Transm Is I On Digital

Dr.
Jos Ramn Cerquides Bueno

Teora de la Seal y
Comunicaciones
Universidad de Sevilla
Sobre el profesor
Sobre la asignatura
Objetivos
Recursos
Programa
Evaluacin
Bibliografa
Dr. Jos Ramn Cerquides Bueno
Tutoras:
Mircoles y Jueves, de 10:30 a 12:30
Actualizadas en la pgina web
Despacho:
TSC-16
Telfono:
954487338
Web:
http://www.personal.us.es/cerquides
Correo:
cerquides@us.es
Mensajera:
cerquides@hotmail.com, cerquides@gmail.com
Canales en comunicaciones digitales
Presentar los diferentes modelos de canal disponibles a la
hora de modelar una transmisin digital. Saber cuando debe
utilizarse cada uno de ellos, las dependencias y vnculos que
los ligan.
Teora de la informacin y capacidad de canal
Existen lmites a la informacin transmisible por un canal?
Un sistema dado es mejorable?no?cuando?.
Introduciremos los teoremas de Shannon sobre capacidad de
canal
Ecualizacin
Qu hacer cuando hay ISI?Cmo corregirla?. Veremos
sistemas de ecualizacin ptimos, adaptativos

Codificacin de canal
Cmo disear cdigos robustos, fciles de codificar y decodificar?
Cul es la capacidad de un cdigo? Estudio de casos prcticos
Modulaciones multiportadora
Cmo funcionan los sistemas OFDM?. Ejemplos prcticos: DVB-T,
DVB-T2, WiMax, WiFi
Disponibles en la plataforma de
enseanza virtual de la Universidad:
http://ev.us.es
Presentaciones de clase
Colecciones de problemas
Lista de distribucin: a partir de los
emails de las fichas
Foro
Material adicional: programa, manuales,
convocatorias de examen, notas
Examen: 70%-?%
Los exmenes constarn de dos partes con el mismo peso cada
una: 50%
Primera parte tipo test:
1 de 4 respuestas
Las incorrectas penalizan -1/3
Segunda parte tipo cuestiones:
Semejantes a los problemas de la coleccin
Posibles modificaciones evaluables:
Entrega/realizacin de ejercicios (hasta 15%)
Asistencia y participacin (hasta 5%)
Trabajos (10 %)
Prcticas (? %)
Tramiento Digital de Seales, 3rd ed.
J.G. Proakis, D. Manolakis, Prentice Hall, 1998
Digital Communications, 5th. ed
J. G. Proakis, McGraw-Hill, 2008
Digital Communications: Fundamentals and Applications, 2nd ed.
Bernard Sklar, Pearson Education, 2001
An Introduction to Digital Communications
Jack, Kurzweil, John Wiley & Sons, 2000
Digital Transmission Engineering, 2nd. Ed.
John B. Anderson, Prentice Hall, 2005
Sistemas de comunicacin
Simon Haykin, Limusa Wiley, 2002
Comunicaciones digitales
Artes Rodriguez, A., Prez Gonzlez, F.,Prentice-Hall, 2007
Tema 1
Canales en comunicaciones digitales
Dr. Jos Ramn Cerquides
Teora de la Seal y Comunicaciones
Transmisin Digital
Dr. J.R. Cerquides Universidad de Sevilla 2
Organizacin
Introduccin. Diagrama de bloques de un sistema de
transmisin digital
Elementos de un sistema de transmisin digital
Fuente, codificador, modulador, canal, ruido, demodulador,
detector, decodificador y destino
Canal digital equivalente
Definicin y modelado
Obtencin de los parmetros del canal digital equivalente
Parmetros importantes de una transmisin
Canal discreto equivalente
Definicin y modelo
Obtencin del canal discreto equivalente
Canal binario equivalente
Definicin y modelo
Obtencin del canal binario equivalente
Conclusiones
Referencias
Diagrama de bloques
FUENTE
CODIFI
CADOR
MODU
LADOR
CANAL
DESTINO
DECODI
FICADOR
DETEC
TOR
DEMODU
LADOR
Mensaje
emitido
m[l]
(secuencia
binaria)
Smbolos
emitidos
s[n]
(secuencia
digital)
Seal
emitida
s(t)
(seal
analgica)
Seal a la
salida del
canal
c(t)
(seal
analgica)
Ruido
v(t)
(seal analgica)
Seal
recibida
x(t)
(seal
analgica)
Smbolos
recibidos
r[n]
(secuencia
discreta)
Smbolos
estimados
s[n]
(secuencia
digital)
Mensaje
recibido
m[l]
(secuencia
binaria)
CANAL DIGITAL EQUIVALENTE
CANAL DISCRETO EQUIVALENTE
CANAL BINARIO EQUIVALENTE
Genera el mensaje binario m[l] a transmitir.
Puede proceder de una fuente analgica

La velocidad de transmisin, tambin denominada
flujo binario o rgimen binario es R
b
(bits/segundo).
T
b
= 1/R
b
es la duracin de un bit o perodo de bit.
La codificacin de fuente queda fuera de los
objetivos de la asignatura.
Fuente

Fuente
analgica

Codificador
de fuente
(opcional)
m(t)
Mensaje
analgico
(seal
analgica)
Mensaje
binario sin
codificar

Mensaje
binario
codificado
m[l]
Conversor
A/D

N
b
f
s

Ejemplos de fuentes
Telefona
Seal analgica de voz
Banda de 300 a 3400 Hz
Muestreo a 8 bits y 8000 Hz Rb = 64 Kb/s
Telefona mvil
Seal analgica de voz
Banda de 300 a 3400 Hz
Muestreo a 8 bits y 8000 Hz 64 Kb/s
Codificacin de fuente a R
b
de 13 Kb/s
CD-Audio (1x)
Seal digital a 44100162 = 176 KB/s
Msica MP3 (MPEG II Layer 3)
Seal analgica de audio
Muestreo a 44100 Hz, stereo, 16 bits/muestra (como CD)
Codificacin de fuente a R
b
= 32, 64, 128, 256, 384 Kbps
Ejemplo de codificacin de fuente
Supongamos que la fuente quiere transmitir el
carcter N.
Es necesario decidir qu cdigo se va a utilizar.
Se decide utilizar el cdigo ASCII extendido (8 bits
por caracter).
Dicho carcter toma el valor 78 (en decimal)
Codificado con 8 bits resulta ser 01001110
De ese modo,
m[l] = 0,1,0,0,1,1,1,0
sera el mensaje a transmitir.
Codificador
Genera la secuencia de smbolos s[n] a transmitir,
que representan la informacin contenida en el
mensaje m[l].
Pueden aadirse cdigos de privacidad, proteccin
y/o correccin de errores a la secuencia original
(fuera de este tema).
La velocidad de salida de los smbolos es Rs y se
denomina velocidad de sealizacin (en smbolos/s
o baudios).
Ts = 1/Rs = perodo de smbolo o duracin de un
smbolo (segundos).
La relacin Rb/Rs = Ts/Tb = ?
bits por smbolo
Ejemplo: Un codificador sencillo
Un ejemplo sencillo podra ser el que mapea la
secuencia de bits en smbolos de la forma siguiente:

El mensaje m[l] del ejemplo anterior
m[l] = 0,1,0,0,1,1,1,0
se convertira en la secuencia de smbolos
s[n] = [-1,1,-1,-1,1,1,1,-1].
En este caso Ts = Tb y por tanto Rs y Rb coincidirn.
Bit Smbolo
0 - 1
1 1
Equivalentes paso bajo
Supondremos siempre que utilizamos equivalentes
paso bajo de los sistemas reales de comunicacin.
Debemos considerar la posibilidad de smbolos
complejos,
s[n] = s
i
[n] + js
q
[n]
donde s
i
[n] y s
q
[n] denotan respectivamente las
componentes fase y cuadratura del smbolo s[n].

EJEMPLO: Un codificador de 2 bits/smbolo.
Si realizamos el mapa siguiente:

la secuencia original de bits m[l] = 0,1,0,0,1,1,1,0
resultara en una secuencia de smbolos
s[n] = j,1,-j,-1
Cada smbolo lleva informacin de 2 bits
T
s
= 2T
b
R
s
= R
b
/2
Bits Smbolo
00 1
01 j
10 -1
11 -j
Constelacin transmitida
Si marcamos sobre un plano
complejo los posibles
valores de los smbolos
transmitidos, obtendremos
la constelacin de la seal
transmitida.

Re
Im
1 -1
1 0

Re
Im
1 -1
j
-j
00
01
10
11

Re
Im
00 01
10 11
Ejemplo: 128 - QAM
Supongamos que, debido a un error, se recibiese la
secuencia de smbolos
s[n] = j,1,1*,-1
(el * indica el smbolo errneo)
El mensaje decodificado sera
01000010
66
B
Obsrvese que entre el mensaje binario original y el
decodificado hay dos bits de diferencia.
Original: 0 1 0 0 1 1 1 0

Decodificado: 0 1 0 0 0 0 1 0
Un error !!!!
Cdigos de Gray
Cuando se produce un error, se suele confundir el
smbolo con uno de los ms prximos
Parece lgico, que los bits asociados a smbolos ms
prximos se parezcan ms entre s, de modo que, al
producirse un error en un smbolo este repercuta en
el menor nmero de bits posibles.
Esto es lo que persigue la codificacin Gray.
Re
Im
1 -1
j
-j
00
01
10
11

Re
Im
1 -1
j
-j
00
01
11
10
Cdigo no Gray
Cdigo Gray
EJEMPLO: Codificador alternativo (Gray)

Re
Im
1 -1
j
-j
00
01
11
10
Si hubiesemos utilizado el codificador:

Mensaje: 01001110 Codificada: j,1,-1,-j.
Recibida: j,1,-j*,-j Decodificado: 01001010 74 J.
Entre el mensaje binario original y el decodificado
habra ahora nicamente un bit de diferencia.
Original: 01001110
Decodificado: 01001010
Ejemplo: 256 QAM (Gray) (un cuadrante)
Modulador
Elemento encargado de convertir la secuencia de
smbolos presentes a la salida del codificador en una
seal analgica s(t) que pueda ser transmitida a
travs del canal de comunicaciones.
Tecnolgicamente se despliegan en este punto un
enorme nmero de posibilidades dependiendo de las
caractersticas que se pretendan obtener del sistema
de comunicaciones.
Iremos revisando algunas de los diferentes tcnicas
de modulacin utilizadas habitualmente.
A la salida del modulador encontraremos una seal
analgica s(t) que debe contener la informacin
necesaria para la correcta transmisin del mensaje.
Ejemplo de modulador
Se podra construir una
seal analgica s(t)
asignando formas de onda
diferentes a los diferentes
smbolos.
Podramos transmitir
p
1
(t) cuando s[n] = s
0
= 1
p
-1
(t) cuando s[n] = s
1
= 1
La seal que
transmitiramos sera:

0 T
s
T
s
t
p
1
(t)
1

0 T
s
T
s
t
p
-1
(t)
1

0 T
s
2T
s
3T
s
4T
s
5T
s
6T
s
7T
s
8T
s
t
s(t)
1
Moduladores sin memoria
Aunque existen moduladores con memoria (la
seal transmitida en cada instante depende de la
seal actual y de seales anteriores), para estudiar
las principales caractersticas de un sistema de
transmisin digital podemos suponer que nuestro
sistema utiliza un modulador sin memoria:

Un modelo habitual de modulador que puede servir
para describir un buen nmero de modulaciones
viene dado por la expresin:

Dependiendo de p
s
(t), el esquema anterior puede dar
lugar a diferentes modulaciones.
( )
| |
( )
s
s k
k
s t p t kT
=
=
( ) | | ( )
s s
k
s t s k p t kT
=
=

EJEMPLO: Un modulador en I-Q
Partiendo de la secuencia s[n] = j,1,-1,-j si utilizamos
un modulador que genere a la salida

con p
s
(t) = u(t)-u(t-T
s
).
Las seales generadas en los canales en fase y en
cuadratura sern:

( ) | | ( )
s s
k
s t s k p t kT
=
=

0 T
s
2T
s
3T
s
4T
s
5T
s
t
s
i
(t)
1

0 T
s
2T
s
3T
s
4T
s
5T
s
t
s
q
(t)
1
EJEMPLO: Un modulador I-Q (2)
La seal que realmente se emitir ser
(t) = Re{s(t)e
j2tf0t
}

( ) ( ) ( ) ( ) ( )
{ }
i q 0 0
s t Re s t js t cos 2 f t jsen 2 f t ( ( = + t + t

( ) ( ) ( ) ( ) ( )
i 0 q 0
s t s t cos 2 f t s t sen 2 f t = t t

0 T
s
2T
s
3T
s
4T
s
5T
s
t
1 s
i
(t)cos(2f
0
t)

0 T
s
2T
s
3T
s
4T
s
5T
s
t
1
-s
q
(t)sin(2f
0
t)

0 T
s
2T
s
3T
s
4T
s
5T
s
t
1 s
i
(t)cos(2f
0
t)- s
q
(t)sin(2f
0
t)

EJEMPLO: Un modulador I-Q (y 3)
f
0
= 10 Hz
f
0
= 500 Hz
EJEMPLO: Modulador con pulso de Nyquist
Si el pulso p
s
(t) es un pulso de Nyquist:

y se utiliza un modulador lineal binario con
smbolos de entrada 1, la seal de salida ser:

0 T
s
2T
s
3T
s
4T
s
5T
s
t
1
p
t
(t)
-1 1 -1 -1 1 1 1 -1

s(t)
1
0 T
s
2T
s
3T
s
4T
s
5T
s
6T
s
7T
s
8T
s
9 T
s
10 T
s
11 T
s
12 T
s
13 T
s
14T
s

t
Canal
El canal es el medio utilizado para transportar la
seal desde el transmisor hasta el receptor.
Puede ser un medio fsico: hilos conductores, fibra
ptica, gua de ondas..., o bien puede estar
constituido por la atmsfera o el espacio, como en
los radioenlaces terrenales por microondas, en las
comunicaciones va satlite o en la telefona mvil.
Describiremos el canal analgico mediante su
respuesta impulsional h
c
(t) o equivalentemente
mediante su funcin de transferencia H
c(
f).
A la salida del mismo nos encontraremos con una
seal c(t) dada por:
c(t) = s(t)*h
c
(t) C(f) = S(f)H
c
(f)

Ejemplos de canales
Canal ideal
Un canal ideal, que no presentara retraso ni atenuacin,
entregara a la salida una seal c(t) idntica a la seal s(t)
que se hubiera presentado a su entrada.
Su respuesta impulsional hc(t) se representara como una
delta,
h
c
(t) = (t)
Retardo y atenuacin
Para modelar un canal con retardo y atenuacin
utilizaramos una expresin para su respuesta impulsional
como la siguiente:
hc(t) = (t-td)
siendo la atenuacin del canal y el parmetro td el retraso
del mismo.
Ruido
Uno de los problemas inevitables de cualquier
sistema de comunicacin es la presencia de ruido.
En nuestros modelos introduciremos el ruido como
una seal v(t), descrita en trminos estadsticos y que
se aade a la seal de salida del canal, para obtener
la seal de entrada a los circuitos del demodulador:
x(t) = c(t) + v(t)
Debemos interpretar este ruido como un ruido
equivalente.
Ser necesaria una caracterizacin estadstica doble:
Funcin densidad de probabilidad (usualmente Gauss)
Densidad espectral de potencia (usualmente plana)
EJEMPLO: Descripcin del ruido
Ruido blanco
Si decimos que v(t) es un ruido blanco esto significa que su
densidad espectral de potencia es plana (igual a todas las
frecuencias):
S
vv
(f) = o
v
2

Dado que la autocorrelacin y la densidad espectral de
potencia forman un par transformado:
r
vv
(t) = E{v(t)v*(t-t)} = o
v
2
o(t)

Ruido gaussiano
Si decimos que v(t) es un ruido gaussiano de media cero
estamos imponiendo una f.d.p. a las muestras del ruido:
( )
2
2
v
v
2
v(t )
v
1
f v e
2
o
=
to
Ejemplos de ruido (diferentes p.d.f.s)
Gauss Rayleigh
Rice Uniforme
Ejemplos de ruido (gauss) (diferentes colores)
Ruido
blanco
Ruido
rosa
Ruido
marrn
Demodulador
El demodulador es el elemento encargado de
interpretar la seal recibida, extrayendo de la misma
los smbolos que fueron inyectados en el modulador.
El demodulador es probablemente el elemento ms
complejo de todo el sistema de transmisin, ya que
normalmente necesita la incorporacin de circuitos
auxiliares de sincronismo, ecualizacin, muestreo...
En cualquier caso, a la salida del demodulador nos
encontraremos con una secuencia discreta de
smbolos que denominaremos r[n], secuencia que
ser entregada al detector para su interpretacin.
Nos centraremos en la demodulacin mediante filtro
adaptado, por ser ptimos para modulaciones
lineales sin memoria.
EJEMPLO: Demodulador con filtro adaptado
En modulaciones lineales sin memoria, la estructura
de un demodulador ptimo es la siguiente:

donde la expresin del filtro adaptado es:

FILTRO
ADAPTADO
Seal
recibida
x(t)
(seal
analgica)

DEMODULADOR
Smbolos
recibidos
r[n]
(secuencia
discreta)
Seal
salida
r(t)
(seal
analgica)
( )
( ) ( )
( )
0
j2 ft * *
s c
r
vv
P f H f e
H f k
S f
t
=
EJEMPLO: Demodulador y constelacin
Las muestras tomadas a la salida del demodulador
constituyen la constelacin de la seal recibida.
Recepcin
correcta
Exceso
de ruido
Error de fase
en sincronismo
de portadora
Error de
frecuencia en
sincronismo
de portadora
Detector
El detector o decisor es elemento encargado de
interpretar la secuencia de smbolos r[n] presente a
la salida del demodulador con el objetivo de
determinar la secuencia de smbolos original
transmitida s[n].
A la salida del detector encontraremos una secuencia
de smbolos s[n], donde la tilde indica estimados
o lo que es lo mismo, que pueden ser errneos.
Probablemente el parmetro de calidad ms
importante de un sistema de transmisin digital es
precisamente el porcentaje de smbolos errneos que
se recibe, parmetro que suele expresarse como una
probabilidad y que se denomina Probabilidad de
Error de Smbolo.
Decodificador
El objetivo del decodificador es analizar s[n] para
determinar el mensaje original. Si en el codificador
se han introducido cdigos de proteccin y
correccin de errores, el decodificador deber ser
capaz de procesar adecuadamente dicha
informacin.
A la salida encontraremos en cualquier caso un
mensaje estimado m[l], formado por una
secuencia de bits.
Otro de los parmetros de inters en un sistema
digital de comunicaciones es la Probabilidad de
Error de Bit, que no tiene porqu coincidir con la
Probabilidad de Error de Smbolo anteriormente
descrita.

FUENTE
CODIFI-
CADOR
MODU-
LADOR

CANAL
DEMODU-
LADOR DETECTOR DESTINO
Mensaje
transmitido
m[l]
(secuencia
digital)
Smbolos
transmitidos
s[n]
(secuencia
digital)
Seal
transmitida
s(t)
(seal
analgica)
Ruido
v(t)
(seal
analgica)
Seal
recibida
x(t)
(seal
analgica)
Smbolos
recibidos
r[n]
(secuencia
discreta)
Mensaje
recibido
m[l]
(secuencia
digital)
Seal de salida
del canal
c(t)
(seal
analgica)
Smbolos
estimados
DECODIFI-
CADOR
s[n]
(secuencia
digital)
CANAL
DIGITAL
EQUIVALENTE
CANAL
DISCRETO
EQUIVALENTE
CANAL
BINARIO
EQUIVALENTE
FUENTE
CODIFI
CADOR
MODU
LADOR
CANAL
DESTINO
DECODI
FICADOR
DETEC
TOR
DEMODU
LADOR
Mensaje
emitido
m[l]
(secuencia
binaria)
Smbolos
emitidos
s[n]
(secuencia
digital)
Seal
emitida
s(t)
(seal
analgica)
Seal a la
salida del
canal
c(t)
(seal
analgica)
Ruido
v(t)
(seal analgica)
Seal
recibida
x(t)
(seal
analgica)
Smbolos
recibidos
r[n]
(secuencia
discreta)
Smbolos
estimados
s[n]
(secuencia
digital)
Mensaje
recibido
m[l]
(secuencia
binaria)
CANAL DIGITAL EQUIVALENTE
Si observamos el esquema de un sistema digital de
comunicaciones, podemos ver que a la entrada del
modulador tenemos una secuencia discreta s[n], y a
la salida del demodulador nos encontramos con una
nueva secuencia discreta r[n].
Podemos suponer que la cadena modulador canal
ruido demodulador se comporta de manera
equivalente a un canal discreto.

CANAL
DIGITAL
h
d
[n]
s[n]
Secuencia de
smbolos de
entrada
r[n]
Secuencia de
smbolos de
salida
w[n]
Ruido discreto
El modelo resultara por tanto:
r[n] = s[n]*h
d
[n] + w[n]
donde:
h
d
[n] es la respuesta impulsional del canal digital
equivalente.
w[n] es el ruido discreto equivalente.
Para tener perfectamente caracterizado el canal
digital equivalente necesitamos determinar:
La respuesta impulsional h
d
[n]
Las caractersticas de w[n]
Funcin densidad de probabilidad
Densidad espectral de potencia
Obtencin del canal digital equivalente

MODU-
LADOR

CANAL
DEMODULADOR
Smbolos
transmitidos
Seal
transmitida
s(t)
(seal
analgica)
Ruido
v(t)
(seal
analgica)
Seal
recibida
x(t)
(seal
analgica)
Smbolos
recibidos
r[n]
(secuencia
discreta)
Seal de salida
del canal
c(t)
(seal
analgica)
s[n]
(secuencia
digital)
CANAL
DIGITAL
EQUIVALENTE
FILTRO
ADAPTADO
r(t)
(seal
analgica)
Seal
filtrada
CANAL
DIGITAL
h
d
[n]
s[n]
Secuencia de
smbolos de
entrada
r[n]
Secuencia de
smbolos de
salida
w[n]
Ruido discreto
h
d
[n]?
w[n]?
Obtencin de h
d
[n]
Utilizaremos superposicin:
Haciendo v(t) = 0 w[n] = 0 obtendremos h
d
[n]
Del modelo digital

Del modelo analgico
r[n] = r(nT
s
+t
0
)
t
0
Instante ptimo de muestreo de r(t)
Para obtener t
0
ser necesario determinar que
instante elegirn (o debieran elegir) los circuitos de
sincronismo.
El objetivo es tomar la muestra en el instante en que
la probabilidad de error de smbolo sea menor.
| | | | | | | | | |
d d
m
r n s n *h n s m h n m
=
= =
0
0 e,s
t
t arg minP
(
=
(

Obtencin de t
0

Obtendremos primero una expresin de r(t)
r(t) = x(t) * h
r
(t) = c(t) * h
r
(t)

Utilizando las siguientes definiciones:
p
c
(t) = p
s
(t)*h
c
(t) = Pulso a la salida del canal (recibido).
p
r
(t) = p
c
(t)*h
r
(t) = Pulso a la salida del filtro de recepcin.
( ) | | ( ) ( ) ( )
s s c r
m
r t s m p t mT *h t *h t
=
| |
=
|
\ .
( ) | | ( ) ( ) ( ) ( )
s s c r
m
=
=
( ) | | ( )
r s
m
r t s m p t mT
=
=
v(t) = 0
( ) ( ) ( ) ( )
c r
r t s t *h t *h t =
Obtencin de t
0

En general, los circuitos de sincronismo deben elegir
t
0
para que la probabilidad de error de smbolo sea
mnima.
En la prctica se utilizan diferentes tcnicas de
sincronizacin, con diferentes resultados (vase cap.
6 Digital Communications).
A fin de simplificar el procedimiento y dado que las
tcnicas de sincronismo de smbolo quedan fuera de
los objetivos de este tema, supondremos que los
circuitos de sincronismo se enganchan al punto
mximo del pulso recibido (esta no es la solucin
ptima, pero puede constituir una buena
aproximacin).

Ilustracin obtencin de t
0

t
p
r
(t)
Mximo
Valor de t para el
que se produce = t
0

EJEMPLO: Determinacin de t
0

Parmetros del sistema:
Pulso transmitido p
s
(t) =A(u(t)-u(t-T
s
)) = ((t-T
s
/2)/T
s
)
Canal ideal h
c
(t) = (t)
Filtro receptor h
r
(t) = kp
s
(T
s
-t) = kA(u(t)-u(t-T
s
))

p
c
(t) = p
s
(t) * h
c
(t) = p
s
(t)
p
r
(t) = p
c
(t) * h
r
(t) = kA
2
T
s
((t-T
s
)/2T
s
)

0 T
s
2T
s

t
p
r
(t)
kA
2
T
s

0 T
s
t
p
s
(t)
A

0

t
h
c
(t)
1

0 T
s
t
h
r
(t)
kA
Valor
mximo
t
0
= T
s

EJEMPLO: Determinacin de t
0

Parmetros del sistema:
Pulso transmitido p
s
(t) =A(u(t)-u(t-T
s
)) = ((t-T
s
/2)/T
s
)
Canal con retraso y atenuacin h
c
(t) = (t-t
d
)
Filtro receptor h
r
(t) = kp
s
(T
s
-t) = kA(u(t)-u(t-T
s
))

p
c
(t) = p
s
(t) * h
c
(t) = p
s
(t-t
d
)
p
r
(t) = p
c
(t) * h
r
(t) = kA
2
T
s
((t-t
d
-T
s
)/2T
s
)

0 t
d
t
d
+T
s
t
d
+2T
s

t
p
r
(t)
kA
2
T
s

0 T
s
t
p
s
(t)
A

0 t
d
t
h
c
(t)

0 T
s
t
h
r
(t)
kA
Valor
mximo
t
0
= t
d
+T
s

Obtencin de h
d
[n] (continuacin)
Del modelo analgico
r[n] = r(nT
s
+t
0
)
r(t) = x(t) * h
r
(t) = c(t) * h
r
(t)

r(t) = s(t) * h
c
(t) * h
r
(t)

v(t) = 0
( ) ( ) ( ) ( ) | | ( ) ( ) ( )
c r t s c r
m
r t s t *h t *h t s m p t mT *h t *h t
=
| |
= =
|
\ .
( ) | | ( ) ( ) ( ) ( )
t s c r
m
=
=
( ) | | ( )
r s
m
r t s m p t mT
=
=
| | ( ) | | ( )
s 0 r s 0 s
m
r n r nT t s m p nT t mT
=
= + = +
| | | | ( ) ( )
r s 0
m
r n s m p n m T t
=
= +

Obtencin de h
d
[n] (y 3)
Del modelo analgico

Del modelo digital

Conclusin:

| | | | ( ) ( )
r s 0
m
r n s m p n m T t
=
= +
| | | | | | | | | |
d d
m
=
= =
| | ( ) ( )
d r s 0
h n m p n m T t = +
| | ( )
d r s 0
h n p nT t = +
Obtencin de h
d
[n]. Interpretacin
| | ( )
d r s 0
h n p nT t = +

t
h
d
[n]
-4

-3

-2

-1

0

1

t
p
r
(t)
t
0
- 4T
s
t
0
- 3T
s
t
0
- 2T
s
t
0
- T
s
t
0
t
0
+ T
s

EJEMPLO. Obtencin de h
d
[n]
Parmetros del sistema
Pulso transmitido p
s
(t) =A(u(t)-u(t-T
s
)) = A((t-T
s
/2)/T
s
)
Canal ideal h
c
(t) = (t)
Filtro receptor h
r
(t) = kp
s
(T
s
-t) = kA(u(t)-u(t-T
s
))

Ntese que si el canal hubiese tenido retraso y atenuacin
h
c
(t) = (t-t
d
)

0 T
s
2T
s

t
p
r
(t)
kA
2
T
s

-1 0 1 n
h
d
[n]
kA
2
T
s

0 t
d
t
d
+T
s
t
d
+2T
s

t
p
r
(t)
kA
2
T
s

-1 0 1 n
h
d
[n]
kA
2
T
s
Intrepretacin de h
d
[n]
Partiendo ya del canal digital equivalente:

es posible notar que:
h
d
[0] 0 por definicin (o no hay transmisin)

si h
d
[n] k[n] Hay ISI en el sistema Ecualizador
EJEMPLO:
s[n] = [-1,1,-1,-1,1,1,1,-1]
h
d
[n] = [n] + 0.3 [n-1]
r[n] = [-1,0.7,-0.7,-1.3,0.7,1.3,1.3,-0.7,0.3]
NOTA: Aunque en este caso la ISI por si sola no es
suficiente para provocar un error de transmisin, ESTARA
DEBILITANDO LA SEAL FRENTE AL RUIDO.
| | | | | | | | | |
d d
m
=
= =

Caracterizacin del ruido
La relacin entre v(t) y w[n] viene dada por:
w[n] = w(nT
s
+ t
0
)
donde

Funcin densidad de probabilidad:
v(t) Gauss de media 0 w[n] Gauss de media 0
( ) ( ) ( ) ( )
r r
w(t) v t *h t h v t d
= = t t t
}
( )
( )
2
2
v
v
2
v t
v
1
f v e
2
o
=
to
| |
( )
2
2
w
w
2
w n
w
1
f w e
2
o
=
to
Caracterizacin del ruido
Obtencin densidad espectral de potencia de w[n]
v(t) Densidad espectral de potencia S
vv
(f)
v(t) Funcin de autocorrelacin r
vv
()
r
vv
() = E{v(t)v
*
(t-t)} = F
-1
{S
vv
(f)}
w[n] Densidad espectral de potencia S
ww
(F)
w[n] Funcin de autocorrelacin r
ww
[m]
r
ww
[m] = E{w[n]w
*
[n-m]} = F
-1
{S
ww
(F)}
Sustituyendo
w[n] = w(nT
s
+ t
0
)
r
ww
[m] = E{w(nT
s
+t
o
)w
*
((n-m)T
s
+t
0
]} = r
ww
(mT
s
)
Utilizando los resultados ya conocidos de ruido a travs de
sistemas lineales:
r
ww
(t) = r
vv
(t) * r
hrhr
(t) = r
vv
(t) * h
r
(t) * h
r
*
(-t)
EJEMPLO. Caracterizacin del ruido
En el ejemplo que venimos siguiendo
h
r
(t) = kA(u(t)-u(t-T
s
))
r
hrhr
() = k
2
A
2
T
s
(t/2T
s
)

Si el ruido v(t) es blanco
r
vv
() =
v
2
()
r
ww
() =
v
2
k
2
A
2
T
s
(t/2T
s
)

La autocorrelacin del ruido digital ser
r
ww
[m] = r
ww
(mT
s
)
r
ww
[m] =
v
2
k
2
A
2
T
s
[m]

-T
s
0 T
s
t
r
hrhr
()
k
2
A
2
T
s

-T
s
0 T
s
t
r
ww
()
v
2
k
2
A
2
T
s

-1 0 1
n
r
ww
[m]
v
2
k
2
A
2
T
s
Caracterizacin del ruido. Relaciones
Potencia de ruido
w
2
= Potencia de ruido = r
ww
[0]
r
ww
[0] = r
ww
(0) = r
vv
()*r
hrhr
()|
=0

Si el ruido v(t) es blanco r
vv
() =
v
2
()

pero r
hrhr
(0) es, precisamente, la energa del filtro receptor.
CONCLUSIN: En caso de ruido blanco la potencia de
ruido en el modelo digital simplemente se incrementa en la
energa del filtro de recepcin.
CONCLUSIN: Si la k del filtro de recepcin se elige de
forma que la energa sea 1, se simplifica la formulacin.
| | ( ) ( )
r r
ww h h vv
r 0 r u r u du
=
}
| | ( ) ( ) ( )
r r r r
2 2 2
w ww h h v v h h
r 0 r u u du r 0
o = = o o = o
}
EJEMPLO. Normalizacin del filtro receptor
En el ejemplo que venimos siguiendo
h
r
(t) = kA(u(t)-u(t-T
s
))
r
hrhr
() = k
2
A
2
T
s
(t/2T
s
)
r
hrhr
(0) = k
2
A
2
T
s
Si queremos normalizar
r
hrhr
(0) = k
2
A
2
T
s
= 1

Si el ruido v(t) es blanco
r
vv
() =
v
2
()
r
ww
() =
v
2
(t/2T
s
)
La autocorrelacin del ruido digital ser
r
ww
[m] = r
ww
(mT
s
)
r
ww
[m] =
v
2
[m]

s
1
k
A T
=
EJEMPLO. Normalizacin del filtro receptor
Otra consecuencia de la normalizacin del filtro
receptor es que afecta a la amplitud de h
d
[n].
En el ejemplo que hemos venido desarrollando
Pulso transmitido p
s
(t) =A(u(t)-u(t-T
s
)) = A((t-T
s
/2)/T
s
)
Canal ideal h
c
(t) = (t)
Filtro receptor h
r
(t) = kp
s
(T
s
-t) = 1/T
s
(u(t)-u(t-T
s
))

CONCLUSIN: Al normalizar el filtro receptor y si
no hay ISI h
d
[n] = E
p
[n]
CONCLUSIN: A partir de ahora tomaremos
siempre el filtro receptor normalizado.

0 T
s
2T
s

t
p
r
(t)
s
A T

-1 0 1 n
h
d
[n]
s
A T
Parmetros importantes de una transmisin
Energa del pulso y energa media por smbolo
Se calculan a la entrada del receptor, es decir, sobre c(t)

Densidad espectral de ruido (supuesto blanco)
Se calcula a la entrada del receptor, es decir, sobre v(t), pero
teniendo en cuenta toda la cadena de recepcin
v
2
=
w
2
= N
0
/2 = kT
0
F/2
Por eso la potencia de ruido disponible en un equipo de
comunicaciones es siempre
P
n
= kT
0
FB

( )
2
p c
E p t
=
}
( )
J 1 J 1
2 2
s j j p j p
j 0 j 0
Equiprobables
1
E p s s E s E
J

|
= =
= =

El canal discreto equivalente

FUENTE
CODIFI-
CADOR
MODU-
LADOR

CANAL
DEMODU-
Mensaje
transmitido
m[l]
(secuencia
digital)
Smbolos
transmitidos
s[n]
(secuencia
digital)
Seal
transmitida
s(t)
(seal
analgica)
Ruido
v(t)
(seal
analgica)
Seal
recibida
x(t)
(seal
analgica)
Smbolos
recibidos
r[n]
(secuencia
discreta)
Mensaje
recibido
m[l]
(secuencia
digital)
Seal de salida
del canal
c(t)
(seal
analgica)
Smbolos
estimados
DECODIFI-
CADOR
s[n]
(secuencia
digital)
CANAL
DIGITAL
EQUIVALENTE
CANAL
DISCRETO
EQUIVALENTE
CANAL
BINARIO
EQUIVALENTE
El canal discreto equivalente (sin memoria)
Observando el esquema podemos ver que a la
entrada del modulador tenemos una secuencia de
smbolos s[n]= {s
0
s
J-1
}, y a la salida del detector nos
encontramos con una nueva secuencia discreta s[n]
con otros valores posibles {r
0
r
K-1
}.
Cmo modelara el sistema un observador que
estuviera analizando ambas secuencias?

CANAL
DISCRETO
EQUIVALENTE
s[n]
Secuencia de
smbolos de
entrada
s[n]
Secuencia de
smbolos de
salida
El modelo que utilizaremos para representarlo ser
una matriz de probabilidades de transicin:

NOTAS
Se utilizar r
k
en lugar de s
k
por claridad.
No confudir los smbolos r
k
detectados con la secuencia r[n] a
la entrada del detector.
Obsrvese que la suma de cualquier fila es 1
p(r
0
|s
j
) + p(r
1
|s
k
) + + p(r
J-1
|s
k
) = 1 (p. total)
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
0 0 1 0 K 1 0
0 1 1 1 K 1 1
0 J 1 1 J 1 K 1 J 1
p r | s p r | s p r | s
p r | s p r | s p r | s
p r | s p r | s p r | s

(
(
(
(
(

En ocasiones, cuando J x K = nmero total de
combinaciones es bajo, puede representarse la matriz
anterior en forma grfica:
p(r
0
|s
0
)
p(r
1
|s
0
) p(r
2
|s
0
)

s
0
s
1
s
2
s
3
r
0
r
1
r
2
Para tener perfectamente especificado el canal
discreto equivalente necesitamos determinar la
matriz anterior.
Para ello partiremos del canal digital equivalente y
obtendremos cada una de las probabilidades.
EJEMPLO:
Pulso transmitido p
s
(t) =A((t-T
s
/2)/T
s
)
Canal ideal h
c
(t) = (t)
Filtro receptor normalizado h
r
(t) = 1/T
s
((t-T
s
/2)/T
s
)
Ruido blanco
Potencia de ruido
v
2
= N
0
/2 = kT
0
F/2
Codificador binario s[n] = {s
0
,s
1
} = {-1,1}
Detector s[n]=signo(r[n])

h
d
[n] = E
p
[n]
w[n] blanco de potencia
w
2
= N
0
/2
Determinacin de p(r
0
|s
0
) y p(r
1
|s
0
)
Seal recibida si se transmite s
0

r|s
0
= -E
p
+ w
Funcin densidad de probabilidad de la seal recibida

( )
( ) ( )
2 2
p p
2
w 0
0
r E r E
2 N
r|s
w 0
1 1
f r e e
2 N
+ +

o
= =
to t
( ) ( ) ( )
0
0
p p
0 0 0 r|s
0 0
E 2E
1
p r | s p r | s 0 f r dr 1 erfc 1 Q
2 N N
| | | |
= < = = = | |
| |
\ . \ .
}
( ) ( )
p p
1 0 0 0
0 0
E 2E
1
p r | s 1 p r | s erfc Q
2 N N
| | | |
= = = | |
| |
\ . \ .
El canal binario equivalente

FUENTE
CODIFI-
CADOR
MODU-
LADOR

CANAL
DEMODU-
Mensaje
transmitido
m[l]
(secuencia
digital)
Smbolos
transmitidos
s[l]
(secuencia
digital)
Seal
transmitida
s(t)
(seal
analgica)
Ruido
v(t)
(seal
analgica)
Seal
recibida
x(t)
(seal
analgica)
Smbolos
recibidos
r[n]
(secuencia
discreta)
Mensaje
recibido
m[l]
(secuencia
digital)
Seal de salida
del canal
c(t)
(seal
analgica)
Smbolos
estimados
DECODIFI-
CADOR
s[n]
(secuencia
digital)
CANAL
DIGITAL
EQUIVALENTE
CANAL
DISCRETO
EQUIVALENTE
CANAL
BINARIO
EQUIVALENTE
El canal binario equivalente
Observando el esquema podemos ver que a la
entrada del codificador tenemos una secuencia
binaria m[l], y a la salida del decodificador nos
encontramos con una nueva secuencia binaria m[l].
Ambas secuencias tienen nicamente dos smbolos
posibles: 0 y 1.
Sera posible establecer un modelo especial de canal
discreto denominado canal binario, que relacione
ambas secuencias:

0|0 1|0
0|1 1|1
p p
p p
(
(

0
1
0
1
p 0|0
p 1|0 p 0|1
p 1|1
Para obtener el canal binario equivalente
necesitaremos conocer:
El canal discreto equivalente
El funcionamiento del codificador/decodificador.
Deseamos calcular
p
0|0
Probabilidad de recibir un 0 si se transmite un 0
p
0|1
p
1|0
p
1|1
Ntese que p
0|0
+ p
1|0
= p
0|1
+ p
1|1
= 1
Ser necesario identificar todas las posibles
situaciones y realizar un promedio.
Normalmente explotaremos la simetra.
EJEMPLO:
Codificador QPSK (no Gray)

Supongamos que se transmite un 0. Hay 4 posibles
situaciones:
1) 1
er
cero de s
0

2) 2 cero de s
0

3) 1
er
cero de s
1

4) 2 cero de s
2

Re
Im
1 -1
j
-j
00
01
10
11
s
0
s
1
s
2
s
3
0.75 0.1 0.05 0.1
0.1 0.75 0.1 0.05
0.05 0.1 0.75 0.1
0.1 0.05 0.1 0.75
(
(
(
(
(

EJEMPLO (continuacin)
Debemos determinar la probabilidad de que se reciba un 0
para cada una de las situaciones anteriores.
Situacin 1): Se recibir un 0 si se recibe el smbolo s
0
o s
1

p
0|0
1
= p(r
0
|s
0
) + p(r
1
|s
0
) = 0.85
0
o s
2

p
0|0
2
= p(r
0
|s
0
) + p(r
2
|s
0
) = 0.8
1
o s
0

p
0|0
3
= p(r
1
|s
1
) + p(r
0
|s
1
) = 0.85
2
o s
0

p
0|0
4
= p(r
2
|s
2
) + p(r
0
|s
2
) = 0.8
Suponiendo equiprobables las cuatro situaciones anteriores:
p
0|0
= (p
0|0
1
+ p
0|0
2
+ p
0|0
3
+ p
0|0
4
)
p
0|0
= 0.825
p
1|0
= 1 - p
0|0
= 0.175

EJEMPLO (continuacin)
En este caso hay simetra en el problema, luego
p
1|1
= p
0|0
= 0.825
p
0|1
= p
1|0
= 0.175
Se tratara de un canal binario simtrico.

Tambin podemos describirlo diciendo que se trata de un
canal binario simtrico con una probabilidad de error
P
e
= 0.175

0.825

0

1
0

1
0.175

0.175

0.825

Conclusiones
4 modelos de canal
Canal analgico o de forma de onda
Muchos parmetros, mayor complejidad
Diseo de moduladores, demoduladores
Pocos parmetros, ms versatilidad
Diseo de ecualizadores, anlisis de ISI, ruido,
Matriz de probabilidades de transicin
Diseo de codificadores, criptografa
Canal binario equivalente
Modelo ms sencillo posible
Diseo de codificadores de fuente, protocolos de enlace
La obtencin slo es posible en un sentido
Analgico Digital Discreto Binario
Referencias
Communication Systems, 3
rd
.ed.
Simon Haykin, John Wiley & Sons, 1994.
Apartados 1.1, 1.3, 1.4, 1.7, 2.11 a 2.13, 4.10 a 4.14, 7.1 a 7.4,
7.10, 8.2, 8.7, 8.8 y 8.22, 10.5, Apndices 6 (Figura de Ruido),
8 (Caracterizacin estadstica de procesos aleatorios
complejos) y 10 (Criptografa)
Digital Communications, 4
th
ed.
John G. Proakis, McGraw-Hill, 2001.
Apartados 1.1, 1.2, 1.3, 3.3, 4.1 a 4.3, 5.1, 5.2, 6.3, y 7.1
An Introducction to Digital Communications
Jack Kurzweil, John Wiley & Sons, 2000.
Apartados 3.1, 3.2, 3.6, 3.8, 3.10, 3.12, 3.18, 4.1 a 4.6, 4.A, 5.3
a 5.6, 6.8 a 6.10, 7.1, 8.1 a 8.3.
Digital Transmission Engineering
John B. Anderson, 1999.
Apartados 2.4, 3.1, 3.3, 3.8, 3.A a 3.C, 4.8, 6.1 y 7.1
Tema 2:
Teora de la informacin y capacidad de canal
Transmisin Digital
Organizacin
Introduccin
Fundamentos de teora de la informacin
Incertidumbre, informacin, entropa
Teorema de codificacin de fuente
Entropa condicionada e informacin mtua
Capacidad de un canal discreto
Teorema de codificacin de canal
Capacidad de un canal analgico
Entropa diferencial
Informacin mtua entre variables continuas
Teorema de Shannon
Consecuencias e implicaciones
Conclusiones
Referencias
Introduccin
Trataremos de resolver dos preguntas:
Cul es el n mnimo de bits necesario para representar una
cierta cantidad de informacin?
TEOREMA DE CODIFICACIN DE FUENTE
Existe una velocidad de transmisin de informacin lmite
para un cierto canal? Cul es?
TEOREMA DE CODIFICACIN DE CANAL
TEOREMA DE CAPACIDAD DE CANAL
Necesitaremos introducir algunos conceptos de
Teora de la Informacin:
Entropa
Informacin mutua
Capacidad de canal
Definicin del experimento
Un experimento S tiene un conjunto de J posibles
resultados
S = {s
0
, s
1
,...,s
J-1
}
cada uno de ellos con probabilidad p
j

EJEMPLOS:
Lanzamiento de una moneda o un dado
S = {s
0
, s
1
} = {cara,cruz} = {c,+} {p
0
, p
1
} = {1/2, 1/2}
S = {s
0
, s
1
, s
2
, s
3
, s
4
,

s
5
} = {1,2,3,4,5,6}
{p
0
, p
1
, p
2
, p
3
, p
4
,

p
5
} = {1/6, 1/6, 1/6, 1/6, 1/6, 1/6}
Meteorologa (lluvioso, nublado, soleado)
S = {s
0
, s
1
, s
2
} = {lluvioso,nublado,soleado}
{p
0
, p
1
, p
2
} = {?, ?, ?} = {1/10, 1/5, 7/10}
Transmisin de un smbolo QPSK
S = {s
0
, s
1
, s
2
, s
3
} = {1,j,-1,-j}
{p
0
, p
1
, p
2
, p
3
} = {1/4, 1/4, 1/4, 1/4}
Incertidumbre, informacin y entropa
Se va a realizar el experimento S
Antes de conocer el resultado tenemos cierta incertidumbre:
cunta?
Una vez conocido el resultado ganamos cierta cantidad de
informacin: cunta?
Cantidad de informacin al observar el evento s
j
es:
I(s
j
) = log
2
(1/p
j
) = -log
2
(p
j
) bits
EJEMPLOS:
Lanzamiento de una moneda I(c) = I(+) = 1 bit
Lanzamiento de un dado I(s
j
) = 2,58 bits
Meteorologa I(lluvioso) = 3,32 bits
I(nublado) = 2,32 bits
I(soleado) = 0,51 bits
Transmisin QPSK I(s
j
) = 2 bits

Propiedades de la informacin:
I(s
j
) > 0, cumpliendose la igualdad si y solo si p
j
=1
Cualquier evento nos da cierta cantidad de informacin, a
menos que sea seguro que va a ocurrir, en cuyo caso su
ocurrencia no nos da ninguna informacin.
EJEMPLO: Al tirar un dado sale un n entre 1 y 6.
I(s
j
) > I(s
i
) si p
j
< p
i
Un evento tiene ms informacin cuanto menos probable es
EJEMPLO: Meteorologa
I(s
j
,s
i
) s I(s
j
) + I(s
i
) cumplindose la igualdad si y solo si s
j
y
s
i
son independientes.
La informacin del resultado de dos experimentos es menor o
igual que la suma de las informaciones por separado.
EJEMPLOS: I(lluvioso,2) = 5.90 bits = I(lluvioso) + I(2)
I(transmito 0,recibo 0) = 0.152 bits < 2 bits.
Se define la entropa de S como:

H(S) mide la incertidumbre ante el experimento S. O
tambin la informacin media que cabe esperar del
resultado.
La entropa es mxima si todos los casos son equiprobables
0 s H(S) s log
2
(J)
EJEMPLOS:
Lanzamiento de una moneda H(S) = 1 bit
Lanzamiento de un dado H(S) = 2,58 bits
Meteorologa H(S) = 1.153 bits
Transmisin QPSK H(S) = 2 bits

( ) ( ) { } ( )
J 1 J 1
j j j j 2
j 0 j 0
j
1
H S E I s p I s p log
p

= =
| |
= = =
|
|
\ .

Incertidumbre, informacin, entropa
EJEMPLO: Fuente binaria
S={s
0
, s
1
} = {0,1} con probabilidades {p
0
,p
1
} = {p,1-p}
H(S) = -plog
2
(p) - (1-p)log
2
(1-p)

Ntese que:
Si p=0 o p=1, H(S) = 0
Si p=1/2, H(S) es mxima e igual a 1 bit.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
p
H
(
S
)

Entropa de una fuente binaria
Dada una fuente S con J posibles smbolos decidimos
codificarla utilizando para cada smbolo s
j
una
palabra binaria b
j
de longitud L
j
(digitos binarios).
La longitud media de una palabra cdigo (o nmero
medio de dgitos binarios por smbolo) ser:

El teorema de codificacin de fuente (Shannon, 1948)
establece que

La eficiencia de un codificador de fuente, q es:

J 1
j j
j 0
L p L
=
=
( ) S H L >
( )
L
S H
= q
EJEMPLO:
Considere el conjunto S de posibles resultados de un
examen
S={NP, SU, AP, NO, SO, MH}
con probabilidades asociadas {0.1,0.15,0.4,0.2,0.1,0.05}
La entropa de fuente es:
H(S) = 2.28 bits
Si codificamos de la forma siguiente:
NP SU AP NO SO MH
000 001 010 011 100 011
obtenemos L = 3 y q=76%.
De la forma siguiente:
NP SU AP NO SO MH
110 111 0 101 1001 1011
obtenemos L = 2.35, y q=97%.
Entropa condicionada
Consideremos un conjunto posible de smbolos
emitidos S={s
j
}, j=0..J-1 y otro conjunto posible de
smbolos recibidos R = {r
k
}, k=0..K-1.
Definimos H(S|r
k
) de la forma siguiente:

como entropa de S condicionada a la recepcin del
smbolo r
k
(incertidumbre que queda respecto a S
una vez recibido r
k
).
EJEMPLO
S={carta baraja (40 posibilidades)}, R={figura, no figura},
H(S) = 5.32 H(R)=0.88
H(S|figura) =3.58 H(S|no figura) = 4.8
( )
( )
( )
J 1
k j k 2
j 0
j k
1
H S| r p s | r log
p s | r
=
| |
| =
|
\ .

Entropa condicionada
Definimos la entropa de S condicionada a R como:

es decir, como incertidumbre promedio que queda
respecto a S una vez recibido R.
EJEMPLO:
S={carta baraja (40 posibilidades)}, R={figura, no figura},
H(S) = 5.32 H(R)=0.88
H(S|figura) =3.58 H(S|no figura) = 4.8
H(S|R) = p(figura)H(S|figura) + p(no figura)H(S|no figura)
H(S|R) = 0.33.58 + 0.74.8 = 4.43
( ) ( )
( )
K 1 J 1
j k 2
k 0 j 0
j k
1
H S| R p s , r log
p s | r

= =
| |
| =
|
\ .
( ) ( ) { } ( ) ( )
( )
K 1 J 1
k k j k 2
k 0 j 0
j k
1
H S| R E H S| r p r p s | r log
p s | r

= =
| |
| = =
|
\ .

Informacin mutua
Consideremos dos experimentos S y R:
Antes de conocer R nuestro desconocimiento de S es
H(S)
Conocida R nuestro desconocimiento de S es
H(S|R)
Luego R aporta
H(S) H(S|R)
informacin sobre S.
La informacin mtua entre S y R se define como:
I(S;R) = H(S) - H(S|R)
y mide la cantidad de informacin que R tiene sobre
S (o S sobre R).
EJEMPLO:
Cartas y figuras I(S;R) = 5.32 4.43 = 0.89 bits
Informacin mutua
Propiedades de la informacin mutua:
I(S;R) = I(R;S)
I(S;R) > 0, con igualdad si y solo si S y R independientes
I(S;R) = H(S)H(S|R) = H(R)H(R|S) = H(S)+H(R)-H(S;R)
siendo H(S;R) la entropa conjunta de S y R

( ) ( )
( )
K 1 J 1
j k 2
k 0 j 0
j k
1
H S; R p s , r log
p s , r

= =
| |
| =
|
\ .
( ) ( )
( )
( )
( )
J 1 K 1 J 1
j 2 j k 2
j 0 k 0 j 0
j j k
1 1
I S; R p s log p s , r log
p s p s | r

= = =
| | | |
| | =
| |
\ . \ .

( ) ( )
( )
( )
( )
K 1 J 1
j k 2 j k 2
k 0 j 0
j j k
1 1
I S; R p s , r log p s , r log
p s p s | r

= =
| | | |
| | =
| |
\ . \ .
( ) ( )
( )
( )
K 1 J 1
j k
j k 2
k 0 j 0
j
p s | r
I S; R p s , r log
p s

= =
| |
| =
|
\ .

Informacin mtua
Otra forma de calcular la informacin mtua:
I(S;R) = H(S) + H(R) - H(S;R) =

( )
( )
( )
( )
( )
( )
J 1 K 1 K 1 J 1
j 2 k 2 j k 2
j 0 k 0 k 0 j 0
k
j j k
1 1 1
p s log p r log p s , r log
p r
p s p s , r

= = = =
| | | |
| |
| | = + =
|
|
| |
\ .
\ . \ .

( )
( )
( )
( )
( )
( )
K 1 J 1
j k 2 j k 2 j k 2
k 0 j 0
k
j j k
1 1 1
p s , r log p s , r log p s , r log
p r
p s p s , r

= =
| | | |
| |
| | = + =
|
|
| |
\ .
\ . \ .
( )
( )
( )
( )
K 1 J 1
j k 2 2 2
k 0 j 0
k
j j k
1 1 1
p s , r log log log
p r
p s p s , r

= =
| |
| | | |
| |
|
| | = + =
|
|
| |
|
\ .
\ . \ .
\ .
( )
( )
( ) ( )
( )
K 1 J 1
j k
j k 2
k 0 j 0
j k
p s , r
p s , r log I S; R
p s p r

= =
| |
| = =
|
\ .

Informacin mutua
EJEMPLO: Transmisin Y-QAM equiprobable:
p(s
j
) =

p(r
0
) = (0.55+0.1+0.1+0.1) = 0.2125
p(r
1
) = (0.15+0.8+0.05+0.05) = p(r
2
) = p(r
3
) = 0.2625
H(S)=2 H(R) = 1.99
H(S;R)=3,19
I(S;R) = 2 + 1.99 3.19 = 0.8
H(S|R) = H(S) I(S;R) = 1.2
H(R|S) = H(R) I(R;S) = 1.19
( )
k j
0.55 0.15 0.15 0.15
0.1 0.8 0.05 0.05
P r | s
0.1 0.05 0.8 0.05
0.1 0.05 0.05 0.8
(
(
(
=
(
(

Re
Im
-j
s
3
s
0
s
2
s
1
j/2
3
2

3
2

Deseamos que la informacin mutua sea mxima.
El canal est fijado, luego lo nico que podemos
modificar son las probabilidades de los diferentes
smbolos transmitidos.
Cuando se maximiza I(S;R) respecto a las
probabilidades de los diferentes s
j
j={0..J-1}, al valor
mximo lo denominamos capacidad del canal:

Para obtener C ser preciso tener en cuenta que:
P(s
j
) 0 j

( )
( )
j
p s
C maxI S; R =
( )
J 1
j
j 0
p s 1
=
=

Ejemplo: Canal binario simtrico

p(r
0
|s
0
)=1-p
e

p(r
0
|s
1
)=p
e
p(r
1
|s
0
)=p
e
p(r
1
|s
1
)=1-p
e

p(r
0
,s
0
)=p(r
0
|s
0
)p(s
0
)=(1-p
e
)p(s
0
)
p(r
1
,s
0
)=p
e
p(s
0
)
p(r
0
,s
1
)=p
e
p(s
1
)=p
e
(1-p(s
0
))
p(r
1
,s
1
)=(1-p
e
)(1-p(s
0
))


0
1
0
1
1-p
e

1-p
e

p
e
p
e

Ejemplo: Canal binario simtrico (2)
p(r
0
)= p(r
0
,s
0
)+p(r
0
,s
1
)=(1-p
e
)p(s
0
) + p
e
(1-p(s
0
))
p(r
1
)= 1-p(r
0
) =p
e
p(s
0
) +(1-p
e
)(1-p(s
0
))

I(S;R) = H(R)H(R|S)
( )
( )
( )
( )
( )
( )
0
0 0 0
I S, R I S, R p r
0
p s p r p s
c c c
= =
c c c
( )
( )
j
p s
C maxI S; R =
( )
( )
( )
( )
( )
( )
( )
( )
0
0 0 0 0
I S, R H R H R | S p r
0
p s p r p r p s
| | c c c c
= =
|
|
c c c c
\ .
( ) ( )
( )
( )
( )
0 2 1 2
0 1
1 1
H R p r log p r log
p r p r
| | | |
= +
| |
\ . \ .
( )
( ) ( ) ( )
2 2
0 0 0
H R
1 1
log log
p r p r 1 p r

| | | | c

=
| | `
| |
c

\ . \ .
)
( )
( )
0
H R | S
0
p r
c
=
c
( ) ( )
( )
K 1 J 1
k j 2
k 0 j 0
k j
1
H R | S p r , s log
p r | s

= =
| |
| =
|
\ .
( ) ( )
( )
( )
( )
( )
( )
( )
( )
0 0 2 0 1 2
0 0 0 1
1 0 2 1 1 2
1 0 1 1
1 1
H R | S p r , s log p r , s log
p r | s p r | s
1 1
p r , s log p r , s log
p r | s p r | s
| | | |
= + +
| |
| |
\ . \ .
| | | |
+ +
| |
| |
\ . \ .
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
e 0 2 e 0 2
e e
e 0 2 e 0 2
e e
1 1
H R | S 1 p p s log p 1 p s log
1 p p
1 1
p p s log 1 p 1 p s log
p 1 p
| | | |
= + +
| |
\ . \ .
| | | |
+ +
| |
\ . \ .

p(r
0
)= p(r
0
,s
0
)+p(r
0
,s
1
)=(1-p
e
)p(s
0
) + p
e
(1-p(s
0
))
( )
( ) ( ) ( )
( )
2 2 e
0 0 0
I S, R
1 1
log log 1 2p 0
p s p r 1 p r

| | | | c

= =
| | `
| |
c

\ . \ .
)
( )
( )
( )
( )
( )
( )
( )
( )
0
0 0 0 0
I S, R H R H R | S p r
0
p s p r p r p s
| | c c c c
= =
|
|
c c c c
\ .
( )
( ) ( ) ( )
2 2
0 0 0
H R
1 1
log log
p r p r 1 p r

| | | | c

=
| | `
| |
c

\ . \ .
)
( )
( )
0
H R | S
0
p r
c
=
c
( )
( )
0
e
0
p r
1 2p
p s
c
=
c
Ejemplo: Canal binario simtrico (y 5)

La solucin implica p(r
0
) = 1 p(r
0
), luego p(r
0
) =
Por tanto p(s
0
) = , como caba esperar.
La capacidad es:

( )
e 2 e 2
e e
1 1
C 1 p log 1 p log
p 1 p
| | | |
=
| |
\ . \ .
( )
( ) ( ) ( )
( )
2 2 e
0 0 0
I S, R
1 1
log log 1 2p 0
p s p r 1 p r

| | | | c

= =
| | `
| |
c

\ . \ .
)
Fuente S
Genera smbolos de fuente a una velocidad R
s
(smbolos de
fuente/segundo)
Entropa de S es H(S) (bits informacin/smbolo de fuente)
Canal
Capacidad C (bits/smbolo de canal transmitido)
Transmite smbolos a un rgimen R
c
(smbolos de canal
transmitidos/segundo)

Teorema de codificacin de canal (Shannon, 1948)
Es posible enviar (con el cdigo adecuado) con una
probabilidad de error arbitrariamente pequea si y solo si:
H(S)R
s
CR
c

Teorema de codificacin de canal
S
Cod.
canal
Canal
R
s
R
c
R
c

Decod.
canal
Destino
R
s

EJEMPLOS
EJEMPLO: Canal binario simtrico
p
e
= 0.03 C = 0.8 bits / smbolo de canal
Fuente S binaria equiprobable (H(S)=1 bit/smbolo de
fuente) con velocidad R
s
= 1 smbolo de fuente/segundo
H(S)R
s
CR
c
1 bit/segundo 0.8 R
c

R
c
1.25 smbolos de canal transmitidos / segundo
EJEMPLO: Modem V.90
Modo 56 kbps
p
eb
= 10
-3
C = 0.988
Permitira transmitir datos con una probabilidad de error
tan pequea como se quiera siempre que la velocidad de
informacin de la fuente sea inferior a 56000 0.988 = 55361
bits informacin / segundo (y se haga uso de la codificacin
apropiada).
Entropa diferencial
Podramos trasladar los resultados obtenidos a
seales analgicas?
Calculemos la entropa de una variable aleatoria
continua X como lmite de una discreta con infinitos
niveles:
X = {x
j
} j = 0..J-1

( ) ( ) { } ( )
J 1 J 1
j j j j 2
j 0 j 0
j
1
H X E I x p I x p log
p

= =
| |
= = =
|
|
\ .

x
f
X
(x)
x
0
x
1
x
2
. . . x
J-1

x
p(x
1
) f
X
(x
1
)x
Entropa diferencial
Al hacer tender J a infinito

p(x
j
) f
X
(x
j
)x

x
f
X
(x)
x
0
x
1
x
2
. . . x
J-1

x
-
dx
( ) ( )
( )
X j 2
x 0
j
X j
1
H X lim f x xlog
f x x
A
=
| |
| = A
|
A
\ .

Entropa diferencial (continuacin)
( ) ( )
( )
( ) ( )
X j 2 X j 2
x 0
j j
X j
1
H X lim f x xlog f x xlog x
f x

A
= =

| |

| = A A A
`
|

\ .
)

( ) ( )
( )
( ) ( )
X 2 X 2
x 0
X
1
H X f x l og dx f x dx limlog x
f x

A

| | | |
= A
| |
\ . \ .
} }
( ) ( )
2
x 0
H X h(X) limlog x
A
= A
( ) ( )
( )
X 2
X
1
h X f x log dx
f x
| |
=
|
\ .
}
( ) ( )
( )
X j 2
x 0
j
X j
1
H X lim f x xlog
f x x
A
=
| |
| = A
|
A
\ .
( ) ( )
( )
( )
X 2 2
x 0
X
1
H X f x l og dx limlog x
f x
| |
= A
|
\ .
}
Entropa diferencial
CONSIDERACIONES:
Cualquier variable aleatoria tiene infinita informacin
La entropa diferencial va a servir para compararlas entre s
EJEMPLO: Distribucin uniforme
f
X
(x) = 1/a[u(x) u(x-a)]
h(X) = log
2
(a)
EJEMPLO: Distribucin gaussiana

Dada una varianza o
2
, la variable gaussiana tiene la mayor
entropa diferencial de todas las posibles v.a.
La entropa diferencial es independiente de la media .
( )
( )
2
2
x
2
X
1
f x e
2
o
=
to
( )
( )
2
2
1
h X log 2 e
2
= t o
Informacin mtua entre variables continuas
Partiendo de la expresin de la informacin mtua
para variables discretas:

Informacin mtua entre X e Y

Propiedades
I(X,Y) = I(Y,X)
I(X,Y) 0
I(X,Y) = h(X)+h(Y) h(X;Y) = h(X)h(X|Y) = h(Y)h (Y|X)

( ) ( )
( )
( ) ( )
XY
XY 2
X Y
f x, y
I X, Y f x, y log dxdy
f x f y

| |
=
|
|
\ .
} }
( ) ( )
( )
XY 2
XY
1
h X; Y f x, y log dxdy
f x, y

| |
=
|
|
\ .
} }
( ) ( )
( )
( ) ( )
K 1 J 1
j k
j k 2
k 0 j 0
j k
p s , r
I S; R p s , r log
p s p r

= =
| |
| =
|
\ .

Teorema de capacidad de canal
Dado un canal con las caractersticas
Ancho de banda B (ideal dentro de la banda)
Ruido gaussiano de potencia P
n
Seal recibida de potencia P
s

cul es la mxima velocidad de transmisin de
informacin alcanzable?
Sea cual sea el esquema de codificador(es),
modulador, etc. acabaremos emitiendo una seal
de ancho de banda B.
Por el teorema de Nyquist
Cualquier seal de ancho de banda B Hz puede representarse
por un conjunto de muestras tomadas a frecuencia 2B
CONCLUSIN: La seal emitida (y la recibida)
pueden representarse con 2B muestras/segundo.
X
k

N
k

Y
k

k-1 k k+1
Ruido
Seal emitida
Seal recibida
Cunta informacin podr transportar cada
muestra?
Tendremos que obtener la capacidad del canal
La relacin entre muestras emitidas y recibidas es:
Y
k
= X
k
+ N
k

La capacidad de canal se obtiene maximizando la
informacin mtua (potencia emitida limitada):
C=max{I(X
k
,Y
k
), E{X
k
2
}= P
s
}
I(X
k
,Y
k
) = h(Y
k
) h(Y
k
|X
k
)
h(Y
k
|X
k
) = h(X
k
+N
k
|X
k
) = h(N
k
)
pero el ruido es gaussiano h(N
k
) = log
2
(2teP
n
)
I(X
k
,Y
k
) = h(Y
k
) h(N
k
) = h(Y
k
) - log
2
(2teP
n
)
que ser mxima cuando Y
k
sea gaussiana.
Como Y
k
tiene potencia P
s
+P
n
, su entropa ser:
h(Y
k
) = log
2
(2te[P
s
+P
n
])
Por tanto, la capacidad de canal ser:
C = log
2
(2te[P
s
+P
n
]) - log
2
(2teP
n
)
C = log
2
(1+P
s
/P
n
)
bits/muestra transmitida
El nmero mximo de muestras independientes
transmisibles es 2B muestras /segundo, luego
C = Blog
2
(1+P
s
/P
n
) bits/segundo
C = Blog
2
(1+SNR)
Para el caso ms habitual (ruido trmico) de
densidad espectral N
0
/2
C = Blog
2
(1+P
s
/(BN
0
))
EJEMPLO: Canal telfnico: Centralitas digitales
B < 4000 Hz
SNR < 48 dB (6,02 dB/bit x 8 bits)
C < 4000log
2
(1+10
4.8
) = 63781 bps
Centralitas analgicas
B < 3100 Hz (300 Hz 3400 Hz)
SNR < 30 dB (estudios de canal telefnico)
C < 3100log
2
(1+10
3
) = 30898 bps
Canal TV analgico
B ; 5 MHz
SNR ; 38 dB (canal regular)
C ; 510
6
log
2
(1+10
3.8
) = 63,1 Mbps
Implicaciones del teorema
Consideremos un sistema ideal que transmite a la
mxima velocidad
R
b
= C
P
s
= E
b
R
b
= CE
b
C = Blog
2
(1+P
s
/(BN
0
))

Si B ,
E
b
/N
0
= ln(2) = 0.693 = -1.6 dB
Por debajo de esa relacin E
b
/N
0
es absolutamente
imposible la transmisin sin errores.
b
2
0
E C C
log 1
B N B
| |
= +
|
\ .
C
B b
0
E B
2 1
N C
| |
|
\ .
| |
=
|
|
\ .
Implicaciones del teorema
Si el sistema transmite a una velocidad R
b
< C

CONCLUSIONES:
Compromiso entre la relacin E
b
/N
0
(relacin SNR) y R
b
/B
(eficiencia)
Existen zonas en las que resulta posible/imposible la
transmisin sin errores.
Se establece as el lmite de Shannon o cota de capacidad de
canal.
b b
2
0
E R
Blog 1 C
N B
| |
+ s
|
\ .
Compromiso E
b
/N
0
y R
b
/B
-5 0 5 10 15 20 25
10
-1
10
0
10
1
Eb/No dB
R
b
/
B

Relacin Eb/No y Rb/B
Zona
posible
Zona
imposible
Referencias
rd
.ed.
Pginas 614 a 622 y 631 a 656.
th
ed.
Pginas 381 a 387
Pginas 366-380
Pginas 268-272.
Tema 3:
Ecualizacin de canal
Transmisin Digital
Organizacin
Introduccin
El detector MLSD
Planteamiento del problema
Soluciones
Diseos fijos
Diseos no restringidos
Diseos retringidos a una estructura de filtro transversal
Diseos adaptativos
Comparacin de las diferentes tcnicas de ecualizacin
Conclusiones
Referencias
Introduccin
En los sistemas reales de transmisin frecuentemente
nos encontramos con ISI o con fenmenos que
escapan a nuestro control:
Desvanecimientos
Propagacin multicamino
Ecos
Desajustes en general en los circuitos transmisores o
receptores
Conmutacin de circuitos
Otros fenmenos
RESULTADO:
La respuesta del canal difiere de la esperada o supuesta (la
que habremos utilizado en el diseo terico de los filtros
terminales ptimos)
Introduccin
CONSECUENCIAS:
Respecto al ruido
Nuestro sistema ya no tiene un diseo ptimo
la relacin SNR va a descender
desciende la relacin E
b
/N
0

aumenta la probabilidad de error
ISI (Interferencia intersimblica)
Si no haba ISI
va a aparecer
Si ya haba ISI (sistemas con ISI controlada o compensada)
va a aumentar (descontrolndose).
En cualquier caso ISI
aumenta la probabilidad de error

Introduccin. Efectos multicamino
EJEMPLO:
Sistema BPSK diseado para trabajar con Eb/No = 10dB
BER = 3,9 10
-6

Qu le ocurre al aparecer multicamino (>T
s
)?
0 20 40 60 80 100
10
-6
10
-4
10
-2
10
0
Potencia relativa del rayo secundario (%)
B
E
R

ISI + ruido
Solo ruido
EJEMPLO:
Sistema BPSK diseado para trabajar con Eb/No = 10dB
BER = 3,9 10
-6

Qu le ocurre al aparecer multicamino (>T
s
)?
EJEMPLO:
Sistema QPSK diseado para
trabajar con Eb/No = 25dB
Al aparecer una componente
multicamino (retardo de un
smbolo, nivel relativo 5 dB por
debajo del camino principal)

Introduccin
CONCLUSIN
Necesitamos introducir elementos adicionales que
compensen o minoren el efecto nocivo de la ISI.
Tenemos dos alternativas
Cambiar a un detector MLSD (Maximum Likelihood Sequence
Detection)
Introducir un subsistema encargado de compensar la ISI.
El subsistema encargado se denomina
ECUALIZADOR DE CANAL
o IGUALADOR DE CANAL
El ecualizador va colocado justo despus del circuito de
muestreo.

El detector MLSD
Cuando la seal recibida tiene ISI, el detector
convencional (critero de distancia mnima) deja de
ser la solucin ptima.
EJEMPLO:
Supongamos que el canal digital viene dado por
h
d
[n] = [n] - 0.7[n-1] + 0.5[n-2]

Si la secuencia de smbolos (binarios) emitida hubiese sido:
s[n] = 1 -1 -1 1 1 -1 -1 -1 -1 -1
El detector MLSD
La seal de salida hubiese venido dada por

Suponiendo que los dos smbolos transmitidos antes del
inicio de s[n] son dos 1s (estado inicial) tendramos que la
secuencia recibida (sin incluir el efecto del ruido sera):
r[n] = 0.8, -1.2, 0.2, 1.2, -0.2, -1.2, 0.2, -0.8, -0.8, -0.8
Si la secuencia de ruido w[n] tomase los siguientes valores:
w[n] = 1.0, 0.5, 0.1, -0.4, 0.5, -0.9, -0.1, 1.1, 1.7, -0.6
la secuencia completa recibida hubiese sido:
r[n] = 1.8, -0.7, 0.3, 0.8, 0.3, -2.1, 0.1, 0.3, 0.9, -1.4
La tcnica de deteccin de mnima distancia hubiese
arrojado la siguiente secuencia detectada:
s[n] = 1 -1 1 1 1 -1 1 1 1 -1
Comparando:
s[n] = 1 -1 -1 1 1 -1 -1 -1 -1 -1
| | | |
d
k
h k s n k
=
=
d
s[n]*h [n]
| | | | | |
s n 0.7s n 1 0.5s n 2 = +
El detector MLSD
Es necesario utilizar un detector que tenga en cuenta
el efecto de la ISI (unos smbolos interfieren sobre los
otros).
En lugar de ser un detector que opere smbolo a
smbolo deber considerar la secuencia de smbolos
ms probable MLSD (Maximum Likelihood
Sequence Detection)
Podemos ver el canal digital equivalente como un
codificador convolucional con relacin de cdigo
k/n = 1
que utiliza una restriccin de tamao K = longitud
en muestras de la respuesta impulsional.
El estado del codificador seran los ltimos K-1
smbolos emitidos.
El canal digital como codificador convolucional
EJEMPLO:
El canal digital dado por
h
d
[n] = [n] - 0.7[n-1] + 0.5[n-2]
puede interpretarse como el siguiente codificador
convolucional:
s[n] s[n-1] s[n-2]
1
-0.7
0.5
| | | | | |
s n 0.7s n 1 0.5s n 2 +
Estado
Entrada
Diagrama de estados del codificador
Continuando con la similitud entre el canal digital y
un codificador convolucional, podemos obtener su
diagrama de estados. Para el caso del ejemplo:
a
1,1
c
1,-1
b
-1,1
d
-1,-1
1
0.8
-1
-1.2
1
2.2
-1
0.2
-1
-2.2
-1
-0.8
1
1.2
1
-0.2
Trellis del canal digital
Continuando con la similitud entre el canal digital y
un codificador convolucional, podemos obtener su
Trellis. Para el caso del ejemplo:
a
b
c
d
a
b
c
d
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
-1
1
a
b
c
d
a
b
c
d
a
b
c
d
1
-1
1
-1
1
-1
-1
1
El detector MLSD
Opera sobre secuencias de smbolos en lugar de
sobre smbolos aislados.
Vamos a hacer uso del algoritmo de Viterbi para la
obtencin del camino ms probable a lo largo del
Trellis.
Necesitamos asignar un peso a cada una de las
transiciones dentro del Trellis. Dicho peso debera
ser la probabilidad

Cul es la probabilidad de cada transicin?
a a
b
1
-1
El detector MLSD
El smbolo recibido es
r[n] = s[n] 0.7 s[n-1] + 0.5 s[n-2] + w[n]
Queremos determinar la probabilidad de que s[n]
sea 1 (o -1) sujeta a que el smbolo recibido sea r[n] y
a que el estado original sea el estado a (1,1).

| | ( )
p s n 1 r[n], a = =
| | | | ( )
| | ( )
p s n 1, r n , a
p r n , a
=
=
| | | |
( )
| | ( )
| | ( )
p r n s n 1, a p s n 1, a
p r n , a
= =
| | ( ) ( ) | | ( )
| | ( )
p w n r[n] 1 0.7 0.5 p s n 1, a
p r n , a
= + =
= =
| | ( )
| | ( )
| | ( )
p s n 1, a
p w n r[n] 0.8
p r n , a
=
= = =
| | ( )
| | ( )
| | ( )
2
2
w
r n 0.8
2
w
p s n 1, a
1
e
p r n , a 2
o
=
to
El detector MLSD
La probabilidad buscada es:

La probabilidad de la otra transicin (que supone la
emisin del smbolo -1) ser:

Si los smbolos son equiprobables el factor

Como la suma de ambas probabilidades debe ser 1,
cada una ser proporcional a la correspondiente
exponencial.
| | ( )
| | ( )
| | ( )
| | ( )
2
2
w
r n 0.8
2
w
p s n 1, a
1
p s n 1 r[n], a e
p r n , a 2
o
=
= =
to
| | ( )
| | ( )
| | ( )
| | ( )
2
2
w
r n 1.2
2
w
p s n 1, a
1
p s n 1 r[n], a e
p r n , a 2
+
o
=
= =
to
| | ( )
| | ( )
| | ( )
| | ( )
p s n 1, a p s n 1, a
p r n , a p r n , a
= =
=
El detector MLSD
Veamos un ejemplo de la asignacin de pesos a las
ramas.
Supongamos que se recibe el smbolo 1.8 y que
partimos del estado a

donde k
1
se habr elegido de forma que la suma de
ambas probabilidades sea la unidad.
a a
b
( )
2
2
w
1
2
1
k e
o
( )
2
2
w
3
2
1
k e
o
El detector MLSD
Si avanzamos en la decodificacin, debemos asignar
las probabilidades de de las nuevas ramas que
aparecen. Por ejemplo, si el siguiente smbolo
recibido fuese -0.7 tendramos:
a
b
c
d
a
b
c
d
a
b
c
d
( )
2
2
w
1
2
1
k e
o
( )
2
2
w
3
2
1
k e
o
( )
2
2
w
1.5
2
2
k e

o
( )
2
2
w
0.5
2
2
k e
o
( )
2
2
w
2.9
2
2
k e
o
( )
2
2
w
0.9
2
2
k e
o
El detector MLSD
Suponiendo que el ruido es independiente en cada
smbolo, la probabilidad de cada camino es el
producto de las probabilidades de sus diferentes
ramas.
a
b
c
d
a
b
c
d
a
b
c
d
( )
2
2
w
1
2
1
k e
o
( )
2
2
w
3
2
1
k e
o
( )
2
2
w
1.5
2
2
k e

o
( )
2
2
w
0.5
2
2
k e
o
( )
2
2
w
2.9
2
2
k e
o
( )
2
2
w
0.9
2
2
k e
o
( ) ( )
2 2
2 2
w w
1 0.5
2 2
1 2
k e k e

o o
( ) ( )
2 2
2 2
w w
3 2.9
2 2
1 2
k e k e

o o
El detector MLSD
Gracias a las propiedades de la exponencial,
podemos compactar el peso de cada camino como:

Cuando dos caminos distintos confluyen en un
mismo nodo, ambos tendrn distintas
probabilidades:

La de mayor probabilidad (exponente menor) ser la
superviviente.
( ) ( )
( ) ( )
{ }
2 2
2 2
2 2 2
w w w
1 0.5
1
1 0.5
2 2 2
1 2 1 2
k e k e k k e
+
o o o
=
( )
{ }
2 2 2
1,1 2,1 n,1
2
w
1
d d ... d
2
1 2 n
p ruta 1 k k ...k e
+ + +
o
=
( )
{ }
2 2 2
1, 2 2, 2 n, 2
2
w
1
d d ... d
2
1 2 n
p ruta 2 k k ...k e
+ + +
o
=
El detector MLSD
Como acabamos de ver, finalmente el nico
elemento que se utiliza para decidir es el factor

donde los d
i
son las distancias entre el smbolo que
tericamente se debera haber recibido de producirse
dicha transicin y el que realmente se ha recibido.
Por tanto no es necesario trabajar con los exponentes,
sino que podemos asignar a cada rama el peso d
2
,
eligiendo finalmente el camino de menos peso.
El resto del algoritmo de Viterbi funciona de la
forma habitual, descartando caminos hasta que slo
queda uno posible, que corresponde a la secuencia
que se decodifica como correcta.
2 2 2
1 2 n
d d ... d + + +
2.56 3.82
0.16 1.42
1 5.86
0.36 5.86
1.96 7.46
Detector MLSD y algoritmo de Viterbi
Si la secuencia recibida hubiese sido:
r[n] = 1.8, -0.7, 0.3, 0.8, 0.3, -2.1, 1.7, -2.0, 3.3, -1.4
el algoritmo de Viterbi resultara:
a
b
c
d
a
b
c
d
a
b
c
d
a
b
c
d
a
b
c
d
1
9
2.25 3.25
0.25 1.25
8.41 17.41
0.81 9.81
0.25 3.5
2.25 5.5
3.61 4.86
0.01 1.26
0.25 17.66
6.25 23.66
0.81 10.62
1.21 11.02
0
4
9
3.5
7.5
13.86
1
1.21 5.03
0.81 4.63
6.25 7.67
0.25 1.67
0.01 7.51
3.61 11.11
2.25 5.75
0.25 3.75
Continuando con la decodificacin:
-0.7 0.3 0.8 0.3
2.56 3.82
0.16 1.42
1
0.36
1.96
a
b
c
d
a
b
c
d
a
d
a
b
c
d
2.25 3.25
0.25 1.25
0.81
0.25 3.5
2.25
3.61
0.01 1.26
0.25
6.25
0.81
1.21
0
4
9
3.5
7.5
a
b
c
d
1.69 6.72
10.89 15.92
0.01 4.64
3.61 8.24
5.49 11.04
18.49 24.24
0.81 2.48
8.41 10.08
5.03
a
b
c
d
a
b
c
d
a
d
a
c
d
a
b
c
d
3.82
1.42
3.5
5.75
1.67
3.5 3.25
1.25
4.63 1.26
a
b
c
d
-1 -1
-0.7 0.3 0.8 0.3 -2.1
Detector MLSD. Limitaciones
Como hemos visto el detector MLSD permite
realizar la decodificacin ptima (mxima
verosimilitud) en presencia de ISI.
Su realizacin hace uso del algoritmo de Viterbi
para determinar el mejor camino dentro del Trellis.
Sin embargo, en la prctica su utilizacin est muy
limitada fundamentalmente por dos factores:
1. Es necesario conocer con precisin la respuesta del canal
digital h
d
[n].
Se dificulta su realizacin en el caso de canales variantes
(comunicaciones mviles, sistemas inalmbricos en
general)
2. El coste computacional asociado a la realizacin puede
hacerlo inviable.

Detector MLSD. Coste computacional
Para una modulacin con J posibles smbolos
emitidos y un canal con respuesta impulsional de
longitud L tendremos J
L-1
estados posibles con J
L

posibles transiciones.
Cada transicin supone evaluar 1 suma (resta) + 1
multiplicacin 2J
L
operaciones.
EJEMPLO: Modulacin 16-QAM , R
s
= 1 Mbaud,
respuesta impulsional de longitud 6
El nmero de operaciones para decodificar cada smbolo
ser:
216
6
= 33.510
6
flops = 33.5 Mflops
El nmero de operaciones requeridas por segundo ser:
33.5 Mflops/smbolo 1 Msmbolo/seg = 33.510
12
flops/seg
(el lmite actual de los procesadores es ~ Gflops/seg)
En muchas situaciones prcticas (desconocimiento
de la respuesta del canal, excesivo coste
computacional) la deteccin MLSD no es viable.
Se opta entonces por una solucin sub-ptima: la
ecualizacin (o igualacin) de canal.
La idea original es bastante sencilla: introducir un
bloque (el ecualizador) capaz de eliminar la ISI o por
lo menos de reducirla considerablemente, de forma
que podamos seguir utilizando un detector clsico
(de los que operan smbolo a smbolo).
Dnde va a ir colocado este nuevo circuito?

Localizacin del ecualizador

FUENTE
CODIFI-
CADOR
MODU-
LADOR

CANAL
DEMODU-
Mensaje
transmitido
m[l]
(secuencia
digital)
Smbolos
transmitidos
s[n]
(secuencia
digital)
Seal
transmitida
s(t)
(seal
analgica)
Ruido
v(t)
(seal
analgica)
Seal
recibida
x(t)
(seal
analgica)
Smbolos
recibidos
r[n]
(secuencia
discreta)
Mensaje
recibido
m[l]
(secuencia
digital)
Seal de salida
del canal
c(t)
(seal
analgica)
Smbolos
estimados
DECODIFI-
CADOR
s[n]
(secuencia
digital)
CANAL
DIGITAL
EQUIVALENTE
CANAL
DISCRETO
EQUIVALENTE
CANAL
BINARIO
EQUIVALENTE
Ecualizador
Localizacin y tecnologa del ecualizador

Tecnolgicamente, los ecualizadores suelen
realizarse con DSPs o ASICs Digital

FILTRO
ADAPTADO
Seal
recibida
x(t)
(seal
analgica)

DEMODULADOR
Smbolos
recibidos
r[n]
(secuencia
discreta)
Seal
salida
r(t)
(seal
analgica)
Ecualizador
Smbolos
ecualizados
y[n]

FILTRO
ADAPTADO
Seal
recibida
x(t)
(seal
analgica)

DEMODULADOR
Smbolos
recibidos
r[n]
(secuencia
discreta)
Seal
salida
r(t)
(seal
analgica)
A/D
DSP
ASIC
(ecualizador+
detector+
decodificador)
Utilizando el modelo de canal digital equivalente:

Si el canal fuese ideal y el diseo perfecto
*
:
h
d
[n] = E
p
[n] (diseo perfecto, no ISI)
w[n] blanco y gaussiano,
w
2
= N
0
/2, r
ww
[m] =
w
2
[m]
En la prctica puede ocurrir (incluso con un canal
conocido y utilizando filtros terminales ptimos)
h
d
[n] E
s
[n] (ISI)
w[n] adquiere color,
w
2
= N
0
/2, r
ww
[m]
w
2
[m]

CANAL
DIGITAL
h
d
[n]
s[n]
Secuencia de
smbolos de
entrada
r[n]
Secuencia de
smbolos de
salida
w[n]
Ruido discreto
x[n]
Salida
del
canal
*
Suponiendo que no se trata de sistema con ISI controlada

Ecualizar (igualar) el canal significa introducir un
sistema en cascada de forma que:

y[n] = h
d
[n]*h
ec
[n]*s[n] + h
ec
[n]*w[n] s[n-n
0
]

h
d
[n]
s[n] r[n]
h
ec
[n]
y[n]

~ s[n-n
0
]
w[n]
x[n]
|
Respuesta del
canal ecualizado
|
Ruido a la salida
del ecualizador
Soluciones
Diseos fijos
Estructuras sin restricciones
Filtrado inverso
Filtro de Wiener
Restringidas a una estructura de filtro transversal:
Filtro FIR de Wiener
Forzador de ceros
Mnimos cuadrados
Diseos adaptativos
Con referencia temporal
Algoritmo LMS
Algoritmo RLS
Sin referencias (ciegos)
Dirigidos por decisin
Otras alternativas
Diseos fijos
El problema se plantea de la forma siguiente:
Dada una h
d
[n] y las caractersticas del ruido w[n] disear
un ecualizador con respuesta impulsional h
ec
[n] que
resuelva el problema.
Se utilizan cuando el canal es conocido y no se
esperan variaciones sustanciales con el tiempo.
EJEMPLO: Enlaces a travs de medios guiados (cable, gua
de ondas, fibra ptica)
Pueden usarse tambin en diseos adaptativos por
bloques
EJEMPLO: La transmisin se ejecuta en salvas de 1024
smbolos (tramas). El sistema identifica el canal en cada
trama y supone que las carctersticas de h
d
[n] y w[n] se
mantienen durante el tiempo que dura la trama. Se disea
un ecualizador para las caractersticas de canal medidas.

Diseos fijos y adaptativos por bloques
Diseos adaptativos por bloques

h
d
[n] ?
s
0
[n] r
0
[n]
w[n]?
x
0
[n]
Algoritmo
de
identificacin
de
canal
| |
| |
d
h n
w n
Ecualizador
Diseos fijos sin restriccinFiltrado inverso

y[n] = r[n]*h
ec
[n] =
= (x[n]+w[n])*h
ec
[n] =
= x[n] *h
ec
[n] + w[n]*h
ec
[n] =
=s[n]*h
d
[n]*h
ec
[n] + w[n]*h
ec
[n] s[n-n
0
]
Ignorando la componente de ruido
s[n] *h
d
[n]*h
ec
[n] =s[n-n
0
]

h
d
[n]
s[n] r[n]
h
ec
[n]
y[n]

~ s[n-n
0
]
w[n]
x[n]
s[n] *h
d
[n]*h
ec
[n] =s[n-n
0
]

h
d
[n]*h
ec
[n] =[n-n
0
]

H
d
(z)H
ec
(z) = z
-n0
Solucin:

( )
( )
0
n
ec
d
z
H z
H z
=
Comentarios sobre la realizabilidad:
Solo es estable y causal si h
d
[n] es un sistema de fase
mnima (todos sus ceros dentro del circulo unidad).
En caso contrario el ecualizador diseado tiene polos fuera
del crculo unidad:
Si el sistema es estable (ROC contiene la circunferencia
unidad), es no causal (ROC no contiene )
Si el sistema es causal (ROC contiene ) es inestable.
Como la estabilidad es un criterio irrenunciable, el filtro
inverso puede dar lugar a diseos no causales, lo que
compromete seriamente su aplicabilidad.
En resumen:
h
d
[n] es de fase mnima h
ec
[n] causal
h
d
[n] no es de fase mnima h
ec
[n] no causal
Comentarios sobre las prestaciones
No se ha tenido en cuenta el ruido al disear el ecualizador.
El ruido a la salida ser w[n]*h
ec
[n], luego su densidad
espectral ser S
ww
(F)|H
ec
(F)|
2

En aquellas bandas en las que H
d
(F) tome valores bajos

H
ec
(F) crecer para compensar

La densidad espectral de ruido crecer
La potencia de ruido a la salida ser:

( ) ( )
0.5
2
ruido,out ww ec
0.5
P S F H F dF
=
}
( )
0.5
2
0
ec
0.5
N
H F dF
2

=
}
( )
0.5
2
0
ec
0.5
N
H F dF
2
= =
}
| |
2
0
ec
n
N
h n
2
=
=

EJEMPLO - Filtro inverso
h
d
[n] = [n] 0.3 [n-1]-0.1 [n-2]
Probabilidad de error (E
b
/N
0
= 5 dB) 0.023930
H
d
(F) = 1 0.3e
-j2F
-0.1e
-j4F

( ) ( ) ( )
d
1
H F 110 54cos 2 F 20cos 4 F
10
= t t
( )
( ) ( )
( ) ( )
1
d
3sin 2 F sin 4 F
H F tg
10 3cos 2 F cos 4 F
| |
t + t
=
|
t t
\ .
H
d
(z) = 1 0.3z
-1
-0.1z
-2

Es un sistema de fase mnima
Polos en z = 0 (doble)
Ceros en z = 0.5, -0.2
EJEMPLO Filtro inverso
( )
( )
0
n
ec
d
z
H z
H z
= =
( )
( )
( )
1
5
ec
1
z
H z
1 0.5z 1 0.2z
=
+
( )
5
d
z
H z
=
5
1 2
z
1 0.3z 0.1z

En este caso
se ha elegido
n
0
= 5
| | | |
n 5 n 5
ec
2 1 5 1
h n u n 5
7 5 7 2

(
| | | |
= +
(
| |
\ . \ .
(

( )
( )
( )
1
5
ec
1
z
H z
1 0.5z 1 0.2z
=
+
Probabilidad de error
Sin ecualizador: 0.026501
Con ecualizador: 0.012570
Mnimo terico: 0.005954
Relacin E
b
/N
0

Antes de ecualizar: 5 dB
Despus de ecualizar: 4.04 dB

EJEMPLO 2 Filtro inverso
Sin ecualizador:0.259265
Con ecualizador:0.220274
Relacin E
b
/N
0

Antes de ecualizar: 5 dB
Despus de ecualizar: -5.25 dB

Ecualizador por Filtro de Wiener (no causal)
Nos enfrentamos al problema:

s[n] = Secuencia de smbolos emitidos
h
d
[n] = Respuesta impulsional del canal digital equivalente
x[n] = Salida del canal digital equivalente
w[n] = Ruido digital equivalente
r[n] = Seal a la entrada del ecualizador
h
ec
[n] = Respuesta impulsional del Ecualizador
y[n] = Seal a la salida del ecualizador
d[n] = Seal deseada a la salida del ecualizador
e[n] = Seal error
s[n] r[n]
w[n]
x[n]
d[n]
y[n] e[n]
h
e c
[n]

h
d
[n]
Filtro de Wiener
Analizaremos primero un problema ms sencillo:

h
d
[n]
s[n] r[n]
h
ec
[n]
w[n]
x[n]
d[n]
y[n] e[n]

r[n]
h[n]
d[n]
y[n] e[n]
Filtro de Wiener
Buscamos la solucin al problema:

donde e[n] = d[n] y[n]
Buscamos el mejor filtro h[n] en sentido cuadrtico
medio (Mean Square Error) MSE, (Minimum Mean
Square Error) MMSE
MSE = E{|e[n]|
2
} = potencia media del error
Queremos determinar que filtro h[n] debemos
colocar para minimizar el MSE.

r[n]
h[n]
d[n]
y[n] e[n]
Principio de ortogonalidad
TEOREMA: El principio de ortogonalidad establece
que el MSE ser mnimo cuando se verifique la
condicin:
er
[m] = E{e[n]r*[n-m]} = 0
Alternativamente:
re
[m] =
er
*
[m] = E{r[n]e*[n-m]} = 0
DEMOSTRACIN:
Sea h[n] un filtro tal que al usarlo se verifica
re
[m] = 0
Sea g[n] otro filtro cualquiera
Vamos a demostrar que el MSE obtenido con el filtro h[n] es
siempre menor o igual que el obtenido con g[n].

y
h
[n] = salida del filtro h[n]
y
g
[n] = salida del filtro g[n]
e
h
[n] = d[n] y
h
[n] = error al usar el filtro h[n]
e
g
[n] = d[n] y
g
[n] = error al usar el filtro g[n]
MSE
h
= E{|e
h
[n]|}
2
= E{|d[n] y
h
[n]|
2
}
MSE
g
= E{|e
g
[n]|}
2
= E{|d[n] y
g
[n]|
2
} =
= E{|d[n] y
g
[n]+ y
h
[n] - y
h
[n]|
2
} =
= E{|e
h
[n] + y
h
[n] - y
g
[n]|
2
}

r[n]
h[n]
d[n]
y
h
[n] e
h
[n]

r[n]
g[n]
d[n]
y
g
[n] e
g
[n]
MSE
g
= E{|e
h
[n] + y
h
[n] - y
g
[n]|
2
} =
= E{(e
h
[n] + y
h
[n] - y
g
[n])
*
(e
h
[n] + y
h
[n] - y
g
[n])} =
= E{|e
h
[n]|
2
} + E {e
h
*
[n](y
h
[n] - y
g
[n])} +
+ E {e
h

[n](y
h
[n] - y
g
[n])
*
} + E {|y
h
[n] - y
g
[n]|
2
} =
= MSE
h
+ E {|y
h
[n] - y
g
[n]|
2
} +
+ E {e
h
*
[n](y
h
[n] - y
g
[n])} + E {e
h

[n](y
h
[n] - y
g
[n])
*
}
Luego MSE
g
= MSE
h
+ un trmino que es siempre
mayor o igual que 0 + otros dos trminos (que,
como demostraremos a continuacin, son 0)
Veamos primero que ambos son complejos
conjugados uno del otro:
E {e
h
*
[n](y
h
[n] - y
g
[n])} = [E {e
h

[n](y
h
[n] - y
g
[n])
*
}]
*

de modo que basta demostrarlo para uno de ellos.


| | | | | | | | | |
*
h
m m
E e n h m r n m g m r n m

= =

| |
= =
`
|
\ .

)

| | | | | | ( )
{ }
*
h h g
E e n y n y n =
| | | | | | ( ) | |
*
*
h
m
E e n h m g m r n m
=

= =
`
)
| | | | ( ) | | | | { }
*
*
h
m
h m g m E e n r n m
=
= =
| | | | ( ) | |
h
*
e r
m
h m g m m
=
= =
| | | | ( )
*
m
h m g m 0 0
=
= =

Por tanto,
MSE
g
= MSE
h
+ E {|y
h
[n] - y
g
[n]|
2
}
de forma que el filtro capaz de verificar
er
[m] = 0 da
el mnimo MSE (cualquier otro filtro tiene MSE
mayor).
As, el filtro que buscamos verificar el principio de
ortogonalidad
er
[m] = 0
que era lo que queramos demostrar.
A partir de ahora utilizaremos siempre dicho criterio
para el diseo.
Filtro de Wiener
La solucin al problema:

se obtendr cuando
er
[m] = 0 (ppo. ortogonalidad)
er
[m] = E {e[n]r*[n-m]} =
= E {d[n]r*[n-m] - y[n]r*[n-m]} =
=
dr
[m]
yr
[m] = 0
dr
[m] =
yr
[m]

r[n]
h[n]
d[n]
y[n] e[n]
Recordatorio Correlacin y filtros
Dado un proceso estocstico r[n] con autocorrelacin
r
rr
[m] que acta como entrada a un filtro con
respuesta impulsional h[n] y salida y[n], se verifica:

y[n] = h[n]*r[n]
rr
[m] = E{r[n]r*[n-m]}
r
hh
[m] = h[m]*h
*
[-m]
yy
[m] = E{y[n]y*[n-m]} =
rr
[m] * r
hh
[m] =
rr
[m]*h[m]*h
*
[-m]
ry
[m] = E{r[n]y*[n-m]} =
rr
[m] * h*[-m]
yr
[m] = E{y[n]r*[n-m]} =
rr
[m] * h[m]

r[n]
h[n]
y[n]
Recordatorio Densidad espectral y filtros
Dado un proceso estocstico R(z) con densidad
espectral I
rr
(z)

que acta como entrada a un filtro
con funcin de transferencia H(z) y salida Y(z), se
verifica:

Y(z)=H(z)R(z)
I
rr
(z) = Z{
rr
[m]}
S
hh
(z) = H(z)H
*
(1/z
*
)
I
yy
(z) = I
rr
(z) S
hh
(z) = I
rr
(z)H(z) H
*
(1/z
*
)

I
ry
(z) = I
rr
(z)H
*
(1/z
*
)
I
yr
(z) = I
rr
(z)H(z)

R(z)
H(z)
Y(z)
Filtro de Wiener - Solucin
La aplicacin del principio de ortogonalidad resulta
dr
[m] =
yr
[m]
o, tomando transformadas
I
dr
(z) = I
yr
(z)

I
yr
(z) = I
rr
(z)H(z)

r[n]
h[n]
d[n]
y[n] e[n]
( )
( )
( )
dr
rr
z
H z
z
I
=
I
Ecualizador mediante filtro de Wiener
Aplicando ahora la solucin anterior a nuestro
problema:

Necesitamos determinar I
rr
(z) y I
dr
(z), teniendo en
cuenta que d[n] = s[n-n
0
]

h
d
[n]
s[n] r[n]
h
ec
[n]
w[n]
x[n]
d[n]
y[n] e[n]
( )
( )
( )
dr
ec
rr
z
H z
z
I
=
I
Determinacin de I
dr
(z)
I
dr
(z) = Z{
dr
[m]}
dr
[m] = E{d[n]r*[n-m]} = E{s[n-n
0
] (x[n-m]+w[n-m])
*
} =
= E{s[n-n
0
]x
*
[n-m]} + E{s[n-n
0
] w
*
[n-m]} =
=
sx
[m-n
0
] +
sw
[m-n
0
] =
sx
[m-n
0
]
Luego
I
dr
(z) = Z{
sx
[m-n
0
]} = z
-n0

I
sx
(z)
I
sx
(z) = H
d
*
(1/z
*
)I
ss
(z)
I
ss
(z) = Z{
ss
[m]} = Z{E{s[n]s*[n-m]}}
Si la secuencia de smbolos es blanca (smbolos
independientes) que es lo habitual
ss
[m] = E{|s[n]|
2
}[m] I
ss
(z) = E{|s[n]|
2
}
I
dr
(z) = z
-n0

H
d
*
(1/z
*
) E{|s[n]|
2
}
Determinacin de I
rr
(z)
I
rr
(z) = Z{
rr
[m]}
rr
[m] = E{r[m]r*[n-m]} =
= E{(x[n]+w[n])(x*[n-m]+w*[n-m])} =
=
xx
[m] +
wx
[m] +
rw
[m] +
ww
[m] =
=
xx
[m] +
ww
[m]
Luego
I
rr
(z) = I
xx
(z) + I
ww
(z) =
I
rr
(z) = I
ss
(z)H
d
(z)H
d
*
(1/z
*
) + I
ww
(z)
Suponiendo ruido blanco de potencia N
0
/2
I
rr
(z) = E{|s[n]|
2
} H
d
(z)H
d
*
(1/z
*
) + N
0
/2

Ecualizador mediante filtro de Wiener
Finalmente

Comentarios:
El filtro de Wiener tiene en cuenta simultneamente los
efectos de la ISI y del ruido.
Cuando el ruido es muy pequeo (N
0
0) el filtro se
comporta como un filtro inverso
En aquellas zonas en las que H
d
(z) toma valores bajos, el
filtro de Wiener no intenta compensar a cualquier precio,
sino que responde de forma mucho ms suave (no olvida
nunca el ruido)
El filtro obtenido con la expresin anterior es siempre no
causal
( )
| |
{ }
| |
{ }
( )
0
2
n *
d
*
ec
2
*
0
d d
*
1
E s n H z
z
H z
N 1
E s n H z H
z 2
| |
|
\ .
=
| |
+
|
\ .
EJEMPLO Ecualizador por filtro de Wiener
h
d
[n] = [n] 0.3[n-1]-0.1[n-2]

H
d
(z) = 1 0.3z
-1
0.1z
-2

H
d
*
(1/z
*
) = 1 0.3z - 0.1z

Smbolos transmitidos 1 E{|s[n]|
2
} = 1

E
b
/N
0
= 5 dB = 3.16

| |
2
b d 0
n
E h n 1.1 N 0.348
=
= = =
( )
3 4 5
ec
2 1 2
0.1z 0.3z z
H z
0.1z 0.27z 1.274 0.27z 0.1z

+
=
+
Con filtro inverso: 0.011840
Con filtro Wiener: 0.008910
Relacin E
b
/N
0

Sin ecualizar: 5 dB
Con filtro inverso: 4.04 dB
Con filtro Wiener: 4.44 dB
EJEMPLO Ecualizador por filtro Wiener
Con filtro inverso: 0.217144
Con filtro Wiener: 0.060841
Relacin E
b
/N
0

Sin ecualizar: 5 dB
Con filtro inverso: -5.26 dB
Con filtro Wiener: 2.44 dB
Diseos fijos sin restriccin - Conclusiones
Ofrecen la mejor solucin, desde el punto de vista
matemtico al problema planteado.
Dos alternativas
Filtro inverso:
Se disea ignorando el ruido.
Solo causal en sistemas de fase no mnima
No es un buen diseo si el ruido es importante
Filtro Wiener:
Balancea ruido e ISI
Solucin no causal al problema de diseo
Mayor complejidad de diseo
Funciona bien en situaciones de ruido elevado
Mejores prestaciones que el filtro inverso
Diseos fijos sin restriccin - Conclusiones
Desde el punto de vista de su construccin
(programacin) aparecen una serie de
inconvenientes:
Se desconoce a priori la longitud de la respuesta
impulsional que se obtendr como solucin
Se ignora la estructura del filtro (realizaciones hard) o se
ignora el coste computacional asociado al ecualizador en
realizaciones soft (puede comprometer seriamente la seleccin
de procesador).
La no causalidad puede suponer retardos de una trama (o
ms) que pueden ser intolerables en el sistema de
comunicaciones.
La obtencin del filtro es un procedimiento complejo
(especialmente en el caso del filtro de Wiener).
Estos inconvenientes son tan serios que han llevado a la
bsqueda de otras soluciones diseos restringidos.
Diseos restringidos - Introduccin
En los diseos restringidos la estructura del filtro se
establece de antemano.
Se utilizan filtros FIR de una longitud
predeterminada (L
ec
muestras).
Motivos:
Estructuras fijas permiten la realizacin del ecualizador en
circuitos hard o el conocimiento a priori del coste
computacional asociado en realizaciones soft.
Al ser filtros FIR son estructuras intrnsecamente estables
La causalidad implcita de la estructura va a permitir acotar
el retardo mximo.
Los algoritmos de diseo son sensiblemente ms sencillos y
fciles de programar que para sistemas no restringidos.
El inconveniente es que van a ofrecer prestaciones
ms moderadas que los diseos sin restricciones.
Diseos restringidos - Planteamiento
El problema de ecualizacin continua siendo:

donde ahora vamos a forzar
h
ec
[n] = {h
ec
[0], h
ec
[1], h
ec
[L
ec
-1]}
h
ec
[n] = 0 n 0..L
ec
-1

h
d
[n]
s[n] r[n]
h
ec
[n]
w[n]
x[n] y[n]
Criterio de minima distorsin de pico
El criterio de mnima distorsin de pico puede verse
como la versin del filtro inverso para el caso
restringido.
Ignorando el ruido trataremos de resolver:
s[n] *h
d
[n]*h
ec
[n] s[n-n
0
]
o lo que es lo mismo:
h
tot
[n] = h
d
[n]*h
ec
[n] [n-n
0
]
Desarrollando:

donde no debemos olvidar que la longitud total de
h
tot
[n] ser L
tot
= L
d
+ L
ec
- 1

| | | | | | | |
ec
L 1
tot ec d 0
k 0
h n h k h n k n n
=
= ~ o

Criterio de mnima distorsin de pico

h
tot
[0] = h
ec
[0]h
d
[0] + h
ec
[1]h
d
[-1] + + h
ec
[L
ec
-1]h
d
[-L
ec
+1] = 0
h
tot
[1] = h
ec
[0]h
d
[1] + h
ec
[1]h
d
[0] + + h
ec
[L
ec
-1]h
d
[-L
ec
+2] = 0

h
tot
[n
0
] = h
ec
[0]h
d
[n
0
]+h
ec
[1]h
d
[n
0
-1]+ +h
ec
[L
ec
-1]h
d
[n
0
-L
ec
+1]=1

h
tot
[L
tot
-1] = h
ec
[0]h
d
[L
tot
-1]+h
ec
[1]h
d
[L
tot
-2]+ +h
ec
[L
ec
-1]h
d
[L
tot
-L
ec
]=0

| | | | | | | |
ec
L 1
tot ec d 0
k 0
h n h k h n k n n
=
= ~ o
L
tot
ecuaciones
L
ec
incgnitas
Vemos que tenemos un sistema de L
tot
ecuaciones
con L
ec
incgnitas, que se puede expresar en forma
matricial como:
H
d
h
ec
~
n0

donde:

| | | | | |
| | | | | |
| | | | | |
| | | | | |
d d d ec
d d d ec
d 0 d 0 d 0 ec
d tot d tot d d
h 0 h 1 h L 1
h 1 h 0 h L 2
h n h n 1 h n L 1
h L 1 h L 2 h L 1
( +
(
+
(
(
(
+
(
(
(

(

| |
| |
| |
| |
ec
ec
ec 0
ec
h 0
h 1
h n
h L 1
(
(
(
(
~
(
(
(
(
(

0
0
1
0
(
(
(
(
(
(
(
(

L
tot
filas x L
ec
columnas L
ec
filas L
tot
filas
H
d
h
ec
=
n0

H
d
= Matriz del canal (L
tot
filas x L
ec
columnas)
h
ec
= Vector representa al ecualizador (incognitas)
(L
ec
filas)

n0
= Vector de respuesta deseada o de condiciones
(0 en todos los valores excepto en n
0
) (L
tot
filas)
Imposible verificar todas las ecuaciones
simultneamente
Es necesario seleccionar un criterio y tratar de
optimizarlo.
El criterio que veremos es el denominado Minimax
(o de mnima distorsin de pico):
min {max |h
tot
[n]|}, n=0..L
tot-1
, n n
0

Minimax (mnima distorsin de pico)
min {max |h
tot
[n]|}, n=0..L
tot-1
, n n
0

Se podra interpretar como la minimizacin del valor
mximo de la ISI.
No existe una solucin cerrada para el caso general
optimizacin numrica
algoritmos difciles de llevar a la prctica
La eleccin de n
0
tiene efecto sobre el resultado final
obtenido
sera necesaria una doble optimizacin
(que habitualmente no se hace).
Ntese que en caso de permitir que L
ec
se obtiene el
filtro inverso.
Filtro de Wiener (FIR)
Una alternativa a la tcnica anterior es la versin FIR
del filtro de Wiener.

donde ahora vamos a forzar
h
ec
[n] = {h
ec
[0], h
ec
[1], h
ec
[L
ec
-1]}
h
ec
[n] = 0 n 0..L
ec
-1
e intentar minimizar el criterio MSE = E{|e[n]|
2
}

h
d
[n]
s[n] r[n]
h
ec
[n]
w[n]
x[n]
d[n]
y[n] e[n]
Filtro de Wiener (FIR)
Buscamos determinar el valor de los L
ec
coeficientes
del filtro ecualizador
h
ec
[0], h
ec
[1], h
ec
[L
ec
-1]
que minimizan el MSE
Para ello lo ms sencillo es resolver:

| |
ec
ec
MSE
0 k 0,1, , L 1
h k
c
= =
c
| |
| |
{ }
| |
| | | | { }
| |
2
*
ec ec ec
E e n
E e n e n
MSE
h k h k h k
c
c
c
= =
c c c
| | | | { }
| |
| |
| |
| |
| |
| |
| |
*
*
*
ec ec ec
e n e n
e n e n
E E e n e n
h k h k h k

c

c c

= = + =
` `
c c c

)
)
Teniendo en cuenta que
e[n] = d[n] y[n]
y dado que d[n] es independiente de los coeficientes
del ecualizador

tenemos que:

mientras que el trmino

| |
ec
d[n]
0
h k
c
=
c
| | | | | |
| | | | | |
ec
L 1
ec
l 0
ec ec ec
e[n] y[n]
h l r n l r n k
h k h k h k
=
c c c
= = =
c c c

| | | | | |
| | | |
ec
* L 1
* *
ec
l 0
ec ec ec
e [n] y*[n]
h l r n l 0
h k h k h k
=
c c c
= = =
c c c

Sustituyendo los resultados anteriores

y como e
*
[n] = d
*
[n]-y
*
[n] tenemos:

por lo que la condicin se puede resumir en:

condicin que debe satisfacerse para
| |
| | { }
*
ec
ec
MSE
E r n k e [n] 0 k 0,1, , L 1
h k
c
= = =
c
| | | | | | ( )
{ }
| | | | { } | | | | { }
* * * *
E r n k d n y n 0 E r n k y n E r n k d n = =
| | | | | | | |
* *
yr dr yr dr
k k k k = =
| | | | | | | | | | | |
ec
L 1
yr rr ec ec rr dr
m 0
k k *h k h m k m k
=
= = =
ec
k 0,1, , L 1 =
Filtro FIR de Wiener. Solucin
Desarrollando la expresin

se obtiene:

h
ec
[0]
rr
[0] + h
ec
[1]
rr
[-1] + + h
ec
[L
ec
-1]
rr
[-L
ec
+1] =
dr
[0]
h
ec
[0]
rr
[1] + h
ec
[1]
rr
[0] + + h
ec
[L
ec
-1]
rr
[-L
ec
+2] =
dr
[1]

h
ec
[0]
rr
[L
ec
-1]+h
ec
[1]
rr
[L
ec
-2]+ +h
ec
[L
ec
-1]
rr
[0]=
dr
[L
ec
-1]

cuya solucin existe (en general ) y es nica.
| | | | | |
ec
L 1
ec rr dr ec
m 0
h m k m k k 0,1, , L 1
=
= =
L
ec
ecuaciones
L
ec
incgnitas
Tenemos un sistema de L
ec
ecuaciones con L
ec

incgnitas, que se puede expresar como:
I
rr
h
ec
=
dr

El sistema de ecuaciones anteriores se conoce como
ecuaciones de Wiener-Hopf y se suele resolver
utilizando para ello el denominado algoritmo de
Levinson-Durbin, que reduce el coste computacional
al explotar la simetra de la matriz.

| | | | | |
| | | | | |
| | | | | |
rr rr rr ec
rr rr rr ec
rr ec rr ec rr
0 1 L 1
1 0 L 2
L 1 L 2 0
( +
(
+
(
(
(

| |
| |
| |
ec
ec
ec ec
h 0
h 1
h L 1
(
(
(
=
(
(

| |
| |
| |
dr
dr
dr ec
0
1
L 1
(
(
(
(
(

L
ec
filas x L
ec
columnas
L
ec
filas
L
ec
filas
El valor de
rr
[m],
dr
[m] ya se obtuvieron cuando se
analiz el filtro de Wiener sin restricciones.
I
rr
(z) = I
ss
(z)H
d
(z)H
d
*
(1/z
*
) + I
ww
(z)
I
dr
(z) = z
-n0

H
d
*
(1/z
*
)I
ss
(z)
por tanto:
rr
[m] =
ss
[m]*r
hdhd
[m] +
ww
[m]
dr
[m] = h
d
*
[-m]

*

ss
[m-n
0
]
que en el caso habitual de secuencia de smbolos
blanca y ruido blanco se convierte en:
rr
[m] = E{|s[n]|
2
} r
hdhd
[m] + N
0
/2o[m]
dr
[m] = h
d
*
[-m+n
0
] E{|s[n]|
2
}

h
d
[n] = [n] 0.3[n-1]-0.1[n-2]

Smbolos transmitidos 1 E{|s[n]|
2
} = 1

E
b
/N
0
= 5 dB = 3.16, n
0
= 2

rr
[m] = r
hdhd
[m] + 0.174
dr
[m] = h
d
*
[-m+2]
r
hdhd
[m] = -0.1[m+2] 0.27[m+1]+1.1o[m]-0.27o[m-1]-0.1o[m-2]
rr
[m] = -0.1[m+2] 0.27[m+1]+1.274o[m]-0.27o[m-1]-0.1o[m-2]
dr
[m] = [-m+2] 0.3[-m+1]-0.1[-m]
| |
2
b d 0
n
E h n 1.1 N 0.348
=
= = =

Filtro FIR de Wiener. Ejemplo
Suponiendo que deseamos construir un ecualizador
de longitud L
ec
= 3 tendremos:

cuya solucin es:

1.274 0.27 0.1
0.27 1.274 0.27
0.1 0.27 1.274

(
(
=
(
(

rr
| |
| |
| |
ec
ec
ec
h 0
h 1
h 2
(
(
=
(
(

ec
h
0.1
0.3
1
(
(
=
(
(

dr
0.0356
0.0809
0.7650
(
(
=
(
(

ec
h
Conclusiones
La presencia de ISI limita enormemente las
prestaciones de los sistemas de transmisin digital.
Posibles soluciones
Cambiar el detector MLSD
Mejor solucin posible tericamente
Problemas de realizabilidad
Mantener el detector y aadir un ecualizador
Solucin subptima, pero realizable
Posibilidades de diseo
Fijos (adaptativos por bloques)
No restringidos (inverso, Wiener, Wiener causal)
Restringidos a una estructura de filtro transversal (mnima
distorsin de pico, filtro FIR Wiener)
Adaptativos

Referencias
rd
.ed.
Pginas 424 a 427 y 448 a 465.
th
ed.
Captulo 10
Pginas 143 a 144, cap.10
Pginas 318-336

Tema 4:
Codificacin de canal
Transmisin Digital
Organizacin
Introduccin
Ejemplo
Esquema y definiciones
Cdigos de bloque
Cdigos convolucionales
Codificacin avanzada
Conclusiones
Referencias

Introduccin
El Teorema de Codificacin de Canal (Shannon)
establece que:
Es posible enviar (con el cdigo adecuado) con una
probabilidad de error arbitrariamente pequea si y solo
si H(S)R
s
CR
c
En este tema vamos a abordar el diseo de
codificadores que nos permitan aproximarnos a la
capacidad de canal.

Ejemplo
Canal binario simtrico con p=0.15
C = 0,39 bits/uso de canal
Intentamos mejorar transmitiendo cada smbolo 3
veces y decidiendo por mayora, con la intencin de
obtener una capacidad 0,393 = 1,17 bits.
Smbolo 1 Transmitimos 1,1,1
Smbolo 0 Transmitimos 0,0,0
La nueva probabilidad de error ser:
3p
2
(1-p
e
)+p
3
=0,0607
que corresponde a una capacidad
C = 0,6696 bits < 1,17
Por qu?

Ejemplo
La capacidad sera 3C = 1,17 bits si los smbolos de
entrada al canal fuesen equiprobables:
X = 000,001,010,011,100,101,110,111
pero nosotros slo hemos empleado dos smbolos
posibles de entrada:
X= 000,111.
Al reducir la entropa a la entrada no puede
alcanzarse la capacidad de canal.

ESQUEMA DE CODIFICADOR Y
DECODIFICADOR PARA UN CANAL DMC

DEFINICIONES
(n,k) Descripcin usada para referirse al cdigo
k Tamao de las palabras del alfabeto de entrada o
Longitud de las palabras de entrada
n Tamao de las palabras cdigo o
Longitud del cdigo
R=k/n Tasa de transmisin (o tasa de cdigo)
r=n-k Redundancia

Esquema y definiciones
Definiciones (continuacin)
Alfabeto de entrada: B
Compuesto por las 2
k
posibles combinaciones
de bits a la entrada.
Palabra cdigo: c
Cada una de las 2
k
posibles combinaciones
de n bits a la salida del codificador
Diccionario de cdigos: C
Conjunto de todas las palabras cdigo
Distancia mnima de un cdigo:

Un cdigo es capaz de corregir hasta errores ( )
min
1 / 2 d (

Ejemplo revisitado
Canal BSC con p=0,15
Vamos a disear un codificador con n=3k, R=1/3,
para diferentes valores de k.
Elegimos las 2
k
palabras cdigo de n bits que ms se
diferencien entre s. Por ejemplo, para k=2, podran
ser:

En la decodificacin elegimos como palabra cdigo
correcta aquella que presente mayor similitud con
alguna de ellas.
Ejemplo revisitado
A cada una de las 2
k
palabras cdigo les corresponde
un conjunto de 2
n
/2
k
= 2
2k
smbolos recibidos.
Por ejemplo para el vector todo ceros:

La p
e
de la palabra cdigo ser ahora:
p
e
=1-((1-p)
6
+6p(1-p)
5
+9p
2
(1-p)
4
)=0.1178
resultado un tanto SORPRENDENTE pues la
probabilidad de error en la transmisin de 2 bits de
informacin es menor que en 1 !!!

Resultado para diferentes valores de n

La grfica muestra la
evolucin de la p
e
de
una palabra cdigo a
medida que n aumenta.
Si n=1500 p
e
310
-3
,
k=500 p
e,bit
610
-6

Relacin entre C y
R=0.3333
Para p=0.13 (C=0.4426) la
cada es ms rpida
Para p=0.17 (C=0.3423) la
cada es muy lenta
Para p=0.19 (C=0.2985) la
p
e
sube cuando n
aumenta.

Ms definiciones
Probabilidad de error de una palabra cdigo:

Probabilidad de error media de un cdigo:

Probabilidad de error mxima de un cdigo:

Podemos realizar una transmisin fiable a una tasa R si
existe una secuencia de cdigos (n, nR) (donde nR denota el entero ms
pequeo que es mayor que nR) tal que la probabilidad de error mxima,
p
e
(mx, n), tiende a cero cuando n tiende a infinito.
Formalmente, si para todo > 0 existe una secuencia de cdigos (n, nR) y
un valor n
0
para el que P
e
(mx, n) < cuando n > n
0
.
Retos
En realidad querramos encontrar una FORMA
SISTEMTICA de construir cdigos para los que:
La codificacin sea sencilla y de bajo coste computacional
La decodificacin sea sencilla y de bajo coste computacional
La p
e
decaiga lo ms rpidamente posible a medida que aumenta n
Los decodificadores pueden ser:
Soft (o blandos) si hacen uso de la seal a la salida del
demodulador, antes del detector.
Hard (o duros) si hacen uso de la seal a la salida del
detector.
Los decodificadores blandos utilizan distancias eucldeas,
mientras que los duros utilizan distancias de Hamming
Sistema binario BPSK, B={0,1}, C={00,11} (repeticin)

Smbolos {-1,+1}
Comparacin decodificador blando y duro
Decodificador HARD
d
min
=2 corrige hasta 0
errores y detecta hasta 1
p
e,palabra
=p
2
+2p(1-p) 2p

Decodificador SOFT
No detecta ni corrige errores.

Bit 1
Bit 2
11
00
1
1
-1
-1

Bit 1
Bit 2
11
00
1
1
-1
-1
0 0
2 2
s b
E E
p Q Q
N N
| | | |
= =
| |
\ . \ .
0 0
2 2
s b
e
E E
p Q Q
N N
| | | |
= =
| |
\ . \ .
0 0
2
2 2
s b
E E
p Q Q
N N
| | | |
~ =
| |
\ . \ .
Ganancia de codificacin
Diferencia entre la relacin SNR necesaria para
alcanzar cierta BER con y sin sistema de codificacin.
En el caso anterior:

BER sin codificador

BER con decodificador HARD
Ganancia de codificacin (BER = 10
-6
) Tabla Q(x)

6
0 0
sin cod
2
10 11,3
b b
E E
Q
N N
| |
| |
= =
|
|
\ .
\ .
6
HARD
0 0
HARD
2 10 24 3, 26
b b
E E
Q G dB
N N
| |
| |
= = =
|
|
\ .
\ .
Sin codificador Codificador HARD Codificador SOFT
0
2
b
E
Q
N
| |
=
|
\ .
0
2
b
E
Q
N
| |
|
\ .
0
2
b
E
Q
N
| |
=
|
\ .
6
SOFT
0 0
SOFT
2
10 11,3 0
b b
E E
Q G dB
N N
| |
| |
= = =
|
|
\ .
\ .
Sistema binario BPSK, B={00,01,10,11}, C={000,011,101,110}

Sin codificador

Para BER = 10
-6

Otro ejemplo
-1
0
1
-1
0
1
-1
-0.5
0
0.5
1
101
000
110
011
Bit 1
Bit 2
Bit 3
0 0
2 2
s b
E E
BER Q Q
N N
| | | |
= =
| |
\ . \ .
6
0 0
sin cod
2
10 11,3
b b
E E
Q
N N
| |
| |
= =
|
|
\ .
\ .
BER y Ganancia de codificacin
Decodificador HARD

Para BER = 10
-6

G
HARD
= -2,14dB

Decodificador SOFT

Para BER = 10
-6

G
SOFT
= 1 dB

,
0 0
3 2
2 4
3 3
3
s b
s b
e s
E E
E E
p Q Q
N N
|
=
| | | |
~ =
| |
\ . \ .
0 0
4 4
3 3
3 3
b b
E E
BER Q Q
N N
| | | |
~ =
| |
\ . \ .
,
0 0
3 2
4 8
3 3
3
s b
s b
e s
E E
E E
p Q Q
N N
|
=
| | | |
~ =
| |
\ . \ .
0
8 2
3
3 3
b
E
BER Q
N
| |
~
|
\ .
6
0 0
4
3 10 18,52
3
b b
HARD
E E
Q
N N
| |
| |
= =
|
|
\ .
\ .
6
0 0
8
2 10 8,95
3
b b
SOFT
E E
Q
N N
| |
| |
= =
|
|
\ .
\ .
La ganancia del decodificador SOFT es siempre mayor que
la del decodificador HARD
Comparacin decodificadores
Dr. J.R. Cerquides Universidad de Sevilla
17
-1
0
1
-1
0
1
-1
-0.5
0
0.5
1
101
000
110
011
Bit 1
Bit 2
Bit 3
-1
0
1
-1
0
1
-1
-0.5
0
0.5
1
101
000
110
011
Bit 1
Bit 2
Bit 3
Decodificador HARD
Decodificador SOFT
Ancho de banda ocupado
Al utilizar un codificador de tasa R, o bien:
El ancho de banda se incrementa en un factor 1/R

O bien la velocidad de informacin se reduce en un factor R

Donde antes transmitamos k smbolos/s
ahora transmitimos n=k/r smbolos/s
SUBE EL BW NECESARIO
Si seguimos transmitiendo a la misma velocidad
slo k de cada n son informacin
SE REDUCE LA TASA BINARIA
DE INFORMACIN
Cdigos de bloque
Los cdigos de bloque estructuran los datos en
BLOQUES de longitud FIJA a los que aaden
REDUNDANCIA.

Todos los ejemplos vistos son cdigos de bloque.
Nos van a interesar especialmente los cdigos de
bloque LINEALES y, entre ellos, los cdigos
CCLICOS.
Vamos a necesitar conceptos de campos de Galois
(GF) (Galois Field).
k
DATOS
n-k
REDUNDANCIA
Campos de Galois
Cuerpo finito, campo finito o campo de
Galois (variste Galois) es un CUERPO que contiene
un nmero finito de elementos.
EJEMPLO: GF(2)
a+b = (a+b)
2

ab = (ab)
2

EJEMPLO: GF(3)
a+b = (a+b)
3

ab = (ab)
3

+ 0 1 2
0 0 1 2
1 1 2 0
2 2 0 1
0 1 2
0 0 0 0
1 0 1 2
2 0 2 1
+ 0 1
0 0 1
1 1 0
0 1
0 0 0
1 0 1
Cdigos bloque lineales
Un cdigo bloque es lineal (n,k) si es un s.e.v. de
dimensin k de GF(2
n
).

PROPIEDADES:
Cualquier combinacin lineal de palabras cdigo es palabra
cdigo.
La palabra 0 pertenece al cdigo
La d
min
de un cdigo lineal coincide con el menor nmero
de 1s en una palabra cdigo (excepto la 0)
Todas las palabras cdigo poseen otra a distancia d
min

Las k palabras cdigo forman un s.e.v.
EJEMPLO
k = 2, n=6

La
palabra 0
pertenece
al cdigo
d
min
= 4
011011
+110110
101101
Generacin de un cdigo lineal
Para generar un cdigo lineal basta con una MATRIZ
GENERADORA G que contenga k vectores linealmente
independientes c = b G
EJEMPLO: Cdigo (5,2)

Cualquier matriz que contenga una base (n-k vectores) del
complemento ortogonal a G es una MATRIZ DE
COMPROBACIN DE PARIDAD, H.
c H
T
= 0 pues G H
T
= 0 y H
T
c = 0 pues H G
T
= 0
EJEMPLO:

Adems, H es una matriz generadora de un cdigo (n,n-k)
0 0 1 1 1
1 1 1 0 0
(
=
(

G
| | | |
| | | |
| | | |
| | | |
0 0 0 0 0 0 0
0 1 1 1 1 0 0
1 0 0 0 1 1 1
1 1 1 1 0 1 1
b c
b c
b c
b c
= =
= =
= =
= =
1 1 0 0 0
0 1 1 1 0
0 0 0 1 1
(
(
=
(
(

H
1
1 1 0 0 0 0 1
0 1 1 1 0 0 0
0 0 0 1 1 0 1
1
(
(
( (
(
( (
= (
( (
(
( (

(
(

Cdigos SISTEMTICOS
Los procesos de codificacin y decodificacin se
simplifican si el cdigo es SISTEMTICO (los
primeros k bits de la palabra cdigo coinciden con la
palabra a codificar).
Para que ocurra G debe tomar una forma especial:
G = [I
k
| P] H = [P
T
| I
n-k
]
EJEMPLO:

1 0 1 0 1
0 1 0 1 1
(
=
(

G
1 0 1 0 0
0 1 0 1 0
1 1 0 0 1
(
(
=
(
(

H
Sndrome
El sndrome es r H
T
, que ser 0 si r es una palabra cdigo.
Si r = c+e entonces r H
T
= e H
T

Como el sndrome depende del error, podemos elaborar una
tabla para cada sndrome, consignando el patrn de error
asociado (el que menos errores contenga).
EJEMPLO:

Los sndromes 111 y 101 corresponden a ms de un error.
Existen dos posibilidades: reportar la palabra recibida como
errnea o realizar la decodificacin con ms de un error.
Un cdigo es PERFECTO si en la tabla no queda ningn
sndrome por asignar.

1 0 0
1 1 0
0 1 0
0 1 1
0 0 1
T
(
(
(
= (
(
(
(

H
0 0 0 0 1 0 0 1
0 0 0 1 0 0 1 1
0 0 1 0 0 0 1 0
0 1 0 0 0 1 1 0
1 0 0 0 0 1 0 0
(
(
(
(
(
(
(

Error Sndrome
Capacidad correctora (cota de Hamming)
Un cdigo binario de longitud n con capacidad de
corregir (t) errores debe tener una redundancia (r)
r = n-k log
2
V(n,t)
V(n,t) es la esfera de Hamming de radio t (nmero
de vectores que estn a distancia t)

EJEMPLO: Es posible corregir 3 errores en un
cdigo con (12,5)?

r = 7 log
2
299 = 8,22 NO
La igualdad r = log
2
V(n,t) CDIGO PERFECTO.

( )
0
,
t
j
n
V n t
j
=
| |
=
|
\ .
( )
3
0
12
12,3 1 12 66 220 299
j
V
j
=
| |
= = + + + =
|
\ .
Cdigos PERFECTOS
Slo existen 4 cdigos perfectos:
Trivial: n=k, r=0, t=0
Repeticin: n impar, k=1, t=(n-1)/2
Golay: n=23, k=11, t=3
Hamming: n=2
r
-1, k=n-r, t=1
EJEMPLO: Cdigo de Hamming (r=3 n=7, k=4)
sistemtico

0 1 1 1 1 0 0
1 0 1 1 0 1 0
1 1 0 1 0 0 1
(
(
=
(
(

H
1 0 0 0 0 1 1
0 1 0 0 1 0 1
0 0 1 0 1 1 0
0 0 0 1 1 1 1
(
(
(
=
(
(

G
Todas las
combinaciones
restantes
EJEMPLO
Si c = [0 1 0 0 1] c(x) = x+x
4
xc(x) = x
2
+x
5
= 1 (x
5
+1) + (x
2
+1) [1 0 1 0 0]

Para generar un cdigo cclico se parte de un
polinomio GENERADOR g(x) de grado r=n-k.
Las palabras cdigo se obtienen multiplicando b(x)
por g(x) (cdigo NO SISTEMTICO).
EJEMPLO:
g(x) = 1+x
2
+x
3
+x
4
r=4. Si k=3, n=7
b = [0 1 1] b(x)=x+x
2

c(x)=g(x)b(x) = x+x
3
+x
4
+x
5
+x
2
+x
4
+x
5
+x
6

c(x) = x+x
2
+x
3
+x
6
c = [0 1 1 1 0 0 1]

Cociente Resto
Mtodo SISTEMTICO
Existe una forma de obtencin alternativa que da
lugar a un cdigo SISTEMTICO (aunque la
redundancia precede a los datos).
El procedimiento es:
Obtener d(x) = (b(x) x
r
)
g(x)

Construir c(x) = b(x) x
r
+ d(x)
EJEMPLO:
g(x) = 1+x
2
+x
3
+x
4

b = [0 1 1] b(x)=x+x
2

d(x) = (x
5
+x
6
)
g(x)
= x
3
+1
c(x)=b(x) x
r
+ d(x)=1+x
3
+x
5
+x
6
c = [1 0 0 1 0 1 1]

Datos Redundancia
As trabaja MATLAB
EJEMPLO
g(x) = 1+x
2
+x
4
r=4, k=2, n=6
Obtener todas las palabras cdigo.

DETALLES:
Cualquier palabra cdigo rotada es otra palabra cdigo.
En este caso se obtiene un cdigo SISTEMTICO.
La matriz generadora sera:

Entrada b(x) c(x) Salida
00 0 0 000000
01 x x+x
3
+x
5
010101
10 1 1+x
2
+x
4
101010
11 1+x 1+x+x
2
+x
3
+x
4
+x
5
111111
1 0 1 0 1 0
0 1 0 1 0 1
(
=
(

G
Decodificacin de un cdigo cclico
Para calcular el sndrome s(x) basta obtener el resto
de la divisin entre la palabra recibida y el
polinomio generador g(x).
Si el polinomio recibido es r(x)=c(x)+e(x),
s(x)=(r(x))
g(x)
=(c(x)+e(x))
g(x)
=(e(x))
g(x)

EJEMPLO:
g(x) = 1+x
2
+x
3
+x
4

b = [0 1 1] c = [0 1 1 1 0 0 1]
Si r = [0 1 1 1 0 0 0] r(x) = x+x
2
+x
3

s(x)=x+x
2
+x
3
e(x)=x
6
c = [0 1 1 0 0 1]

Es necesario disponer de una
tabla de sndromes, aunque
existen otras alternativas
Tabla de sndromes para cdigos cclicos
Error e(x) s(x) Sndrome
1000000 1 1 1000
0100000 x x 0100
0010000 x
2
x
2
0010
0001000 x
3
x
3
0001
0000100 x
4
1+x
2
+x
3
1011
0000010 x
5
1+x+x
2
1110
0000001 x
6
x+x
2
+x
3
0111
Si el ltimo bit del
sndrome es 1, al
desplazar (multiplicar
por x) habr que
recalcular el residuo.
Error e(x) s(x) Sndrome
0001000 x
3
x
3
0001
0000100 x
4
1+x
2
+x
3
1011
0000001 x
6
x+x
2
+x
3
0111
Esta propiedad acorta
la tabla y los tiempos
de bsqueda.
Cdigos BCH y RS
Algunas de las familias de cdigos cclicos ms famosos son los
cdigos BCH (Bose Chaudhuri Hocquenghem) o RS (Reed
Solomon).
Cdigos BCH
Ms conveniente para errores independientes.
Parmetros:
Longitud del bloque: n=2
m
-1 m>=3
Bits de informacin: kn-m t
Distancia mnima: d2 t+1
Cdigos RS
Variante del BCH, operando con smbolos no binarios.
Ms apropiada para rfagas de errores
Parmetros:
Bits por smbolo: m
Longitud del bloque: n=2
m
-1 smbolos
Smbolos de informacin: k=n-2t smbolos
Capacidad correctora: t smbolos
Distancia mnima: d(2 t+1) smbolos

Ejemplo de diseo y uso BCH (MATLAB)
m=4, t=1 n=15, k=15-4 t=11
Cdigo (15,11)
Hay otras alternativas:
bchnumerr(15)
Generacin del polinomio:
bchgenpoly(15,11)
g(x) = 1 + x
3
+ x
4
Codificacin de los datos:
bchenc(gf([01010101010],1),15,11)
c=[01010101010 0100]
Introduccin de un error:
r=c;r(1)=1
r=[11010101010 0100]
Decodificacin:
[d,num]=bchdec(r,15,11)
d=[01010101010 0100]

m=4, t=2 n=15, k=15-4 t=7
Cdigo (15,7)
Generacin del polinomio:
bchgenpoly(15,7)
g(x) = 1 + x+x
2
+ x
4
+ x
8
Codificacin de los datos:
bchenc(gf([0101010],1),15,7)
c=[0101010 00011010]
Introduccin de dos errores:
r=c;r(1)=1;r(2)=0;
r=[1001010 00011010]
Decodificacin:
d=[0101010]
Introduccin de tres errores:
r=c;r(1)=1;r(2)=0;r(3)=1;
Decodificacin:
d=[1011110]

Campos de Galois y cdigos RS
Para generar un GF(2
m
) es necesario encontrar un polinomio
binario PRIMITIVO p
m
(x) que verifique:
p
m
(x) es IRREDUCIBLE o PRIMO (no factorizable)
El menor n para que p
m
(x) divida a x
n
+1 es 2
m
-1
EJEMPLO:
Para m=2 n=3, p
2
(x) = x
2
+x+1, pues x
3
+1 = p
2
(x)(x+1)
Una vez tenemos p
m
(x) podemos generar el GF. Sus elementos
sern 0,
0
,
1
,
2

n-1
, definidos como en el ejemplo.
EJEMPLO:
Para m=3 n=7, p
3
(x) = x
3
+x+1
Elemento Polinomio Cdigo Elemento Polinomio Cdigo
0 0 000 (0)
3
+1 011 (3)
0
1 001 (1)
4

2
+ 110 (6)
1
010 (2)
5

2
++1 111 (7)
2

2
100 (4)
6

2
+1 101 (5)
Ejemplo de diseo y uso RS (MATLAB)
m=3 bits/smbolo GF(2
3
) {n=7, k=5, t=1} smbolos
Generacin del polinomio: [g,t]=rsgenpoly(7,5)
g(x)=x
2
+
4
x+
3
Codificacin de los datos: rsenc(gf([0 0 0 0 3],3),7,5)
b = [0 0 0 0 3] = [000 000 000 000 011] b(x) =
3
= +1. Para que sea
sistemtico: (x
n-k
b(x))
g(x)
nos da la redundancia

c = [0 0 0 0 3 1 5] = [000 000 000 000 011 001 101]
Introduccin de un error de smbolo (un bit):r=c;r(1)=4;
Decodificacin: d=rsdec(r,7,5)
d = [0 0 0 0 3]
Introduccin de un error de smbolo (3 bits):r=c;r(1)=7;
d = [0 0 0 0 3]
Introduccin de un error en dos smbolos:r=c;r(1)=4;r(2)=1;
d = [4 1 0 0 5]

( )
3 2 7 6
3 2 2
2 4 3 2 4 3
( ) 1 1
x x
c x x x
x x x x
o o o
o o o
o o o o
+
= + = + + + +
+ + + +
Modificando cdigos
A partir de un cdigo se pueden derivar versiones
modificadas. Esto permite generar cdigos
AUMENTADOS: (n,k)(n,k+1) r
EXPURGADOS: (n,k)(n,k+1) r
EXTENDIDOS: (n,k) (n+1,k) r
PERFORADOS. (n,k) (n-1,k) r
ALARGADOS: (n,k) (n+1,k+1), r =
ACORTADOS: (n,k) (n-1,k-1) r=
Implementacin de codificadores. Ejemplo
Es posible implementar los codificadores:
Software (DSPs, C, P)
Hardware (FPGA, VHDL)
EJEMPLO: Producto b(x)g(x)
Polinomio generador: g(x) = x
3
+ x + 1
Mensaje: b = [0 1 0 1] b(x) = x
2
+ 1
c(x) = g(x)b(x) = x
5
+ x
2
+ x + 1 c = [0 1 0 0 1 1 1]

EJEMPLO (cont.)
Implementacin de codificadores
EJEMPLO: (x
n-k
b(x))
g(x)

Polinomio generador: g(x) = x
3
+ x + 1
Mensaje: b = [0 1 0 1] b(x) = x
2
+ 1
r(x) = (x
n-k
b(x))
g(x)

c(x) = x
n-k
b(x)+(x
n-k
b(x))
g(x)
= x
5
+ x
3
+ x
2
c = [0 1 0 1 1 0 0]

EJEMPLO (cont.)
Resto = x
2

Prestaciones de los cdigos bloque
Procedimiento a seguir:
Determinar d
min
:
Menor nmero de 1s de una palabra cdigo distinta de 0
Calcular P
e,s
y BER:

1/kP
e,s
BER P
e,s

Obtener la ganancia de codificacin
El procedimiento es habitualmente muy complejo,
especialmente para valores de n elevados y requiere
simulacin.
( )
,
0
1 1
t
n i
i
e s
i
n
P p p
i

=
| |
s
|
\ .
Simulaciones
BER obtenida por distintos cdigos BCH para un canal con
p
e
= 0,0563 C = 0,6874
Tasa mxima dada
una BER
Hamming (7,4)
BCH (15,k)
BCH(31,k)
BCH(63,k)
BCH(127,k)
- BCH (255,k)
--- BCH (511,k)
BCH (1023,k)

Simulaciones
BER obtenida por distintos cdigos BCH para un canal con
modulacin BPSK, en funcin de la SNR
- BCH (63,30)
BCH (127,64)
--- BCH (255,131)
- BCH (511,259)
BCH (1023,513)

Aplicaciones de los cdigos de bloque
Almacenamiento de
datos: CD, DAT,
DVD
En CD se utilizan dos
versiones acortadas de
un (255,251): uno interno
(32,28) y uno externo
(28,24). En conjunto
pueden corregir rfagas
de hasta 4000 bits
errneos (2,5 mm).
En DVD el
procedimiento es
semejante, con cdigo
interno (208,192) y
externo (182,172).
Aplicaciones de los cdigos de bloque (II)
Cdigos de barras:
PDF-417, MaxiCode,
Datamatrix, QR y
Aztec usan cdigos
Reed-Solomon a
diferentes niveles.
Aplicaciones de los cdigos de bloque (III)
Comunicaciones:
G-709 (interfaz para
transporte ptico)
emplea un cdigo
RS (255,239).
DVB-T, C, S utiliza
un cdigo RS
(204,188) resultado
de acortar el anterior
(255,239).
Las imgenes
enviadas por el
Voyager utilizan
codificacin RS.
Conclusiones
A los cdigos BCH/RS les cuesta acercarse a la
capacidad del canal, y necesitaran valores de n muy
elevados retardos, complejidad.
Son cdigos competitivos para R 1 y tamaos
pequeos (n<1000).
Los algoritmos de decodificacin slo son correctos
siempre que el nmero de errores no exceda de la
capacidad correctora del cdigo.
Los cdigos BCH son ms adecuados para errores
aislados/dispersos
Los cdigos RS son ms adecuados para errores en
rfaga.
Codificacin convolucional
A diferencia de los cdigos bloque, los codificadores
convolucionales involucran un sistema con memoria.
EJEMPLO: (D hace las veces de retardo ==z
-1
)

( )
| |
( )
| |
( )
| |
( )
| |
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
0 0 0 0
0 0 3
1 0 3 2
1 3
1
1
C l B l B l B l
C D D D B D
C D D D D B D
= + +
= + +
= + + +
Notacin matricial
Agrupando los trminos en matrices:

EJEMPLO:

Definiciones:
M
t
= memoria total del cdigo = nmero de retardos
K = restriccin de longitud = mxima longitud de la
respuesta impulsional = 1 + mxima potencia de D
En los ejemplos anteriores: M
t
= 3 y 2, K = 4 y 2
( )
( )
( )
( )
( )
( )
0 1 0 3 3 2
1 1 C D C D B D D D D D D
(
( = + + + + +

( ) ( ) ( )
D D D = C B G
G(D) = Matriz
generadora del
cdigo
( )
1
1 1
D D D
D
D
+
(
=
(

G
Diagrama de estados
Puede representarse un diagrama de estados para el
codificador.
Trellis del codificador
Bits de flushing
En ocasiones, cuando la transmisin es en rfagas,
adems de especificar el estado inicial, conviene
especificar tambin el estado final, para aumentar la
capacidad correctora.
Para ello se aaden bits 0 de flushing que lleven al
codificador nuevamente al estado inicial
0
.
EJEMPLO:

3 bits de flushing llevan al codificador al estado
0

Decodificacin por Viterbi
El decodificador funciona igual que en el MLSD pero
tomando distancia de Hamming en lugar de
probabilidades para evaluar los pesos de cada rama.
EJEMPLO:

n=2, k=1, M
t
= 2, K=3

( )
2 2
1 1 D D D D ( = + + +

G
Ejemplo de decodificacin (dura)
Estado inicial y final (flushing):
0
= 00
Secuencia de entrada: 110101
Secuencia codificada: 1110100001000111
Secuencia recibida: 1010100101010111

0

10 10 10 01 01 01 01 11
1
1
2
2
3
1
3
3
4
4
4
2
1
3
4
4
3
5
2
2
4
2
3
3
2
4
4
4
2
4
4
4
3
5
3
3
4
2
4
3
4
4
6
3
1 1 0 1 0 1 Flushing
Cdigos catastrficos
Si existe algn bucle que pueda generar una
secuencia de 0s indefinida a la salida sin ser el bucle
0

0
decimos que el cdigo es CATASTRFICO.
El problema es que, si un error nos llevase a esa
situacin, una secuencia de 00s continuada no nos
devuelve a
0
sino que nos mantiene en el bucle
errneo.
EJEMPLO:
Cdigos perforados (punctured codes)
En ocasiones, para reducir la redundancia, se
perfora la salida del cdigo, eliminando bits de
salida segn un patrn especfico.
La perforacin realizada se indica mediante una
matriz P

EJEMPLO: Se perfora un cdigo de tasa r=1/2 con un
patrn de perforacin P = [1 1 0; 1 0 1]. Nueva tasa r=3/4

1 0 1
1 1 0
0 0 1
(
(
(
=
(
(

P
Cada fila indica cmo se
perfora una salida: 0 indica
que el bit se elimina
El n de columnas indica el perodo de repeticin del patrn
Ejemplo de decodificacin con perforado
Estado inicial y final (flushing):
0
= 00
Secuencia de entrada: 110101, P=[10;11]
Secuencia codificada: 11 X0 10 X0 01 X0 01 X1
Secuencia recibida: 10 X0 10 X1 01 X1 01 X1

0

10 X0 10 X1 01 X1 01 X1
1
1
1
2
2
1
2
2
3
3
4
2
1
3
3
2
2
3
1
2
3
2
2
2
2
4
3
3
2
4
3
2
2
3
2
3
3
2
3
2
3
4
4
2
1 1 0 0 0 1 Flushing
Prestaciones de los cdigos convolucionales
Los mejores cdigos se obtienen
experimentalmente.
Es difcil determinar sus
prestaciones de forma analtica.
Se suele recurrir a simulacin.
Aunque los ejemplos se han
utilizado decodificadores
hard se obtienen mejores
prestaciones con
decodificadores soft. Esto
aade poca complejidad al
Viterbi, pues basta sustituir
distancias de Hamming por
distancias eucldeas.
La complejidad del
decodificador crece
exponencialmente con la
memoria, por lo que se suelen
utilizar secuencias cortas.

BCHs r , n=7..1023
Convolucionales r=1/2, K=6..12
Aplicaciones de los cdigos convolucionales
Concatenados con
cdigos de bloque,
por ejemplo en
DVB-S, DVB-C,
DVB-T o en GSM,
con r variable.
Radioenlaces y
comunicaciones va
satlite.
Bucle de abonado:
ADSL2+ y SHDSL.

Codificacin avanzada
Los problemas que encontramos en la utilizacin de
los codificadores propuestos son fundamentalmente
los siguientes:
BCH y RS: El problema es el elevado nmero de palabras
que no son capaces de corregir los algoritmos eficientes de
decodificacin (Berlekamp-Massey).
EJEMPLOS:
Cdigo BCH (15,11)(Hamming): t=1

Cdigo BCH (15,7): t=2

Cdigo BCH (63,45): t=3

( )
11
15
2 1 15
Palabras decodificables
1
Total palabras posibles 2
Perfecto
+
= =
( )
7
15
2 1 15 105
0, 47
+ +
= =
( )
45
63
2 1 63 1953 39711
0,16
+ + +
= =
Codificacin avanzada (II)
Cdigos convolucionales
La complejidad y la memoria requeridas por el decodificador
de Viterbi aumenta exponencialmente con la longitud de los
cdigos y el nmero de estados.
Existen otros tipos de decodificadores cuyo coste de
decodificacin es lineal. Esto da lugar a los cdigos
turbo y los cdigos LDPC (low density parity
check).
Aunque son subptimos en distancia mnima, al
poder incrementar la longitud sin problemas,
permiten aproximarse a la capacidad de canal.
Debido a la complejidad los algoritmos quedan fuera
del mbito de la asignatura.
Simulaciones
Prestaciones
turbocdigos
(decodif. soft)
Prestaciones
cdigos
convolucionales
(decodif. soft)
Simulaciones
Prestaciones
LDPC
soft
hard - - -
Prestaciones
cdigos
convolucionales
soft
hard - - -
Simulaciones
BCHs r , n=7..1023
x Conv. r=1/2, K=6..12
LDPC r=1/2, n=10020000
Aplicaciones de turbocdigos
Telefona mvil: UMTS,
HSPA, EV-DO y LTE.
MediaFLO, un sistema
terrestre de distribucin de
televisin.
Canal de retorno va satlite:
DVB-RCS
Mars Reconnaissance
Orbiter (NASA).
IEEE 802.16 (WiMAX)
Aplicaciones cdigos LDPC
G.hn/G.9960 (networking
over power lines, phone
lines and coaxial cable)
802.3an (10 Giga-bit/s
Ethernet over Twisted pair)
CMMB(China Multimedia
Mobile Broadcasting)
DVB-S2 / DVB-T2 / DVB-
C2 (2nd Generation)
DMB-T/H
WiMAX
IEEE 802.11n-2009 (Wi-Fi
standard)

Conclusiones
Las tcnicas de codificacin permiten mejorar las
prestaciones de los canales para aproximarse al
lmite de Shannon o capacidad de canal.
Hemos comenzado presentado los fundamentos de
la codificacin.
Hemos analizado los codificadores y decodificadores
de bloque lineales, para pasar luego a los cdigos
cclicos (RS y BCH fundamentalmente).
Introdujimos los cdigos convolucionales y la tcnica
de decodificacin por Viterbi.
Finalmente hemos visto tcnicas de codificacin
avanzada: turbo cdigos y cdigos LDPC.

Referencias
Comunicaciones digitales,
Antonio Arts, Fernando Prez, cap. 9.2.3 y 10 completo.
Communication Systems, 4th ed.
Captulo 10.
th
ed.
Captulos 7 y 8
Digital Communications
Sklar
Captulos 6 y 7

Transm Is I On Digital

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Transm Is I On Digital

Uploaded by

Copyright:

Available Formats

Dr.

Jos Ramn Cerquides Bueno

Dr. J.R. Cerquides Universidad de Sevilla 21

Dr. J.R. Cerquides Universidad de Sevilla 48

Dr. J.R. Cerquides Universidad de Sevilla 52

Dr. J.R. Cerquides Universidad de Sevilla 12

Dr. J.R. Cerquides Universidad de Sevilla 15

Dr. J.R. Cerquides Universidad de Sevilla 16

Dr. J.R. Cerquides Universidad de Sevilla 18

Dr. J.R. Cerquides Universidad de Sevilla 27

Dr. J.R. Cerquides Universidad de Sevilla 30

Dr. J.R. Cerquides Universidad de Sevilla 57

Dr. J.R. Cerquides Universidad de Sevilla 78

Dr. J.R. Cerquides Universidad de Sevilla 90

You might also like