UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE ELECTROTECNICA Y COMPUTACION
INGENIERIA ELECTRONICA
SISTEMAS DE COMUNICACION I I
LABORATORIO#2 TRANSMISIÓN DIGITAL
BANDA BASE UTILIZANDO RECEPTORES
ÓPTIMOS
Nombre:
Ader Hariel Treminio Montoya
Carnet: 2017-0789U
Docente:
Ing. Marcos Munguía
Grupo:
Tutoría de COMM2
Managua, 22 de Julio del 2024
INTRODUCCION
Las señales banda base son aquellas cuya componentes espectrales se encuentran
confinadas en bandas cercanas a los 0 Hertz. Obviando el proceso de modulación, que
traslada estas componentes espectrales a bandas de frecuencias mayores, estas señales
pueden ser transmitidas constituyendo un sistema básico de comunicaciones. En el
presente laboratorio, analizaremos el desempeño en términos de probabilidad de error
promedio de la transmisión de este tipo de señales utilizando receptores óptimos i.e.
correlator y matched filter.
OBJETIVO
Analizar el desempeño, en términos de probabilidad de error promedio, de la
transmisión de señales banda base utilizando receptores óptimos.
RECURSOS A UTILIZAR
Laboratorio de Simulación
Matlab®
MARCO TEORICO
i Transmisión de Señales Binaria
comunicaciones 11). Ambos receptores maximizar r» y miniiTliZilR fil si sist) fue
transmitida y viceversa si Sj(t) ftie transmitida.
r(t) DaBs de
De6ctor
rt
Muesbeo
en I= T
Detector Salida
s‹(Tot)
Muestreo
an t = Tb
(b)
l''igura I: Receprar tipo: {a) Correlator y {b} ktatched f”tlter
iii Detector
El dispositivo observa las sa1idos ro y rj producidas por cl corre1arar o et matched Walter y decide si
lhe trasmitida so(t) y si(t) to que cozzesponde a Ta tzansnyisión de uo 0 o un I .
tuanda eri(t) es trasmióda, la probabilidad üe error esta dada por
6, = /*(/¡ > r ) —— 6(zi, > Ú •I• zt,) = /’(n, - no > f”) f L2)
donde y n, representadas las componentes de ruido a las salidas de los correlatores o los
mntched filiers y E representa la energía de la señal transmitida. Como py n, son variables
DESARROLLO
1) Desarrolle un script en matlab para graficar la probabilidad de error para el siguiente
rango de SNR en dB: [0, 20]. Hint: utilicé el comando “qfunc” que ya trae incorporado
Matlab.
2) Simulación de un Sistema de Comunicación Binario (Señales Ortogonales) usando
correlatores o matched filters
1) Desarrolle un script en matlab para graficar la probabilidad de error para el siguiente
rango de SNR en dB: [0, 20]. Hint: utilicé el comando “qfunc” que ya trae incorporado
Matlab.
% Definir el rango de SNR en dB
SNR_dB = 0:0.10:20;
% Realiza el cambio de SNR de dB a escala lineal
SNR = 10.^(SNR_dB./10);
% Cálculo de la probabilidad de error utilizando el comando “qfunc”
P_error = qfunc(sqrt(2*SNR));
% Graficar la probabilidad de error en SNR en dB
Figure;
semilogy(SNR_dB, P_error,'b','LineWidth',0.1);
grid on;
xlabel('SNR (dB)');
ylabel('Probabilidad de Error');
title('Probabilidad de Error vs SNR');
Grafica obtenida
En este primer punto de la guía se definió un rango de SNR en dB de 0 a 20 con un paso de
0.1 dB. Lo que hace que el SNR se convierta a escala lineal, para dar sus respectivos
cálculos. Se utilizó el comando qfunc para calcular la probabilidad de error de cada valor
de SNR. Graficando así, la probabilidad de error en función del SNR.
Utilizando los scripts en Anexos 1 responda:
a) Explique cómo se generan los datos binarios: ¿0s y 1s?
R= Los datos binarios se generan por el motivo que se utiliza un bucle for que nos arroja
N veces, donde N representa el número de bits que se van a generar. En cada N veces, se
genera un número aleatorio entre1 y 0 mediante una función llamada rand. Donde si el
número generado es menor que 0.5 se asigna 0 al bit que debe al cual debe pertenecer, y
sucede lo contrario al asignar un 1, donde los datos binarios se generan aleatorios o con
una probabilidad de X.
b) ¿Explique por qué la probabilidad de error (Pe) teórica, así como la Pe simulada
coinciden bastante bien para valores de SNR menores a 10 dB y no así para SNRs
mayores a 10dB?
R= Se observa que entre la probabilidad de error (Pe) teórica y la probabilidad (Pe)
simulada hay muchas probabilidades que su resultado sea muy bueno, donde para los
valores de SNR que sean menores a 10 dB y para los niveles de ruido SNR las
impertinencia del ruido influye en las comunicaciones de forma baja.
Para SNR mayores a 10 dB, la probabilidad de error que se está simulando puede no
coincidir respecto a lo teórico en lo matemático que se está evaluando, por el modelo de
simulación no este capturando la complejidad del canal e igualmente las características
del ruido en niveles altos de SNR.
c) Que cambios deberíamos de realizar en el script de Matlab “smldpe54.m” para tener
una mejor coincidencia entre la Pe teórica y Pe simulada para valores de SNR mayores a
10 dB?
R= Mejorar la coincidencia entre la Pe teórica y Pe simulada para SNR mayores a 10 dB,
posiblemente se necesitara ajustar ciertos parámetros de simulación que ayuden a lograr
el cambio teniendo que considerar los efectos que se generan en el canal. Algunos
cambios podrían incluir:
Aumentar el número de muestras de la simulación (N) para que se pueda
obtener una estimación más exacta de la Pe.
Variar la amplitud de la señal y el ruido, para que muestre el espejo y lo que va a
reflejar de manera más directa y, además las condiciones del canal.
Utilizar las técnicas de detección que persisten más o que puedan adaptarse
mejor a condiciones alta de SNR.
Utilizando los scripts en Anexos 2 responda:
a) Explique cómo se generan los datos cuaternarios: 00, 01,10, y 11.
b) La variable “d” por defecto tiene asignado el valor de 1. Corra la simulación con d =
0.5 y d = 2. ¿Qué puede concluir? ¿Qué papel juega la variable d?
c) Crear un script que compare las curvas teóricas de Pe para ambas
simulaciones (binario y 4-PAM). ¿Qué nos puede decir? Nota: ¡¡¡tienen que
reportar graficas!!!
a) Explique cómo se generan los datos cuaternarios: 00, 01,10, y 11
Se generan datos cuaternarios de manera aleatoria utilizando un generador de números
aleatorios uniformemente distribuidos, donde cada número que se genere de una
manera versatilmente aleatoria entre 1 y 0 se le asigna a un símbolo cuaternario.
Ejemplo, si el número que se genera está en un intervalo de [0, 0.25), se asigna el símbolo
00; si está en [0.25, 0.5), se asigna 01; si está en [0.5, 0.75), se asigna 10; y si está en
[0.75, 1), se asigna 11 y asi sucesivamente para cada uno de ellos.
b) La variable “d” por defecto tiene asignado el valor de 1. Corra la simulación con
d=
0.5 y d = 2. ¿Qué puede concluir? ¿Qué papel juega la variable
d?
La variable "d" es utilizada para el calculo de la desviación estándar del ruido gaussiano
en función del SNR. Si "d" es menor, la desviación estándar del ruido tambien es menor
afecta menos a la señal recibida. Por ende se estima que la probabilidad de error sea
menor. Cuando "d" es mayor, la desviación estándar del ruido es mayor, daria como
resultado tambien como probabilidad de error mayor.
c) Crear un script que compare las curvas teóricas de Pe para ambas simulaciones
(binario y 4-PAM). ¿Qué nos puede decir? Nota: ¡¡¡tienen que reportar graficas!!!
La semejanza de las curvas teóricas de probabilidad de error (Pe) en sistemas
binarios y 4-PAM puede descubrir cómo una de las elección de modulación en ue
esta afecta al sistema de comunicación que se encuentra frente al eje
respectivamente del ruido.
Se demora que la 4-PAM llrgur a tener una mejor tolerancia al ruido en semejanza
con dicho sistema binario para un SNR dado, que la 4-PAM puede llegae hasta
descodificar más información para cada uno de sus símbolos.
La semejanza de las gráficas matematicamente en sus curvas teóricas de Pe puede
compensar un alcance visual de cómo varia la probabilidad de error en función del
SNR y respecto al tiempo en su eje para ambas técnicas de modulación en
sistemas de comunicaciones electronicas.
Gráfica de comparación entre la señal Binaria y PAM.
Comparación Binaria y PAM.
% Parámetros de la simulación
SNR_dB = 0:0.1:12; % Rango de SNR en dB
% Cálculo de la Pe teórica para binario
Pe_binario = qfunc(sqrt(2 * 10.^(SNR_dB / 10)));
% Cálculo de la Pe teórica para 4-PAM
Pe_4PAM = qfunc(sqrt(10.^(SNR_dB / 10) / 5)); % Para 4-PAM
% Graficar las curvas teóricas de Pe
figure;
semilogy(SNR_dB, Pe_binario, 'r', 'LineWidth', 2); hold on;
semilogy(SNR_dB, Pe_4PAM, 'b', 'LineWidth', 2);
grid on;
xlabel('SNR (dB)');
ylabel('Pe');
title('Comparación de Pe para Binario y 4-PAM');
legend('Binario', '4-PAM');
Esta parte calcula y grafica las curvas teóricas de Pe para sistemas binarios y 4-PAM en
función del SNR (Relación Señal a Ruido) en dB. Hay que estar claros de tener las funciones
qfunc adecuadas para calcular la Pe teórica, tanto del uno como para el otro caso.
La función qfunc función Q en Matlab se define como qfunc(x), en donde la X es el vector
a evaluar. CDF Se utiliza para calcular la función de distribución acumulativa de una
distribución normal estándar. (SNR).
Para este caso en sistemas de comunicación, se utiliza para calcular la probabilidad de
error para una determinada relación señal a ruido.
CONCLUSION
Se puede afirmar que en un sistema de modulación PAM en banda base el
modulador es el elemento central de un sistema de comunicaciones digitales. El
modulador es el bloque que transforma los bits que se desean transmitir en
señales y en tiempo continuo con el formato adecuado para ser transmitidas por el
canal de comunicaciones. Mientras que el resto de elementos son accesorios, es
decir, pueden hallarse presentes o no.
En el caso de la transmisión de señales digitales en banda base, la comunicación se
logra habitualmente modulando la amplitud de un pulso base, cuya energía se
normaliza a uno habitualmente, en función del símbolo que se desea transmitir.
El modulador/demodulador resulta imprescindible, donde siempre es necesario
ajustar la forma de onda transmitida a las características del canal.
