea horizontal que lo biseca). Por lo que respecta a la apertura
horizontal, esta da una medida de la inmunidad a los errores en el instante elegido para
muestrear la seal; en efecto, a medida que nos desviamos del instante ptimo de muestreo
(que es aquel para el que la apertura vertical es mxima) se reduce el margen necesario para
que el ruido produzca errores, hasta el punto de que si muestreamos en instantes situados
fuera del ojo, la probabilidad de error ya no ser cero, incluso en ausencia de ruido. La
Figura 5.20(b) representa un diagrama de ojo similar al de la Figura 5.20(a), pero habiendo
empleado un factor de cada de = 1. La mayor apertura horizontal del ojo, debida a un
factor de cada ms elevado, implica a su vez una mayor robustez ante posibles errores en
el instante de muestreo. Esto explica por qu puede ser deseable emplear valores de ms

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.3 T RANSMISIN DE PAM SOBRE CANALES LINEALES 273

(a) (b)

Figura 5.20. Diagramas de ojo para una PAM binaria antipodal con pulsos en coseno
alzado con (a) = 0,35 y (b) = 1.

altos en los pulsos en coseno alzado, aun cuando incrementan el ancho de banda utilizado.
Las Figuras 5.21(a) y (b) muestran el diagrama de ojo que se obtiene cuando se transmite
una seal PAM binaria antipodal a travs de un canal h(t) = (t) 0,3(t 2T ) (vase
Ejemplo 5.5), cuando los filtros transmisor y receptor son races cuadradas de coseno alzado
con = 0,35 y = 1, respectivamente, y en ausencia de ruido. Para ambos casos, p[n] =
[n]+0,3[n2], por lo que habr interferencia entre smbolos. Obsrvese que en el instante
ptimo de muestreo la seal recibida puede tomar los valores 1 0,3 y la inmunidad al
ruido se reduce.

(a) (b)

Figura 5.21. Diagramas de ojo para una PAM binaria antipodal transmitida sobre el canal
h(t) = (t) + 0,3(t 2T ), con (a) = 0,35 y (b) = 1.

Finalmente, los diagramas de ojo de las Figuras 5.22(a) y (b) se han obtenido empleando
un canal h(t) = (t) + 0,3(t T /2) (vase Ejemplo 5.6), para el que la interferencia entre

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 274 M ODULACIONES DE AMPLITUD

smbolos contiene infinitos trminos. Aqu tambin puede observarse la ventaja de usar un
factor de cada mayor: el ojo aparece mucho ms abierto para = 1 que para = 0,35.

(a) (b)

Figura 5.22. Diagramas de ojo para una PAM binaria antipodal transmitida sobre el canal
h(t) = (t) + 0,3(t T /2), con (a) = 0,35 y (b) = 1.

5.4. PAM PASO BANDA

En apartados anteriores hemos estudiado la modulacin PAM en banda base. Aunque
til para introducir algunos valiosos conceptos que sern empleados ms adelante, su alcan-
ce prctico es limitado, ya que la mayora de los canales fsicos no permiten la transmisin
de seales en banda base porque:

1. Muchos de ellos, como es el caso del canal telefnico, no pueden transmitir seales
prximas a continua (frecuencia 0) por la fuerte atenuacin que estas experimentaran,
con el consiguiente desperdicio de potencia (pinsese que no es razonable transmitir
en aquellas frecuencias para las que la atenuacin del canal sea grande).

2. Otros canales, como es el caso de los canales radio, dividen el rango de frecuen-
cias disponibles en bandas de frecuencia que se asignan con diferentes propsitos, y
siempre con la limitacin de que el ancho de banda sea mucho menor que la frecuen-
cia central. De hecho, en estos casos, es ilegal transmitir potencia fuera de la banda
asignada, existiendo fuertes restricciones sobre el espectro de la seal transmitida,
generalmente especificadas a travs de las llamadas mscaras de emisin.

Como consecuencia de lo anterior, en este apartado nos plantearemos cmo enviar la

informacin en canales de tipo paso banda, llegando a la conclusin de que, a costa de
aumentar la complejidad de transmisor y receptor, es posible mantener la misma eficiencia

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 275

espectral que conseguamos con la PAM en banda base, si nuestro objetivo es alcanzar la
misma probabilidad de error de bit.
La forma ms natural de conseguir una modulacin paso banda sera: 1) generar una
seal PAM en banda base y 2) trasladar su espectro hasta la banda de frecuencias desea-
da. Tengamos siempre presente, no obstante, que el medio fsico slo admite seales reales
([Link]., voltaje o intensidad), por lo que la seal generada debe cumplir esta restriccin. En
consecuencia, podramos obtener la seal paso banda deseada modulando un coseno (llama-
do seal portadora) de frecuencia igual a la que deseamos trasladar el espectro con la seal
en banda base, tal como se muestra en la Figura 5.23.

Figura 5.23. Diagrama de bloques de un modulador en doble banda lateral

Formalmente, dada una seal PAM en banda base s(t) con expresin
X
s(t) = A[n]g(t nT ) (5.53)
n

el proceso de modulacin de una portadora de frecuencia c rad/seg produce una seal de

la forma

x(t) = s(t) cos(c t) (5.54)

En la Figura 5.24 se ilustra el resultado del proceso de modulacin paso banda representando
los espectros de s(t) y x(t) denotados, respectivamente, por S(j) y X(j).
S(j) X(j)

c c

(a) (b)

Figura 5.24. Espectro de la seal en banda base y de la seal paso banda.

Aunque vlido, el esquema que acabamos de presentar no es eficiente porque malgasta

el ancho de banda disponible. La razn es que, de acuerdo con las relaciones de simetra
existentes en el espectro de x(t), para recuperar la seal en banda base s(t) sera suficiente
con un espectro como el de la Figura 5.25, que ocupa exactamente la mitad del ancho de
banda que en la Figura 5.24.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
276 M ODULACIONES DE AMPLITUD

X(j)

c c

Figura 5.25. Espectro de una seal en banda lateral superior.

El lector puede comprobar cmo una nueva multiplicacin por cos(c t) y un filtrado
paso bajo reconstruyen la seal original en banda base.
Podemos pensar, entonces, en generar una seal x(t) con un espectro como el de la
Figura 5.25, para lo cual una posibilidad sera filtrar la seal paso banda anterior con un
filtro paso alto gpa (t) con frecuencia de corte c , por lo que la nueva expresin para x(t)
sera

x(t) = (s(t) cos(c t)) gpa (t) (5.55)

Figura 5.26. Diagrama de bloques de un modulador en banda lateral superior (Upper

Side-Band , USB).

La modulacin as conseguida se denomina PAM en banda lateral nica (Single Side-

Band , SSB) o, abreviadamente, PAM-SSB; por contra, la descrita mediante (5.54) recibe
el nombre de PAM en doble banda lateral (Double Side-Band, DSB) , o, abreviadamente,
PAM-DSB. En la Figura 5.26 se representa el diagrama de bloques de un modulador en
USB. Aunque el procedimiento aqu descrito sirve para obtener la banda lateral superior de
la seal, es inmediato extenderlo a la consecucin de la banda lateral inferior sin ms que
cambiar el filtro paso alto por uno paso bajo. La determinacin del espectro de potencia de
este tipo de seales se encuentra en el Apartado 3.3.8, bajo el epgrafe Modulacin real de
procesos cicloestacionarios.
Uno de los inconvenientes de las modulaciones en banda lateral es la necesidad de uti-
lizar un filtro gpa (t) con caracterstica ideal, esto es, con una cada muy abrupta. En las
llamadas modulaciones PAM en banda lateral vestigial (Vestigial Side-Band , VSB) o,
abreviadamente, PAM-VSB, el filtro utilizado tiene una caracterstica relajada lo que facili-
ta su implementacin prctica a costa de un mayor ancho de banda ocupado. En cualquier

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 277

caso, el filtro ha de ser tal que el solape que se produce en los espectros durante el proceso
de demodulacin garantice la reconstruccin perfecta de s(t).
En lugar de tratar de reducir el ancho de la seal paso banda, existe otra estrategia para
conseguir la misma eficiencia espectral que consiste en modular simultneamente dos sea-
les reales con dos portadoras de la misma frecuencia, pero desfasadas entre s 90o . Debido a
este desfase (correspondiente a un ngulo recto), se suele decir que ambas portadoras estn
en cuadratura. De acuerdo con lo anterior, sean sI (t) y sQ (t), dos seales PAM en banda
base, obtenidas al modular dos secuencias de smbolos de informacin (no necesariamente
independientes), A0 [n] y A1 [n], empleando pulsos conformadores con respuesta al impulso
g(t). En definitiva, tenemos
X
sI (t) = A0 [n]g(t nT ) (5.56)
n
X
sQ (t) = A1 [n]g(t nT ) (5.57)
n

y la seal transmitida x(t) ser

x(t) = 2sI (t) cos(c t) 2sQ (t) sen(c t)
X X
= 2 A0 [n]g(t nT ) cos(c t) 2 A1 [n]g(t nT ) sen(c t)
n n
(5.58)

El factor 2 tiene como nica misin igualar la potencia de la seal paso banda a la de
la seal banda base, como quedar claro ms adelante. Las seales sI (t) y sQ (t) reciben a
menudo los nombres de componente en fase y componente en cuadratura respectivamente,
y la modulacin resultante PAM paso banda. No es difcil ver que ambas componentes
moduladas ocupan la misma banda de frecuencias (la centrada en c ), por lo que en el
receptor tendremos que encontrar una manera de separarlas si queremos una comunicacin
fiable.
Una forma ms compacta de escribir (5.58) pasa por considerar smbolos A[n] comple-
jos haciendo la asignacin Re{A[n]} = A0 [n], Im{A[n]} = A1 [n]. Si definimos la seal
compleja en banda base s(t) como
X
s(t) = sI (t) + jsQ (t) = A[n]g(t nT ) (5.59)
n
veremos que esta tiene exactamente la misma forma que para una modulacin PAM en banda
base (Ecuacin (5.1)), salvo que ahora las constelaciones utilizadas contendrn, en general,
smbolos complejos. Ahora podemos escribir la seal PAM paso banda x(t) como
( )
X
jc t jc t
x(t) = 2Re{s(t)e } = 2Re A[n]g(t nT )e , (5.60)
n
aunque, en algunas otras ocasiones, como en las modulaciones de fase, resulta ms til
escribir s(t) = |s(t)|ejs(t) y, en consecuencia,

x(t) = 2|s(t)| cos(c t + s(t)), (5.61)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
278 M ODULACIONES DE AMPLITUD

por lo que las seales 2|s(t)| y s(t) reciben los nombres de envolvente y fase de x(t),
respectivamente.
Es importante insistir en que la formulacin con nmeros complejos no es ms que un
modo conveniente de representar las seales que intervienen en una modulacin PAM paso
banda; as, aunque a efectos de operacin y representacin nos interesar esta perspectiva,
siempre es til recordar que cualquier seal compleja implica la existencia de las partes en
fase sI (t) y cuadratura sQ (t), tal y como se explicita en la siguiente ecuacin
X
x(t) = 2 Re{A[n]}g(t nT ) cos(c t)
n
X
2 Im{A[n]}g(t nT ) sen(c t) (5.62)
n

En la Figura 5.27 se representa la arquitectura de un modulador, separando las componentes

en fase y cuadratura.

Figura 5.27. Arquitectura de un modulador de PAM paso banda, separando las componen-
tes en fase y cuadratura.

Antes de proseguir con nuestra exposicin de la modulacin PAM paso banda, resulta
interesante intentar relacionarla con la formulacin presentada en el Apartado 4.5 para la
transmisin indefinida de smbolos. La estructura de (5.58), similar a (4.98), parece sugerir
un espacio de seales bidimensional, con dimensiones que se corresponderan con las se-
ales en fase y cuadratura, pero no es as. En efecto, salvo casos particulares, no es posible
escribir x(t) en la forma
X X
x(t) = A0 [n]0 (t nT ) + A1 [n]1 (t nT ), (5.63)
n n

con 0 (t), 1 (t), dos seales ortogonales, lo que se puede comprobar fcilmente tratando
de identificar trminos con (5.58). La razn es que en general las funciones base que mul-
tiplican a cada smbolo A[n] = (A0 [n], A1 [n])T de (5.63) varan con el ndice n por la
aparicin de las seales portadoras. Sin embargo, en algunos casos especiales las funciones
s son invariantes con n, tal como se demuestra en el siguiente ejemplo

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 279

Ejemplo 5.8
Si la frecuencia de la portadora es tal que cabe un nmero entero de ciclos en un periodo de
smbolo, esto es,
2N
c = (5.64)
T
para algn entero N , entonces es evidente que cos(c t) = cos[(c (t nT )] y, por tanto, (5.58)
puede escribirse en la forma (5.63), haciendo la asignacin

0 (t) = 2g(t) cos(c t)

1 (t) = 2g(t) sen(c t) (5.65)

Obsrvese que bajo las condiciones de este ejemplo, el proceso de modulacin se hace sin
portadora (CAP, Carrierless Amplitude and Phase modulation "), si bien es cierto que sta va
implcita en los dos pulsos transmisores utilizados. En la Figura 5.28 podemos ver un esquema
para la generacin de seales en este caso.

Figura 5.28. Arquitectura del modulador del Ejemplo 5.8

Aunque hemos puesto de manifiesto la imposibilidad de escribir en general la seal

transmitida PAM paso banda como (5.63), s es posible establecer este tipo de relacin con
la seal en banda base s(t), sin ms que hacer la identificacin 0 (t) = g(t), 1 (t) = jg(t),
por lo que los valores posibles de las coordenadas de los smbolos [Re{A[n]}, Im{A[n]}]T
en esta base definen la constelacin empleada.12 . Equivalentemente, podemos pensar en una
base con una nica funcin 0 (t) = g(t) con coordenadas complejas A[n]. En definitiva, la
seal s(t) se puede escribir como
X X
s(t) = Re{A[n]}0 (t nT ) + Im{A[n]}1 (t nT ) (5.66)
n n
X
= A[n]0 (t nT ) (5.67)
n

El formato de modulacin PAM paso banda es lo suficientemente amplio como para ad-
mitir un buen nmero de constelaciones, que en ocasiones hacen que la modulacin resultan-
12
El cuerpo de los complejos puede verse como un espacio vectorial bidimensional. Puede comprobarse
fcilmente que si es equipado con el producto escalar hx, yi = Re{xy }, la norma inducida se corresponde
con la distancia al origen en el plano complejo y el producto escalar es cero para dos vectores ortogonales. Las
funciones 0 (t) y 1 (t) son ortogonales en este sentido.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
280 M ODULACIONES DE AMPLITUD

te reciba nombres diferentes13 . As, por ejemplo, en la llamada modulacin de amplitud en

cuadratura (Quadrature Amplitude Modulation , QAM), las componentes en fase y cua-
dratura son independientes. Esto es equivalente a decir que Re{A[n]} e Im{A[n]} toman
valores independientes, por lo que el nmero de smbolos en la constelacin ser el cuadrado
del nmero de valores permitidos por dimensin. Una gran ventaja de la modulacin QAM
es la sencillez en el diseo tanto del transmisor por la independencia de componentes co-
mo del receptor porque las decisiones se pueden tomar de forma independiente sobre las
seales en fase y cuadratura.
Por lo que respecta al nmero de bits por smbolo, obviamente este depende del nmero
de smbolos de la constelacin. As, para un nmero P de bits por smbolo, tendramos M =
2P smbolos en la constelacin. Algunas de las constelaciones para P par se representan
en la Figura 5.29. Para el caso de P impar es imposible distribuir los smbolos cubriendo
uniforme y completamente el interior de un cuadrado, por lo que se suelen eliminar los
smbolos de mayor energa (los cercanos a los vrtices) para producir una constelacin en
cruz14 , tal como se representa en la Figura 5.30.
Im{A[n]} Im{A[n]} Im{A[n]}

Re{A[n]} Re{A[n]} Re{A[n]}

Figura 5.29. Constelaciones QPSK, 16-QAM y 64-QAM.

Otro grupo de constelaciones de gran inters se corresponde con las llamadas modu-
laciones por cambio de fase (Phase Shift Keying , PSK) en las que la eleccin de los
smbolos A[n] es tal que su mdulo es constante y la informacin se transmite en la fase. La
principal ventaja de la modulacin PSK es que cuando se combina con pulsos de transmisin
rectangulares la seal resultante tiene envolvente constante y contiene toda su informacin
en la fase equivalentemente, en los cruces por cero, por lo que esta modulacin es robusta
ante distorsiones no lineales de amplitud que aparecen, por ejemplo, en muchos amplifica-
dores de potencia trabajando cerca de la zona de saturacin o en los limitadores de amplitud
en el receptor.
Si escribimos
p
A[n] = Es ej[n] , (5.68)
13
Es de sobra conocida la aficin de los ingenieros de telecomunicacin por nombrar los nuevos descubri-
mientos, en especial, mediante el abuso de acrnimos (en ingls). En este texto, hemos decidido emplear slo
los ms habituales. Con todo, el lector ver que incluso el nmero de estos ltimos es abultado.
14
Obsrvese que en este caso las componentes en fase y cuadratura dejan de ser independientes, de forma que
ya no es posible decidir sobre cada una de ellas por separado.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 281

Im{A[n]}
Im{A[n]} Im{A[n]}

Re{A[n]} Re{A[n]} Re{A[n]}

Figura 5.30. Constelaciones QAM en cruz para M = 8, 32 y 128.

con Es la energa de smbolo, el codificador de un modulador PSK asignar los bits a valores
discretos de [n], tal como se puede ver en la Figura 5.31 en la que se representan algunos
casos de modulaciones PSK. La codificacin generalmente es de tipo Gray (Pgina 230),
de modo que smbolos contiguos difieren en un solo bit. La distribucin de smbolos es
uniforme, por lo que la diferencia de fases entre smbolos adyacentes para una M -PSK es
de 2/M radianes.
Im{A[n]} Im{A[n]} Im{A[n]}

Re{A[n]} Re{A[n]} Re{A[n]}

Figura 5.31. Constelaciones 4-PSK (QPSK), 8-PSK y 16-PSK

La modulacin PSK admite una interesante interpretacin en trminos de las fases de

las componentes en fase y cuadratura o de la seal compleja en banda base; en efecto,
sustituyendo (5.68) en (5.60), y recordando que el pulso conformador g(t) es real, tenemos
( )
p X
x(t) = 2Es Re g(t nT )ej(c t+[n])
n
p X
= 2Es g(t nT ) cos(c t + [n]) (5.69)
n

de modo que la informacin (codificada en [n]) se traduce en un cambio en la fase de la

portadora, o sobre la exponencial compleja modulada por la seal compleja en banda base.
Un caso particular de modulacin PSK es el de la 2-PSK (frecuentemente llamada PSK
binaria, o BPSK) en la que los smbolos slo tienen componente real, por lo que tambin

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
282 M ODULACIONES DE AMPLITUD

son un caso particular de PAM en doble banda lateral. La modulacin 4-PSK se conoce como
PSK en cuadratura o QPSK (Quadrature PSK ) que, por cierto, coincide con la 4-QAM 15 .
El abanico de constelaciones disponibles no acaba aqu: por ejemplo, se pueden com-
binar las modulaciones de amplitud y fase para producir las constelaciones denominadas
AM-PM (Amplitude Modulation-Phase Modulation ). Tambin se puede recurrir al empa-
quetado hexagonal de smbolos (vase Apartado 4.4.3) para producir constelaciones deno-
minadas hexagonales. En la Figura 5.32 se presentan algunos ejemplos de estos dos tipos de
constelaciones.
Im{A[n]} Im{A[n]}

Re{A[n]} Re{A[n]}

Figura 5.32. Constelaciones 1-7-AM-PM y 32-Hexagonal

5.4.1. Espectro de la seal PAM paso banda

Al igual que para la modulacin PAM en banda base, para determinar las caractersticas
espectrales de la seal transmitida encontramos el problema de que dicha seal no es esta-
cionaria, sino cicloestacionaria y, por tanto, el espectro de potencia debe calcularse como el
promedio de los espectros de potencia obtenidos a lo largo de todo un periodo T (Teorema
de Wiener-Khinchine), siguiendo el procedimiento descrito en el Apartado 3.3.5.
En el caso de procesos paso banda es necesario hacer algunas hiptesis sobre la secuen-
cia compleja A[n] para garantizar la cicloestacionariedad de la seal transmitida x(t). En el
Apartado 3.3.7 del Captulo 3 se discute la modulacin compleja de procesos cicloestacio-
narios y se presenta la siguiente condicin suficiente para que x(t) sea cicloestacionaria:

E{A[k + i]A[k]} = 0, para todo k, i, i 6= 0 (5.70)

Esta condicin se cumple en el caso de QAM si los smbolos transmitidos por los canales en
fase y cuadratura son mutuamente independientes y las funciones de autocorrelacin de los
smbolos transmitidos por ambos canales son idnticas. Para PSK la condicin se cumple si
las muestras de la secuencia de fases [n] son mutuamente independientes.
15
Como vimos en el Apartado 4.4.3, un giro de la constelacin no afecta a sus prestaciones, aunque s puede
influir en la complejidad de la implementacin de transmisor y receptor.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 283

En el supuesto de que se cumple la condicin (5.70), la densidad espectral de potencia

Sx (j) de la seal
transmitida se calcula en el Apartado 3.3.7. Adems, debemos tener en
cuenta el factor 2 del transmisor. Por tanto, el espectro de potencia resulta ser:
1
Sx (j) = [Ss (j jc ) + Ss (j jc )] (5.71)
2
donde
1
Ss (j) = SA (ejT )|G(j)|2 (5.72)
T
SA (ej ) es la densidad espectral de potencia de la secuencia compleja A[n] y G(j) la
respuesta en frecuencia del pulso transmisor. La potencia media transmitida P ser:
Z
1
P = Sx (j)d (5.73)
2

Cuando la secuencia A[n] es blanca, la densidad espectral de potencia correspondiente es

SA (ej ) = Es , con Es la energa media por smbolo. En este caso, la potencia media se
puede calcular como
Es E{g(t)}
P = , (5.74)
T
donde E{g(t)} denota la energa del pulso transmisor. Cuando dicho pulso est normalizado
en energa, la potencia media transmitida es simplemente
Es
P = (5.75)
T
Como ya indicamos en el caso de la PAM en banda base, la Ecuacin (5.72) muestra cla-
ramente la posibilidad de conformar el espectro de la seal transmitida actuando ya sea
sobre el filtro transmisor g(t) o sobre la autocorrelacin de la secuencia de smbolos A[n],
introduciendo memoria.
Antes de presentar algunos esquemas de receptores para PAM paso banda, es interesante
echar un vistazo a la Figura 5.24 y a (5.72). Dado que g(t) es real, |G(j)|2 tiene simetra
par con respecto al origen; entonces, si SA (ej ) es hermtico, Sx (j) en (5.71) tendr las
mismas simetras que la representacin de la Figura 5.24(b). De acuerdo con esto, podra
pensarse que un filtrado paso alto dejara un espectro como el de la Figura 5.25, con el con-
siguiente ahorro de ancho de banda; adems, parece que a partir de la banda lateral superior
seramos capaces de recuperar la seal completa en banda base con sencillas operaciones.
Desgraciadamente, la argumentacin no es correcta; el origen de esta aparente paradoja
proviene de que hemos basado nuestro razonamiento en el espectro de potencia que, efec-
tivamente, tiene las simetras indicadas cuando la seal en banda base que desearamos
reconstruir se corresponde con una realizacin particular {a[n]} del proceso estocstico
discreto {A[n]} y cuyo espectro (suponiendo una seal truncada en tiempo) S(j) ya no
es hermtico. Lo que ocurre es que, lo que definimos como densidad espectral de potencia,

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
284 M ODULACIONES DE AMPLITUD

coincide con el promedio de los espectros correspondientes a todas las realizaciones del
proceso {A[n]} (considerado de duracin infinita, vase (3.269)) y este promediado s pro-
duce un resultado hermtico. Por eso, para referirnos a los espectros correspondientes a las
seales en banda base s(t) y paso banda x(t) asociadas a la transmisin de una secuencia
particular {a[n]}, es ms conveniente conceptualmente recurrir a la representacin de la Fi-
gura 5.33, donde se pone de manifiesto la falta de simetra en S(j) y X(j) de la que
hemos hablado.
S(j) X(j)

c c

(a) (b)
Figura 5.33. Espectro (determinista) (a) en banda base y (b) paso banda, correspondientes
a una realizacin de los procesos s(t) y x(t).

5.4.2. Receptores para PAM paso banda

Comenzaremos por deducir una posible estructura de receptor para PAM paso banda
suponiendo que el canal es ideal, es decir, cuando no introduce ni ruido ni distorsin. Un
receptor para PAM paso banda podra recuperar la seal compleja en banda base realizando
una demodulacin compleja consistente en multiplicar la seal recibida por la exponencial
ejc t , lo que tiene el efecto de trasladar el espectro de y(t) hacia la izquierda c rad/seg.
Esta operacin se esquematiza en la Figura 5.34.

Figura 5.34. Esquema de un receptor para PAM paso banda.

El filtro genrico f (t) que aparece en dicha figura tiene una funcin anloga al filtro
receptor para PAM y se puede disear de acuerdo con cualquiera de los criterios expuestos
en el Apartado 5.1.2. En general este filtro tendr una respuesta al impulso compleja y
tiene como misin adicional eliminar aquella parte de la seal compleja a su entrada que
se encuentra centrada en 2c rad/seg, por lo que tendr una caracterstica paso bajo. Para
sistemas de banda estrecha, esto es, aquellos en que c es mucho mayor que el ancho de
banda de la seal transmitida, esta ltima tarea no plantea ninguna dificultad prctica. El

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 285

factor 2 sirve para que la potencia a la salida del filtro receptor sea la misma que a su
entrada.
El muestreo a periodo de smbolo de la Figura 5.34 tiene la misma justificacin que en
el caso de PAM en banda base, aunque ahora hay que tener en cuenta que la seal q(t) a
su entrada es compleja, por lo que el muestreador produce una secuencia de observaciones
q[n] que tambin son complejas. El efecto de la operacin de demodulacin y filtrado sobre
el espectro de la seal recibida Y (j) puede verse en la Figura 5.35.
V(j) Q(j)

2c 0

Figura 5.35. Espectro de la seal recibida (a) tras la multiplicacin por la exponencial
compleja y (b) tras pasar por el filtro receptor.

Matemticamente, la seal a la entrada del muestreador es

 
q(t) = y(t)ejc t 2f (t) (5.76)

esto es,
Z   
q(t) = 2 f ( )y(t )ejc ejc t d = ejc t y(t) 2f (t)ejc t

(5.77)

por lo que la realizacin de la Figura 5.34,

resulta equivalente a filtrar primero la seal con
un filtro paso banda complejo de respuesta 2f (t)ejc t y realizar la demodulacin despus,
tal como se esquematiza en la Figura 5.36.

Figura 5.36. Esquema de un receptor para PAM paso banda equivalente al de la Figura 5.34.

Algunas de las seales y filtros que intervienen en las estructuras de la Figura 5.36 son
complejos, por lo que ser necesario separarlos en sus partes en fase y cuadratura de cara
a una implementacin prctica. Esta separacin se lleva a cabo en las estructuras de las
Figuras 5.37 y 5.38. Como podemos ver, la implementacin de un receptor de PAM paso
banda es equivalente a la de dos receptores PAM en banda base operando en paralelo, de ah
la necesidad de colocar dos muestreadores o dos filtros receptores.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
286 M ODULACIONES DE AMPLITUD

Figura 5.37. Esquema de un receptor para PAM paso banda, implementando primero el
filtro complejo del receptor y separando las componentes en fase y cuadratura.

Figura 5.38. Esquema de un receptor para PAM paso banda, implementando primero la
demodulacin con la exponencial compleja y separando las componentes en fase y cuadra-
tura.

5.4.3. Caractersticas del ruido en el receptor

Supongamos ahora que tenemos un canal que introduce ruido gausiano n(t) con densi-
dad espectral de potencia Sn (j), lo que supone una generalizacin con respecto al ruido
blanco considerado en el Apartado 5.2.2. Nuestro objetivo es caracterizar el ruido a la salida
del muestreador complejo de la Figura 5.36. Este ruido complejo determinar, junto con la
seal recibida, las prestaciones del sistema de comunicaciones, por lo que esta caracteriza-
cin es de capital importancia.
De la Figura 5.39 se deduce que la secuencia de ruido a la entrada del decisor, que
denotamos por z[k], se obtiene tras haber inyectado en el sistema de la Figura 5.36 el proceso
real de ruido n(t). En el Apartado 3.3.7 se presentan algunas propiedades interesantes de

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 287

los procesos gausianos complejos y que utilizaremos aqu.

Figura 5.39. Diagrama de bloques y seales que intervienen en la demodulacin de la

seal de ruido n(t) presente en el canal.

Definiendo (vase Figura 5.39)

fc (t) = 2f (t)ejc t (5.78)
l(t) = n(t) fc (t) (5.79)
jc t
z(t) = l(t)e (5.80)

y utilizando los resultados del Apartado 3.3.7, podemos razonar que:

1. El proceso z(t) ser estacionario en sentido estricto slo si el proceso l(t) es circu-
larmente simtrico. El que z(t) no fuese estacionario complicara el anlisis en gran
medida.

2. El proceso l(t) es circularmente simtrico si se cumple que c es mayor que el an-

cho de banda del filtro complejo paso banda fc (t) (sistema de banda estrecha). La
densidad espectral de potencia de l(t) es

Sl (j) = 2Sn (j)|F (j jc )|2 . (5.81)

En aquellos casos en que las condiciones anteriores se verifican, podemos extraer las
siguientes consecuencias:
1. El proceso z(t) es circularmente simtrico y su densidad espectral de potencia es

Sz (j) = 2Sn (j + jc )|F (j)|2 (5.82)

Si el proceso z(t) es circularmente simtrico, sus partes real e imaginaria, respecti-

vamente zr (t) y zi (t), tienen la misma varianza y son independientes para cualquier
instante t dado. Ello no significa, no obstante, que zr (t1 ) y zi (t2 ) sean independientes
cualesquiera que sean t1 y t2 , t1 6= t2 . Para que esto ltimo sea cierto, es necesario
que el espectro de Sz (j) sea hermtico, esto es, que Sz (j) = Sz (j). Para el
caso en que n(t) fuese blanco, esto se satisfara si el filtro f (t) fuese real.

2. El proceso z[n] es circularmente simtrico con densidad espectral de potencia

   
j 2X c 2k  2k 2
Sz (e ) = Sn j + j j F j T j T  (5.83)
T T T T
k

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
288 M ODULACIONES DE AMPLITUD

por lo que sus partes real e imaginaria, zr [n] y zi [n] respectivamente, son indepen-
dientes para cualquier instante n considerado. De nuevo, para que zr [n1 ] y zi [n2 ] sean
independientes para cualesquiera n1 y n2 , n1 6= n2 , debe cumplirse que el espectro
Sz (ej ) sea simtrico con respecto al origen. Ello se cumple, por ejemplo, si el ruido
es blanco y la funcin de ambigedad f (t) f (t) satisface el criterio de Nyquist
para periodo T .

A partir de (5.83), la varianza del ruido complejo discreto z[n] es

Z
2 1
z = Sz (ej )d (5.84)
2

que, para el caso en que n(t) es ruido blanco, con densidad espectral de potencia N0 /2
W/Hz y la funcin de ambigedad de f (t) satisface el criterio de Nyquist resulta en

z2 = N0 (5.85)

Debe tenerse presente que si el ruido es circularmente simtrico, el resultado anterior implica
que tanto su parte real como su parte imaginaria son independientes y con varianza N0 /2.
Partiendo de la expresin de la fdp de una gausiana compleja en (3.86), para el caso que
nos ocupa podemos escribir la fdp del ruido discreto como
 
1 |z|2
fZ (z) = exp (5.86)
N0 N0

El lector puede preguntarse por qu hemos elegido para la determinacin de las carac-
tersticas de ruido en el receptor la estructura de la Figura 5.36 y no la de la Figura 5.34
cuando ambas son equivalentes desde el punto de vista del anlisis determinista de sea-
les. La razn es que con la estructura de la Figura 5.34 enseguida encontraramos algunas
dificultades: el proceso complejo a la salida del demodulador no es estacionario en sentido
estricto, ni siquiera lo son sus partes real e imaginaria!

5.4.4. Canal discreto equivalente

En este apartado determinaremos el canal discreto equivalente para el caso de modu-
laciones PAM paso banda cuando se transmiten a travs de un canal lineal gausiano, con
respuesta al impulso h(t). En el apartado precedente hemos caracterizado estadsticamente
el ruido a la entrada del decisor; ahora queremos obtener la parte debida a la seal de infor-
macin. Para ello, consideraremos el modelo de un sistema de comunicaciones para PAM
paso banda con transmisor y receptor los de las Figuras 5.27 y 5.36, respectivamente.
Recuperemos la expresin de la seal transmitida, segn (5.60):
( )
X
jc t
x(t) = 2Re A[n]g(t nT )e (5.87)
n

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 289

Al pasar el canal, la seal recibida es y(t) = x(t) h(t) + n(t). Esta seal es filtrada
por j
por 2f (t)e c t y, posteriormente, demodulada
 
q(t) = y(t) ( 2f (t)ejc t )ejc t (5.88)

En las Figuras 5.33 y 5.35 se detallan los espectros de la seal en banda base s(t), la
seal modulada x(t), la seal recibida y(t) en ausencia de ruido y la seal a la salida del
demodulador q(t). Razonando sobre dichos espectros, es fcil ver que
( )
X
y(t) = 2Re A[n]gr (t nT )ejc t + n(t) (5.89)
n

donde gr (t) = g(t) heq (t), siendo heq (t) el llamado canal equivalente en banda base:
.
heq (t) = ejc t h(t); Heq (j) = H(j + jc ) (5.90)
verificndose que, en general, heq (t) ser complejo.
Asimismo, podemos escribir que
X
q(t) = A[n]p(t nT ) + z(t) (5.91)
n

donde p(t) = gr (t) f (t) = g(t) heq (t) f (t). La funcin p(t) incluye todos los efectos
sobre la seal de informacin debidos a los filtros transmisor y receptor, al canal, y al proceso
de modulacin/demodulacin16 , y z(t) es el ruido equivalente en banda base, segn (5.80).
Todava es posible obtener una caracterizacin ms simple incluyendo el proceso de
muestreo del receptor; as, reproduciendo los resultados de los apartados 5.1.3 y 5.3 es
posible obtener el canal discreto equivalente en banda base, que no es ms que
p[n] = p(nT ) (5.92)
cuya respuesta en frecuencia es, entonces,
 
j 1X 2k
P (e ) = P j j
T T T
k
     
1X 2k 2k 2k
= G j j Heq j j F j j
T T T T T T T
k
(5.93)
de modo que si el conjunto de los filtros transmisor, receptor y canal equivalente en banda
base cumple el criterio de Nyquist para periodo de smbolo T el canal discreto equivalente
ser [k].
Con el canal equivalente se consiguen dos objetivos:
16
Debe tenerse presente que en todo momento estamos suponiendo que la frecuencia y la fase usadas en la
demodulacin son idnticas a las empleadas en la modulacin. Asimismo, estamos suponiendo que el periodo
de muestreo coincide exactamente con el periodo de smbolo y que la fase de muestreo es ptima. En el Captulo
11 abandonaremos esta suposicin ideal.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
290 M ODULACIONES DE AMPLITUD

1. Reducir el sistema PAM paso banda al esquema de la Figura 5.7.

2. Identificar PAM paso banda y PAM en banda base. La nica diferencia entre ambas
es que los smbolos, el canal discreto equivalente y el ruido discreto son complejos en
la primera y reales en la segunda. Ello permite estudiar la PAM en banda base como
un caso particular de PAM paso banda.

Ejemplo 5.9
Calculemos el canal discreto equivalente en banda base para los canales de los Ejemplos 5.5 y
5.6. Recordemos que la forma genrica del canal h(t) = (t) + (t 1 ), y el filtro receptor
f (t) se adaptaba al transmisor, f (t) = g(t), con g(t) un filtro en raz de coseno alzado con
factor de cada = 0,35; por tanto, la funcin de ambigedad de g(t), rg (t) = g(t) g(t) es
un coseno alzado. Los dos casos considerados son:

a) 1 = T . En este caso, p(t) = rg (t) ((t) + (t T )ejc T ). Como rg (t) cumple el criterio
de Nyquist para periodo T , tendremos

p[k] = [k] + ejc T [k 1] (5.94)

que, como se ve, es en general una respuesta al impulso compleja pero de duracin finita.

b) 1 = T /2. De nuevo, p(t) = rg (t) ((t) + (t T /2)ejc T /2 ). Ahora tendremos

X
p[k] = [k] + ejc T /2 rg (kT T /2 nT ) (5.95)
n

que, de nuevo, ser en general una respuesta al impulso compleja. A diferencia del caso anterior,
la respuesta ser de duracin infinita, debido a que el coseno alzado desplazado T /2 segundos ya
no cumple el criterio de Nyquist.

Finalmente, para el caso en que p[n] = [n], y el ruido z[n] es blanco, gausiano y
circularmente simtrico, es fcil determinar cmo debe operar el decisor ptimo segn el
criterio de mxima verosimilitud, como demostramos a continuacin. De nuevo, para el
caso en que existe interferencia entre smbolos, referimos al lector al Captulo 6. Si la seal
a la entrada del decisor es de la forma q[n] = A[n] + z[n], entonces es evidente que las
decisiones se pueden tomar smbolo a smbolo. Adems, a partir de la fdp del ruido en
(5.86), es inmediato escribir la fdp de las observaciones en el instante n0 condicionada a la
transmisin del smbolo a0 [n0 ] como
 
1 |q[n0 ] a[n0 ]|2
fq|A (q[n0 ]|a[n0 ]) = exp (5.96)
N0 N0

por lo que es obvio que para maximizar la fdp condicionada, basta con minimizar el ex-
ponente, lo que a su vez implica elegir aquel smbolo de la constelacin A[n0 ] tal que la
distancia cuadrtica |q[n] A[n]|2 es mnima. Recordemos que, de forma equivalente, la
regla de decisin se poda expresar definiendo unas regiones de decisin que, en este caso,
vendrn delimitadas por rectas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.4 PAM PASO BANDA 291

Para modulaciones PAM paso banda el diagrama de ojo se construye de forma anloga
al Apartado 5.3.1, con la salvedad de que ahora en realidad tenemos que visualizar dos
diagramas: uno para la componente en fase y otro para la componente en cuadratura. Por esta
razn, a efectos de capturar en un solo grfico el comportamiento de un sistema PAM paso
banda, se suele recurrir al llamado diagrama de dispersin (scatter diagram ), que no es
ms que una representacin de la seal discreta compleja disponible bien en el transmisor o
bien en el receptor. Por ejemplo, en recepcin se representaran las P muestras ms recientes
de {q[n]}, donde P tiene en cuenta el efecto de persistencia propio de un osciloscopio.

Ejemplo 5.10
La Figura 5.40(a) muestra el diagrama de dispersin en recepcin correspondiente a una cons-
telacin QPSK (con smbolos en {1 j}) cuando la varianza del ruido z2 = 0,01. La Figu-
ra 5.40(b) incluye, adems, el efecto de un canal discreto p[n] = [n] 0, 3[n 1]. El lector
puede tratar de razonar el porqu de las nubes de puntos observadas, teniendo en cuenta que
q[n] = A[n] 0, 3A[n 1] + z[n].
2 2

1.5 1.5

1 1

0.5 0.5
Im{ q[ n]}

Im{ q[ n]}

0 0

0.5 0.5

1 1

1.5 1.5

2 2
2 1.5 1 0.5 0 0.5 1 1.5 2 2 1.5 1 0.5 0 0.5 1 1.5 2
Re{ q[ n]} Re{ q[ n]}

(a) (b)

Figura 5.40. Diagramas de dispersin del Ejemplo 5.10.

5.4.5. Probabilidades de error

Para el clculo de probabilidades de error alcanzables con las modulaciones paso banda
sobre canales gausianos podemos, como en el Apartado 5.2.3, recurrir al canal discreto
equivalente y a los resultados del Apartado 4.4.2, particularizados para detectores M -arios
en espacios multidimensionales. Por ejemplo, en las ecuaciones (4.72-4.82) se presenta el
clculo detallado de la probabilidad de error de smbolo para una constelacin equivalente a
la 16-QAM. En nuestro caso, como el ruido es circularmente simtrico, la varianza de ruido
por dimensin es N0 /2, por lo que, con las modificaciones pertinentes para tener en cuenta

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
292 M ODULACIONES DE AMPLITUD

la energa de smbolo, (4.82) se convierte en

r ! r !
Es 9 Es
Pe = 3Q Q2 (5.97)
5N0 4 5N0

Esta expresin se puede poner en trminos de Eb /N0 sin ms que tener en cuenta que para
la 16-QAM, Es = 4Eb .
Del mismo modo que en el Apartado 5.2.3, es posible obtener cotas a la probabilidad de
error basadas en la cota de la unin, as como aproximaciones para Es /N0 grande basadas en
los smbolos a distancia mnima y el nmero de vecinos a distancia mnima. En el siguiente
ejemplo ilustramos el uso de estas expresiones para el caso de una constelacin 8-PSK.
Ejemplo 5.11
Considrese la transmisin de una seal 8-PSK descrita mediante (5.69), con [n] {0, /4,
/2, 3/2, } y codificacin Gray, tal como se muestra en la Figura 5.41. La seal atraviesa
un canal blanco y gausiano con densidad espectral de potencia N0 /2 W/Hz y se utiliza un receptor
como el de la Figura 5.36, donde p(t) = g(t) f (t) cumple el criterio de Nyquist. En este caso,
el canal discreto equivalente es tal que q[n] = A[n] + z[n], con z[n] ruido blanco, gausiano,
circularmente simtrico, con varianza z2 = N0 .

Figura 5.41. Constelacin 8-PSK con codificacin Gray. La regin de decisin del smbolo
a0 aparece sombreada.

Si los smbolos transmitidos son equiprobables,

por simetra basta con calcular la probabilidad
de error para el smbolo transmitido a0 = Es , que se corresponde con la secuencia binaria 000
(vase figura). La probabilidad de acierto es la probabilidad de que q se encuentre en la regin
sombreada. Si qI y qQ denotan las componentes en fase y cuadratura de q, es decir, q = qI + jqQ ,
entonces la probabilidad de acierto es la probabilidad de que
|qQ |
< tan(/4) y qI > 0
qI
o, de forma equivalente, de que
|qQ | < qI tan(/4) y qI > 0 (5.98)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 5.5 I MPLEMENTACIN DISCRETA DE SISTEMAS PAM 293

Observando que qQ y qI siguen sendas distribuciones gausianas con medias respectivas 0 y Es ,
y varianza N0 /2 y son mutuamente independientes, podemos escribir la siguiente ecuacin para
el clculo de la probabilidad de error de smbolo
Z (qI Es )2 /N0 Z qI tan(/4) qQ2
/N0
e e
Pe = 1 2 dqQ dqI (5.99)
0 N0 0 N0

Para la cota de la unin necesitamos
las siguientes distancias: d(a0 , a1 ) = 2 Es sen(/8);
d(a0 , a2 ) = 2Es ; d(a0 , a3 ) = 2 Es sen(3/8); d(a0 , a4 ) = 2 Es . Por tanto,
s r ! s r !
2E sen2 (/8) E 2E sen2 (3/8) 2E
s s s s
Pe 2Q + 2Q + 2Q +Q
N0 N0 N0 N0
(5.100)
Por otra parte, la aproximacin basada en los smbolos a distancia mnima es
s
2E sen2 (/8)
s
Pe 2Q (5.101)
N0

La Figura 5.42 muestra la probabilidad de error de smbolo Pe en funcin de la relacin

Eb /N0 obtenida segn (5.99) y la cota de la unin (5.100), recordando que, para la 8-PSK,
Es = 3Eb . Es interesante sealar que, para el rango de Eb /N0 considerado en la figura, la
aproximacin (5.101) produce una curva indistinguible de la Pe exacta.
0
10

1
10

2
10

3
Pe

10

4
10

5
10
Probabilidad de error exacta
6
Cota de la unin
10
0 2 4 6 8 10 12 14 16
Eb/N0 (dB)

Figura 5.42. Pe exacta y cota de la unin para una constelacin 8-PSK en un canal gausiano.

5.5. I MPLEMENTACIN DISCRETA DE SISTEMAS PAM

Aunque las arquitecturas propuestas a lo largo de este captulo tienen como propsito
el justificar las operaciones que se deben realizar para modular y demodular pulsos en am-

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
294 M ODULACIONES DE AMPLITUD

plitud, rara vez los diagramas de bloques de su implementacin fsica coinciden totalmente
con los aqu presentados. As, por ejemplo, aunque nuestro receptor trabaja con una tasa
de muestreo igual a la de smbolo, a menudo resulta conveniente tomar varias muestras por
periodo de smbolo. Este es el caso de los llamados igualadores fraccionarios, descritos en
el Captulo 6, para los que el sobremuestreo facilita la labor de compensacin de las distor-
siones introducidas por el canal. Otro ejemplo es el de los algoritmos de recuperacin del
instante de muestreo del Captulo 11, en los que disponer de varias muestras por periodo
de smbolo posibilita la tarea de interpolacin de la seal para obtener la muestra en el ins-
tante deseado. En este apartado discutiremos una ventaja adicional de operar a una fraccin
del periodo de smbolo: la implementacin discreta de la modulacin y demodulacin. Los
principios aqu expuestos servirn de base para desarrollos posteriores en los Captulos 6, 8
y 11.
Considere la arquitectura del modulador y demodulador para PAM en banda base de las
Figuras 5.2 y 5.18, respectivamente. Es evidente que, si desesemos una implementacin
directa de ambas estructuras, necesitaramos disponer de la circuitera analgica tal que
sintetizase el filtro g(t). No obstante, un vistazo a (5.26), revela que si el pulso conformador
g(t) es de tipo raz cuadrada de coseno alzado, dicha sntesis no es sencilla. A continuacin,
derivaremos tanto para el modulador como para el demodulador estructuras equivalentes y
ms convenientes para su implementacin fsica. Por su importancia, nos centraremos en
sistemas que emplean pulsos en raz cuadrada de coseno alzado, pero nuestro desarrollo es
fcilmente ampliable a cualquier otro pulso de ancho de banda finito.
La observacin clave es que, puesto que el pulso en raz de coseno alzado tiene un ancho
de banda (1 + )/T rad/seg, segn el teorema del muestreo de Nyquist (Apartado 2.4.1)
podemos representar la seal en banda base s(t) exactamente a partir de sus muestras, siem-
pre y cuando estas hayan sido tomadas con periodo menor o igual que T /(1 + ) seg. Por
razones prcticas, es conveniente que haya un nmero entero de muestras por periodo de
smbolo; adems, recordemos que el factor de cada puede variar entre 0 y 1. Todo ello
sugiere representar s(t) a partir de sus muestras tomadas a Ts = T /2 seg, aunque en otras
implementaciones prcticas el periodo puede ser incluso menor. De acuerdo con (2.218)
podemos escribir

!
X
s(t) = s(mTs )(t mTs ) hr (t) (5.102)
m=

donde hr (t) es un filtro paso bajo ideal de ganancia Ts y frecuencia de corte c igual a la
mitad de la frecuencia de muestreo, c = /Ts rad/seg, por lo que su respuesta al impulso
es
 
t
hr (t) = sinc (5.103)
Ts

Es interesante sealar que las consideraciones anteriores son igualmente vlidas si s(t)
es una seal compleja, esto es, la seal en banda base correspondiente a una modulacin
PAM paso banda. Naturalmente, en este caso las muestras s(mTs ) son complejas.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.5 I MPLEMENTACIN DISCRETA DE SISTEMAS PAM 295

Implementacin discreta del modulador

.
Veamos cmo podemos generar las muestras s[m] = s(mTs ) a partir de la secuencia de
smbolos {A[n]} y el pulso conformador muestreado con periodo Ts , que denotaremos por
.
gs [m] = g(mTs ). Nuestro punto de partida es el muestreo de la Ecuacin (5.1):
X
s[m] = A[n]g(mTs nT )
n
X
= A[n]gs [m 2n]
n
X
= A[n/2]gs [m n]
n par
= Ae [m] gs [m] (5.104)

donde la secuencia Ae [m] se genera pasando A[n] por un bloque de insercin de ceros (vase
Apartado 2.4.2)

(  
X A n2 si n es par
Ae [n] = A[k][n 2k] = (5.105)
k=
0 si n es impar

Por tanto, las muestras deseadas de s(t) se obtienen modulando el pulso discreto gs [m]
con la secuencia de smbolos A[n]. Esta interpretacin de s[m] como una seal procedente
de una modulacin en amplitud en tiempo discreto es evidente en la segunda lnea de (5.104).
En este sentido, el bloque de insercin de ceros permite adaptar la tasa de la secuencia de
smbolos (1/T seg1 ) a la de muestreo (2/T seg1 ).
El esquema resultante se representa en la Figura 5.43, en la que el conversor discreto-
continuo (D/C) con periodo Ts se considera ideal. Recordemos del Apartado 2.4 que el
bloque D/C constaba de un conversor de secuencia a tren de impulsos y de un filtro de re-
construccin paso bajo ideal. En la prctica el tren de impulsos se sustituye por un tren de
pulsos determinados por el circuito de retencin utilizado y que producen la llamada distor-
sin de apertura. Dicha distorsin se puede corregir modificando la funcin de transferencia
del filtro de reconstruccin, como en (2.221), o, mejor an, alterando la respuesta al impulso
del pulso conformador muestreado gs [n] para incorporar la correccin.

Ae [ n ] s[ n ] s (t )
A[ n] 2 g s [ n] D/C

Ts

Figura 5.43. Implementacin en tiempo discreto de un modulador PAM banda base.

En cualquier caso, es interesante subrayar la flexibilidad que la estructura de la Figu-

ra 5.43 permite ganar, ya que podemos cambiar fcilmente de pulso conformador sin ms

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
296 M ODULACIONES DE AMPLITUD

que utilizar sus muestras a periodo T /2 en el bloque gs [n]. La nica condicin que se debe
satisfacer es que el ancho de banda del pulso conformador no exceda /Ts = 2/T rad/seg.
Obviamente, ello es aplicable a los pulsos en raz de coseno alzado, para cualquier factor de
cada < 1.

La extensin del diagrama de la Figura 5.43 al caso en que Ts = T /M , para cualquier

entero M es inmediata, sin ms que considerar el muestreo de g(t) con periodo Ts para
producir gs [m] y generar Ae [n] insertando M 1 ceros por periodo de smbolo. Tambin
es relativamente sencillo considerar el caso Ts = T L/M , con L y M enteros, a partir de las
nociones de interpolacin y diezmado presentadas en el Apartado 2.4.2.

Implementacin discreta del demodulador

De un modo anlogo al modulador, podemos construir un demodulador que realice el

filtro adaptado en tiempo discreto para simplificar la implementacin fsica de la estructura
de la Figura 5.18. Nuevamente, nos centraremos en la seal en banda base, lo que implica,
en el caso de PAM paso banda, una traslacin previa a banda base mediante una demo-
dulacin con una exponencial compleja. Sean r(t) y q(t) las seales a la entrada y salida,
respectivamente, del filtro receptor f (t). En caso de que f (t) sea el filtro adaptado, bien
al pulso conformador g(t), o bien a la respuesta conjunta del pulso conformador y el canal
gr (t) = g(t) h(t), es fcil concluir que el ancho de banda de la seal q(t) no exceder nun-
ca el de g(t), que es un pulso en raz de coseno alzado. Por consiguiente, de nuevo q(t)
se podr representar a partir de sus muestras tomadas con periodo Ts = T /2 seg, muestras
.
que denotaremos por qs [n] = q(nTs ). Recordemos que a la entrada del decisor nicamente
.
necesitamos las muestras de q(t) tomadas con periodo de smbolo T , q[n] = q(nT ). Di-
chas muestras se pueden obtener a partir de qs [n] tomando una de cada dos, puesto que
q[n] = qs [2n].

Nuestro deseo es situar el filtro adaptado despus del muestreador con periodo Ts , con
el fin de facilitar su implementacin. Para simplificar el razonamiento, supongamos por un
momento que el canal no introduce ruido; en tal caso, la seal recibida r(t) = s(t) h(t)
estar limitada en banda, como mnimo tanto como s(t), que, a su vez, no excede de /Ts
rad/seg. Esto quiere decir que r(t) es representable de forma exacta a partir de sus muestras
tomadas con periodo Ts , de un modo similar a (5.102). Si f [n] y r[n] denotan las secuencias

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
5.5 I MPLEMENTACIN DISCRETA DE SISTEMAS PAM 297

obtenidas al muestrear respectivamente f (t) y r(t) con periodo Ts , podemos escribir

qs [m] = (r(t) f (t)) |t=mTs

!
X X 
= r[n](t nTs ) hr (t) f [k](t kTs ) hr (t) 
n k t=mTs
!
X X 
= Ts r[n](t nTs ) f [k](t kTs ) hr (t) 
n k t=mTs
!
XX 
= Ts r[l k]f [k](t lTs ) hr (t) 
k l t=mTs
X
= Ts r[m k]f [k]
k
= Ts (r[m] f [m]) (5.106)

donde hemos usado el hecho de que hr (t) es un filtro paso bajo ideal de ganancia Ts , por lo
que hr (t) hr (t) = Ts hr (t). Como vemos en (5.106) podemos conseguir qs [n] sin ms que
muestrear la seal recibida r(t) con periodo Ts y pasarla por el filtro en tiempo discreto f [n],
tal como se representa en la Figura 5.44, en la que se ha prescindido de la multiplicacin
por Ts en aras de una mayor claridad. El conversor continuo-discreto se supone ideal.

Faa ( jw)
1 r[ n ] qs [ n ] q[ n ]
r (t ) C/D f [n] 2
-p / Ts 0 p / Ts

Ts

Figura 5.44. Implementacin en tiempo discreto de un demodulador PAM banda base.

Si ahora suponemos que el canal introduce ruido blanco, la seal recibida r(t) ya no ser
limitada en banda, por lo que no es posible su representacin exacta a partir de sus muestras.
No obstante, si hacemos pasar la seal r(t) por un filtro paso bajo ideal faa (t) con respuesta
en frecuencia Faa (j) de ganancia unidad y frecuencia de corte /Ts rad/seg, es evidente
que la seal r(t) faa (t) s cumplir las condiciones del teorema del muestreo de Nyquist
y ser representable a partir de sus muestras a periodo Ts . De hecho, el filtro faa (t) suele
recibir el nombre de filtro anti-aliasing , porque evita la aparicin de este fenmeno en el
proceso de muestreo.
Obsrvese que el filtro anti-aliasing ser transparente para la parte til de la seal reci-
bida, ya que s(t) h(t) faa (t) = s(t) h(t). Cabe, por tanto, preguntarse si la colocacin
del filtro faa (t) altera en algo las caractersticas del ruido presente en la variable de deci-
sin q[n]. Por fortuna, nada cambia: si consideramos la estructura del demodulador de la
Figura 5.18, vemos que si antepusisemos faa (t) a f (t), la componente de ruido a la salida

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 298 M ODULACIONES DE AMPLITUD

de f (t) sera exactamente la misma que si faa (t) no existiese. Esto es consecuencia de que
faa (t) f (t) = f (t). Y, como hemos razonado ms arriba, siempre que la seal de entrada
est limitada en banda a /Ts rad/seg podemos implementar el filtro f (t) en tiempo discre-
to; precisamente, la misin del filtro faa (t) es limitar el ancho de banda del ruido a /Ts
rad/seg.
Como comentario final, cabe sealar que para sistemas paso banda el proceso de demo-
dulacin con una exponencial compleja tambin se puede implementar en tiempo discreto.
Esta idea se explora en el Problema P5.8.

5.6. L ECTURAS ADICIONALES

Todos los libros de comunicaciones digitales actuales se ocupan de las modulaciones
lineales con bastante nivel de detalle. Buenos ejemplos de ello son los libros de Wilson [94],
Bennedetto y Biglieri [7] y Proakis [61]. No obstante, la exposicin realizada aqu se apoya
en el libro de Lee y Messerschmitt [43], en particular para el tratamiento de los procesos
complejos.
El libro de Starr, Cioffi y Silverman [79] contiene algunas disquisiciones interesantes
sobre modulaciones en cuadratura, incluyendo las denominadas modulaciones de ampli-
tud/fase sin portadora (CAP, Carrierless Amplitude/Phase ), que se apuntan en el Ejemplo
5.8, y discute su aplicacin a la transmisin sobre cable de pares.

P ROBLEMAS
P5.1 Considere un sistema PAM en banda base tal que la respuesta combinada transmisor-
receptor, p(t), es un pulso triangular de la forma
(
1 |t|
T |t| < T
p(t) = (5.107)
0 |t| > T

donde T es el periodo de smbolo. El ruido introducido por el canal puede considerarse

despreciable.

1.1. Demuestre que el pulso anterior cumple el criterio de Nyquist para la ausencia
de ISI.
1.2. Represente el espectro de la seal a la salida del filtro receptor.
1.3. Suponga una constelacin 2-PAM (Figura 5.1(a)). Represente el diagrama de ojo
a la salida del filtro receptor y calcule su apertura horizontal.
1.4. Repita el apartado anterior para una constelacin 4-PAM (Figura 5.1(b)).

P5.2 El diagrama de ojo tambin es til para medir las posibles fluctuaciones del reloj de
smbolo, que se traducen en una degradacin del rendimiento del sistema. Suponga
que el periodo de smbolo no es fijo, sino variante en el tiempo, esto es, T (t). Por

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
P ROBLEMAS DEL CAPTULO 5 299

simplicidad, trataremos una variacin del tipo T (t) = T0 + sen(J t), donde T0
es el periodo de smbolo nominal, << 1 y J << 2/T0 , de modo que T (t)
puede considerarse constante a lo largo de varios periodos de smbolo consecutivos.
La respuesta combinada transmisor-receptor es
(
1 T|t|
(t) |t| < T (t)
p(t) = (5.108)
0 |t| > T (t)

y la constelacin empleada es una 2-PAM. El ruido introducido por el canal puede

considerarse despreciable.

2.1. Represente en diagrama de ojo (suponiendo una persistencia del osciloscopio

infinita) de la seal a salida del filtro receptor y comprelo con el del problema
anterior.
2.2. Compruebe que, disponiendo del diagrama de ojo, es posible estimar el valor de
.

P5.3 Sea un sistema de comunicaciones PAM en banda base con periodo de smbolo T seg
y pulso transmisor de tipo coseno alzado con exceso de ancho de banda del 35 %.
El ruido es gausiano con densidad espectral de potencia N0 /2 W/Hz y la respuesta
en frecuencia del canal es la que se muestra en la Figura 5.45. El filtro receptor est
adaptado a transmisor y canal, esto es, f (t) = gr (t), con gr (t) = g(t) h(t).
Represente la densidad espectral de potencia del ruido a la salida del muestreador del
receptor.
| H ( jw ) |

p p w
-0, 65 0,65
T T

Figura 5.45. Respuesta del canal del Problema P5.3.

P5.4 Considere la transmisin de una seal binaria antipodal A[n] {1, +1} a travs de
un canal discreto equivalente con respuesta p[n] = [n] + 0,25[n 1]. El ruido es
blanco y gausiano de varianza z2 .

4.1. Escriba la expresin exacta de la probabilidad de error de bit. (Ayuda : Observe

que, cuando A[n] = +1, la salida del canal con probabilidad 1/2 toma la forma
q[n] = 1,25 + z[n] y, con probabilidad 1/2, q[n] = 0,75 + z[n]).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
300 M ODULACIONES DE AMPLITUD

4.2. Si las decisiones A[n 1] se pueden considerar (casi siempre) como correctas
y se conoce el canal discreto equivalente p[n], explique cmo se puede modi-
ficar el decisor convencional, realimentando las decisiones previas para reducir
la probabilidad de error. Qu ocurre si el smbolo decidido realimentado no es
correcto?

P5.5 Considere la transmisin de una seal binaria antipodal A[n] {1, +1} a travs
de un canal discreto equivalente con respuesta al impulso p[n] = 0,8[n] + [n 1].
El ruido es blanco y gausiano con varianza z2 . Por lo visto en este captulo, A[n] se
decide en funcin del signo de q[n]; sin embargo, en este caso, el mayor coeficiente
del canal es p[1].

5.1. Razone sobre la conveniencia de usar el signo de q[n] para decidir sobre A[n1]
en lugar de sobre A[n]. Observe que esto simplemente implica un retardo de una
muestra en la toma de decisiones.
5.2. Justifique analticamente el razonamiento anterior calculando las probabilidades
siguientes: Pr{sgn(q[n]) 6= A[n]}, Pr{sgn(q[n]) 6= A[n 1]}, donde la funcin
sgn(x) es tal que devuelve 1 si x > 0 y -1 si x < 0.

P5.6 El espectro de una seal PAM en banda base (Ecuacin 5.2) depende no slo del
pulso conformador, sino tambin de la densidad espectral de potencia de los smbolos
enviados, lo que implica que podemos ayudar a la conformacin espectral actuando
sobre la autocorrelacin de la secuencia {A[n]}. Suponga que deseamos transmitir una
secuencia de smbolos blanca {Ab [n]} y modificamos su espectro pasndola por un
filtro discreto c[n] con Transformada de Fourier C(ej ), para producir una secuencia
{A[n]}, de modo que A[n] = Ab [n] c[n]. El pulso transmisor g(t) es un filtro paso
bajo ideal o, equivalentemente, un pulso en raz de coseno alzado con = 0.

6.1. Escriba SA (ej ) en funcin de SAb (ej ) y de C(ej ).

6.2. Represente el espectro de la seal PAM Ss (j) para los siguientes casos: i)
c[n] = [n] [n 1]; ii) c[n] = [n] + [n 1]; iii) c[n] = [n] [n 2].
6.3. Suponga que es sabido que Ab [n] = 0, para todo n < 0. Demuestre que se puede
reconstruir Ab [n] a partir de A[n]. Esto implica que el receptor puede obtener
Ab [n] a partir de las decisiones A[n].
6.4. Para cada uno de los casos anteriores escriba la potencia transmitida en funcin
de la energa media de los smbolos en {Ab [n]}.

P5.7 Represente el diagrama de bloques de un receptor de:

7.1. PAM en doble banda lateral (PAM-DSB).

7.2. PAM en banda lateral nica (PAM-SSB).
7.3. CAP (Ejemplo 5.8).

P5.8 Considere el receptor de la Figura 5.36.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 P ROBLEMAS DEL CAPTULO 5 301

8.1. Demuestre que la demodulacin con la exponencial compleja puede moverse

tras el muestreador a periodo de smbolo. Ello significa que la seal a la salida
del muestreador se puede demodular con una exponencial discreta ej1 n . En-
cuentre qu relacin deben cumplir 1 y c . Tenga cuidado con las unidades:
mientras c est expresada en rad/seg, 1 lo est en rad.
8.2. Demuestre que si 1 {0, /2, } la demodulacin no implica la realizacin
de ningn producto. Esto reduce la complejidad del receptor. Naturalmente, de
acuerdo con los resultados del apartado anterior, esto sugiere elegir la frecuencia
de la portadora en funcin del periodo de smbolo.
8.3. Demuestre que si c se elige de tal modo que 1 = 0, entonces no es necesaria
ninguna demodulacin compleja, y q[n] se puede obtener directamente mues-
treando la salida del filtro paso banda complejo de la figura.

P5.9 Considere la condicin (5.70), suficiente para que la seal transmitida x(t) sea ciclo-
estacionaria.

9.1. Demuestre que se cumple en el caso de QAM cuando los smbolos transmiti-
dos por los canales en fase y cuadratura son independientes y las funciones de
autocorrelacin de los smbolos transmitidos por ambos canales son idnticas.
9.2. Demuestre que se cumple en el caso de PSK si las muestras de la secuencia de
fases [n] son independientes.

P5.10 La constelacin de la Figura 5.46 se denomina jerrquica: aunque con ella se pueden
transmitir 4 bits por smbolo, los bits decodificados no tienen igual probabilidad de
error. Esta constelacin se utiliza en la transmisin de seales con diferentes niveles
de proteccin; por ejemplo, en transmisin de vdeo codificado, los dos bits ms prote-
gidos se pueden usar para transmitir las componentes paso bajo importantes y los dos
menos protegidos, para transmitir el detalle. Si la relacin seal a ruido en recepcin
supera un determinado umbral 1 , entonces la imagen se puede ver con alta calidad.
Si dicha relacin no supera 1 , pero est por encima de un umbral 2 , entonces slo
se pueden decodificar fiablemente los bits ms protegidos; esta situacin es aceptable,
por ejemplo, en terminales mviles o porttiles de bajo coste. El inters de este tipo
de codificacin estriba en que para constelaciones no jerrquicas, el nivel de relacin
seal a ruido necesario para una decodificacin fiable es menor que 1 , pero mayor
que 2 .
Suponga que la asignacin de bits a smbolos es la siguiente: los dos primeros bits
determinan el cuadrante del plano complejo; los dos ltimos determinan el smbolo
dentro del cuadrante. Para ambos pares de bits, se utiliza codificacin Gray (Pgina
230). Todos los smbolos se transmiten con igual probabilidad. El parmetro = b/a
sirve para establecer el nivel relativo de proteccin: para = 0 el segundo par de
bits no est protegido en absoluto, mientras que cuando = 1/2 se recupera una
constelacin 16-QAM, para la que el nivel de proteccin es prcticamente el mismo

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
302 M ODULACIONES DE AMPLITUD

Im {A[n]}

a
Re {A[n]}

Figura 5.46. Constelacin jerrquica del Problema P5.10.

para ambos pares de bits. Suponga un canal gausiano que introduce ruido de densidad
espectral de potencia N0 /2 W/Hz.

10.1. Demuestre que, conocidos la energa por smbolo Es y el nivel de proteccin ,

la constelacin de la figura queda completamente determinada.
10.2. Obtenga la expresin de la probabilidad de error de bit para los dos primeros
bits de cada smbolo (los ms protegidos), de forma exacta en funcin de Es /N0
y . En funcin de estos mismos parmetros, obtenga la aproximacin a dicha
probabilidad basada en los smbolos a mnima distancia.
10.3. Repita los clculos del apartado anterior con los dos ltimos bits de cada smbolo
(los menos protegidos).
10.4. Para = 1/8 represente las Pe aproximadas de los apartados anteriores en fun-
cin de Es /N0 . Represente en la misma grfica la probabilidad de error de una
constelacin QPSK y compare los resultados.

P5.11 Una seal PAM paso banda con periodo de smbolo T seg y frecuencia de portadora c
rad/seg se demodula con el esquema de la Figura 5.34 pero usando una exponencial de
frecuencia d rad/seg, distinta a la de la portadora. El canal es gausiano y la respuesta
combinada transmisor-receptor cumple el criterio de Nyquist.

11.1. Escriba, en funcin de (c d ), la expresin de la secuencia de observaciones

q[n].
11.2. Represente el diagrama de dispersin que se tendra si el ruido fuese desprecia-
ble.

P5.12 Las Figuras 5.47(a)-(d) presentan diagramas de dispersin a la salida del muestreador
del receptor. La respuesta combinada de los filtros transmisor y receptor es un coseno

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 P ROBLEMAS DEL CAPTULO 5 303

alzado y la constelacin empleada es una QPSK. Justifique, en cada caso, qu causa

puede dar lugar al diagrama observado.
2 2

1.5 1.5

1 1

0.5 0.5

0 0

0.5 0.5

1 1

1.5 1.5

2 2
2 1.5 1 0.5 0 0.5 1 1.5 2 2 1.5 1 0.5 0 0.5 1 1.5 2

(a) (b)
2 2

1.5 1.5

1 1

0.5 0.5

0 0

0.5 0.5

1 1

1.5 1.5

2 2
2 1.5 1 0.5 0 0.5 1 1.5 2 2 1.5 1 0.5 0 0.5 1 1.5 2

(c) (d)

Figura 5.47. Diagramas de dispersin del Problema P5.12.

P5.13 Uno de los problemas que suele aparecer en la prctica a la hora de implementar un
demodulador PAM paso banda, es el del llamado desequilibrio entre fase y cuadra-
tura , que tiene su origen en las dificultades para generar las seales demoduladoras
perfectamente en cuadratura.
Considere un sistema de comunicaciones paso banda que emplea una constelacin
QPSK a travs de un canal gausiano. La respuesta combinada de los filtros transmisor

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
304 M ODULACIONES DE AMPLITUD

y receptor cumple el criterio de Nyquist. Sin embargo, por el problema anteriormen-

te mencionado, en el receptor, implementado de acuerdo con el esquema de la Figu-
ra 5.37, en lugar de emplear cos(c t), se utiliza cos(c t+), || < /4. Por supuesto,
el desfase es desconocido en el decisor, que sigue manteniendo los mismos umbrales
de decisin que para = 0.

13.1. Suponiendo un ruido despreciable, represente el diagrama de dispersin que se

tendra a la salida del muestreador (complejo) del receptor.
13.2. Obtenga la probabilidad de error de smbolo en funcin de Es /N0 y de .

P5.14 En este problema vamos a estudiar cmo generalizar el criterio de Nyquist a la trans-
misin simultnea de varias seales moduladas con PAM. Por simplicidad, considera-
remos el caso en banda base, pero la generalizacin a una modulacin paso banda es
inmediata. Suponga que la seal banda base s(t) se obtiene de la forma siguiente:
N
X 1 X
s(t) = Aj [n]j (t nT ) (5.109)
j=0 n

donde las funciones j (t) son ortogonales y los smbolos Aj [n] que las modulan son
reales. En recepcin, se usa el banco de filtros adaptados de la Figura 4.41. El canal se
considera ideal.

14.1. Para el canal j-simo, obtenga una condicin sobre la respuesta en frecuencia
j (j) para que en la observacin qj [n] no haya interferencia de los smbolos
Aj [k], k 6= n.
14.2. Para el canal j-simo, obtenga una condicin sobre las respuestas en frecuencia
j (j) y l (j), l 6= j para que en la observacin qj [n] no haya interferencia
de los smbolos Al [n]. (Ayuda : Observe que la condicin anterior implica que


(l (t) j (t))  = [n] )
t=nT

14.3. A partir del conjunto de condiciones derivadas en los apartados a) y b), que se
conocen como el criterio de Nyquist generalizado, encuentre un par de funciones
0 (t) y 1 (t) que las satisfagan y tales que 0 (t) 0 (t) sea un coseno alzado.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 C APTULO 6
D ETECCIN EN CANALES CON
INTERFERENCIA INTERSIMBLICA

Debido a la distorsin lineal que el canal introduce en la seal analgica transmitida, en

la salida de un demodulador de PAM habr presente cierto grado de interferencia intersim-
blica (ISI). En tales condiciones, el detector smbolo a smbolo empleado en el Captulo 5
deja de ser ptimo, y sus prestaciones pueden llegar a ser completamente inaceptables a me-
dida que el nivel de ISI aumenta. Se hace as necesario modificar la estructura del detector
para solventar este problema.
Para ello, determinaremos en primer lugar el decisor ptimo en presencia de ISI, el cual,
como veremos, toma las decisiones utilizando toda la secuencia recibida y no smbolo a sm-
bolo. En numerosas ocasiones la complejidad computacional de este decisor ptimo resulta
ser excesiva, lo que hace necesario utilizar otras estructuras subptimas pero menos costo-
sas como son los igualadores. Un igualador lineal realiza un filtrado de la seal demodulada
con el objeto de compensar la distorsin introducida por el canal, de tal forma que a la sa-
lida del igualador la seal est lo ms libre de ISI posible. En tal caso, es posible utilizar
un decisor smbolo a smbolo sobre esta seal. Los igualadores1 se usan en procesado de
seales de audio para compensar las distorsiones producidas en el canal que, en este caso,
incluye micrfonos, cables, dispositivos de grabacin y reproduccin, etc. En comunicacio-
nes digitales, los primeros igualadores no diferan mucho de un ecualizador manual, pero a
medida que la velocidad de transmisin fue aumentando se hizo imprescindible contar con
igualadores basados en principios matemticos.
De hecho, para poder combatir eficazmente el efecto de la ISI con igualadores el re-
ceptor necesita ajustar adecuadamente los parmetros correspondientes, bien sean estos los
coeficientes de la respuesta del canal o los del igualador. Una vez planteados los principios
del diseo de igualadores de canal, es posible obtener estructuras capaces de ajustarse auto-
mticamente para adaptarse a los cambios ocurridos en el canal o, simplemente, para evitar
1
En procesado de audio se emplea el trmino ecualizador que, aunque es una mala traduccin del ingls
equalize, ha sido aceptado por la Real Academia de la Lengua. Para distinguirlo de este y aprovechar las
posibilidades que ofrece nuestro idioma, hemos decidido utilizar el trmino igualador, que es autoexplicativo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 306 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

la realizacin de operaciones matemticas complejas. Estas estructuras adaptativas tambin

sern objeto de este captulo.

6.1. E L PROBLEMA DE LA INTERFERENCIA ENTRE SMBOLOS

Antes de pasar a desarrollar una serie de posibles estrategias para mitigar la ISI conviene
analizar en detalle su naturaleza para tener una visin clara de su efecto. Comenzaremos
recordando el modelo de canal discreto equivalente para modulaciones PAM desarrollado
en el Captulo 5.

6.1.1. Canal discreto equivalente

En el Captulo 5 hemos visto que si la convolucin del pulso de transmisin g(t) y
el filtro de recepcin f (t) cumple el criterio de Nyquist, y la distorsin introducida por
el canal se reduce a ruido aditivo, entonces la seal demodulada y muestreada a la tasa
de smbolo est libre de ISI2 . Esto coincide con el modelo del canal lineal gausiano de la
Figura 5.11 para el que la respuesta del canal equivalente en banda base es un impulso,
heq (t) = (t t0 ), introduciendo solamente una atenuacin y un retardo en la seal
recibida. Ntese que la respuesta en frecuencia Heq (j) de este canal cumple

|Heq (j)| = ||, Heq (j) = t0 + (6.1)

es decir, su magnitud es constante y su fase es lineal con la frecuencia. Sin embargo, es

comn en la prctica encontrar canales cuya funcin de transferencia no cumple (6.1). Por
ejemplo, en una lnea telefnica la atenuacin sufrida por la seal que la atraviesa depende
de la frecuencia; lo mismo ocurre en un cable coaxial. En sistemas inalmbricos (canales
radio) y subacuticos (canales acsticos), varias versiones de la seal transmitida pueden
llegar al receptor por diferentes caminos tras sufrir distintas reflexiones en el entorno. El
receptor se enfrenta entonces a la superposicin de estas rplicas de la seal original, cada
una de las cuales ha sufrido una atenuacin y un retardo distintos. Este fenmeno se conoce
como multitrayecto y resulta en un canal que tampoco cumple (6.1).
En tales condiciones, para evitar la ISI se podra disear el filtro receptor f (t) en la
forma que se describi en el Apartado 5.3, con los inconvenientes all mencionados: a su
salida el ruido puede estar coloreado y, peor an, su potencia puede ser amplificada. Por
estas razones, y teniendo en cuenta que en la prctica el receptor suele desconocer la res-
puesta impulsional del canal en banda base equivalente heq (t), es comn hacer que f (t) est
adaptado al filtro transmisor g(t), es decir, f (t) = g(t).
Nuestro punto de partida en este captulo ser el canal discreto equivalente (Apartado
5.4.4) de la Figura 5.7:
q[n] = A[n] p[n] + z[n] (6.2)
2
Esto es cierto siempre y cuando el muestreo se realice en los instantes adecuados. La influencia del instante
de muestreo en la ISI ser analizada en el Apartado 6.5, mientras que la sincronizacin de smbolo se discutir
en el Captulo 11.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.1 E L PROBLEMA DE LA INTERFERENCIA ENTRE SMBOLOS 307

donde q[n] son las muestras tomadas con periodo de smbolo de la seal a la salida del
filtro receptor, p[n] es la respuesta al impulso del canal discreto equivalente y z[n] es la
secuencia de ruido a la salida del muestreador del receptor. Supondremos que el ruido aditivo
introducido por el canal es blanco y gausiano, con densidad espectral de potencia N0 /2
W/Hz. Adems, supondremos que el filtro receptor f (t) es tal que su funcin de ambigedad
temporal satisface el criterio de Nyquist para periodo T . En tal caso, para un sistema paso
banda z[n] es un proceso gausiano, blanco, circularmente simtrico con varianza z2 = N0 ;
para un sistema en banda base, el ruido z[n] es real, gausiano y blanco con varianza z2 =
N0 /2.
A lo largo de este captulo supondremos que el canal en banda base equivalente p(t) =
g(t) heq (t) g(t) toma valores no nulos nicamente en el intervalo tinf t < tsup de
duracin Tp = tsup tinf . El valor de tinf puede interpretarse como un retardo global en la
transmisin, por lo que supondremos que tinf = 0, sin perder generalidad. De este modo,
nuestro modelo de canal (6.2) toma la forma

K
X
q[n] = p[k]A[n k] + z[n] (6.3)
k=0

con K = Tp /T , donde x denota el mayor entero menor o igual que x. Como con-
secuencia de nuestra suposicin, el nmero de coeficientes no nulos de p[n] = p(nT ) es
K + 1.
Resulta claro que cuanto mayor sea el valor de K, mayor ser el nmero de compo-
nentes de ISI, de lo que cabe esperar que ms perjudicial ser su efecto. Hay que destacar
que el valor de K aumenta no slo con la dispersin de retardos Tp , sino tambin al au-
mentar la tasa de smbolo 1/T . Es habitual que un mismo canal apenas distorsione la seal
para transmisiones a baja velocidad, pero que introduzca un nivel considerable de ISI si se
intentan alcanzar grandes velocidades de transmisin. Por ello, las estrategias de deteccin
en presencia de ISI tienen un papel cada vez ms importante en el diseo de un sistema de
comunicaciones, debido a la tendencia generalizada de los sistemas modernos a alcanzar
velocidades cada vez mayores.

6.1.2. Medida de la interferencia entre smbolos

La cantidad de ISI introducida por el canal ser mayor cuanto ms diste la respuesta
del canal discreto equivalente p[n] de un impulso puro de la forma c[n d], con c alguna
constante no nula y d un entero. Cabe preguntarse cunta ISI es capaz de tolerar un detector
smbolo a smbolo sin cometer errores, en el caso asinttico en que z2 tienda a cero. Para
contestar, necesitamos una manera de cuantificar la ISI. Definamos d como el ndice del
coeficiente del canal con mayor magnitud (esto es, tal que |p[d]| |p[n]| para todo n), y
reescribamos (6.3) como
X
q[n] = p[d]A[n d] + p[k]A[n k] + z[n] (6.4)
k6=d

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
308 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

El coeficiente de referencia p[d] se suele denominar cursor. Un decisor smbolo a smbolo

para estimar A[n d] corregira primero el efecto del factor p[d], y entonces decidira en
funcin de la regin del plano complejo en la que resida q[n]/p[d] para formar la decisin
dura A[n d]. Es decir, A[n d] es el elemento de la constelacin ms prximo a

q[n] X p[k] z[n]

= A[n d] + A[n k] + (6.5)
p[d] p[d] p[d]
k6=d

El segundo sumando en (6.5) constituye la ISI debida al canal, mientras que el tercero refleja
el efecto del ruido aditivo. Es posible cuantificar la distorsin introducida por el canal a
travs del parmetro denominado nivel de ISI:

. Dpico
ISI = (6.6)

donde Dpico (denominada distorsin de pico ) y son parmetros que dependen respec-
tivamente de la respuesta impulsional del canal discreto equivalente y de la constelacin
utilizada, y se definen como

. X |p[k]| . (dmin /2)

Dpico = 0, = >0 (6.7)
|p[d]| |A|max
k6=d

En (6.7) |A|max denota la mxima magnitud de los elementos de la constelacin y dmin

denota la mnima distancia entre dos elementos de la constelacin. Ntese que ISI 0, con
ISI = 0 si y slo si Dpico = 0, o, equivalentemente, p[k] = 0 para todo k 6= d, es decir, si
el canal no introduce ISI. Cuanto mayor sea Dpico , mayor ser el nivel de ISI.
En ausencia de ruido, el detector smbolo a smbolo no cometer errores si ISI < 1
(vase el Problema P6.1) y en tal caso se suele decir que el ojo est abierto, en referencia
al diagrama de ojo introducido en el Apartado 5.3.1. Por el contrario, a medida que el nivel
de ISI aumenta hasta tener ISI > 1, el ojo se cerrar. Es importante observar que el
hecho de que el ojo se halle o no abierto depende no slo del canal (a travs del parmetro
Dpico ), sino tambin de la constelacin utilizada (a travs del parmetro ). Para un mismo
canal, vemos en (6.6) que la transmisin ser ms robusta a la ISI cuanto mayor sea el valor
de , mostrado en el Cuadro 6.1 para nueve constelaciones comnmente empleadas. La
constelacin BPSK es la ms robusta en este sentido y a medida que aumenta el nmero de
bits por smbolo de la modulacin, la sensibilidad a la ISI de la constelacin correspondiente
tambin aumenta.
Naturalmente, aun cuando la ISI sea lo suficientemente pequea como para que el ojo
est abierto, en presencia de ruido la probabilidad de error del detector smbolo a smbolo
ser siempre mayor que en el caso sin ISI. Las muestras de la seal recibida no coincidirn
con los smbolos transmitidos, sino que en general podrn acercarse a las fronteras de las
regiones de decisin. La probabilidad de que el ruido aditivo haga pasar la correspondiente
muestra a una regin incorrecta es, por tanto, mayor.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.1 E L PROBLEMA DE LA INTERFERENCIA ENTRE SMBOLOS 309

Constelacin bits/smbolo = (dmin /2)/|A|max

BPSK 1 1
QPSK 2 0.707
4-PAM 2 0.333
8-PSK 3 0.382
8-PAM 3 0.143
16-QAM 4 0.235
32-QAM 5 0.164
64-QAM 6 0.101
128-QAM 7 0.076

Cuadro 6.1. Valores del parmetro de robustez frente a la ISI para varias constelaciones.

Ejemplo 6.1

En la Figura 6.1 se representa el diagrama de dispersin en el receptor (muestras q[n]) para una
constelacin 16-QAM y tres canales distintos, todos de la forma p[n] = 0,1[n] + [n 2] +
[n 4], con = 0, 0,1 y 0,18. Los valores de ISI correspondientes son 0,4242, 0,8484 y
1,1879. En los dos primeros casos el ojo se halla abierto (ISI < 1). En el tercero, la ISI es lo
suficientemente elevada como para que empiecen a aparecer errores en las decisiones, incluso si
no hubiese ruido. La probabilidad de error de smbolo aumentar si || se incrementa ms todava.

Im{q} Im{q} Im{q}

Re{q} Re{q} Re{q}

=0 = 0,1 = 0,18

Figura 6.1. Diagramas de dispersin en el receptor para una constelacin 16-QAM y tres
canales p[n] = 0,1[n] + [n 2] + [n 4] con diferentes niveles de ISI y sin ruido.

6.1.3. Cota del filtro adaptado

Hemos visto cmo el efecto de la ISI puede ser catastrfico para un detector smbolo a
smbolo. Seguidamente pasaremos a desarrollar detectores ms sofisticados que tengan en
cuenta la dispersin del canal, pero antes vamos a presentar una cota para las prestaciones
que se pueden obtener con cualquier detector de este tipo. Dicha cota se denomina cota
del filtro adaptado y determina un valor mnimo para la probabilidad de error de smbolo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
310 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

Este valor mnimo no tiene por qu ser alcanzable para una implementacin particular del
receptor, aunque en ocasiones s lo es.
Esta cota se obtiene observando que la probabilidad de error de smbolo con el modelo
de canal (6.3) al transmitir una secuencia de smbolos nunca ser menor que la correspon-
diente a la transmisin de un nico smbolo por el mismo canal. Si nicamente se transmite
A[0] = A, las nicas observaciones conteniendo informacin acerca de este smbolo son
q[0], . . . , q[K]. Agrupando estas en un vector q de dimensin K + 1, podemos escribir

q[0] p[0] z[0]
q[1] p[1] z[1]

.. = A .. + .. q = Ap + z (6.8)
. . .
q[K] p[K] z[K]
Podemos interpretar (6.8) como la transmisin del smbolo A por K + 1 canales parale-
los, sin ISI, con distintas ganancias e independientes (ya que las variables aleatorias z[n1 ],
z[n2 ] son independientes para n1 6= n2 ). Si las probabilidades a priori de los smbolos son
idnticas, entonces el criterio de mxima verosimilitud, o ML, minimiza la probabilidad de
error, tal como se vio en el Captulo 4. Dado que la funcin de densidad de probabilidad de
q, condicionada a que el smbolo transmitido A tome el valor a, es
 
1 1 2
fq|A (q | a) = exp 2 ||q ap|| (6.9)
(z2 )K+1 z
entonces el detector ML para el modelo (6.8) decidir que el smbolo transmitido fue a = ai
si se cumple que
||q ai p||2 < ||q aj p||2 j = 0, , M 1, j 6= i (6.10)
o equivalentemente (vase Problema P6.4),
 H 2  H 2
p q  p q 
   
 pH p a i  <  pH p a j  , j = 0, , M 1, j 6= i (6.11)

donde pH denota el vector hermtico (es decir, traspuesto y conjugado) de p. Este de-
tector se ilustra en la Figura 6.2. Obsrvese que el estadstico qf = pH q/||p||2 puede

pH qf
q Decisor
||p||2

Figura 6.2. Estructura del detector ML para la transmisin de un smbolo aislado a travs
de un canal dispersivo.

interpretarse como la salida en el instante n = 0 de un filtro con respuesta impulsional

h[n] = p [n]/||p||2 , cuando su entrada es la secuencia de observaciones q[n]:
X P
p [k]q[k] pH q
(q[n] h[n])|n=0 = h[k]q[k] = k = (6.12)
||p||2 ||p||2
k

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 6.2 D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 311

En otras palabras, el detector ML consta de un filtro adaptado al canal p[n] (y normalizado)

seguido de un decisor de mnima distancia eucldea a los elementos de la constelacin.
Este resultado no debera sorprendernos, pues no es ms que el equivalente discreto del
problema de deteccin en canales gausianos estudiado en el Captulo 4. A la salida de este
filtro adaptado obtenemos un modelo simple de canal aditivo gausiano, como puede verse a
partir de la expresin del estadstico qf :

pH q pH (Ap + z) pH z
qf = = = A + zf , con zf = (6.13)
||p||2 ||p||2 ||p||2

Adems, la relacin seal a ruido medida sobre qf es mxima (vase Problema P6.5). N-
tese que la componente de ruido zf presente en qf es gausiana, circularmente simtrica, de
media cero y varianza z2 /||p||2 . Por tanto podemos obtener una buena aproximacin a la
probabilidad de error resultante de forma similar a (4.91):
!
dmin ||p||
Pe Q p (6.14)
2 N0 /2

donde dmin es la distancia mnima de la constelacin y es el mximo nmero de smbolos

que se encuentran a dmin de un smbolo de la constelacin.
La expresin (6.14) recibe el nombre de cota del filtro adaptado. Al haber sido derivada
para el caso particular en que se transmite un nico smbolo, la probabilidad de error de
cualquier detector operando sobre el mismo canal y con transmisin continua de smbolos
estar acotada inferiormente por (6.14). Obsrvese que la nicapP influencia del canal p[n] en
la cota es a travs de la raz cuadrada de su energa, ||p|| = 2
k |p[k]| , de forma que si
||p|| aumenta, entonces la probabilidad de error disminuye debido a que la varianza efectiva
de ruido z2 /||p||2 disminuye. Alternativamente, ||p||2 puede interpretarse como la ganancia
en potencia introducida por el canal.

6.2. D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRE -

SENCIA DE ISI

Cuando ISI > 1 el ojo se halla cerrado y un decisor smbolo a smbolo no es capaz de
detectar correctamente los datos; cosa poco sorprendente, pues este decisor se dise para
canales sin ISI. En este apartado vamos a desarrollar el detector ptimo bajo el criterio ML
en presencia de ISI. Para ello, partiremos del modelo (6.3) y supondremos que se transmite
una secuencia de L smbolos A[0], A[1],. . . , A[L 1], tomados de entre los M elementos de
la constelacin. Por tanto habr M L posibles secuencias de L smbolos, y el detector deber
determinar cul fue transmitida de entre todas ellas. Ntese a partir de (6.3) que, debido a
la memoria del canal, los L smbolos A[0],. . . , A[L 1] afectan a las L + K observaciones
q[0], . . . , q[L + K 1]. Cualquier otra observacin q[n] con n < 0 n > L + K 1 slo
contiene ruido, y puede por tanto ser desechada. Denotaremos por Nq = L + K el nmero
de observaciones disponibles.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
312 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

6.2.1. Expresin del detector ML de secuencias

Podemos pensar en cada una de las M L posibles secuencias transmitidas como un vector
A de L smbolos (en general complejos) pertenecientes a la constelacin empleada. En otras
.
palabras, A = [A[0], A[1], , A[L 1]]T , donde cada smbolo A[n] se toma de entre los
M elementos de la constelacin. Podemos concluir entonces que tenemos un total de M L
secuencias posibles que describimos de la forma {ai , i = 0, . . . , M L 1 .
La probabilidad de decidir una secuencia distinta de la transmitida se minimiza mediante
el criterio MAP desarrollado en el Apartado 4.4.1: si q denota el vector formado por las Nq
muestras recibidas q[n], el detector MAP escoger aquella secuencia ai que cumpla
pA (ai ) fq|A (q | ai ) > pA (aj ) fq|A (q | aj ), j = 0, , M L 1, j 6= i (6.15)
donde pA (a) es la probabilidad a priori de la secuencia a y fq|A (q|a) es la funcin de
densidad de probabilidad de la observacin q condicionada a la transmisin de la secuencia
a. Debemos insistir en que segn este planteamiento, el detector MAP minimiza la proba-
bilidad de que la secuencia decidida no coincida con la transmitida, o equivalentemente,
la probabilidad de que uno o ms smbolos detectados sean errneos. Esta no coincide en
general con la probabilidad de error de smbolo, es decir, la probabilidad de que un smbolo
cualquiera de los decididos sea errneo. El criterio de mnima probabilidad de error de sm-
bolo resulta en un detector mucho ms complejo, cuyas prestaciones suelen ser parecidas
a las del detector MAP (6.15) para relaciones seal a ruido elevadas. Por ello el criterio de
mnima probabilidad de secuencia errnea es generalmente preferido en la prctica.
Suponiendo que los smbolos transmitidos son independientes entre s y equiprobables,
cada una de las posibles secuencias aj tiene la misma probabilidad a priori y el criterio
MAP se reduce al criterio ML, como se vio en el Apartado 4.4: se decidir que la secuencia
transmitida fue ai si se cumple que
fq|A (q|ai ) > fq|A (q|aj ), j = 0, , M L 1, j 6= i (6.16)
Por tanto, necesitamos la expresin de fq|A (q|a), donde q y a son los vectores que recogen
las muestras de, respectivamente, q[n] y a[n] desde n = 0 hasta n = L 1. Para alcan-
zar nuestro objetivo, observemos en (6.3) que la funcin de densidad de probabilidad de
q[n], condicionada a que la secuencia transmitida A tome el valor a, es gausiana, de media
P K 2
k=0 p[k]A[n k] y varianza z . Es ms, dado que z[n] es un proceso blanco, se tiene
que dos variables aleatorias cualesquiera q[n1 ], q[n2 ] con n1 6= n2 estn incorrelaciona-
das, y por tanto son independientes dado que son conjuntamente gausianas (vase Apartado
3.2.6). As, la funcin de densidad de probabilidad conjunta se reduce a
 2
1 1 NX q 1  K
X 
 
fq|A (q | a) = exp  q[n] p[k]a[n k]  (6.17)
(z2 )Nq z2 
n=0

k=0

Por tanto, el detector ML escoger aquella secuencia de smbolos a tal que la suma

Nq 1 
2
X  K
X 

q[n] p[k]a[n k] (6.18)
 
n=0 k=0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.2 D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 313

es mnima. Observando (6.18) concluimos que la estrategia ptima consiste simplemente en

escoger de entre todas las posibles aquella secuencia que, una vez filtrada por el canal p[n],
mejor se ajuste a las observaciones. La medida de este ajuste es la distancia eucldea, lo cual
es una consecuencia de la naturaleza gausiana del ruido. Podemos considerar el detector ML
como un decisor generalizado que, teniendo en cuenta la ISI, opera sobre toda la secuencia
recibida y no sobre smbolos aislados.
Cul es el coste computacional del detector ML? Para contestar esta pregunta, fij-
monos en que para cada posible secuencia a dicho detector ha de realizar las siguientes
operaciones: filtrado por el canal, resta de la secuencia resultante de la secuencia de obser-
vaciones, clculo de las magnitudes de tales diferencias y su posterior suma. El nmero de
productos (complejos) y sumas requeridos para todo ello es proporcional a KL. Dado que
este clculo ha de repetirse para todas las secuencias posibles, el coste total es proporcio-
nal a KL M L (al que todava habra que aadir el de un algoritmo de bsqueda del valor
mximo de las M L distancias calculadas).
El principal problema de esta implementacin directa del detector ML radica en que su
coste computacional crece exponencialmente con el nmero de smbolos transmitidos L, y
por tanto con el tiempo que dura la transmisin. Dependiendo de la aplicacin, este tiempo
de transmisin puede ser corto (por ejemplo, para sistemas que operan de forma pulsada
transmitiendo rfagas de unos pocos smbolos) o llegar a ser muy largo. En tal caso, adems
de la prohibitiva complejidad del detector, aparecen otros dos problemas adicionales: el
tamao de la memoria necesaria para almacenar todas las M L secuencias posibles, as como
el retardo inherente en la decisin, pues parece necesario esperar al final de la transmisin
para comenzar el proceso de deteccin. Afortunadamente, estos problemas pueden superarse
gracias a un algoritmo computacionalmente eficiente (su complejidad crece de forma lineal,
y no exponencial, con L) para el clculo de la mnima distancia eucldea. La idea principal
consiste en aprovechar la propiedad de que la memoria del canal es finita.

6.2.2. El algoritmo de Viterbi

En este apartado presentaremos un esquema para el clculo de la secuencia ms pro-
bable, denominado algoritmo de Viterbi en honor a su autor. Es importante resear que
el algoritmo de Viterbi no constituye un nuevo criterio de deteccin, sino que no es nada
ms (aunque tampoco nada menos) que un mtodo numricamente eficiente de minimizar
la mtrica (6.18) asociada al detector ML.
El modelo de canal (6.3) genera las observaciones de la forma q[n] = o[n] + z[n], donde

K
X
o[n] = p[k]A[n k], n = 0, 1, . . . , Nq 1 (6.19)
k=0

es la salida del canal antes de aadir el ruido. En un sistema con memoria como (6.19) un
concepto importante es el de estado, el cual se define como la mnima informacin necesaria
para determinar la salida del sistema en el instante n (en este caso o[n]), dado el valor de
la entrada en ese mismo instante (en este caso A[n]). Inmediatamente obtenemos de (6.19)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
314 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

que en nuestro caso el estado del sistema coincide con el vector formado por los K smbolos
transmitidos anteriormente, que denotaremos

A[n 1]
A[n 2]

[n] = .. (6.20)
.
A[n K]

As, la salida o[n] queda completamente determinada por el estado [n] en el que se
encuentra el sistema y el valor actual A[n] de la entrada. Tambin el estado en el siguiente
instante [n + 1] queda determinado por [n] y A[n].
Obsrvese que el nmero de estados posibles es finito (e igual a M K ) por pertenecer
los smbolos a una constelacin discreta. Los sistemas para los que se verifica esta propie-
dad, la cual es fundamental para el desarrollo del algoritmo de Viterbi, suelen denominarse
mquinas de estados finitos.
De esta forma, podemos visualizar la evolucin temporal de la mquina de estados fi-
nitos descrita por (6.19) como una serie de transiciones entre sus estados, cada una de ellas
producida por cada nuevo valor de la entrada A[n], y que producir un valor de la salida
o[n]. Es importante sealar que, en general, no todas las transiciones entre estados son po-
sibles, pues las ltimas K 1 componentes del nuevo estado [n + 1] deben forzosamente
coincidir con las primeras K 1 componentes del estado anterior [n].
Una herramienta muy til para visualizar la evolucin de una mquina de estados finitos
es su diagrama de rejilla. En l, los M K diferentes estados [n] se representan mediante
nodos, colocados en columna. A su derecha, se coloca otra columna de M K nodos, repre-
sentando los estados en el siguiente instante [n + 1]. Las transiciones entre estados se
representan uniendo los nodos correspondientes mediante lneas denominadas ramas.

Ejemplo 6.2
Si la constelacin es binaria (M = 2), por ejemplo {+1, 1}, y el canal posee K + 1 = 4 coe-
ficientes no nulos, entonces el diagrama de rejilla posee 23 = 8 estados. Esta rejilla se representa
en la Figura 6.3(a), en la que las transiciones marcadas con lnea continua corresponden a una
entrada A[n] = 1, mientras que las marcadas con lneas de trazos corresponden a A[n] = +1.
Se ha indicado
el
estado correspondiente a cada nodo de forma abreviada; por ejemplo el estado
1
[n] = 1 se indica como ( +).
+1

En la Figura 6.3(a) podemos observar dos propiedades que se cumplen para el diagrama
de rejilla de cualquier mquina de estados finitos:

1. De cada nodo parten M ramas, cada una de las cuales corresponde a uno de los M
posibles valores de la entrada A[n].

2. A cada nodo llegan M ramas, y todas se corresponden con un mismo valor de A[n].

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.2 D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 315

y[n] y[n+1] y[n] y[n+1]

-1,0
(---)

-0
-0,4

,8
(--+) -0 0,6
,2

(-+-) 0, 1,2
8

(-++) 1,4

-1,4
(+--)
8
-0,
(+-+) -1,
2
2
0,
-0,6
(++-)
8 0,4
0,
(+++)
1,0

(a) (b)
Figura 6.3. (a) Diagrama de rejilla correspondiente a un sistema con 8 estados y entrada
binaria. (b) La misma rejilla indicando en cada rama el valor de la salida o[n] para el canal
dado por p[n] = 0,1[n] 0,2[n 1] + 0,8[n 2] + 0,3[n 3].

Tambin observamos que la estructura de la rejilla no depende del valor que tome la salida,
o[n]. Sin embargo, el valor de o[n] queda determinado por la transicin [n] [n + 1]
y el valor de los coeficientes del canal. Por ello, cada rama de la rejilla puede ser etiquetada
con el valor asociado de la salida o[n].
Ejemplo 6.3
Supongamos que el canal del Ejemplo 6.2 est dado por p[n] = 0,1[n] 0,2[n 1] + 0,8[n
2] + 0,3[n 3]. En tal caso, la salida en el instante n puede escribirse en funcin del estado y la
entrada en el mismo instante como o[n] = 0,1A[n] 0,2A[n 1] + 0,8A[n 2] + 0,3A[n 3]
= 0,1A[n] + [0,2 0,8 0,3][n]. As, si A[n] = +1 y [n] = ( +), entonces o[n] = 0,2,
etc. La Figura 6.3(b) muestra la rejilla con las etiquetas correspondientes en cada rama.

La transmisin de L smbolos da lugar a la evolucin del estado del canal a travs del
diagrama de rejilla a lo largo del tiempo, lo cual se puede visualizar representando L eta-
pas de la rejilla y marcando las ramas correspondientes. Esto da lugar a una trayectoria o
camino, suponiendo que el canal se encuentra en un estado inicial dado. En la prctica, la
inicializacin del canal puede realizarse transmitiendo una rfaga de al menos K smbolos
de manera previa a la transmisin de los L smbolos que realmente transportan informacin.
La eleccin de este prembulo de K smbolos se hace de forma acordada con el receptor, de
modo que este conoce de antemano el estado inicial del canal.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
316 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

Ejemplo 6.4
Considrese el canal p[n] del Ejemplo 6.3. Inicialmente se transmite una rfaga de K = 3
smbolos {1, 1, 1} lo cual coloca el canal en el estado ( ). Seguidamente se proce-
de a transmitir la secuencia de L = 5 smbolos {+1, 1, +1, +1, 1}. El camino resultante
se representa sobre el diagrama de rejilla en la Figura 6.4. La secuencia recibida (desechando
las salidas producidas durante el establecimiento del estado inicial, y en ausencia de ruido) es
{0,8, 1,4, 0,8, 0,6, 0,2}, correspondiente a las etiquetas de las ramas del camino.

A[0]=+1 A[1]=-1 A[2]=+1 A[3]=+1 A[4]=-1

(---)

(--+)
-0,8

(-+-)
,4
-1

0,8

(-++)

(+--)

(+-+)
-0,6 0,2
(++-)

(+++)
Figura 6.4. Transmisin de una secuencia de L = 5 smbolos representada como un ca-
mino en el diagrama de rejilla.

Pasemos ahora a estudiar cmo puede ayudarnos el diagrama de rejilla en la determi-

nacin de (6.18). Dado un vector de observaciones q, la mtrica asociada a cada secuencia
candidata a puede escribirse como
Nq 1 Nq 1
. X 2
X
l(q, a) = |q[n] o[n]| = ln (q, a) (6.21)
n=0 n=0

P .
donde o[n] = K 2
k=0 p[k]a[n k]. El valor ln (q, a) = |q[n] o[n]| est asociado a la rama
n-sima, para cada n = 0, . . . , Nq 1, y por tanto se suele denominar mtrica de rama. Dado
que cada secuencia a se corresponde con un camino distinto sobre el diagrama de rejilla,
l(q, a) se denomina mtrica de camino. As, (6.21) expresa la mtrica de camino como la
suma de las mtricas de las Nq ramas. La mtrica de rama ln (q, a) representa la distancia
entre la seal recibida y la seal que se debera haber observado si, en ausencia de ruido, la
transicin entre estados correspondiente a dicha rama realmente hubiese tenido lugar.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.2 D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 317

El objetivo del detector ML es determinar aquel camino sobre el diagrama de rejilla que
minimiza el valor de la mtrica de camino l(q, a). Definiendo la mtrica acumulada como
la suma de las mtricas de rama hasta una cierta etapa m de la rejilla, que denotaremos por
l0,m (q, a), podemos escribir
m
. X
l0,m (q, a) = ln (q, a) (6.22)
n=0

El algoritmo de Viterbi se basa en la siguiente propiedad de la mtrica acumulada:

Sea a el camino que minimiza la mtrica l(q, a) para un diagrama de rejilla y un vector
de observaciones q dados. Sea a 6= a otro camino tal que a y a pasan ambos por un mismo
nodo en la etapa m-sima del diagrama de rejilla. En tal caso, las mtricas acumuladas de
a y a hasta la etapa m-sima verifican

l0,m (q, a) l0,m (q, a ) (6.23)

La demostracin es muy sencilla y se deja al lector como ejercicio (vase Problema

P6.6). La propiedad anterior viene a decir que, si el camino ptimo pasa por un nodo dado,
entonces dicho camino ha de ser necesariamente el que minimiza la mtrica acumulada
hasta dicho nodo. Esta observacin permite rechazar muchos caminos en nuestra bsqueda
a medida que avanzamos por el diagrama de rejilla.
El algoritmo de Viterbi determina el camino ptimo desplazndose secuencialmente por
la rejilla. En cada etapa, y para cada nodo, se determina el camino que llega hasta ese nodo
con la menor mtrica acumulada, el cual recibe el nombre de camino superviviente. Dado
que para una etapa determinada el nodo por el que pasa el camino ptimo no se conoce,
se debe calcular y almacenar el camino superviviente para cada uno de los nodos. Al llegar
a la ltima etapa de la rejilla, el camino ptimo ser el superviviente con menor mtrica
acumulada (la mtrica acumulada hasta la ltima etapa es l(q, a), la mtrica de camino).
El clculo del camino superviviente para un nodo dado se realiza fcilmente si nos fi-
jamos en que a dicho nodo nicamente llegan M ramas, cada una procedente de un nodo
distinto en la etapa anterior. La mtrica acumulada hasta la etapa m se puede escribir en
funcin de la acumulada hasta la etapa anterior como

l0,m (q, a) = l0,m1 (q, a) + lm (q, a) (6.24)

Ntese que l0,m1 (q, a) se halla almacenada, pues corresponde al camino superviviente de
uno de los nodos de la etapa anterior, mientras que lm (q, a) es la mtrica de rama corres-
pondiente a la transicin de dicho nodo de la etapa anterior al nodo considerado de la etapa
m. Por tanto, para determinar el camino superviviente al nodo considerado basta realizar M
sumas de la forma de (6.24) y elegir aquel nodo de la etapa anterior y aquella rama para los
cuales tal suma es menor.
Ejemplo 6.5
Supongamos que se tiene el canal del Ejemplo 6.3, de nuevo con modulacin binaria. Se quiere
calcular el camino superviviente al nodo ( +) en la etapa m-sima de la rejilla. En vista del

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
318 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

diagrama (Figura 6.3) y de la expresin (6.24), para ello se necesita el valor de la observacin
q[m] y los valores de las mtricas acumuladas l0,m1 para los caminos supervivientes a los nodos
( + ) y ( + +) en la etapa anterior, ya que estos nodos son los nicos que producen una
transicin al nodo en cuestin.
Por ejemplo, si q[m] = 0,8 con l0,m1 = 2,1 para el nodo ( + ), y l0,m1 = 1,7 para el nodo
( + +), entonces la mtrica acumulada al nodo ( +) en la etapa m sera

l0,m = l0,m1 + lm

2,1 + |0,8 0,6|2 = 2,1 + 0,04 = 2,14 desde el nodo ( + )
=
1,7 + |0,8 1,2|2 = 1,7 + 0,16 = 1,86 desde el nodo ( + +)

Por tanto, el camino superviviente al nodo ( +) ser el procedente del nodo ( + +) de la

etapa anterior, y tendr una mtrica acumulada de 1,86. Naturalmente, este proceso, que hemos
realizado para el nodo ( +), deber ser repetido para cada uno de los nodos restantes.

Ejemplo 6.6
Vamos a exponer paso a paso la operacin del algoritmo de Viterbi para un caso sencillo. Supon-
gamos una modulacin binaria A[n] {+1, 1}, y un canal dado por p[n] = 0,7[n] 0,5[n
1]. Dado que M = 2 y K = 1, el nmero de estados del sistema es M K = 21 = 2. Denotaremos
estos estados por () y (+), correspondientes a A[n 1] = 1 +1 respectivamente. La Figura
6.5(a) muestra una etapa del diagrama de rejilla para este canal, con las etiquetas de cada rama
correspondiendo a la salida asociada a cada transicin de estado.
El transmisor enva una rfaga inicial A[n] = 1 para n < 0, de forma que en n = 0 el receptor
tiene la seguridad de que el canal se halla en el estado (). En las Figuras 6.5(b)-(f) se represen-
tan los caminos supervivientes, etapa por etapa, para la secuencia observada {q[0], . . . , q[5]} =
{0,3, 0,4, 0,8, 0,1, 0,6, 0,5}. Tras la etapa final, vemos que el camino ptimo es el super-
viviente que termina en el nodo correspondiente al estado (+) ya que su mtrica acumulada es de
1,27, mientras que el camino superviviente finalizando en el nodo () posee una mtrica ms ele-
vada, igual a 1,39. Una vez as determinado el camino ptimo, procedemos a la decodificacin de
la secuencia transmitida. En vista de nuestra convencin de usar trazo discontinuo para las ramas
generadas por un smbolo A[n] = +1 y continuo para aqullas debidas a A[n] = 1, observamos
que la secuencia elegida por el detector ML es {A[0], . . . , A[5]} = {1, 1, +1, +1, +1, +1}.

Como puede verse, en cada una de las L etapas del diagrama de rejilla el algoritmo de
Viterbi realiza una serie de M operaciones de la forma de (6.24) para cada uno de los M K
nodos. Por tanto, el coste computacional de este algoritmo es proporcional a (L M ) M K .
Vemos que este coste crece slo de forma lineal con la longitud de la secuencia transmitida,
L, y no exponencialmente como en una implementacin directa del criterio ML. Por otro
lado, aparece ahora una dependencia exponencial de la complejidad con el orden del canal,
K. Si el canal es muy dispersivo, resultando en un valor elevado de K, es posible que
en ciertas aplicaciones ni siquiera la eficiencia del algoritmo de Viterbi sea suficiente para
permitir una implementacin prctica del detector ML. En tal caso, se hace necesario recurrir
a otro tipo de estructuras subptimas pero ms sencillas, como son los igualadores lineales
y de realimentacin de decisiones que se discutirn en los Apartados 6.3 y 6.4.
El problema del retardo en la decodificacin sigue estando presente en el algoritmo de
Viterbi, ya que es necesario esperar a que todas las observaciones q[n] se hallen disponibles

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.2 D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 319

-0,2 0,25
0,25
(- )
1,2 mtricas
mtricas acumuladas
-1,2 0,81
de rama
(+ ) 0,81
0,2
(a) Rejilla bsica (b) q[0] = 0,3

0,25 0,04 0,25 0,04 1,0

0,29 1,29

0,16
0,81
0,36
1,17 0,45

(c) q[1] = -0,4 (d) q[2] = 0,8

0,25 0,04 1,0 0,01

1,3

0,16
0,09
0,54

(e) q[3] = -0,1

0,25 0,04
0,9
0,36
0,16
0,09 0,64
1,18

(f) q[4] = -0,6

0,25 0,04 0,49

1,39
0,36
0,16
0,09 0,64 0,09
1,27

(g) q[5] = 0,5

Figura 6.5. Operacin del algoritmo de Viterbi vista sobre el diagrama de rejilla.

para poder decidir sobre la secuencia transmitida. En la prctica es comn forzar decisiones
con un retardo constante dv (denominado profundidad de truncamiento ), de forma que en

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
320 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

cada instante m se comparan las M K mtricas acumuladas para obtener la menor de todas
ellas. La decisin sobre el smbolo A[m d] se toma entonces como la correspondiente
al camino superviviente con esta menor mtrica acumulada. Mediante esta tcnica tambin
se reduce la cantidad de memoria requerida, ya que basta con almacenar las ltimas dv ra-
mas de cada camino superviviente. En general esta modificacin (que se suele denominar
algoritmo de Viterbi truncado ) deja de ser ptima; sin embargo, el aumento en la probabi-
lidad de secuencia errnea con respecto a la versin no truncada es menor a medida que dv
aumenta. Por tanto, si dv se elige lo suficientemente grande, el algoritmo truncado apenas
sufrir degradacin. Esto es debido a que existe una gran probabilidad de que con dv grande
todos los caminos supervivientes compartan sus ramas iniciales, de forma que estas ramas
formarn parte del camino ptimo. Por ejemplo, en la Figura 6.5(d) podemos comprobar
que, una vez actualizadas las mtricas acumuladas, en el instante m = 2 es posible decidir,
recorriendo hacia atrs los caminos supervivientes, que A[0] = 1 y A[1] = 1. Y ello
sin haber esperado a tener la secuencia completa de observaciones. Del mismo modo, en
m = 4 (Figura 6.5(f)) ya podemos decidir que A[2] = +1 y A[3] = +1. En la prctica la
profundidad de truncamiento suele tomarse varias veces mayor que la memoria del canal.

Ejemplo 6.7
Supongamos que la constelacin consta de M = 4 smbolos {3, 1, +1, +3}, y que el canal
est dado por p[n] = 0,8[n] + 0,6[n 1]. El estado de partida corresponde al smbolo preacor-
dado A[1] = 1. El receptor utiliza el algoritmo de Viterbi con una profundidad de trunca-
miento dv = 2. La Figura 6.6 muestra el resultado cuando las primeras cinco muestras recibidas
son {q[0], . . . , q[4]} = { 0,1, 2,8, 0,3, 0,9, 0,2 }. A partir de la etapa n = dv , en
la etapa n-sima se toma una decisin sobre el smbolo A[n dv ] seleccionando el camino su-
perviviente con menor mtrica acumulada. Este se representa con trazo ms grueso en la Figura
6.6.

6.2.3. Probabilidad de error del detector ML de secuencias

Como ya hemos comentado, el detector de mxima verosimilitud para un canal con ISI
minimiza la probabilidad de que la secuencia detectada sea diferente de la transmitida. Vien-
do las posibles secuencias de L smbolos como vectores L-dimensionales, esta probabilidad
puede aproximarse de forma similar a (4.91):
!
Dmin /2
P r{secuencia errnea} Q p (6.25)
N0 /2

En este contexto, Dmin representa la distancia eucldea mnima entre dos secuencias sin rui-
do {o[n]} (definidas mediante (6.19)) correspondiendo a dos diferentes secuencias transmi-
tidas; y representa el mximo nmero de secuencias recibidas que se hallan a una distancia
Dmin de una posible secuencia recibida.
Sin embargo, a medida que el nmero de smbolos L aumenta, tambin lo hace; de
hecho, a medida que L , la P r{secuencia errnea} tiende a 1. Esto es indicacin de
que este parmetro no es muy adecuado como medida de las prestaciones del detector. Por

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.2 D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 321

n = -1 n=0
-4,2
(-3) 9,61
-2,6 9,61
0,6 -1
-3 2,25
(-1) -1,4
0,2 2,25
1,8 -0,2
0,01
-1,8
(+1) 1,4
0,01
3
-0,6 1 2,89
2,6
(+3) 2,89
4,2

(a) Rejilla bsica (b) q[0] = 0,1

n = -1 n=0 n=1 n = -1 n=0 n=1 n=2

21,17 0,14
Decisin:
21,16 [0]= +1 0,09
6,13 1,74

1,69
2,89 4,86
1,97
1,96

3,24 0,04
4,41
0,05 10,54

(c) q[1] = 2,8 (d) q[2] = -0,3

n=0 n=1 n=2 n=3 n=1 n=2 n=3 n=4

5,67 3,03
0,81
Decisin:
[2]= -3 0,64
0,25
1,99 0,31

0,01 0,16

1,44
0,15 1,59

2,25 2,56
2,39 4,55
Decisin:
[1]=+3
(e) q[3] = -0,9 (f) q[4] = 0,2

Figura 6.6. Operacin del algoritmo de Viterbi truncado.

otro lado, la probabilidad de error de smbolo permanece a niveles aceptables incluso cuando
L crece. Por ello nos centraremos en obtener una aproximacin para esta probabilidad, dada

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
322 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

por
.
Pe = P r(A[n] 6= A[n]) (6.26)
donde A[n] y A[n] son los smbolos transmitido y decidido, respectivamente, correspon-
dientes al instante n. Ntese que, en realidad, esta probabilidad es funcin de n, debido a
que la secuencia transmitida es finita (consta de L smbolos) con lo que nuestro modelo
de canal no es estrictamente estacionario3 . Sin embargo, si L es lo suficientemente grande
podemos dejar a un lado esta dificultad. Por ello supondremos razonablemente que Pe no
depende de n.
Como hemos visto, la operacin del detector ML equivale a la seleccin del camino en
el diagrama de rejilla con menor distancia con respecto a la secuencia observada. Por tanto,
para que se cometa un error es necesario que el camino escogido diverja en alguna etapa de
la rejilla del camino correspondiente a la secuencia transmitida, pudiendo ambos fusionarse
de nuevo un nmero de etapas ms adelante, digamos l. Este fenmeno se denomina suceso
errneo de longitud l. Si denotamos por y las secuencias de estados sobre la rejilla
correspondientes a las secuencias transmitida y detectada respectivamente, podemos definir
un suceso errneo e como el par (, ) tal que [k] 6= [k] para algn k. La longitud de e
ser igual a l si existe m tal que

[n] 6= [n] para todo n (m, m + l] y [n] = [n] en cualquier otro caso

El que un suceso errneo e tenga longitud l no significa que la secuencia decodificada

A[n] contenga l smbolos errneos, aunque al menos contendr un smbolo errneo. El
nmero de smbolos incorrectos, que denotaremos por w(e), estar comprendido entre 1 y
l.
Ejemplo 6.8
La Figura 6.7 representa un suceso errneo e para el diagrama de rejilla de la Figura 6.3, su-
poniendo que la secuencia transmitida fue {. . . , 1, 1, 1, 1, . . .}. Los dos caminos sobre la
rejilla difieren en las etapas n + 1, n + 2 y n + 3, por lo que la longitud de e es l = 3. El suceso
errneo mostrado es adems el de longitud mnima para esta secuencia transmitida. La distancia
eucldea (al cuadrado) entre el camino correcto y el errneo se calcula mediante la suma de los
cuadrados de las distancias entre las ramas correspondientes a las etapas en que los dos caminos
divergen, en este caso d2 = 0,04 + 0,16 + 2,56 + 0,36 = 3,12. La secuencia decodificada en este
caso contiene nicamente un smbolo incorrecto, de forma que w(e) = 1.

Denotemos el conjunto de todos los sucesos errneos comenzando en una etapa dada de
la rejilla como E0 . La probabilidad de error de smbolo del detector ML est dada por
X
Pe = w(e)P r(e) (6.27)
eE0

donde P r(e) es la probabilidad del suceso errneo e. La demostracin de (6.27) puede

encontrarse en el Apndice 6.A. Ntese que, dado que e = (, ), podemos escribir
3
Por ejemplo, no todos los estados de la rejilla son posibles en las primeras etapas, debido a que se parte de
un estado inicial conocido. Esto muestra que las propiedades de la rejilla no son idnticas para toda etapa n.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.2 D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 323

n-1 n n+1 n+2 n+3 n+4 n+5

0,36
0,04 2,56

0,16

Figura 6.7. Ilustracin de un suceso errneo e de longitud l = 3. Las etiquetas indican las
distancias (al cuadrado) entre las ramas de ambos caminos, correcto y errneo. Se supone
que el camino correcto es el que viaja a travs de los nodos superiores.

P r{e} = P r(|) P r(). En general, es difcil calcular la probabilidad condicional

P (|) de forma exacta, por lo que se suele recurrir a calcular cotas.
Para obtener una cota superior fijmonos en que P (|) es la probabilidad de que
el vector observado q 0 resida en la regin de decisin correspondiente a la secuencia de
estados cuando en realidad es la secuencia correcta. Esta probabilidad es menor o
igual a la que se obtendra mediante un decisor binario para decidir entre y , por
argumentos anlogos a los empleados en el Captulo 4 cuando se present la cota de la
unin. La probabilidad de que p dicho decisor binario decida cuando es la secuen-
cia correcta es Q(d(, )/2 N0 /2), donde d(, ) es la distancia eucldea entre las
secuencias o[n]
P y o[n], correspondientes a y y definidas mediante (6.19), esto es,
2 2
d (, ) = n |o[n] o[n]| . As,
!
d(, )
P r(|) Q p (6.28)
2 N0 /2
y por tanto,
!
X X d(, )
Pe = w(e)P r()P r(|) w(e)P r()Q p (6.29)
eE0 eE0
2 N0 /2

Para obtener una cota inferior, retomemos (6.27). Dado que w(e) 1, fijmonos en que
X
Pe P r(e) = P r() (6.30)
eE0

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
324 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

donde denota el suceso ha ocurrido un suceso errneo. Intuitivamente, (6.30) tiene sen-
tido ya que todo suceso errneo implica al menos un smbolo errneo. Sea el conjunto de
posibles secuencias de estados . Podemos escribir entonces
X X
Pe P r(|)P r() P r(|)P r() (6.31)
min

donde min es el conjunto de secuencias que tienen al menos un suceso errneo a dis-
tancia mnima, esto es, min = { | existe con d(, ) = Dmin }, siendo
Dmin la distancia eucldea mnima entre todos los pares posibles de secuencias de estados
distintas. Observemos ahora que, dado que contiene todos los posibles eventos errneos,
su probabilidad de ocurrencia ser siempre mayor o igual que la de un solo suceso err-
neo; en particular, mayor
p o igual que la de un suceso a distancia mnima. Esto implica que
P r(|) Q(Dmin /2 N0 /2), para todo min . Por tanto,
!
Dmin . X
Pe 1 Q p con 1 = P r() (6.32)
2 N0 /2 min

1 representa la fraccin de caminos en la rejilla que tienen asociados un suceso errneo de

distancia mnima, y verifica 1 1.
Adems de las cotas, es interesante disponer de una aproximacin a la probabilidad de
error. Tomando como punto de partida la primera igualdad en (6.29) y observando que para
relaciones seal a ruido altas los trminos dominantes en el sumatorio son aquellos que se
corresponden con sucesos a distancia Dmin (vase Captulo 4), podemos escribir
X
Pe w(e)P r()P r(|)
eEmin
!
D . X
= 2 Q p min con 2 = w(e)P r() (6.33)
2 N0 /2 eEmin

siendo Emin el subconjunto de E0 cuyos sucesos errneos tienen d(, ) = Dmin (es decir,
el subconjunto de los sucesos errneos ms probables). Es instructivo observar que tanto 1
como 2 son independientes de la varianza del ruido.
De los desarrollos anteriores se desprende que el parmetro clave para determinar las
prestaciones del detector ML es Dmin , dado por la raz cuadrada del mnimo valor de la
suma
Nq 1 K
X X

p[k] A[n k] A [n k] 2 (6.34)
n=0 k=0

que se puede obtener para dos secuencias distintas4 de smbolos {A[n]} y {A [n]}. Es decir,
Dmin es la mnima distancia eucldea entre dos vectores Nq -dimensionales producidos por
4
Esto es, que difieran al menos en uno de sus smbolos componentes (no necesariamente en todos).

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.2 D ETECTOR DE MXIMA VEROSIMILITUD DE SECUENCIAS EN PRESENCIA DE ISI 325

la parte determinista del canal (6.19) para dos secuencias distintas de smbolos transmitidos.
En (6.34) podemos ver que, en el caso particular de un canal sin ISI (K = 0), Dmin es
simplemente la mnima distancia entre puntos de la constelacin (multiplicada por |p[0]|, un
factor constante debido al canal), con lo que Pe coincide con la de un detector smbolo a
smbolo. Esto era de esperar, pues en ausencia de ISI dicho detector es ptimo.
El clculo directo de Dmin puede ser arduo debido a que el nmero de pares de secuen-
cias (, ) a comprobar es en general elevado. Podemos obtener un mtodo ms eficiente
inspeccionando la expresin (6.34). Si definimos la secuencia de errores [n] = A[n] A[n],
vemos que este clculo equivale a encontrar el camino (distinto del todo ceros) de menor
mtrica sobre una rejilla definida por el canal p[n] y la constelacin de errores. Por ejem-
plo, si los smbolos son binarios (A = {1, +1}), entonces los errores [n] pertenecen
a la constelacin {2, 0, +2}, que consta de 3 elementos. El algoritmo de Viterbi pue-
de entonces aplicarse para obtener el camino de menor mtrica que comienza en el estado
([n 1], , [n K]) = (0, , 0) y cuya primera rama corresponde a [n] 6= 0.
Es posible obtener una cota superior para Dmin a partir de la cota del filtro adaptado
presentada en el Apartado 6.1.3. Segn (6.14), la probabilidad
p de error de smbolo de cual-
quier detector no puede ser menor que Q(dmin ||p||/2 N0 /2), donde dmin es la distancia
mnima entre elementos de la constelacin de smbolos, y ||p||2 es la energa del canal. Esta
cota se puede aplicar a la probabilidad de error del detector ML (6.33) para obtener
! !
Dmin dmin ||p||
2 Q p Q p (6.35)
2 N0 /2 2 N0 /2

Dado que esto se ha de satisfacer para N0 arbitrariamente pequea, se sigue que

Dmin dmin ||p|| (6.36)

Por tanto, vemos que

. dmin ||p||
SNR = 20 log10 (6.37)
Dmin
representa el incremento en relacin seal a ruido (en dB) necesario para conseguir la misma
Pe que en un canal sin ISI. En caso de darse la igualdad en (6.36), entonces SNR = 0 y
el detector ML alcanzara la cota del filtro adaptado para relaciones seal a ruido suficiente-
mente elevadas, lo cual significa que sus prestaciones no seran inferiores a las obtenidas en
un canal sin ISI.
Ejemplo 6.9
Para la rejilla de la Figura 6.5(a), correspondiente al canal p[n] = 0,7[n] 0,5[n 1] y
una constelacin binaria A = {1, +1}, es posible comprobar directamente por inspeccin que
existen dos sucesos errneos con Dmin , los cuales se ilustran en la Figura 6.8. En este caso, se
2
tiene Dmin = 12 + 1,42 = 2,96, mientras que la energa del canal es ||p||2 = 0,72 + 0,52 = 0,74.
Dado que la constelacin tiene dmin = 2, podemos comprobar que en este caso (6.36) se cumple
con igualdad. Por tanto, para relaciones seal a ruido suficientemente elevadas, el detector ML
alcanza la cota del filtro adaptado.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 326 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

-0,2
(- )
2 2
1,2 (1,4) (-1,0)
-1,2 (-1,4)2 (1,0)2
(+ )
0,2
(a) Rejilla bsica (b) Sucesos errneos con distancia mnima

Figura 6.8. Rejilla bsica y sucesos de error con Dmin para el canal p[n] = 0,7[n]
0,5[n 1] con modulacin binaria.

z[n]
canal igualador
q[n] u[n]
A[n] P(z) W (z ) Decisor [n-d ]

(a)

z[n] W(z)

canal global
u[n]
A[n] C(z)=W(z)P(z) Decisor [n-d ]

(b)

Figura 6.9. (a) Igualacin lineal con deteccin smbolo a smbolo; (b) Sistema equivalente.

6.3. I GUALACIN LINEAL

El coste computacional del detector ML (basado en el algoritmo de Viterbi) es pro-
porcional a M K , con K la memoria del canal discreto equivalente y M el tamao de la
constelacin. A menos que M y K tomen valores pequeos, la complejidad resultante se-
r prohibitiva, sobre todo en sistemas con altas tasas binarias. En tales situaciones se hace
necesario recurrir a estrategias subptimas de deteccin. Una de las ms comunes, denomi-
nada igualacin, utiliza un decisor smbolo a smbolo pero no directamente sobre la seal
recibida; dicha seal es procesada previamente por un sistema denominado igualador cuyo
objetivo es compensar la distorsin del canal, de forma que a la salida del igualador el nivel
de ISI sea sustancialmente menor que el presente en la seal recibida. Si el igualador se di-
sea correctamente, el diagrama de ojo a su salida se encontrar lo suficientemente abierto
como para posibilitar el funcionamiento de un decisor smbolo a smbolo. Aunque existen
igualadores no lineales, en este texto trataremos exclusivamente los lineales, que son sufi-
cientes para entender los criterios y principios fundamentales de la igualacin de canal. En

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.3 I GUALACIN LINEAL 327

los igualadores lineales el sistema que compensa la distorsin de canal es un filtro lineal (no
necesariamente invariante en el tiempo).
La Figura 6.9(a) representa el diagrama de bloques del equivalente discreto de un siste-
ma de comunicaciones que emplea igualacin lineal. En dicha figura, P (z) y W (z) deno-
tan respectivamente las Transformadas Z de las respuestas impulsionales del canal discreto
equivalente, p[n], y del filtro igualador, w[n]. Debido a razones de implementacin, la es-
tructura generalmente utilizada para este igualador es un filtro FIR (vase Apartado 2.4.3),
cuyo orden denotaremos por Kw . Denotaremos por c[n] la convolucin de las respuestas
impulsionales p[n] y w[n]:

K
X
c[n] = w[n] p[n] = p[l]w[n l], 0 n K + Kw (6.38)
l=0

la cual es la respuesta al impulso del denominado canal global, correspondiente a la conexin

en serie del canal discreto equivalente y el igualador.
As, la seal u[n] a la salida del igualador se puede escribir como

Kw
X
u[n] = w[k]q[n k]
k=0
Kw K
!
X X
= w[k] p[l]A[n k l] + z[n k]
k=0 l=0
K+K
Xw Kw
X
= c[m]A[n m] + w[k]z[n k] (6.39)
m=0 k=0

De la expresin (6.39) vemos que la entrada del decisor u[n] es la suma de dos contribucio-
nes, tal como se ilustra en la Figura 6.9(b). La primera de ellas es la componente de seal y
resulta de filtrar los smbolos A[n] por el canal global, cuya funcin de transferencia es

K+K
Xw
C(z) = c[n]z n = W (z)P (z) (6.40)
n=0

La segunda contribucin a u[n] en (6.39) es la componente de ruido, y es el resultado de

filtrar el ruido z[n] con el igualador W (z). Debido a este filtrado dicha componente de ruido
no ser en general un proceso blanco, a diferencia del proceso de ruido original z[n].
Si el diseo del igualador es correcto, cabe esperar que su salida cumpla u[n] A[nd]
para todo n y para algn entero d, denominado retardo global. Si reescribimos (6.39) como

X Kw
X
u[n] = c[d]A[n d] + c[m]A[n m] + w[k]z[n k] (6.41)
| {z }
m6=d k=0
trmino deseado | {z } | {z }
ISI residual ruido filtrado

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
328 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

vemos que u[n] A[n d] se cumplir si c[d] 1 y si los trminos de ISI residual y de
ruido filtrado son lo suficientemente pequeos. En tal caso, el decisor smbolo a smbolo
situado tras el igualador en la Figura 6.9 recuperara los smbolos originales simplemente
eligiendo el punto de la constelacin ms prximo a u[n] en distancia eucldea:

A[n d] = ai si |u[n] ai | < |u[n] aj |, j = 0, , M 1, j 6= i (6.42)

Para el correcto funcionamiento del receptor se necesita que la probabilidad de error de

smbolo P r{A[n d] 6= A[n d]} sea lo suficientemente pequea.
La razn de admitir un retardo global no nulo es que, como veremos ms adelante, las
prestaciones del igualador pueden mejorar considerablemente para ciertos retardos d > 0
con respecto al caso d = 0. Por otro lado, el funcionamiento del receptor no se ve afectado5
por el hecho de trabajar con un retardo global d > 0. As, el retardo global constituye un
parmetro adicional que proporciona mayor flexibilidad en el diseo del igualador.
En ausencia de ruido u otras interferencias, la ISI residual en (6.41) ser pequea si el
canal global se aproxima a un retardo puro: c[n] [n d] o, equivalentemente, C(z)
z d . Este objetivo de diseo del igualador se conoce como criterio forzador de ceros. Alter-
nativamente, es posible definir un objetivo de diseo basado directamente en la diferencia
entre la entrada al decisor u[n] y su valor ideal A[n d], lo que da lugar al criterio de error
cuadrtico medio. En los siguientes apartados analizaremos por separado cada uno de ellos.

6.3.1. Igualador lineal bajo el criterio forzador de ceros

El criterio forzador de ceros o ZF (zero-forcing) obtiene los coeficientes del igualador
para eliminar la ISI en el canal global resultante. Es decir, se trata de forzar a valer cero
el nivel de ISI ISI definido en (6.6) correspondiente al canal global, de ah su nombre. En
principio, la eliminacin total de la ISI slo es posible si se dispone de un igualador con un
nmero de coeficientes infinito, aunque es posible obtener aproximaciones aceptables con
igualadores FIR si el retardo d y el orden del filtro Kw se eligen apropiadamente.
Supongamos de momento que disponemos de un nmero ilimitado de coeficientes para
la implementacin del igualador. El criterio ZF estipula que el canal global debe reducirse
a un retardo puro: C(z) = W (z)P (z) = z d . Sean K y K el nmero de ceros que el
canal posee en el interior y en el exterior de la circunferencia unidad, respectivamente, y
supongamos que no hay ningn cero situado sobre la circunferencia unidad, de forma que

K
Y
K
Y

1 |k | < 1 para 1 k K
P (z) = P0 (1 k z ) (1 n z 1 ), con
|n | > 1 para 1 n K
n=1
|k=1 {z }| {z }
.
=P
.
=Pmax (z)
min (z)
(6.43)

5
Aunque existen algunas aplicaciones donde el retardo global ha de mantenerse por debajo de un valor
mximo tolerable.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.3 I GUALACIN LINEAL 329

donde P0 es una constante. Pmin (z) es un sistema de fase mnima (vase Apartado 2.3). Por
otro lado, Pmax (z) tiene todos sus ceros fuera de la circunferencia unidad; los filtros FIR
con esta propiedad se suelen denominar de fase mxima.
De W (z)P (z) = z d y la factorizacin P (z) = P0 Pmin (z)Pmax (z) se sigue que
z d 1 1 z d
W (z) = = (6.44)
P (z) P0 Pmin (z) Pmax (z)
El factor 1/Pmin (z) se corresponde con un filtro causal y estable, ya que todos sus polos
1 , . . . , K se encuentran situados dentro de la circunferencia unidad. Por otro lado los
polos 1 , . . . , K del factor z d /Pmax (z) se hallan en el exterior de esta, por lo que una
implementacin estable de esta funcin de transferencia ha de ser necesariamente no causal,
tal y como se discuti en el Apartado 2.3.4. As, la funcin de transferencia W (z) en (6.44)
no se corresponde con una respuesta impulsional finita y causal, como se requiere para poder
implementar el filtro igualador. Sin embargo, si el retardo d es lo suficientemente elevado,
la parte no causal de (6.44) podr despreciarse. Por tanto es posible obtener una buena
aproximacin de (6.44) mediante un filtro FIR causal simplemente truncando la parte causal
de z d /P (z) al nmero de coeficientes adecuado, como se ilustra en el siguiente ejemplo.
(a) Resp. impulsional de 1/Pmin(z) (b) Resp. impulsional de 1/Pmax(z)
1 1

0,5 0,5

0 0

0,5 0,5

20 10 0 10 20 20 10 0 10 20
n n
7
(c) Resp. impulsional de z /P(z) (d) Canal global c[n]
1 1
igualador

0,5 0,5

0 0

0,5 0,5

20 10 0 10 20 20 10 0 10 20
n n
Figura 6.10. Respuestas impulsionales interviniendo en el diseo del igualador ZF para el
canal P (z) = 0,5 + 0,45z 1 0,45z 2 del Ejemplo 6.10.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
330 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

Ejemplo 6.10
Supongamos que el canal discreto equivalente est dado por P (z) = 0,5+0,45z 1 0,45z 2 =
0,5(1 0,6z 1 )(1 + 1,5z 1 ). En tal caso, P0 = 0,5, Pmin (z) = 1 0,6z 1 y Pmax (z) =
1 + 1,5z 1 , con lo que obtenemos las siguientes implementaciones estables:
X
1 1
= = (0,6)n z n ,
Pmin (z) 1 0,6z 1 n=0
z  n
1 1 1,5 z X 1
= = z = zn
Pmax (z) 1 + 1,5z 1 1 + 1,5 1,5 n=0 1,5
cuyas respuestas impulsionales se representan en la Figura 6.10(a)-(b). All se puede observar que
un retardo de d = 7 muestras es adecuado para poder truncar z d /Pmax (z) quedndonos con su
parte causal. El igualador ZF W (z) es un filtro FIR con orden Kw cuya respuesta impulsional
viene dada por los primeros Kw + 1 coeficientes de la parte causal de la respuesta al impulso de
z d /P (z). A partir de dicha respuesta, mostrada en la Figura 6.10(c), se observa que tomando
Kw = 10 se captura la mayor parte de los coeficientes significativos. El canal global C(z) =
W (z)P (z) obtenido con este igualador se ilustra en la Figura 6.10(d): se tiene c[n] [n 7],
como caba esperar. Para mejorar la calidad de esta aproximacin se podra aumentar el retardo
d y el orden Kw del igualador.

En nuestro diseo hemos supuesto que el canal P (z) no posee races situadas sobre la
circunferencia unidad. Este requisito es necesario, pues no es posible invertir un cero de
este tipo de forma estable. A medida que alguna raz de P (z) se acerca a la circunferencia
unidad, el orden Kw y el retardo d debern aumentar considerablemente para capturar la
parte significativa del inverso retardado z d /P (z). Obsrvese que, dado que el canal global
C(z) es FIR con orden K + Kw , este es el mximo valor asignable al retardo d, pues no es
posible obtener W (z)P (z) z d si d es mayor que el orden del polinomio W (z)P (z).
El criterio ZF conduce a un igualador W (z) que trata de satisfacer C(z) = W (z)P (z)
d
z . Por tanto, su transformada de Fourier cumplir
1
|W (ej )| , W (ej ) + P (ej ) d (6.45)
|P (ej )|
La condicin (6.45) implica que para compensar la ISI el igualador ZF deber amplificar ms
aquellas componentes frecuenciales que han sido ms atenuadas por el canal. Esto puede
suponer un problema ya que, tal como se observa en la Figura 6.9 y en (6.39), la salida u[n]
del igualador posee una componente debida al ruido z[n] presente en la seal recibida tras
ser filtrado por el igualador. Por tanto, el igualador estar amplificando considerablemente el
ruido en aquellas bandas de frecuencia en las que el canal introduce fuerte atenuacin. Este
fenmeno se denomina realce del ruido, y puede llegar a ser muy perjudicial si la relacin
seal a ruido en el receptor no es lo suficientemente alta, o si la funcin de transferencia P (z)
del canal presenta ceros prximos a la circunferencia unidad. As, la probabilidad de error a
la salida del decisor smbolo a smbolo ser excesivamente elevada como consecuencia del
realce del ruido, aun cuando el igualador ZF haya conseguido reducir aceptablemente la ISI.
Ejemplo 6.11
La Figura 6.11 muestra la respuesta en frecuencia del canal p[n] = 0,5[n] + 0,45[n 1]
0,45[n 2] considerado en el Ejemplo 6.10, as como la del igualador ZF calculado en dicho

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.3 I GUALACIN LINEAL 331

(dB)
9

6 j
|W(e )|

j
|P(e )|
6

9
0 /4 /2 3/4

Figura 6.11. Magnitud de la funcin de transferencia del canal (lnea continua) y del igua-
lador ZF (lnea discontinua) del Ejemplo 6.11.

ejemplo. Como puede observarse, el canal introduce una atenuacin importante en bajas y al-
tas frecuencias, sin alterar apenas las frecuencias en torno a = /2. Como consecuencia, el
igualador ZF introduce amplificacin en altas y bajas frecuencias, de forma que el efecto neto es

|W (ej )| (dB) + |P (ej )| (dB) 0 (6.46)

La relacin (6.46) es slo aproximada, pues para cumplirse con exactitud el igualador debera
poseer un nmero infinito de coeficientes. La calidad de la aproximacin (6.46) mejorar si se
incrementa el orden Kw del igualador. Sin embargo, el igualador estar realzando considerable-
mente el ruido en las frecuencias en torno a = 0 (unos 6 dB) y = (unos 8 dB).

Ntese que el criterio forzador de ceros se centra en la eliminacin de ISI, ignorando en

todo momento el ruido presente en el receptor. Para mitigar el efecto del realce del ruido,
este ha de ser tenido en cuenta en el diseo del igualador desde un principio.

6.3.2. Igualador lineal bajo el criterio de error cuadrtico medio

En ltima instancia, la probabilidad de error Pe obtenida tras el decisor determina la
calidad del igualador, y depende tanto de la ISI residual que no ha podido ser eliminada por
el igualador como del ruido filtrado por este. En principio podra plantearse el diseo del
igualador para minimizar directamente Pe . Por desgracia, Pe es una funcin extremadamen-
te complicada de los coeficientes del igualador, ya que, por un lado, la componente de ISI
residual a la salida de este no posee una distribucin gausiana, mientras que, por el otro, una
vez filtrado por el igualador, el ruido deja de ser blanco (vase tambin Apartado 5.1.2). Por
ello, el diseo bajo un criterio de mnima probabilidad de error no es, en general, fcilmente
abordable.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
332 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

Otra posibilidad consiste en disear el igualador para que la secuencia a su salida sea lo
ms parecida posible a la secuencia de smbolos original. De esta forma se tendra en cuenta
tanto el efecto de la ISI como el del ruido, ya que ambos introducen distorsin. Se evitara as
el problema de realce del ruido del mtodo ZF mediante un compromiso entre amplificacin
de ruido y eliminacin de ISI. En igualacin, la medida ms popular de parecido entre dos
secuencias es el error cuadrtico medio o MSE ( Mean-Square Error).
.
El criterio MSE elige el igualador de forma que la varianza del error ed [n] = A[nd]
u[n] (diferencia entre la secuencia de smbolos originales, posiblemente retardada, y la sali-
da del igualador) sea mnima. Aunque el igualador resultante no es necesariamente ptimo
en trminos de probabilidad de error, en general sus prestaciones son ms que aceptables, y
lo que no es menos importante, el diseo resultante es matemticamente manejable.
La salida del igualador puede expresarse como u[n] = wT q[n], con w el vector de
coeficientes del igualador y q[n] agrupando las muestras de la seal recibida:
.
w = [w[0], w[1], , w[Kw ]]T (6.47)
.
q[n] = [q[n], q[n 1], , q[n Kw ]]T (6.48)

El clculo del igualador MSE es un problema de estimacin lineal de mnima varianza,

donde la variable aleatoria a estimar es A[n d] y la estimacin se hace como combinacin
lineal de las componentes de q[n]. La solucin al problema general de estimacin lineal
se presenta en el Apndice 6.B, de donde se obtiene el igualador que minimiza el error
cuadrtico medio E{|ed [n]|2 }, que denotaremos wd,MSE , y el valor mnimo obtenido:

1
wd,MSE = E{q [n]q T [n]} E{q [n]A[n d]} (6.49)
2 2
mn E{|ed [n]| } = E{|A[n]| } wH T
d,MSE E{q [n]q [n]}w d,MSE (6.50)
w

.
Para el clculo de wd,MSE se necesita la matriz de autocorrelacin Rq = E{q [n]q T [n]}.
Esta matriz tiene la interesante propiedad de ser toeplitz (es decir, todos los elementos a lo
largo de cualquiera de sus diagonales son iguales), ya que por ser q[n] un proceso estacio-
nario, su elemento (i, j) es, con i, j entre 1 y Kw + 1,

E{q [n i + 1]q[n j + 1]} = E{q[n + i j]q [n]} = Rq [i j] (6.51)

el cual slo depende de i j. Adems, Rq [i j] = R [j i]. Ntese que los elementos

de esta matriz no son sino las componentes de la secuencia de autocorrelacin del proceso
q[n]:

Rq [0] Rq [1] Rq [2]
Rq [Kw ]
Rq [1] Rq [0] Rq [1]
Rq [Kw 1]

Rq [2] Rq [1] Rq [Kw 2]
Rq [0]
Rq = (6.52)
.. .. .. .. ..
. . .
. .
Rq [Kw ] Rq [Kw 1] Rq [Kw 2] Rq [0]

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.3 I GUALACIN LINEAL 333

Por otro lado, tambin se necesita calcular el vector de correlacin cruzada entre la entrada
al igualador y la seal deseada, dado por

E{q [n]A[n d]}
E{q [n 1]A[n d]}
.
r qA = E{q [n]A[n d]} = .. (6.53)
.
E{q [n Kw ]A[n d]}

Para escribir (6.52) y (6.53) en trminos del canal discreto equivalente, recurrimos al modelo
(6.3), que nos permite escribir q[n] como

p[0] p[1] p[K] 0 0 A[n]
. ..
0 p[0] p[1] p[K] . . . A[n 1]
q[n]=
.. .. .. .. ..

..
. . . . . 0 .
0 0 p[0] p[1] p[K] A[n K Kw ]
| {z }| .
{z }
=P T =a[n]

z[n]
z[n 1]

+ .. q[n] = P T a[n] + z[n] (6.54)
.
z[n Kw ]
| {z }
.
=z[n]

El vector a[n] recoge los smbolos transmitidos, mientras que en el vector z[n] se incluyen
las muestras del ruido. La matriz P , de tamao (K + Kw + 1) (Kw + 1), y cuya traspuesta
interviene en (6.54), se denomina matriz de convolucin del canal. Ntese que P es toeplitz.
Utilizando la expresin (6.54) se llega a

r qA = E{(P T a[n] + z[n]) A[n d]}

= P H E{a [n]A[n d]} + E{z [n]A[n d]} (6.55)

El ruido y los smbolos estn incorrelacionados por ser estadsticamente independientes, y

dado que su media es cero, el segundo sumando en (6.55) se anula: E{z [n]A[n d]} =
E{z [n]}E{A[n d]} = 0, esto es, un vector con componentes nulas. Por otro lado, para
un retardo d con 0 d K + Kw se tiene

E{a [n]A[n d]} = Es d (6.56)

donde Es es la energa media por smbolo y d se define como el vector cuyas componentes
son todas nulas excepto la (d + 1)-sima, que es igual a uno.
Multiplicando por la derecha a una matriz, el vector d produce un vector igual a la
columna (d + 1)-sima de dicha matriz. Por tanto, sustituyendo (6.56) en (6.55), se tiene

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
334 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

que el vector E{q [n]A[n d]} es simplemente la columna (d + 1)-sima de la matriz P H

(escalada por la energa media por smbolo):

p [d]
p [d 1]

r qA = Es P H d = Es .. (6.57)
.
p [d Kw ]

Usando (6.54), obtenemos ahora la siguiente expresin para la matriz de autocorrelacin

de la seal a la salida del canal discreto equivalente:

Rq = E{(P H a [n] + z [n])(aT [n]P + z T [n])}

= P H E{a [n]aT [n]}P + E{z [n]z T [n]}
+ P H E{a [n]z T [n]} + E{z [n]aT [n]}P (6.58)

Los dos ltimos sumandos en (6.58) son cero debido a la incorrelacin entre las secuen-
cias de smbolos y de ruido. Por otro lado, dado que estas dos secuencias son blancas con
varianzas Es y z2 respectivamente, sus matrices de autocorrelacin se reducen a

E{a [n]aT [n]} = Es I, E{z [n]z T [n]} = z2 I (6.59)

Sustituyendo esto en (6.58), la matriz de autocorrelacin puede escribirse como

E{q [n]q T [n]} = Es P H P + z2 I (6.60)

Por tanto, sustituyendo (6.57) y (6.60) en (6.49), obtenemos finalmente la expresin del
igualador MSE ptimo en funcin de los parmetros del canal:

wd,MSE = (Es P H P + z2 I)1 (Es P H d )

= (P H P + I)1 P H d (6.61)

donde se ha introducido el inverso de la relacin seal a ruido

. 2
= z (6.62)
Es
Finalmente, utilizando (6.60) y (6.61), el valor mnimo de la varianza del error dado en
(6.50) puede escribirse como
 
mn E{|ed [n]|2 } = Es 1 H H 1 H
d P (P P + I) P d (6.63)
w

que no es sino el elemento (d + 1)-simo de la diagonal de la matriz6 I P (P H P +

I)1 P H . Por tanto, basta invertir la matriz P H P + I para obtener el error cuadrtico
medio correspondiente a todos los retardos en el rango admisible 0 d K + Kw .
6
Ntese que H
i M j es el elemento (i, j) de la matriz M .

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.3 I GUALACIN LINEAL 335

De particular inters es el caso en el que la relacin seal a ruido es elevada, de forma

que 0. De hecho, tomar = 0 equivale a ignorar el ruido, lo que puede considerarse
como un diseo ZF alternativo7 al del Apartado 6.3.1:

wd,ZF = (P H P )1 P H d (6.64)

El clculo del igualador ZF mediante (6.64) posee la ventaja de no requerir una factori-
zacin espectral del canal discreto equivalente P (z), pues dicha factorizacin puede ser
computacionalmente problemtica, sobre todo si el orden del canal es elevado. Mediante es-
te diseo, el igualador trata de ajustar la respuesta impulsional del canal global a un impulso
[n d], el cual representa una respuesta ideal libre de ISI (vase Problema P6.14).
5

20 25
K = 10 15
w

1 BPSK
Dpico

0,5

4PAM

8PAM

0,1
0 10 20 30
retardo d

Figura 6.12. Distorsin de pico en el canal global usando un igualador ZF con varios
rdenes, para p[n] = 0,3[n] 0,12[n 1] 0,42[n 2] 0,5[n 4].

Ejemplo 6.12
Consideremos el canal p[n] = 0,3[n] 0,12[n 1] 0,42[n 2] 0,5[n 4]. Los ceros de
P (z) se encuentran aproximadamente en {1,64, 1,34, 0,87ej0,4811 }. En la Figura 6.12 se
representa la distorsin de pico (definida en (6.7) correspondiente al canal global obtenido me-
diante el igualador ZF (6.64), para varios rdenes Kw del igualador, y en funcin del retardo d.
Recurdese que ISI = Dpico /, de forma que valores pequeos de Dpico indican una menor ISI
residual; y que se requiere Dpico < para abrir el ojo de forma que, en ausencia de ruido, el deci-
sor smbolo a smbolo basado en la distancia eucldea no cometa errores. Las lneas horizontales
en la Figura 6.12 indican los valores de para las constelaciones BPSK, 4-PAM y 8-PAM.
7
Cuando Kw y d son lo suficientemente elevados, los igualadores ZF obtenidos mediante ambos criterios
son prcticamente iguales.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
336 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

Las prestaciones del igualador mejoran a medida que se aumenta el nmero de sus coeficientes,
como caba esperar. Ntese que el orden requerido para un igualador capaz de abrir el ojo es
mayor cuanto mayor sea el nmero de elementos de la constelacin. En concreto, ninguno de los
rdenes representados es suficiente si la constelacin empleada es 8-PAM. Por otra parte, para
un orden Kw dado, existe una importante variacin con el retardo. Obsrvese que los retardos
que proporcionan una mayor reduccin de la ISI suelen encontrarse en los valores intermedios
del rango admisible [0, Kw + K], mientras que hacia los extremos de este rango las prestaciones
se degradan sustancialmente. Este comportamiento es tpico de canales que poseen ceros tanto
dentro como fuera de la circunferencia unidad.

Para relaciones seal a ruido suficientemente elevadas, se tiene 0 y los igualadores

diseados bajo los criterios MSE (6.61) y ZF (6.64) son similares. Esto es intuitivamente sa-
tisfactorio: cuando el nivel de ruido es muy bajo la tarea del igualador se reduce a eliminar
la ISI, tal y como se pretende con el criterio forzador de ceros. Sin embargo, a medida que el
nivel de ruido aumenta, la diferencia entre los diseos ZF y MSE se hace ms aparente. Co-
mo ya se ha dicho, al haberse ignorado el ruido en su diseo, el igualador ZF corre el riesgo
de amplificar excesivamente el ruido en las bandas de frecuencia en que el canal introduce
atenuaciones considerables. Por el contrario, el igualador MSE alcanza un equilibrio entre
realce de ruido y compensacin de la ISI.
Ejemplo 6.13
La Figura 6.13 muestra la funcin de transferencia del canal discreto equivalente p[n] del Ejem-
plo 6.12, as como la del igualador lineal MSE de orden Kw = 25 y retardo d = 10 para
diferentes niveles de ruido. En ausencia de ruido aditivo, esto es, con SNR = 1 = , el igua-
lador MSE coincide con el ZF, de forma que |W (ej )| (dB) + |P (ej )| (dB) 0. Por otro lado,
a medida que la relacin seal a ruido empeora, la ganancia del igualador MSE en torno a las fre-
cuencias = /2 y = (en las cuales la atenuacin introducida por el canal es considerable)
disminuye progresivamente. Este efecto evita el realce del ruido a la salida del igualador.

El igualador lineal constituye una herramienta poderosa para la compensacin de la ISI.

Tal como se ha visto, es posible abrir el ojo a la salida del igualador si el nmero de coe-
ficientes y el retardo correspondiente se eligen adecuadamente. Por otro lado, el igualador
lineal presenta los siguientes inconvenientes:
Bsicamente, el filtro igualador trata de aproximar el inverso del canal discreto equi-
valente. Cuando este presenta una atenuacin considerable en alguna banda de fre-
cuencias (tpicamente debido a algn cero de su funcin de transferencia prximo a la
circunferencia unidad), el nmero de coeficientes del igualador necesario para apro-
ximar este inverso (y as abrir el ojo) de forma satisfactoria puede ser excesivamente
grande.

Cuando el ruido presente es sustancial, el igualador lineal ha de mantener un compro-

miso entre compensacin de ISI y realce del ruido. As, a medida que la relacin seal
a ruido en recepcin disminuye, la ISI residual a la salida del igualador aumentar.
En el siguiente apartado presentaremos un esquema de igualacin alternativo que puede
mitigar en gran medida los inconvenientes anteriores del igualador lineal.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 6.4 I GUALADOR CON REALIMENTACIN DE DECISIONES 337

(dB)
15

10

SNR =
5 j
|W(e )| 15 dB
10 dB
0

10 j
|P(e )|

15
0 /4 /2 3/4
Figura 6.13. Magnitud de la funcin de transferencia del canal (lnea continua) y del igua-
lador lineal MSE (lneas discontinuas) del Ejemplo 6.13.

6.4. I GUALADOR CON REALIMENTACIN DE DECISIONES

El mtodo de igualacin que se desarrollar en este apartado supone un intento de supe-
rar los problemas asociados con el igualador lineal (realce del ruido y necesidad de rdenes
elevados), sin incurrir en el elevado coste computacional del detector ML del Apartado 6.2.
La idea principal consiste en utilizar las estimaciones de los smbolos obtenidas en ins-
tantes anteriores para mitigar la ISI, por lo que este esquema se denomina igualador con
realimentacin de decisiones, o igualador DFE (decision feedback equalizer). Dado que
estas decisiones son generadas por el decisor smbolo a smbolo, el cual es un dispositivo
no lineal, el igualador DFE constituye asimismo un elemento no lineal, a diferencia de los
igualadores presentados en el Apartado 6.3. Veremos cmo es posible salvar esta dificultad
si se supone que la tasa de error resultante es suficientemente baja. Esta suposicin har
posible el diseo del igualador DFE bajo el criterio del error cuadrtico medio (MSE).

6.4.1. Concepto de realimentacin de decisiones

Para ilustrar el funcionamiento del igualador con realimentacin de decisiones, consi-
deremos un caso particular en el que el canal discreto equivalente p[n] es tal que su primer
coeficiente es la unidad (esto es, p[0] = 1), de forma que la seal recibida toma la forma
K
X
q[n] = A[n] + p[k]A[n k] + z[n] (6.65)
k=1

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
338 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

Una posible estrategia para eliminar la ISI dada por el segundo sumando en (6.65) consiste
en restar a q[n] una estimacin de dicha ISI, construida a partir de las decisiones A[n 1],
. . . , A[n K] obtenidas en instantes anteriores. As se obtiene la secuencia u[n],
K
X
u[n] = q[n] p[k]A[n k]
k=1
K
X
= A[n] + p[k](A[n k] A[n k]) + z[n] (6.66)
k=1

y a partir de ella se obtendra la siguiente decisin A[n] como el smbolo de la constela-

cin ms prximo a u[n] en distancia eucldea. De (6.66) se desprende que si las decisiones
coinciden con los smbolos originales (como debe ser si el receptor est funcionando ade-
cuadamente), es decir, si A[n k] = A[n k] para k = 1, . . . , K, entonces el segundo
sumando en (6.66) se anula, resultando en u[n] = A[n]+z[n]. Vemos que con esta estrategia
se ha logrado eliminar totalmente la ISI, sin amplificar el ruido en el proceso, y utilizando un
nmero de coeficientes razonable (en este caso igual al orden del canal K): los principales
inconvenientes del igualador lineal del Apartado 6.3 parecen haber sido superados!
Hemos de ser cautos en nuestras conclusiones, pues el desarrollo anterior depende cr-
ticamente de la suposicin de que el primer coeficiente del canal discreto equivalente es
p[0] = 1. Qu ocurre si esto no se cumple? Tal como muestra el siguiente ejemplo, es
posible incurrir en un realce importante del ruido.

Ejemplo 6.14
Si p[0] 6= 1, la seal de entrada al decisor podra construirse como

K
q[n] X p[k]
u[n] = A[n k]
p[0] p[0]
k=1
K
X p[k] z[n]
= A[n] + (A[n k] A[n k]) + (6.67)
p[0] p[0]
k=1

de forma que si las decisiones anteriores son correctas, se tiene u[n] = A[n] + z[n] p[0] y la ISI
desaparece. Sin embargo, la potencia de ruido a la entrada del decisor pasa a ser z2 /|p[0]|2 , la
cual ser mayor cuanto menor sea el valor de |p[0]|, con el consiguiente aumento de la proba-
bilidad de error a la salida del decisor. Vemos por tanto que la estrategia de realimentacin de
decisiones no est libre del problema del realce del ruido.

El problema estriba en que es posible tener un canal con |p[0]| 1. En tal situacin,
podra admitirse un retardo d > 0 en la estimacin de la secuencia original de smbolos, es
decir, utilizar como referencia para la decisin el smbolo A[n d]. Para minimizar el realce
del ruido, d puede elegirse como el ndice del mayor coeficiente (cursor) de la respuesta
impulsional del canal, de forma que |p[d]| > |p[k]| para todo k 6= d. Sin embargo, con esta
estrategia aparece un nuevo fenmeno, tal como muestra el siguiente ejemplo.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.4 I GUALADOR CON REALIMENTACIN DE DECISIONES 339

Ejemplo 6.15
Si d es el ndice correspondiente al cursor del canal, las decisiones se obtienen de modo que
A[n d] es el elemento de la constelacin ms cercano a la entrada u[n] al decisor, dada por

K
X
q[n] p[k]
u[n] = A[n k]
p[d] p[d]
k=d+1
d1
!
X p[k]
= A[n k] + A[n d]
p[d]
k=0
K
!  
X p[k] z[n]
+ (A[n k] A[n k]) + (6.68)
p[d] p[d]
k=d+1

Si las decisiones previas A[n d 1], . . . , A[n K] son correctas, el tercer sumando en (6.68),
denominado ISI postcursora, se anular. La componente de ruido es el cuarto sumando en (6.68),
cuya varianza es z2 /|p[d]|2 . Por otro lado, observamos ahora la aparicin del primer sumando en
(6.68), correspondiente a la ISI debida a los coeficientes p[0], p[1], . . . , p[d 1] del canal. Este
trmino, denominado ISI precursora, no puede cancelarse puesto que las decisiones necesarias
para ello, A[n], A[n 1], . . . , A[n d + 1], todava no se hallan disponibles: slo es posible
realimentar decisiones previas.
As, vemos que la estrategia de realimentacin de decisiones no es necesariamente capaz de can-
celar siempre toda la ISI, sino nicamente la ISI postcursora. En el peor de los casos podramos
tener d = K, de forma que no sera posible cancelar ningn trmino de ISI utilizando decisiones
previas (toda la ISI constituye ISI precursora).

De los Ejemplos 6.14 y 6.15 se desprende que la realimentacin de decisiones deber

alcanzar un equilibrio entre cancelacin de ISI y amplificacin de ruido, tal y como ocurra
con el igualador lineal MSE del Apartado 6.3. Con todo, las prestaciones obtenibles con un
igualador DFE diseado adecuadamente suelen ser mucho mejores que las de un igualador
lineal de complejidad similar (mismo nmero de coeficientes), debido a que las decisiones
se hallan libres de ruido, gracias a la accin del decisor smbolo a smbolo.
Por otro lado, la eliminacin completa de la ISI postcursora depende de que las deci-
siones previas sean correctas. En la prctica, sin embargo, la probabilidad de error nunca
es exactamente cero. Supngase que, en un instante dado n0 , el ruido aditivo es tal que la
decisin correspondiente es errnea: A[n0 d] 6= A[n0 d]. Adems de producirse un error
de decisin, al realimentar la cantidad errnea A[n0 d] en nuestro intento de cancelar la
ISI postcursora en el instante n0 + 1, es posible que en realidad aumentemos dicha ISI. Este
aumento puede provocar una nueva decisin incorrecta A[n0 d + 1], la cual ser tambin
realimentada, pudiendo provocar nuevos errores, y as sucesivamente. Este fenmeno, de-
nominado propagacin de errores, es una consecuencia inevitable del hecho de realimentar
decisiones previas y suele resultar de forma tpica en rfagas de varios smbolos incorrec-
tos. La longitud y frecuencia de aparicin de dichas rfagas dependen del entorno particular
de operacin (respuesta impulsional del canal, potencia de ruido y constelacin utilizada) y
naturalmente suponen una degradacin en las prestaciones del igualador.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
340 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

6.4.2. Estructura del igualador DFE

El diagrama de la estructura de un igualador DFE en el caso ms general se muestra en la
Figura 6.14(a). Uno de sus bloques es el filtro precursor W (z), que es un filtro FIR de orden
Kw , y cuya misin consiste en mitigar la ISI precursora, la cual, como se ha visto, no puede
ser cancelada mediante realimentacin de decisiones previas. El otro bloque constituyente
del igualador DFE es el filtro de realimentacin B(z), tambin un filtro FIR de orden Kb , y
que posee la peculiaridad de ser estrictamente causal (de no ser as, el lazo de realimentacin
de la Figura 6.14(a) no sera implementable causalmente). As, las Transformadas Z de estos
filtros se pueden escribir en funcin de sus coeficientes como
Kw
X Kb
X
k
W (z) = w[k]z , B(z) = b[k]z k (6.69)
k=0 k=1

de forma que la operacin del igualador DFE es la siguiente:

Kw
X Kb
X
u[n] = w[k]q[n k] b[k]A[n d k] (6.70)
k=0 k=1

siendo A[n d] la decisin tomada sobre u[n]. Ntese que para Kb = 0 el filtro de re-
alimentacin desaparece y recuperamos la configuracin del igualador lineal del Apartado
6.3.

z[n] filtro
canal precursor
A[n] q[n] u[n] [n-d ]
P(z) W (z ) Decisor

B(z)

filtro de
realimentacin
(a)
z[n]

A[n] q[n] u[n] [n-d ]

P(z) W (z ) Decisor

z
-d
B(z)

(b)
Figura 6.14. (a) Igualacin con realimentacin de decisiones; (b) Sistema equivalente si
las decisiones son siempre correctas (A[n d] = A[n d] para todo n).

Debido a la presencia del decisor dentro del lazo de realimentacin de la Figura 6.14
el igualador DFE resulta ser un sistema no lineal, en el sentido de que la seal de entrada

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.4 I GUALADOR CON REALIMENTACIN DE DECISIONES 341

al decisor smbolo a smbolo u[n] depende de una forma no lineal de sus valores pasados
u[n 1], . . . , u[n Kb ]. Este hecho complica el diseo y el anlisis del igualador DFE
de forma sustancial. Sin embargo, si la probabilidad de error obtenida es suficientemente
pequea (como cabe esperar de un correcto diseo), podemos suponer que las decisiones
previas coincidirn con los smbolos originales: A[n d k] = A[n d k], para 1
k Kb y para todo n. Usando esta aproximacin, los diagramas de la Figuras 6.14(a) y (b)
son equivalentes. En esta ltima configuracin, vemos que la dependencia de u[n] con los
smbolos originales y con el ruido aditivo es lineal en ambos casos.
La hiptesis bajo la cual todas las decisiones previas estn libres de errores facilita enor-
memente el estudio del igualador DFE y es por ello muy utilizada. Aunque los resultados
as obtenidos suelen ser aceptables, es importante recordar que en la prctica la probabi-
lidad de error, aunque baja, nunca llegar a ser nula, por lo que tal suposicin no deja de
ser una aproximacin. El diseo del igualador DFE deber en cualquier caso ser validado
(tpicamente, mediante simulacin numrica), para as verificar que sus prestaciones no se
ven degradadas por el fenmeno de la propagacin de errores hasta el punto de dejar de
satisfacer las especificaciones iniciales.
Para el clculo de los filtros del igualador es conveniente expresar la entrada al decisor
en trminos del producto escalar de ciertos vectores. Agrupemos los coeficientes del filtro
precursor y del filtro de realimentacin en los vectores w y b respectivamente:
. .
w = [w[0], w[1], , w[Kw ]]T , b = [b[1], b[2], , b[Kb ]]T (6.71)

La seal de entrada al decisor se puede escribir como u[n] = wT q[n] bT a[n], donde los
vectores con las muestras de la seal recibida y las decisiones previas son, respectivamente,
.
q[n] = [q[n], q[n 1], q[n 3], , q[n Kw ]]T (6.72)
h iT
.
a[n] = A[n d 1], A[n d 2], , A[n d Kb ] (6.73)

Utilizando la hiptesis de que las decisiones previas coinciden con los smbolos originales,
(6.73) se puede reescribir como

a[n] = [A[n d 1], A[n d 2], , A[n d Kb ]]T (6.74)

De esta forma la operacin del igualador DFE puede representarse como en la Figura
6.14(b). Bajo esta hiptesis, y dado que el vector dado en (6.74) no depende de los coeficien-
tes w, b, el clculo del igualador DFE puede reformularse como un problema de estimacin
ptima lineal.

6.4.3. Igualador DFE bajo el criterio de error cuadrtico medio

De forma similar al caso del igualador lineal, adoptaremos el criterio MSE para el clcu-
lo del igualador con realimentacin de decisiones. Bajo el criterio MSE, los filtros se esco-
gen de forma que la varianza del error de estimacin sea mnima. Denotaremos por wd y
bd los vectores de coeficientes que minimizan E{|ed [n]|2 }, donde, como anteriormente, la

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
342 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

seal de error se define como la diferencia entre la secuencia original de smbolos (con un
retardo d) y la entrada al bloque decisor:
.
ed [n] = A[n d] u[n] = A[n d] (wT q[n] bT a[n]) (6.75)

A la hora de calcular el igualador DFE ptimo es posible utilizar directamente el mtodo

expuesto en el Apndice 6.B para obtener simultneamente los coeficientes de ambos filtros
(precursor y de realimentacin), agrupados en el vector [wT bT ]T . Sin embargo, es ms
instructivo realizar inicialmente la optimizacin del filtro de realimentacin, suponiendo un
filtro precursor fijo; el vector b as obtenido es una funcin del filtro precursor w. Para este
valor de b, es posible entonces obtener el vector w ptimo.
Para comenzar, recordemos el modelo matricial (6.54) de generacin del vector q[n]
dado en (6.72) y que repetimos aqu por conveniencia:

q[n] = P T a[n] + z[n] (6.76)

con P la matriz de convolucin del canal, y a[n], z[n] los vectores de smbolos y de ruido:

a[n] = [A[n], A[n 1], , A[n K Kw ]]T (6.77)

T
z[n] = [z[n], z[n 1], , z[n Kw ]] (6.78)

As, la seal a la entrada del bloque decisor puede escribirse de la siguiente forma:

u[n] = wT q[n] bT a[n] = wT P T a[n] bT a[n] + wT z[n] (6.79)

Llegados a este punto, definamos la matriz de seleccin S d , de tamao Kb (K + Kw + 1),

.  
S d = 0Kb (d+1) I Kb 0Kb [(K+Kw )(d+Kb )] (6.80)

donde 0 e I denotan la matriz nula y la matriz identidad respectivamente y los subndices

indican el tamao de la matriz. As, los vectores a[n] y a[n] estn relacionados mediante

a[n] = S d a[n] (6.81)

Obsrvese que para que (6.80) y (6.81) tengan sentido, ha de verificarse que

d + Kb K + Kw (6.82)

Aunque en principio los rdenes Kw , Kb y el retardo d no tendran por qu cumplir la

condicin (6.82), de ser as los ltimos (d + Kb ) (K + Kw ) coeficientes del filtro de
realimentacin ptimo seran iguales a cero (vase Problema P6.17). Esto significa que el
problema es equivalente a otro en el que el filtro de realimentacin tiene un orden Kb < Kb
tal que (6.82) se satisface con igualdad, esto es, d + Kb = K + Kw . Por tanto, en adelante
supondremos que (6.82) se cumple.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.4 I GUALADOR CON REALIMENTACIN DE DECISIONES 343

Filtro de realimentacin ptimo

Procedamos ahora a calcular el filtro de realimentacin que minimiza el error cuadrtico

medio para un filtro precursor dado. El error ed [n] en (6.75) puede escribirse como

ed [n] = (A[n d] wT q[n]) (bT a[n]) (6.83)

y por tanto el diseo del filtro de realimentacin bajo el criterio MSE para w fijo equivale
al de la estimacin lineal de la variable A[n d] wT q[n] basndonos en el vector a[n].
La solucin, de acuerdo con el Apndice 6.B, est dada por

bopt (w) = E{a [n]aT [n]}1 E{a [n](A[n d] wT q[n])} (6.84)

La matriz en (6.84) es simplemente E{a [n]aT [n]}1 = Es1 I Kb , bajo la hiptesis de

correctas decisiones previas. Por otro lado, E{a [n]A[n d]} = 0Kb debido a la indepen-
dencia entre A[n d] y los smbolos contenidos en a[n] (vase (6.74)). As, utilizando el
modelo (6.76) y la relacin (6.81), junto con la independencia de smbolos y ruido, obtene-
mos los coeficientes del filtro de realimentacin en funcin de los del filtro precursor:


bopt (w) = Es1 E{a [n]A[n d]} E{a [n]q T [n]}w
= Es1 E{a [n](aT [n]P + z T [n])}w
= Es1 E{a [n]aT [n]} P w
= SdP w (6.85)

La expresin (6.85) tiene una fcil interpretacin, si observamos que el vector c = P w

recoge los coeficientes c[0], c[1], . . . , c[K + Kw ] del canal global c[n] = w[n] p[n] (vase
Problema P6.14). De este hecho y de la definicin (6.80) de la matriz de seleccin S d , vemos
que los coeficientes del filtro de realimentacin ptimo dado en (6.85) satisfacen

b[k] = c[k + d], k = 1, 2, . . . , Kb (6.86)

lo que significa que, cualquiera que sea el valor del filtro precursor w[n], el filtro ptimo de
realimentacin para el retardo d se encargar de cancelar la ISI postcursora del canal global
c[n] = w[n] p[n] en la ventana de coeficientes d + 1, . . . , d + Kb .

Filtro precursor ptimo

Ahora procederemos a calcular los coeficientes del filtro precursor w ptimo, tomando
como filtro de realimentacin el calculado mediante (6.85). Dado que este filtro de reali-
mentacin cancela la ISI postcursora en la ventana de coeficientes (6.86), la tarea del filtro
precursor ser mitigar la ISI precursora, as como la ISI postcursora residual (fuera de dicha
ventana), sin amplificar en exceso el ruido. La Figura 6.15 ilustra la particin de la respuesta
impulsional del canal global c[n] y su alineacin con el filtro de realimentacin b[n].

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
344 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

canal global c[n] = w[n]*p[n]

cursor

ventana de ISI precursora ventana de ISI postcursora ventana de ISI postcursora

cancelada residual

c[0] c[1] c[d-1] c[d] c[d+1] c[d+Kb] c[d+Kb+1] c[K+Kw]

b[1] b[Kb]

filtro de realimentacin

Figura 6.15. Alineacin temporal del canal global y del filtro de realimentacin.

Para determinar el vector w que minimiza el error cuadrtico medio, escribamos primero
la entrada al decisor obtenida con el filtro de realimentacin ptimo (6.85) como

u[n] = wT q[n] bTopt (w)a[n]

= wT (P T a[n] + z[n]) wT P T S Td S d a[n]
= wT (P T D d a[n] + z[n]) (6.87)

donde hemos introducido la siguiente matriz de tamao (K + Kw + 1) (K + Kw + 1):

.
D d = I S Td S d (6.88)

La matriz D d se obtiene fijando a cero los elementos d + 2, . . . , d + Kb + 1 de la diagonal

de la matriz identidad de tamao K + Kw + 1, de forma que el vector D d a[n] se obtiene
sustituyendo por ceros los smbolos A[n d 1], . . . , A[n d Kb ] del vector a[n]. Esto
es debido a la cancelacin de ISI postcursora por parte del filtro de realimentacin (6.85).
Utilizando la expresin (6.87) para u[n], el error ed [n] en (6.75) puede escribirse como

ed [n] = A[n d] wT (P T D d a[n] + z[n]) (6.89)

Esta expresin es similar a la correspondiente a la que se obtiene para un igualador lineal

(vase Apartado 6.3.2), con la salvedad de que la matriz P es sustituida ahora por D Td P .
Por tanto, la expresin del vector w del filtro precursor que minimiza la varianza de ed [n] se
puede obtener directamente de la correspondiente al igualador lineal MSE, dada en (6.61),
sin ms que realizar dicha sustitucin. Usando = z2 /Es como anteriormente, tendremos

1 H
wd = P H D d D Td P + I P Dd d (6.90)

Se comprueba fcilmente que la matriz D d satisface D d D Td = D d , as como D d d = d .

Con esto, y dado que el filtro de realimentacin ptimo es bd = bopt (wd ), obtenemos la
expresin final de los filtros del igualador DFE para el retardo d, bajo el criterio MSE:

1 H
wd = P H D d P + I P d, bd = S d P w d (6.91)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.4 I GUALADOR CON REALIMENTACIN DE DECISIONES 345

El valor mnimo del error cuadrtico medio, obtenido con estos filtros, es por tanto
  
E{|ed [n]|2 }w ,b = Es 1 H H
d P (P D d P + I) P d
1 H
(6.92)
d d

Debido a la presencia de la matriz D d en (6.92), el clculo del error cuadrtico medio

mnimo del igualador DFE correspondiente a cada valor del retardo d requiere la inversin
de una matriz de tamao Kw + 1.
Aunque en todo momento hemos considerado el criterio MSE para el clculo de los
filtros, es tambin posible utilizar el enfoque ZF para tal fin, sin ms que ignorar el efecto del
ruido presente en el receptor. El igualador resultante se obtendra haciendo = 0 en (6.91).
Hay que sealar, sin embargo, que el error cuadrtico medio resultante con el igualador
ZF-DFE no se obtiene de (6.92) tomando = 0.

6.4.4. Consideraciones sobre el diseo del igualador DFE

En la mayora de casos prcticos, el nmero total de coeficientes del igualador Kb +
Kw + 1 suele hallarse acotado debido a restricciones sobre la circuitera del receptor. Por
tanto, adems de escoger el retardo global d, en el diseo del igualador DFE se habr de
determinar cmo repartir los recursos disponibles (esto es, el nmero total de coeficientes)
entre los filtros precursor y de realimentacin. En un extremo, asignando Kb = 0 obtene-
mos el diseo del igualador lineal del Apartado 6.3 con su limitacin inherente en cuanto a
eliminacin de ISI. En el otro, asignando un nico coeficiente al filtro precursor (Kw = 0),
el igualador DFE es incapaz de reducir la ISI precursora (vase Ejemplo 6.15). Por tanto, es
preciso alcanzar un compromiso para los rdenes de ambos filtros.
En principio, la eleccin ptima, bajo el criterio MSE, pasara por calcular el error cua-
drtico medio obtenido con todas las posibles combinaciones (Kw , Kb , d). Esta estrategia
de fuerza bruta puede resultar excesivamente costosa en recursos de clculo, por lo que es
importante disponer de ciertas guas generales que nos ayuden al respecto.
En los Ejemplos 6.14 y 6.15 se observa que una buena estrategia para limitar el realce
del ruido debido al filtro precursor consiste en tratar de ajustar el retardo global d a
la posicin del cursor del canal discreto equivalente p[n] (esto es, su coeficiente de
mayor magnitud). Por otro lado, el retardo introducible mediante el filtro precursor
deber estar comprendido entre 0 y Kw . Por tanto, si denominamos dp la posicin del
cursor de p[n], cabe esperar que los retardos comprendidos en el rango dp d
dp + Kw proporcionen una reduccin considerable del error cuadrtico medio.
Dado que la misin del filtro de realimentacin es cancelar la ISI postcursora, su
orden Kb debera fijarse para incluir en la ventana de cancelacin la mayora de los
coeficientes de c[n] = w[n] p[n] ms significativos (vase Figura 6.15). Un buen
punto de partida consiste en elegir Kb de forma que la ventana (p[dp + 1], , p[dp +
Kb ]) contenga los postcursores de p[n] con magnitudes significativas.
La seal de entrada al filtro de realimentacin pertenece a un alfabeto finito (la conste-
lacin utilizada). Por esta razn, en numerosas ocasiones la complejidad computacio-
nal asociada a dicho filtro puede ser considerablemente menor que la correspondiente

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
346 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

al filtro precursor, aun cuando este posea un nmero bastante menor de coeficientes.
Por ejemplo, si los smbolos A[n] se extraen de una constelacin QPSK, la operacin
del filtro de realimentacin no requiere multiplicaciones y puede efectuarse de forma
exacta utilizando nicamente sumas y restas. Este hecho puede influir en el reparto
final de coeficientes entre el filtro precursor y el de realimentacin.

Resp. impulsional p[n]: partes real (o) e imaginaria ()

0,75

0,5

0,25

0,25

0,5
0 5 10 15
n
(dB)
j
5 |P(e )|
0
5

15

25
/2 0 /2

Figura 6.16. Respuesta impulsional y funcin de transferencia del canal discreto equiva-
lente del Ejemplo 6.16.

Ilustraremos los pasos en el diseo del igualador DFE mediante el siguiente ejemplo.
Ejemplo 6.16
Considrese un sistema con un filtro de recepcin adaptado al pulso de transmisin g(t), el cual
consiste en un pulso en raz de coseno alzado con factor de cada = 0,1 y truncado a una
duracin 8T , con T el
Pperiodo de smbolo. La respuesta impulsional del canal multitrayecto es
L
de la forma h(t) = i=1 i (t i ), de modo que el canal discreto equivalente p[n] (vase
Apartado 5.1.3) es
X L
p[n] = i ejc i rg (nT i ) (6.93)
i=1

donde rg (t) = g(t) g(t) y c es la frecuencia de portadora. En nuestro ejemplo se ha tomado

L = 4 caminos, c T = 2 127 rad, y
1 = 0,2; 2 = 0,9; 3 = 0,6; 4 = 0,4;
1 = 0,2T ; 2 = 2,7T ; 3 = 6,5T ; 4 = 11,3T (6.94)
La respuesta impulsional y la funcin de transferencia del canal discreto equivalente se represen-
tan en la Figura 6.16. El coeficiente de mayor magnitud de p[n] reside en la posicin dp = 6,

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 6.5 I GUALADOR FRACCIONARIO 347

tras la cual se aprecia una considerable ISI postcursora abarcando unos 10 periodos de smbolo.
Siguiendo las directrices de diseo anteriores, cabe esperar una reduccin significativa del error
cuadrtico medio sobre el rango de retardos 6 d 6 + Kw . El filtro de realimentacin debera
poseer al menos 10 coeficientes para poder eliminar la ISI postcursora eficazmente.
La Figura 6.17 muestra los resultados obtenidos con tres diseos distintos, todos utilizando el
mismo nmero total de 30 coeficientes, para un valor de = 0,01 (relacin seal a ruido
Es /N0 = 20 dB). Con Kb = 0, Kw = 29 obtenemos el igualador lineal del Apartado 6.3.
Utilizando un igualador DFE con Kb = 10, Kw = 19, el error cuadrtico medio disminuye
sensiblemente (unos 7 dB) en el rango previsto de retardos 6 d 25. El uso de un filtro de
realimentacin ms largo (Kb = 20, Kw = 9) no proporciona una mejora apreciable, puesto que
se estn asignando coeficientes de realimentacin a posiciones en las cuales la ISI postcursora
es poco significativa o inexistente. Adems, al reducirse el orden del filtro precursor, el rango
de retardos idneo se ve tambin reducido a 6 d 15. En la Figura 6.18 se representan los
valores de la distorsin de pico obtenidos con estos tres diseos. El igualador lineal de orden 30
no es capaz de abrir el ojo para ningn valor del retardo, ni siquiera con una constelacin QPSK.
La mejora introducida al utilizar realimentacin de decisiones es clara.
Esta mejora se hace ms patente a la luz de la Figura 6.19, la cual muestra la probabilidad de
error obtenida con los igualadores lineal y DFE para una constelacin 16-QAM en funcin de la
relacin Eb /N0 (recordemos que, para la 16-QAM, Es = 4Eb ). Ambos poseen un total de 30
coeficientes, de los cuales el igualador DFE utiliza 10 en el filtro de realimentacin. El retardo
global elegido es d = 19. Obsrvese la dificultad del igualador lineal para reducir la probabilidad
de error. El igualador DFE, por otro lado, es capaz de mejorar este comportamiento ostensible-
mente, gracias a la capacidad de cancelar la ISI postcursora sin realzar el ruido.
Como comparacin se muestra tambin la curva de Pe para un igualador DFE idealizado en el
que el filtro de realimentacin utiliza los smbolos transmitidos y no las decisiones previas. La
degradacin en las prestaciones debido al efecto de propagacin de errores se observa claramen-
te, sobre todo para relaciones Es /N0 elevadas. En este rango se aprecia tambin una distancia de
unos 2.5 dB entre el igualador DFE idealizado y la cota del filtro adaptado. Aunque sera ilustra-
tivo presentar la curva de Pe para el detector ML del Apartado 6.2 como comparacin, el lector
entender que no lo hayamos hecho si determina el nmero de estados del diagrama de rejilla
que el algoritmo de Viterbi debera utilizar para este canal con modulacin 16-QAM.

6.5. I GUALADOR FRACCIONARIO

A lo largo de este captulo hemos supuesto que el receptor opera con las muestras de la
seal a la salida del filtro receptor f (t) obtenidas a la tasa de smbolo 1/T , pues tal como
se demostr en el Apndice 4.B, dichas muestras constituyen estadsticos suficientes para la
deteccin. As, no hay en principio necesidad de muestrear a una tasa ms elevada, lo cual
es conveniente desde el punto de vista de la complejidad del receptor. Sin embargo, tal como
se discuti en el Apartado 5.5, es frecuente encontrar implementaciones fsicas en las que
la seal demodulada es muestreada a una tasa mayor que la de smbolo; por ejemplo, para
realizar convenientemente el filtro receptor f (t) de forma digital, o para la operacin de los
esquemas de recuperacin del instante de muestreo adecuado, descritos en el Apartado 11.4.
En ambos casos es comn utilizar un periodo de muestreo Ts con T /Ts un entero mayor
que 1; la eleccin Ts = T /2 es quiz la ms popular, pues proporciona un rendimiento

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
348 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

(dB) Kb = 20 Kb = 10 Kb = 0
0

5
Error cuadrtico medio

10

15 n total de coeficientes:

Kb+Kw+1 = 30

20
0 10 20 30 40
retardo d

Figura 6.17. Error cuadrtico medio obtenido con tres diferentes asignaciones de recursos
a los filtros precursor y de realimentacin del igualador DFE del Ejemplo 6.16.

2 Kb = 20 Kb = 10 Kb = 0
10

1
10
D
pico

0
10 QPSK

8PSK

10
1
64QAM

2
10
0 10 20 30 40
retardo d

Figura 6.18. Distorsin de pico obtenida con tres diferentes asignaciones de recursos a los
filtros precursor y de realimentacin del igualador DFE del Ejemplo 6.16.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.5 I GUALADOR FRACCIONARIO 349

0
10

1
10

2
10
Pe
3
10

4
10

5
10 Igualador lineal
DFE con propagacin de errores
DFE sin propagacin de errores
6
Cota del filtro adaptado
10
0 4 8 12 16 20
Eb/N0 (dB)

Figura 6.19. Probabilidad de error de los igualadores lineal y DFE para el canal del Ejem-
plo 6.16 con una constelacin 16-QAM.

satisfactorio (evita el aliasing para todo factor de cada en el rango 0 1 cuando f (t)
es un pulso en raz de coseno alzado), sin aumentar excesivamente la tasa de muestreo.
Por tanto, en tal situacin el filtro igualador puede operar directamente sobre estas mues-
tras espaciadas Ts segundos, recibiendo entonces el calificativo de fraccionario debido a que
el periodo de muestreo (separacin entre los coeficientes del igualador) es una fraccin del
periodo de smbolo T . La salida del igualador fraccionario se diezma posteriormente por un
factor T /Ts para obtener as una seal muestreada a periodo de smbolo, sobre la que se
tomarn decisiones smbolo a smbolo.
Obsrvese que si la duracin temporal (orden del filtro multiplicado por el periodo de
muestreo) de un igualador no fraccionario y la de uno fraccionario se mantienen al mismo
valor, el igualador fraccionario requiere una mayor potencia de clculo pues dispone de un
mayor nmero de coeficientes8 . A pesar de ello, el uso de igualadores fraccionarios se ha ge-
neralizado bastante en el diseo de sistemas de comunicaciones digitales de alta velocidad.
Esto es debido a que estos sistemas presentan un potencial mayor en cuanto a reduccin
de la ISI que un igualador no fraccionario, como veremos seguidamente, siendo a la vez
ms robustos frente a errores en la recuperacin del instante de muestreo (sincronizacin de
smbolo).
Ejemplo 6.17
Para ilustrar la sensibilidad a errores en el instante de muestreo de un receptor con muestreo

8
El hecho de que la salida del igualador fraccionario es seguidamente diezmada permite aliviar este problema
utilizando las estructuras denominadas polifase; vase por ejemplo [87, sec. 4.3.1].

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
350 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

a tasa de smbolo, consideremos un caso sencillo en el que el canal equivalente en banda base
nicamente introduce un retardo: heq (t) = (t T ), donde || < 0, 5. Supongamos que el
pulso de transmisin g(t) es un pulso en raz de coseno alzado con factor de cada y truncado
a 8 periodos de smbolo. En recepcin se usa el filtro adaptado al pulso transmisor, por tanto,
f (t) = g(t). El canal equivalente en banda base es

p(t) = g(t) heq (t) f (t) gca (t T ) (6.95)

donde gca (t) es un pulso en coseno alzado con factor de cada .

La seal a la salida del filtro receptor se muestrea en los instantes t = nT . Por tanto, si = 0,
entonces p[n] [n] y no hay ISI, por lo que en principio no sera necesario utilizar un igualador.
Sin embargo, cuando 6= 0, el pulso en coseno alzado no se est muestreando exactamente en
sus cruces por cero. El canal discreto equivalente contendr trminos adicionales que introducen
ISI, tal como se ilustra en la Figura 6.20.
La Figura 6.21 muestra los resultados obtenidos cuando dicha ISI se corrige mediante un igua-
lador no fraccionario lineal MSE con Kw + 1 = 9 coeficientes, para una relacin seal a ruido
Es /N0 = 20 dB; el valor de retardo se ha optimizado para cada caso. Obsrvese que incluso sin
error en el sincronismo de smbolo ( = 0) la distorsin de pico no es exactamente cero. Esto
es debido al truncamiento del pulso en raz de coseno alzado a un nmero finito de periodos de
smbolo. Dicho efecto es ms perjudicial cuanto menor sea el factor de cada, ya que en ese caso
la magnitud de las colas del pulso g(t) decae a cero ms lentamente.
Tambin se observa que, independientemente de , las prestaciones del igualador no fraccionario
se degradan ostensiblemente a medida que || 0, 5. La razn es que en tal caso p[n] satisface
la propiedad de simetra p[K n] = p[n], n = 0, 1,. . . ,K (vase Figura 6.20 para = 0, 5) y,
por tanto, su funcin de transferencia presenta un cero en = . El igualador lineal encuentra
gran dificultad para mitigar la ISI, debido a este cero situado sobre la circunferencia unidad.
En el Captulo 11 se presentarn mtodos de sincronizacin que pueden paliar en gran medida
estos problemas. Algunos de estos esquemas aprovechan ciertas propiedades del pulso p(t) para
recuperar el instante ptimo de muestreo, como puede ser la simetra del pulso en coseno alzado.
Sin embargo, cuando el canal es dispersivo, el pulso efectivo a la salida del filtro adaptado no
presentar tales propiedades, por lo que las prestaciones de los algoritmos de sincronizacin pue-
den degradarse sustancialmente. El uso de un igualador fraccionario permite ajustar su respuesta
para compensar posibles errores en el instante de muestreo, aadiendo robustez al receptor.

El diagrama de bloques de un igualador fraccionario con Ts = T /2, incluyendo reali-

mentacin de decisiones, se representa9 en la Figura 6.22. A la salida del filtro adaptado se
.
toman muestras de la seal q(t) a periodo T /2, que denotaremos por qs [n] = q(nT /2). En
el Apartado 5.5 demostramos que qs [n] puede escribirse como
X
qs [n] = A[l]ps [n 2l] + zs [n] (6.96)
l

9
Es posible modificar la arquitectura de la Figura 6.22 situando el filtro adaptado tras el conversor continuo-
discreto (C/D). El filtro adaptado discreto se puede entonces absorber en el filtro fraccionario precursor. Natural-
mente, en tal situacin todava es necesario utilizar un filtro analgico de recepcin faa (t) previo a la conversin
C/D con el objeto de eliminar ruido fuera de banda y evitar aliasing; vase Apartado 5.5.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.5 I GUALADOR FRACCIONARIO 351

1 1

0,5 = 0,25 0,5 =0

0 0
t t
5T 3T T 0 T 3T 5T 5T 3T T 0 T 3T 5T

1 1

0,5 = 0,25 0,5 = 0,5

0 0
t t
5T 3T T 0 T 3T 5T 5T 3T T 0 T 3T 5T

Figura 6.20. Canal discreto equivalente obtenido en funcin del error de sincronizacin de
smbolo . Factor de cada = 0, 2, pulso transmisor truncado a 8 periodos de smbolo.

0
10

1
10

D
pico
2
10

3
10 = 0,1
= 0,3
= 0,6
= 0,9
10
4
0,5 0,25 0 0,25 0,5

Figura 6.21. Distorsin de pico obtenida con un igualador lineal MSE, no fraccionario,
con orden Kw = 8, para un pulso de transmisin en raz de coseno truncado a 8 periodos
de smbolo, en funcin del error de sincronizacin de smbolo .

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
352 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

-jwct
e
y(t) q(t) qs[n] us[n] u[n] [n-d]
2f (t) C/D Ws(z ) 2 Decisor
filtro filtro
adaptado fraccionario
B(z)
T/ 2 precursor

filtro de
realimentacin

Figura 6.22. Igualador fraccionario con realimentacin de decisiones.

donde    
. nT . nT
ps [n] = p , zs [n] = z (6.97)
2 2
son respectivamente las muestras a periodo T /2 del pulso equivalente p(t) y del ruido equi-
valente en banda base z(t). Dado que hemos supuesto en el Apartado 6.1.1 que p(t) tiene
una duracin de Tp segundos, y habiendo definido K = Tp /T , se sigue que el nmero de
coeficientes no nulos de ps [n] pasa a ser ahora 2K + 1, como consecuencia del sobremues-
treo.
En la Figura 6.22, el filtro precursor fraccionario Ws (z) opera al doble de la tasa de
smbolo, por lo que se suele, con un cierto abuso de terminologa, decir que sus coeficientes
estn espaciados T /2 segundos. Por otro lado, el filtro de realimentacin B(z) opera a la
tasa de smbolo, por lo que se dice que sus coeficientes estn espaciados T segundos. Como
el diezmador que sigue al filtro precursor dispone de dos muestras por periodo de smbolo,
ha de descartar la mitad, de ah el diezmador. Supondremos que el filtro de realimentacin
cuenta con Kb coeficientes espaciados T segundos, mientras que el filtro precursor fraccio-
nario dispone de un nmero de coeficientes espaciados T /2 segundos igual a Kw + 1, que
por simplicidad supondremos par. La longitud temporal del filtro precursor fraccionario es
entonces la misma que la de otro no fraccionario con Kw + 1 = (Kw + 1)/2 coeficientes,
de forma que se tiene
2K
Xw +1 Kb
X
k
Ws (z) = ws [k]z , B(z) = b[k]z k (6.98)
k=0 k=1

As, la operacin del igualador fraccionario se puede expresar de la siguiente forma:

2K
Xw +1 Kb
X
us [n] = ws [k]qs [n k], u[n] = us [2n] b[k]A[n d k] (6.99)
k=0 k=1

El clculo del igualador fraccionario puede efectuarse de forma anloga a como se hizo
en el caso no fraccionario, si se expresa la entrada al decisor u[n] como

u[n] = wTs q s [n] bT a[n] (6.100)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.5 I GUALADOR FRACCIONARIO 353

donde ahora ws contiene los 2(Kw + 1) coeficientes espaciados T /2 segundos de Ws (z),

mientras que, debido al diezmado de la seal us [n], el vector q s [n] est ahora dado por

q s [n] = [qs [2n], qs [2n 1], qs [2n 2], , qs [2n (2Kw + 1)]]T (6.101)

Los vectores b y a[n] se definen de forma idntica al caso no fraccionario, ya que los coefi-
cientes del filtro de realimentacin estn espaciados T segundos.
Es posible obtener un modelo matricial para la generacin del vector q s [n] en (6.101)
de la forma q s [n] = P Ts a[n] + z s [n], donde ahora z s [n] se define a partir de las muestras
de ruido zs [n] de forma anloga a (6.101), el vector a[n] sigue estando dado por (6.77),
y la matriz P s puede construirse a partir de los coeficientes del canal muestreado con pe-
riodo T /2, ps [n] (vase Problema P6.19). Ntese que este modelo es formalmente idn-
tico al obtenido en (6.76) para el caso no fraccionario. Con dicho modelo y la expresin
(6.100), es posible obtener los coeficientes ws y b para minimizar el error cuadrtico medio
E{|ed [n]|2 } = E{|A[n d] u[n]|2 }, suponiendo como anteriormente que las decisio-
nes previas coinciden con los smbolos originales. El proceso a seguir es completamente
anlogo al mostrado para el caso no fraccionario y se deja al lector como ejercicio; la nica
diferencia estriba en el hecho de que, debido al sobremuestreo, el ruido zs [n] ya no es blanco
(vase Problema P6.20).
Igualador con 10 coeficientes Igualador con 18 coeficientes

1 1
10 10

Dpico Dpico

2 2
10 10

= 0,1
3 3
10 = 0,3 10
= 0,6
= 0,9

0,5 0,25 0 0,25 0,5 0,5 0,25 0 0,25 0,5

Figura 6.23. Distorsin de pico obtenida con un igualador lineal MSE fraccionario (espa-
ciado T /2 segundos), para un pulso p(t) en coseno alzado con factor de cada , en funcin
del error de sincronizacin de smbolo .

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 354 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

Ejemplo 6.18
En la Figura 6.23 se muestra la distorsin de pico obtenida para un pulso p(t) en coseno alzado
con factor de cada como en el Ejemplo 6.17, y con un igualador MSE lineal fraccionario,
espaciado T /2, en funcin del error de sincronizacin de smbolo . La relacin seal a ruido
es de Es /N0 = 20 dB. Comparando las Figuras 6.21 y 6.23 se puede observar que el esquema
fraccionario es mucho menos sensible a errores en el instante de muestreo que el igualador no

fraccionario. Con Kw + 1 = 10 coeficientes, el esquema fraccionario presenta un coste compu-

tacional similar al del igualador no fraccionario de la Figura 6.21, mientras que, con Kw +1 = 18
coeficientes, ambos igualadores cubren la misma duracin temporal.

6.6. P RESTACIONES ASINTTICAS DE LOS IGUALADORES

En los apartados precedentes hemos presentado el diseo de varias estructuras de iguala-
cin, siempre bajo la suposicin de que los filtros presentes en dichas estructuras poseen un
nmero finito de coeficientes. Esta condicin responde, evidentemente, a consideraciones
de ndole prctica. Sin embargo resulta de inters analizar las prestaciones de los diversos
igualadores para el caso idealizado en el que la complejidad de los filtros no se ve restringida,
de forma que sus respuestas impulsionales pueden tener un nmero de coeficientes infinito.
Dichas prestaciones constituirn una cota superior sobre las de cualquier igualador prctico
con la misma estructura. Un diseo realista podr acercarse a esta cota si la longitud de los
filtros y el retardo global son lo suficientemente grandes, aunque nunca superarla. Por ello
procederemos ahora a analizar los igualadores lineal y con realimentacin de decisiones
en el caso idealizado, bajo los criterios forzador de ceros y de mnimo error cuadrtico
medio. Al no restringir la complejidad de los filtros, la optimizacin puede llevarse a cabo
directamente en el dominio de la frecuencia, como veremos seguidamente.

6.6.1. Igualador lineal

Consideremos el modelo discreto (con muestreo a periodo T de la salida del filtro de
recepcin) del igualador lineal de la Figura 6.9. Calcularemos el igualador ptimo a perio-
do de smbolo (esto es, no fraccionario) bajo los criterios ZF y MSE, sin adoptar ninguna
restriccin inicial sobre el canal discreto equivalente o el igualador, que podrn tener un
nmero ilimitado de coeficientes sin ser necesariamente causales:

X
X
P (z) = p[n]z n , W (z) = w[n]z n (6.102)
n= n=

El error de igualacin elin [n] = A[n d] ulin [n] es la diferencia entre la secuencia de
smbolos transmitidos (incluyendo un retardo global d) y la entrada al decisor dada por
ulin [n] = w[n] q[n]. Observemos ahora que elin [n] puede escribirse como

elin [n] = ([n d] w[n] p[n]) A[n] w[n] z[n] (6.103)

y dado que los procesos A[n] y z[n] son independientes, la funcin de autocorrelacin de
elin [n] ser la suma de las autocorrelaciones de cada uno de los dos trminos en (6.103). Por

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.6 P RESTACIONES ASINTTICAS DE LOS IGUALADORES 355

tanto, la densidad espectral de potencia del error de igualacin, Se,lin (ej ), ser asimismo
la suma de las densidades espectrales de potencia de cada uno de estos dos trminos:
 2  2
 
Se,lin (ej ) = ejd W (ej )P (ej ) SA (ej ) + W (ej ) Sz (ej )
= |ejd W P |2 Es + |W |2 z2 (6.104)

donde por claridad hemos eliminado el argumento de W (ej ) y P (ej ), y hemos utilizado
el hecho de que SA (ej ) = Es y Sz (ej ) = z2 , por ser {A[n]} y {z[n]} procesos blancos.
El primer sumando en (6.104) corresponde a la ISI, mientras que el segundo es debido al
ruido que es filtrado por el igualador.
Bajo el criterio ZF, el igualador minimiza el error entre el canal equivalente c[n] =
w[n] p[n] y un retardo puro [n d]. Empleando el Teorema de Rayleigh (Pgina 40) la
energa de este error se puede expresar en el dominio de la frecuencia:
X Z
2 1
|[n d] c[n]| = |ejd W (ej )P (ej )|2 d (6.105)
n=
2

Realicemos ahora una observacin importante: al no imponer ninguna restriccin sobre el

igualador, su funcin de transferencia W (ej ) puede ser especificada independientemente
para cada frecuencia . Por tanto, para el criterio ZF debemos elegir aquel W que minimiza
el integrando de (6.105); es fcil ver que el integrando se minimiza (de hecho, se hace cero)
para
ZF j ejd
Wlin (e ) = (6.106)
P (ej )
resultado no muy sorprendente: para eliminar la ISI el igualador ha de invertir la funcin
de transferencia del canal en cada frecuencia, adems de incluir un factor ejd para ajus-
tarse al retardo global de d muestras impuesto. Ntese que si P (ej0 ) = 0 para alguna
ZF no est definido: como sabemos, no es posible invertir un cero sobre la
frecuencia 0 , Wlin
circunferencia unidad de forma estable mediante un igualador lineal.
Por lo que respecta al igualador MSE, utilizando el Teorema de Wiener-Khinchine (va-
se Pgina 150) podemos escribir
Z
1
E{|elin [n]|2 } = Se,lin (ej )d (6.107)
2

con Se,lin (ej ) dado por (6.104). De nuevo, al no existir restricciones sobre W , basta con
encontrar para cada frecuencia aquel W que minimiza el integrando en (6.107). En el
Apndice 6.C se demuestra que la solucin al problema de minimizacin (6.107) se obtiene
para el igualador lineal dado por

MSE j P (ej )
Wlin (e ) = ejd (6.108)
|P (ej )|2 +
.
con = z2 /Es . Ntese que Wlin MSE incluye un factor P (ej ), que constituye un filtro

adaptado al canal discreto equivalente P (ej ). Para relaciones seal a ruido elevadas (

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
356 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

MSE W ZF , como cabra esperar. En ambos casos (ZF y MSE) la nica

0), se tiene Wlin lin
influencia del retardo global d en el igualador es a travs del factor ejd , de forma que el
igualador lineal para el retardo d se obtiene a partir del correspondiente al retardo cero sin
ms que desplazar su respuesta al impulso d muestras. Esto, naturalmente, es debido a la
hiptesis de que el igualador posee un nmero infinito de coeficientes.
Sustituyendo (6.106) y (6.108) en la expresin de Se,lin (ej ) en (6.104), se obtiene la
densidad espectral de potencia del error de igualacin para los igualadores ZF y MSE:

ZF
Se,lin (ej ) = Es , MSE j
Se,lin (e ) = Es (6.109)
|P (ej )|2 |P (ej )|2 +

Por tanto, los valores de la varianza del error que se obtiene con los diseos ZF y MSE son
Z Z
ZF . Es MSE . Es
lin = d, lin = d (6.110)
2 |P (ej )|2 2 |P (ej )|2 +

MSE , est claro que MSE < ZF ,

Debido al trmino adicional > 0 en el denominador de Se,lin lin lin
lo cual es lgico si recordamos que el igualador ZF no ha sido diseado para minimizar el
error cuadrtico medio. La existencia de algn cero del canal sobre la circunferencia unidad
ZF = , otra prueba ms del problema del realce de ruido del criterio ZF.
resultara en lin
ZF como MSE son independientes del retardo global d, como
Obsrvese tambin que tanto lin lin
caba esperar por las razones antes expuestas.

Ejemplo 6.19
Para el canal multitrayecto p[n] del Ejemplo 6.16 con = 0, 01, y para Es = 1, los valores
ZF MSE
asintticos (6.110) son lin = 13,5 dB y lin = 15,3 dB, con lo que el criterio MSE
proporciona una mejora asinttica de 1.8 dB en el error cuadrtico medio con respecto al criterio
ZF. Obsrvese en la Figura 6.17 que el igualador lineal con 30 coeficientes para el retardo global
MSE
ptimo an se halla unos 3 dB por encima del valor asinttico lin .

6.6.2. Igualador con realimentacin de decisiones

Consideremos ahora el modelo discreto (obtenido a la tasa de smbolo) del igualador con
realimentacin de decisiones de la Figura 6.14(a). Para obtener el igualador ptimo bajo el
criterio ZF o MSE de nuevo supondremos que tanto el canal P (z) como el filtro precur-
sor W (z) pueden ser de complejidad ilimitada (infinitos coeficientes y no necesariamente
causales, como en (6.102)); sin embargo, el filtro de realimentacin ha de ser estrictamente
causal para ser implementable en la prctica10 , aunque no limitaremos su orden:

X
B(z) = b[n]z n (6.111)
n=1

10
Recurdese que las nicas decisiones disponibles para el filtro de realimentacin se corresponden con el
pasado.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.6 P RESTACIONES ASINTTICAS DE LOS IGUALADORES 357

Tambin supondremos que las decisiones realimentadas son correctas, de forma que el es-
quema de igualacin es equivalente al mostrado en la Figura 6.14(b). En tal caso, y deno-
tando por udf e [n] la entrada al decisor smbolo a smbolo en el esquema DFE, el error de
igualacin edf e [n] = A[n d] udf e [n] puede escribirse como
edf e [n] = ([n d] + b[n] [n d] w[n] p[n]) A[n] w[n] z[n] (6.112)
por lo que su densidad espectral de potencia est dada en este caso por
 2  2
 
Se,df e (ej ) = ejd [1 + B(ej )] W (ej )P (ej ) SA (ej ) + W (ej ) Sz (ej )
 2  2
= D(ej ) W (ej )P (ej ) Es + W (ej ) z2 (6.113)
.
donde hemos introducido D(ej ) = ejd [1+B(ej )]. De nuevo observamos que el primer
trmino en (6.113) es debido a la ISI, mientras que el segundo es consecuencia del ruido.
Nuestro primer paso consistir en calcular el filtro precursor W ptimo en funcin del
filtro de realimentacin B. Al igual que en el apartado anterior, la funcin de transferencia
W (ej ) se puede especificar independientemente para cada frecuencia, ya que el filtro pre-
cursor no est limitado en complejidad. El criterio ZF slo considera la interferencia entre
smbolos, mientras que bajo el criterio MSE s se tiene en cuenta la influencia del ruido. Por
tanto, para obtener el filtro precursor ptimo deberemos encontrar aquel W que minimiza
ZF: |D W P |2 (6.114)
MSE: |D W P |2 E s + |W |2 z2 (6.115)
La solucin ZF elimina completamente la ISI precursora, y est dada por

ZF j D(ej ) ejd
Wdf e (e ) = = [1 + B(ej )] (6.116)
P (ej ) P (ej )
Para la existencia de WdfZF se requiere que P (ej ) 6= 0 para todo , como ocurra con W ZF .
e lin
El filtro precursor MSE se obtiene en el Apndice 6.C:

MSE j jd P (ej )
Wdf e (e ) = e [1 + B(ej )] (6.117)
|P (ej )|2 +
En vista de (6.106) y (6.108), se observa que estos filtros verifican
ZF ZF MSE MSE
Wdf e = Wlin [1 + B]; Wdf e = Wlin [1 + B] (6.118)
de forma que el filtro precursor ptimo (ZF o MSE) del igualador DFE puede verse como
la conexin en serie del igualador lineal ptimo (ZF o MSE) Wlin y el filtro causal 1 +
B, tal como muestra la Figura 6.24(a). Esta observacin permite especificar una estructura
alternativa para el igualador DFE: utilizando ulin [n] = wlin [n] q[n], podemos expresar
udf e [n] como

udf e [n] = ([n] + b[n]) ulin [n] b[n] A[n d]

= ulin [n] + b[n] (ulin [n] A[n d]) (6.119)

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
358 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

q[n] ulin[n] udfe[n] [n-d ]

Wlin(z) 1+B(z) Decisor

Wdfe(z) B(z)
(a)

q[n] ulin[n] udfe[n] [n-d ]

Wlin(z) Decisor

B(z)

(b)
Figura 6.24. (a) Igualador DFE ptimo para un filtro precursor sin limitacin en comple-
jidad; (b) Estructura equivalente (DFE con prediccin de ruido).

Ntese que ulin [n] no es sino la salida del igualador lineal ptimo del apartado anterior.
Basndose en (6.119), el clculo de udf e [n] puede realizarse mediante el esquema de la
Figura 6.24(b), que recibe el nombre de DFE con prediccin de ruido, por razones que
quedarn claras una vez que determinemos el filtro de realimentacin ptimo. Esta estructura
tiene la interesante propiedad de que el bloque precursor ptimo Wlin es independiente del
filtro de realimentacin B que se escoja, lo cual puede ser til en ciertas aplicaciones. Por
otro lado, los valores de la seal de entrada al filtro B en la estructura DFE con prediccin
de ruido no pertenecen ya a un conjunto finito como ocurra con la estructura DFE original,
lo que puede tener consecuencias a la hora de su implementacin.
Calculemos ahora el filtro de realimentacin ptimo. Bajo el criterio MSE, B ha de
minimizar la varianza del error de igualacin. Por otro lado, el igualador lineal ZF ya elimina
completamente la ISI, pues uZF ZF ZF ZF
lin [n] = A[n d] + elin [n], donde elin [n] = wlin [n] z[n]
es debido nicamente al ruido. Qu ventaja tiene entonces la realimentacin de decisiones
en el caso ZF? De hecho, como queda claro en la Figura 6.24(a), estamos introduciendo
ISI postcursora para que luego la elimine el filtro de realimentacin! Sustituyendo uZF lin [n] =
A[n d] + eZF lin [n] en (6.119) y suponiendo decisiones correctas,

uZF ZF ZF
df e [n] = A[n d] + elin [n] + b[n] (A[n d] + elin [n] A[n d])
= A[n d] + ([n] + b[n]) eZF
lin [n]

la cual tampoco contiene ISI. Sin embargo, la componente de ruido pasa a estar filtrada por
1 + B, de forma que B puede elegirse para minimizar la varianza de esta componente sin
introducir ISI adicional, mejorando por tanto las prestaciones del igualador lineal ZF.
As, bajo cualquiera de los dos criterios (ZF o MSE), el filtro de realimentacin ptimo
minimizar la varianza del error de igualacin edf e [n], el cual puede relacionarse utilizando

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.6 P RESTACIONES ASINTTICAS DE LOS IGUALADORES 359

(6.119) con el correspondiente para el igualador lineal, elin [n] = A[n d] ulin [n]:

edf e [n] = ([n] + b[n]) elin [n]

X
= elin [n] + b[k]elin [n k] = elin [n] elin [n] (6.120)
k=1

. P
donde elin [n] = k=1 b[k]elin [nk] es una prediccin de elin [n], calculada como combi-
nacin lineal de sus muestras anteriores elin [nk] con k > 0, y donde los coeficientes de di-
cha combinacin lineal son los b[k] (cambiados de signo). El error edf e [n] = elin [n]elin [n]
puede interpretarse como un error de prediccin, de forma que el filtro B ptimo estar dado
por el predictor ptimo para elin [n]. Para hallar este predictor ptimo observemos que, en
vista de (6.109) y (6.120), la densidad espectral de potencia de edf e [n] est dada por

Se,df e (ej ) = Se,lin (ej )|1 + B(ej )|2 = Es |1 + B(ej )|2 (6.121)
S(ej )

donde 
j. |P (ej )|2 , para el criterio ZF
S(e ) = j 2 (6.122)
|P (e )| + , para el criterio MSE

En ambos casos, S(ej ) es una funcin positiva11 . Esto nos permite utilizar el siguiente
resultado, conocido como Teorema de factorizacin espectral, cuya demostracin se puede
encontrar en el Apndice 6.D y que dice que toda funcin racional S(z) real, positiva y
acotada sobre la circunferencia unidad puedePfactorizarse de forma nica como S(z) =
S2 [1 + F (z)][1 + F (1/z )], donde F (z) = k=1 f [k]z
k es tal que 1 + F (z) es de fase

mnima, y  Z 
2 1 j
S = exp ln S(e )d > 0 (6.123)
2
Realizando esta descomposicin para S(ej ) dado en (6.122), tenemos que S(ej ) =
S2 |1 + F (ej )|2 . Dado que 1 + F (z) es de fase mnima, su inversa es causal y estable, de
forma que la funcin de transferencia definida por

X
. 1 + B(z)
V (z) = =1+ v[k]z k (6.124)
1 + F (z)
k=1

es causal y estable. En vista de (6.121) y utilizando el Teorema de Wiener-Khinchine, la

varianza de edf e [n] puede expresarse como
Z
!
Es
|1 + B(ej )|2 X
2 2
E{|edf e [n]| } = d = Es 2 1+ |v[k]| (6.125)
2 S2 |1 + F (ej )|2 S
k=1

11
En el caso MSE, S = |P |2 + > 0 pues > 0. En el caso ZF, recordemos que para la existencia del
igualador es necesario que P (ej ) 6= 0 para todo , resultando en S = |P |2 > 0.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
 360 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

la cual es mnima si v[k] = 0 para todo k 1, es decir, para 1 + B(z) = 1 + F (z). Por
tanto, el filtro de realimentacin ptimo est dado por el factor espectral de fase mnima de
S(ej ). Para este filtro ptimo, el error de igualacin edf e [n] es un proceso blanco, ya que
su densidad espectral de potencia Se,df e (ej ) = Es /S2 es constante para todo .
Dependiendo del criterio particular, y usando la expresin (6.123) para S2 , la mnima
varianza del error para el igualador DFE, Es /S2 , toma los siguientes valores:
 Z 
ZF . 1
df e = Es exp ln d (6.126)
2 |P (ej )|2
 Z 
MSE . 1
df e = Es exp ln d (6.127)
2 |P (ej )|2 +

De nuevo, el trmino aditivo > 0 en el denominador del integrando en (6.127) resulta en

MSE < ZF . Cuando la relacin seal a ruido tiende a infinito, el igualador DFE obtenido
df e df e
bajo el criterio MSE coincide con el obtenido bajo el criterio forzador de ceros.
Por otra parte, dado que el igualador lineal es un caso particular del igualador DFE
en el que el filtro de realimentacin se fija a B = 0, tambin se tiene que df ZF ZF y
e lin
MSE MSE ; una demostracin alternativa de este hecho se desprende de que
df e lin
n R o
1
df e exp 2 ln S(ej ) d
= 1
R
1 (6.128)
lin 2 S(ej ) d

lo cual es una consecuencia de la desigualdad de Jensen, discutida en el Apndice 9.B y en

el Problema P6.22. La igualdad se cumple en (6.128) si y slo si S(ej ) es constante para
todo .
Ejemplo 6.20
Para el canal multitrayecto p[n] del Ejemplo 6.16 con = 0, 01, y para Es = 1, los valores
ZF MSE
asintticos son df e = 19,2 dB y df e = 19,3 dB. Por tanto, de la Figura 6.17 se desprende
que con un total de 30 coeficientes, el igualador DFE prcticamente ha alcanzado sus prestaciones
MSE MSE
asintticas. Para este caso, se tiene df e /lin = 4 dB.

6.7. A JUSTE DEL RECEPTOR

La aplicacin de cualquiera de los mtodos presentados a lo largo del captulo para mi-
tigar la ISI requiere conocer la respuesta impulsional del canal discreto equivalente, p[n].
Por ello, de alguna manera el receptor deber realizar una estimacin de los parmetros del
canal (o bien directamente de los coeficientes del igualador, como veremos) antes de poder
realizar la deteccin de los smbolos transmitidos. Las estrategias para este ajuste del recep-
tor pueden dividirse en dos grupos: esquemas no realimentados, en los que la estimacin de
parmetros se realiza a partir de un bloque de muestras de la seal recibida, y mtodos re-
cursivos (o adaptativos), en los que los parmetros del receptor se actualizan repetidamente
con cada nueva muestra q[n]. A continuacin presentaremos algunos de estos mtodos.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.7 A JUSTE DEL RECEPTOR 361

6.7.1. Esquemas no realimentados

Con el objeto de facilitar la tarea del receptor, el transmisor puede insertar en la secuen-
cia enviada un bloque de N smbolos (denominados smbolos de entrenamiento o smbolos
piloto ) que son conocidos de antemano en recepcin. Esto puede ser aprovechado por el
receptor, bien para estimar los parmetros del canal, bien para calcular directamente el igua-
lador. En concreto, supongamos que {A[0], . . . , A[N 1]} son smbolos de entrenamiento.
A partir del modelo de canal discreto equivalente (a periodo de smbolo),
K
X
q[n] = p[k]A[n k] + z[n], < n <
k=0

podemos observar que en las N K observaciones {q[K], . . . , q[N 1]} nicamente influ-
yen los smbolos piloto. La estimacin de los parmetros necesarios puede entonces hacerse
mediante esquemas no realimentados, a partir del conjunto de estas N K observaciones.
Dicha estimacin deber repetirse de forma peridica para que el receptor pueda ajustarse
a posibles variaciones en el entorno y la frecuencia con que se debe repetir la transmisin
de smbolos piloto depender de la rapidez con la que varen los parmetros del canal. Si
el entorno de operacin flucta de forma considerable entre la transmisin de dos bloques
consecutivos de smbolos piloto, es muy probable que se produzcan numerosos errores en
las decisiones debido al desajuste del receptor; por otro lado, los smbolos piloto consumen
recursos que podran utilizarse para enviar verdadera informacin, por lo que tampoco es
deseable transmitirlos con excesiva frecuencia.
El uso de smbolos de entrenamiento requiere que el receptor localice el bloque de N
smbolos piloto dentro de la secuencia de observaciones, lo que suele hacerse correlacio-
nando la secuencia recibida con el bloque de smbolos piloto. Si estos se eligen de forma
adecuada, dicha correlacin cruzada presentar un mximo acusado en el momento preciso,
aun cuando la ISI introducida por el canal sea considerable.

Estimacin del canal

Agrupando las observaciones en un vector q de tamao N K podemos escribir

q[K] A[K] A[K 1] A[0] p[0]
q[K + 1] A[K + 1] A[K] A[1] p[1]

.. = .. .. .. .. ..
. . . . . .
q[N 1] A[N 1] A[N 2] A[N K 1] p[K]
| {z } | {z } | {z }
.
=q
.
=A
.
=p

z[K]
z[K + 1]

+ .. q = Ap + z (6.129)
.
z[N 1]
| {z }
.
=z

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
362 D ETECCIN EN CANALES CON INTERFERENCIA INTERSIMBLICA

En este contexto, la matriz toeplitz A es conocida (est formada por los smbolos de en-
trenamiento), mientras que p ha de estimarse. Los elementos del vector de ruido z son
variables aleatorias gausianas e independientes, circularmente simtricas, con media cero y
varianza z2 , la cual puede que deba estimarse tambin, dependiendo de la aplicacin. Una
vez que se dispone de p y, si es preciso, z2 , el receptor puede aplicar los mtodos de de-
teccin expuestos en este captulo, bien mediante aplicacin del algoritmo de Viterbi, bien
mediante el diseo de un igualador. El criterio de mxima verosimilitud (ML) plantea la es-
timacin de los parmetros del canal para maximizar la funcin de densidad de probabilidad
fq|p,z2 (q|p, z2 ). De forma anloga a como se obtuvo (6.17), esta funcin est dada por
 
1 1
fq|p,z2 (q|p, z2 ) = exp ||q Ap|| 2
(6.130)
(z2 )N K z2

Para maximizar (6.130) con respecto a p, hemos de elegir p como el valor que minimiza12
||q Ap||2 . Una vez que se dispone de dicho valor, el estimador de la varianza del ruido se
obtiene fcilmente: igualando a cero la derivada de (6.130) con respecto a z2 se sigue que
1
z2 = ||q Ap||2 (6.131)
N K

La norma ||q Ap||2 a minimizar puede escribirse como

 
||q Ap||2 = q H q q H A(AH A)1 AH q
 H  
+ p (AH A)1 AH q (AH A) p (AH A)1 AH q (6.132)

El primer trmino no depende de p, por lo que minimizar (6.132) equivale a minimizar el

segundo trmino (ya que este es positivo). Dicho trmino se anula para

p = (AH A)1 AH q (6.133)

Insertando este valor en (6.131) se obtiene el estimador ML de la varianza de ruido. Obsr-

vese que una condicin necesaria para la invertibilidad de AH A es que la matriz A tenga
al menos tantas filas como columnas, lo cual quiere decir que (6.129) debe ofrecernos al
menos tantas ecuaciones como parmetros se han de estimar. Dado que los smbolos de
entrenamiento son conocidos de antemano por el receptor, es posible precalcular la matriz
(AH A)1 AH a priori y almacenarla en memoria. De esta forma no es necesario para el
receptor realizar la inversin matricial cada vez que el canal ha de ser reestimado.
Para tener una idea de la calidad de este estimador de canal, sustituyamos la expre-
sin (6.129) del vector q en (6.133) para escribir p = p + (AH A)1 AH z lo que revela
que el estimador p es una variable aleatoria gausiana, de media p y matriz de covarianza
z2 (AH A)1 . Por tanto, la mejora de la calidad de la estimacin pasa por aumentar los ele-
mentos de la diagonal de AH A, lo que puede hacerse de dos formas distintas. En primer
12
Dado que la matriz A es de tamao (N K) (K + 1), en general no es cuadrada, por lo que no es
posible tomar directamente p = A1 q.

Comunicaciones digitales; A. Arts Rodrguez, F. Prez Gonzlez, J. Cid Sueiro, R. Lpez Valcarce, C. Mosquera
Nartallo, F. Prez Cruz. DERECHOS RESERVADOS, c 2012 Los autores
6.7 A JUSTE DEL RECEPTOR 363

lugar, puede aumentarse la magnitud de los smbolos de entrenamiento, a costa de incre-

mentar la potencia transmitida. En segundo lugar, para una misma potencia transmitida, se
puede aumentar el nmero de smbolos de entrenamiento N . El precio a pagar en este caso
es un uso menos eficiente del canal, ya que durante la transmisin de smbolos piloto no se
est enviando verdadera informacin.
En el caso en que el receptor utilice el algoritmo de Viterbi para la deteccin de los sm-
bolos, se emplea la respuesta impulsional del canal estimado para construir el diagrama de
rejilla. Por otro lado, si el receptor se basa en un igualador, este ha de obtenerse resolviendo
las ecuaciones de diseo correspondientes, para las cuales se necesitan tambin los par-
metros del canal. Pero tambin cabe la posibilidad de calcular directamente dichos filtros,
como se presenta a continuacin.

Clculo directo del igualador

Si se va a utilizar un igualador lineal de orden Kw en el receptor, es posible calcular
sus coeficientes directamente sin necesidad de estimar primero los parmetros del canal. El
error de igualacin para un retardo d estar dado por

Kw
X
ed [n] = A[n d] w[k]q[n k]
k=0

Agrupando sus muestras en un vector ed , obtenemos el modelo

ed [Kw ] q[Kw ] q[Kw 1] q[0]
q[Kw + 1] w[0]
ed [Kw + 1] q[K w ] q[1]
q[Kw + 2] q[Kw + 1] w[1]
ed [Kw + 2] = q[2] ..
.. .. .. . . .. .
. . . . .
w[Kw ]
ed [N 1] q[N 1] q[N 2] q[N Kw 1] | {z }
| {z } | {z } .
.
=ed
.
=Q
=w

A[Kw d]
A[Kw d + 1]


+ A[Kw d + 2] ed = ad