Mat-Rc Lab 05-06

MATEMÁTICA PARA LAS REDES DE
COMUNICACIONES
III Ciclo
Laboratorios 05 y 06
“Análisis del ruido blanco y Gaussiano”

“Análisis BER en Modulaciones Digitales”
Alumno:
2
Casos de estudio:
“Análisis del ruido blanco y Gaussiano”
“Análisis BER en modulaciones digitales”
Objetivos
1. Entender conceptos de ruido.

2. Analizar el ruido blanco y Gaussiano
3. Calcular y analizar el BER en algunos sistemas de modulación.
Equipos y Materiales
 Computadora.
 Software Matlab, Octave u otro similar.
Desarrollo:
1. Análisis del ruido blanco y Gaussiano
Proceso de ruido blanco
Un proceso aleatorio (o señal para su visualización) con una función de densidad espectral de
potencia constante (PSD) es un proceso de ruido blanco.
Densidad espectral de potencia

La función de densidad espectral de potencia muestra la cantidad de potencia contenida en
cada uno de los componentes espectrales. Por ejemplo, para una onda sinusoidal de frecuencia
fija, el gráfico PSD contendrá solo un componente espectral presente en la frecuencia
dada. PSD es una función uniforme y, por lo tanto, los componentes de frecuencia se reflejarán
en el eje Y cuando se tracen. Por lo tanto, para una onda sinusoidal de frecuencia fija, la gráfica
de doble cara de PSD tendrá dos componentes: uno a + ve frecuencia y otro a –ve frecuencia de
la onda sinusoidal.
Ruido blanco gaussiano y uniforme:

Una señal de ruido blanco (proceso) está constituida por un conjunto de variables aleatorias
independientes e idénticamente distribuidas (iid). En sentido discreto, la señal de ruido blanco
constituye una serie de muestras que son independientes y se generan a partir de la
misma distribución de probabilidad.
Por ejemplo, puede generar una señal de ruido blanco utilizando un generador de números
aleatorios en el que todas las muestras siguen una distribución gaussiana dada. Esto se llama
ruido blanco gaussiano (WGN) o ruido blanco gaussiano. Del mismo modo, una señal de ruido
blanco generada a partir de una distribución uniforme se llama ruido blanco uniforme. El ruido
blanco gaussiano y el ruido blanco uniforme se usan con frecuencia en el modelado de
sistemas. En el modelado / simulación, se puede generar un ruido blanco usando un generador
aleatorio apropiado.
PROGRAMA DE FORMACIÓN REGULAR

3
El ruido gaussiano blanco se puede generar utilizando la función” randn" en Matlab/Octave que

genera números aleatorios que siguen una distribución gaussiana. Del mismo modo, la
función "rand" se puede utilizar para generar ruido blanco uniforme en Matlab/Octave que
sigue una distribución uniforme. Cuando se usan los generadores de números aleatorios,
genera una serie de números aleatorios a partir de la distribución dada.
Tomemos el ejemplo de generar un ruido blanco gaussiano de longitud 15 usando la función

"randn" en Matlab/Octave, con media cero y desviación estándar = 2.
>> mu=0;sigma=2;
>> noise=sigma*randn(1,15)+mu
noise =
Columns 1 through 8:
-0.653129 -0.185772 0.983305 3.193951 0.515134 -0.764738

0.955878 -0.390117
Columns 9 through 15:
-3.476215 -1.954626 -0.146038 -1.057746 -0.141282 0.067667

0.281216
¿Qué es el iid?
Esto simplemente genera 15 números aleatorios a partir de la distribución normal
estándar. Como sabemos, un proceso blanco se ve como un proceso aleatorio que compone
varias variables aleatorias que siguen la misma función de distribución de probabilidad
(PDF). Los 15 números aleatorios anteriores se generan a partir del mismo PDF (distribución
normal estándar).
Esta condición se llama condición "idénticamente distribuida". Las muestras individuales dadas
anteriormente son "independientes" entre sí. Además, cada muestra puede verse como la
realización de una variable aleatoria. En efecto, hemos generado un proceso aleatorio que se
compone de realizaciones de 15 variables aleatorias. Por lo tanto, el proceso anterior está
constituido por variables aleatorias "distribuidas idénticamente independientes" (iid).
Ruido blanco estrictamente y débilmente definido:

Dado que el proceso de ruido blanco se construye a partir de variables / muestras aleatorias,
todas las muestras siguen la misma función de distribución de probabilidad subyacente
(PDF). Por lo tanto, la función de distribución conjunta de probabilidad del proceso no cambiará
con ningún cambio en el tiempo. Esto se llama un proceso estacionario.
Por lo tanto, el ruido blanco es un proceso estacionario. Al igual que con un proceso
estacionario que puede clasificarse como procesos Estacionario de sentido estricto
(SSS) y Estacionario de sentido amplio (WSS), podemos tener ruido blanco que es SSS y ruido
blanco que es WSS. En consecuencia, pueden llamarse "señal de ruido estrictamente blanco" y
"señal de ruido débilmente blanco".
Ejercicio 1:
Generar una señal de ruido blanco gaussiano de longitud L= 200000 usando la función randn
en Matlab/Octave y graficarla. Aquí el PDF subyacente es un PDF gaussiano con media igual a
0 y desviación estándar igual a 3. Varianza Cuadrado de la media.
Adjuntar código e imagen.

4
Figura de Referencia
Resolución:
Ejercicio 2:
Trace el histograma del ruido blanco generado y verifique el histograma trazando contra el
PDF teórico de la variable aleatoria gaussiana. Mostrar gráfica y código.
Fórmula a usar:
Gráfica referencial

5
Resolución:
2. Análisis BER en modulación digital BPSK sobre AWGN
AWGN
El canal gaussiano se utiliza para modelar la amplia mayoría de casos reales en comunicaciones.
A diferencia de los canales vistos anteriormente como el canal borrador o canal simétrico, el
canal gaussiano es continuo. Este canal también es conocido como canal AWGN (Additive
White Gaussian Noise Channel), en la que el ruido se modelo mediante una variable aleatoria
gaussiana w, con media 0 y varianza σ2.
La potencia del ruido viene dada por:
Siendo:
BER (Bit Error Rate o Taza de Error de bits)

La tasa de error de bit o BER mide el promedio de errores ocurridos en la transmisión.
En el receptor, si estamos detectando una señal ruidosa, habrá “ceros” que se puedan
confundir como “unos” y “unos” que se puedan confundir como “ceros”, dependiendo de lo
ruidosa que sea la señal y de donde coloquemos el umbral de decisión (vth).
BPSK (PSK BINARIO)

Este esquema es la modulación de desplazamiento de fase de 2 símbolos. También se la conoce
como 2-PSK o PRK (Phase Reversal Keying). Es el más sencillo de todos, puesto que solo emplea
2 símbolos, con 1 bit de información cada uno. Es también la que presenta mayor inmunidad al
ruido, puesto que la diferencia entre símbolos es máxima (180º). Dichos símbolos suelen tener
un valor de salto de fase de 0º para el 1 y 180º para el 0, como se muestra en un diagrama de
constelación. En cambio, su velocidad de transmisión es la más baja de las modulaciones de
fase.

6
En presencia de un desplazamiento de fase, introducido por el canal de comunicaciones, el

demodulador de BPSK es incapaz de determinar el símbolo correcto. Debido a esto, el flujo de
datos es codificado en forma diferencial antes de la modulación. BPSK es funcionalmente
equivalente a la modulación 2-QAM.
Implementación
La descripción matemática de una señal modulada BPSK es la siguiente:
Esta expresión proporciona dos fases: 0° y 180° (π radianes). En la forma específica, los datos
binarios se transmiten a menudo con las siguientes señales:
Donde:
Tasa de errores o bit rate

La tasa de bits erróneos de BPSK es baja, debido a su máxima separación entre saltos de fase.
Esta tasa con ruido blanco gaussiano y aditivo se puede calcular como:
P es la función de error complementaria. Ya que en el esquema digital BPSK sólo hay un bit por
símbolo, esta es también la tasa de error de símbolo.
Ahora:
Una señal modulada BPSK con potencia P = √Eb transmitida por (AWGN) El canal gaussiano
blanco aditivo se ve afectado por varios tipos de ruido, como el ruido térmico. Este ruido es de
naturaleza aditiva, tiene espectro plano (blanco - no correlacionado), tiene PDF gaussiano
(función de densidad de probabilidad).
Y=X+V
Donde X es la señal BPSK y V es el ruido gaussiano N(µ, σ2 ).
El PDF de V es dado por:

7
La expresión BER para BER sobre BPSK es dado por:
Ejercicio 3:
Genere una secuencia binaria aleatoria de 30000 valores. Vamos a llamarlo secuencia “x”.
Genere ruido gaussiano y varíe el SNR (relación señal / ruido) de 0 a 24 con paso de 4 db (o
variación de ruido de 1 a 0.001), llamémosla secuencia "Z". Utilizar:
Hacerlo en función a BPSK
BER generalmente se grafica en un gráfico semilogarítmico (función semylog) bidimensional. El

eje X es la relación de densidad de energía de bit a ruido Eb / N0 (expresada en dB) o relación de
señal/ruido normalizada (SNR). El eje Y es BER, una cantidad adimensional, generalmente
expresada en potencias de diez.
Gráfica referencial
Resolución:
Observaciones y conclusiones.

Mat-Rc Lab 05-06

Cargado por

Copyright:

Formatos disponibles

Mat-Rc Lab 05-06

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mat-Rc Lab 05-06

Cargado por

Copyright:

Formatos disponibles

MATEMÁTICA PARA LAS REDES DE

“Análisis del ruido blanco y Gaussiano”

1. Entender conceptos de ruido.

1. Análisis del ruido blanco y Gaussiano

Proceso de ruido blanco

Densidad espectral de potencia

Ruido blanco gaussiano y uniforme:

PROGRAMA DE FORMACIÓN REGULAR

El ruido gaussiano blanco se puede generar utilizando la función” randn" en Matlab/Octave que

Tomemos el ejemplo de generar un ruido blanco gaussiano de longitud 15 usando la función

-0.653129 -0.185772 0.983305 3.193951 0.515134 -0.764738

Columns 9 through 15:

-3.476215 -1.954626 -0.146038 -1.057746 -0.141282 0.067667

Ruido blanco estrictamente y débilmente definido:

PROGRAMA DE FORMACIÓN REGULAR

PROGRAMA DE FORMACIÓN REGULAR

2. Análisis BER en modulación digital BPSK sobre AWGN

BER (Bit Error Rate o Taza de Error de bits)

BPSK (PSK BINARIO)

PROGRAMA DE FORMACIÓN REGULAR

En presencia de un desplazamiento de fase, introducido por el canal de comunicaciones, el

Tasa de errores o bit rate

El PDF de V es dado por:

PROGRAMA DE FORMACIÓN REGULAR

La expresión BER para BER sobre BPSK es dado por:

Hacerlo en función a BPSK

BER generalmente se grafica en un gráfico semilogarítmico (función semylog) bidimensional. El

PROGRAMA DE FORMACIÓN REGULAR

También podría gustarte