TEMA 2 MODULACIONES DIGITALES: LINEALES, DE FASE Y
Transcripción
TEMA 2 MODULACIONES DIGITALES: LINEALES, DE FASE Y
T EMA 2 M ODULACIONES D IGITALES : L INEALES , DE FASE Y FRECUENCIA MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 1 / 43 Modulaciones lineales Modulación lineal en espacio multidimensional (N) s(t) = ! N−1 ! n j=0 Aj [n] · φj (t − nT) La información se transporta linealmente En la amplitud de las funciones φj (t) Codificador: A[n] Constelación en espacio de dimensión N Diseño considerando Es y Pe Modulador: {φj (t)}N−1 j=0 Adecuación al canal Idealmente: canal aditivo gaussiano MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 2 / 43 Modulación PAM en banda base Modulación unidimensional N = 1. ! s(t) = A[n] · g(t − nT) n PAM (Pulse Amplitude Modulation) ASK (Amplitude Shift Keying) Constelaciones - Normalizadas: A[n] ∈ {±1, ±3, · · · , ±(M − 1)} Ejemplos: 2-PAM (a), 4-PAM (b), 8-PAM (c) −1 ! +1 ! 0 (a) −3 ! −1 ! +1 ! +3 ! 0 (b) A[n] −7 ! +5 ! −3 ! −1 ! +1 ! +3 ! +5 ! +7 ! 0 (c) MMC (UC3M) Comunicaciones Digitales A[n] A[n] Modulaciones Lineales 3 / 43 Modulación PAM como filtrado Señal de sı́mbolos a(t) = ! n A[n] · δ(t − nT) Generación de la señal PAM s(t) = a(t) ∗ g(t) A[1] A[3] " " A[0] A[2] " " a(t) !Modulador ! s(t) = a(t) ∗ g(t) ! B[#] ! Codificador MMC (UC3M) A[n] ! Comunicaciones Digitales a(t) ! g(t) s(t) ! Modulaciones Lineales 4 / 43 Elección de g(t) La respuesta g(t) recibe dos nombres: Filtro transmisor Pulso conformador (aunque no sea un pulso) Selección para poder recuperar la secuencia de sı́mbolos Pulsos de duración limitada al tiempo de sı́mbolo No hay solapamiento "t# 1 √ ga (t) = ·Π T T Pulsos de mayor duración Interferencia no destructiva en algún punto "t# 1 gb (t) = √ · sinc T T MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 5 / 43 Formas de onda Secuencia: A[n] = · · · , −1, +1, +1, −1, +1, −1, −1, −1, +1, −1, · · · .... ..... ..... ............... ga (t) . ... . . . 1.5 ............... gb (t) .. .... .... ... . . 1 ........................................................ ................................... ................................... . . . . ... .. ...... .... ... .. .... .... ... . . . .... ..... . . ... .. ... .. ...... 0.5 ... .. ... ..... ... ... ... . . . ... . . . ..... . ... ... ... ...... . ..... ..... . . . . . . ...... . . . . . . . .... ... .. . . . . 0 . . .... ... . . ................ ...... .... . .. .. .. ... ... . . . . . . ..... ... .... ... ... .. ... .. .... .. .... ...... . . . . . . . . . . . . ...... .. .. ... ... ... ... .. .. -0.5 ... .. .... . ...... ... ... . . ... ... ... ... . ...... ... . . . . . . . . . .... .. .. ... ... ... .... ...... ................ ....... . . . . .. . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ....................... .. . . . . . . . . . -1 .... ...... ..... .. ....... ...... .... ......... -1.5 5 7 0 3 6 8 9 10 1 2 4 t/T 2 MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 6 / 43 Espectro de PAM banda base Señal PAM banda base s(t) = ! n A[n] · g(t − nT) Sea {A[n]}∞ n=−∞ una secuencia de variables aleatorias (proceso aleatorio) E[A[n]] = m E[|A[n]|2 ] = Es E[A[k] · A∗ [j]] = RA [k − j] = RA [j − k] La densidad espectral de potencia es jω SA (e ) = ∞ ! n=−∞ RA [n] · e−jωn Sea g(t) cualquier señal determinista con transformada de Fourier G(jw) MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 7 / 43 Teorema de Wiener-Khinchin Densidad espectral de potencia $ % |XT (jω)|2 E[|XT (jω)|2 ] def SX (jω) = E lı́m = lı́m T→∞ T→∞ T T Teorema de Wiener-Khinchin Si para cualquier valor finito τ y cualquier intervalo A, de longitud |τ |, la autocorrelación del proceso aleatorio cumple &' & & & & RX (t + τ, t)dt& < ∞ & & A la densidad espectral de potencia de X(t) es la transformada de Fourier de ' 1 T/2 def < RX (t + τ, t) > = lı́m RX (t + τ, t) · dt T→∞ T −T/2 MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 8 / 43 Corolarios Teorema de Wiener-Khinchin Corolario 1: Si X(t) es un proceso estacionario y τ · RX (τ ) < ∞ para todo τ < ∞, entonces SX (jω) = TF[RX (τ )] Corolario 2: Si X(t) es ciclostacionario y se cumple que &' To & & & & &<∞ R (t + τ, t)dt X & & 0 entonces (X (τ )] SX (jω) = TF[R donde (X (τ ) = 1 R To ' To /2 −To /2 RX (t + τ, t) · dt y To es el perı́odo del proceso cicloestacionario MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 9 / 43 Espectro de una PAM banda base X(t) = ∞ ! n=−∞ mX (t) = E ) ! n * A[n]g(t − nT) = A[n]g(t − nT) ! n E[A[n]]g(t − nT) = m ! n g(t − nT) RX (t, t + τ ) = E[X(t)X ∗ (t + τ )] . ! ! = E A[k]g(t − kT) A∗ [j]g∗ (t + τ − jT) j k = !! k = k MMC (UC3M) j !! j E[A[k]A∗ [j]]g(t − kT)g∗ (t + τ − jT) RA [k − j]g(t − kT)g∗ (t + τ − jT) Comunicaciones Digitales Modulaciones Lineales 10 / 43 Cicloestacionariedad mX (t + T) = m ! n =m ! j g(t + T − nT) = m g(t − jT) = mX (t) ! n g(t − (n − 1)T) RX (t + T, t + τ + T) = !! = RA [k − j]g(t + T − kT)g∗ (t + T + τ − jT) k = k = j !! m = j !! n !! m n RA [k − j]g(t − (k − 1)T)g∗ (t − (j − 1)T + τ ) RA [m + 1 − (n + 1)]g(t − mT)g∗ (t − nT + τ ) RA [m − n]g(t − mT)g∗ (t − nT + τ ) = RX (t, t + τ ) MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 11 / 43 Promedio temporal de la autocorrelación 1 R̃X (τ ) = T 1 = T ' T 0 ' 0 T RX (t, t + τ )dt !! k ∞ 1 ! = T 1 = T 1 = T = 1 T MMC (UC3M) j ∞ ! RA [k − j]g(t − kT)g∗ (t + τ − jT)dt RA [−m] k=−∞ m=−∞ ∞ ! RA [m] m=−∞ ∞ ! m=−∞ ∞ ! n=−∞ RA [m] ∞ ' ! k=−∞ ' ∞ −∞ ' T 0 g(t − kT)g∗ (t + τ − (k + m)T)dt −(k−1)T −kT g(u)g∗ (u + τ − mT)du g(u)g∗ (u + τ − mT)du RA [n]rg (nT − τ ), rg (t) = g(t) ∗ g∗ (−t), Comunicaciones Digitales Modulaciones Lineales 12 / 43 Densidad Espectral de Potencia ∞ 1 ! R̃X (τ ) = RA [n] · rg (nT − τ ) T n=−∞ ∞ ! 1 = rg (τ ) ∗ RA [n] · δ(τ − nT) T n=−∞ ∞ ! 1 ∗ = g(τ ) ∗ g (−τ ) ∗ RA [n] · δ(τ − nT) T n=−∞ ∞ ! 1 ∗ RA [n] · e−jωnT SX (jω) = · G(jω) · G (jω) T n=−∞ |G(jω)|2 = · SA (ejωT ) T MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 13 / 43 Densidad espectral de potencia (II) Ss (jω) = 1 · SA (ejωT ) · |G(jω)|2 T Dos contribuciones: Una componente determinista: |G(jω)|2 Una componente estadı́stica: SA (ejω ) Para secuencias A[n] blancas RA [n] = Es · δ[n], 5 6 SA (ejω ) = Es = E |A[n]|2 Ss (jω) = Es · |G(jω)|2 T g(t): Pulso conformador MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 14 / 43 Espectro para secuencia blanca Ga (jω) = √ T · sinc 7 ωT 2π 8 Gb (jω) = , √ T ·Π Es 7 ωT 2π 8 ... ........................................ . ... ... ... ... ... ... .... ... ... .. ... ... ... ... .............. ga (t) ... .. . ... .. ... .. .............. gb (t) ... ... ... ... . ... .. ... ... ... ... . ... .. ..... ...... ..... .... .. ..... ....... ...... .. .. ... .... .... ... ... ... ... .. ... . ... ... .... .... .. ... . . ... .. . . . . . .. . . . . . . . . ... ........................................................................................ . . . . . . . . . . . . ................................................ ........... . 4π 3π 2π − π − 5π − − − T T T T T MMC (UC3M) 0 π T 2π T Comunicaciones Digitales 3π T 4π T 5π T Modulaciones Lineales ω 15 / 43 Potencia de una PAM banda base Se calcula mediante Ss (jω) ' ∞ 1 P= Ss (jω) · dω 2π −∞ Para una secuencia blanca de sı́mbolos ' ∞ Es 1 P= · |G(jω)|2 · dω T 2π −∞ Si g(t) está normalizado, aplicando la relación de Parseval P= MMC (UC3M) Es T Comunicaciones Digitales Modulaciones Lineales 16 / 43 Transmisión sobre canales gaussianos s(t)! "r(t) ! f (t) = g∗ (−t) q(t) # q[n] ! Decisor Â[n] ! Decod. B̂[#] ! $ " t = nT n(t) Como g(t) es real, f (t) = g∗ (−t) = g(−t). La señal recibida es r(t) = s(t) + n(t) La señal a la entrada del muestreador es q(t) = s(t) ∗ g(−t) + n(t) ∗ g(−t) n(t): ruido blanco, gaussiano, de media nula, Sn (jω) = N0 /2. MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 17 / 43 Canal discreto equivalente A! Modulador s(t)! Canal r(t)! Demodulador q ! ............. .. .... ... Canal A ! Discreto Equivalente q ! En sistemas ideales q[n] = A[n] + n[n] Distribución gaussiana de las observaciones (condicionando a A[n] = ai ) ||q−a ||2 1 − Ni 0 fq[n]|A[n] (q|ai ) = e (πNo )N/2 MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 18 / 43 Canal discreto equivalente (II) Señal antes del muestreador . ! q(t) = A[k] · g(t − kT) ∗ g(−t) + n(t) ∗ g(−t) k = ! k = ! k 7 8 A[k] · g(t − kT) ∗ g(−t) + n(t) ∗ g(−t) A[k] · p(t − kT) + z(t) p(t) = g(t) ∗ g(−t): respuesta conjunta de los pulsos transmisor y receptor Observación a la salida del demodulador ! A[k] · p ((n − k)T) + z(nT) q[n] = q(t)|t=nT = k MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 19 / 43 Canal discreto equivalente (III) Definición de canal discreto equivalente ! q[n] = A[k] · p[n − k] + z[n] = A[n] ∗ p[n] + z[n] k A[n] ! ! # p[n] q[n] ! " z[n] Interferencia intersimbólica q[n] = A[n] · p[0] + ! k A[k] · p[n − k] + z[n] k"=n ISI = ! k A[k] · p[n − k] k"=n MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 20 / 43 Criterio de Nyquist para ausencia de ISI En el dominio del tiempo & & p[n] = p(t)&& = δ[n] t=nT En el dominio de la frecuencia p(t) ∞ ! n=−∞ δ(t − nT) = δ(t) 7 8 ∞ 2π ! 2πk P(jω) ∗ δ jω − j =1 T T k=−∞ 8 7 ∞ 2πk 1 ! =1 P jω − j T T k=−∞ MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 21 / 43 Aplicación: pulsos limitados en banda " ω # P(jω) = Π = 2W Ejemplo: para W < 9 1 |ω| < W 0 |ω| > W π T 1 T ; < 2πk P jω − j k=−∞ T :∞ .......................... .......................... .......................... ... .. ... .. ... .. ... .. .... .. .... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. ... .. .... .. .... .. ... .. ... .. ... .. ... .............. .............. ....... ..... π π MMC (UC3M) − 2π T −T 0 T Comunicaciones Digitales 2π T Modulaciones Lineales 22 / 43 Aplicación: pulsos limitados en banda (II) Sólo son válidos aquellos pulsos tales que π W = n · rad/s T Lo que equivale, en el dominio temporal, a funciones del tipo " t# p(t) = sinc n T Mı́nimo ancho de banda para transmisión sin ISI a Rs = π Wmin = rad/s T 1 T simb./s Para ancho de banda W, el perı́odo de sı́mbolo y la velocidad son W π T = n · , Rs = W nπ Máxima velocidad sin ISI sobre un ancho de banda W rad/s & W Rs &max = baudios (sı́mbolos/s) π MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 23 / 43 Pulsos en coseno alzado Expresión del pulso p(t) = 7 sen(πt/T) πt/T 87 cos(απt/T) 1 − (2αt/T)2 8 Transformada de Fourier P(jω) = T ) T 2 0 1 − sen Ancho de banda MMC (UC3M) - 0 ≤ |ω| < (1 − α) π T ..* T π π π |ω| − (1 − α) ≤ |ω| ≤ (1 + α) 2α T T T π |ω| > (1 + α) T W = (1 + α) Comunicaciones Digitales π T Modulaciones Lineales 24 / 43 Pulsos en coseno alzado: p(t) p(t) ....... ........ ......... .. .......... .............. .......... ......... ............ ............... α = 1 ............ .......... .......... ............ ............... α = 0,75 ............ ............. ............ ............... α = 0,5 ..... ............ ................. ............... α = 0 ............ . ........... ................. ........... ........... . ......... . . ...... ................. . .... .................... . . . . . . . . . . . . . . . . . . . . ...... ................................................................................ ............................................................................................................. t ........................................ . . . .......... ................ . . . . . . . . ................ . .. .............. −3T −2T ..................−T T .................. 2T 0 3T MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 25 / 43 Pulsos en coseno alzado: P(jω) P(jω) ... ................................................................................................... . .... .... ... .. ... ... ... .... .... .. .. ... . . . ... .. .. .. ... ... ... .. ... ... ... ... ... ... .. .. ... ... ... ... ............... α = 1 ... ... ...... ......... .. . . . ... ...... ......... ... ............... α = 0,75 . . . ... ...... ........ .. ... ......... ........ .. ............... α = 0,5 ......... .......... ..... ............... α = 0 ........ ... ...... ........ ........... ............... ... ........ ......... ... .. .......... .. . ... ....... ............ .... .. .......... . .. ... ... ... . ... ... .. ... ... . . . .. ... .... .... . . . .. ... ... ... ... .. .. ... . . . . . .. .... ..... ...... . . . ... . . . . . . ... . ............................................................. . ................................................................ − 2π T MMC (UC3M) − πT 0 Comunicaciones Digitales π T 2π T ω Modulaciones Lineales 26 / 43 Pulsos en raı́z de coseno alzado Procedimiento general para obtener g(t) 1 2 3 Diseñar p(t) para que cumpla Nyquist a perı́odo T y calcular P(jω). A Hacer G(jω) = P(jω) g(t) = TF −1 {G(jω)} Pulsos en raı́z de coseno alzado 4α g(t) = √ π T MMC (UC3M) - cos (1 + α) πt T . 1− +T - - sen (1 − α) 4αt T πt T . 4αt .2 Comunicaciones Digitales Modulaciones Lineales 27 / 43 Relación espectro continuo/discreto Relación señal continua x(t) y discreta x[n] muestreada a T seg. & x[n] = x(t)&t=nT = x(nT) Normalmente se emplea la notación X(jω): ; jω <espectro de x(t) X e : espectro de x[n] La relación entre ambos es la siguiente Para pasar de continuo a discreto 7 8 ; jω < 1 ! ω 2πk X e = · X j −j T T T k Para pasar de discreto a continuo MMC (UC3M) ; < X(jω) = T · X ejωT Comunicaciones Digitales Modulaciones Lineales 28 / 43 Procesos aleatorios y sistemas lineales X(t) ! h(t) Y(t) ! Teorema: X(t) es estacionario, de media mX y función de autocorrelación RX (τ ). El proceso pasa a través de un sistema lineal e invariante con respuesta al impulso h(t). En este caso, los procesos de entrada y salida, X(t) e Y(t), son conjuntamente estacionarios, siendo ' ∞ mY = mX h(t) · dt −∞ RY (τ ) = RX (τ ) ∗ h(τ ) ∗ h(−τ ) RXY (τ ) = RX (τ ) ∗ h(−τ ) Además, se puede comprobar que MMC (UC3M) RY (τ ) = RXY (τ ) ∗ h(τ ) Comunicaciones Digitales Modulaciones Lineales 29 / 43 Relaciones en el dominio de la frecuencia Media del proceso de salida mY = mX · H(0) Densidad espectral del proceso de salida SY (jω) = SX (jω) · |H(jω)|2 Densidades espectrales cruzadas def SXY (jω) = TF[RXY (τ )] SXY (jω) = SX (jω)H ∗ (jω) ∗ SYX (jω) = SXY (jω) = SX (jω)H(jω) MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 30 / 43 Consecuencias del Criterio de Nyquist El ruido a la salida del filtro adaptado: ruido coloreado Sz (jω) = Sn (jω) · |G∗ (jω)|2 = N0 · |G(jω)|2 2 Ruido a la salida del demodulador & 7 8& 2 ! & & N ω 2πk 0 &G j − j & Sz (ejω ) = & 2T T T & k 7 8 N0 ! ω 2πk = P j −j 2T T T k Si se cumple el Criterio de Nyquist z[n] es blanca !!! 7 8 1! ω 2πk P j −j = constante. T T T k MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 31 / 43 Relación señal a ruido Si se satisface el criterio de Nyquist, la señal recibida es q[n] = A[n] + z[n] En este caso, la relación señal a ruido es 7 8 S E{|A[n]|2 } Es = = N q σz2 σs2 σz2 es la varianza del ruido z[n] 1 σz2 = 2π ' π −π Sz (ejω )dω Si se cumple el criterio de Nyquist (con p[0] = 1) vale σz2 = MMC (UC3M) N0 2 Comunicaciones Digitales Modulaciones Lineales 32 / 43 Cálculo de probabilidades de error Probabilidad de error de sı́mbolo Pe = M−1 ! i=0 Pe|ai = ' pA (ai ) · Pe|ai q∈I /i fq|A (q|ai )dq Probabilidad de error de bit BER = M−1 ! i=0 BERai = M−1 ! j=0 pA (ai ) · BERai Pe|ai →aj · me|ai →aj m j"=i MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 33 / 43 Cálculo de la Pe|a0 y de la BERa0 01 a0 $ -3 00 a1 -2 $ -1 10 a2 0 $ 1 11 a3 2 $ q 3 .......................... ...... ........ ..... .... .... .... ..... .... ..... ..... ..... ...... ....... a0 a1 a..2..................... ...............a....$3................... q $ $ $ -3 MMC (UC3M) -2 -1 0 1 Comunicaciones Digitales 2 3 Modulaciones Lineales 34 / 43 Cálculo de la Pe|a0 y de la BERa0 (II) Cálculo de Pe|a0 Pe|a0 = Q Cálculo de BERa0 ) - BERa0 = Q B A ) - + Q B ) - + Q B MMC (UC3M) 1 N0 /2 . - 1 A N0 /2 −Q CD - Pe|a0 →a1 A A 3 N0 /2 . −Q CD A - Pe|a0 →a2 5 N0 /2 CD .* E Pe|a0 →a3 × . 3 N0 /2 A .* E 5 N0 /2 1 2 BCDE × me|a →a 0 1 m .* × E 1 2 BCDE 2 2 BCDE me|a →a 0 2 m me|a →a 0 3 m Comunicaciones Digitales Modulaciones Lineales 35 / 43 Codificación de Gray 01 a0 $ -3 BER = 3 Q 4 00 a1 - -2 A -3 No /2 . 0 1 + Q 2 - 00 a1 -2 BER = MMC (UC3M) -1 1 11 a0 $ $ 10 a2 $ -1 - 5 Q 4 11 a3 $ 1 A 2 3 No /2 . 10 a2 0 1 A No /2 $ .1 $ 3 1 − Q 4 q - 5 A No /2 01 a3 2- 1 − Q 4 Comunicaciones Digitales $ 3 A 3 No /2 . q . Modulaciones Lineales 36 / 43 Diagrama de Ojo Herramienta de visualización del sistema 226 ón de formas de onda en torno al punto de M ODULACIONES LINEALES Superposici muestreo Duración: 2T Permite detectar varios problemas: Problemas/sensibilidad al sincronismo Nivel de ruido ODULACIONES LINEALES Presencia (y nivel) de la MISI Figura 5.19: Proceso de construcción de un diagrama de ojo. MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 37 / 43 Diagrama de ojo Figura 5.19: Proceso de construcción de un diagrama de ojo. (a) (b) Figura 5.20: Diagramas de ojo para una PAM binaria antipodal con pulsos en coseno Factor de caida α = 0,35 Factor de caida α = 1 alzado con (a) α = 0,35 y (b) α = 1. c !Antonio Artés Rodríguez, Fernando Pérez González (a) MMC (UC3M) Comunicaciones (b) Digitales Figura 5.20: Diagramas de ojo para una PAM binaria antipodal con pulsos en coseno alzado con (a) α = 0,35 y (b) α = 1. Modulaciones Lineales 38 / 43 Transmisión PAM sobre canales lineales Canal discreto equivalente A[n] ! p[n] ! # q[n] ! " z[n] p(t) = g(t) ∗ h(t) ∗ g(−t) & & p[n] = p(nT) = (g(t) ∗ h(t) ∗ g(−t)) && t=nT P(jω) = G(jω)H(jω)G∗ (jω) = H(jω) |G(jω)|2 Criterio de Nyqusist Debe cumplirlo p[n] (o P(jω)) MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 39 / 43 Eliminación de la ISI 1 2 Diseñar el pulso p(t) para cumplir Nyquist a perı́odo de sı́mbolo T. Calcular " #1 P(jω) 2 , si H(jω) = 0 H(jω) G(jω) = . 0, en otro caso De esta forma el filtro receptor está adaptado al utilizado en transmisión. MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 40 / 43 Eliminación de la ISI - Problemas Hay que conocer la respuesta del canal, H(jω) Puede ser difı́cil El canal puede ser variante El ruido deja de ser blanco & ; <& & ω 2πk & ! < N0 & P ;j T − j T < & Sz ejω = & & & 2T k & H j ωT − j 2πk T ; El decisor sı́mbolo a sı́mbolo no es óptimo Es preciso utilizar toda la secuencia q[n] para estimar el sı́mbolo A[n0 ] Se puede amplificar el ruido MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 41 / 43 Filtro receptor genérico ! # s(t) r(t) ! " f (t) q(t) # q[n] # ! Decisor $ t = nT n(t) p(t) = g(t) ∗ h(t) ∗ f (t) & & p[n] = p(nT) = (g(t) ∗ h(t) ∗ f (t)) && t=nT P(jω) = G(jω)H(jω)F(jω) z(t) = n(t) ∗ f (t) MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 42 / 43 Criterios de diseño de f (t) Filtro adaptado a la respuesta conjunta de transmisor y canal gr (t) = g(t) ∗ h(t), f (t) = gr (−t) Maximiza la relación señal a ruido No garantiza la ausencia de ISI y el ruido no es blanco Eliminación de la ISI F(jω) = El ruido no es blanco P(jω Gr (jω) Criterio MMSE: maximizar E MMC (UC3M) 97 : F G 2 E (A[n]p[0]) k k"=n 82 H A[k]p[n − k] + z[n] Comunicaciones Digitales Modulaciones Lineales 43 / 43
Documentos relacionados
Espectro de PAM banda base Teorema de Wiener-Khinchin
RA [k − j]g(t − (k − 1)T)g∗ (t − (j − 1)T + τ ) RA [m + 1 − (n + 1)]g(t − mT)g∗ (t − nT + τ ) RA [m − n]g(t − mT)g∗ (t − nT + τ ) = RX (t, t + τ )
Más detalles