SlideShare una empresa de Scribd logo
1 de 26
Universidad Nacional de Ingeniería 
Comunicaciones II 
Conferencia 17: Probabilidad de error para señales en AWGN – 
Parte 2 
UNIDAD VI: DETECCIÓN E INTRODUCCIÓN A LA TEORÍA DE LA ESTIMACIÓN 
Instructor: Israel M. Zamora, MS Telecommunications Management 
Profesor Titular, Departamento de Sistemas Digitales y Telecomunicaciones. 
Universidad Nacional de Ingeniería 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr. Teoría Estimación
Outline 
• Análisis de Zonas 
• Procedimiento de cómputo de probabilidad de 
error 
– Ejemplo práctico 
• Probabilidad de error de algunos esquemas 
de transmisión pasabanda binario 
• Probabilidad de error de algunos esquemas 
de transmisión pasabanda M-ario 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr. Teoría Estimación
Análisis de Zonas 
Note que en la mayoría de los casos, Z puede ser representado por 
i 
{( ) } 
Z = Z = r ,r ,...,r a < r < b , a < r < b ,...,a < r < 
b 
i 1 2 N 1 1 1 2 2 2 N N N 
donde i = 1,2,...,M, a ´s podría ser - ¥ , y b´s, ¥ 
. Así tenemos 
i i 
{ } { } 
P Î Z m = P a < r < b , a < r < b ,...,a < r < 
b m 
i i 1 1 1 2 2 2 N N N i 
{ } { } { } 
= < < < < < < 
( ) , j 1,2,...N, dado que m es transmitido 
R ~ Ν μ,σ Ν s , N 
ö 2 
çè 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In3tr. Teoría Estimación 
y 
P a r b m P a r b m ...P a r b m 
i 
o 
ij 
2 
1 1 1 i 2 2 2 i N N N i 
= ÷ø 
= æ 
r
Procedimiento de cómputo de probabilidad de error (1) 
Paso 1: 
Calcule los puntos de mensaje (o constelación de señales) 
( ) 
= = i s 
s ,s ,...,s , i 1,2,...,M 
i1 i2 iN 
y determine la región de decisión Z , i = 
1,2,...,M. En la 
mayoría de casos, Z puede ser representado por 
i 
i 
{( ) } 1 2 N 1 1 1 2 2 2 N N N 
Z = r ,r ,...,r a < r < b , a < r < b ,...,a < r < 
b 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In4tr. Teoría Estimación
Procedimiento de cómputo de probabilidad de error (2) 
( ) 
= 
Paso 2: 
Para cada i 1,2,...,M, calcule P m usando el siguiente 
subprocedimiento : 
= 
para cada j 1,2,...,N, calcule 
P a r b m F b F a , R ~ N s , N 
{ } ( ) ( ) 
< < = - æ 
çè 
o 
ö c i 
j j j i j j ij 
= ÷ø 
, j 1,2,...,N 
2 
Escriba la función F en términos de la función Q. Luego 
( ) N 
{ } ( ) ( ) e i c i 
Õ= 
= < < Þ = 
P m P a r b m P m 1- P m 
j j 
c i j j i 
j 1 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In5tr. Teoría Estimación
Procedimiento de cómputo de probabilidad de error (3) 
( ) 
P m 
Paso 3: 
Calcule 
P 1 
å== 
e e i 
para símbolos equiprobables P m 
( ) i 
M 
i 1 
M 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In6tr. Teoría Estimación
Ejemplo (1/6) 
•Determine la probabilidad media de error por símbolo para la constelación 
de señales mostrada abajo (NRZ Polar) 
S1(t) 
T 
m1=0 
-A 
S2(t) 
m2=1 
T 
A 
Z1 Z2 
S1 S2 
j-AÖT A ÖT 1 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In7tr. Teoría Estimación
Ejemplo (2/6) 
De la gráfica : 
( ) ( ) ( ) 
( ) ( ) ( ) 
= j = - j 
= 
s t s t A T t ó s -A T 
1 11 
= j = j 
= 
s t s t A T t ó s A T 
1 21 
( ) 
T 
0 
1 11 1 
2 21 1 
T 
0 
2 
2 
ò ò 
2 2 
donde 
= = = 
E s (t)dt 2 -A dt A 2 
T 
T 
0 
2 2 
T 
0 
1 
1 
ò ò 
2 2 
2 2 
= = = 
E s (t)dt 2 A dt A 2 
T 
2 
2 
2 
2 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In8tr. Teoría Estimación
Ejemplo (3/6) 
= = Þ = - = 
Paso 1: 
Fijamos m 0, m 1 s A T, s A T 
1 2 11 
Z = {r r < 0}, Z = {r r ³ 
0} 
j j j j 
1 1 1 2 1 1 
2 
21 
2 
Donde para señales equiprobables, tenemos que el umbral de decisión o frontera entre las 
regiones de decisión es igual a: 
0 
g = s11 + s21 = - A T + A T = 
2 2 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In9tr. Teoría Estimación
Ejemplo (4/6) 
Calculamos, 
P 0 P r 0 0 con R ~ N s , N 
( ) { } 
( ) { } ( ) 
ö çè= < æ 
N A T, N 
æ- = ÷ø 
ö çè 
o 2 o 
j 
c 11 
2 
1 
= - ³ ³ g = æ g 
- 
P 0 1 P r 0 0 donde P R Q μ 
j 
1 
con R = r y = 0, μ = s y σ = 
N 
11 
æ 
ö çè 
2 o 
j 
1 
substituyendo : 
2 
g 
( ) { } ( ) 
÷ø 
ö 
P 0 1 P r 0 0 1 Q 0 A T 
æ 
= - ³ = - - - 
ö 
j 
æ 
ö 
÷ ÷ ÷ ÷ 
ø 
ç ç ç ç 
è 
2 
N 
2 o 
2 
s 
P 0 Q A 2T 
1 
P 0 1 Q A 2T 
( ) ( ) ÷ ÷ø 
ç çè 
= Þ ÷ ÷ø 
ç çè 
= - 
÷ø 
2 
o 
2 e 
o 
c 
c 
c 
N 
N 
2 
Paso 2-1: 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr0. Teoría Estimación
Ejemplo (5/6) 
Calculamos, 
P 1 P r 01 con R ~ N s , N 
( ) { } 
= 
³ æ ö çèj 
c 21 
³ = æ - 
1 
g g 
donde P R Q μ 
( ) 
ö çè 
÷ø 
N A T, N 
o 2 o 
2 
s 
con R = r y = 0, μ = s y σ = 
N 
j 
1 
substituyendo : 
g 
= ³ = - 
P 1 P r 01 Q 0 A T 
( ) { } 
æ = ÷ø 
ö çè 
21 
2 
2 o 
2 
Q -A 2T 
N 
N 
2 o o 
ö 
æ 
ç çè 
æ 
æ 
ç ç ç ç 
è 
ö 
æ 
= 
ö 
÷ ÷ ÷ ÷ 
ø 
2 
2 
P 1 Q A 2T 
j 
1 
P 1 1 Q A 2T 
( ) ( ) ÷ ÷ø 
ç çè 
= Þ ÷ ÷ø 
ç çè 
= - 
ö 
÷ ÷ø 
÷ø 
2 
o 
2 e 
o 
c 
c 
N 
N 
2 
Paso 2-2: 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr1. Teoría Estimación
Ejemplo (6/6) 
2 
P m 1 
( ) ( ) 
M 
Calcule 
P 1 
= å = å 
i 1 
e e i 
i 1 
2 
= = 
[ ( ) ( )] 
M 
1 
P 0 P 1 
2 
e e 
Q A 2T 
N 
ö 
÷ ÷ø 
= + 
é 
ê êë 
æ 
1 
2 
Q A 2T 
ç çè 
= 
= 
ù 
ö 
÷ ÷ø 
ú úû 
æ 
P m 
Q A 2T 
ç çè 
ö 
+ ÷ ÷ø 
æ 
ç çè 
2 
o 
e i 
2 
o 
2 
o 
N 
N 
Paso 3: 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr2. Teoría Estimación
Pe para BPSK Coherente 
El receptor obtiene donde la pdf de R=r1 dado que la señal s1(t) fue transmitida es 
1 1 1 ( r s ) 
= 2 
1 1 11 
Con AWGN con media cero y PSD N 
é 
- - 
, tenemos que 
2 
Q E 
P P r E 
(1) { 01} 2 2 b 
(0) 
O 
ö 
÷ ÷ø 
æ 
N 
N 
b 
O 
P P (1) P (1) P (0) P (0) Q 2 
E 
ç çè 
ö 
= ÷ ÷ø 
æ 
ç çè 
= < =F - 
1 
= + = 
ö 
= ÷ ÷ø 
æ 
ç çè 
b 
0 
0 
N 
P 
e,BPSK e e 
e 
ù 
b 
SNR = 2E 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr3. Teoría Estimación 
e 
PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
r = s + n 1 11 
úû 
êë 
p 
N 
exp 
N 
f ( r ) 
O O 
R m 
y decide que s1(t) fue enviado si r1>0 y s2(t) en otro caso. 
El receptor comete un error si s1(t) fue enviado y r1<0. Es decir, r1ÎZ2. 
Así, la probabilidad de error dado que el mensaje m1 fue transmitido es: 
Se nota que: 
O 
máx N
Pe BFSK Coherente 
BBiinnaarryy FFrreeccuueennccyy SShhiifftt KKeeyyiinngg ccoonn ddeetteecccciióónn CCoohheerreennttee 
= ò f = + Tb 
j i j ij j donde r r ( t ) ( t )dt s n 
0 
r s ( t )~N s , NO , j , 
j i ij = ÷ø 
1 2 
æ 
ö çè 
2 
÷ø 
r s ( t )~N s , N N O N E , O 
b 
1 1 11 2 2 
r s ÷ø 
( t )~N s , N N O N , O 1 2 21 2 
( ) 2 j t 
2 s 
ö çè 
æ = ÷ø 
÷øö çè 
æ 
O O r s ( t )~N s , N N , N 
çè 
æ 
ö 2 1 12 2 
ö çè 
æ = ÷ø 
ö çè 
÷ø 
æ 
2 
0 
O r s ( t )~N s , N N E , N 
çè 
æ 
ö O 
b 
2 2 22 2 2 
b d = 2E PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
æ = ÷ø 
0 
ö çè 
2 
æ = ÷ø 
ö çè 
Con AWGN con media cero y DSP N b E 
1 0 s 
Con p(0)=p(1)=0.5 
ö 
÷ ÷ø 
æ 
P Q E 
ç çè 
= 
b 
0 
e,BFSK 
0 
N 
2 
b E 
( ) 1 j t 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr4. Teoría Estimación
Pe QPSK Coherente (1/2) 
1 
4 
4 1 
La probabilidad media de error de QPSK para símbolos 
equiprobables está dado por: å= 
P = 
P (m ) 
e e i i 
Note que las regiones de decisión son iguales y los puntos señales son simétricas. De allí 
que todas las Pe(mi) son iguales. En los que sigue, sólo nos enfocamos a calcular el 
resultado con m1=10. P ( ) P ( ) e 10 =1- c 10 
P ( ) P( r ( r ,r ) Z ) P{ r , r } c 10 10 0 010 1 2 1 1 2 = = Î = < < ¥ -¥ < < 
donde 10 2 1 2 1 0 r N(s ,N / ), j , j j ® = 
y estas dos variables aleatorias gaussianas son independientes. Así 
P ( ) P{ r }P{ r } c 10 010 010 1 2 = > < 
2 
ö 
æ 
ö 
æ 
ö 
ö 
æ 
F = ÷ ÷ 
ø 
ö 
æ - F ÷ ÷ 
ø 
æ 
ö 
æ - = -F 
Q E 
E 
E / 
E / 
1 2 ÷ ÷ 
2 
2 
ç ç 
è 
÷ ÷ 
ø 
N / 
N / 
0 0 
ç ç 
÷ø 
÷ = 1 
- 2 
2 
ø 
O O N 
è 
÷ ÷ø 
ç çè 
ç çè 
ç ç 
è 
ç ç 
è 
N 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr5. Teoría Estimación
Esquema QPSK Coherente (2/2) 
Probabilidad de Error de Símbolo: 
ö 
2 
= ÷ ÷ ø 
P P Q E 
1 1 1 2 
ö 
÷ ÷ø 
æ 
N 
O 
P Q E 
ç çè 
æ 
ç ç 
= - = - - 
è 
1 2 
e c 
>> » 
ö 
÷ ÷ø 
æ 
Q E 
ç çè 
ö 
- ÷ ÷ø 
æ 
Q E 
ç çè 
ö 
÷ ÷ø 
æ 
ç çè 
N 
si E 
e 
0 0 
0 
2 
0 
N 
N 
N 
Podemos expresar esto en función de la energía Tx. Por bit: 
ö 
÷ ÷ø 
Q 2E 
2 b 
æ 
N 
P 2Q 2E 
ç çè 
ö 
- ÷ ÷ø 
æ 
P 2Q 2E 
ç çè 
b 
0 
N 
1 
>> » 
ö 
÷ ÷ø 
æ 
ç çè 
= 
b 
0 
e 
si E 
b 
0 
0 
e 
N 
N 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr6. Teoría Estimación
Pe MSK Coherente 
P P 2Q 2E Z3 Z4 
s3 :1 E 
b s4 :0 
b E 
Probabilidad de Error de Símbolo: 
Q 2E 
ö 
÷ ÷ø 
N 
æ 
1 P 2Q 2E 
ç çè 
= = 
e,MSK e,QPSK 
>> » 
æ 
ç çè 
ö 
- ÷ ÷ø 
æ 
ç çè 
b 
0 
e 
si E 
b 
0 
2 b 
b 
0 
N 
N 
b - E Así para valores elevados por Eb/N0, la 
s2 :0 s1: 1 
b - E 
0 
N 
probabilidad de error medio para un sistema 
MSK es aproximadamente el mismo que el 
correspondiente para un sistemas BPSK 
Coherente (ignore el factor de escala de 2). 
Esto es así al precio de un incremento en la 
complejidad del receptor. 
ö 
÷ ÷ø 
Z2 Z1 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr7. Teoría Estimación
Pe QAM Coherente (1/2) 
Se puede demostrar que la probabilidad de error del símbolo en la QAM M-aria está dada 
aproximadamente por: 
O 
Q E 
O 
En consecuencia, podemos reescribir la ecuación anterior en términos de ES como: 
ö 
÷ ÷ø 
P 2 1 1 2 
@ æ - - 
÷øö çè 
e ,QAM Maria N 
æ 
M 
2 1 1 3 
ç çè 
æ 
ç çè 
× 
- 
@ æ - - 
ö çè 
Q 
÷ø 
S 
O 
E 
P 
e ,QAM Maria M 
N 
M 
1 
ö 
÷ ÷ø 
En el caso M=4 es de interés especial. La relación de señales para este valor de M es la misma 
correspondiente a la QPSK. En realidad, haciendo M=4 en la ecuación de arriba y advirtiendo 
que para este caso especial ES=E donde E es la energía por símbolo, encontramos que la 
fórmula resultante para la probabilidad de error de símbolo se vuelve idéntica a ecuación de la 
diapositiva 8 que se reproduce aquí. 
ö 
÷ ÷ø 
æ 
P Q E e 
ç çè 
» 
0 
2 
N 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr8. Teoría Estimación
Pe QAM Coherente (2/2) 
El resultado anterior es exacto para M=2k donde k par. Cuando k es impar, no hay sistema PAM 
L-ario (ÖM). Pero esto no es problema. Se puede demostrar casi directamente que la 
probabilidad de error de símbolo se encuentra confinada con cota superior a través de la 
expresión siguiente: 
2 
× 
- 
E 
P Q 
e ,QAM Maria N 
1 
é 
æ 
1 1 2 3 
ù 
ú úû 
£ - - - 
ê êë 
ö 
÷ ÷ø 
ç çè 
S 
O 
M 
æ 
4 3 
ç ç 
è 
× 
- 
£ 
kE 
b ,S 
N 
O 
M 
Q 
1 
para cualquier k³1, y Eb.S es la energía por bit promedio. 
ö 
÷ ÷ 
ø 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr9. Teoría Estimación
Pe BFSK No coherente 
PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
Con AWGN con media cero y DSP N 
ö 
÷ ÷ø 
æ 
exp E 
2 
ç çè 
P 1 
= - 
b 
0 
e 
0 
2N 
2 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr0. Teoría Estimación
Pe M-arios 
Caso: Esquema M-ario PSK 
La probabilidad de recepción 
correcta es la integral del área 
sombreada de la figura. Esta 
probabilidad puede ser limitada 
por alguna frontera. Por tanto, 
para valores grandes de E/No la 
probabilidad de error de símbolo 
es aproximadamente dada por: 
PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
ö 
æ 
sen π 
P Q E e,M-PSK 
si 
p / M 
2 2 4 
» M 
0 
³ ÷ ÷ø 
ç çè 
M 
N 
E E log M b 2 = 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr1. Teoría Estimación
Pe M-arios 
Caso: Esquema M-ario FSK 
Para FSK M-ario, el receptor óptimo corresponde a un 
banco de M correlaciones o filtros acoplados. En los 
sistemas de muestreo t=kT, el receptor toma decisiones 
basadas en la mayor de las salidas del filtro acoplado. La 
probabilidad de error de símbolo puede limitarse 
superiormente a: 
PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
ö 
æ 
P (M 1)Q E b 2 
e,M-FSK = ÷ ÷ø 
donde E E log M 
N 
o 
ç çè 
£ - 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr2. Teoría Estimación
Rendimiento de algunos esquemas 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr3. Teoría Estimación
Pb (BER) a partir de Pe 
1. Probabilidad de error de bit a partir de la probabilidad de error de 
símbolo. 
• Hay dos enfoques para definir una probabilidad de error de bit equivalente, Pb, 
o tasa de errores de bit (BER), a partir de la probabilidad de error de símbolo, 
Pe. Esto depende de: 
• la estructura del espacio de señales, y 
• el mapeo de los puntos de señales espaciales en secuencias de bits 
equivalentes 
2. Definición 1: En este caso, asumimos que al ir de un punto de señal a 
un punto de señal adyacente, solamente cambia un bit en la palabra 
binaria representación representada en la señal. 
M 
P Pe 
b 
2 log 
= 
Nota: PSK M-ario empleando código Gray y QAM M-ario cumplen esta 
condición 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr4. Teoría Estimación
Pb (BER) a partir de Pe 
3. Definición 2: Denotamos n=log2M. Asumimos que todos los errores de 
símbolos son igualmente probables. Definimos Pb como la razón de A, 
que es el número medio de bits con errores de símbolo de n-bits, con 
relación a n, el cual es el número de bits por símbolos. Definiremos una 
fórmula explícita para Pb. 
Observe que, en un sistema M-ario, cada símbolo se encuentra en error 
con una probabilidad: 
Pe 
M -1 
Para un símbolo dado, suponga que k bits están en error. Entonces, 
hay ö 
maneras que esto puede suceder, lo cual resulta en: 
÷ ÷ø 
n 
æ 
k 
ç çè 
P A 
= = 
b 
1 
n n 
para M muy grande. 
n 
å= 
P ® 
P 
M 
- 
= 
ö 
P 
- ÷ ÷ø 
n 
k 
æ 
ç çè 
k 
e 
e 
e 
M 
M 
k 
1 ( 1) 2( 1) 2 
Nota: Los sistemas FSK M-ario se encuentran bajo esta condición. 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr5. Teoría Estimación
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr6. Teoría Estimación

Más contenido relacionado

La actualidad más candente

Lecture 6 formateo de señales en pcm
Lecture 6 formateo de señales en pcmLecture 6 formateo de señales en pcm
Lecture 6 formateo de señales en pcmnica2009
 
codificaciones unipolar, polar, bipolar
codificaciones unipolar, polar, bipolarcodificaciones unipolar, polar, bipolar
codificaciones unipolar, polar, bipolarthejp
 
Espectro Ensanchado - Telecomunicaciones III
Espectro Ensanchado - Telecomunicaciones IIIEspectro Ensanchado - Telecomunicaciones III
Espectro Ensanchado - Telecomunicaciones IIIAndy Juan Sarango Veliz
 
Modulacion Y Demodulacion
Modulacion Y DemodulacionModulacion Y Demodulacion
Modulacion Y Demodulacionmariagupena
 
Sistemas de Telecomunicaciones cap 3-2 (ss)
Sistemas de Telecomunicaciones cap 3-2 (ss)Sistemas de Telecomunicaciones cap 3-2 (ss)
Sistemas de Telecomunicaciones cap 3-2 (ss)Francisco Apablaza
 
Modulacion PSK
Modulacion PSKModulacion PSK
Modulacion PSKRick P
 
Modulación ask
Modulación ask Modulación ask
Modulación ask David Inati
 
6. AM y FM Modulación de amplitud y de frecuencia
6. AM y FM Modulación de amplitud y de frecuencia6. AM y FM Modulación de amplitud y de frecuencia
6. AM y FM Modulación de amplitud y de frecuenciaEdison Coimbra G.
 
Lecture 15 probabilidad de error y ber en señales bandabase binaria
Lecture 15 probabilidad de error y ber en señales bandabase binariaLecture 15 probabilidad de error y ber en señales bandabase binaria
Lecture 15 probabilidad de error y ber en señales bandabase binarianica2009
 
Probabilidad de error en modulación digital
Probabilidad de error en modulación digitalProbabilidad de error en modulación digital
Probabilidad de error en modulación digitalFrancisco Apablaza
 
Sistema psk & qpsk
Sistema psk &  qpskSistema psk &  qpsk
Sistema psk & qpskIsrael Chala
 
Analizador de espectros
Analizador de espectrosAnalizador de espectros
Analizador de espectrosivan
 
3.PCM Digitalizacion de señal analogica
3.PCM Digitalizacion de señal analogica3.PCM Digitalizacion de señal analogica
3.PCM Digitalizacion de señal analogicaEdison Coimbra G.
 
Capítulo IV - Microondas - Filtros para microondas
Capítulo IV - Microondas - Filtros para microondasCapítulo IV - Microondas - Filtros para microondas
Capítulo IV - Microondas - Filtros para microondasAndy Juan Sarango Veliz
 

La actualidad más candente (20)

Lecture 6 formateo de señales en pcm
Lecture 6 formateo de señales en pcmLecture 6 formateo de señales en pcm
Lecture 6 formateo de señales en pcm
 
codificaciones unipolar, polar, bipolar
codificaciones unipolar, polar, bipolarcodificaciones unipolar, polar, bipolar
codificaciones unipolar, polar, bipolar
 
Espectro Ensanchado - Telecomunicaciones III
Espectro Ensanchado - Telecomunicaciones IIIEspectro Ensanchado - Telecomunicaciones III
Espectro Ensanchado - Telecomunicaciones III
 
Modulación qam
Modulación qamModulación qam
Modulación qam
 
Modulacion fsk
Modulacion fskModulacion fsk
Modulacion fsk
 
Modulacion Y Demodulacion
Modulacion Y DemodulacionModulacion Y Demodulacion
Modulacion Y Demodulacion
 
Sistemas de Telecomunicaciones cap 3-2 (ss)
Sistemas de Telecomunicaciones cap 3-2 (ss)Sistemas de Telecomunicaciones cap 3-2 (ss)
Sistemas de Telecomunicaciones cap 3-2 (ss)
 
Modulacion PSK
Modulacion PSKModulacion PSK
Modulacion PSK
 
Modulación ask
Modulación ask Modulación ask
Modulación ask
 
6. AM y FM Modulación de amplitud y de frecuencia
6. AM y FM Modulación de amplitud y de frecuencia6. AM y FM Modulación de amplitud y de frecuencia
6. AM y FM Modulación de amplitud y de frecuencia
 
Lecture 15 probabilidad de error y ber en señales bandabase binaria
Lecture 15 probabilidad de error y ber en señales bandabase binariaLecture 15 probabilidad de error y ber en señales bandabase binaria
Lecture 15 probabilidad de error y ber en señales bandabase binaria
 
Trellis Y Viterbi
Trellis Y ViterbiTrellis Y Viterbi
Trellis Y Viterbi
 
Pcm
PcmPcm
Pcm
 
Probabilidad de error en modulación digital
Probabilidad de error en modulación digitalProbabilidad de error en modulación digital
Probabilidad de error en modulación digital
 
Sistema psk & qpsk
Sistema psk &  qpskSistema psk &  qpsk
Sistema psk & qpsk
 
Analizador de espectros
Analizador de espectrosAnalizador de espectros
Analizador de espectros
 
3.PCM Digitalizacion de señal analogica
3.PCM Digitalizacion de señal analogica3.PCM Digitalizacion de señal analogica
3.PCM Digitalizacion de señal analogica
 
PDH
PDHPDH
PDH
 
codificacion de linea
codificacion de lineacodificacion de linea
codificacion de linea
 
Capítulo IV - Microondas - Filtros para microondas
Capítulo IV - Microondas - Filtros para microondasCapítulo IV - Microondas - Filtros para microondas
Capítulo IV - Microondas - Filtros para microondas
 

Similar a Lecture 17 probabilidad de error para señales en awgn parte 2

Lecture 14 modulacion digital parte 2
Lecture 14 modulacion digital    parte 2Lecture 14 modulacion digital    parte 2
Lecture 14 modulacion digital parte 2nica2009
 
Lecture 16 probabilidad de error para señales en awgn parte 1
Lecture 16 probabilidad de error para señales en awgn parte 1Lecture 16 probabilidad de error para señales en awgn parte 1
Lecture 16 probabilidad de error para señales en awgn parte 1nica2009
 
Problemario de Series de Fourier
Problemario de Series de FourierProblemario de Series de Fourier
Problemario de Series de FourierKike Prieto
 
Series de fourier - Ejemplos Resueltos
Series de fourier - Ejemplos Resueltos Series de fourier - Ejemplos Resueltos
Series de fourier - Ejemplos Resueltos Joe Arroyo Suárez
 
ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS : EJERCICIOS DE EXPRESION EN S...
ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS  : EJERCICIOS DE EXPRESION EN  S...ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS  : EJERCICIOS DE EXPRESION EN  S...
ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS : EJERCICIOS DE EXPRESION EN S...AVINADAD MENDEZ
 
Ejercicios detallados del obj 4 mat iii 733
Ejercicios detallados del obj 4 mat iii  733 Ejercicios detallados del obj 4 mat iii  733
Ejercicios detallados del obj 4 mat iii 733 Jonathan Mejías
 
Segmentación por umbralización método de otsu
Segmentación por umbralización   método de otsuSegmentación por umbralización   método de otsu
Segmentación por umbralización método de otsuJorge Antonio Parra Serquen
 
Recursividad
RecursividadRecursividad
Recursividadbritkarem
 
RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2FELIX Castro Garcia
 
Quadratic Sieve, algoritmos y ejemplos
Quadratic Sieve, algoritmos y ejemplosQuadratic Sieve, algoritmos y ejemplos
Quadratic Sieve, algoritmos y ejemplosDaniel Cam Urquizo
 

Similar a Lecture 17 probabilidad de error para señales en awgn parte 2 (20)

Lecture 14 modulacion digital parte 2
Lecture 14 modulacion digital    parte 2Lecture 14 modulacion digital    parte 2
Lecture 14 modulacion digital parte 2
 
Lecture 16 probabilidad de error para señales en awgn parte 1
Lecture 16 probabilidad de error para señales en awgn parte 1Lecture 16 probabilidad de error para señales en awgn parte 1
Lecture 16 probabilidad de error para señales en awgn parte 1
 
Problemario de Series de Fourier
Problemario de Series de FourierProblemario de Series de Fourier
Problemario de Series de Fourier
 
Series de fourier - Ejemplos Resueltos
Series de fourier - Ejemplos Resueltos Series de fourier - Ejemplos Resueltos
Series de fourier - Ejemplos Resueltos
 
ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS : EJERCICIOS DE EXPRESION EN S...
ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS  : EJERCICIOS DE EXPRESION EN  S...ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS  : EJERCICIOS DE EXPRESION EN  S...
ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS : EJERCICIOS DE EXPRESION EN S...
 
Titulación
TitulaciónTitulación
Titulación
 
Titulación
TitulaciónTitulación
Titulación
 
3) Mecánica Cuántica
3) Mecánica Cuántica3) Mecánica Cuántica
3) Mecánica Cuántica
 
SSLL-SE-2014-2S
SSLL-SE-2014-2SSSLL-SE-2014-2S
SSLL-SE-2014-2S
 
Pd cap 2 1
Pd cap 2 1Pd cap 2 1
Pd cap 2 1
 
Ejercicios detallados del obj 4 mat iii 733
Ejercicios detallados del obj 4 mat iii  733 Ejercicios detallados del obj 4 mat iii  733
Ejercicios detallados del obj 4 mat iii 733
 
Segmentación por umbralización método de otsu
Segmentación por umbralización   método de otsuSegmentación por umbralización   método de otsu
Segmentación por umbralización método de otsu
 
Edwin contreras fourier
Edwin contreras fourierEdwin contreras fourier
Edwin contreras fourier
 
RNAs Backpropagation
RNAs Backpropagation RNAs Backpropagation
RNAs Backpropagation
 
Recursividad
RecursividadRecursividad
Recursividad
 
Formulas 2012 01pdf
Formulas 2012 01pdfFormulas 2012 01pdf
Formulas 2012 01pdf
 
RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2
 
Formulas estadisticas
Formulas estadisticasFormulas estadisticas
Formulas estadisticas
 
Ejemplosalgoritmo2
Ejemplosalgoritmo2Ejemplosalgoritmo2
Ejemplosalgoritmo2
 
Quadratic Sieve, algoritmos y ejemplos
Quadratic Sieve, algoritmos y ejemplosQuadratic Sieve, algoritmos y ejemplos
Quadratic Sieve, algoritmos y ejemplos
 

Más de nica2009

Lecture 14 radioenlaces terrenales servicio fijo p5
Lecture 14 radioenlaces terrenales servicio fijo   p5Lecture 14 radioenlaces terrenales servicio fijo   p5
Lecture 14 radioenlaces terrenales servicio fijo p5nica2009
 
Lecture 13 radioenlaces terrenales servicio fijo p4
Lecture 13 radioenlaces terrenales servicio fijo   p4Lecture 13 radioenlaces terrenales servicio fijo   p4
Lecture 13 radioenlaces terrenales servicio fijo p4nica2009
 
Lecture 12 radioenlaces terrenales servicio fijo p3
Lecture 12 radioenlaces terrenales servicio fijo   p3Lecture 12 radioenlaces terrenales servicio fijo   p3
Lecture 12 radioenlaces terrenales servicio fijo p3nica2009
 
Lecture 11 radioenlaces terrenales servicio fijo p2
Lecture 11 radioenlaces terrenales servicio fijo   p2Lecture 11 radioenlaces terrenales servicio fijo   p2
Lecture 11 radioenlaces terrenales servicio fijo p2nica2009
 
Lecture 10 radioenlaces terrenales servicio fijo p1
Lecture 10 radioenlaces terrenales servicio fijo   p1Lecture 10 radioenlaces terrenales servicio fijo   p1
Lecture 10 radioenlaces terrenales servicio fijo p1nica2009
 
Lecture 9 analisis radioprop p6
Lecture 9 analisis radioprop   p6Lecture 9 analisis radioprop   p6
Lecture 9 analisis radioprop p6nica2009
 
Lecture 8 revisión de ejercicios unidad ii
Lecture 8 revisión de ejercicios   unidad iiLecture 8 revisión de ejercicios   unidad ii
Lecture 8 revisión de ejercicios unidad iinica2009
 
Lecture 7 analisis radioprop p5
Lecture 7 analisis radioprop   p5Lecture 7 analisis radioprop   p5
Lecture 7 analisis radioprop p5nica2009
 
Lecture 6 analisis radioprop p4
Lecture 6 analisis radioprop   p4Lecture 6 analisis radioprop   p4
Lecture 6 analisis radioprop p4nica2009
 
Lecture 5 analisis radioprop p3
Lecture 5 analisis radioprop   p3Lecture 5 analisis radioprop   p3
Lecture 5 analisis radioprop p3nica2009
 
Lecture 4 analisis radioprop p2
Lecture 4 analisis radioprop   p2Lecture 4 analisis radioprop   p2
Lecture 4 analisis radioprop p2nica2009
 
Lecture 3 analisis radioprop p1
Lecture 3 analisis radioprop   p1Lecture 3 analisis radioprop   p1
Lecture 3 analisis radioprop p1nica2009
 
Lecture 2 intro a sist radiocom p2
Lecture 2 intro a sist radiocom   p2Lecture 2 intro a sist radiocom   p2
Lecture 2 intro a sist radiocom p2nica2009
 
Lecture 15 radioenlaces terrenales servicio fijo p6
Lecture 15 radioenlaces terrenales servicio fijo   p6Lecture 15 radioenlaces terrenales servicio fijo   p6
Lecture 15 radioenlaces terrenales servicio fijo p6nica2009
 
Lecture 1 intro a sist radiocom p1
Lecture 1 intro a sist radiocom   p1Lecture 1 intro a sist radiocom   p1
Lecture 1 intro a sist radiocom p1nica2009
 
Lecture 8 principios de economía p7
Lecture 8 principios de economía p7Lecture 8 principios de economía p7
Lecture 8 principios de economía p7nica2009
 
Lecture 7 principios de economía p6
Lecture 7 principios de economía p6Lecture 7 principios de economía p6
Lecture 7 principios de economía p6nica2009
 
Lecture 6 principios de economía p5
Lecture 6 principios de economía p5Lecture 6 principios de economía p5
Lecture 6 principios de economía p5nica2009
 
Lecture 5 principios de economía p4
Lecture 5 principios de economía p4Lecture 5 principios de economía p4
Lecture 5 principios de economía p4nica2009
 
Lecture 4 principios de economía p3
Lecture 4 principios de economía p3Lecture 4 principios de economía p3
Lecture 4 principios de economía p3nica2009
 

Más de nica2009 (20)

Lecture 14 radioenlaces terrenales servicio fijo p5
Lecture 14 radioenlaces terrenales servicio fijo   p5Lecture 14 radioenlaces terrenales servicio fijo   p5
Lecture 14 radioenlaces terrenales servicio fijo p5
 
Lecture 13 radioenlaces terrenales servicio fijo p4
Lecture 13 radioenlaces terrenales servicio fijo   p4Lecture 13 radioenlaces terrenales servicio fijo   p4
Lecture 13 radioenlaces terrenales servicio fijo p4
 
Lecture 12 radioenlaces terrenales servicio fijo p3
Lecture 12 radioenlaces terrenales servicio fijo   p3Lecture 12 radioenlaces terrenales servicio fijo   p3
Lecture 12 radioenlaces terrenales servicio fijo p3
 
Lecture 11 radioenlaces terrenales servicio fijo p2
Lecture 11 radioenlaces terrenales servicio fijo   p2Lecture 11 radioenlaces terrenales servicio fijo   p2
Lecture 11 radioenlaces terrenales servicio fijo p2
 
Lecture 10 radioenlaces terrenales servicio fijo p1
Lecture 10 radioenlaces terrenales servicio fijo   p1Lecture 10 radioenlaces terrenales servicio fijo   p1
Lecture 10 radioenlaces terrenales servicio fijo p1
 
Lecture 9 analisis radioprop p6
Lecture 9 analisis radioprop   p6Lecture 9 analisis radioprop   p6
Lecture 9 analisis radioprop p6
 
Lecture 8 revisión de ejercicios unidad ii
Lecture 8 revisión de ejercicios   unidad iiLecture 8 revisión de ejercicios   unidad ii
Lecture 8 revisión de ejercicios unidad ii
 
Lecture 7 analisis radioprop p5
Lecture 7 analisis radioprop   p5Lecture 7 analisis radioprop   p5
Lecture 7 analisis radioprop p5
 
Lecture 6 analisis radioprop p4
Lecture 6 analisis radioprop   p4Lecture 6 analisis radioprop   p4
Lecture 6 analisis radioprop p4
 
Lecture 5 analisis radioprop p3
Lecture 5 analisis radioprop   p3Lecture 5 analisis radioprop   p3
Lecture 5 analisis radioprop p3
 
Lecture 4 analisis radioprop p2
Lecture 4 analisis radioprop   p2Lecture 4 analisis radioprop   p2
Lecture 4 analisis radioprop p2
 
Lecture 3 analisis radioprop p1
Lecture 3 analisis radioprop   p1Lecture 3 analisis radioprop   p1
Lecture 3 analisis radioprop p1
 
Lecture 2 intro a sist radiocom p2
Lecture 2 intro a sist radiocom   p2Lecture 2 intro a sist radiocom   p2
Lecture 2 intro a sist radiocom p2
 
Lecture 15 radioenlaces terrenales servicio fijo p6
Lecture 15 radioenlaces terrenales servicio fijo   p6Lecture 15 radioenlaces terrenales servicio fijo   p6
Lecture 15 radioenlaces terrenales servicio fijo p6
 
Lecture 1 intro a sist radiocom p1
Lecture 1 intro a sist radiocom   p1Lecture 1 intro a sist radiocom   p1
Lecture 1 intro a sist radiocom p1
 
Lecture 8 principios de economía p7
Lecture 8 principios de economía p7Lecture 8 principios de economía p7
Lecture 8 principios de economía p7
 
Lecture 7 principios de economía p6
Lecture 7 principios de economía p6Lecture 7 principios de economía p6
Lecture 7 principios de economía p6
 
Lecture 6 principios de economía p5
Lecture 6 principios de economía p5Lecture 6 principios de economía p5
Lecture 6 principios de economía p5
 
Lecture 5 principios de economía p4
Lecture 5 principios de economía p4Lecture 5 principios de economía p4
Lecture 5 principios de economía p4
 
Lecture 4 principios de economía p3
Lecture 4 principios de economía p3Lecture 4 principios de economía p3
Lecture 4 principios de economía p3
 

Último

Estrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfEstrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfromanmillans
 
Unidad II Doctrina de la Iglesia 1 parte
Unidad II Doctrina de la Iglesia 1 parteUnidad II Doctrina de la Iglesia 1 parte
Unidad II Doctrina de la Iglesia 1 parteJuan Hernandez
 
periodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicasperiodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicas123yudy
 
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIATRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIAAbelardoVelaAlbrecht1
 
La Función tecnológica del tutor.pptx
La  Función  tecnológica  del tutor.pptxLa  Función  tecnológica  del tutor.pptx
La Función tecnológica del tutor.pptxJunkotantik
 
Movimientos Precursores de La Independencia en Venezuela
Movimientos Precursores de La Independencia en VenezuelaMovimientos Precursores de La Independencia en Venezuela
Movimientos Precursores de La Independencia en Venezuelacocuyelquemao
 
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdfOswaldoGonzalezCruz
 
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxSINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxlclcarmen
 
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxLINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxdanalikcruz2000
 
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALVOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALEDUCCUniversidadCatl
 
Informatica Generalidades - Conceptos Básicos
Informatica Generalidades - Conceptos BásicosInformatica Generalidades - Conceptos Básicos
Informatica Generalidades - Conceptos BásicosCesarFernandez937857
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfTarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfCarol Andrea Eraso Guerrero
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxjosetrinidadchavez
 
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...fcastellanos3
 
Análisis de la Implementación de los Servicios Locales de Educación Pública p...
Análisis de la Implementación de los Servicios Locales de Educación Pública p...Análisis de la Implementación de los Servicios Locales de Educación Pública p...
Análisis de la Implementación de los Servicios Locales de Educación Pública p...Baker Publishing Company
 

Último (20)

Estrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfEstrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdf
 
Unidad II Doctrina de la Iglesia 1 parte
Unidad II Doctrina de la Iglesia 1 parteUnidad II Doctrina de la Iglesia 1 parte
Unidad II Doctrina de la Iglesia 1 parte
 
La Trampa De La Felicidad. Russ-Harris.pdf
La Trampa De La Felicidad. Russ-Harris.pdfLa Trampa De La Felicidad. Russ-Harris.pdf
La Trampa De La Felicidad. Russ-Harris.pdf
 
periodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicasperiodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicas
 
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIATRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
 
La Función tecnológica del tutor.pptx
La  Función  tecnológica  del tutor.pptxLa  Función  tecnológica  del tutor.pptx
La Función tecnológica del tutor.pptx
 
Defendamos la verdad. La defensa es importante.
Defendamos la verdad. La defensa es importante.Defendamos la verdad. La defensa es importante.
Defendamos la verdad. La defensa es importante.
 
Movimientos Precursores de La Independencia en Venezuela
Movimientos Precursores de La Independencia en VenezuelaMovimientos Precursores de La Independencia en Venezuela
Movimientos Precursores de La Independencia en Venezuela
 
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
 
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxSINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
 
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxLINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
 
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALVOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
 
Informatica Generalidades - Conceptos Básicos
Informatica Generalidades - Conceptos BásicosInformatica Generalidades - Conceptos Básicos
Informatica Generalidades - Conceptos Básicos
 
Unidad 4 | Teorías de las Comunicación | MCDI
Unidad 4 | Teorías de las Comunicación | MCDIUnidad 4 | Teorías de las Comunicación | MCDI
Unidad 4 | Teorías de las Comunicación | MCDI
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfTarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
 
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
 
Sesión de clase: Defendamos la verdad.pdf
Sesión de clase: Defendamos la verdad.pdfSesión de clase: Defendamos la verdad.pdf
Sesión de clase: Defendamos la verdad.pdf
 
Análisis de la Implementación de los Servicios Locales de Educación Pública p...
Análisis de la Implementación de los Servicios Locales de Educación Pública p...Análisis de la Implementación de los Servicios Locales de Educación Pública p...
Análisis de la Implementación de los Servicios Locales de Educación Pública p...
 

Lecture 17 probabilidad de error para señales en awgn parte 2

  • 1. Universidad Nacional de Ingeniería Comunicaciones II Conferencia 17: Probabilidad de error para señales en AWGN – Parte 2 UNIDAD VI: DETECCIÓN E INTRODUCCIÓN A LA TEORÍA DE LA ESTIMACIÓN Instructor: Israel M. Zamora, MS Telecommunications Management Profesor Titular, Departamento de Sistemas Digitales y Telecomunicaciones. Universidad Nacional de Ingeniería 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr. Teoría Estimación
  • 2. Outline • Análisis de Zonas • Procedimiento de cómputo de probabilidad de error – Ejemplo práctico • Probabilidad de error de algunos esquemas de transmisión pasabanda binario • Probabilidad de error de algunos esquemas de transmisión pasabanda M-ario 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr. Teoría Estimación
  • 3. Análisis de Zonas Note que en la mayoría de los casos, Z puede ser representado por i {( ) } Z = Z = r ,r ,...,r a < r < b , a < r < b ,...,a < r < b i 1 2 N 1 1 1 2 2 2 N N N donde i = 1,2,...,M, a ´s podría ser - ¥ , y b´s, ¥ . Así tenemos i i { } { } P Î Z m = P a < r < b , a < r < b ,...,a < r < b m i i 1 1 1 2 2 2 N N N i { } { } { } = < < < < < < ( ) , j 1,2,...N, dado que m es transmitido R ~ Ν μ,σ Ν s , N ö 2 çè 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In3tr. Teoría Estimación y P a r b m P a r b m ...P a r b m i o ij 2 1 1 1 i 2 2 2 i N N N i = ÷ø = æ r
  • 4. Procedimiento de cómputo de probabilidad de error (1) Paso 1: Calcule los puntos de mensaje (o constelación de señales) ( ) = = i s s ,s ,...,s , i 1,2,...,M i1 i2 iN y determine la región de decisión Z , i = 1,2,...,M. En la mayoría de casos, Z puede ser representado por i i {( ) } 1 2 N 1 1 1 2 2 2 N N N Z = r ,r ,...,r a < r < b , a < r < b ,...,a < r < b 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In4tr. Teoría Estimación
  • 5. Procedimiento de cómputo de probabilidad de error (2) ( ) = Paso 2: Para cada i 1,2,...,M, calcule P m usando el siguiente subprocedimiento : = para cada j 1,2,...,N, calcule P a r b m F b F a , R ~ N s , N { } ( ) ( ) < < = - æ çè o ö c i j j j i j j ij = ÷ø , j 1,2,...,N 2 Escriba la función F en términos de la función Q. Luego ( ) N { } ( ) ( ) e i c i Õ= = < < Þ = P m P a r b m P m 1- P m j j c i j j i j 1 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In5tr. Teoría Estimación
  • 6. Procedimiento de cómputo de probabilidad de error (3) ( ) P m Paso 3: Calcule P 1 å== e e i para símbolos equiprobables P m ( ) i M i 1 M 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In6tr. Teoría Estimación
  • 7. Ejemplo (1/6) •Determine la probabilidad media de error por símbolo para la constelación de señales mostrada abajo (NRZ Polar) S1(t) T m1=0 -A S2(t) m2=1 T A Z1 Z2 S1 S2 j-AÖT A ÖT 1 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In7tr. Teoría Estimación
  • 8. Ejemplo (2/6) De la gráfica : ( ) ( ) ( ) ( ) ( ) ( ) = j = - j = s t s t A T t ó s -A T 1 11 = j = j = s t s t A T t ó s A T 1 21 ( ) T 0 1 11 1 2 21 1 T 0 2 2 ò ò 2 2 donde = = = E s (t)dt 2 -A dt A 2 T T 0 2 2 T 0 1 1 ò ò 2 2 2 2 = = = E s (t)dt 2 A dt A 2 T 2 2 2 2 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In8tr. Teoría Estimación
  • 9. Ejemplo (3/6) = = Þ = - = Paso 1: Fijamos m 0, m 1 s A T, s A T 1 2 11 Z = {r r < 0}, Z = {r r ³ 0} j j j j 1 1 1 2 1 1 2 21 2 Donde para señales equiprobables, tenemos que el umbral de decisión o frontera entre las regiones de decisión es igual a: 0 g = s11 + s21 = - A T + A T = 2 2 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In9tr. Teoría Estimación
  • 10. Ejemplo (4/6) Calculamos, P 0 P r 0 0 con R ~ N s , N ( ) { } ( ) { } ( ) ö çè= < æ N A T, N æ- = ÷ø ö çè o 2 o j c 11 2 1 = - ³ ³ g = æ g - P 0 1 P r 0 0 donde P R Q μ j 1 con R = r y = 0, μ = s y σ = N 11 æ ö çè 2 o j 1 substituyendo : 2 g ( ) { } ( ) ÷ø ö P 0 1 P r 0 0 1 Q 0 A T æ = - ³ = - - - ö j æ ö ÷ ÷ ÷ ÷ ø ç ç ç ç è 2 N 2 o 2 s P 0 Q A 2T 1 P 0 1 Q A 2T ( ) ( ) ÷ ÷ø ç çè = Þ ÷ ÷ø ç çè = - ÷ø 2 o 2 e o c c c N N 2 Paso 2-1: 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr0. Teoría Estimación
  • 11. Ejemplo (5/6) Calculamos, P 1 P r 01 con R ~ N s , N ( ) { } = ³ æ ö çèj c 21 ³ = æ - 1 g g donde P R Q μ ( ) ö çè ÷ø N A T, N o 2 o 2 s con R = r y = 0, μ = s y σ = N j 1 substituyendo : g = ³ = - P 1 P r 01 Q 0 A T ( ) { } æ = ÷ø ö çè 21 2 2 o 2 Q -A 2T N N 2 o o ö æ ç çè æ æ ç ç ç ç è ö æ = ö ÷ ÷ ÷ ÷ ø 2 2 P 1 Q A 2T j 1 P 1 1 Q A 2T ( ) ( ) ÷ ÷ø ç çè = Þ ÷ ÷ø ç çè = - ö ÷ ÷ø ÷ø 2 o 2 e o c c N N 2 Paso 2-2: 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr1. Teoría Estimación
  • 12. Ejemplo (6/6) 2 P m 1 ( ) ( ) M Calcule P 1 = å = å i 1 e e i i 1 2 = = [ ( ) ( )] M 1 P 0 P 1 2 e e Q A 2T N ö ÷ ÷ø = + é ê êë æ 1 2 Q A 2T ç çè = = ù ö ÷ ÷ø ú úû æ P m Q A 2T ç çè ö + ÷ ÷ø æ ç çè 2 o e i 2 o 2 o N N Paso 3: 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr2. Teoría Estimación
  • 13. Pe para BPSK Coherente El receptor obtiene donde la pdf de R=r1 dado que la señal s1(t) fue transmitida es 1 1 1 ( r s ) = 2 1 1 11 Con AWGN con media cero y PSD N é - - , tenemos que 2 Q E P P r E (1) { 01} 2 2 b (0) O ö ÷ ÷ø æ N N b O P P (1) P (1) P (0) P (0) Q 2 E ç çè ö = ÷ ÷ø æ ç çè = < =F - 1 = + = ö = ÷ ÷ø æ ç çè b 0 0 N P e,BPSK e e e ù b SNR = 2E 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr3. Teoría Estimación e PPrroobbaabbiilliiddaadd ddee EErrrroorr:: r = s + n 1 11 úû êë p N exp N f ( r ) O O R m y decide que s1(t) fue enviado si r1>0 y s2(t) en otro caso. El receptor comete un error si s1(t) fue enviado y r1<0. Es decir, r1ÎZ2. Así, la probabilidad de error dado que el mensaje m1 fue transmitido es: Se nota que: O máx N
  • 14. Pe BFSK Coherente BBiinnaarryy FFrreeccuueennccyy SShhiifftt KKeeyyiinngg ccoonn ddeetteecccciióónn CCoohheerreennttee = ò f = + Tb j i j ij j donde r r ( t ) ( t )dt s n 0 r s ( t )~N s , NO , j , j i ij = ÷ø 1 2 æ ö çè 2 ÷ø r s ( t )~N s , N N O N E , O b 1 1 11 2 2 r s ÷ø ( t )~N s , N N O N , O 1 2 21 2 ( ) 2 j t 2 s ö çè æ = ÷ø ÷øö çè æ O O r s ( t )~N s , N N , N çè æ ö 2 1 12 2 ö çè æ = ÷ø ö çè ÷ø æ 2 0 O r s ( t )~N s , N N E , N çè æ ö O b 2 2 22 2 2 b d = 2E PPrroobbaabbiilliiddaadd ddee EErrrroorr:: æ = ÷ø 0 ö çè 2 æ = ÷ø ö çè Con AWGN con media cero y DSP N b E 1 0 s Con p(0)=p(1)=0.5 ö ÷ ÷ø æ P Q E ç çè = b 0 e,BFSK 0 N 2 b E ( ) 1 j t 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr4. Teoría Estimación
  • 15. Pe QPSK Coherente (1/2) 1 4 4 1 La probabilidad media de error de QPSK para símbolos equiprobables está dado por: å= P = P (m ) e e i i Note que las regiones de decisión son iguales y los puntos señales son simétricas. De allí que todas las Pe(mi) son iguales. En los que sigue, sólo nos enfocamos a calcular el resultado con m1=10. P ( ) P ( ) e 10 =1- c 10 P ( ) P( r ( r ,r ) Z ) P{ r , r } c 10 10 0 010 1 2 1 1 2 = = Î = < < ¥ -¥ < < donde 10 2 1 2 1 0 r N(s ,N / ), j , j j ® = y estas dos variables aleatorias gaussianas son independientes. Así P ( ) P{ r }P{ r } c 10 010 010 1 2 = > < 2 ö æ ö æ ö ö æ F = ÷ ÷ ø ö æ - F ÷ ÷ ø æ ö æ - = -F Q E E E / E / 1 2 ÷ ÷ 2 2 ç ç è ÷ ÷ ø N / N / 0 0 ç ç ÷ø ÷ = 1 - 2 2 ø O O N è ÷ ÷ø ç çè ç çè ç ç è ç ç è N 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr5. Teoría Estimación
  • 16. Esquema QPSK Coherente (2/2) Probabilidad de Error de Símbolo: ö 2 = ÷ ÷ ø P P Q E 1 1 1 2 ö ÷ ÷ø æ N O P Q E ç çè æ ç ç = - = - - è 1 2 e c >> » ö ÷ ÷ø æ Q E ç çè ö - ÷ ÷ø æ Q E ç çè ö ÷ ÷ø æ ç çè N si E e 0 0 0 2 0 N N N Podemos expresar esto en función de la energía Tx. Por bit: ö ÷ ÷ø Q 2E 2 b æ N P 2Q 2E ç çè ö - ÷ ÷ø æ P 2Q 2E ç çè b 0 N 1 >> » ö ÷ ÷ø æ ç çè = b 0 e si E b 0 0 e N N 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr6. Teoría Estimación
  • 17. Pe MSK Coherente P P 2Q 2E Z3 Z4 s3 :1 E b s4 :0 b E Probabilidad de Error de Símbolo: Q 2E ö ÷ ÷ø N æ 1 P 2Q 2E ç çè = = e,MSK e,QPSK >> » æ ç çè ö - ÷ ÷ø æ ç çè b 0 e si E b 0 2 b b 0 N N b - E Así para valores elevados por Eb/N0, la s2 :0 s1: 1 b - E 0 N probabilidad de error medio para un sistema MSK es aproximadamente el mismo que el correspondiente para un sistemas BPSK Coherente (ignore el factor de escala de 2). Esto es así al precio de un incremento en la complejidad del receptor. ö ÷ ÷ø Z2 Z1 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr7. Teoría Estimación
  • 18. Pe QAM Coherente (1/2) Se puede demostrar que la probabilidad de error del símbolo en la QAM M-aria está dada aproximadamente por: O Q E O En consecuencia, podemos reescribir la ecuación anterior en términos de ES como: ö ÷ ÷ø P 2 1 1 2 @ æ - - ÷øö çè e ,QAM Maria N æ M 2 1 1 3 ç çè æ ç çè × - @ æ - - ö çè Q ÷ø S O E P e ,QAM Maria M N M 1 ö ÷ ÷ø En el caso M=4 es de interés especial. La relación de señales para este valor de M es la misma correspondiente a la QPSK. En realidad, haciendo M=4 en la ecuación de arriba y advirtiendo que para este caso especial ES=E donde E es la energía por símbolo, encontramos que la fórmula resultante para la probabilidad de error de símbolo se vuelve idéntica a ecuación de la diapositiva 8 que se reproduce aquí. ö ÷ ÷ø æ P Q E e ç çè » 0 2 N 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr8. Teoría Estimación
  • 19. Pe QAM Coherente (2/2) El resultado anterior es exacto para M=2k donde k par. Cuando k es impar, no hay sistema PAM L-ario (ÖM). Pero esto no es problema. Se puede demostrar casi directamente que la probabilidad de error de símbolo se encuentra confinada con cota superior a través de la expresión siguiente: 2 × - E P Q e ,QAM Maria N 1 é æ 1 1 2 3 ù ú úû £ - - - ê êë ö ÷ ÷ø ç çè S O M æ 4 3 ç ç è × - £ kE b ,S N O M Q 1 para cualquier k³1, y Eb.S es la energía por bit promedio. ö ÷ ÷ ø 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr9. Teoría Estimación
  • 20. Pe BFSK No coherente PPrroobbaabbiilliiddaadd ddee EErrrroorr:: Con AWGN con media cero y DSP N ö ÷ ÷ø æ exp E 2 ç çè P 1 = - b 0 e 0 2N 2 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr0. Teoría Estimación
  • 21. Pe M-arios Caso: Esquema M-ario PSK La probabilidad de recepción correcta es la integral del área sombreada de la figura. Esta probabilidad puede ser limitada por alguna frontera. Por tanto, para valores grandes de E/No la probabilidad de error de símbolo es aproximadamente dada por: PPrroobbaabbiilliiddaadd ddee EErrrroorr:: ö æ sen π P Q E e,M-PSK si p / M 2 2 4 » M 0 ³ ÷ ÷ø ç çè M N E E log M b 2 = 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr1. Teoría Estimación
  • 22. Pe M-arios Caso: Esquema M-ario FSK Para FSK M-ario, el receptor óptimo corresponde a un banco de M correlaciones o filtros acoplados. En los sistemas de muestreo t=kT, el receptor toma decisiones basadas en la mayor de las salidas del filtro acoplado. La probabilidad de error de símbolo puede limitarse superiormente a: PPrroobbaabbiilliiddaadd ddee EErrrroorr:: ö æ P (M 1)Q E b 2 e,M-FSK = ÷ ÷ø donde E E log M N o ç çè £ - 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr2. Teoría Estimación
  • 23. Rendimiento de algunos esquemas 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr3. Teoría Estimación
  • 24. Pb (BER) a partir de Pe 1. Probabilidad de error de bit a partir de la probabilidad de error de símbolo. • Hay dos enfoques para definir una probabilidad de error de bit equivalente, Pb, o tasa de errores de bit (BER), a partir de la probabilidad de error de símbolo, Pe. Esto depende de: • la estructura del espacio de señales, y • el mapeo de los puntos de señales espaciales en secuencias de bits equivalentes 2. Definición 1: En este caso, asumimos que al ir de un punto de señal a un punto de señal adyacente, solamente cambia un bit en la palabra binaria representación representada en la señal. M P Pe b 2 log = Nota: PSK M-ario empleando código Gray y QAM M-ario cumplen esta condición 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr4. Teoría Estimación
  • 25. Pb (BER) a partir de Pe 3. Definición 2: Denotamos n=log2M. Asumimos que todos los errores de símbolos son igualmente probables. Definimos Pb como la razón de A, que es el número medio de bits con errores de símbolo de n-bits, con relación a n, el cual es el número de bits por símbolos. Definiremos una fórmula explícita para Pb. Observe que, en un sistema M-ario, cada símbolo se encuentra en error con una probabilidad: Pe M -1 Para un símbolo dado, suponga que k bits están en error. Entonces, hay ö maneras que esto puede suceder, lo cual resulta en: ÷ ÷ø n æ k ç çè P A = = b 1 n n para M muy grande. n å= P ® P M - = ö P - ÷ ÷ø n k æ ç çè k e e e M M k 1 ( 1) 2( 1) 2 Nota: Los sistemas FSK M-ario se encuentran bajo esta condición. 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr5. Teoría Estimación
  • 26. 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr6. Teoría Estimación