ANALISIS DE SEÑAL DE INFORMACION CON RUIDO ADITIVO
Sistema
En el grafico anterior vemos el sistema construido para el analisis de una señal
sumulando una pequeña transmision donde tenemos una señal de información
a la cual, suponiendo que entra a un canal se le adiciona un ruido gauciano
analicemos cada uno de los bloques y su respuesta en el tiempo y en frecuencia
1 WAV FILE SOURCE
El bloque wav file source nos permite cargar un audio, este sera la señal de
información de entrada en el sistema a esta señal mas adelante vamos a adicionar
la señal de ruido gauciano
1
• Señal de información en el tiempo y en frecuencia
En la imagen anterior podemos observar la señal de informacion en el
tiempo y en frecuencia, la señal de informacion o de audio es de la vos
humana por ello vemos que en la frecuencia tenemos componentes en todo
el ancho de la ventana que va desde -20Khz hasta los 20Khz ya la vos
humana tiene componentes en frecuencia en el rango de 20Hz hasta los
20Khz
2 NOISE SOURCE
El bloque noise source nos permite generar una señal de ruido de tipo Gaussiano
el cual se va a adicionar a la señal de información
• Señal de ruido en tiempo y en frecuencia
2
Podemos observar que en el tiempo el ruido se presenta como una serie de valores
aleatorios que siguen una distribución normal. Podemos ver en el tiempo una
secuencia de fluctuaciones aleatorias alrededor de un valor medio, ya que los
valores individuales de la señal de ruido varían de acuerdo con la distribución
gaussiana. No hay patrón discernible en el dominio del tiempo, ya que cada
muestra es independiente y aleatoria.
En el dominio de la frecuencia, el ruido gaussiano tiene una distribución de
energía que es constante en todas las frecuencias, lo que lo convierte en un tipo
de ruido blanco. Si aplicamos una transformada de Fourier al ruido gaussiano,
obtendríamos una distribución de energía que es uniforme en todas las frecuencias.
Cada frecuencia contribuiría de manera similar a la señal total.
3 ADD
El bloque add es un sumador el cual se usa para sumar las señales de ruido y la
señal de información(audio) esto ya que el ruido es aditivo
• Señal de información adicionando ruido Gaussiano en el tiempo y la
frecuencia
3
Podemos observar claramente tanto en el tiempo como en la frecuencia la adición
de las señales, podemos ver en el tiempo como el ruido afecta a la señal original
haciendo que esta presente una serie de picos alrededor de esta.
En la frecuencia podemos ver que la energía de la señal es prácticamente cubierta
por la energía del ruido, lo cual puede causar una degradación total de la señal
y por tanto podemos perder la información
4 BAND PASS FILTER
El bloque band pass filter los usamos para acotar la señal resultante de la suma
del ruido y la señal de información, esto con el fin de limitar la potencia de ruido
ya que como se menciono anteriormente esta se representa como constante en
todas la frecuencias, la idea del filtro es acotar la señal en frecuencia para permitir
el paso de las frecuencias mínimas necesarias para no perder la información
asiendo así que la SNR(Relación Señal a Ruido) Sea lo más alto posible
• Señal de salida después del filtro en el tiempo y la frecuencia
4
Podemos observar como la potencia del ruido envuelve la potencia de la señal lo
cual va a causar una perdida de la señal de información, lo que se debe hacer
es ajustar el ancho de banda del filtro para hacer que la potencia de la señal
resultante sea la potencia mínima posible para reducir el ruido, pero manteniendo
la señal mínima para no perder la señal de información así logramos una SNR
adecuada
• Señal de salida después del filtro en el tiempo y la frecuencia con frecuencias
de corte del filtro 20Hz a 3.4Khz
Limitando el ancho de banda del filtro entre 20Hz a 3.4Khz logramos limitar
la señal a lo mínimo posible para no perder la señal de información ya que
como tenemos como señal un audio de voz la mayor potencia en el espectro se
encuentra en el rango anterior mencionado logrando así hacer que la relación
5
(Potencia de señal)/(potencia de ruido) o SNR sea lo mas alto posible con el fin
de poder recuperar o tener una buena calidad de la señal de información
Matemáticamente lo podemos ver de la siguiente manera
Modelemos nuestro sistema
Ruido ( η2 )
SD
ST (N D)
Perdidas (ℓ) + (G) Band Pass Filter
Podemos hacer superposición de señales por tanto podemos analizar las la señal
de información y el ruido como señales estadísticamente independientes
Encontremos SD
Paguemos la señal de ruido y analicemos el sistema con la señal de información
ST SR SD
Perdidas (ℓ) Band Pass Filter
1
SR = ST
l
G
SD = ∗ ST
l
Encontremos ND
Paguemos la señal de información y analicemos el sistema con la señal de ruido
( η2 ) SR ND
Perdidas (ℓ) Band Pass Filter
Para motivo de análisis supongamos un filtro ideal y
BW
l∗η
Z
2
ND = ∗ |H(F )| df
2 −Bw
BW
l∗η
Z
f
ND = ∗ rect df
2 −Bw τ
BW
l∗η
Z
ND = ∗ 1df
2 −Bw
6
l∗η
ND = ∗ (Bw − (−Bw ))
2
ND = l ∗ η ∗ B w
Por tanto
G
SD ∗ ST
SN R = = l
ND l ∗ η ∗ Bw
Consideremos G = l por tanto
G
SD ∗ ST
SN R = = l
ND l ∗ η ∗ Bw
SD ST
SN R = =
ND l ∗ η ∗ Bw
Podemos observar que ND potencia de ruido es dependiente del ancho de banda
del filtro esto quiere decir que podemos limitar la potencia del ruido con la
intención de lograr la potencia mínima para que la SNR sea lo mas grande
posible
