Libro de Comunicaciones Plus PDF

Comunicaciones Digitales basadas en
Radio Definida por Software
Homero Ortega Boada

Oscar Mauricio Reyes Torres
ESCUELA DE INGENIERIAS ELECTRICA ELECTRONICA Y TELECOMUNICACIONES– E3T

UNIVERSIDAD INDUSTRIAL DE SANTANDER – UIS
Homero Ortega Boada Oscar Mauricio Reyes Torres

Carrera 27, Calle 9. Ciudad Universitaria.
1
ORTEGA /Comunicaciones Digitales basadas en SRD / 2
UIS. Escuela de Eléctrica
Bucaramanga, Colombia
+57 7 6344000
hortegab@uis.edu.co
Ilustraciones
Editorial UIS
Asesora editorial
Publicaciones UIS
Primera edición abril 2016
Editorial UIS
Todos los derechos reservados
Comunicaciones Digitales basadas en SDR

por
Homero Ortega Boada
Oscar Mauricio Reyes Torres
2
ORTEGA /Comunicaciones Digitales basadas en SRD / 3
Comunicaciones Digitales basadas en

Radio Definida por Software
El conocimiento de las comunicaciones digitales
desde la perspectiva más moderna.
Colombia, abril de 2016
Homero Ortega Boada. es Ingeniero electrónico del Instituto de Ingenieros de Aviación Civil de Kiev con
Maestría y Doctorado en Ciencias de la Ingeniería de la Universidad Internacional de Aviación Civil de
Kiev y conjuga un cúmulo de experiencias que se derivan de su paso de dos años por la empresa
Ericsson, 9,5 años en la Universidad Industrial de Santander donde ha sido líder de proyectos, docente
investigador y director del Grupo de investigación RadioGis, 2,5 años en la Agencia Nacional del
Espectro, donde se desempeñó como Asesor de la Dirección General de la Agencia Nacional del
Espectro, así como Director Interino de esa entidad y como Subdirector Interino de la Subdirección de
Planeación y Gestión Técnica del Espectro. Allí apoyó el inicio de las actividades y la consolidación de la
Agencia Nacional del Espectro, así como proyectos de socialización del conocimiento en temas de
Gestión del Espectro Radioeléctrico, Estudios para asignación de espectro a Proveedores de Redes y
Servicios para las comunicaciones móviles e Internet de banda ancha, el reordenamiento de las bandas
de frecuencias para la entrada de la televisión digital y el aprovechamiento del Dividendo Digital,
representando a Colombia en temas de Gestión Internacional con su participación en la Conferencia
Mundial de Radiocomunicaciones del 2012 y en los Grupos de Radio de la UIT. Es autor de numerosas
publicaciones científicas en revistas y congresos y de una patente en radiocomunicaciones en temas de
OFDM.
Oscar Mauricio Reyes Torres, Doctorado en Ingeniería (c) Technische Universität Hamburg-Harburg,
TUHH, Alemania, Magíster en Ingeniería Electrónica Universidad Industrial de Santander, Esp. Docencia
Universitaria de la Universidad Industrial de Santander, Ingeniero Electrónico Universidad Industrial de
Santander
3
Tabla de contenido
INTRODUCCIÓN 17
1. Antecedentes 19
1.1. Instrucciones iniciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.1. El sitio web del libro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.2. Los primeros pasos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2. Términos y siglas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3. Variables comúnmente usadas en los materiales que acompañan a este libro . . . . 21
1.4. Señales y Sistemas continuos en el dominio del tiempo . . . . . . . . . . . . . . . . 24
1.4.1. Señales senoidales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.2. La respuesta al impulso y la convolución . . . . . . . . . . . . . . . . . . . . 24
1.4.3. La Representación en Series de Fourier . . . . . . . . . . . . . . . . . . . . 25
1.4.4. La Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.5. La Respuesta en frecuencia en los sistemas LIT . . . . . . . . . . . . . . . . 26
1.4.6. Transformada de Fourier de algunas señales . . . . . . . . . . . . . . . . . . 27
1.4.7. La Modulación de una señal senoidal . . . . . . . . . . . . . . . . . . . . . . 27
1.5. Señales aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.5.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.5.2. Promedios de tiempo en señales reales . . . . . . . . . . . . . . . . . . . . . 30
1.5.3. La Media de una Señal x(t) . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.5.4. La Media Cuadrática de una Señal x(t) . . . . . . . . . . . . . . . . . . . . 31
1.5.5. El Valor RMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.5.6. La Potencia Promedio de una Señal x(t) . . . . . . . . . . . . . . . . . . . . 31
1.5.7. La Función de Autocorrelación . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.5.8. Otros promedios de tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.5.9. Promedios de tiempo en señales complejas . . . . . . . . . . . . . . . . . . . 32
1.5.10. La Densidad Espectral de Potencia . . . . . . . . . . . . . . . . . . . . . . . 33
1.5.11. Relación de la Densidad Espectral de Potencia con la Función de Autocorre-
lación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.5.12. Periodograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.5.13. Señal Binaria Bipolar Aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.5.14. El ruido blanco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.5.15. La voz humana en la telefonı́a . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.6. Variable aleatoria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.6.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.6.2. Principales conceptos de variable aleatoria . . . . . . . . . . . . . . . . . . . 40
1.6.3. La Función de densidad de probabilidad . . . . . . . . . . . . . . . . . . . . 41
1.6.4. La Función de Distribución Acumulativa . . . . . . . . . . . . . . . . . . . . 41
1.7. Procesos Estocásticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.8. Resumen de Señales y Sistemas Discretos . . . . . . . . . . . . . . . . . . . . . . . 43
1.8.1. Teorema de Muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.8.2. La Representación en series de Fourier Discreta . . . . . . . . . . . . . . . . 43
1.8.3. La Transformada Discreta de Fourier . . . . . . . . . . . . . . . . . . . . . . 43
4
1.8.4. La Transformada Rápida de Fourier . . . . . . . . . . . . . . . . . . . . . . 44
1.8.5. La convolución en los sistemas LIT discretos . . . . . . . . . . . . . . . . . 45
1.9. Las ondas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.9.1. El campo de propagación. El desvanecimiento . . . . . . . . . . . . . . . . . 46
1.9.2. La reflexión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.9.3. Scattering como consecuencia de la reflexión . . . . . . . . . . . . . . . . . . 46
1.9.4. La refracción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.9.5. La dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.9.6. La difracción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
1.9.7. El Efecto Doppler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
1.10. La radio propagación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
1.10.1. La antena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.10.2. La Densidad de Flujo de Potencia . . . . . . . . . . . . . . . . . . . . . . . 51
1.10.3. Fenómeno de desvanecimiento. Pérdidas por Espacio Libre. Ecuación de Friss 52
1.10.4. Propagación en Lı́nea de Vista. Distribución de Rice . . . . . . . . . . . . . 54
1.10.5. Pérdidas Propagación en Lı́nea de No Vista. Distribución de Rice parece que
se refiere a la de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.11. Equipo de Laboratorio y de medida . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1.11.1. El osciloscopio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1.11.2. El Analizador de Espectros . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1.11.3. El Analizador Vectorial de Redes . . . . . . . . . . . . . . . . . . . . . . . . 58
1.11.4. El Generador Vectorial de Señales . . . . . . . . . . . . . . . . . . . . . . . 58
1.11.5. El Analizador Vectorial de Señales . . . . . . . . . . . . . . . . . . . . . . . 58
1.11.6. El Analizador Vectorial de Señales . . . . . . . . . . . . . . . . . . . . . . . 58
1.11.7. Medidor de RNI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
1.12. Medición de potencia propagada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
1.12.1. Valor RMS y Potencia Promedio . . . . . . . . . . . . . . . . . . . . . . . . 58
1.12.2. Campo cercano versus campo lejano. . . . . . . . . . . . . . . . . . . . . . 59
1.12.3. Factor de antena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
1.12.4. Parámetros S11 de las antenas . . . . . . . . . . . . . . . . . . . . . . . . . 60
1.13. El Espectro Radioeléctrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
1.13.1. Clasificación de las ondas de radio . . . . . . . . . . . . . . . . . . . . . . . 60
1.13.2. Gestión Internacional del Espectro . . . . . . . . . . . . . . . . . . . . . . . 61
1.13.3. La Gestión Nacional del especto . . . . . . . . . . . . . . . . . . . . . . . . 62
1.14. Los modelos de capas para representar sistemas de comunicaciones . . . . . . . . . 62
2. Simulación de señales y sistemas con GNU Radio 68

2.1. Herramientas que compiten con GNU Radio . . . . . . . . . . . . . . . . . . . . . . 68
2.1.1. Matlab y Simulink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.1.2. LabView de National Instruments . . . . . . . . . . . . . . . . . . . . . . . 69
2.1.3. System Vue de KeySight . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.2. GNU Radio como plataforma de simulación y de desarrollo . . . . . . . . . . . . . 69
2.3. Simulación de señales bandabase . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.3.1. La Conversión Análogo Digital . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.3.2. El paso a un código de lı́nea. PCM . . . . . . . . . . . . . . . . . . . . . . . 74
2.3.3. La Conversión Digital Análoga . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.3.4. Filtros digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.3.5. interpoladores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.3.6. Decimadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.3.7. Transformada Rápida de Fourier (FFT) . . . . . . . . . . . . . . . . . . . . 75
2.3.8. La IFFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.3.9. Simulación de un analizador de espectros . . . . . . . . . . . . . . . . . . . 76
2.4. Simulación de señales paso bandas . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.4.1. La Modulación AM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.4.2. La Modulación FM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.4.3. El heterodinado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5
2.4.4. Conversión RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.4.5. Conversión RF Directa en el dominio del tiempo . . . . . . . . . . . . . . . 78
2.4.6. Conversión RF Inversa en el dominio del tiempo . . . . . . . . . . . . . . . 78
2.4.7. La Conversión RF en el dominio de las frecuencias . . . . . . . . . . . . . . 78
2.4.8. El Up Converter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.4.9. El Down Converter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.4.10. La Envolvente compleja. Sus caracterı́sticas . . . . . . . . . . . . . . . . . . 81
2.4.11. El uso de la envolvente compleja en la simulación de Sistemas de comunicaciones 83
2.4.12. Simulación de señales y sistemas de comunicación en versión bandabase . . 84
2.4.13. Un canal de ruido blanco gausiano aditivo en versión bandabase . . . . . . 85
3. Implementación de la Radio Definida por Software en sistemas de radiodifusión 89

3.1. Radio Definida por Software en Modo de Red . . . . . . . . . . . . . . . . . . . . . 89
3.2. Un equipo SDR parara Modo de Red. El NI USRP-2920 . . . . . . . . . . . . . . . 90
3.2.1. El receptor del NI USRP-2920 . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.2.2. El transmisor del NI USRP-2920 . . . . . . . . . . . . . . . . . . . . . . . . 97
3.2.3. El papel de GPS en un NI USRP. . . . . . . . . . . . . . . . . . . . . . . . 97
3.2.4. Los filtros en un NI USRP. . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.2.5. En la parte transmisora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.2.6. Actividades de Caracterización del equipo . . . . . . . . . . . . . . . . . . . 100
3.3. Cuidados con el uso de los equipos SDR . . . . . . . . . . . . . . . . . . . . . . . . 101
3.4. Razonamiento sobre el teorema de Nyquist en SDR . . . . . . . . . . . . . . . . . . 102
3.5. Equipo SDR para soluciones en modo embebido . . . . . . . . . . . . . . . . . . . . 102
3.6. Un sistema de Radiodifusión AM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.6.1. Modelo de capas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.6.2. La capa del mensaje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.6.3. La capa de modulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.6.4. La capa de pre-canal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.7. Un sistema de Radiodifusion FM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.7.1. Modelo de capas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.7.2. La capa de modulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.7.3. La capa de pre-canal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4. Un Sistema de comunicación digital por cable 103

4.1. Modelo de capas a seguir en la implementación . . . . . . . . . . . . . . . . . . . . 103
4.2. La capa del canal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.2.1. Aspectos básicos de un canal guiado . . . . . . . . . . . . . . . . . . . . . . 105
4.2.2. La necesidad de un Filtro de Transmisión . . . . . . . . . . . . . . . . . . . 107
4.2.3. El reto que impone el fenómeno de desvanecimiento . . . . . . . . . . . . . 108
4.2.4. La Regeneración de Bits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4.2.5. La Interferencia Inter sı́mbolo . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4.2.6. El Diagrama de Ojo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.2.7. El Formador de pulsos semi-rectangulares . . . . . . . . . . . . . . . . . . . 111
4.2.8. El Criterio de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.2.9. El Filtro de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.2.10. El Filtro Coseno Alzado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
4.2.11. Implementación en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.2.12. El Filtro de acoplamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.3. Implementación de la capa base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.3.1. El Scrambling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.2. La modulación M-aria por Amplitud de Pulsos M-PAM . . . . . . . . . . . 134
4.3.3. M-PAM vista en el tiempo continuo y en frecuencia . . . . . . . . . . . . . 136
4.3.4. Implementación práctica con GNU Radio . . . . . . . . . . . . . . . . . . . 136
4.3.5. El Criterio de Nyquist y del Coseno Alzado en las señales M-arias. . . . . . 137
4.3.6. El Acoplamiento en las señales M-arias . . . . . . . . . . . . . . . . . . . . 137
4.4. la capa de aplicación para señales de audio . . . . . . . . . . . . . . . . . . . . . . 137
6
4.4.1. Re-Cuantificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
4.4.2. Modulación por Codificación de Pulsos - PCM . . . . . . . . . . . . . . . . 140
4.5. El caso de Fast Ethernet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
5. Un sistema de radio comunicación digital sobre un canal guiado 142

5.1. Modelo de capas a seguir para la implementación . . . . . . . . . . . . . . . . . . . 142
5.2. La modulación digital pasobandas y su versión bandabase . . . . . . . . . . . . . . 143
5.3. La modulación BPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
5.4. Diferentes tipos de modulación basadas en constelaciones . . . . . . . . . . . . . . 148
5.4.1. La Modulación QPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
5.4.2. La Modulación M-PSK y sus caracterı́stica s distintivas . . . . . . . . . . . 150
5.4.3. La Modulación M-QAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.5. Curvas de BER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
5.5.1. El problema a resolver . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
5.5.2. La solución al problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
5.6. Formación de Pulsos y Acoplamiento en comunicaciones Digitales inalámbricas . . 165
5.7. Consecuencias de otros Fenómenos . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
5.7.1. Desviación angular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
5.7.2. Desviación en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5.7.3. Frequency Lock Loop (FLL) y Phase Local Loop (PLL) . . . . . . . . . . . 172
5.7.4. La codificación Diferencial para atacar la ambigüedad de fase . . . . . . . . 173
5.8. Implementación en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6. El canal inalámbrico 178

6.1. Consecuencias del Fenómeno de Multitrayectoria . . . . . . . . . . . . . . . . . . . 178
6.1.1. El Jitter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
6.1.2. Desvanecimientos lentos y rápidos. Efecto de Rayleigh . . . . . . . . . . . . 179
6.1.3. Afectación por no linealidades . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.2. Simulación de un canal inalámbrico en GNU Radio . . . . . . . . . . . . . . . . . . 181
6.3. Técnicas para corregir los efectos del canal . . . . . . . . . . . . . . . . . . . . . . . 182
6.3.1. Clock Recovery o Timing . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
6.3.2. Time alignment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
6.3.3. El Control Automático de la Ganancia . . . . . . . . . . . . . . . . . . . . . 186
6.3.4. El Ecualizador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
6.3.5. la Ecualización en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . 194
7. Comunicaciones multiusuario 196

7.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
7.2. MULTIPLEXACIÓN POR DIVISIÓN DE TIEMPO (TDM). LA REVOLUCIÓN
PCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
7.3. MULTIACCESO POR DIVISIÓN DE FRECUENCIAS (FDMA) . . . . . . . . . . 199
7.3.1. Problema que justicia esta tecnologı́a: . . . . . . . . . . . . . . . . . . . . . 199
7.4. El Multiacceso por División de Tiempo (TDMA) . . . . . . . . . . . . . . . . . . . 200
7.5. Fundamentos de codificación del canal . . . . . . . . . . . . . . . . . . . . . . . . . 201
7.5.1. Teorema de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
7.5.2. El proceso de codificación y decodificación digital del canal . . . . . . . . . 202
7.6. El código de repetición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
7.7. Técnicas adicionales usadas en las comunicaciones móviles . . . . . . . . . . . . . . 204
7.7.1. Técnicas o esquemas de Diversidad . . . . . . . . . . . . . . . . . . . . . . . 204
7.7.2. Diversidad de tiempo. Interleaving, FEC . . . . . . . . . . . . . . . . . . . . 205
7.8. Diversidad de espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
7.8.1. Diversidad de polarización . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
7.8.2. Diversidad de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
7.8.3. Diversidad de multi usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
7
7.8.4. Diversidad cooperativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
7.8.5. Diversidad de códigos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
7.9. La Duplexación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
7.9.1. La celda y la radiobase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
7.9.2. El reuso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
7.9.3. El handoff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
7.10. Spread Spectrum (SS) y el Multiacceso por División de Códigos (CDMA) . . . . . 210
7.10.1. Tipos de Spread Spectrum . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
7.10.2. El Multiacceso por División de códigos (CDMA) . . . . . . . . . . . . . . . 214
7.11. Multiacceso por División de Códigos de banda ancha (WCDMA) . . . . . . . . . . 214
7.11.1. Convergencia de las comunicaciones . . . . . . . . . . . . . . . . . . . . . . 215
7.11.2. El UMTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
7.11.3. IMT-2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
7.11.4. WCDMA: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
7.11.5. El reúso en UMTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
7.11.6. Respiración de las celdas en UMTS . . . . . . . . . . . . . . . . . . . . . . . 221
7.12. OFDM – OFDMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
7.12.1. Realización práctica de OFDM . . . . . . . . . . . . . . . . . . . . . . . . . 221
8. TELEVISIÓN DIGITAL TERRESTRE DVB-T1 227

8.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
8.2. Conceptos previos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
8.2.1. Polinomio generador de código . . . . . . . . . . . . . . . . . . . . . . . . . 227
8.3. Aritmética de módulo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
8.3.1. Campos de Galois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
8.4. Fundamentos de codificación del canal . . . . . . . . . . . . . . . . . . . . . . . . . 228
8.4.1. Teorema de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
8.4.2. El proceso de codificación y decodificación digital del canal . . . . . . . . . 228
8.4.3. Los retos de la teorı́a de codificación del canal . . . . . . . . . . . . . . . . 230
8.5. Códigos de Repetición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
8.5.1. El Código de Repetición (3,1) . . . . . . . . . . . . . . . . . . . . . . . . . . 230
8.5.2. El Código de repetición basado en una matriz 2x3 . . . . . . . . . . . . . . 230
8.6. Principales parámetros de la codificación . . . . . . . . . . . . . . . . . . . . . . . . 231
8.6.1. Distancia de Hamming entre dos palabras . . . . . . . . . . . . . . . . . . 231
8.6.2. Distancia de Hamming de un código . . . . . . . . . . . . . . . . . . . . . . 231
8.6.3. La rata del código. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
8.6.4. La ganancia del código . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
8.7. Clasificación de los códigos según sus caracterı́sticas . . . . . . . . . . . . . . . . . 234
8.7.1. Códigos lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
8.7.2. Los códigos de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
8.7.3. Los códigos convolucionales . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
8.7.4. Códigos binarios versus no binarios. . . . . . . . . . . . . . . . . . . . . . . 235
8.8. Técnicas de detección de errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
8.8.1. Chequeo de repeticiones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
8.8.2. Chequeo de paridad (Parity Check). . . . . . . . . . . . . . . . . . . . . . . 235
8.8.3. Chequeo de polaridad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
8.9. El mecanismo de corrección de Errores . . . . . . . . . . . . . . . . . . . . . . . . . 236
8.9.1. Solicitud Automática de Repetición (ARQ) . . . . . . . . . . . . . . . . . . 236
8.9.2. Corrección de Errores hacia adelante (FEC) . . . . . . . . . . . . . . . . . . 236
8.10. Propiedades para la detección y corrección de Errores . . . . . . . . . . . . . . . . 236
8.11. Códigos de redundancia cı́clica (CRC) . . . . . . . . . . . . . . . . . . . . . . . . . 237
8.11.1. Proceso de codificación usando CRC . . . . . . . . . . . . . . . . . . . . . . 237
8.11.2. Proceso de detección de errores usando Check sum . . . . . . . . . . . . . . 238
8.11.3. Cualidades del CRC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
8.12. La codificación de Reed Solomon . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
8.13. Reed Solomon RS(255,223)en la práctica . . . . . . . . . . . . . . . . . . . . . . . . 241
8
8.14. Modelo de capas de DVB-T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
8.15. Scrambling en DVB-T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
8.16. FEC en DVB-T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
Bibliografı́a 244
9
Índice de figuras
1. Ejemplo de la modulación AM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2. Señal truncada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3. Ejemplo de periodograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4. Ejemplo de una señal binaria aleatoria bipolar x(t) . . . . . . . . . . . . . . . . . 35
5. El desplazamiento de la señal binaria aleatoria bipolar que resulta en la señal τ < Tb 35
6. Multiplicación de la señal x(t) con su versión desplazada x(t + τ ) cuando 0 < τ < Tb 35
7. Multiplicación de la señal x(t) con su versión desplazada x(t + τ ) cuando 0 < τ = Tb 36
8. La Función de Autocorrelación de una señal binaria aleatoria bipolar . . . . . . . . 36
9. Forma de RX1 (τ ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
10. RX1 (τ ) y su Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 37
11. PSD de la forma Forma de RX1 (τ ) . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
12. PSD del ruido blanco y su Función de autocorrelación . . . . . . . . . . . . . . . . 38
13. Ejemplo de la Función de Densidad de probabilidad . . . . . . . . . . . . . . . . . 41
14. Ejemplo de un histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
15. Ejemplo de Funciones muestra de un proceso estocástico X(t) . . . . . . . . . . . . 43
16. Ejemplo de una comunicación que aprovecha la reflexión . . . . . . . . . . . . . . . 47
17. Fenómeno de Scattering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
18. Formas de refracción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
19. El camino por refracción en función del ángulo de emisión . . . . . . . . . . . . . . 48
20. La Dispersión de la luz al pasar por un prisma . . . . . . . . . . . . . . . . . . . . 48
21. Influencia de la lluvia en la dispesión . . . . . . . . . . . . . . . . . . . . . . . . . . 48
22. Interferencias por Dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
23. La Difracción en las ondas de agua . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
24. La sombra como consecuencia de la difración . . . . . . . . . . . . . . . . . . . . . 50
25. El Efecto Doppler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
26. Elemento de Área donde puede localizarse el receptor . . . . . . . . . . . . . . . . 53
27. Fenómeno de Multitrayectoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
28. Nivel de potencia medida en LOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
29. Niveles de potencia medidos en un punto donde se presenta el Efecto de Rayleigh . 56
30. Efecto de Rayleigh en un caso de LOS . . . . . . . . . . . . . . . . . . . . . . . . . 56
31. El Desvanecimiento lento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
32. El factor de antena en la práctica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
33. Modelo de capas para el transporte aéreo entre dos ciudades . . . . . . . . . . . . . 63
34. Red de Transporte Aéreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
35. Red de Transporte Aéreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
36. Modelo de capas para un sistema de comunicaciones inalámbricas en red . . . . . . 65
37. Modelo de capas para la radio difusión . . . . . . . . . . . . . . . . . . . . . . . . . 66
1. Modelo SDR que relaciona GNU Radio con el Hardware. . . . . . . . . . . . . . . . 70

2. Modelo de capas de un sistema de radio difusión analógico implementado con tec-
nologı́a digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3. Comparación entre una señal continua y una cuantificada a la razón de 3 bits/muestra 74
10
4. Flujograma La-FFT.grc. Comparación del bloque FFT con QT GUI Frequency Sink
para observar la PSD de una señal binaria bipolar aleatoria. . . . . . . . . . . . . . 76
5. PSD obtenida usando QT Frequency Sink. . . . . . . . . . . . . . . . . . . . . . . . 76
6. PSD obtenida usando el bloque FFT combinado con otros bloque . . . . . . . . . . 76
7. La Conversión RF en el dominio de las frecuencias. corregir: en la gráfica con se
notan las letras, están muy diminutas . . . . . . . . . . . . . . . . . . . . . . . . . 78
8. Up converter.corregir: las fórmulas de la figura no se ha puesto como fórmulas . . . 78
9. Espectro de señal paso bandas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
10. Espectro de la Pre envolvente compleja. . . . . . . . . . . . . . . . . . . . . . . . . 79
11. Tomado del Libro de Haykin, cap 1.11. . . . . . . . . . . . . . . . . . . . . . . . . . 80
12. Resultado del uso del Down Converter . . . . . . . . . . . . . . . . . . . . . . . . . 81
13. Analizador de espectros basado en computador. . . . . . . . . . . . . . . . . . . . . 82
14. Espectro de la señal pasobandas de interés. . . . . . . . . . . . . . . . . . . . . . . 82
15. Espectro de la Envolvente Compleja. . . . . . . . . . . . . . . . . . . . . . . . . . . 82
16. Esquema de Modulación pasobandas usando SDR . . . . . . . . . . . . . . . . . . . 83
17. Flujograma “La-FFT-Ruido blanco banda base y paso bandas.grc” para comparar
el ruido blanco con el ruido blanco de banda angosta en banda base . . . . . . . . 85
18. PDS y señal en el tiempo del ruido blanco (arriba). PSD de la Envolvente compleja
ruido blanco de banda angosta y diagrama polar del mismo ruido . . . . . . . . . . 86
19. Ruido Blanco Banda Base, su PSD y representación Polar . . . . . . . . . . . . . . 86
20. Conformación de un canal pasobandas de ruido blanco. . . . . . . . . . . . . . . . 87
21. Implementación en GNU Radio de un Canal de ruido blanco aditivo. no se ha ex-
plicado bien como configurar el generador de ruido para un valor No . . . . . . . . 87
22. Ruido Blanco Bandabase en el Diagrama Polar. . . . . . . . . . . . . . . . . . . . . 88
1. Un sistema de comunicaciones punto a punto Full Duplex. . . . . . . . . . . . . . . 89

2. Un transceptor (en inglés Transceiver). . . . . . . . . . . . . . . . . . . . . . . . . . 90
3. Modelo de capas de un sistema de comunicación con USRP en Modo Network. . . 90
4. Foto del NI USRP-2920. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5. Modelo de capas del NI USRP 29xx visto por capas. En color naranja: bloques
de software embebido. En color verde: Hardware con parámetros controlables por
computador. Blanco: Hardware no controlable. . . . . . . . . . . . . . . . . . . . . 92
6. Señal a la entrada del cuantizador. . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
7. Señal a la salida del cuantizador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
8. Ancho de banda real que puede alcanzar el NI USRP 2920 con respecto a las capa-
cidades de la tarjeta hija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
9. Análisis en banda base de frecuencias de muestreo y anchos de banda que se manejan
en el USRP 2920 en el modo de recepción. . . . . . . . . . . . . . . . . . . . . . . . 95
10. Tabla Análisis de valores de frecuencia de muestreo que acepta el USRP 2920 . . . 96
11. Tabla de valores de frecuencia de muestreo que acepta el USRP 2920 . . . . . . . . 97
12. Elementos internos del USRP para la transmisión. . . . . . . . . . . . . . . . . . . 97
13. Banco de Filtros de la parte receptora del NI USRP E-310. . . . . . . . . . . . . . 98
14. Banco de Filtros de la parte transmisora del NI USRP E-310. . . . . . . . . . . . . 100
1. Modelo de capas para un sistema de comunicación digital por cable. . . . . . . . . 104

2. Modelo de capas para estudiar las técnicas básicas de canal . . . . . . . . . . . . . 105
3. Respuesta en frecuencia del cable categoria 5 . . . . . . . . . . . . . . . . . . . . . 106
4. La necesidad de pulsos continuos en una comunicación de datos discretos . . . . . 107
5. Afectacion de la relación Señal a Ruido por el efecto de desvanecimiento . . . . . . 108
6. PSD comparativa para señales binarias con y sin ruido . . . . . . . . . . . . . . . . 108
7. Regeneración de bits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
8. Señal ideal versus señal limitada en ancho de banda . . . . . . . . . . . . . . . . . 109
9. Comparación de una señal aleatoria bipolar de forma ideal con la forma que puede
tomar al acotar su ancho de banda . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
10. Diagrama de Ojo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
11. Diagrama de ojo de una señal binaria aleatoria. . . . . . . . . . . . . . . . . . . . . 110
11
12. Diagrama de ojo de una señal binaria aleatoria. . . . . . . . . . . . . . . . . . . . . 111
13. Diagrama de ojo de una señal binaria aleatoria de forma rectangular. . . . . . . . . 111
14. Diagrama de ojo de una señal binaria aleatoria con ruido y diferentes anchos de banda112
15. Formador de pulsos rectangulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
16. Formador de pulsos rectangulares discretos . . . . . . . . . . . . . . . . . . . . . . 112
17. Relación entre el Formador de pulsos y el DAC . . . . . . . . . . . . . . . . . . . . 113
18. Relación entre el Formador de pulsos y el DAC . . . . . . . . . . . . . . . . . . . . 113
19. Comparación de una señal aleatoria bipolar de forma ideal con la forma que puede
tomar al acotar su ancho de banda, de manera que quede libre de ISI en algunos
instantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
20. El Filtro de Nyquist implementado mediante un Sistema LIT . . . . . . . . . . . . 116
21. Respuesta al Impulso del Filtro de Nyquist . . . . . . . . . . . . . . . . . . . . . . 117
22. Respuesta al impulso discreta para el Filtro de Nyquist . . . . . . . . . . . . . . . 117
23. Implementación del Filtro de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . 117
24. Respuesta al impulso del Filtro Coseno Alzado para diferentes valores de α . . . . 119
25. Respuesta en frecuencia del Filtro Coseno Alzado para varios valores de α . . . . . 119
26. Flujograma para generar varias formas de pulsos . . . . . . . . . . . . . . . . . . . 120
27. Comparación entre la señal entrante y las salientes de varios tipos de Filtros For-
madores de Pulsos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
28. Diagrama de Ojo para dos tipos de Formadores de Pulsos . . . . . . . . . . . . . . 122
29. Diagrama de Ojo para dos tipos de Formadores de Pulsos . . . . . . . . . . . . . . 123
30. Flujograma para obtener comparaciones en el dominio de las frecuencias . . . . . . 123
31. Comparación en el dominio de las frecuencias de diferentes tipos de Formadores de
Pulsos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
32. Receptor Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
33. El Filtro de Acoplamiento y su posición respecto a otros elementos cercanos al canal 125
34. a) Pulso Rectangular; b) Salida del Filtro de Acoplamiento; c) Salida del Integrador 126
35. Filtro de acoplamiento basado en un circuito de Integración y Descarga . . . . . . 126
36. Diagrama de Ojo Antes y despues del acoplamiento . . . . . . . . . . . . . . . . . . 127
37. Flujograma que muestra la presencia de dos Filtros Formadores de Pulsos en Serie 127
38. Diagrama de Ojo cuando el acoplamiento se hace con el filtro de Nyquist . . . . . . 128
39. Respuesta al Impulso del Filtro RRC para diferentes valores del factor Roll-off . . 129
40. Un Filtro RC implementado como dos Filtros RRC conectados en serie para lograr
acoplamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
41. Diagrama de ojo a la salida del Filtro RRC como Formador de pulsos RC comparara
con la salida del Filtro de Acoplamiento . . . . . . . . . . . . . . . . . . . . . . . . 130
42. Modelo a seguir en la implementación de la capa base . . . . . . . . . . . . . . . . 131
43. La operación de scrambling vista como una interconexión . . . . . . . . . . . . . . 132
44. Ejemplo de scrambling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
45. Comparación de la PSD de una señal con y sin scrambling . . . . . . . . . . . . . . 133
46. Flujograma en GNU Radio para comprobar el scrambling . . . . . . . . . . . . . . 133
47. Composición del Bloque b scrambling ff . . . . . . . . . . . . . . . . . . . . . . . . 134
48. Scrambling en GNU Radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
49. PSD comparativa. Color rojo con Scrambling. Color azul sin Scrambling . . . . . . 134
50. Comparación entre una señal binaria y la respectiva 4-PAM en GNU Radio . . . . 135
51. Comparación entre una señal binaria y la respectiva 4-PAM continua . . . . . . . . 136
52. Comparación de la PSD de una señal binaria con la de una señal 4-PAM . . . . . . 137
53. Flujograma en GNU Radio para la modulación M-PAM después de scrambling . . 137
54. Señal 4 PAM al pasar por el Formador de Pulsos . . . . . . . . . . . . . . . . . . . . 138
55. Diagrama de Ojo para una Modulación 4-PAM . . . . . . . . . . . . . . . . . . . . 138
56. PSD de una señal 4-PAM con 3 tipos de Filtros Formadores de Pulsos . . . . . . . 139
57. La capa de aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
58. Resultado de la re-cuantificación con 32 niveles . . . . . . . . . . . . . . . . . . . . 139
59. Comparación entre una señal cuantificada y su conversión a PCM. NbpS=8 . . . . 140
60. Ejemplo de Flujograma para obtener la señal PCM . . . . . . . . . . . . . . . . . . 141
12
1. Modelo de capas para una comunicación digital de voz por RF sobre un medio guiado143
2. Diagrama de constelaciones BPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
3. Esquema señal paso banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
4. PSD de para una señal BPSK, con Rs=1,5625 kBaud, Rb=1,5625 kbps . . . . . . 147
5. Constelación para la Modulación QPSK . . . . . . . . . . . . . . . . . . . . . . . . 148
6. Tablas de conversión de Binario a Gray . . . . . . . . . . . . . . . . . . . . . . . . 149
7. Constelación y Tabla de Verdad para la Modulación QPSK . . . . . . . . . . . . . 150
8. Constelación y Tabla de Verdad para la Modulación QPSK con giro . . . . . . . . 150
9. Ejemplo de la Modulación QPSK en el dominio del tiempo . . . . . . . . . . . . . 151
10. PSD de para una señal QPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
11. Constelación y Tabla de Verdad para la Modulación 8PSK . . . . . . . . . . . . . . 152
12. Modulación 8PSK. Ejemplo en el dominio del tiempo . . . . . . . . . . . . . . . . . 152
14. Constelación y Tabla de Verdad para la Modulación 16QAM . . . . . . . . . . . . 154
15. 16-QAM en el dominio del tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
16. 16-QAM en el dominio de las frecuencias . . . . . . . . . . . . . . . . . . . . . . . . 155
17. Implementación en grc de GNU Radio de un modulador 16QAM . . . . . . . . . . 156
18. El bloque Constellation Object . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
19. Ejemplo de la modulación 16QAM implementada en GNU Radio . . . . . . . . . . 158
20. PSD de para una señal BPSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
22. PSD de para una señal 8PSK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
23. Comparacion de BPSK, QPSK, 8PSK y 16QAM ante el ruido. Caso1 . . . . . . . 160
24. Comparacion de BPSK, QPSK, 8PSK y 16QAM ante el ruido. Caso2 . . . . . . . 160
25. Curvas de BPSK, QPSK y 8PSK y 16PSK . . . . . . . . . . . . . . . . . . . . . . . 161
26. Curvas de BER Diversas Modulaciones . . . . . . . . . . . . . . . . . . . . . . . . . 162
27. Flujograma para obtener valores de la Curva de BER . . . . . . . . . . . . . . . . 163
28. Flujograma para obtener la Curva de BER para cualquier tipo de modulación . . . 165
29. Curvas de BER obtenidas con GNU Radio . . . . . . . . . . . . . . . . . . . . . . . 166
30. El Formador de Pulsos en una solución SDR . . . . . . . . . . . . . . . . . . . . . . 166
31. Ejemplo de la señal que entrega el modulador BPSK. . . . . . . . . . . . . . . . . . 166
32. El Wave Forming como intermediario entre el Modulador y el DAC. . . . . . . . . 167
33. En lı́nea azul la componente real y en rojo la señal a la salida del bloque Wave
Forming. En negro la salida del DAC. Sps=4 . . . . . . . . . . . . . . . . . . . . . 167
34. Envolvente compleja con forma rectangular para la Modulación 8PSK . . . . . . . 167
35. Flujograma con Modulación Digital y Formador de Pulsos . . . . . . . . . . . . . . 168
36. Resultados de Wave Forming aplicado a la modulación QPSK, con Filtro RC y
rolloff=0,5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
37. Resultados de Wave Forming aplicado a la modulación 8PSK, con Filtro RC y
rollof f = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
38. Diagrama de Ojo de una señal con Modulación 8PSK, con Filtro RC, rolloff=1 . . 169
39. Señal BPSK y su versión desfasada en 45 grados . . . . . . . . . . . . . . . . . . . 170
40. Señal BPSK y su versión desfasada en 90 grados . . . . . . . . . . . . . . . . . . . 171
41. Constelación de la Modulación 16QAM y su versión con desviación de fase . . . . . 171
42. Desvición Frecuencias entre dos señales BPSK . . . . . . . . . . . . . . . . . . . . . 172
43. Frequency Lock Loop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
44. FLL para cuando la entrada es la Envolvente Compleja . . . . . . . . . . . . . . . 173
45. PLL para cuando la entrada es la Envolvente Compleja . . . . . . . . . . . . . . . 173
46. Antes y después de a plicar FLL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
47. Flujograma para implementar la capa base que incluye codificación diferencial y
modulación con EC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
48. Flujograma para implementar las técnicas precanal . . . . . . . . . . . . . . . . . . 177
1. Red de Frecuencias Únicas en TDT . . . . . . . . . . . . . . . . . . . . . . . . . . . 178

2. El Jitter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
3. Consecuencias en la constelación del Desvanecimiento rápido . . . . . . . . . . . . 179
13
4. Consecuencias en la constelación del Desvanecimiento lento . . . . . . . . . . . . . 180
5. Variaciones espectrales debido a no linealidades del canal . . . . . . . . . . . . . . 180
6. QPSK impactada por no linealidades del canal . . . . . . . . . . . . . . . . . . . . 180
7. Waterfall para una señal QPSK afectada por no linealidades variables . . . . . . . 181
8. Flujograma para el canal Inalámbrico . . . . . . . . . . . . . . . . . . . . . . . . . 182
9. Timing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
10. Punto óptimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
11. Punto óptimo no aparece dentro de las muestras recibidas . . . . . . . . . . . . . . 184
12. Búsqueda del punto óptimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
13. Constelación antes y después del timing . . . . . . . . . . . . . . . . . . . . . . . . 185
14. Elemento de Área donde puede localizarse el receptor . . . . . . . . . . . . . . . . 186
15. AGC según Tom Rondau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
16. Variaciones espectrales del canal (rojo) versus respuesta en frecuencias del Ecualizador187
17. Sistema LIT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
18. Respuesta al impulso de un Ecualizador . . . . . . . . . . . . . . . . . . . . . . . . 188
19. Proceso de entrenamiento del ecualizador . . . . . . . . . . . . . . . . . . . . . . . 189
20. El ecualizador funcionando con pesos obtenidos durante el entrenamiento . . . . . 189
21. Ecualización adaptativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
22. Respuesta variante al Impulso de un Ecualizador . . . . . . . . . . . . . . . . . . . 190
23. Filtro adaptativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
24. El mı́nimo de la media cuadrática . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
25. Resultado del la Ecualización. A la izquierda sin ecualización. A la derecha con
Ecualización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
1. Central local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196

2. Central de transito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
3. Ejemplo de TDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
4. Teléfono digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
5. Modelo con las redes telefónicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
6. Red SDH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
7. Ejemplo de multiacceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
8. Ejemplo de multiacceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
9. Relación entre transmisor, canal y receptor . . . . . . . . . . . . . . . . . . . . . . 202
10. El proceso de codificación y decodificación . . . . . . . . . . . . . . . . . . . . . . 203
11. Examples on the time diversity using the interleaving . . . . . . . . . . . . . . . . 205
12. Diversidad de espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
13. Diversidad de espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
14. Ejemplo de diversidad de polarización . . . . . . . . . . . . . . . . . . . . . . . . . 207
15. Múltiples tuberı́as de capa fı́sica (PLP) . . . . . . . . . . . . . . . . . . . . . . . . 208
16. Banda 1900 como posibilidad de ser aprovechada por duplexación por division de
tiempo TDD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
17. Resumen de FDMA-FD, TDMA-FDD, FDMA-TDD. . . . . . . . . . . . . . . . . 209
18. La celda y la radiobase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
19. SIN NOMBRE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
20. SIN NOMBRE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
21. Señales de ejemplo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
22. PSD de las señales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
23. Peor de los casos de la señal i(t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
24. Señal b(t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
25. Distribucion del espectro con CDMA. . . . . . . . . . . . . . . . . . . . . . . . . . 214
26. Redes clásicas y redes de nueva generación. . . . . . . . . . . . . . . . . . . . . . . 215
27. Funciones de Walsh. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
28. Ejercicios funciones de Walsh. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
29. Sistemas de comunicaciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
30. Ejemplo m2 (t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
31. Distribución del espectro combinando TDMA con CDMA. . . . . . . . . . . . . . . 219
14
32. Cluster de N celdas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
33. El reúso en UMTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
34. OFDM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
35. sistema LTE (Long Term Evolution) . . . . . . . . . . . . . . . . . . . . . . . . . . 222
36. Paso del primer sı́mbolo por los bloques del multiplexor. . . . . . . . . . . . . . . . 223
37. Paso del segundo sı́mbolo por los bloques del multiplexor. . . . . . . . . . . . . . . 223
38. Paso del N sı́mbolo hasta llegar al bloque “Conversor Discreto/Continuo”. . . . . 224
39. Efecto de Aliasing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
40. Efecto aliasing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
1. Ruta de recepción de un mensaje. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

2. Proceso de codificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
3. Comparación entre dos palabras. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
4. El espacio F26 Los puntos negros representan las posibles palabras que pueden re-
sultar en el campo y los cı́rculos representan las palabras del código . . . . . . . . 233
5. Rata del código. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
6. Código de bloques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
7. Codificación de Reed Solomon. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
8. Modelo de capas de la capa fı́sica de dvb-t. . . . . . . . . . . . . . . . . . . . . . . 242
9. Esquema de scrambling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
15
Índice de tablas
1.1. Alguna descripción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.1. Estándares de cable trenzado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

4.2. Paralelo entre TF pulsos y PSD de pulsos aleatorios . . . . . . . . . . . . . . . . . 115
4.3. Tabla de verdad de la modulación 4-PAM . . . . . . . . . . . . . . . . . . . . . . . 135
5.1. Plantilla para la Tabla de Verdad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144

5.2. Tabla de Verdad de la Modulación BPSK . . . . . . . . . . . . . . . . . . . . . . . 145
5.3. Tabla de Verdad de la Modulación BPSK. versión 2 . . . . . . . . . . . . . . . . . 145
5.4. Tabla de Verdad. 16QAM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.1. Alguna descripción. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185

6.2. Sin alguna descripción. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186


16
INTRODUCCIÓN
Las comunicaciones han sido durante todos los tiempos la clave para el desarrollo social de la
humanidad. Desde las señales de humo como medio de comunicación, pasando por la invención de
la rueda, la imprenta, hasta llegar al teléfono, la televisión y el Internet. Cada uno de esos avances
ha impulsado un nuevo paso del hombre por las diferentes etapas de desarrollo social como la socie-
dad agraria, la sociedad industrial y la sociedad de la información. Por eso, varios autores aseguran
que la historia de las comunicaciones es la historia de las revoluciones sociales. El nuevo paradigma
es hoy la convergencia de las comunicaciones, es decir, la unión de: los medios de comunicación;
la robótica; las redes de sensores para medir diferentes variables y fenómenos; el procesamiento
inteligente de la información para la toma de decisiones; la informática; elementos normativos, de
negocios y sociales. Esto al servicio de las actividades humanas como por ejemplo: la medicina, la
industria y la conservación del medio ambiente. El término que aglutina todos esos componentes es
hoy “Tecnologı́as de la Información y las Comunicaciones (TIC)”. La ola de fusiones estratégicas
a nivel empresarial ası́ como los acontecimientos mundiales que se relacionan con la globalización
del mundo son consecuencia de las TIC.
El auge de los sistemas inalámbricos y el desarrollo de más y mejores servicios de última gene-
ración en comunicaciones exige a los ingenieros electrónicos estar a la vanguardia de estos avances
cientı́ficos y tecnológicos. Ante esta realidad, este curso busca crear las competencias necesarias
para que los ingenieros electrónicos egresados de la UIS puedan fácilmente comprender las tele-
comunicaciones no sólo al nivel que requieren los operadores y proveedores de tecnologı́as, sino
también al nivel cientı́fico. Abordar todos los temas de las comunicaciones en este curso es prácti-
camente imposible, pero sı́ se enfatiza en las competencias clave para lograr que los ingenieros de la
UIS tengan una ventaja teórico-práctica frente a otros egresados para facilitar su participación en
la demanda nacional e internacional en el campo de las comunicaciones. Son temas de estudio de
este curso: los sistemas de comunicaciones digitales, analizando diferentes sistemas de modulación
digital pasobanda y bandabase actuales y profundizando en las técnicas de acceso al medio más
importantes hoy en dı́a. De igual forma se estudian diversas aplicaciones de uso actual, sus princi-
pios y fundamentos necesarios para comprenderlas y analizarlas. Se hace uso de la programación
de sistemas basados en SDR usando GRC y USRP como enfoque práctico de estos temas. Aunque
se abordan muy débilmente otros temas relevantes como planeación de redes, mercados de las TIC,
normativa y gestión del espectro, puede decirse que con este curso el estudiante habrá desarrollado
las competencias que mayor esfuerzo intelectual y mayor acompañamiento requieren, lo cual habrá
pavimentado el escabroso camino teórico-práctico para poder avanzar de manera más cómoda en
la construcción de las competencias que demanda el mercado.
Si nos preguntaran en qué se diferencia este libro de todos los demás, la respuesta estarı́a en
los siguientes puntos:
• Combina la enseñanza de las comunicaciones con la de GNU Radio.
• Ha sido escrito como parte de un proceso real de enseñanza, de modo que está probado en
varias generaciones de estudiantes, ha crecido con ellas.
• Está orientado al desarrollo de competencias mediante prácticas de laboratorio.
17
• Se orienta hacia una enseñanza problematizada, de modo que para cada tema se propone
un problema a resolver, se analizan sus causas y se presenta el tema como la solución a ese
problema.
• Se usa una enseñanza siempre basada en modelos de capas.
18
Capı́tulo 1
Antecedentes
1.1. Instrucciones iniciales

1.1.1. El sitio web del libro
En el sitio web del libro se ofrece todo tipo de materiales que pueden estar sujetos a actualiza-
ciones. La dirección del sitio web del libro es la siguiente: [Peripheral, ] [Harris and Rice, 2001]
https://sites.google.com/saber.uis.edu.co/comdig
Los materiales incluidos son los siguientes:

Librerı́as desarrolladas.
Una aplicación Android.
Materiales de laboratorio.
Flujogramas.
Instrucciones de instalación del software usado.
Configuraciones.
1.1.2. Los primeros pasos

Primer paso: Instalación de GNU Radio. Es importante que cada estudiante tenga instalado
GNU Radio en su computador. En el sitio web del libro se tienen unas instrucciones que son
actualizadas en la medida en que ese proceso pueda estar cambiando. Esta es la dirección
directa:
https://sites.google.com/saber.uis.edu.co/comdig/manual
1.2. Términos y siglas

Se han adoptado las siglas en inglés, ya que casi todo el material sobre el tema está en inglés,
de esta manera se evita confundir al lector y más bien acercarlo al mundo real.
MS/s: del inglés Mega samples per second. Se refiere a una frecuencia de muestreo en mega
muestras por segundo.
Conversión análoga/digital o digital/análoga.
Imágenes: se refiere a la manera en que se instala el software (drivers o UHD) a los equipos
USRP. Las imágenes son el tipo de software que basta con copiarlo a una memoria como una
SD para que quede instalado como parte del equipo.
19
GRC: GNU Radio Companion
USRP: Universal Software Radio Peripheral: periférico universal de radio definido por soft-
ware
clock generation and synchronization
FPGA: Sirve de interfaz entre todos los elementos esenciales del USRP: el puerto hacia el
PC, los conversores de subida (DUC), los de bajada (DDC), los transmisores separados por
DAC, los receptores separados por ADC (ver Juan José Murillo Fuentes, pág 20)
ADC: Conversor Dital Análogo, del inglés Analog to Digital Converter. En el caso de los
USRP, un ADC comienza por muestrear la señal banda base (cuando FI=0) que entrega el
RF Front End, para luego convertirla en digital. El ADC tiene una frecuencia de muestreo
bien definida, por ejemplo para el USRP1 es de 128 MS/s y además usa 14 bits/muestra. Hay
dos veces más ADC que transmisores, con el fin de que se tenga la posibilidad de manejar
en esta etapa señales complejas, compuestas por el parar: señal I y señal Q.
DAC: Conversor Análogo Digital, del inglés, Digital to Analog Converter. En el cso de los
USRPs, un DAC lo que hace es convertir a continua la señal bandabase (cuando FI=0) que
se ha de entregar al RF Front End. En el USRP1 la frecuencia de muestreo del DAC es 64
MS/s. otro dato importante es que usa 12 bits/muestra. Sobre el número de DACs aplica lo
mismo que para ADCs.
DDC: Se trata de la circuiterı́a que, complementada con los ADC, permite mover el espectro
de la señal recibida desde altas frecuencias hasta ubicarla en bandabase y ya digitalizada,
para lo cual usa una frecuencia de muestreo fija. Pero antes de ser entrega al computador,
esta señal pasa por un diezmador que tiene como fin adaptar la frecuencia de muestreo fija
a la frecuencia de muestreo que el programador desea configurar para la señal que entra
al computador. Lo curioso es que el factor de diezmado solo puede ser un número tipo 8,
16,32, 64, 128, etc. Por esta razón se recomienda que programador redondee la frecuencia de
muestreo que desea a un valor que sea potencia de dos si no quiere que el diezmador solo
realice el mejor esfuerzo en producir la frecuencia de muestreo deseada por el programador.
DUC: El PC entrega una señal a la frecuencia de muestreo de Nyquist o superior, pero debe
ser llevada a la frecuencia de muestreo que usa el DAC, que para el USRP1 es 64 MS/s
Power regulation
MS: Mobile Station: es el términos usado por la UIT para referirse a los terminales de los
usuarios, lo que en Colombia la gente conoce como celulares. Se le llama ası́, pues un terminal
móvil puede ser más que un teléfono, puede ser también un computador, una tablet y porqué
no un drone una nevera y en fı̀n cualquier cosa, como se reconoce en temas de Internet de las
Cosas (IoT, de Internet of Things). En nuestros flujogramas, el MS es un bloque jerárquico
que genera una señal aleatoria con modulación bandabase basada en la constelación que
nosotros le programemos.
TDM: Time Division Multiplexing.

TDMA: Time Division Multiaccess.
FDM: Frequency Division Multiplexing.
FDMA: Frequency Division Multiaccess.
CDM: Code Division Multiplexing.

CDMA: Code Division Multi Access.
OFDM: Orthogonal Frequency Division Multiplexing.
OFDMA: Orthogonal Frequency Division Multi access.
20
PN code: Pseudo Noise Code. Se refiere a los códigos de pseudo ruido usualmente usados
en Spread Spectrum.
ERE: Espectro radioeléctrico.

t-s: time slot, es una celda de tiempo usada en TDM.
1.3. Variables comúnmente usadas en los materiales que

acompañan a este libro
Significados de ciertas letras:
S: se usa la S en mayúscula para indicar “Sample” o muestra. Se dejó ası́ debido a que esa
práctica está extendida en los manuales de los USRP y en los materiales que se encuentran
en Internet que usualmente están inglés.
s: Se usa la s en minúscula para indicar “symbol”.
B: Byte (cuando se refiere a unidad de medición).

b: bit
Para señales en el canal o bloques de la capa de precanal:
Fc (Hz): frecuencia de la portadora de radiofrecuencias, la frecuencia central de la banda

de frecuencias asignada para la comunicación.
B: Es el ancho de banda pasobandas del canal inalámbrico. Se refiere a la banda útil del
espectro radioeléctrico (ERE) que se puede usar para una comunicación dada.
BW: Ancho de banda bandabase. A diferencia de B, este valor aplica para la envolvente
compleja de la señal útil que viaja por el ERE.
B eFM: El ancho de banda de una emisora FM.
Kd: Coeficiente de decimación que aplica el bloque decimador que hay internamente, en el
USRP.
Ki: Coeficiente de interpolación que aplica el bloque interpolador que hay internamente en
el USRP.
Kd d: Es el coeficiente de decimación deseado, es decir, el que resultarı́a si el USRP pudiese
manejar cualquier coeficiente de decimación. Sirve como insumo para obtener Kd .
Kd rx, o Kd tx: Se usan cuando se requiere diferenciar entre el coeficiente de decimación

usado en recepción y el usado en transmisión.
Samp rate (Hz): Es la frecuencia de muestreo que maneja el USRP, luego es la frecuencia
de muestreo de la envolvente compleja que viaja por el cabe Ethernet.
Samp rate d (Hz): Es la frecuencia de muestreo de la señal de la envolvente compleja que
desearı́amos entregar al USRP, pues es la que se obtiene teóricamente.
Samp rate dac (MSps): Es la frecuencia de muestreo que usa el ADC ubicado interna-
mente en la tarjeta hija de recepción del USRP. Es igual a 100 MSs para el NI-USRP 2920
Samp rate adc (MSps): Es la frecuencia de muestreo que usa el DAC ubicado interna-
mente en la tarjeta hija de transmisión del USRP. . Es igual a 400 MSs para el NI-USRP
2920.
21
Samp rate rx (Hz): Es igual que samp-rate, solo que se usa cuando queremos diferen-
ciar este parámetro de la frecuencia de muestreo usada en transmisión. De modo que es la
frecuencia de muestreo de la señal de la envolvente compleja que entregamos al USRP Sink.
Samp rate tx (Hz): De manera similar a samp-rate-rx, esta es la frecuencia de muestreo
de la señal de la envolvente compleja que recibimos del USRP Source.
Sps: (samples per symbol) Es el número de muestras que lleva un sı́mbolo de la envolvente
compleja que pasa al canal.
N Lob p B:Número de lóbulos del espectro de una señal digital, en el ancho de banda B.
El lóbulo del medio, por tener doble ancho, se cuenta por dos. Usualmente es igual a Sps
ntaps: Es el número de componentes que tiene la respuesta al impulso del filtro FIR usado.
rcc taps: Son lo taps, es decir las componentes de la respuesta al impulso, para un filtro
Root Raid Cosine.
rolloff: Es el parámetro esencial de un Filtro Coseno Alzado. También le llaman alpha o
Excess Bandwidth.
W (Hz): Ancho de banda de Nyquist o del criterio de Nyquist para ISI.
SymTune: Sintonización de los sı́mbolos que entran al demodulador M-PAM al momento
de armar los paquetes de bits que componen cada muestra del mensaje. Lo que se hace es
retrasar en el valor SymTune los sı́mbolos hasta que sean reconocidos correctamente por el
demodulador.
NodB (dB): Es la altura de la PSD del ruido blanco, conocido como No .
DelayAcc: Retardo a introducir al Filtro de Acoplamiento con acumulador para lograr el
mejor desempeño posible.
TimingDelay: Es el tiempo (en número de muestras) de retardo que debe ser introducido
a la señal que llega al muestreador del receptor con el fin de seleccionar el mejor instante de
muestreo, aquel en el que el diagrama de ojo está más abierto.
Ch Jitter: Sirve para varia el valor Epsilon del bloque Channel Model de modo que el canal
produzca una inestabilidad del reloj o Jitter variable.
Ch Frec offset: Permite configurar canal para que produzca desfases de frecuencia.
Para las señales fuente:
Samp rate audio (Hz): Es la frecuencia de muestreo de la señal mensaje de audio, que en
este caso es de audio. Esto para diferenciarla de samp-rate que la estaremos usando para el
USRP.
NbpS: (Number of bits per sample) es el número de bits que representan a cada muestra
del mensaje.
NivelesQ: Número de niveles de cuantificación de la señal mensaje cuantificada.
Vp: Amplitud máxima que puede alcanzar la señal mensaje antes de ser cuantificada.
Para señales binarias:
Rb (bps): Rata de bits.

DelayBits: Es el retraso que habrı́a que introducir a los bits transmitidos para que puedan
ser comparados en una misma escala de tiempo con los recibidos.
NBpCode: Número de bytes por código, cuando se usan codificadores a los cuales se le
inyecta un código a una carga útil en bytes, como es el caso del bloque b-PCM-EncoderBb
22
SpB: Muestras por Byte. Cuando se usa un codificador que introduce a cada Byte bits
redundantes, entonces se usa este parámetro que sirve para conocer qué tanto se pueda
alterar la frecuencia de muestreo con esa codificación.
Ri Rata de bits útil. En los casos en que se usa codificador.
Para señales moduladas:
Constelación: Representa la tabla de verdad de la modulación usada.
MiconstellationObject: Es una constelación, pero hecha bajo unas normas comunes para
una familia de bloques GNU Radio, como por ejemplo el bloque Constellation Decoder.
M: Orden de la modulación usada.
Rs (Baud):Rata de sı́mbolos. Rs: Es la rata de sı́mbolos útil que se entrega al canal. No
incluye sı́mbolos usados en señalización, sincronismo o alineamiento de tramas.
Ts: Duración de un sı́mbolo.
Tsamp: Periodo de muestreo.
Bps: (Bits per symbol)Número de bits que representan cada sı́mbolo de la señal modulada.
SymDelay: Symbol delay. Es el retraso que habrı́a que introducir a los bits transmitidos
para que puedan ser comparados en una misma escala de tiempo con los recibidos.
Capas de multiplexado:
Rsu: Es la rata de sı́mbolos de cada usuario que corre por el canal, cuando el canal se usa
para enviar información de varios usuarios, como cuando se usa el multiplexado.
Rbu: Rata de bits por usuario, cuando hay màs de un usuario en el sistema de comunicación,
como por ejemplo cuando se usa multiplexado.
N spts : Número de sı́mbolos por time slot. Es el número de sı́mbolos que un usuario pone
en cada ventana de tiempo (time-slot) que ocupa en la trama multitplexada.
SymSysDelay o MuxDelayComp: Es retardo que sufre la señal de la información al viajar
por todo el sistema hasta llegar al punto de destino. Sirve para introducir un retardo a la
señal transmitida a la hora de compararla con la recibida.
ChipSysDelay: Es el equivalente a SymSysDelay pero dado en número de chips, cuando se
usa DS-SS. Es demasiado útil en el bloque b-de-ds-spreadspect-cc ya que el código que se
va a aplicar debe ser previamente retrasado en el valor para que funcione correctamente el
de-ensanchamiento.
SF: Spreading Factor. Es el número de veces que el espectro se ensancha. Es la relación entre
el ancho de banda que ocupa la señal ensanchada con respecto al que ocuparı́a sin la técnica
DSSS.
Rch: Rata de chips
Spch: Samples per chip. Es el número de muestras asignadas a cada chip.

C-PN: Almacena un vector de un código de pseudo ruido.
Spch: Samples per chip. Es el número de muestras por chip que se usa cuando una señal
ensanchada con DS-SS se entrega a un USRP. Es el equivalente a sps, solo que en DS-SS no
se envı́an sı́mbolos, sino chips.
Nu: Número de usuarios
23
Rs subchannel: Se refiere a la rata sı́mbolos que lleva cada subcanal para el caso de señales
multiplexadas, donde cada canal aporta una rata de sı́mbolos, pero la señal multiplexada
lleva la suma de las ratas de sı́mbolos de todos los subcanales.
Us: Usuario.
Para la instrumentación:
Tmax scope (seg): Es la duración de la ventana que se gráfica en el osciloscopio.

Nscope span: Es el número de sı́mbolos que se desean mostrar en un osciloscopio.
1.4. Señales y Sistemas continuos en el dominio del tiempo

1.4.1. Señales senoidales
Las señales senoidales son quizá las más conocidas y las más importante sobre todo porque son
la base para la Teorı́a de Fourier sobre la cual se apoyan las radiocomunicaciones. Es quizá por esa
razón que los sistemas de comunicaciones se orientan a transmitir y a recibir señales senoidales.
Ası́, una antena transmisora no hace otra cosa que recibir una señal senoidal eléctrica para emitirla
en forma de una onda senoidal electromagnética. Lo contrario hace la antena receptora.
Los siguientes son los aspectos más relevantes a tener en cuenta sobre las señales senoidales:
Una señal senoidal pura puede ser representada matemáticamente como.
c(t) = A cos(2πf t + φ) (1.1)
Pero además, con el fin de poder llevar información sobre la onda, es posible hacer variar uno
de los parámetros, con lo cual tenemos 3 posibles casos:
• Varia sola la amplitud de la senoidal.
c(t) = A(t) cos(2πf t + φ) (1.2)
• Varı́a solo la frecuencia de la senoidal.
c(t) = A cos(2πf (t)t + φ) (1.3)
• Varı́a solo la fase de la senoidal.
c(t) = A cos(2πf t + φ(t)) (1.4)
• Una señal senoidal puede ser vista como una combinación lineal de dos señales expo-
nenciales complejas, pues:
ejt + e−jt
cos(t) = (1.5)
2
1.4.2. La respuesta al impulso y la convolución

La respuesta al impulso y la convolución son temas que aplican a los sistemas Lineales e In-
variantes en el Tiempo (LIT). En realidad esos sistemas no son tan comunes en El mundo real,
de manera que se trata de más bien de casos ideales, pero en muchı́simos casos, un sistema que
varı́a en el tiempo puede ser visto como invariante durante lapsos de tiempo que pueden ser muy
pequeños o muy grandes. Este libro no busca explicar detalladamente la teorı́a de sistemas LIT,
solo resumir los conceptos necesarios para los propósitos del libro.
24
1.4.2.1. Conceptos básicos
El siguiente en un resumen de conceptos mı́nimos sobre este tema:
En la teorı́a de sistemas LIT es importante considerar el sistema más sencillo, con una entrada
que usualmente identificaremos como x(t) y una salida y(t).
Vamos a considerar también que para una entrada x1 (t) la salida del sistema es y1 (t); para
una entrada x2 (t) la salida es y2 (t) y ası́ sucesivamente.
El sistema es lineal si se cumplen las siguientes condiciones:
• Se cumple la propiedad de aditividad que consiste en que si la entrada de sistema es
x3 (t) = x1 (t) + x2 (t) la salida del sistema es y3 (t) = y1 (t) + y2 (t)
• Se cumple la propiedad de escalamiento y homogeneidad que consiste en que si la entrada
es x1 (t) = ax(t), donde a es una constante, la salida será y1 (t) = ay(t) Se infiere que
también se cumple la propiedad de superposición que dice que si la entrada es:
x(t) = a1 x1 (t) + a2 x2 (t) + a3 x3 (t) + ...
la salida es
y(t) = a1 y1 (t) + a2 y2 (t) + a3 y3 (t) + ...
El sistema es invariante si ante una entrada x1 (t) = x(t − T0 ) la salida es y1 (t) = y(t − T0 ),
donde T0 es un valor de tiempo.
Un sistema es LIT se cumple a la vez que es lineal y es invariante.
Si la entrada al sistema es la función impulso, también conocida como Delta de Dirac, la
salida del sistema se conoce como la respuesta al impulso. De modo que si x(t) = δ(t), se
tiene la salida y(t) = h(t), donde h(t) es la manera en que se representa la respuesta al
impulso de un sistema LIT.
Todo sistema LIT puede estar completamente definido mediante su respuesta al impulso. De
modo que si se conoce la entrada y la respuesta al impulso del sistema, la salida puede ser
calculada mediante una operación conocida como Convolución que está dada por la siguiente
expresión: Z ∞
y(t) = x(τ )h(t − τ )dτ (1.6)
−∞
La operación de convolución también se puede indicar de la siguiente manera:

y(t) = x(t) ∗ h(t) (1.7)
1.4.3. La Representación en Series de Fourier

Para los propósitos del presente libro, es importante recalcar los siguientes aspectos sobre la
Representación en Series de Fourier (RSF):
• La señal analizada xT (t) es continua y periódica, con periodo igual a T segundos.

• El resultado de la transformación no guarda relación con la energı́a total de la señal ya que
lo que se transforma es solo la porción de la señal que se observa en un periodo de tiempo.
• El espectro resulta siendo discreto, con componentes o muestras espectrales separadas entre
sı́ en f0 = T1
• El espectro se expresa en las mismas unidades en que está expresada la señal en el tiempo.
Por ejemplo, si la amplitud de la señal está dada en voltios, las muestras en el espectro
estarán dadas también en voltios.
La ecuación de análisis de la RSF es la siguiente:
Z
1
Ck = xT (t)e−j2πkf0 t (1.8)
T
(T )
25
1.4.4. La Transformada de Fourier
Este capı́tulo busca resumir sobre los aspectos relevantes de la Transformada de Fourier (TF).
Vale la pena recordar que un rayo de luz de color puro es una onda con una frecuencia definida,
pero nuestros ojos no ven la forma de la onda, solo ven su color. Pero también podemos distinguir
diferentes colores de luz que llegan a nuestros ojos combinados en una sola señal. Eso significa
que: hay al menos dos formas de ver las señales, en el dominio del tiempo y en el dominio de las
frecuencias y nuestros ojos solo pueden ver en el dominio de las frecuencia. Precisamente, la TF es
la herramienta teórica que permite que una señal que está expresada en el dominio del tiempo pase
a ser expresada en el domino de las frecuencias. La TF no deja de ser una herramienta teórica,
pero es posible realizar adaptaciones con fines prácticos. Los aspectos teóricos son los siguientes:
• La señal analizada x(t) no necesariamente es periódica.

• Se aplica a esa señal el mismo concepto de la RSF pero en las siguientes condiciones:
• Se considera que el periodo de x(t) es infinito.
• Para Ck no sea cero, se escala en ese periodo infinito.
X(f ) = lı́m T Ck (1.9)

T →∞
• Debido a este escalamiento, si la amplitud de la señal está dada en voltios, el espectro

estará dado en V/Hz.
• Lo anterior hace que f0 tienda al valor cero, por tanto, kf0 tiene a ser la variable continua
f , de modo que la parte derecha de la fórmula (1.9) tiende a la siguiente expresión, mejor
conocida como la Ecuación de Análisis de la Transformada de Fourier, ası́ como también
se puede deducir la Ecuación de Sı́ntesis.
• La Ecuación de Análisis
Z ∞
X(f ) = x(t)e−j2πf t dt (1.10)
−∞
• La Ecuación de Sı́ntesis
Z ∞
x(t) = X(f )ej2πf t df (1.11)
−∞
1.4.5. La Respuesta en frecuencia en los sistemas LIT

El siguiente es el resumen conceptual necesario sobre este tema:
• Toda señal x(t) del mundo fı́sico tiene una representación X(f ) en el dominio de las frecuen-
cias que se puede hallar mediante la TF.
La respuesta al impulso h(t) de un sistema LIT también tiene una representación H(f ) en
el dominio de las frecuencias. H(f ) es lo que se conoce como la respuesta en frecuencia del
sistema.
Como la respuesta al impulso de un sistema LIT define completamente el sistema, entonces
H(f ) también define completamente al sistema.
En el domino de las frecuencias, la operación de Convolución, representa en la fórmula 1.7
cambia a una operación de multiplicación. De modo que, si conocemos la señal entrante en el
dominio de las frecuencias y la respuesta en frecuencia de un sistema LIT podemos calcular
la salida en el dominio de las frecuencias de la siguiente manera:
Y (f ) = X(f )H(f ) (1.12)
26
1.4.6. Transformada de Fourier de algunas señales
Para los propósitos del libro, a continuación listamos las señales de interés la TF de cada una
de ellas.
• La señal exponencial compleja:
TF
ej2πf0 t −−→ δ(f − f0 ) (1.13)
• Una onda coseno: De acuerdo a la fórmula de Euler la función coseno se puede expresar
en términos de funciones exponenciales complejas ası́:
ejt + e−jt
cos(t) = (1.14)
2
Teniendo en cuenta que la TF es una operación lineal, se deduce que:
TF 1 1
cos(2πf0 t) −−→ δ(f − f0 ) + δ(f + f0 ) (1.15)
2 2
• Una onda seno: Siguiendo la misma lógica anterior, la función seno se puede expresar en
términos de funciones exponenciales complejas ası́:
ejt − e−jt
sin(t) = (1.16)
2j
Por lo tanto,
TF 1 1
sin(2πf0 t) −−→ δ(f − f0 ) − δ(f + f0 ) (1.17)
2j 2j
• Una señal rectangular rect(t). Sea:

 
 1 |t| < 1/2 
rect(t) = 1/2 |t| = 1/2 (1.18)
0 |t| > 1/2
 
Entonces, su relación con la TF es la siguiente:

TF
Arect(t) −−→ Asinc(f ) (1.19)
• Para una señal sinc se tiene la siguiente relación:

TF
Asinc(t) −−→ Arect(f ) (1.20)
1.4.7. La Modulación de una señal senoidal

Bajo ciertas condiciones, una señal senoidal puede portar a una señal mensaje. Para ello, es
necesario hacer que la amplitud del mensaje modifique uno de los parámetros de la señal senoidal.
El término modulación se usa en las comunicaciones para referirse al proceso de hacer que un
mensaje modifique o varı́e uno o más parámetros de una señal portadora. La siguiente expresión
matemática refleja los parámetros que pueden ser variados por medio del mensaje:
c(t) = A(t)cos[2π(fc + F (t))t + B(t)] (1.21)
27
1.4.7.1. La Modulación de Amplitud de Doble Banda Lateral
En la modulación en amplitud de amplitud de doble banda lateral (DSB), del inglés Double
Side Band, la señal mensaje m(t) entra al modelo anterior como:
A(t) = m(t) (1.22)

Los demás parámetros variables se llevan a cero.
F (t) = 0 (1.23)
B(t) = 0 (1.24)
De modo que se obtiene la señal modulada s(t).
s(t) = m(t) cos(2πfc t) (1.25)

[Falta: Oscar reyes: gráfica en el dominio del tiempo, parámetros]
1.4.7.2. La Modulación de Amplitud

La modulación en amplitud (AM) la señal mensaje m(t) entra al modelo anterior como:
A(t) = Ka [1 + m(t)] (1.26)

Donde Ka se conoce como coeficiente de modulación de amplitud. Los demás parámetros va-
riables se llevan a cero.
F (t) = 0 (1.27)
B(t) = 0 (1.28)
De modo que se obtiene la señal modulada s(t).
s(t) = Ka [1 + m(t)]cos(2πfc t) (1.29)

En la Figura 1 se presenta un ejemplo, donde se tiene como entrada un mensaje representado
por una señal de audio y una onda senoidal que sirve como portadora. En la parte inferior se tiene
el resultado de la modulación. Como puede apreciarse, se trata de la misma onda portadora, pero
con variaciones de amplitud que son proporcionales a la amplitud de la señal mensaje.
1.4.7.3. La Modulación de Frecuencia

En la modulación de frecuencia (FM) el modelo anterior cambia de la siguiente manera:
A(t) = Ac (1.30)
F (t) = Kf m(t) (1.31)
B(t) = 0 (1.32)
Donde Kf se conoce como coeficiente de modulación de frecuencia. Entonces se obtiene la señal
modulada s(t):
s(t) = Ac cos[2π(fc + Kf m(t))t] (1.33)

Mediante algunas mejoras a la fórmula anterior se puede llegar a una expresión más conocida
para la modulación FM.
28
Figura 1: Ejemplo de la modulación AM
Z
s(t) = Ac cos[2πfc t + Kf m(t)dt] (1.34)
De la expresión anterior se deduce que la Modulación FM representa también una forma de

modulación de fase.
[Falta: Oscar Reyes: gráfica en el dominio del tiempo, parámetros.]
1.4.7.4. La Modulación de Fase

En la modulación de fase (PM) el modelo anterior cambia de la siguiente manera:
A(t) = Ac (1.35)
F (t) = 0 (1.36)
B(t) = Kp m(t) (1.37)

Donde Kp se conoce como coeficiente de modulación de fase. Entonces se obtiene la señal
modulada s(t):
s(t) = Ac cos[2π(fc t + Kp m(t))] (1.38)

[Falta: Oscar reyes: gráfica en el dominio del tiempo, parámetros.]
1.4.7.5. Análisis en el dominio de las frecuencias

[Falta: Oscar reyes: La idea es realizar una comparación entre todos los tipos de modulación
en el dominio de las frecuencias. Pero si el profe Oscar tiene otra idea, también es aceptable, por
ejemplo que ese análisis se haga por cada uno de los tipos de modulación por separado]
29
1.5. Señales aleatorias
1.5.1. Planteamiento del problema
Hasta el momento, se han visto señales teóricas o deterministicas que pueden ser presentadas
por fórmulas matemáticas u otras maneras. En el mundo real las señales son casi siempre alea-
torias y eso hace que los conceptos vistos anteriormente no se pueden aplicar de manera directa.
Por ejemplo, si pretendemos usar el concepto estricto de la TF para observar, en el dominio de las
frecuencias la voz de una persona, deberı́amos esperar a que esa persona hable durante toda su
vida antes de aplicarle la TF, pues esta, por definición analiza la señal en el tiempo que va desde
t = −∞ hasta t = ∞. Es claro que esto no es viable en la mayorı́a de las aplicaciones prácticas
debido a la necesidad de resultados en tiempos más reales.
Del análisis anterior surge la pregunta: ¿Es posible usar herramientas de análisis como la Trans-
formada de Fourier, los filtros, los sistemas LIT, etc, que han tenido su origen en señales deter-
minı́sticas, para analizar señales del mundo real donde predomina más bien la aleatoriedad y el
caos? ¿cómo hacerlo?.
1.5.2. Promedios de tiempo en señales reales

La respuesta está en la necesidad de adaptar esos conceptos a dos posibles campos:
• La Teorı́a de señales aleatorias. La idea consiste en que si bien las señales son aleatorias, varios
parámetros pueden ser vistos como determinı́sticos, al menos dentro de ciertos lı́mites. Por
ejemplo la media de una señal, la desviación estándar, la potencia promedio, la distribución
de la potencia promedio en el dominio de las frecuencias, los cuales se pueden calcular de
manera aproximada al observar el comportamiento de la señal durante un tiempo tan corto
o tan grande como tan pequeña o grande sea la exactitud deseada.
• La Teorı́a de procesos estocásticos, puede ser visto como una mayor generalización de la
teorı́a de señales aleatorias, cuando la cuestión no se trata de analizar una sola señal sino un
grupo de ellas. Por ejemplo, supongamos que hemos reunido las señales de voz de muchas
personas diferentes para probar cómo se comportan al pasar por un sistema. El promedio
de esas señales es otra señal que varı́a en el tiempo, pero que tiene un comportamiento más
predecible.
En este capı́tulo solo hablaremos de la Teorı́a de señales aleatorias. Supongamos que en el

problema en que usted trabaja solo se cuenta con una señal aleatoria, debido a las especificaciones
de ese problema. Es claro que esa señal tiene una media y por lo tanto todos esos parámetros que
se derivan de la media, como la media cuadrática, la varianza, la desviación estándar, etc. Incluso
la función de distribución de probabilidad. En este caso, el concepto que se usa se conoce como
Promedios de Tiempo. Los cálculos son similares a los que se realizan con una Variable Aleatoria, la
diferencia está en que la variable tiene un resultado en cada instante de tiempo y que hay infinitos
instantes de tiempo, ya que el tiempo es continuo.
El promedio de tiempo para una señal a(t) se representa como < a(t) > y se halla ası́.
Z T Z T
1 1
< a(t) >= lı́m a(t)dt = lı́m aT (t)dt (1.39)
T →∞ 2T −T T →∞ 2T −T
Donde aT (t) es una versión truncada de a(t) como se muestra en la siguiente figura.
30
Figura 2: Señal truncada
Como puede observarse, entre más grande sea T, más alta es la exactitud en el cálculo del
promedio de una señal.
1.5.3. La Media de una Señal x(t)

La Media De una señal x(t): La media De una señal x(t):
Xm =< x(t) > (1.40)
1.5.4. La Media Cuadrática de una Señal x(t)

La Media Cuadrática De Una señal x(t): La media cuadrática de Una señal x(t):
Xc =< x2 (t) > (1.41)
1.5.5. El Valor RMS

El Valor RMS (del inglés Root Mean Square que se traduce como Raı́z del Valor Medio Cuadráti-
co) de Una señal x(t): El Valor RMS de una Señal x(t):
p
XRM S = < x2 (t) > (1.42)
1.5.6. La Potencia Promedio de una Señal x(t)

La Potencia Promedio Normalizada De Una señal
2 2
P = XRM S =< x (t) > (1.43)
Nota: el término “normalizada” es porque se considera R = 1Ω
1.5.7. La Función de Autocorrelación

La Función de Autocorrelación de x(t):
Z T
1
RX (τ ) =< x(t)x(t + τ ) >= lı́m x(t)x(t + τ )dτ (1.44)
T →∞ 2T −T
Es importante notar que:

• La Función de Autorrelación evaluada en τ = 0, es igual a la media cuadrática de la señal.
• Por lo anterior, si la media de la señal es cero, entonces la Función de Autorrelación evaluada
en τ = 0, es igual a la Potencia Promedio de la señal.
31
1.5.8. Otros promedios de tiempo
La Varianza
σx 2 =< [x(t) − Xm ]2 > (1.45)
La Desviación Estándar p
σx = < [x(t) − Xm ]2 > (1.46)
1.5.9. Promedios de tiempo en señales complejas

En el caso de las señales complejas es especial, ya que una señal es una especie de matrimonio
entre una señal real y una imaginaria, de modo que es una pareja inseparable de señales. En este
caso, es importante tener en cuenta lo siguiente:
• Una señal compleja, aunque es un apareamiento entre dos señales, puede ser vista como una
sola cosa si se representa como un vector en el plano complejo, el cual puede variar diversos
parámetros como su velocidad, su magnitud, su fase.
• Hablar del promedio de tiempo en una señal compleja es hablar del comportamiento promedio
del vector.
• El promedio de tiempo se puede definir como el valor complejo, donde la parte real y la
imaginaria resultan de sacar el promedio de tiempo de la parte real de la señal y de la parte
imaginaria respectivamente. Lo cual, se traduce en el punto del plano complejo donde hay
mayor probabilidad de encontrar al vector.
• En el caso de la media cuadrática es un tanto diferente; en vez de la media cuadrática, lo
que se usa es la magnitud cuadrática media del vector en el plano complejo. Pero igualmente
resulta en un valor complejo, donde la parte real y la imaginaria resultan de sacar la media
cuadrática de la parte real de la señal y de la parte imaginaria respectivamente. Lo cual, se
traduce en la longitud al cuadrado que tiene mayor probabilidad de encontrarse el vector.
• La magnitud media, se deduce de lo dicho anteriormente, ya que es la raı́z cuadrada del
magnitud cuadrática media.
En este caso, la Potencia Promedio de una señal es claramente el cuadrado de la magnitud
media.
De acuerdo a las consideraciones anteriores, la media de una señal compleja aleatoria es un
valor complejo y le corresponde esta fórmula:
Xm =< xr (t) > +j < xi (t) > (1.47)

Donde xr (t) y xi (t) corresponden a la parte real y a la imaginaria respectivamente de la señal
analizada
La Magnitud media cuadrática de una señal compleja aleatoria es un valor real y le corresponde
la siguiente fórmula:
|Xc | =< |x(t)|2 > (1.48)

También es válido decir que:
|Xc | = Xrc + Xic (1.49)
Donde Xrc y Xic son la media cuadrática de la parte real y de la parte imaginaria respectivamente
de la señal analizada x(t) A la Función de Autocorrelación le corresponde la fórmula:
Z T
1
RX (τ ) =< |x(t)x(t + τ )| >= lı́m |x(t)x(t + τ )|dτ (1.50)
T →∞ 2T −T
Potencia promedio normalizada es:

P = Xc (1.51)
32
De igual manera, se puede deducir que el Valor RMS para las señales complejas es:
p p p
XRM S = |Xc | = |x(t)2 = |x(t)| (1.52)
p p
XRM S = |Xc | + |x(t)|2 + |x(t)| (1.53)
1.5.10. La Densidad Espectral de Potencia

La PSD como un promedio de tiempo: Ya se ha dicho que la PSD es la distribución de la
potencia promedio, de la señal analizada en el espectro de frecuencias. La PSD de una señal x(t)
se representa como SX (f ).
Debido a la anterior afirmación se obtiene que:
Z ∞
P = SX (f )df (1.54)
−∞
Aprovechando la relación de Parseval podemos encontrar dos maneras alternativas para hallar
la Potencia Promedio de una señal x(t):
Z ∞ Z ∞
1 1
P = lı́m |XT (t)|2 dt; P = lı́m |X(f, T )|2 df (1.55)
T →∞ 2T −∞ T →∞ 2T −∞
Donde X(f, T ) es la TF de xT (t) , luego:
Z ∞ Z T
X(f, T ) = xT (t)e−j2πf t dt = x/(t)e−j2πf t dt (1.56)
−∞ −T
Se deduce entonces que:

1
SX (f ) = lı́m |X(f, T )|2 (1.57)
T →∞ 2T
Como es bien sabido, las dimensiones de la TF son en V/Hz, de modo que las de la TF en
magnitud al cuadrado son en W atts/Hz 2 . Por lo tanto, las de la PSD son de watts/Hz. Nota: Se
están considerando valores normalizados para R = 1Ω . Esto es útil cuando solo se desea conocer
la forma del espectro, sin embargo, para mediciones más precisas de espectro, por ejemplo cuando
se desea conocer el espectro que captura la antena de un USRP, hay que tener en cuenta que R es
la impedancia del medio donde se mide la señal. El problema es que la impedancia de una antena
es diferente para cada frecuencia.
1.5.11. Relación de la Densidad Espectral de Potencia con la Función

de Autocorrelación
Existe una importante relación entre PSD y autocorrelación de una señal aleatoria
R ∞ la cual se ex-
presa de la siguiente manera: SX (f ) es también la TF de RX (τ ) entonces, SX (f ) = −∞ RX (τ )e−j2πf τ dτ .
Consecuentemente la potencia promedio se puede hallar también como P = RX (0).
1.5.12. Periodograma
1
Es la Gráfica que corresponde a la expresión |X(f, T )|2 cuando se obtiene con elementos de
2T
cómputo.
En este caso resulta más útil la formulación
33
1
Sx (f ) = lı́m |X(f, T )|2 =< |X(f )|2 > (1.58)
T →∞2T
La idea es caer en cuenta que esta fórmula expresa un promedio. En simulink o en GNU Radio
se puede ir mostrando cómo se va calculando ese promedio a medida que pasa el tiempo. De modo
que no es necesario esperar a que transcurra todo el tiempo T para visualizar la PSD.
Figura 3: Ejemplo de periodograma
La idea es dividir el tiempo de medición T en pequeñas ventanas de duración T0 . Entonces la

señal truncada XT (t) se divide en señales sub truncadas de más corta duración xT,1 (t), xT,2 (t), ...., xT,N (t)
De esta manera, es posible hallar paso a paso |X1 (f, T )|2 , |X2 (f, T )|2 , ...., |XN (f, T )|2 consecuente-
mente se puede hallar la PSD aproximada de esas señales sub truncadas SX,1 (f, T ), SX,2 (f, T )....SX,N (f, T ).
Si en cada uno de esos pasos se va realizando un ajuste, será posible obtener y graficar la PSD para
el tiempo 2T0 , 4T0 , 6T0 , ....., 2T . . Como resultado veremos como la PSD va tomando poco a poco
una forma cada vez más definida. Lo que se logra es que el usuario no tenga que esperar mucho
tiempo para ver la PSD, sino que en tiempo real pueda ver como la PSD va tomando una forma
cada vez más definitiva. Para el ajuste mencionado solo hay que tener en cuenta que la PSD es un
promedio, pero eso se explicará más abajo en una implementación que usa la FFT como bloque de
cálculo de la Transformada de Fourier Truncada.
Uso del bloque FFT de GNU Radio para obtener la PSD. La idea es usar el bloque de GNU
Radio que implementa el algoritmo FFT en magnitud al cuadrado, que simbolizaremos ası́: |F F T |2 .
En la página web del libro, se tiene una demostración donde se usa Simulink de Matlab para
demostrar lo anterior, este es el enlace:
https://sites.google.com/saber.uis.edu.co/comdig/m/Analizador
1.5.13. Señal Binaria Bipolar Aleatoria

Uno de los primeros pasos en el estudio de las comunicaciones consiste en conocer y analizar
ciertas señales que son claves. Una de ellas son las señales binarias bipolares aleatorias.
Obtenemos primero La función de autocorrelación. Tomaremos como ejemplo la señal x(t). de
la Figura 4 donde Tb es el ancho de cada pulso que en términos de señales digitales, puede ser
equivalente a la duración de un bit.
34
Figura 4: Ejemplo de una señal binaria aleatoria bipolar x(t)
1 RT
Recordemos que RX (τ ) =< x(t)x(t + τ ) >= lı́mT →∞ x(t)x(t + τ )dτ . En la Figura 5
2T −T
set tiene la forma de la señal x(t + τ ) cuando τ < Tb
Figura 5: El desplazamiento de la señal binaria aleatoria bipolar que resulta en la señal τ < Tb
Vamos a revisar los siguientes casos:
• Caso en que τ = 0:
Tenemos que < x(t)x(t + τ ) >=< x2 (t) >=< A2 >= A2
• Caso en que 0 < τ < Tb :
En este caso, la operación x(t)x(t + τ ) tiene la forma que se presenta en la Figura 6.
Figura 6: Multiplicación de la señal x(t) con su versión desplazada x(t + τ ) cuando 0 < τ < Tb
Caso en que τ = Tb : Tenemos que la multiplicación x(t)x(t + τ ) resulta siendo una nueva
señal binaria aleatoria bipolar como se muestra en la Figura 7.
Vemos que para τ = 0, x(t)x(t + τ ) = A2 y su promedio de tiempo es < x(t)x(t + τ ) > A2 que
es la misma potencia promedio. Cuando 0 < τ < Tb el promedio de tiempo de x(t)x(t + τ ) cae
linealmente. Cuando τ = Tb ocurre que x(t)x(t + τ ) se convierte en una nueva señal binaria bipolar
aleatoria, cuyo promedio de tiempo es cero. Algo similar ocurre cuando τ > Tb . Ahora, cuando
35
Figura 7: Multiplicación de la señal x(t) con su versión desplazada x(t + τ ) cuando 0 < τ = Tb
τ < 0 ocurre lo mismo que cuando τ > 0.
Es importante tener en cuenta que la Función de Autocorrelación evaluada en cero es la misma

potencia promedio P = RX (0), solo que para el caso dado, P = RX (0) = A2 . De modo que la
función de autocorrelación tiene la forma de la Figura 8.
Figura 8: La Función de Autocorrelación de una señal binaria aleatoria bipolar
Recordemos que la PSD es la TF de la Función de Autocorrelación. De manera que podemos

usar la Función de Autocorrelación obtenida para buscar la forma de la PSD. Para ello, expresamos
la Función de autocorrelación como una Convolución ası́:
1
Rx (τ ) = RX1 (τ ) ∗ RX1 (τ ) (1.59)
Tb
Donde RX1 (τ ) tiene una forma rectangular como se muestra en la siguiente figura 9.
Figura 9: Forma de RX1 (τ )
36
De esta manera podemos usar la TF de una señal de forma rectangular, la cual es bien conocida
y que se muestra en la Figura 10.
Figura 10: RX1 (τ ) y su Transformada de Fourier
Nótese que SX1 (f ) estarı́a dado en V/Hz tal como se conoce la TF de una señal cuadrada.
También aprovechamos el Teorema de la Convolución, también conocido como Teorema de Wiener
Khitchine que dice que si se tiene:
TF
x1 (t) = → X1 (f ) (1.60)
y
TF
x2 (t) = → X2 (f ) (1.61)
Entonces
TF
x1 (t) ∗ x2 (t) → X1 (f )X2 (f ) (1.62)
Luego,
1 TF 1 2
RX1 (τ ) ∗ RX1 (τ ) → S (f ) (1.63)
Tb Tb X1
Figura 11: PSD de la forma Forma de RX1 (τ )
De esta manera se obtiene que la forma de la PSD de una señal binaria aleatoria bipolar
corresponde a la función sinc cuadrática:
SX (f ) = P Tb sinc2 (f /Rb ) (1.64)
donde Rb = 1/T b es la rata de bits. La gráfica de la PSD de una Función Binaria Aleatoria Bipolar
se presenta en la Figura 11.
37
1.5.14. El ruido blanco
El ruido blanco (WN, del inglés White Noise) siempre está presente en cualquier medio de
propagación, pero no deja de ser una abstracción matemática, debido a ciertos supuestos como:
• Tienen un ancho de banda infinito. De allı́ viene el término “blanco”, pues se supone que el
color blanco resulta de combinar homogéneamente todos los colores (las frecuencias).
• La Densidad Espectral de Potencia es constante e igual a N0 /2, donde
N0 = kTe (1.65)
Donde k es la constante de Boltzmann y Te es la temperatura equivalente del ruido en el

receptor. La idea de la temperatura equivalente proviene de experimentos realizados con
sistemas electrónicos, donde se ha observado a que a medida que aumenta la temperatura en
estos sistemas, aumenta el ruido. En gran manera puede estar dado por las caracterı́sticas
del receptor, pero también por cuestiones naturales en el espectro.
• La función de autocorrelación es una función delta centrada en cero, como se muestra en la
Figura 12, lo cual significa que dos muestras del ruido, por muy cercanas que sean no están
correlacionadas, de modo que una muestra aparece correlacionada solo con sı́ misma. En este
sentido, el ruido blando es lo último en aleatoriedad.
Figura 12: PSD del ruido blanco y su Función de autocorrelación
fuente: Tomado del libro de Haykin
• Conocer el desempeño de un sistema de comunicaciones frente al ruido blanco que puede pre-
sentarse en el canal, no deja de ser una idealización, pero sirve de referencia para caracterizar
el sistema y los métodos usados en el procesamiento de la información.
1.5.15. La voz humana en la telefonı́a

El sonido es uno de los principales tipos de mensajes que se emiten por los medios de comuni-
cación y se usa intensamente en ejemplos y prácticas de este libro, sobre todo los sonidos que el
ser humano emite para comunicar. La voz es toda una ciencia, sin embargo, para los propósitos
del presente libro los siguientes apuntes son los de mayor relevancia:
• El sonido son ondas mecánicas longituinales, se desplazan de un lugar a otro mediante per-
turbaciones de un medio elástico (sólido, lı́quido, gaseoso).
• Las ondas sonoras se reducen a los lı́mites de frecuencia que pueden estimular el oı́do humano
para ser percibidas en el cerebro.
• Los lı́mites de frecuencia de las ondas sonoras se extienden de aproximadamente 20 Hz a

cerca de 20 kHz y se llaman lı́mites de audición.
38
• La voz está constituida por un conjunto de sonidos generados por el aparato fonador, de
manera que tiene un menor rango de frecuencias que el sonido
• En aplicaciones reales de comunicaciones, una señal de voz es una señal aleatoria, desde
este punto de vista sus caracterı́sticas son de tipo aleatorio, pero además depende de cada
persona.
• De acuerdo a los estudios tenidos en cuenta por la UIT, la mayor energı́a de la voz se
encuentra concentrada por debajo de los 4 kHz. De modo que la UIT ha establecido que
para los propósitos de la telefonı́a, la señal de la voz puede estar limitada a 4 kHz. Es por
eso que, al implementarse las tecnologı́as digitales en la frecuencia fija, se estableció que la
frecuencia de muestreo es de Samprateaudio = 8 kHz. También se estableció que los niveles
de cuantificación son 256, lo cual equivale a 8 bits por muestra ya que N bpS = 256 = 28
• De lo anterior se deduce que la rata de bits en la telefonı́a es de Rb = SamprateaudioxN bps =
64 kbps.
1.6. Variable aleatoria.

1.6.1. Introducción
Arriesgarse a estudiar y sobre todo a practicar con señales aleatorias significa arriesgarse a
contactar con el mundo real. Esto es ası́, pues en el mundo real las señales son usualmente alea-
torias. Pero surge una pregunta: ¿No basta con haber estudiado el tema de promedios de tiempo
para realizar aplicaciones basadas Radio Definida por Software (SDR)? La respuesta es que sı́.
Sin embargo, estudiar el tema de Variable Aleatoria significa una especie de reconciliación con los
matemáticos que trabajan en función de aplicaciones más amplias, que muchas veces no tienen que
ver con señales, pero que pueden ser adaptadas a las señales y a los sistemas.
A manera de ejemplo, imaginemos que contamos con una señal de ruido discreta x[n] de N
muestras y que hemos convocado a diferentes expertos a hablar sobre ella y a realizar demostracio-
nes. Nosotros, realizarı́amos quizá una simulación con GNU Radio para mostrar cómo esta señal
x[n] esa compuesta de las muestras x[1], x[2], ..., x[N ] que tienen un comportamiento en tiempo
y en frecuencia. También podrı́amos mostrar promedios de tiempo de esa señal, como la media,
la varianza, etc. El siguiente experto podrı́a ser un matemático o un ingeniero de sistemas que
es muy hábil usando las herramientas que traen muchos lenguajes de programación para realizar
operaciones vectoriales y matriciales que agilizan de manera severa el desarrollo de código. En-
tonces prefiere ver esa señal como un vector X~ = [x1 , x2 , ...., xN ] al cual podrá manejar mediante
operaciones vectoriales o matriciales.
Supongamos que el experto es ahora un profesor de estadı́stica acostumbrado a estudiar el

comportamiento de ciertas variables como el precio del dolar, la frecuencia de las lluvias, etc. Este
profesor preferı́a ver la señal como un dataset o conjunto de los datos de las amplitudes que puede
tomar la señal para obtener diversos parámetros y conceptos estadı́sticos como: la media, la varian-
za, pero también la función de densidad de probabilidad, la función de distribución acumulativa,
la autocorrelación, entre otros. En este caso, la variable aleatoria y los promedios de tiempo son
una misma cosa. Pero una variable aleatoria es un concepto más general pues abarca muchos otros
casos, donde los datos que toma la variable no dependen necesariamente del tiempo. Por ejemplo,
supongamos que la variable aleatoria Z está compuesta de los N valores que resultan al lanzar un
dado N veces. Esos N resultados no dependen del tiempo ni tienen nada que ver con las amplitudes
de las señales.
En conclusión, lo que se gana al usar el concepto de Variable Aleatoria es la posibilidad de

aprovechar en las comunicaciones los avances que existen en la estadı́stica. La podemos usar como
una alternativa a los promedios de tiempo. Para ello basta con suponer que cada muestra de la
señal es el resultado de un ensayo. Pero el concepto de variable aleatoria se puede usar en un sen-
tido más amplio donde los parámetros a analizar no son necesariamente valores de amplitud que
39
cambian en el tiempo. En todo caso, el estudio del tema de Variable Aleatoria es imprescindible
para llegar a estudiar el tema de Procesos Estocásticos que es una rama más genérica aún para
estudiar las señales aleatorias en un sentido más amplio, por ejemplo, cuando nos interesa conocer
el promedio de las voces de todos mis estudiantes, lo cual resulta en una nueva señal de tiempo
que es el promedio de todas
Para aclarar aún más el concepto de variable aleatoria, supongamos que usted ha sido contra-
tado para para caracterizar la estatura de los estudiantes de su universidad. Entonces usted decide
usar los siguientes parámetros: la estatura promedio, la desviación estándar, entre otros. Luego,
usted decide realizar un experimento: medir de manera aleatoria a cada estudiante que entra ese
dı́a a la universidad. También querrá medir de manera aleatoria otras cosas que pueden guardar
relación obvia o no tan obvia con la estatura como: la edad o el número de calzado, el sexo. En-
tonces crea una tabla con una columna para cada una de las mediciones, donde X representa la
estatura, Y la edad y Z el calzado. X, Y, Z - son variables aleatorias.
En conclusión, el concepto de variable aleatoria es útil en las comunicaciones, cuando se desea

interpretar las caracterı́sticas de las señales o de los sistemas como datos para aplicarle conceptos
estadı́sticos para llegar a algún tipo de conclusión válida.
Tabla 1.1: Alguna descripción
Ensayo X Y Z
1 x1 = 1,80 y1 = 18 z1 = 40
2 x2 = 1,70 y2 = 20 z2 = 39
3 x3 = 1,73 y3 = 17 z3 = 43
... ... ... ...
También puede usar la siguiente notación:

X = x1 , x, x, ...
1.6.2. Principales conceptos de variable aleatoria

Los siguientes son los principales términos usados:
Ensayo (realization): Cada prueba que usted realiza.
Punto Muestra o Punto Muestral (sample point): El resultado de cada ensayo, en este
caso xi es el punto muestral del ensayo i de la variable aleatoria X.
Espacio muestral (Sample Space): Es el conjunto de todos los puntos muestra posible
para variable aleatoria.
La Esperanza (average or expected value): Es la manera de referirse al promedio de

puntos muestra y se representa como E[variable aleatoria] ası́:
x1 + x2 + ... + xN x2 + x22 + ... + x2N

E[X] = ; E[X 2 ] = 1 (1.66)
N N
2 2 2
(x1 − A) + (x2 − A) + ... + (xN − A)
E[(X − A)2 ] = (1.67)
N
N Es el número de puntos muestra tenidos en cuenta.
Pero hay casos en que no se conocen los puntos muestra sino otros parámetros que se han obtenido
a partir de ellos y que también definen la variable aleatoria como la Función de Densidad
R ∞ de Proba-
bilidad fX (x). Por eso hay otras formas para obtener la Esperanza como E[X] = − ∞ xfX (x)dx.
40
La media de una variable aleatoria X : µX = E[X]
La media cuadrática de una variable aleatoria X: Corresponde a E[X 2 ]
2 2
La varianza de una variable aleatoria X : var[X] = E[(X − µX) ] = σX
La Desviación estándar de X : es σX
La correlación entre las variables X, Y : RXY = E[XY ]
1.6.3. La Función de densidad de probabilidad

La Función de Densidad de Probabilidad (FDP) describe la probabilidad que puede cada valor
que puede tomar una variable aleatoria. También permite conocer la probabilidad de que una
variable aleatoria caiga dentro de un rango de posibles valores. Para los propósitos de este resumen,
resulta suficiente comprender lo que representa la curva de la FDP en un ejemplo como el que se
presenta en la en la figura 13.
Figura 13: Ejemplo de la Función de Densidad de probabilidad
Para el ejemplo que representa esa figura, podemos observar que la probabilidad de que la
variable aleatoria X tome el valor 1 es aproximadamente 0,15, que si se expresa en porcentaje,
equivale al 15 %. El área bajo la curva de la FDP es siempre igual a 1. La probabilidad de que
la variable aleatoria tome un valor menor que b, es decir P (X < b) es igual al área bajo la curva
desde −∞ hasta b y para el ejemplo dado en la figura 13 se encuentra sombreada en color azul.
De manera similar, buscando siempre el área bajo la curva entre intervalos diversos es posible
encontrar la probabilidad de que X tome cualquier otro rango de valores.
Un aspecto muy importante a tener siempre en cuenta es que al FDP caracteriza completamente
a una variable aleatoria. Es decir, si se conoce la FDP de una variable aleatoria, ya se tiene toda
la información sobre esa variable.
En gnuradio es común aproximarse a la FDP mediante lo que se conoce como un histograma,
mientras que el uso de una forma continua de la FDP es más común en los análisis teóricos. En
los histogramas usualmente se considera que la variable aleatoria puede tomar un número finito
de valores discretos, como se muestra en el ejemplo de la figura 14.
1.6.4. La Función de Distribución Acumulativa

La Función de Distribución Acumulativa (FDA) es otra manera de caracterizar completamente
una variable aleatoria, pero no es nada nuevo con respecto a la FDA, sino más bien una deducción
de ella, ya que la FDA se puede expresar como
Zx
F (x) = f (u)du, (1.68)
−∞
donde f (u) es la FDP de una variable aleatoria U .
41
Figura 14: Ejemplo de un histograma
fuente: Matplolib
1.7. Procesos Estocásticos

Los procesos estocásticos representan un mayor nivel de generalización de las variables aleatorias
para poner la teorı́a de las probabilidades al servicio exclusivo de las señales aleatorias. En este
sentido, es importante tener en cuenta las siguientes aclaraciones:
Una variable aleatoria toma valores que dependen de un ensayo. Por ejemplo, si el experi-
mento consiste en medir la altura de los estudiantes, cada estudiante que medimos es un
ensayo y la altura de medimos es una muestra de la variable aleatoria.
Es posible hacer que una variable aleatoria tome como muestras los valores de amplitud que
toma una señal en el tiempo, pero precisamente eso es un caso muy particular que hemos
llamado Promedios de Tiempo. En los procesos estocásticos no se tiene esta posibilidad, ya
que en un proceso estocástico una señal en el tiempo considerado como el resultado de un
ensayo, por eso se habla de funciones muestra.
Para entenderlo mejor, supongamos que hemos sido contratados para caracterizar no la altura,
sino la voz de los estudiantes de su universidad. Entonces, en lugar de medir la altura para llenar
una lista de datos, lo que hacemos es grabar la voz de cada estudiante que pasa aleatoriamente y la
guardamos. Entonces, ya no tenemos muestras discretas en forma de un valor por muestra, como
era el caso para la altura, sino funciones funciones muestra, ya que cada muestra es una función
de tiempo, como se muestra en la figura 15.
Por analogı́a con la variable aleatoria, un proceso estocástico se representa como:
X(t) = x1 (t), x2 (t), x3 (t), ... (1.69)

X(t) es lo que se conoce como un Proceso Estocástico. A diferencia de una variable aleatoria
que se compone de puntos muestra, el proceso estocástico se compone de funciones muestra
(sample functions), en este caso esas funciones son: x1 (t), x2 (t), x3 (t), ..., xN (t)., las cuales a su
vez componen el espacio muestral o campo muestral (sample space).
Todos los parámetros estudiandos que aplican a las variables aleatorias, puede generalizarse para
los procesos estocásticos.
La media de proceso X(t) : µX(t) = E[X(t)]. Vemos que a diferencia de una Variable Alea-
toria, donde la media es un número, en un Proceso Estocástico la media es una función del tiempo.
La media se obtiene de manera aproximada sumando N funciones muestra y dividiendo el re-

PN
xn (t)
sultado en N con lo cual se obtiene la señal promediada. E[X(t)] = n=1
N
42
Figura 15: Ejemplo de Funciones muestra de un proceso estocástico X(t)
La media cuadrática de X(t) es E[X 2 (t)].

La Función de Autocorrelación de un Proceso Estacionario X(t) es Rx (τ ) = E[X(t +
τ )X(t)]
De manera similar se derivan todos los demás parámetros.
1.8. Resumen de Señales y Sistemas Discretos

1.8.1. Teorema de Muestreo
[Falta]
1.8.2. La Representación en series de Fourier Discreta

La Representación en Series de Fourier Discreta (RSFD) aplica lo mismo que se dijo para las
señales continuas, pero con los siguientes aspectos y aclaraciones adicionales:
La señal analizada xN [n] es discreta y periódica en N muestras.

La ecuación de análisis es
N −1
1 X
Ck = xN [n]e−j2πkn/N (1.70)
N n=0
La ecuación de Sı́ntesis es:

N
X −1
xN [n] = Ck ej2πkn/N (1.71)
k=0
1.8.3. La Transformada Discreta de Fourier

La siguiente es la transformada de Fourier Discreta (DFT):
La Ecuación de Sı́ntesis: Z
1
x[n] = X(ejωn )dω (1.72)
2π 2π
Donde ω = 2πf .
La Ecuación de Análisis:
+∞
X
X(ejω ) = x[n]e−jωn (1.73)
n=−∞
43
Sin embargo, las ecuaciones (1.72) y (1.73) no dejan de ser una definición teórica ya que sirven
para realizar análisis de tipo teórico, como se hace por ejemplo en el libro de Oppenheim [Mejia
et al., 2012] [referenciar], pero requiere una redefinición para las aplicaciones del mundo real, sobre
todo en el campo de las comunicaciones. El problema de las aplicaciones del mundo real en las
comunicaciones consiste en lo siguiente:
La señal x[n] proviene de una versión continua x(t), con un ancho de banda definido, que es
luego sometida a un muestreo.
Al aplicar el proceso de muestreo se usa una frecuencia de muestreo FS . Como resultado, la

señal x[n] resulta acotada en el ancho de banda BW = FS /2
En una aplicación pŕactica solo es posible procesar un número N finito de muestras. Como
resultado, la DFT del mundo real también tiene un número finito N finito de muestras. Por
lo tanto, la transformada de Fourier resulta siendo igualmente discreta como lo es la señal.
Por todo lo anterior, resulta necesario encontrar la expresión de la DFT para aplicaciones del
mundo real. En este sentido, vale la pena tener en cuenta los siguientes aspectos adicionales:
La DFT está directamente relacionada con la RSF.
La principal diferencia de la DFT con respecto a la RSFD consiste en la manera en que se
aplica. La RSFD se aplica solo al periodo de la señal x[n]. La DFT deberı́a aplicarse a toda la
duración de esa señal, pero como eso no es posible solo se aplica a un número N de muestras,
luego, realmente lo que se obtiene es una aproximación de la DFT.
Otra diferencia consiste en que la TF es, además de lo anterior, una versión escalada de la
RSFD. El escalamiento corresponde a la duración de la señal, es decir al valor N
Por todo lo anterior la DFT, para propósitos prácticos, se puede decir de la siguiente manera:
La señal analizada x[ n] es discreta y tiene una duración de N muestras.
La ecuación de análisis es:
N
X −1
X(k) = lı́m x[n]e−j2πkn/N (1.74)
N →∞
n=0
La ecuación de Sı́ntesis es:

N −1
1 X
x[n] = lı́m X(k)ej2πkn/N (1.75)
N →∞ N
k=0
1.8.4. La Transformada Rápida de Fourier

Este capı́tulo no busca explicar de manera exhaustiva de donde sale ni cómo se calcula la
Transformada Rápida de Fourier (FFT, del inglés Fast Fourier Transform), pues realmente hay
buena literatura sobre este aspecto [referenciar].
Nos detendremos en siguientes aspectos que nos interesan para los propósitos del libro:
La FFT es en realidad un algoritmo para ejecutar de manera computacionalmente más

económica posible la siguiente operación:
N
X −1
X(k) = x[n]W −kn , (1.76)
n=0
donde W = e−j2π/N , k = 0, 1, 2, ...N − 1, N = 2m , m es un número entero.
44
Existe también la operación de sı́ntesis conocida mejor como la Transformada Rápida de
Fourier Inversa (IFFT), la cual es, consecuentemente, un algoritmo que para ejecutar de la
manera computacionalmente más económica posible la siguiente operación:
N −1
1 X
x[n] = X(k)W kn (1.77)
N
k=0
El resultado de la FFT depende de la manera en que se use. Las siguientes son las opciones:
• si x[n] es una señal periódica y su periodo es N lo que se obtiene es la RSFD escalada
en N
• si N son todas las muestras de la señal x[n] se obtiene una versión discreta de la DFT.
Hay que tener en cuenta que si la señal es periódica, ese periodo ya no es N y más bien
N → ∞.
• Lo anterior también significa que solo es posible acercarse a la DFT a medida que se
usa un valor cada vez más grande de N, lo cual pierde sentido en aplicaciones de tiempo
real, pues significarı́a que hay que esperar un tiempo infinito antes de poder observar
la DFT. Sin embargo en la práctica es posible usar varios tipos de trucos, como por
ejemplo, un enventanado de la señal para aplicar la FFT a cada ventana de tiempo
mientras se va mostrando el resultado y se van introduciendo correcciones para obtener
un valor cada vez más cercano a la DFT.
• Es posible aplicarle un enventanado a la señal x[n] de manera que cada ventana tenda
una duración de tiempo discreto finito igual a N , por ejemplo N = 32, o N = 128 o
N = 1024. En este caso, está claro que N no representa todas las muestras de x[n] sino las
de una ventana de observación. Lo que se obtiene en este caso es un espectro de la señal
que cambia dinámicamente a medida que se procesa una nueva ventana. El resultado
es similar al que muestra un analizador de espectro y se trata de un espectro dinámico
que muestra el espectro instantáneo de la señal, es decir, la composición espectral de la
señal en instantes de tiempo que son múltiplos de N .
• Es muy común usar el espectro dinámico pero en magnitud al cuadrado combinado con
algunos filtros y con una conversión a decibelios para construir lo que se conoce como
equipos analizadores de espectro, como los que se presentan en los videos del siguiente
enlace:
https://sites.google.com/saber.uis.edu.co/comdig/m/Analizador
• La FFT entrega un espectro en el rango de frecuencias que va desde −FS /2 hasta FS /2
y solo tiene N muestras espectrales.
• Por lo anterior, la resolución espectral que se logra con la FFT es igual a Fr esol = FS /N ,
donde Fr esol es la menor distancia entre muestras espectrales que se pueden llegar a
distiguir en el resultado de la FFT.
• También es posible usar la FFT para obtener una forma aproximada de la PSD de una
señal aleatoria. Lo que se hace es similar a lo explicado en el item anterior, pero luego
de obtener el espectro para una ventana de tiempo, se realiza un ajuste de modo que el
resultado equivalga al promedio de todas las ventanas anteriores.
1.8.5. La convolución en los sistemas LIT discretos

Para el caso de sistemas LIT discretos, la respuesta al impulso es discreta y por su puesto
también lo son la señal de entrada y la de salida. La operación de convolución está dada por:
y[n] = x[n] ∗ h[n] (1.78)
Lo cual equivale a lo siguiente:

ı́nf
X
y[n] = x[k] ∗ h[n − k] (1.79)
−ı́nf
45
1.9. Las ondas
Las ondas son una maravilla de la naturaleza. Ellas se propagan sin necesidad de llevar materia
alguna, solo energı́a. Pero eso sı́, necesitan un medio para hacerlo. Por ejemplo, la onda que se
propaga en un estadio de fútbol necesita que hallan hinchas presentes. El sonido necesita del aire
o de otros materiales. Hoy se habla mucho de un nuevo tipo de ondas como lo son las ondas gra-
vitacionales, que necesitan de los astros para su propagación. Hasta el momento solo se conoce un
tipo de onda que no necesita de la materia para propagarse, se trata de las ondas electromagnéticas.
La mayorı́a de ellas han sido mejor estudiadas en la fı́sica óptica o óptica de las ondas y por
eso llaman a menudo fenómenos ópticos de las ondas. En 1637 René Descartes publicó la teorı́a
de la refracción de luz. Se deduce que es allı́ donde por primera vez alguien supone que la luz
es una onda. A esta conclusión llegó por la analogı́a con otras ondas que tienen unas propieda-
des comunes (amplitud, longitud de onda, periodo, frecuencia, velocidad) y sufren unos fenómenos
de propagación (refracción, dispersión, interferencia, difracción) que aplican perfectamente a la luz.
No importa si estamos hablando de ondas en el agua, en el aire (como es el caso del sonido)
o las ondas electromagnéticas, es posible hacer que esas ondas tomen forma senoidal con el fin de
usarlas como un vehı́culo capaz de transportar información en alguno de sus 3 parámetros: ampli-
tud, frecuencia o fase. La diferencia entre una onda y una señal es muy relativa. En el caso de las
comunicaciones inalámbricas, usualmente se habla de las ondas electromagnéticas que viajan por
el vacı́o. Por otro lado, una señal puede ser una muestra de ellas, capturada mediante una antena,
pero también puede ser un flujo de electrones que viajan por un medio. Eso se puede apreciar
mejor en las animaciones que se ofrecen en el sitio web del libro:
https://sites.google.com/saber.uis.edu.co/comdig/m/ondas
Sin embargo, independientemente de su naturaleza, las ondas tienen una serie de propiedades
comunes que revisaremos aquı́.
1.9.1. El campo de propagación. El desvanecimiento

Se refiere al espacio fı́sico que resulta afectado por la propagación de una onda.
1.9.2. La reflexión
Consiste en el cambio de dirección que puede tomar una onda al chocar contra un obstáculo
que tiene un tamaño mayor a su longitud de onda.
La reflexión puede ser aprovechada para comunicar puntos fuera de la lı́nea de vista, usando
satélites u otros medios, como se muestra en la Figura 16.
La reflexión es responsable del fenómeno de de multitrayectoria o Rayleigh y el de scattering.
1.9.3. Scattering como consecuencia de la reflexión

El scattering es debido a las condiciones de la superficie sobre la cual cae una onda incidente,
resulta un desorden de ondas son reflejadas en diferentes direcciones, como se muestra en la Figura
17.
1.9.4. La refracción
Consiste en el cambio de dirección de una onda que se produce al pasar oblicuamente de un
medio a otro de distinta densidad. Entre los usos o consecuencias de la refracción se tiene:
46
Figura 16: Ejemplo de una comunicación que aprovecha la reflexión
Figura 17: Fenómeno de Scattering
La posibilidad de aprovechar este fenómeno para alcanzar puntos de comunicación tan lejanos
que pueden estar más allá de la lı́nea de vista aprovechando el paso por las capas atmosféricas
con diferentes densidades.
Figura 18: Formas de refracción
El uso de la ionosfera en sistemas de comunicación terrestres o espaciales.
1.9.5. La dispersión
Ocurre cuando una onda atraviesa un medio que hace que diferentes longitudes de onda viajen
a velocidades diferentes, lo cual hace también que cada longitud de onda tenga un ángulo de re-
fracción diferente. En la Figura 20 se muestra un ejemplo para el caso de la luz.
47
Figura 19: El camino por refracción en función del ángulo de emisión
Figura 20: La Dispersión de la luz al pasar por un prisma
Entre los usos o consecuencias de la dispersión se tiene:
El efecto de la lluvia o la nubosidad en la calidad de las comunicaciones.
Figura 21: Influencia de la lluvia en la dispesión
48
El surgimiento de interferencias indeseadas sobre una comunicación:
Figura 22: Interferencias por Dispersión
1.9.6. La difracción
Figura 23: La Difracción en las ondas de agua
Es la responsable del fenómeno conocido como sombra (shadowing), pues a un punto obstruido
llega menos energı́a que a uno en lı́nea de vista, como se muestra en la siguiente figura.
1.9.7. El Efecto Doppler

Es el cambio de frecuencia que sufre una onda simplemente debido a la velocidad relativa entre
los elementos que intervienen en la comunicación.
Consecuencias del Efecto Doppler: En un receptor digital basado en GNU Radio este efecto
se traduce en que la constelación observada adquiere una velocidad proporcional a la frecuencia
Doppler.
1.10. La radio propagación

La radiopropagación brinda herramientas para realizar planeación de coberturas de un sistema
de radio comunicaciones. Sin embargo nuestro interés principal es conocer cómo los fenómenos de
49
Figura 24: La sombra como consecuencia de la difración
Figura 25: El Efecto Doppler
fuente: Wikipedia
propagación pueden afectar a una señal que viaja por el canal y cuales pueden ser las medidas
para contrarrestar esos efectos.
1.10.1. La antena
Oscar reyes [Falta. La idea es explicar lo suficiente como para que el estudiante sepa que aquı́
hay un elemento que no puede ignorar. Por ejemplo, el uso de una antena inadecuada puede hacer
que no llegue señal, bien sea por los parámetros que la antena tiene o porque ese dañada. También
puede ocurrir que no se esté apuntando hacia otras partes. Fuera de que el usuario debe tomar
precauciones por la radiación que produce la antena y los posibles daños a la salud. Por lo menos
debe saber si realmente está protegido. Para profundizar más, ofreceremos enlaces a la página web
del libro.
La antena en el modo de transmisión puede ser vista como un conversor de una señal eléctrica a
una señal electromagnética capaz de propagarse en forma de ondas electromagnéticas. Igualmente,
en el modo de recepción representa una especie de sensor de las ondas electromagnéticas para
expresarlas en forma eléctrica. Por sencillo que parezca esto, representa realmente la Teorı́a de
Maxwell y su aplicación a la teorı́a de antenas, pero no es objetivo de este libro entrar a profun-
50
dizar en estos temas. Lo que es importante tener en cuenta es que la antena tiene limitaciones
expresadas principalmente en el cuanto a Ancho de Banda, su capacidad para enfocarse en una
dirección, mejor conocida como la directividad de la antena o patrón de radiación de la antena y
algunos coeficientes de rendimiento.
1.10.1.1. La Potencia Isotrópica Radiada Equivalente - PIRE

En los sistemas de Radiocomunicación, la Potencia Isotrópica Radiada Equivalente (PIRE) es la
cantidad de potencia que emitirı́a una antena isotrópica teórica (es decir, aquella que distribuye la
potencia exactamente igual en todas direcciones) para producir la densidad de potencia observada
en la dirección de máxima ganancia de una antena. La PIRE tiene en cuenta las pérdidas de la
lı́nea de transmisión y en los conectores e incluye la ganancia de la antena. La PIRE se expresa
habitualmente en decibelios respecto a una potencia de referencia emitida por una potencia de
señal equivalente. La PIRE permite comparar emisores diferentes independientemente de su tipo,
tamaño o forma. Conociendo la PIRE y la ganancia de la antena real es posible calcular la potencia
real y los valores del campo electromagnético.
P IRE = PT − Lc + Ga (1.80)
donde P IRE y PT (potencia del transmisor) son dBm, las pérdidas del cable (Lc ) están en d,
y la ganancia de la antena ( Ga ) se expresa en dBi, relativos a la antena de referencia isotrópica.
El siguiente ejemplo utiliza dBm, aunque también es correcto utilizar dBW. Los Decibelios son
una forma muy práctica de expresar la relación entre dos cantidades. dBm utiliza una referencia
de 1 mW y dBW 1 W.

potencia
dBm = 10 log (1.81)
1 mW
y

potencia
dBW = 10 log (1.82)
1W
Por ejemplo, una transmisión de 50 W es lo mismo que 17 dBW o 47 dBm.

50 W
16,9897 dBW = 10 log (1.83)
1W
La PIRE se utiliza para estimar el área en el que la antena puede dar servicio y coordinar la
radicación entre transmisores para que no se solapen las coberturas.
1.10.2. La Densidad de Flujo de Potencia

En un punto de interés, en campo lejano, la Densidad de Flujo de Potencia (PFD, del inglés
Power Flux Density) está dada por el producto cruz entre los vectores E y H:
|S| = |ExH| = |E||H|sinθ (1.84)

Donde S representa la PFD, E el campo eléctrico, H el campo magnético y θ=90o el ángulo
entre E y H para el caso del campo lejano. De modo que, para el campo lejano, se puede reescribir
como:
|S| = |E||H| (1.85)

Resulta importante apuntar que, desde el punto de vista de la propagación del campo eléctrico,
el vacı́o (el espacio libre) tiene una impedancia conocida como impedancia caracterı́stica del espacio
libre y es igual a:
r
|E| µ0
η0 = = = 120πΩ ≈ 337Ω (1.86)
|H| ε0
51
Esta relación se conoce como la ley de Ohm para los campos electromagnéticos, donde µ0 =
1, 2610 − 6H/m es la permeabilidad magnética del espacio libre; ε0 = 8, 8510 − 12F/m es la per-
mitividad eléctrica del espacio libre. Como consecuencia, la PFD promediada guarda una relación
con el valor RMS E de la intensidad del campo eléctrico E , en un Punto de interés (PoI, del inglés
Point of Interés), similar a la que existe entre la potencia promedio P de una señal de voltaje y su
valor RMS:
E2
S= (1.87)
ε0
En campo lejano es posible obtener el valor RMS H de la intensidad del campo magnético H
a partir del eléctrico y viceversa de la siguiente manera:
E
H= , E = ε0 H (1.88)
ε0
Cuando se realizan mediciones de espectro, las emisiones pueden provenir de diferentes direc-
ciones. Por eso, en algunos casos puede ser necesario conocer los aportes a E y H en las direcciones
de las 3 direcciones del espacio fı́sico, tridimensional:
q
E = Ex2 + Ey2 + Ez2 (1.89)
q
H= Hx2 + Hy2 + Hz2 (1.90)
1.10.3. Fenómeno de desvanecimiento. Pérdidas por Espacio Libre. Ecua-

ción de Friss
Se conoce como desvanecimiento en espacio libre (free space path loss) la pérdida de potencia
captada por un receptor en función de la transmitida por un emisor, cuando no existe ningún
obstáculo para la propagación, como ocurre en el cosmos o Espacio Libre (Free Space). Conocer
la regla de cálculo de este tipo de pérdidas es de gran utilidad ya que sirven como una primera
aproximación para las mediciones de la potencia que puede llegar a un receptor ubicado a una
cierta distancia del emisor.
1.10.3.1. La densidad de Flujo de Potencia en campo lejano

Un caso teórico de enorme importancia consiste en el supuesto de contar con una fuente isotrópi-
ca que radia una potencia promedio Pt . La cuestión es que a medida que la onda se aleja a una
distancia d, esa potencia se distribuye en el área de una esfera A de radio d que se conforma
alrededor de la fuente. Precisamente, como la potencia se distribuye en un área, se puede hablar
de la Densidad de flujo de potencia Sd por área. Teniendo en cuenta que el área de la esfera es.
Aes = 4πd2 (1.91)

La PFD es:
Pt Pt
Sd = = W att/m2 (1.92)
Aes 4πd2
1.10.3.2. El área efectiva de una antena

En un área elemental de interés para la recepción Ar (m2 ), como se muestra en la figura 26 , se
recibe una potencia elemental Pr
Pr = Sd Ar
Una antena, vista como un sensor, debe abarcar cierta área. Por esta razón, la capacidad de
una antena para captar una potencia Pr está asociada a un área que se conoce como el área efectiva
Aeff de la antena o apertura efectiva de la antena.
52
Figura 26: Elemento de Área donde puede localizarse el receptor
1.10.3.3. Una antena isotrópica

Una antena de recepción isotrópica ideal es aquella que irradia (o recibe) por igual en todas
direcciones y tiene un área efectiva Aef f iso bien conocida que sirve como patrón para caracterizar
otras antenas:
λ2 c2
Aef f iso = = (1.93)
4π 4πf 2
Ası́, el área efectiva está en función de la longitud de onda y disminuye conforme aumenta la
frecuencia. Por esa razón, desde el punto de vista de una antena isotrópica, las ondas de mayor
frecuencia se atenúan más rápidamente que las de menor. Por lo tanto, la potencia que puede
captar una antena isotrópica es:
2
λ2

λ
Pr = Sd Aef f iso = Sd = Pt (1.94)
4π 4πd
1.10.3.4. Ecuación de Friis

Es claro que a medida que una señal de radio se propaga en la distancia, su energı́a se va
esparciendo en un área cada vez mayor, lo cual va a ser percibido por un equipo receptor como
un desvanecimiento, que en condiciones ideales, de espacio libre y usando antenas isotrópicas en
transmisión y recepción, se expresa por el coeficiente:
2
4πd
lf s = (1.95)
λ
Este coeficiente se conoce en inglés como Free Space Path Loss, en español como Desvaneci-
miento en Espacio Libre o Pérdidas en Espacio Libre.
En función de la frecuencia tenemos que:
2
4πdf
lf s = (1.96)
c
Donde c es la velocidad de la luz.
Muchas veces el Desvanecimiento en Espacio Libre se usa en dB.
lf s (dB) = 10log(lf s ) (1.97)

4π
lf s (dB) = 20log + 20log(d(km)f (M Hz)) (1.98)
0,3(km/µseg)
53
Entonces se obtiene la expresión más conocida para las pérdidas en espacio libre:
lf s (dB) = 32,4 + 20log(f )(M Hz) + 20log(d)[km] (1.99)

No hay que olvidar que aún con estos ajustes de ganancia, esta ecuación corresponde al caso
ideal de propagación en espacio libre. En un caso real, para las comunicaciones terrenales las pérdi-
das en espacio libre son apenas una referencia a la cual se suman otras pérdidas como las pérdidas
por irregularidad del terreno o las pérdidas por otros aspectos como la altura del transmisor, la del
receptor, si el ambiente de propagación que puede ser urbano, suburbano, rural, abierto o porque
que hay tipos especiales de vegetación o falta de ella:
L(dB) = Lref erence + LT errainIrregularity + LEnvironment (1.100)

En condiciones de espacio libre, la potencia recibida se puede calcular como:
2
Pt λ
Pr = = Pt (1.101)
lf s 4πd
Si las antenas no son isotrópicas se les puede realizar ajuste, con lo cual se llega a la forma más
común de la Ecuación de Friis:
Pr = Pt Gt Gr (1.102)
Nota: Gr está multiplicando a la derecha, entonces está dividiendo a la izquierda, luego
Pr Pt Gr
Gt = . Eso es correcto, pues la ganancia en la parte receptor contribuye a elevar el área
lsf
efectiva de la antena receptora y esa área está a la derecha de la ecuación. Entonces la potencia
recibida se calcula como:
Pr (dB) = Pt (dB) + Gt (dB) + Gr (dB − L(dB) (1.103)
1.10.4. Propagación en Lı́nea de Vista. Distribución de Rice

En el mundo real, la potencia que se recibe está oscilando todo el tiempo y el comportamiento
de esas oscilaciones depende de varios factores. Uno de ellos es que la recepción se realice en lı́nea
de vista (LOS, del inglés Line of Sight), donde, aunque influyen muchos fenómenos de las ondas,
predomina la señal que llega directamente de la antena transmisora, pero es influenciada por débiles
señales que llegan reflejadas de diferentes obstáculos.
En la siguiente figura se muestra la imagen que resulta al medir la potencia de la señal RF para
este caso.
Desde el punto de vista de los Procesos estocásticos, el nivel de señal que se recibe en lı́nea de
vista sigue la distribución de Rice.
El efecto de Rice se observa no solo en LOS, sino también en algunos casos ocurre en No Lı́nea
de Vista (NLOS), por ejemplo, cuando un obstáculo puede ser visto como un fuerte reflector de
la señal, lo cual ocurre a menudo en las comunicaciones móviles cuando la señal llega reflejada de
una superficie suave de un edificio que si tiene LOS.
54
Figura 27: Fenómeno de Multitrayectoria
Figura 28: Nivel de potencia medida en LOS
fuente: Tomado de F. Pérez FontánNota:Esta no es la señal recibida sino lo que entrega un medidor de nivel de potencia
1.10.5. Pérdidas Propagación en Lı́nea de No Vista. Distribución de

Rice parece que se refiere a la de Rayleigh
Cuando no hay lı́nea de vista (NLOS), en el nivel de señal recibido predominan los débiles
aportes de energı́a que se reciben de manera indirecta, principalmente por el efecto de multitra-
yectoria, es decir la multitud de ondas que llegan al receptor, recorriendo diferentes distancias,
debido al efecto de la reflexión que las ondas sufren al encontrarse con diferentes obstáculos en
su propagación. Estos obstáculos pueden ser edificios, señales de tráfico, árboles, personas y hasta
gatos. La suma de las señales que llegan de esos obstáculos causa en el receptor distorsiones tanto
constructivas como destructivas.
Cuando predomina el efecto de multitrayectoria, la señal RF medida en el receptor muestra
55
una combinación de variaciones rápidas (Fast Fading) y lentas (Slow Fading), como se muestra en
la figura siguiente.
Figura 29: Niveles de potencia medidos en un punto donde se presenta el Efecto de Rayleigh
Fuente: Tomado de F. Pérez Fontán. Nota: esta no es la señal recibida sino lo que entrega un medidor de nivel de
potencia
Pero el efecto de Rayleigh no solo se observa en condiciones de NLOS, también se observa en

un vehı́culo que se mantiene en LOS, alejándose de la fuente, mientras se desplaza por una zona
rural con geografı́a variable, como se muestra en la siguiente figura.
Figura 30: Efecto de Rayleigh en un caso de LOS
Fuente: Tomado de F. Pérez Fontán. Nota: Esta no es la señal recibida sino lo que entrega un medidor de nivel de
potencia. En esta figura no se muestra el desvanecimiento por la distancia, que puede compensarse mediante un sistema
de amplificación automática.
Las variaciones rápidas (Fast Fading or Fast Variations or short term variations) son debidas
al efecto de multitrayectoria en sı́, mientras que las lentas (Slow Fading or Slow Variations or long-
term variations) son debidas principalmente efecto de desvanecimiento por sombra (shadowing),
el cual, a su vez es una consecuencia de refracción de las ondas con respecto a las montañas y
otros obstáculos. El anterior es el peor escenario, se encuentra en ambientes urbanos densos de
56
altas edificaciones, pero también en ambientes rurales donde la señal es obstruida por densa masa
de árboles. La siguiente figura muestra lo que pasarı́a si las variaciones lentas son promediadas,
(parte izquierda) y las variaciones rápidas que resultan al restar a la señal las variaciones lentas
(parte derecha).
Figura 31: El Desvanecimiento lento
Fuente: tomado de F. Pérez Fontán
1.11. Equipo de Laboratorio y de medida

1.11.1. El osciloscopio
[Falta: Oscar Reyes]
[Falta. La idea es brindar una pequeña explicación y un enlace a la pagina web para que vean
un curso sobre el uso correcto del equipo. Hay que dejar claro, que al igual que los USRP son
equipos que hay que conocer muy bien y darle un buen uso para que no se dañen. Es importante
incluir unas recomendaciones de uso aquı́.]
1.11.2. El Analizador de Espectros

Aunque se dice que el ERE es un recurso intangible, que no se puede ver, ni oler, ni pesar, en
realidad es posible apreciarlo mediante el uso de un Analizador de Espectros.
El Analizador de espectros se basa en el uso de un banco de filtros, cada uno de los cuales
está acotado a un ancho de banda lo más angosta posible centrado en una frecuencia diferente a
los demás, de modo que entre todos los filtros sea posible cubrir un ancho de banda de interés,
centrado en una cierta frecuencia intermedia (FI). El uso de un receptor superheterodino es clave
para poder mover a la FI el espectro de la señal que se desea analizar. Una pantalla toma la salida
de cada filtro para crear la imágen espectral que consiste en amplitudes de señal distribuidas sobre
el eje de las frecuencias. El espectro que muestra el Analizador de espectros es dinámico ya que
corresponde a al comportamiento instantáneo de una señal, a diferencia de los métodos teóricos
usados para obtener el espectro, donde una señal es muchas veces analizada en toda su extensión.
También es posible obtener un espectro promediado y un espectro pico como imágenes algo más
estáticas.
57
Los analizadores de espectros pueden ser construidos también con tecnologı́a digital que imita
al banco de filtros por lo que tienen la misma apariencia.
1.11.3. El Analizador Vectorial de Redes

Falta:Oscar reyes
1.11.4. El Generador Vectorial de Señales

Falta:Oscar reyes
1.11.5. El Analizador Vectorial de Señales

Falta: Oscar reyes
1.11.6. El Analizador Vectorial de Señales

Falta: Oscar Reyes
1.11.7. Medidor de RNI

Falta: Oscar Reyes
1.12. Medición de potencia propagada

El espacio libre se refiere al caso ideal en que las ondas se propagan libres de cualquier obstáculo
como sucederı́a por ejemplo en el cosmos. Pero tiene una gran utilidad también para condiciones
terrestres, pues brinda la posibilidad de realizar una aproximación gruesa, que puede ser comple-
mentada con factores terrestres si resulta necesario obtener cálculos más precisos.
1.12.1. Valor RMS y Potencia Promedio

En la práctica, aunque el equipo de medición se ubique en un punto de interés (PoI) fijo, la
amplitud de las ondas que inciden en el equipo varı́an aleatoriamente, debido a la información que
transportan y a todos los fenómenos que ocurren en el canal inalámbrico. Consecuentemente varı́a
en el tiempo la señal de voltaje que entrega la antena del equipo de medición. Por esta razòn, es
necesario usar promedios de tiempo. Resulta entonces pertinente recordar la definición de valor
RMS que uno de esos promedios aplicados a una señal aleatoria de voltaje v(t):
s
Z T aver
1
VRM S = lı́m |V (t)|2 dt (1.104)
T aver→∞ T aver 0
Otro promedio de tiempo importante es el de potencia promedio, que se puede obtener a partir
del valor RMS ası̀:
T aver
VRM S 2
Z
1
P = = lı́m |V (t)|2 dt (1.105)
Z T aver→∞ ZT aver 0
58
Donde Z es la impedancia del medio en el cual viaja la señal .
1.12.2. Campo cercano versus campo lejano.

En la radio propagación de las ondas electromagnéticas se distinguen el campo cercano y el
campo lejano. Lo importante a tener en cuenta en las mediciones es que, a una distancia mayor a 3
longitudes de onda, es posible considerar que el frente de una onda electromagnética que puede ser
capturado por una antena es plano y los campos eléctricos y el magnético son ortogonales entre sı́.
No ocurre lo mismo a distancias menores y, por lo tanto, se requieren equipos especializados para
la medición. El primer caso corresponde al campo lejano y el segundo al cercano. Los equipos de
medición que provee la industria para frecuencias altas en campo lejano permiten medir el campo
eléctrico E(V/m) o el campo magnético H(A/m) o la densidad de flujo de potencia S(W/m2 ).
1.12.3. Factor de antena

Una de las grandes dificultades para la realización de trabajos de campo radica en el diseño de
un equipo capaz de medir la intensidad de un campo eléctrico incidente ei (t) en un PoI, empleando
un receptor de ondas RF y una antena. La antena es usada como un sensor de la intensidad del
campo eléctrico en el PoI, o más bien como un transductor de ese campo a una señal eléctrica
aleatoria de voltaje vr (t) que tiene un valor RMS Vr . De modo que la potencia promedio es:
Vr2
PR = (1.106)
ZAnt
Donde ZAnt es impedancia de la antena receptora. El Factor (AF) de la antena receptora es
precisamente el coeficiente de proporcionalidad entre Ei y Vr :
Ei
Af R = (1.107)
Vr
Por esta razón es necesario conocer el AF para determinar la intensidad del campo eléctrico
incidente a partir Vr . Además, con los conceptos ya vistos, puede deducirse que Vr está relacionado
con el área efectiva de la antena ası́:
Vr 2 Ei 2 λ2
= Sr Aef f = ∗ Gr (1.108)
ZAnt 120π 4π
Por lo tanto, el factor de antena puede hallarse a partir de los parámetros de la antena y es
función de la longitud de onda:
s
Ei 480π 2
Af R = = (1.109)
Vr ZAnt λ2 Gr
Esta fórmula sugiere conocer simplemente la ganancia de la antena receptora y la impedancia
de la antena, mientras se hace variar la frecuencia o la longitud de onda en el rango de interés.
También es posible encontrar una expresión para el factor de antena a partir de la potencia trans-
mitida ası́:
Pr Pt Gt Gr λ 2 Pt Gt
Sr = = ( ) = (1.110)
Aef f Aef f 4πr 4πr2
Pt G t
Ei 2 = Sr 120π = 30 (1.111)
r2
59
1√
Sustituyendo en Af R = 30Pr Gt Esta fórmula sugiere la realización de un experimento
Vr
usando un transmisor de potencia y ganancia conocida, y ubicando un receptor a una distancia r
también conocida, para medir Vr y calcular el factor de antena según (21).
La figura 32 resumen las relaciones de mayor interés, donde se observa que: la antena trans-
misora también tiene un factor de antena Af T , el cual también puede entrar a jugar un papel
importante en las mediciones.
Figura 32: El factor de antena en la práctica
1.12.4. Parámetros S11 de las antenas

El parámetro S11 de una antena puede jugar también un papel importante en las mediciones
de RNI. En este sentido, lo que debe tenerse en cuenta es que S11 representa la relación entre
la potencia reflejada por la antena u la aceptada y por eso se conoce también como coeficiente
de reflexión o pérdidas de retorno de la antena. Por ejemplo, si S11 = 0dB, toda la potencia es
reflejada de la antena y nada es recibido. Pero si S11 = −10dB significa que si llegan 3 dB a la
antena, -7dB es lo reflejado por la antena y lo demás es lo aceptado.
1.13. El Espectro Radioeléctrico

El espectro radioeléctrico (ERE) es un término usado principalmente por las autoridades para
hacer referencia a ese valioso recurso que permite el desarrollo de las comunicaciones inalámbri-
cas. Existen dos tipos de autoridades: las nacionales y las internacionales. A nivel internacional
se tiene la Unión Internacional de Telecomunicaciones (UIT), donde se encuentra el sector de ra-
diocomunicaciones (UIT-R). Las principales normas que rigen el ERE a nivel internacional están
plasmadas en un acuerdo de carácter vinculante para todos los piases conocido como el Reglamen-
to Internacional de Radio (RR, del inglés, Radio Regulations). A nivel de cada paı́s, se tiene un
documento que adapta el RR a las condiciones del paı́s, en el caso de Colombia se conoce como el
CNAB (Cuadro Nacional de Atribución de Bandas de Frecuencia). A continuación se resaltan la
información del RR que resulta relevante para los propósitos del presente libro.
1.13.1. Clasificación de las ondas de radio

[Falta. la idea es mostrar que las ondas electromagnéticas tienen las mismas cualidades de cual-
quier onda, pero que también hay aspectos especiales como:
No necesitan de un medio. El medio es el vació
La ecuación de Friss, que depende de la frecencia y la velocidad de la luz.
60
Que las ondas de radio, son en realidad una porción del espectro electromagnético.
Que todo lo anterior hace que sobre el planeta tierra las ondas tengan diferentes formas
de propagación como: la ionosfera, en forma curvada, en lı́nea recta, las espaciales, usando
satélites, etc.
Que el ERE tienen una clasificación global en: ELF, SLF, ULF, VLF,LF, MF, HF, VHF,
UHF, SHF, EHF]. tambien la clasificación en términos de la logitud de ondas como: ondas,
larga, onda corta, etc.
1.13.2. Gestión Internacional del Espectro

Esta es una buena fuente: https://www.itu.int/en/ITU-D/Regional-Presence/Americas/Documents/EVENT
MX/D1-S2-1.pdf
1.13.2.1. La UIT y la UIT-R

Falta. La idea es presentar un resumen y luego mostrar enlaces a fuentes más completas. NOTA:
solo incluir no que un estudiante requiere para el curso. Lo demás, solo se referencia.
1.13.2.2. El Reglamento de Radiocomunicaciones

1.13.2.3. Los servicios de radiocomunicaciones
El RR define ante todo los diferentes servicios de radio, las bandas de frecuencias que tienen
asignadas y las condiciones en que pueden usar esas bandas. son 2 los grandes tipos de servicios:
Terrenales. Son los que tienen lugar en el planeta tierra. Son 3:
• Servicios terrestres.
• Servicios aeronáuticos.
• Servicios marı́timos.
Espaciales. Los que tienen lugar fuera del planeta.
• Servicios satelitales
• Otros.
Cada uno de los anteriores servicios pueden ser de tipo:

• Servicio Fijo
• Servicio móvil
Para conocer con mayor profundidad estos temas, puede consultar los materiales disponibles
en lı́nea ası́:
Sitio Web del libro, sección ERE

Este es el enlace directo: https://sites.google.com/saber.uis.edu.co/Libro/m/ERE
61
1.13.3. La Gestión Nacional del especto
Falta. La idea es presentar un resumen y enlaces a las fuentes disponibles. Es importante que
estudiante conozca: las autoridades de regulación,las principales leyes y normas, pero sobre el todo
el Cuadro Nacional de Atribución de Bandas de Frecuencia (CNABF), también las herramientas
de consulta disponibles para conocer la ocupación del ERE.
NOTA: solo incluir no que un estudiante requiere para el curso. Lo demás, solo se
referencia
1.13.3.1. El Ecosistema de la gestión del ERE

1.13.3.2. Autoridades de regulación
1.13.3.3. El CNABF
1.14. Los modelos de capas para representar sistemas de

comunicaciones
Cualquier sistema de comunicaciones, por muy complejo que parezca, puede ser fácilmente re-
presentado mediante un modelo de capas- Esto aplica no solo en las telecomunicaciones, sino en
cualquier otro sistema. Esto es debido a que, por naturaleza, la comunicación se da de manera
elemental a diferentes niveles. Por ejemplo, en una empresa que vende artı́culos nacionales e im-
portados pueden darse los siguientes niveles de comunicación, la que se da entre: el vendedor y el
cliente; los vendedores y su jefe de ventas; los jefes de venta y su gerente; el gerente y las empresas
proveedoras. En cada caso, se usa una forma especial de comunicación que puede involucrar formas
de relación, términos especiales y hasta temas especiales.
En uso de modelos de capas en el presente libro cobra sentido por la gran cantidad de elementos
que pueden llegar a formar parte de un sistema de radiocomunicaciones. Las ventajas se pueden
resumir en los siguientes puntos. Permite:
• Ordenar los elementos del sistema. Cuando no se usan capas, los componentes de un sistema
de comunicaciones se parece a un ejército en el campo de batalla, donde todo funciona bien,
pero resulta dificil de comprender cómo operan los diferentes mandos. Al usar el modelo de
capas el sistema de comunicaciones se parece más bien a un desfile militar, donde al frente
están los generales, luego los coroneles y ası́ sucesivamente hasta llegar a los soldados.
Reducir cuando sea necesario, el número de elementos del sistema, por ejemplo agrupando
elementos en capas que encierran un mayor grupo de funcionalidades
• Construir un sistema funcional con funciones elementales, pero que puede ir creciendo con
nuevas capas hasta llegar a ser tan complejo como sea necesario.
• Probar las funcionalidades de un sistema a nivel de una o algunas capas. Esto equivale a decir
que es posible aislar algunas capas del sistema de comunicaciones con el fin de realizar cual-
quier tipo de pruebas, por ejemplo, para determinar en qué capa se puede estar presentando
una falla.
Existen modelos de capas estandarizados, muy bien documentados que pueden ser usados pa-
ra intercambiar ideas y conocimientos entre ingenieros y demás expertos en telecomunicaciones.
Ejemplo de ellos son:
• El modelo OSI Explicar los sistemas de comunicaciones de datos usando ocho capas. Ası́,
un sistema particular de datos puede tener más o menos número de capas, pero a la hora de
llevarlo a una discusión, siempre resulta posible presentar el sistema como el compuesto de
ocho capas.
62
• El modelo IP IP se refiere al Protocolo de Internet, del inglés Internet Protocol. Se refiere
a todo el conjunto de protocolos que se usan en las redes IP.
• Otros. La Unión Internacional de Telecomunicaciones (UIT) usa modelos para explicar di-
ferentes sistemas de comunicaciones, como por el ejemplo para explicar el sistema de Te-
lecomunicaciones Móviles internacionales (IMT, del inglés International Telecommunication
Union), el Internet de las cosas (IoT, del inglés Internet of Things).
Los que usaremos en el presente libro no son modelos de capas recocidos, simplemente adapta-
dos a nuestras necesidades que algunas veces son de diseño otras de documentación o simplemente
de tipo pedagógico.
Para comenzar, vamos a revisar el modelo de capas que corresponde al sistema de comunica-
ciones que se da en el transporte aéreo. Con la creación de las aeronaves, se creó el sistema más
sencillo usado en el transporte aéreo: la posibilidad de enlazar dos ciudades.
El modelo de capas que representa esta posibilidad es el que se tiene en la Figura 33. El avión
aprovecha un pequeño corredor del Espacio Aéreo; en el aeropuerto convergen las personas y las
aeronaves.
Figura 33: Modelo de capas para el transporte aéreo entre dos ciudades
Con el tiempo, ese sistema de comunicación evolucionó hasta convertirse en una compleja red
que une miles de ciudades, como la que aparece en Figura 34, siempre respetando los lineamientos
que imponen las autoridades encargadas de la administración del espacio aéreo.
Las redes son mantenidas especialmente por las compañı́as aéreas. Ellas se apoyan en las ca-
pacidades que les ofrecen los aeropuertos y las autoridades aeronáuticas para ofrecer al pasajero
la posibilidad de viajar desde cualquier punto a cualquier otro punto. Basta con que el pasajero
muestre el ticket o pasaje para que cualquier oficina de su compañı́a de aviación, en cualquier
paı́s reconozca al pasajero, su origen y destino. Este complejo mecanismo se resume en un simple
modelo de capas como el que se presenta en la Figura 35.
63
Figura 34: Red de Transporte Aéreo
fuente: http://https://www.paloaltoonline.com/
Figura 35: Red de Transporte Aéreo
En fin de cuentas, todo sistema de comunicación comienza por la conquista de un recurso para
la comunicación. En las telecomunicaciones, los recursos más usados son las lı́neas de cobre, la fibra
óptica, el espectro radioléctrico (ERE) y la luz, como es el caso de los sistemas de comunicaciones
conocidos como Free Space Optics. Pero nada nos limita a pensar en otras posibilidades como el
uso del ultrasonido e incluso no serı́a descabellado llegar descubrir información que viaja sobre las
ondas gravitacionales que se desplazan por el universo.
En la Figura 36 se tiene un modelo de capas para el caso en que se usa el ERE.
64
Figura 36: Modelo de capas para un sistema de comunicaciones inalámbricas en red
Algunos conceptos importantes para este modelo son:
Las ondas electromagnéticas: Son el vehı́culo que hace uso del ERE para conducir in-
formación mediante la modulación de uno de sus parámetros. Claro está que en las radio
comunicaciones solo se usan las ondas electromagnéticas que se encuentran en una banda del
espectro conocida como el espectro radio eléctrico. Se trata de la banda comprendida entre
30 kHz y 300 GHz.
La modulación: Consiste en el proceso de montar la información sobre algún medio de
comunicación. En el caso de las radio comunicaciones, la información puede montarse sobre
la onda en forma forma de variaciones de la amplitud de la onda, como cuando una persona
usa su linterna, en cuna cueva para enviar mensajes a un compañero variando la intensidad
de la luz. Pero también es posible hacer que la información viaje en forma de variaciones de
la frecuencia o de la fase de la onda.
La Modulación de amplitud (AM): Se da cuando la información viaja sobre una porta-
dora en forma de variaciones de amplitud.
Modulación de Frecuencia (FM): Es el nombre que toma el método de modulación que

usa la frecuencia de la onda portadora para llevar información.
Modulación de Fase (PM): Es el tercer método de modulación de una onda portadora
y consiste en la posibilidad de hacer que la información viaje en forma de variaciones de la
fase de la onda portadora.
65
Como en el caso del transporte aéreo, se ha introducido un módulo de enrrutamiento para que
el modelo corresponda al de un sistema de comunicaciones en red. Algunos elementos de un modelo
de capas son los siguientes:
Entidades pares: En cada capa se tiene un módulo en el transmisor que hace pareja con
un módulo en el receptor, esto es lo que se conoce como entidades pares.
Protocolo: corresponde a todo aquello que pueda ser usado entre las entidades pares para
entenderse mutuamente. Por ejemplo, el módulo de enrrutamiento en la parte transmisora
puede agregar a la información una etiqueta con la dirección de destino. El mismo módulo
en en receptor leer esa dirección, para poder tomar una decisión que puede ser la de extraer
la información para entregarla o la de encaminar esa información hacia otro destino.
Canal: se refiere aquello que se usa como medio para que viaje la información desde un
origen hasta un destino. Es justo aquello que plantea los principales retos a un sistema de
comunicaciones. Cada caso particular puede tener su propio canal. Ası́, en las radiocomuni-
caciones punto a punto el canal está usualmente representado por una banda concreta del
ERE, pero limitada al espacio geográfico y al duración que corresponda según las normas
para el sistema de comunicaciones dado. El canal inalámbrico representa enormes retos para
los sistemas de comunicaciones pues el proceso de transmisión y recepción no solo deben
sortear la necesidad de emitir y recibir ondas de radio sino la de considerar los diferentes
fenómenos que esas ondas pueden sufrir en su propagación.
La Figura 37 muestra el modelo de capas que podrı́a ser usado para explicar el funcionamiento
de la radio difusión.
Figura 37: Modelo de capas para la radio difusión
A diferencia de las comunicaciones punto a punto, en un sistema de radiodifusión se tiene una

radio base que emite una señal para que sea sintonizada por cientos o miles de receptores, como es
el caso de lo que se conocen como emisoras de radio y de televisión. Como podemos ver, se usan
conceptos ya vistos. Las dos capas superiores corresponden al estudio (las oficinas) de una emiso-
ra, donde están los equipos que capturan el mensaje de la mejor manera posible, pero también el
equipo que realiza la modulación de una señal portadora de frecuencia intermedia que es común
66
para cualquier equipo similar. Por ejemplo, para la radiodifusión AM se ha establecido un valor de
frecuencia intermedia igual a 455kHz, mientras que en la de FM es de 10.5 MHz. Las razones para
usar una frecuencia intermedia (FI) son las siguientes:
Facilita la separación entre dos tipos de equipos, los que funcionan con baja potencia y baja
frecuencia, que pueden usarse en las premisas de la emisora sin temor a causar daños a la
salud y los de alta potencia y altas frecuencias, pensados para lograr alcanzar las coberturas
necesarias y en las frecuencias necesarias, que deben ser ubicados bajo cuidados especiales,
por ejemplo en una torre de comunicación.
El transmisor superheterodino representa una solución para traducir la señal modulada con
FI a una señal modulada con la frecuencia RF. En términos espectrales, consiste en desplazar
el espectro de la señal modulada con FI para que quede centrado en la frecuencia fc como
denotaremos en adelante la frecuencia de la portadora o frecuencia RF.
Igualmente, el receptor superheterodino representa el paso de la señal modulada en la fre-
cuencia RF a la FI
Gracias a que los valores de FI son estandarizados, es posible combinar el uso de equipos de
diferentes fabricantes para implementar una emisora de radiodifusión.
Los dispositivos electrónicos usados en cualquiera de las dos etapas se pueden producir a
escala a precios bajos ya que tienen funciones limitadas.
En la práctica, el modelo de capas de un sistema de radiodifusión puede ser algo más complejo
ya que el estudio se localiza usualmente en un lugar poblado, como una ciudad, mientras que los
equipos de transmisión, organizados en una radio base, se ubican usualmente en una montaña des-
de la cual es posible emitir una señal con suficiente potencia para cubrir un gran zona geográfica.
Eso significa la necesidad de introducir un sistema adicional de comunicación punto a punto para
comunicar el estudio con la radio base. Por ahora no resulta conveniente entrar a revisar un modelo
de capas para este caso.
67
Capı́tulo 2
Simulación de señales y sistemas con GNU
Radio
Este capı́tulo tiene el fin de estudiar lo que significa Software Defined Radio (SDR) y un tipo
de hardware usado en SDR. Con el fin de lograr que el estudiante tenga contacto con un hardware
real, hemos seleccionado el USRP-2920 de la empresa National Instruments, pero también se busca
generalizar el conocimiento sobre ese hardware en forma de modelos más generales que le brinde al
estudiante la capacidad de descubrir y comprender cualquiera de los tipos de hardware existentes.
El mayor énfasis se hace en que estudiante conozca lo que un hardware SDR representa.
2.1. Herramientas que compiten con GNU Radio

La simulación de señales y sistemas es una estrategia que se viene usando desde la aparición
del computador. Se ha usado para poner a prueba diversos métodos digitales antes de pensar en su
implementación en sistemas reales. La diferencia con el estado del arte de hoy es que lo que está
plasmado en una simulación puede pasar a ser parte del mundo real tan pronto como el progra-
mador lo desee, siempre y cuando en la simulación se respeten parámetros que limitan el mundo
real. Pero muchas veces la simulación es realizada con otros propósitos. Supongamos que deseamos
descubrir un método para corregir el efecto Doppler que se produce entre un radio transmisor y
un radio receptor, es decir, en un canal inalámbrico. Para probar ese método resulta útil poder
simular un canal que no tenga otro efecto de propagación que el Efecto Doppler.
Cualquier lenguaje de programación puede ser usado en simulación y también como parte de
un sistema real de comunicaciones basada en SDR, pero algunas entidades han llevado más allá a
ciertos lenguajes y herramientas, entre los cuales tenemos los siguientes:
2.1.1. Matlab y Simulink

Lo destacable es lo siguiente:
• Es una plataforma de programación y a la vez un lenguaje de programación que solo corre

sobre esa plataforma.
• Tiene una larga tradición en simulación, lo que le ha permitido contar con librerı́as muy
maduras y es muy usada por los cientı́ficos.
• Requiere contar con licencia de Matlab y de las librerı́as que se vayan a usar.
• Las soluciones resultan siendo dependientes de Matlab. Es decir, si un usuario interesado en
una solución no cuenta con Matlab, no podrá usarla.
• Puede soportar un amplio rango de equipos SDR.
68
• Las soluciones son pesadas desde el punto de vista de computo debido a la necesidad de
correr sobre Matlab.
• Simulink facilita la programación gráfica, es decir, evita en gran manera la escritura de código.
2.1.2. LabView de National Instruments

Lo destacable
• Es un ambiente de programación gráfica de National Instruments (NI) que también puede
producir código en c++.
• Tiene bastante aceptación en la industria.
• En lo demás, tiene las mismas cualidades que MATLAB con simulink.
2.1.3. System Vue de KeySight

• Es un ambiente de programación gráfica de KeySight que puede aceptar varios lenguajes de
programación.
• Está muy orientada a la industria.
• Las licencias son muy costosas, solo al alcance de la industria, aunque se tiene en algunos
laboratorios de investigación de las universidades.
2.2. GNU Radio como plataforma de simulación y de desa-

rrollo
GNU Radio es una de las opciones más importantes para llevar a la práctica las soluciones
basadas en SDR. Por lo menos es la opción más usada a nivel de investigación. La empresa Natio-
nal Instruments también ha complementado su plataforma de software de LabView para que sea
usada como una herramienta de software para GNU Radio. Matlab e incluso Simulink de Matlab
son también complementos para soportar diversos tipos de hardware, como es el caso de los USRP.
En principio, cualquier lenguaje de programación puede servir para producir la componente de
software en SDR, pero la mayorı́a de investigadores se inclinan por C++ y Python, por tener
librerı́as que crecen muy dinámicamente con un acompañamiento internacional. Precisamente esas
librerı́as están en GNU Radio. De hecho, las librerı́as que tiene el lenguaje Python son heredadas
de las que tiene C++.
Modelo que relaciona software y hardware El siguiente modelo, deja claro lo que se espera
de GNU Radio y del hardware que se puede llegar a complementarlo.
De este modelo, se puede deducir lo siguiente:
• GNU Radio está compuesto de dos capas que cooperan:

• GNU Radio Signal Processing Blocks (C++). Es una librerı́a en C++ que contiene
todos los desarrollos comunes a ser utilizados en programación en el lenguaje C++.
• Python Flow Graph. Consiste en un desarrollo hecho para facilitar la programación
lenguaje en Python o también la basada en un lenguaje gráfico o Flujogramas.
• Cuando se programa usando Flujogramas, estos producen el código en Python, usando una
librerı́a de GNU Radio en Python. Pero esa librerı́a es importada de C++, de modo que
indirectamente se usa la librerı́a GNU Radio de C++. La capa señalada com SWIG es la
encargada de realizar la importación de C++ de modo que el desarrollador de Python tenga
la sensación de que su trabajo es completamente basado en Python.
69
Figura 1: Modelo SDR que relaciona GNU Radio con el Hardware.
fuente: El gráfico ha sido adaptado de trabajo: Experimental Study of OFDM Implementation Utilizing GNU Radio and
USRP – SDR. Proceedings of the 2009 IEEE 9th Malaysia International Conference on Communications. Kuala
Lumpur Malaysia. 15 -17 Diciembre, 2009.
• Desde el punto de vista teórico, la componente de software que se desarrolla, se conecta

directamente con el hardware, el cual aparece señalado en la figura anterior como USRP,
pero que en términos más genéricos, puede llamarse Front End Genérico de RF. Pero en la
práctica se requiere algo más: el hardware está alojado en un computador, el cual puede ser
tan grande o tan pequeño como sea posible o incluso estar embebido en el hardware, pero este
hecho hace que en la práctica se tenga en realidad dos elementos por conectar: el computador
y el hardware que para nuestro ejemplo es un USRP. Por esa razón, se requiere introducir un
medio de comunicación para estos dos elementos. Ese medio usualmente está representado en
los puertos de comunicación que estos dos elementos tengan como: USB, Ethernet u otros. En
la actualidad, los equipos USRP optan por la opción de puerto Gigabit Ethernet, pero otros
tipos de hardware como Realtek RTL2832U, optan por puerto USB. En todo caso, cuando hay
un medio de comunicación de por medio, surge la necesidad de desarrollar una capa sobre este
medio que se encarga de adaptar la información a este medio. En otras palabras, se requiere
un software que llamaremos driver, el cual toma la información que entrega el software de la
solución SDR, y la traduce para que pueda viajar por el protocolo de comunicación. Del lado
del Front End se requiere también un driver similar para que la comunicación se dé. Para el
caso de los USRP ese driver es conocido com UHD (USRP Hardware Driver)
• GNU Radio es realmente una librerı́a de radiocomunicaciones para lenguaje C++, con una
versión en el lenguaje Python. El GRC es un ambiente de programación gráfica que aprovecha
esa librerı́a y produce código en Python o en c++.
• Es de uso libre.
• Las aplicaciones hechas con gnuradio son muy livianas y pueden llevarse a producción sin
que dependan de una plataforma determinada.
• Es ampliamente usada por cientı́ficos y académicos.
2.3. Simulación de señales bandabase

Podrı́a decirse que la Radio Definida por Software representa el uso de la la teorı́a de señales y
sistemas discretos llevada a la práctica. La aplicación práctica implica una relación entre el mundo
fı́sico que es por naturaleza continuo y el uso de técnicas de computación que es por naturaleza
70
discreto.
Para entenderlo mejor, vamos a volver al sistema de radiodifusión expresado en el modelo

de capas de la Figura 37. Un sistema de radiodifusión es por su origen analógico tanto por la
naturaleza del mensaje como de los equipos usados y la señal emitida. Sin embargo, con los avances
tecnológicos, las soluciones que hoy se tienen en el mercado combina tecnologı́a digital y analógica,
ya que no tiene lógica alguna usar hoy tecnologı́a analógica para crear un sistema de comunicación
por el solo hecho de que ese sistema es analógico. Es por esa razón que cuando hacemos una visita
a los estudios de una emisora AM o FM encontramos que todos los equipos nuevos son digitales,
aunque AM y FM son modulaciones analógicas.
Para entenderlo mejor, en la Figura 2 se presenta un modelo de capas para un sistema de radio
difusión analógico implementado con tecnologı́a digital, que en realidad es una combinación de
tecnologı́as analógicas y digitales. La combinación se realiza de la siguiente manera:
Figura 2: Modelo de capas de un sistema de radio difusión analógico implementado con

tecnologı́a digital
• Se conserva la naturaleza analógica del mensaje y de la señal emitida.

• Tan pronto se tiene la señal del mensaje, se traduce a datos mediante un conversor Análogo
Digital (ADC). Este proceso implica el uso de algunos conceptos como el Teorema de Nyquist
para realizar un muestreo adecuado a la señal; la cuantificación; la codificación PCM (del
inglés Pulse Code Modulation).
• Lo que sigue es el uso de métodos numéricos que se implementan en un equipo de cómputo
tanto para realizar un tratamiento digital del sonido del mensaje pero también, realizar la
modulación.
• En lugar de usar frecuencias intermedias, la modulación se realiza en banda base, que equivale
a obtener una señal que tenga el mismo espectro de la señal modulada tradicionalmente, pero
ahora, centrado en la frecuencia cero.
71
• Lo anterior implica nuevos retos teóricos y técnicos, pues la señal modulada en banda base
resulta ser compleja y se conoce como la Envolvente Compleja
• El reto teórico consiste en la necesidad de saber modular y demodular señales usando el

concepto de Envolvente Compleja
• El reto técnico aparece con la capa que hemos llamado Capa RF, donde predominan tareas
con equipo analógico analógicas. Antes de entregar la señal a esta capa es necesario preparar
la señal para su paso a un medio analógico, eso es lo que hemos llamado Bloques Pre-canal.
Luego, la señal pasa al dominio continuo usando un Conversos Digial Análogo (DAC).
• El Up converter es un circuito que permite mover el espectro de la señal recibida para que
quede centrado en la frecuencia RF.
• La antena simplemente traduce la señal eléctrica en señal obtenida en señal electromagnética
• Es claro que en la parte receptora se tienen componentes que hacen pareja con los mencio-
nados anteriormente, para recibir la señal, desplazar el espectro de esa señal a la frecuencia
cero, usando un Down Converter y ası́ sucesivamente.
Este modelo deja precisamente claro la tendencia natural para la implementación de los
futuros sistemas de comunicaciones basados en Software Defined Radio (SDR). Básicamente,
un sistema de SDR tiene las siguientes caracterı́sticas:
• Tienen una componente de software y una de hardware
• En la componente de hardware se realiza unas tareas que son comunes para cualquier sistema
de comunicaciones: mover la señal en el dominio de las frecuencias para centrarla en la
frecuencia RF, amplificarla de acuerdo a las necesidades, transmitirla en forma de ondas de
radio. En fin, la componente de hardware corresponde a la Capa RF en la Figura 2. Las
prácticas propuestas en este libro se apoyan mayormente en un hardware SDR de National
instruments conocido como USRP.
• La componente de software se aloja en un computador y es allı́ donde se implementan so-
luciones para sistemas especı́ficos de comunicaciones. A diferencia de lo que ocurre en los
sistemas analóticos, los métodos que aquı́ se implementan son muy cercanos a los teóricos,
por ejemplo, una modulación FM puede estar dada por una o varias fórmulas o por uno o
más algoritmos.
• En la componente de software la programación se realiza para señales banda base, para lo
cual existen diversas herramientas de programación. La que usaremos en el presente libro se
conoce como gnuradio. Se trata principlamente de una librerı́a que reune las experiencias en
el tema de una gran comunidad de desarrolladores
• Al lado de gnuradio, también se cuenta con una herramienta conocida como GRC, que permite
realizar la programación gráfica, usando bloques, de manera similar a lo que se puede lograr
usando Simulink de Matlab. De hecho, Simulink de Matlab también puede ser usada para
implementar soluciones SDR.
2.3.1. La Conversión Análogo Digital

Como se vió anteriormente, en la parte transmisora se requiere usar un dispositivo ADC y en
la receptora un dispositivo DAC. Puede decirse que estos elementos sirven de compuerta entre el
mundo continuo y el digital. Conocer muy las capacidades y las limitaciones que tienen estos dis-
positivos es clave para poder lograr un montaje funcional. A continuación se revisan los principales
procesos y caracterı́sticas de un ADC:
72
2.3.1.1. El muestreo. La frecuencia de muestreo y el ancho de banda
El ADC puede ser visto como un medidor de la tensión de una señal, que mide en tiempos dis-
cretos separados entre sı́ en un tiempo Ts . Por lo tanto, las mediciones se presentan a la frecuencia
de muestreo Fs = T1s .
Los siguientes son los aspectos que merecen mayor atención:
• De acuerdo al Teorema de Nyquist, la señal muestreada puede llegar a tener una frecuencia
máxima igual a Fmax = F2s se tiene el principal parámetro. Eso significa que un un ADC está
limitado en ancho de banda.
• El costo en dinero que puede tener un ADC se eleva exponencialmente con la frecuencia de
muestreo que soporte.
• El muestreo es un proceso reversible, al menos desde el punto de vista teórico siempre y
cuando la señal haya sido muestreada respetando el Teorema de Nyquist.
La puesta en práctica del Teorema de Nyquist es lo que produjo en los año 60 la revolución
PCM, que es cuando la telefonı́a, siendo la red más grande del mundo adoptó la tecnologı́a
PCM en toda su dimensión. La idea consistı́a en tomar la señal de voz de un teléfono, limitar
su ancho de banda hasta 4 kHz, muestrearla a una frecuencia de muestreo de 8 kHz, con lo
cual el periodo de muestreo o distancia de muestra y muestra serı́a de 125µseg . Esa distancia
de tiempo entre muestra y muestra se aprovechó para enviar allı́ muchas más señales de voz
también muestreadas. Se elevó entonces la capacidad de las redes, pues ya no era necesario
tener un par de hilos de cobre entre dos puntos para conducir cada llamada teléfonica, pues
muchas llamadas telefónicas podı́an ahora viajar sobre un mismo par de hilos de cobre.
Usualmente los estudiantes no se convencen del mensaje que envı́a el Teorema de Nyquist y
que puede enunciarse ası́: si tu muestreas una señal usando una frecuencia de muestre que
sea igual o superior a dos veces la frecuencia máxima que esa señal pueda llegar a tener,
siempre podrás recuperar, sin pérdida alguna, la forma continua de esa señal a partir de la
versión discreta. Ósea que el proceso de muestreo para de dejar de transmitir la señal todo
el tiempo y hacerlo solo por instantes, no implica que la señal continua haya dejado de existir.
2.3.1.2. La cuantificación. El Diapasón de cuantifiación

En un ADC La cuantificación es inseparable del proceso de muestreo. Surge debido a que un
ADC nunca puede llegar a entregar una señal muestreada como la que teóricamente esperamos.
Esto es debido a las siguientes posibles razones:
• La salida del ADC es un número acotado en bits. Algunos pueden permitir una configuración,
por ejemplo para usar 32 bits/muestra o 64 bits/muestra. Los usados en telefonı́a fija deben
cumplir una recomendación de la UIT-T que establece que son 8 bits/muestra
• Por lo anterior, el proceso de cuantificación equivale a una una especie de muestreo en am-
plitud. Pero la cuantificación no es un proceso reversible como sı́ lo es el muestreo cuando se
cumple el Teorema de Nyquist.
En la Figura 3 se presenta una comparación entre una señal continua y su versión cuantificada
a la razón de 3 bits/muestra.
• Por lo anterior, un ADC tiene unos lı́mites inferior y superior para la amplitud de la señal
que puede entregar
73
Figura 3: Comparación entre una señal continua y una cuantificada a la razón de 3 bits/muestra
• Pero algo no menos relevante es que un ADC también tiene unos lı́mites inferior y superior
para la señal que recibe. La diferencia entre esos dos limites es lo que se conoce como Diapasón
de cuantificación.
• Los siguientes son los problemas más comunes con el uso de ADC:
• La señal que entra al ADC puede ser tan débil que la cuantificación la deforma comple-
tamente porque queda expresadas con muy pocos niveles de amplitud.
• La señal que entra al ADC puede ser tan fuerte que se sale del diapason que soporta,
de modo que las amplitudes que se salen del diapasón desaparecen deformando la señal.
• La señal entrante puede tener un ancho de banda que supera el soportado por el ADC,
lo cual hace que la señal resulte irrecuperable.
• El resultado de la ...
2.3.2. El paso a un código de lı́nea. PCM

2.3.3. La Conversión Digital Análoga
La Conversión Digital Análoga es el proceso inverso de la Conversión Análoga Digital. En este
sentido, el DAC tiene parámetros similares al ADC.
2.3.4. Filtros digitales

[falta].
La idea es explicar lo que significan los filtros digitales. Básicamente como un sistema LIT con
una respuesta al impulso
2.3.5. interpoladores
[falta]
2.3.6. Decimadores
[falta]
74
2.3.7. Transformada Rápida de Fourier (FFT)
Se trata de un algoritmo que permite calcular, con un óptimo recurso computacional, la siguiente
fórmula.
N
X −1
Ck = xN [n]e−j2πkn/N (2.1)
n=0
2.3.7.1. Aspectos relevantes de aplicación práctica:

El uso de la FFT en la práctica pasa por las siguientes consideraciones:
• La FFT puede servir para obtener la RSF de una señal de la siguiente manera:
• Si x[n] proviene de una señal continua, el muestreo debe haber sido realizado respetando
el Teorema de Nyquist.
• La señal debe ser periódica en N.
• La FFT se aplica una única vez, para N, con lo cual se produce un espectro estático.
• El espectro obtenido debe ser dividido en N.
• La FFT puede servir para obtener una aproximación de la TF de una señal de la siguiente
manera:
• Si x[n] proviene de una señal continua, el muestreo debe haber sido realizado respetando
el Teorema de Nyquist.
• Ente más grande sea N, la aproximación será mejor. Es claro que si N es exageradamente
grande, resulta engorroso tener que esperar mucho tiempo para obtener el resultado,
además la resolución que se obtiene puede ser exagerada para nuestras necesidades
reales.
• La FFT puede servir para obtener un espectro dinámico o instantáneo de una señal de la
siguiente manera
• Con las muestras de x[n] se van creando paquetes de N muestras. N no debe ser tan
grande, se recomienda que sea igual al número de puntos que su ojo podrı́a distinguir
en la pantalla de su computador, por ejemplo N=1024 o N=512
• Se aplica la FFT a un paquete de N muestras para obtener N muestras espectrales.
Luego se obtiene la magnitud al cuadrado y se convierte a dB
• Se repite lo anterior para cada uno de los subsiguientes paquetes, con lo cual en la
pantalla veremos un espectro que va variando en el tiempo.
• La FFT puede servir para obtener la PSD si se aplica de la siguiente manera:
• Se hace lo mismo que el caso anterior, pero cada paquete de N muestras espectrales se
va promediando con los anteriormente recibidos.
2.3.8. La IFFT
Representa el mecanismo inverso a la FFT. Por lo tanto se apoya en la ejecución de la siguiente
fórmula:
N
X −1
xN [n] = Ck ej2πkn/N (2.2)
k=0
75
Figura 4: Flujograma La-FFT.grc. Comparación del bloque FFT con QT GUI Frequency Sink
para observar la PSD de una señal binaria bipolar aleatoria.
2.3.9. Simulación de un analizador de espectros

Analizaremos dos bloque que tiene GNU Radio y que usan la FFT: El bloque FFT y el bloque
QT GUI Frequency Sink. En la figura 4
La siguiente figura presenta el resultado del bloque QT GUI Frequency Sink
Figura 5: PSD obtenida usando QT Frequency Sink.
La figura 6 presenta el resultado del bloque FFT.
Figura 6: PSD obtenida usando el bloque FFT combinado con otros bloque
Conclusiones de las observaciones y recomendaciones para usar estos bloques:

• Obtener la PSD usando el bloque FFT requiere preparar el vector, pasar el resultado de la
FFT a magnitud al cuadrado, realizar un promediado con los vectores previos, convertir a
dB y graficar.
76
• Aunque parezca diferente, la imágen obtenida con el bloque FFT es equivalente a la del
bloque QT GUI Frequency Sink, ya que la teorı́a de Fourier dice que la Transformada de
Fourier Discreta (DFT) es periódica en Fr = 2πRad/seg y eso significa que es periódico en
la frecuencia de muestreo Fs (Hz)de la señal vista en el tiempo. Por eso, si el bloque FFT
−Fs Fs
pudiese ser configurado para que muestre el espectro entre y tendrı́amos imágenes
2 2
similares. La imágen obtenida con el bloque FFT es más continua debido a que el bloque
vector-average-hob, usado como complemento al bloque FFT realiza un promediado más
prolongado.
• La frecuencia máxima que puede mostrar un Analizador de Espectros es igual a la frecuencia

de muestreo sobre 2. También puede observarse que el ancho de banda B, que abarca tanto
frecuencias negativas como positivas, es igual a la frecuencia de muestreo.
• N es el tamaño del vector y es igual al orden de la FFT, también es igual al número de
puntos que son graficados en la ventana. De deduce que la resolución espectral es fResol =
f recuenciademuestreo
N
• Finalmente, es importante tener en cuenta que la PSD se calcula usualmente a señales que
son parte del mundo continuo, por ejemplo la señal que se emite desde un transmisor, la
que se recibe en un receptor, la que produce un micrófono o la que usa una bocina. Desde
este punto de vista, no es usual buscar la PSD de señales que pueden encontrarse en bloques
intermedios como por ejemplo un codificador o un modulador digital bandabase.
2.4. Simulación de señales paso bandas

2.4.1. La Modulación AM
2.4.2. La Modulación FM
2.4.3. El heterodinado
2.4.4. Conversión RF
La Conversión RF es un término que se está introduciendo en este libro, por lo tanto, no lo
encontrará en ninguna otra fuente anterior a esta. Se refiere al proceso de pasar una señal real de
su correspondiente Envolvente Compleja (EC) y viceversa. La razón para introducir este concepto
es meramente pedagógica y consiste en lo siguiente: cuando un ingeniero trabaja con GNU Radio,
estará operando casi siempre con la EC, mientras la señal que viaja entre las antenas es pasoban-
das. La forma en que se define a continuación la Conversión RF ayuda a que ese ingeniero pueda
realizar una traducción muy sencilla entre lo que ve en GNU Radio y lo que viaja entre las antenas
sin importar qué tipo de modulación se esté usando. Ası́, si en la señal pasobandas se observa una
variación de la amplitud de la onda senoidal, entonces en GNU Radio se observará una variación
similar en la magnitud de la envolvente compleja. Algo similar puede decirse de la frecuencia de
la fase. Es importante tener en cuenta que una señal pasobandas, recibida por una antena, para
ser transformada en una onda electromagnética es siempre senoidal, de modo que la envolvente
compleja es siempre una función de euler compleja.
77
2.4.5. Conversión RF Directa en el dominio del tiempo
Conversion RF
A(t) cos 2π[fc + B(t)]t + Q(t) → A(t)ej[2πB(t)t+Q(t)] (2.3)
La señal que se obtiene en esta conversión se conoce como Envolvente Compleja
2.4.6. Conversión RF Inversa en el dominio del tiempo
Conversion Inversa RF
A(t)ej[2πB(t)t+Q(t)] → A(t) cos 2π[fc + B(t)]t + Q(t) (2.4)
2.4.7. La Conversión RF en el dominio de las frecuencias
Figura 7: La Conversión RF en el dominio de las frecuencias. corregir: en la gráfica con se notan

las letras, están muy diminutas
2.4.8. El Up Converter
Puede verse como una solución práctica de la Conversión RF inversa y se presenta en la si-
guiente Figura 8
Figura 8: Up converter.corregir: las fórmulas de la figura no se ha puesto como fórmulas
Ejercicio: Hallar la expresión de la Envolvente Compleja de una señal FM paso bandas. Es

bien sabido que la expresiòn matemàtica de una señal pasobandas FM es:
s(t) = Ac cos(2π(fc + Kf m(t))t) (2.5)

Donde, Ac es la amplitud de la portadora, fc es la frecuencia de la portadora, Kf es el coefi-
ciente de modulación, m(t) es el mensaje y t es la variable de tiempo.
78
Solución: La siguiente figura presenta una forma hipotética de la TF de s(t).
Figura 9: Espectro de señal paso bandas.
Obtenemos la expresión para la señal s(t) cuya TF es la misma S(f ) pero sin la componente
en frecuencias negativas, como siguiente figura
Figura 10: Espectro de la Pre envolvente compleja.
s(t) = 12 Ac ej(2π(fc +Kf m(t)t)) . Esta expresión debe multiplicarse por 2 para conservar la energı́a,
con lo cual se obtiene la pre-envolvente compleja. Hacemos fc = 0 y obtenemos la Envolvente
Compleja.
Sec(t) = Ac ej(2π(Kf m(t))t) = Ac cos(2π0Kf m(t)t) + jAc sin(2π0Kf m(t)t) (2.6)

Esta es a su vez la fórmula de la FM bandabase. En principio, a cualquier señal pasobandas le
corresponde una versión bandabase , que es su envolvente compleja. Podemos ver que la envolvente
compleja de una señal FM es un vector rotante. En el sitio web del libro se brindan más detalles
en forma de vı́deos demostrativos sobre Envolvente Compleja y Up converter.
https://sites.google.com/saber.uis.edu.co/comdig/m/ec
2.4.9. El Down Converter

Para obtener la Envolvente Compleja de una señal paso bandas, se usa un dispositivo que lla-
maremos “Down converter” y que se presenta en la siguiente gráfica:
La envolvente compleja es la señal yc (t) = yI (t) + jyQ (t), yI (t) es conocida como la componente
en fase, yQ (t) como la componente en cuadratura de la Envolvente Compleja.
79
Figura 11: Tomado del Libro de Haykin, cap 1.11.
2.4.9.1. Demostración del Down Converter

La Transformada de Fourier es una herramienta útil para diseñar y demostrar la validez de este
tipo de soluciones.
1
y(f ) = [yec (f − fc ) + yec (−f − fc )] (2.7)
2
yCI (t) = yc (t)2 cos(2πfc t) =⇒ yCI (t) = yc (f − fc ) + yc (f + fc ) (2.8)
1
yCI (f ) = [yec (f − 2fc ) + yec (−f ) + yec (f ) + yec (−f − 2fc )] (2.9)
2
1
yI (f ) = [yec (−f ) + yec (f )] (2.10)
2
−1
yCQ (t) = −2yc (t) sin(2πfc t) =⇒ T F yCQ (f ) = [yc (f − fc ) − yc (f + fc )] (2.11)
2j
−1
yCQ (f ) = [yec (f − 2fc ) + yec (−f ) − yec (f ) − yec (−f − 2fc )] (2.12)
2j
1
yQ (f ) = [yec (f ) − yec (−f )] (2.13)
2j
De modo que el sistema de la figura 11 permite obtener la componente en fase y cuadratura de
la Envolvente Compleja yec (t) =⇒ yec (f )
2.4.9.2. Demostración gráfica del Down Converter

Aplicaremos el Down Converter de la figura 8 a la señal que tiene la TF de la figura 14.
Deberemos obtener la TF de la Envolvente Compleja que es la que aparece en la figura 15.
80
Figura 12: Resultado del uso del Down Converter
2.4.10. La Envolvente compleja. Sus caracterı́sticas

2.4.10.1. El problema a resolver
A continuación se enuncia un problema que justifica el uso de este concepto.
Deseamos implementar un analizador de espectros en un computador portátil mediante una

aplicación basada en la FFT. Observar el espectro de la voz usando la FFT no representa un gran
problema. Necesitamos conectar un micrófono al computador, el cual tiene un ancho de banda que
finalmente establece una frecuencia máxima para la voz. Cumpliendo el Teorema de Nyquist, la
señal de voz deberá ser muestreada a la frecuencia de muestreo
fs ≥ 2fmax = 30KHz (2.14)

EL problema se complica cuando se desea analizar la señal que proviene de la radio base de
un operador móvil. Será necesario conectar un receptor que convierte la señal electromagnética en
una señal eléctrica y la amplifica de manera suficiente.
Pero ahora tenemos una frecuencia máxima muchı́simo mayor, por ejemplo 1900000000 Hz. De
modo que el muestreo resulta ahora extremadamente costoso y la FFT debe desarrollar tantas
operaciones que el espectro no podrá ser visto en tiempo real.
2.4.10.2. La solución. La Envolvente compleja

La solución lógica consiste en incluir dentro del receptor un dispositivo que permita desplazar el
espectro de la señal de interés para centrarlo en una frecuencia mucho más baja a la que estaba
centrado originalmente. El caso más extremo se tiene cuando el receptor logra centrar el espectro
en fc = 0 Hz.
En la siguiente gráfica se representa un ejemplo de la Transformada de Fourier de la señal de

interés
81
Figura 13: Analizador de espectros basado en computador.
fuente: Autor
Figura 14: Espectro de la señal pasobandas de interés.
En la figura 14, el espectro es simétrico alrededor de la frecuencia f = 0Hz, por lo tanto pertenece
a una señal real. Sin embargo, alrededor de la frecuencia fc no es simétrico lo cual es usual en las
comunicaciones. En la figura 15 se muestra el resultado al que queremos llegar, donde el espectro
aparece centrado en fc = 0Hz. Tiene doble amplitud que el de la figura 14, con el fin de que
conserve la misma energı́a.
Figura 15: Espectro de la Envolvente Compleja.
Pero ahora el espectro no es simétrico, luego pertenece a una señal compleja que llamaremos En-
volvente Compleja.Puede decirse que la Envolvente Compleja es la señal que resulta en el dominio
del tiempo al desplazar el espectro de una señal paso bandas de interés que está centrado en una
frecuencia fc > 0 para que quede centrado en la frecuencia fc = 0 Hz, sin que se afecte la forma
del espectro y por lo tanto sin que se afecte la información que está contenido en él.
82
2.4.11. El uso de la envolvente compleja en la simulación de Sistemas
de comunicaciones
El problema que en este caso justifica el uso de la Envolvente Compleja es el siguiente: supon-
gamos que un operador móvil tiene instalada una red de datos inalámbrica por toda la ciudad y
ahora desea cambiar el sistema de comunicación usado a otro. Por ejemplo, pasar de 2G a 3G.
Bien podrı́a reutilizar la red de radio ya instalada. Entonces solo adquirir comparar la sección
de equipos que procesa la Envolvente Compleja, que a menudo también se conoce como la señal
banda base o componente en fase y en cuadratura ó señal I y señal Q. La sección de radio, en la
parte transmisora, se encarga de obtener la señal paso bandas a partir de la envolvente compleja.
En la parte receptora, esta sección se encarga de obtener la señal banda base a partir de la paso
bandas. En otras palabras, la sección de radio incorpora un up-converter en la parte transmisora
y un down-converter en la parte receptora.
Figura 16: Esquema de Modulación pasobandas usando SDR
En GNU Radio, la EC sólo puede generarse, observarse y recibirse en forma de una señal discre-
ta. Esto obliga a tener ciertos cuidados principalmente relacionados con la frecuencia de muestreo.
Los siguientes son puntos a tener en cuenta:
• El modelo matemático de la EC en forma discreta es: Sec (t) = A[n]ej[2πB(n)n/B+Q(n)] y es

de esta forma que puede ser implementado el modulador. El parámetro N está relacionado
con la frecuencia de muestreo samp-rate y este último con el tiempo continuo, ası́:
samp − rate = T /N , donde T es el periodo de la frecuencia máxima que puede tener la señal
y N es el número de muestras en ese periodo.
• Algunos bloques pueden producir la fórmula anterior, sin que el programador tenga que ver
con esa expresión, por ejemplo el bloque Signal Source, pide parámetros continuos como la
amplitud, la frecuencia y por supuesto la frecuencia de muestreo.
• Un modulador usualmente usa solo uno o dos de los anteriores parámetros de modo que la
ecuación se puede simplificar en varias formas como las siguientes:
• Cuando solo varı́a la magnitud: Sec (t) = A[n]
• Cuando solo varı́a la fase: Sec (t) = ejQ(n)
• Cuando varı́a fase y amplitud: Sec (t) = A[n]ejQ(n)
• Cuando solo varı́a la frecuencia: Sec (t) = ej2πB(n)n/N
83
• Luego del modulador, al interior del USRP se cuenta con un elemento que llamamos “Complex
to Real” que convierte la EC en dos señales, la señal I y la señal Q, también conocidas como
señal en fase y señal en cuadratura.
• Esas dos señales entran luego a un DAC donde se convierten en señales eléctricas continuas.
Es aquı́ donde la frecuencia de muestreo de la señal que se entrega al DAC juega un gran
papel para llegar a producir de manera apropiada esas señales continuas. Básicamente debe
cumplirse el Teorema de Nyquist.
• Puede decirse que a la salida del DAC se tiene la EC en forma continua, pero en forma de
dos señales reales, la señal I y la señal Q.
• Finalmente, el Up Converter aplica en el plano continuo lo que arrima hemos llamado Con-
versión RF.
En la parte receptora ocurre algo similar en sentido contrario .
2.4.12. Simulación de señales y sistemas de comunicación en versión

bandabase
Es similar a lo explicado anteriormente, pero el canal también se simula en versión banda base
de modo que no se hace necesario incluir un Up Converter ni un Down Converter. De esta manera,
es posible hacer simulación con resultados similares pero a un costo computacional sensiblemente
menor ya que el uso de esos conversores demanda la necesidad de incluir un sobremuestreo que
depende de qué tan alta sea la frecuencia de la portadora.
2.4.12.1. El ruido blanco en versión bandabase

Como ya se ha estudiado, el uso de gnuradio para por usar un software un hardware que para
nuestro caso es un equipo USRP y que su elemento principal es un Down Converter, si hablamos
de la parte receptora o un Up Converter si hablamos de la parte transmisora. Los aspectos a tener
en cuenta son los siguientes:
• Sabemos que el Down Converter se encarga de recibir una señal pasobandas y entregar una
señal banda base. Pero el Down Converter también tiene un ancho de banda limitado, de
modo que, si a la entrada del Down Converter se tiene una señal de ruido blanco, este solo
va a reconocer lo que esté dentro del ancho de banda que tenga configurado. Por eso se habla
de ruido blanco de banda angosta (NBWN, del inglés Narrow Band White Noise).
• Podemos deducir que la salida del Down Converter es la Envolvente Compleja del NBWN y
lo podemos llamar Ruido Blanco banda base (BBWN).
• También vale la pena recordar que la PSD de la Envolvente Compleja tiene una altura 2
veces mayor a la PSD de la señal pasobandas, aunque esto puede ser no muy notorio si se
usa la PSD está dada en dB.
• Es posible deducir que el ruido blanco de banda angosta ya no goza de las mismas propiedades
del ruido blanco, ası́: el ancho de banda ya no es infinito, la función de autocorrelación ya no
tiene la forma de una función delta, ni es lo último en aleatoriedad. Lo único que se mantiene
N0
es que la altura de la PSD es igual a .
2
Para analizar todo usando GNU Radio, hemos modificado el flujograma ya visto para obtener el
flujograma “La-FFT-Ruido blanco banda base y paso bandas.grc”, que se muestra en la siguiente
figura.
Los resultados de este flujograma se presentan en la siguiente figura donde podemos ver lo
siguiente:
• Hemos puesto un generador de ruido blanco (WN, del inglés White Noise).
84
Figura 17: Flujograma “La-FFT-Ruido blanco banda base y paso bandas.grc” para comparar el
ruido blanco con el ruido blanco de banda angosta en banda base
• El ruido blanco en toda su dimensión es imposible de ser observado o simulado, pero podemos
obtener una versión con altura de PSD igual a N0 /2 = 50 106 y una frecuencia de muestreo
Fs-ruido-blanco=136 KHz, calculando que sea apenas lo suficiente para observar lo que puede
ser de interés para nuestro caso. De allı́, usando un Filtro Paso Bandas, con ancho de banda
B = 8 kHz, hemos obtenido el Ruido Blando de Banda Angosta (NBWN, del inglés Narrow
Band White Noise).
• Los resultados muestran que, con el filtrado, la señal en el tiempo sufre una caı́da en la
amplitud y su forma se vuelve más suave, pero se conserva la altura de la PSD.
• También hemos usado un generador de ruido blanco en versión compleja con amplitud N0 =
100 106 , para simular con él lo que deberı́a producir el Down Converter
• El bloque Rational Resampler se agregó solo con el fin de observar qué hay más allá del
ancho de banda bandabase BW=4 kHz. Los resultados, los vemos en la siguiente Figura 45,
se trata de la Envolvente Compleja de ruido blanco, que también podemos llamar Ruido
Blanco Bandabase. A la izquierda tenemos la PSD y a la derecha la gráfica en el dominio
polar.
2.4.13. Un canal de ruido blanco gausiano aditivo en versión bandabase

El canal de ruido blanco gaussiano aditivo es mejor conocido en inglés como Additive White
Gaussian Noise Channel (AWGN Channel). Es bien sabido que una señal en su viaje desde una
antena transmisora hasta una receptora atraviesa una gran cantidad de fenómenos. Es como si la
señal entrara a un sistema que la deforma de varias maneras y ese sistema es lo que llamamos canal
de propagación. Uno de ellos es el ruido y precisamente nos preparamos para revisar cómo luchar
contra el efecto que este produce. Es muy claro que si vamos a probar un método para atenuar el
ruido blanco, resulta importante poder aislar todos los demás fenómenos que pueden existir en el
canal de propagación, de manera que el canal solo tenga la posibilidad de inyectar a la señal ruido
blanco. Un esquema práctico es el que se muestra en la figura 20.
Como puede verse, el efecto del canal se expresa de la siguiente manera xw (t) = x(t) + w(t)
donde x(t) es la versión pasobandas y continua de la señal modulada en bandabase , xec [k], w(t)
es el ruido blanco pasobandas.
Cuando se trata de explotar al máximo la posibilidades que ofrece el gnuradio, lo conveniente es
85
Figura 18: PDS y señal en el tiempo del ruido blanco (arriba). PSD de la Envolvente compleja
ruido blanco de banda angosta y diagrama polar del mismo ruido
Figura 19: Ruido Blanco Banda Base, su PSD y representación Polar
crear un canal bandabase de ruido blanco que consiste en imitar prácticamente todos bloques que
se tienen en la figura 20. Para esto es importante tener en cuenta que la salida de ese canal es
xnec [k] = xec [k] + nce [k].
Donde nce [k] es la envolvente compleja en versión discreta de n(t), el cual a su vez la porción del
ruido w(t) que es admitida por el receptor ya que este tiene un ancho de banda finito y por tanto
lo que deja pasar es más bien una señal de ruido blanco de banda angosta , que llamaremosn(t).
nce [k] es conocida también como Ruido Blanco de Banda Angosta en versión Bandabase y discreta.
86
Figura 20: Conformación de un canal pasobandas de ruido blanco.
En otras palabras, lo que resulta a la salida del ADC es la misma señal que entra al DAC pero
con una adición de ruido blanco banda base , como se muestra en la figura 21, donde se tiene la
implementación en GNU Radio de un canal de ruido blanco gaussiano aditivo.
Figura 21: Implementación en GNU Radio de un Canal de ruido blanco aditivo. no se ha

explicado bien como configurar el generador de ruido para un valor No
En la figura 21, el parámetro Amplitud, en el bloque Noise Source corresponde al valor RMS
Vrms del ruido, el cual resulta relacionado con la potencia promedio P del ruido y con el valor No.
En la figura 22 se muestra el ruido blanco de banda angosta en banda base, visualizado en un

diagrama polar.
Como ya se dijo, el Ruido Blanco es una señal aleatoria teórica, de modo que resulta imposible
generarlo en la práctica, pero tampoco resulta necesario generarlo de manera perfecta, pues un
receptor, debido a sus limitaciones en ancho de banda solo deja pasar una porción del espectro de
ese ruido. En todo caso, al pasar a bandabase, la PSD va a tener una altura constante igual a No,
lo cual es fácil de deducir aplicando la Conversión RF vista en el capı́tulo 1.
2.4.13.1. La modulación FM en versión bandabase

2.4.13.2. La modulación AM en versión bandabase

87
Figura 22: Ruido Blanco Bandabase en el Diagrama Polar.
88
Capı́tulo 3
Implementación de la Radio Definida por
Software en sistemas de radiodifusión
Este capı́tulo tiene el fin de estudiar lo que significa Software Defined Radio (SDR) y un tipo
de hardware usado en SDR. Con el fin de lograr que el estudiante tenga contacto con un hardware
real, hemos seleccionado el USRP-2920 de la empresa National Instruments, pero también se busca
generalizar el conocimiento sobre ese hardware en forma de modelos más generales que le brinde al
estudiante la capacidad de descubrir y comprender cualquiera de los tipos de hardware existentes.
El mayor ènfasis se hace en que estudiante conozca lo que un hardware SDR representa.
3.1. Radio Definida por Software en Modo de Red

El término Modo de Red o “modo Network” es muy usado en los productos de la empresa
Ettus, la cual a su vez pertenece a National Instruments, pero este modo corresponde la confi-
guración más común en los laboratorios experimentales por ser la solución más económica y a
la vez más potente. Consiste en lograr un complemento perfecto entre un hardware SDR y un
computador con el software apropiado. El término network es usado debido a que el hardware se
conecta al computador usualmente por un puerto Giga Ethernet de manera directa. En principio,
no se descarta que esa conexión sea por Wi-Fi o que los componentes estén ubicados en lugares
remotos distantes entre sı́, unidos por Internet, pero esto no es usual pues entre el hardware y el
computador se requiere enviar información muy pesada en tiempo real.
Figura 1: Un sistema de comunicaciones punto a punto Full Duplex.
89
Figura 2: Un transceptor (en inglés Transceiver).
USRP (Universal Software Radio Peripheral) es el término usado por la empresa Ettus para
denominar el hardware de una solución SDR. Como se muestra en la figura anterior, en el USRP se
concentra la componente hardware del sistema de comunicación y en el computador la componente
del software. Lo que viaja por el cable que une estos componentes es precisamente la Envolvente
Compleja, no sin antes ser adaptada al protocolo Ethernet.
Para los USRP que solo funcionan en modo Network, se usa una nomenclatura especial, se consi-
dera que pertenece a la serie Nx, donde la N significa Network y la x unos números seriales. Algunos
ejemplos son: USRP N200, USRP N210. Sin embargo, como la empresa Ettus fue adquirida por
National Instruments (NI), esta empresa está usando otra nomenclatura como: NI USRP 2920, NI
USRP 2921, NI USRP 2922, NI USRP 2930, NI USRP 2932. Ese cambio de nomenclatura es apli-
cado por NI para indicar que estos equipos funcionan con LabView que es la plataforma de NI que
ahora incursiona en SDR. Una comunicación completa en Modo Network se presenta en la figura 3.
Figura 3: Modelo de capas de un sistema de comunicación con USRP en Modo Network.
3.2. Un equipo SDR parara Modo de Red. El NI USRP-

2920
El NI USRP-2920 es un ejemplo tı́pico de un hardware pensado en una solución de comunicación
basada en SDR en modo network. vale la pena usarlo como ejemplo para conocer lo que este tipo
90
de equipos usualmente contiene.
Figura 4: Foto del NI USRP-2920.
Es importante, tener claro desde un comienzo que estos USRP son construidos por la empresa
Ettus Research. Pero esta empresa fue adquirida en el 2015 por la empresa National Instruments
(NI). De esta manera se entiende por qué un mismo hardware tiene dos nombres diferentes: uno
que le da Ettus y otro que le da NI. Es ası̀ como el NI USRP 2920 de National Instruments
corresponde al USRP N210 de Ettus, donde la N indica que se trata de un equipo que fun-
ciona en modo Network. El equipo viene un software de NI que permite configurar el equipo con el
driver que le permite actuar como NI USRP 2920 o bien con el driver que le permite actuar como
USRP N210. El primer caso se usa cuando el equipo se usa con LabView sobre Windows, mientras
el segundo, con GNU radio sobre Ubuntu.
El manual de este equipo, en este enlace, es suficiente para comprender lo que el equipo re-
presenta externamente, ası́ como sus especificaciones técnicas y cuidados de uso. Nos detendremos
más bien en el esquema interno.
91
Figura 5: Modelo de capas del NI USRP 29xx visto por capas. En color naranja: bloques de
software embebido. En color verde: Hardware con parámetros controlables por computador.
Blanco: Hardware no controlable.
fuente: FALTA Nota: Según el manual del NI-USRP 2920 no es claro que tenga un banco de filtros
En los siguientes capı́tulos, el término “Usuario P” se refiere a la persona que está sentada en
el computador, desarrollando una aplicación en GNU radio o usando una para contactar el USRP.
3.2.1. El receptor del NI USRP-2920

Como puede apreciarse, la parte receptora consiste en una o dos antenas que son conectadas
por el RF switch. En muchos USRP la señal pasa inmediatamente por un banco de filtros que
resultan sintonizados mediante las órdenes que da el Usuario P desde la aplicación ubicada en el
computador. La señal es luego amplificada en el Low Noise Amp. La señal sigue a un amplificador
que puede ser configurado por el usuario P desde la aplicación. El esquema que sigue es lo que en el
primer capı́tulo hemos llamado Down Converter, en el cual la frecuencia del Oscilador controlado
por voltaje (VCO) puede ser configurada desde la aplicación, pero no los parámetros del Low Pass
Filter, que tiene un ancho de banda fijo, inmodificable, de 20 MHz.
El Usuario P tampoco puede modificar los parámetros del Conversor Análogo Digital (ADC), que
muestrea la señal a su entrada a una rata fija, invariable de 100 MS/s y además la cuantiza a
14 bits/muestra. El Usuario P debe jugar con la ganancia o la atenuación para poder aprovechar
todos los 14 bits por muestra, pues la señal entrante es muy débil y no alcanzarı́a a levantarse de
92
manera suficiente. Pero también es necesario tener en cuenta que una sobre amplificación puede
crear también un problema, el de saturación, como se muestra en las siguientes dos figuras.
Figura 6: Señal a la entrada del cuantizador.
Figura 7: Señal a la salida del cuantizador.
Por esta razón, es ideal que la señal resultante después de la amplificación quede con magnitud
1 o incluso 0,8, ya que el rango dinámico del ADC es 1 Vp-p, para el caso p del NI USRP 2920.
Ası́, las amplitudes de la componente I y la Q se puede deducir de la magnitud Imax 2 + Q2max = 1.
3.2.1.1. Cálculo de la frecuencia de muestreo para un NI USRP.

La señal pasa luego a la FPGA (la tarjeta madre), donde está el OSP (Onboard signal pro-
cessor) que tiene algunos elementos de procesamiento digital, filtra la frecuencia central, de modo
que no aparezca allı́ un delta que corresponde a la portadora. Pero también en el OSP se le apli-
ca a la señal una decimación, combinado con un filtrado digital, para bajar la rata de muestreo
de la señal I/Q para que cumpla con los deseos del programador que especificará un ancho de
banda deseado que, en términos de frecuencia de muestreo, resultará en un valor que para el NI
USRP 292x está entre 200 kS/s y 25 MS/s. Debido a las limitaciones del computador y la calidad
del cable usado para unir el USRP con el computador, el Usuario P puede considerar que el an-
cho de banda pasobandas está entre 200 kHz y 20 ó 25 MHz, como se muestra en la siguiente figura.
93
Figura 8: Ancho de banda real que puede alcanzar el NI USRP 2920 con respecto a las
capacidades de la tarjeta hija
Ese ancho de banda se puede configurar en los bloques digitales alojados en el OSP. Esto ocurre
de manera indirecta, cuando el Usuario P selecciona un el Coeficiente de Decimación Kd para el
bloque Digital LPF/decimator con el fin de bajar la frecuencia de muestreo. Es importante tener
en cuenta que, usualmente ese coeficiente es un número entero y a la vez potencia de 2, de modo que:
Kd = 2m , dondemesenteropositivo. (3.1)
Los experimentos desarrollados por el autor, con el NI USRP 2920, muestran que, aunque el
sistema acepta cualquier valor entero que sea par y positivo para ese coeficiente, si no se escoge
como se señaló, se deforma el espectro de la señal que sale del decimador respecto a la que recibe
el decimador. El autor también demostró que con el NI USRP 2920, hay un tope máxi-
mo para ese coeficiente y es 512. Eso significa que ası́ como el equipo tiene un tope máximo
para la frecuencia de muestreo de 100 MSps, también tiene un tope mı́nimo de 195,3125 kS/s,
ósea 100e6 /512. Esto también significa que, el mı́nimo ancho de banda que el USRP captura en
pasobandas es 195,3125 kHz, que equivale a 97,65625 kHz en bandabase.
La señal resultante es luego enviada por el cable gigabit ethernet. En conclusión, el USRP
captura una señal en toda la banda de 40 MHz, pero la procesa para enviar a la Rx GNU App el
ancho de banda que el Usuario P configure en función del Coeficiente de Decimación. También es
claro que el usuario está obligado a realizar la decimación, ya que de otra suerte, estarı́a obligando
al USRP a entregar una rata de muestras que no es soportada por el sistema que une el USRP con
el computador, o incluso por la capacidad del mismo computador.
94
Figura 9: Análisis en banda base de frecuencias de muestreo y anchos de banda que se manejan
en el USRP 2920 en el modo de recepción.
En la figura anterior, vemos que la frecuencia de muestreo de 100 MS/s que por defecto maneja
el DAC está sobredimensionada con respecto al ancho de banda del filtro analógico paso bandas
usado como parte del down converter que es de 20 MHz, para capturar una señal de hasta 40 MHz.
Pero al programador le interesa. Pero esta a su vez está sobredimensionada con respecto a lo que
puede realmente viajar por el cable Gigabit Ethernet, lo que puede procesar el computador y en
general, por lo que en realidad desea el usuario P.
Los usuarios P que son principiantes cometen a menudo el error de usar un Kdno entero, el
sistema lo puede aceptar, pero lo redondea hacia arriba, para obtener el valor entero, como conse-
cuencia la frecuencia de muestreo que entrega el USRP puede ser un tanto mayor a la que el usuario
cree que va a recibir, con lo cual se produce una inconsistencia entre la frecuencia de muestreo
usada por el Usuario P y la que realmente es, con lo cual se pueden producir distorsiones de señal
en los siguientes bloques que conecte. Es importante que el Usuario P se asegure que la frecuencia
de muestreo que él ha programado es la que el USRP le entrega, para ello, el GRC, como herra-
mienta de programación tiene una ventana de texto donde aparece la advertencia: Target sample
rate: tantos MHz, Actual sample rate: tantos MHz. El primer valor es lo que el usuario programó,
el segundo, lo que el sistema pudo dar.
En resumen, en recepción, cuando se desea capturar un ancho de banda B.
Bd = 10 MHz
samp − rated = Bd
samp-rate-usrp = 100 MSps
Kdmax = 512
Kdd = Parte entera de samp-rate-usrp / samp-rate-d. De manera que ocurre un redondeo hacia
abajo Kd el menor valor entre Kd=512 y Kd = 2log2 Kdd
samp-rate = samp-rate-usrp/Kd
B= samp-rate
En transmisión, cuando se desea emitir un ancho de banda B. El proceso es el mismo con las
siguientes aclaraciones:
• samp-rate-usrp = 400 MSps
95
• Kdmax : no lo conocemos. El autor supone que es 4 veces mayor al usado en recepción, ya
que la frecuencia de muestreo en el transmisor es 4 veces mayor a la usada en recepción.
• Se supone que el transmisor realiza una interpolación en vez de una decimación. Si se quiere
ser muy estricto en esto, lo que hay que hacer es:
• Calcular el coeficiente de interpolación como: Ki = 1/Kd .
• Luego obtener samp − rate = samp − rate − usrp ∗ Ki .
• Pero la verdad, lo anterior se puede saltar, pues igual resulta que: samp − rate =
samp − rate − usrp/Kd .
En la Figura 10 se analizan los posibles valores de configuración que se pueden usar con el USRP
2920.
Figura 10: Tabla Análisis de valores de frecuencia de muestreo que acepta el USRP 2920
Del análisis anterior, se concluye que en términos generales, el USRP 2920 solo puede tomar
8 posibles valores para la frecuencia de muestreo y consecuentemente para los coeficientes de
decimación y de interpolación interna. Esos valores se muestran en la Figura 11.
96
Figura 11: Tabla de valores de frecuencia de muestreo que acepta el USRP 2920
3.2.2. El transmisor del NI USRP-2920

Puede entenderse de manera similar al receptor. En cualquier desarrollo que se realice con SDR
es importante conocer en detalle las especificaciones del equipo. Para tener una idea de lo que esto
representa, analizaremos a continuación las especificaciones del NI USRP-2920.
• Para una consulta más precisa, consultar el manual del equipo.
• El ancho de banda analógico es de 20 MHz analógico, pero esto equivale en pasobandas a 40
MHz. Además entra en juego el ADC, que muestrea a una rata fija, invariable de 400 MS/s
la señal y la cuantifica a 16 bits/muestra.
Figura 12: Elementos internos del USRP para la transmisión.
En la figura XXX se observa que en modo transmisión, el USRP usa un DAC con una frecuencia
de muestreo de 400 MS/s. También se observa que cuenta con el bloque Digital Interpolator
para adaptar la frecuencia de muestreo de la señal que le llega. Pero al igual que ocurrió con el
coeficiente de decimación, en el modo recepción, aquı́ el coeficiente de interpolación también en
obligatoriamente un número entero de la forma:
Ki = 2m , dondemesenteropositivo. (3.2)
3.2.3. El papel de GPS en un NI USRP.

El papel del GPS consiste en usar una señal satelital, del sistema GPS para lograr que el VCO de
cualquiera de los varios equipos genere una misma senoidal. Esto mejora enormemente la recepción
de una señal transmitida con otro USRP similar, ya que no se presenta desfase entre la portadora
usada en el transmisor y en el receptor. Pero esta opción solo la tienen los NI USRP-293x.
97
3.2.4. Los filtros en un NI USRP.
En la parte receptora
La siguiente figura presenta un ejemplo de la respuesta en frecuencia del banco de filtros, como
no se tenı́a en el momento la información para el NI USRP 2920, se presenta la del NI USRP
E-310, para que el lector tenga una idea de lo que ese banco de filtros significa.
Figura 13: Banco de Filtros de la parte receptora del NI USRP E-310.
fuente: https://www.ettus.com/content/files/USRP-E310-Product-Sheet.pdf
Nota: no es claro que el NI USRP 2920 tenga un banco de filtros como estos, pues no aparecen en los manuales
El filtro a usar es seleccionado directamente por el Usuario P.A manera de resumen, las espe-
cificaciones del receptor del NI USRP-2920 son las siguientes:
• La información más confiable sobre las especificaciones es la del manual del equipo.
• Rango de frecuencias de 50 MHz a 2.2 GHz. (las bandas de radio FM, GPS, GSM, radar,
ISM)
• Pasos de frecuencia < 1 kHz
• Se usa un ADC de dos canales: 100 MS/s a 14 bits/muestra. Un canal es para la señal I y el
otro para la señal Q, como se deduce de este enlace
• El rango dinámico del ADC es 1 Vp-p. La potencia de entrada al ADC es no lineal pues varı́a
con la frecuencia.
• Rata máxima real de muestreo I/Q: 25 MS/s a 16 bits/muestra; 40 MS/s a 8 bits/muestra.
El manual aclara que este valor puede verse limitado aún más por las limitaciones del compu-
tador usado y por la velocidad de la conexión entre el USRP y el computador. A diferencia
de la frecuencia de muestreo del ADC,este valor se refiere a la rata de muestreo a la que
realmente puede funcionar el sistema en tiempo real. En otras palabras, si se intentara apro-
vechar los 100 MS/s que entrega el ADC, verı́amos que el sistema se bloquearı́a o producirı́a
errores, debido a que esa velocidad no es soportada por los bloques que siguen.
• Ancho de banda máxima real: 20 MHz para 16 bits/muestra; 40 MHz para 8 bits/muestra.
• Nota 2: se deduce también que el Ancho de banda máxima instantánea en tiempo real, es
el valor pasobandas que en términos reales se puede alcanzar, que representaremos como B.
De modo que en bandabase, el ancho de banda es BW=B/2. Ası́ toma sentido la frecuencia
de muestreo que es Fs=2*BW=B. Por eso, vemos que en el caso de 8 bits/muestra, con 40
MS/s se alcanza un ancho de banda de 40 MHz. Eso es lo máximo que el equipo permite.
Pero el Front-End al que tiene acceso el usuario P, es decir, el GRC, puede no tener la opción
para programar este valor de 8 bits/muestra.
98
• El usuario P usualmente necesita un menor valor para la frecuencia de muestreo que entrega
el USRP Source. Para satisfacer esa necesidad, el USRP Source cuenta con un diezmador. El
problema es que el factor de diezmado no es cualquiera, sino que se aproxima al valor más
cercano entre los siguientes: 8, 16, 32, 64, 128, 256, 512.
Otras notas de interés para configurar el bloque de GNU radio conocido como USRP Source:
• Para los usuarios P de Simulink es un poco confuso que el muestreo sea realizado por el
ADC. Esto se entiende mejor si imaginamos que el ADC del usrp junto con el procesado
que realiza luego el OSP, equivalen en Simulink a la interconexión de los bloques: filtro paso
bajas, muestreador (con el bloque zero order hold), cuantizador (en caso de que la salida del
USRP source sea configurada para tipo entero). De modo que ADC+OSP lo que entregan es
una señal, que usualmente veremos como una señal de valores decimales con un número finito
de posibles valores. En otras palabras es la envolvente compleja de la señal que el usuario P
desea capturar, pero en su versión muestreada y cuantizada, por lo tanto, esta señal pertenece
al mundo fı́sico.
• En Simulink de Matlab, el bloque USRP Source no pide frecuencia de muestreo sino coefi-
ciente de decimación.
• El valor máximo de frecuencia de muestreo que se pudo programar sin problemas con un
computador Core i7 fue de fue de 20 MSps, que equivale a un ancho de banda pasobandas
de 20 MHz. Pero con advertencias puede ser de 25 MSps. Teóricamente, con computadores
mejor dotados se podrı́a elevar más, pero sin pasar nunca de 50 MSps.
• Aunque la documentación dice que la frecuencia de muestreo cambia en función de número

de bits por muestra que se elija, vimos que al menos el bloque USRP Source no brinda esta
opción.
• Si el parámetro Ch0: Bandwidth se deja en cero, el ancho de banda del receptor usrp se
sintoniza por defecto a una frecuencia cercana a la frecuencia de muestreo, porque se aplica
el Teorema de Nyquist en versión bandabase.
• Otros parámetros del receptor del USRP de la serie N2920 son:

• La letra “N” se refiere a “Network”, debido a que usa puerto Gigabit Ethernet para la
unión PC-USRP
• La velocidad de los datos entre el PC y el USRP por el puerto Ethernet es de hasta 50
MS/s
• Se pueden unir varios USRP como si fuesen uno solo para escalar en capacidad
3.2.5. En la parte transmisora

De manera similar, en la parte transmisora puede tenerse un banco de filtros como es el caso
del NI USRP E-310, como se muestra en la Figura 14
99
Figura 14: Banco de Filtros de la parte transmisora del NI USRP E-310.
fuente: https://www.ettus.com/content/files/USRP-E310-Product-Sheet.pdf
3.2.6. Actividades de Caracterización del equipo

Las especificaciones anteriores son datos tomados de la documentación del equipo NI USRP-
2920. Sin embargo, una verificación práctica brinda resultados más reales, pues muchas veces los
manuales tienen inconsistencias. Los siguientes son verificaciones realizadas:
• Se programó el bloque USRP Source una tasa de muestreo de 20 MHz, para capturar una
señal de ancho de banda pasobandas de 20MHz, que puede equivaler a todo el espectro de
FM. También se le programó una salida de tipo Complex float32. y esto se observó:
• Es algo perfectamente normal con un buen computador.
• Al correr el flujograma y observar los mensajes que aparecen en la ventana de texto in-
ferior del GRC, dice lo siguiente: decimation=dsp-rate/samp-rate: 5=100 MHz/20MHz.
Eso significa que la frecuencia de muestreo fija usada por el USRP es 100 MS/s
• Hay otro dato interesante en esa ventana de texto: The requested decimation is odd; the
user should expect CIC rolloff. Select even decimation to ensure that a halfband filter is
enable. Osea que se está pidiendo una decimación impar y que eso tiene consecuencias
en que el usuario P no reciba exactamente lo que espera, hay un filtro que no queda
bien cuadrado, entonces sugiere solicitar siempre decimación par para asegurar que se
activa un filtro pasobajas con un ancho de banda que es la mitad del ancho de banda
pasobandas programado en el bloque USRP Source.
• Se probó la misma configuración del USRP Source pero con salida tipo Complex Int16. Se
observó que:
• Aparecen los mismos mensajes de texto, luego, la frecuencia de muestreo no se altera,
es siempre 100 MS/s.
• Se probó la misma configuración con frecuencia de muestreo 10 MHz y salida Complex
float32. Funcionó a las mil maravillas.
float32, con lo cual se produce una decimación igual a 4. Funcionó bien durante unos
segundos, luego siguió funcionando, pero en la ventana de texto botando una advertencia
de Error: error in pthread-setschedparam. Digo que siguió funcionando, pero porqué vı́
que en el osciloscopio la señal continuaba apareciendo.
float32, con lo cual se produce una decimación igual a 1. No corre, la advertencia dice:
The hardware does not support the requested RX sample rate: Target sample rate:
100MSps, Actual sample rate: 50 MSps. Osea que el tope de frecuencia de muestreo que
podemos pedir es de 50 MHz, si pedimos más, el sistema redondea para entregar 50
MSps, si es que el computador los soporta. Pero hay que tener en cuenta que hasta la
misma velocidad del puerto Gigabit Ethernet puede ser un problema.
100
float32, No corre, dice que: Unable to set the thread priority. Performance may be
negatively affected. Error in pthread-setschedparam
float32. Funcionó con advertencias: Target sample rate: 24 MHz, Actual sample rate: 25
MHz. También mostró un error error in pthread-setschedparam
3.3. Cuidados con el uso de los equipos SDR

Es importante leer las instrucciones sobre los cuidados que se deben tener con los equipos
USRP. Usualmente estos mencionan los siguientes:
• Previsión de cargas electrostáticas que pueden dañar su equipo.

• Póngase en conexión a tierra sosteniendo algo que esté aterrizado, como por ejemplo el chasis
de su computador.
• Una conexión de transmisión/recepción en el mismo equipo debe realizarse con el cable
suministrado y a través del atenuador de 30 dB suministrado. El atenuador debe conectarse
directamente al puerto receptor.
• Se instala el software primero, antes de hardware.
• Si hace reinicio de PC, primero encienda el USRP, luego el PC.
Los siguientes son los cuidados que demandan más atención por el peligro de poder dañar las
tarjetas hijas:
• El receptor es un dispositivo extremadamente sensible y puede dañarse o deteriorarse fácil-

mente por mal uso. Contrariamente, el transmisor es un equipo de alta potencia, si se compara
con el receptor
• El uso natural del receptor serı́a el de recibir una señal inalámbrica que se ha propagado en la
distancia y consecuentemente se ha atenuado sensiblemente. Una señal de este tipo no pone
en peligro el receptor.
• Igualmente lo más natural serı́a usar el transmisor conectado a una antena para transmitir
en la distancia.
• El problema es que en condiciones de laboratorio puede dársele otros usos al transmisor y al

receptor, como estos:
• El transmisor se conecta directamente al receptor a través de un cable. En este caso, el
riesgo es para el receptor pues puede llegar a recibir una potencia más alta que la que
puede soportar. La prevención consiste en conectarle previamente al puerto del receptor
la carga del atenuador de 30 dB.
• El transmisor se usa sin antena, por ejemplo para observar en un osciloscopio la señal
que aparece en ese puerto. En este caso el receptor está en riesgo, pues la energı́a que
necesita ser emitida por la antena puede devolverse al transmisor y quemar el MOSFET.
Ese fenómeno se conoce como Onda Reflejada y consiste en que la energı́a que no pueda
ser emitida por una antena se devuelve al transmisor. Lo recomendable es que siempre
se tenga una antena conectada al puerto del transmisor.
101
3.4. Razonamiento sobre el teorema de Nyquist en SDR
El tı́tulo de este capı́tulo no significa que el Teorema de Nyquist cambia con el uso de gnu-
radio. Solo está orientado a brindar las siguientes orientaciones claves para usar este concepto
correctamente en gnuradio:
• El Teorema de Nyquist dice que si un señal continua, banda base, tiene una ancho de banda
BW, puede ser muestreada a una frecuencia de muestreo Fs que que es mayor o igual a dos
veces BW: Fs ≥ 2 BW
• Una señal puede ser bandabase por naturaleza, por ejemplo la voz y la mayorı́a de los mensajes
de información, pero también puede ser el resultado de hacer pasar una señal pasobandas,
con un ancho de banda B, por un Down Converter. En este caso BW = B2 , por lo tanto el
Teorema de Nyquist para este caso es ası́: Fs ≥ B
3.5. Equipo SDR para soluciones en modo embebido

[Falta]
3.6. Un sistema de Radiodifusión AM

[Aquı́ lo que se busca es llegar a usar el USRP, pero también poner todos los elementos que
estarı́a en un sistema radiodifusión de verdad, como los filtros, etc. Si esos elementos ya se usaron
en el capı́tulo de simulación, lo que resta es más que todo la configuración del USRP y métodos
para realizar las pruebas, pruebas de propagación, etc. Tenemos la duda, si vale la pena pasar
alguno de los subtemas al capitulo que habla de simulación en GNU Radio]
3.6.1. Modelo de capas

3.6.2. La capa del mensaje
3.6.2.1. mensaje Monofónico
3.6.2.2. mensaje stereo
3.6.3. La capa de modulación

3.6.4. La capa de pre-canal
3.7. Un sistema de Radiodifusion FM

[Se tienen las mismas dudas identificadas en la radio difusion AM]
3.7.1. Modelo de capas

3.7.2. La capa de modulación
3.7.3. La capa de pre-canal
102
Capı́tulo 4
Un Sistema de comunicación digital por cable
Hay varias técnicas usadas en las radio comunicaciones que tienen su origen en los sistemas
digitales de comunicación por medios guiados como la fibra óptica o el cable trenzado. Hemos
decidido agrupar estas técnicas en este capı́tulo por varias razones: primero por su importancia,
porque ası́ nacieron y ası́ se entienden mejor; segundo porque deseamos que el lector pueda ver
lo más pronto posible un sistema de comunicaciones funcionando en condiciones reales, lo cual
podemos lograr rápidamente si logramos obviar gran parte de las complejidades que provienen de
un canal inalámbrico. También es importante que podemos lograr esto sin dejar de usar equipos
SDR como los USRP ya que hay adaptadores de fibra óptica para equipos SDR y también es
posible la conexión de los equipos SDR por cable con señales pasobandas, pero es posible contar
con un bloque de GNU Radio que esconda los aspectos relacionados con señales pasobandas. En
todo caso, debemos ver este capı́tulo como una antesala a las comunicaciones inalámbricas que es
lo que atañe a esta obra, aunque también puede servir para las comunicaciones por fibra óptica
debido a la tendencia de usar SDR no solo en comunicaciones ópticas sino también en soluciones
ópticas en general1 .
4.1. Modelo de capas a seguir en la implementación

Contar con un modelo de capas para implementar un sistema de comunicaciones es cómo con-
tar con el diseño principal de ese sistema. Del modelo de capas se desprenden los requerimientos
para su construcción, pero también permite infinidad de posibilidades tanto en desarrollo como en
pruebas. Por ejemplo, si se cuenta con el modelo de capas de un sistema a desarrollar, es posible
desarrollarlo a varias manos, es decir, entre varias personas, usando las capas como piezas que van
a encajar en el modelo final. Los modelos de capas también facilitan encontrar fallas o errores, por
ejemplo analizando una capa o un conjunto de capas por separado, separando las que funcionan
bien de las demás. Además, ya se ha dicho que trabajar con modelos de capas le ayudará al lector
a fortalecer sus capacidades para usarlos como herramienta para comprender cualquier sistema de
comunicaciones por complejo que este sea.
En este capı́tulo se pondrán en práctica algunas de esas posibilidades. Comienza proponiendo

el modelo de capas como la solución general que se busca, para luego definir los requerimientos.
Seguidamente, el curso del desarrollo, el modelo se descompone en un sub modelo con un número
menor de capas para abordarlo como una solución más sencilla, agregando cada vez más capas
hasta alcanzar la complejidad que sea necesaria para la solución final. La programación con GNU
Radio y con GRC también se ve impactada con los modelos de capas ya que, como aporte a la
presente obra, hemos logrado crear una estrategia para que los flujogramas resulten organizados
por capas ordenadas y entendibles en contraste con los confusos flujogramas que se encuentra en
otras obras y en Internet.
El modelo que proponemos para realizar una implementación a lo largo del presente capı́tulo
se presenta en la Figura 1
1 Véase por ejemplo este enlace: https://www.rtlsdr.com/an-rtl-sdr-based-optical-laser-interferometer-implementation/
103
Figura 1: Modelo de capas para un sistema de comunicación digital por cable.
de la cual se desprenden varios requerimientos de diseño como los siguientes:

Se busca crear un sistema base que recibe señales binarias, aplicar algunos métodos de pro-
cesamiento y finalmente la modulación M-PAM para enviar información por cable para que
sea recibida por otro sistema similar en la parte receptora.
En la parte superior, en color amarillo, vemos que el sistema puede tener una capa de aplica-
ción que sirve para prestar diversos servicios como la posibilidad de transmitir la voz que se
captura desde el micrófono del computador y se puede reproducir en el punto final a través
de unas bocinas, pero también es posible otro tipo de aplicaciones como, por ejemplo, enviar
una imagen, un vı́deo, un documento, un texto, etc.
Los bloques que aparecen punteados, son de tipo software y es lo que deberemos desarrollar
usando GNU Radio.
En color verde tenemos el canal y aquellas técnicas que buscan adaptar la señal para que
pueda viajar por ese canal.
Vemos que a nivel de cada capa, las partes se entienden mediante algunas reglas que llamamos
protocolos. Por ejemplo, la persona que habla por el micrófono con otras distantes usa el
idioma español como protocolo, la capa PCM usa señales binarias como protocolo, etc.
Entre una capa y otra también hay intercambio de información y es lo que llamamos Interfase.
El sistema buscará aprovechar el ancho de banda que le ofrece el canal para transmitir la
mayor rata de bits posible.
En los siguientes capı́tulos se abordan más detalles del modelo.
4.2. La capa del canal

Vamos a comenzar la implementación desde la capa inferior, como se hace tradicionalmente,
aunque en principio cualquier orden es correcto. Para esta parte, nos vamos a basar en el modelo
de la Figura 2 el cual considera solo una parte de los requerimientos planeados en el modelo
general de la Figura 1. De manera que podemos ver este capı́tulo como una primera fase para la
implementación general que buscamos.
104
Figura 2: Modelo de capas para estudiar las técnicas básicas de canal
El desarrollo que buscamos consiste en generar, por software una señal binaria, para lo cual
usamos una fuente binaria. Luego, debemos realizar las adaptaciones que sean necesarias para que
esa señal pueda viajar por un medio guiado que puede ser un cable o una fibra óptica. A favor
contaremos con las facilidades que brinda la tecnologı́a SDR, como los equipos USRP, los cuales
solucionan el problema de llevar la señal por un cable desde el transmisor de un equipo USRP hasta
el receptor del mismo o de otro equipo USRP. Para realizar las transmisiones por Fibra Óptica
es necesario adquirir un adaptador de fibra óptica que igualmente se conecta al transmisor de un
equipo USRP y otro adaptador que se conecta al receptor del equipo USRP destinatario.
4.2.1. Aspectos básicos de un canal guiado

En este capı́tulo vamos a estudiar solo las caracterı́sticas del canal guiado con las que vamos
a enfrentarnos mediante técnicas que implementaremos dentro de lo que hemos llamado Técnicas
pre-canal y Técnicas post-canal. Se trata de caracterı́sticas que también se presentan en el canal
inalámbrico, de manera que este tema representa también, un avance para el estudio del canal
inalámbrico. La ventaja del canal guiado es que las señales que viajan sobre él están aisladas de
los complejos fenómenos presentes en el canal inalámbrico lo cual nos permite concentrarnos en un
reto más acotado.
A pesar del auge que tienen las comunicaciones sin hilos, el cable y la fibra óptica siguen siendo y
seguirán siendo imprescindibles sobre todo en las redes que brindan servicios a otras redes, como las
redes WLAN, las redes de transporte. Por ejemplo, lo que se conoce como troncales de cable subma-
rino y que une los continentes, estás son consideradas las redes más grandes y de mayor capacidad
del mundo y están basadas en fibra óptica, mientras que el cable es muy popular en lı́neas telefóni-
cas, en enlaces entre componentes de equipos, como los computadores, las pantallas, etc, pero es
también popular en las redes de datos de área local (LAN, del inglés Local Area Network), donde
se habla principalmente del cable trenzado no blindado (UTP, del inglés, Unshielded Twisted Pair).
El cable UTP lo hay de diferentes categorı́as como se muestra en la Tabla 4.1. Hay otro tipo de
Tabla 4.1: Estándares de cable trenzado
Categorı́a Número de par de hilos Velocidad de datos (MBps) aplicación

Categorı́a 1 2 1 voz/modem
Categorı́a 2 2 4 Token Ring
Categorı́a 3 4 16 Token Ring de alta velocidad
Categorı́a 4 4 20 Token Ring de alta velocidad
Categorı́a 5 4 100 100BaseTX Ethernet
Categorı́a 6 4 1000 1000NaseT 100 m run
cable que sı́ es blindado (STP del inglés shielded Twisted Pair) para soportar interferencias electro-
105
magnéticas. En cualquier caso, las principales caracterı́sticas del cable como canal de comunicación
son las siguientes:
Lo que el canal puede conducir son señales eléctricas. Esto ya marca un primer reto para un
sistema de comunicación digital: la necesidad de un dispositivo que traduzca lo que deseamos
enviar a una señal eléctrica.
El ancho de banda: El cable puede ser visto como un filtro que deja pasar un rango de
frecuencias. Ese ancho de banda depende de muchos aspectos como: el grosor del cable, el
tipo de metal usado, la longitud del cable entre otros.
El cable, visto como un filtro tiene una respuesta en frecuencias que no es plana, es decir que
no es la misma para todas las frecuencias.
Es afectado por el ruido.
Las señales se desvanecen con la distancia con lo cual cae la relación señal a ruido.
En la Figura 3 se muestra la respuesta en frecuencia para el cable categorı́a 5, al cual se le atribuye
un ancho de banda de 100 MHz. En el caso de la fibra óptica también existen diferentes tipos. Sin
Figura 3: Respuesta en frecuencia del cable categoria 5
fuente: electronics.stackexchange.com
embargo, para el tipo de desarrollo que estamos realizando, lo que debemos tener en cuenta es lo
siguiente:
Es importante destacar que aunque teóricamente la luz tiene capacidades infinitas, en la

práctica las emisiones por fibra óptica están limitadas a las capacidades de la fibra óptica
pero también de los equipos usados para montar información o una señal RF sobre un rayo
de luz que viaja sobre la fibra óptica. La principal limitación de esos equipos es el rango de
longitudes de ondas en el que puede operar para transmitir y recibir información.
En condiciones normales, cuando la fibra no se somete a condiciones extremas, vamos a
tener que enfrentar las condiciones similares a las del cable: tenemos limitaciones en ancho
de banda, bien sea debido a la calidad de la fibra, a las caracterı́sticas del dispositivo que
se adapta a nuestro equipo SDR o, en últimas, debido a las limitaciones de nuestro propio
106
equipo SDR. También observaremos la influencia del ruido debido a varios factores que van
desde el desvanecimiento que puede sufrir la señal en su viaje hasta la posible influencia de
los equipos usados.
Las diferencias con el cable las veremos principalmente en las magnitudes, ya que la fibra
óptica tiene un ancho de banda mucho más alto que el cable y una menor afectación por el
ruido.
Por lo anterior, la fibra óptica es en el fondo el medio más óptimo para los primeros pasos de
diseño que deseamos dar, para no enfrentarnos aún a complejos fenómenos de propagación.
Además, si la fibra óptica se usa con ciertas estrategias, podrı́amos recrear con ella, de
manera aislada, otros varios fenómenos propios de la propagación inalámbrica, como el jitter,
interferencias, no linealidades, desvanecimiento, etc.
4.2.2. La necesidad de un Filtro de Transmisión
Figura 4: La necesidad de pulsos continuos en una comunicación de datos discretos
Supongamos que se tiene una computadora y esta debe enviar información binaria hacia otra
computadora mediante un cable de cobre, como se muestra en la Figura 4. El cable impone in-
mediatamente unos retos para la comunicación, en primer lugar las señales que puede conducir
deben ser señales eléctricas, entonces se hace necesario un proceso que permita traducir la infor-
mación binaria en pulsos eléctricos. Eso es lo que llamamos Formación de pulsos o en inglés ”Wave
Forming”, pero también se usa el término ”Pulse Shaping”. También hay varios nombres para los
dispositivos que realizan esta operación, pero podemos generalizarlos como Filtro de Transmisión.
El problema es que ese Filtro puede tener otros elementos que van más allá de la formación de
pulsos, como por ejemplo, puede incluir aspectos relacionados con el acoplamiento, por lo tanto lo
veremos más usualmente como dispositivo ”Formador de Pulso”.
Pueden haber varias causas para darle forma a los pulsos, pero esencialmente es la necesidad
de adaptar la información a unas condiciones que impone el canal. En este sentido, sobre un cable
las señales viajan en forma de pulsos eléctricos limitados a las condiciones del cable. El problema
aparece no solo en las comunicaciones por cable, sino incluso cuando el canal es inalámbrico, por-
que la información debe ser montada de alguna manera sobre una onda electromagnética, en una
banda limitada en ancho de banda y centrada en la frecuencia de la portadora usando técnicas de
SDR, donde entra en juego el Up-converter y la antena para realizar gran parte del trabajo, pero
en todo caso, debemos entregar las formas de onda apropiadas al Up-converter para que pueda
realizar ese trabajo.
Las primeras soluciones ha comenzado por usar pulsos con forma cercana a la rectangular, como
las mostradas en la Figura 4, ya que en la práctica no existen pulsos idealmente rectangulares. pero
107
más adelante veremos aproximaciones más modernas como el Filtro de Nyquist y el Filtro Coseno
Alzado.
4.2.3. El reto que impone el fenómeno de desvanecimiento

La dificultad surge con la permanente presencia de ruido en un canal de comunicaciones como
se muestra en la Figura 5. Cuando la señal emitida se va desvaneciendo en su trayectoria, disminuye
la relación señal a ruido que se percibe en el receptor. En la Figura 5 este efecto se muestra para
el caso de una señal binaria bipolar. Como consecuencia del ruido blanco, en el domino de las
Figura 5: Afectacion de la relación Señal a Ruido por el efecto de desvanecimiento
frecuencias el espectro tiende a diluirse dentro del ruido como se muestra la Figura 6
Figura 6: PSD comparativa para señales binarias con y sin ruido
4.2.4. La Regeneración de Bits

En la Figura 7 se tiene un esquema que muestra el proceso de Formación de los Pulsos, su
paso por un canal de Ruido Blanco Aditivo Gaussiano. El reto ahora está en la parte receptora
donde se hace necesario identificar, en medio del ruido, la información original. La solución más
sencilla consiste en realizar un muestreo a la señal recibida cada Tb segundos para lograr obtener
una muestra para cada bit, que luego es llevada a un bloque Decisor, donde es comparada contra
un umbral de decisión para establecer que se trata de un 1 o un 0.
4.2.5. La Interferencia Inter sı́mbolo

Las señales de forma rectangular tienen la desventaja de ocupar un gran ancho de banda. Es
posible tratar de limitar ese ancho de banda, como se muestra en la Figura 8, donde a mano
izquierda vemos la PSD comparativa y, a mano derecha, podemos ver que la señal en el tiempo,
debido a las limitaciones de ancho de banda, tiende a desfigurarse. Podemos ver lo siguiente: por
un lado, los bits pueden seguir siendo distinguibles; por el otro, vemos que los bits tienden a invadir
bits vecinos, lo cual se conoce como Interferencia Intersı́mbolo (ISI). En la Figura 9 se muestra
108
Figura 7: Regeneración de bits
Figura 8: Señal ideal versus señal limitada en ancho de banda
un ejemplo de lo significarı́a hacer pasar una señal binaria con formas rectangulares por un filtro
que restrinja notablemente el ancho de banda. Podemos apreciar como la energı́a de un bit afecta
al bit vecino. En la parte receptora, para intentar recuperar los bits, es posible muestrear la señal
recibida en los intervalos de muestreo que presenta la figura 9 para obtener la mejor aproximación
de la señal original y poder regenerar los bits, por ejemplo comparando cada muestra con el nivel
de amplitud cero. Osea que si la muestra tiene un valor mayor a cero es un uno, de lo contrario
es un cero. Sin embargo, observamos que se pueden presentar errores, los cuales pueden agravarse
aún más ante la presencia de ruido y distorsiones propias de un canal real.
Cuando entra en juego el ruido, el problema se agrava más aún como se muestra en la tercera
parte de la Figura 9.
4.2.6. El Diagrama de Ojo

Cuando las señales sufren deformación por ruido y por ISI se vuelve casi imposible poder
apreciar la calidad de la señal de manera directa. El Diagrama de Ojo viene a ayudar a resolver el
problema de visualización de esas afectaciones. Lo que hace es tomar la señal, dividirla en ventanas
de observación de duración Tb o 1,5 Tb 2 Tb y tomar una imagen. Luego superpone todas imágenes
de las observaciones para obtener la figura que conocemos como Diagrama de Ojo. En la página
web del libro se tiene un vı́deo sobre ClearCurve que explica muy bien lo que significa el diagrama
de Ojo. El enlace es el siguiente
https://sites.google.com/saber.uis.edu.co/comdig/m/wf
La figura 10 explica las partes del ojo.

En la Figura 11 se tiene una comparación entre el Diagrama de Ojo de una señal binaria aleatoria
de forma casi rectangular, a la izquierda acotada a un ancho de banda igual a BW = 2Rb . En la
Figura 12 se comparan otros dos casos de la misma señal: cuando el ancho de banda es BW = Rb /2
y cuando BW = Rb /2, 5. Como podemos ver, para el caso de BW = Rb /2 el Diagrama de Ojo
muestra que aún existe un instante casi libre de interferencias, lo cual lo hace viable. En cambio
109
Figura 9: Comparación de una señal aleatoria bipolar de forma ideal con la forma que puede
tomar al acotar su ancho de banda
Figura 10: Diagrama de Ojo.
fuente: Tomado del Libro de Haykin
Figura 11: Diagrama de ojo de una señal binaria aleatoria.
a) Caso en que BW = 2Rb b) Caso en que BW = Rb
para el caso de BW = Rb /2, 5 vemos que ya es inviable.
110
Figura 12: Diagrama de ojo de una señal binaria aleatoria.
a) Caso en que BW = Rb /2 b) Caso en que BW = Rb /2, 5
La consecuencia de restringir el ancho de banda debe ser visto junto con la influencia que causa
el ruido blanco. En la Figura 13 se tiene la comparación entre la señal de forma rectangular sin
ruido, a la izquierda, con ruido, a la derecha.
Figura 13: Diagrama de ojo de una señal binaria aleatoria de forma rectangular.
a) Sin ruido b) Con ruido
En la Figura 14 se continúa la comparación con los casos vistos anteriormente conservando las
mismas condiciones de ruido para cada caso. En conclusión, hemos podido comprobar experimen-
talmente, que:
Las señales de forma rectangular al tener un ancho de banda mayor que las demás, arrastran
consigo todo el ruido que se encuentra en ese ancho de banda. Por eso vemos que resultan
más afectadas por el ruido que los demás casos.
Vemos que cuando el ancho de banda es inferior a Rb/2 la ISI es de tal tamaño que no deja
un instante libre de interferencias que permita soñar con la posibilidad de poder regenerar
los bits.
4.2.7. El Formador de pulsos semi-rectangulares

Implementar un formador de pulsos rectangulares es de gran importancia para propósitos
pedagógicos y puede servir como base para comprender los demás casos de Filtros Formadores de
Pulsos.
4.2.7.1. Implementación Continua

Se trata de una implementación más bien teórica que brinda información clave para la imple-
mentación en el mundo real. Como se muestra en la Figura 15 la idea comienza por usar deltas para
representar la señal de la información binaria. De esta manera, podemos usar un sistema LIT que
111
Figura 14: Diagrama de ojo de una señal binaria aleatoria con ruido y diferentes anchos de banda
a) BW = 2Rb b) BW = Rb
c) BW = Rb /2 d) BW = Rb /2,5
Figura 15: Formador de pulsos rectangulares
tenga la respuesta al impulso en forma de una ventana rectangular, para que a la salida tengamos
la señal con forma de pulsos rectangulares.
4.2.7.2. Implementación Discreta
Figura 16: Formador de pulsos rectangulares discretos
112
Debemos tener en cuenta que en los sistemas discretos, como es el caso de los que se montan en
GNU Radio, cada bit es representado como un delta discreto, con amplitud 1 para los unos y con
amplitud -1 ó 0 para los ceros. De manera que el sistema de Formación de Pulsos Rectangulares
Discretos es un sistema LIT con una impulso discreto h[n] que tiene la forma de una ventana
rectangular discreta como se muestra en la figura 16.
El problema de esta implementación consiste en que estamos incumpliendo el Teorema de Nyquist,
ya que si una señal binaria aleatoria tiene un ancho de banda infinito, pues la frecuencia de muestreo
deberı́a se al menos 2 veces infinito. En el mundo real, los sistemas de comunicación implementados
Figura 17: Relación entre el Formador de pulsos y el DAC
con métodos discretos deben terminar en que deben entregar una señal a un Conversor Digital
Análogo o DAC, de manera que al darle una forma a los pulsos no estamos haciendo otra cosa
que adaptando la señal para que sea entendida por el DAC, como se muestra en la Figura 17.
También vemos que la salida del DAC no es una señal idealmente rectangular y eso es debido a
que lo anteriormente mencionado, que la frecuencia de muestreo que hemos usado no es la de una
señal con formas rectangulares ideales.
Figura 18: Relación entre el Formador de pulsos y el DAC
Por la misma razón, la PSD está acotada en el dominio de las frecuencias a un ancho de banda
igual a SpsRs/2 como se muestra en la Figura 18, donde Sps es el número de muestras por sı́mbolo,
que en este caso son 4 muestras por bit.
4.2.8. El Criterio de Nyquist

El problema que intentamos resolver ahora es el siguiente: Sabemos que si intentamos enviar
una señal binaria aleatoria con formas rectangulares no vamos a tener éxito ya que la PSD de
ese tipo de señales tiene la forma mostrada en la Figura 6 y ocupa un ancho de banda infinito.
También hemos visualizado la posibilidad de acotar ese ancho de banda, dejando aún la posibilidad
de reconocer los bits a costa de tener que lidiar con ISI. En el capı́tulo anterior hemos observado
que con un cierto rango de valores para el ancho de banda BW es posible conservar al menos un
instante de cada bit libre de ISI. Las preguntas que surgen ahora es: ¿Cuál es el lı́mite que podemos
alcanzar en términos de restricciones a ese ancho de banda? ¿Cuál es la forma que toman los pulsos
113
con esas restricciones? ¿Cómo generar esos pulsos?.
La forma de la transformada de Fourier de un pulso analı́tico o teórico, guarda relación con la

forma de la PSD de una señal digital aleatoria representada por esos mismos pulsos. Por ejemplo,
si se tiene una señal rectangular y se conoce la TF, entonces cuando se tiene una señal digital
aleatoria, expresada por pulsos rectangulares aleatorios, la PSD también va a tener una forma
parecida a la TF de un pulso rectangular.
La Tabla 4.2 ha sido preparada para comprender mejor lo anterior. En la parte superior de la
tabla está la forma más conocida de un pulso, se trata del pulso rectangular. También se presenta
allı́ su forma equivalente en el dominio de las frecuencias de acuerdo a la Transformada de Fourier.
Los siguientes son los detalles a destacar:
• En el dominio del tiempo la señal es rectangular y está acotada a la duración Tb seg. En el

dominio de las frecuencias en cambio, tiene forma de función sinc y tiene un ancho de banda
infinito.
• Por lo anterior, este pulso ocupa un ancho de banda infinito
El espectro pasa por cero en las frecuencias que son múltiplo entero de 1 sobre la duración del
pulso Tb , osea por kRb = Tkb , donde k es un número entero. También vemos que el espectro
tiene cualquier cantidad de lóbulos de duración Rb , pero el lóbulo central tiene doble duración,
lo que equivale a considerar que allı́ hay dos lóbulos seguidos.
• Si el impulso en el tiempo tiene amplitud A y duración Tb , el espectro tiene una amplitud
igual a ATb
En la misma Tabla 4.2, debajo del pulso rectangular se tiene el caso contrario, donde la señal
que en el tiempo tiene forma de función sinc, de duración infinita y con amplitud igual a ARb .
Entonces, por la propiedad de Dualidad de la Transformada de Fourier, se tiene que la TF es una
pulso cuadrado en el dominio de las frecuencias, de altura A y un ancho de banda acotado, ya que
ese pulso tiene un ancho igual a Rb .
Pero las señales anteriores son determinı́sticas. En la práctica, sobre todo en las comunicaciones,
las señales que llevan información son aleatorias. En la segunda parte de la Tabla 4.2 se tiene
dos casos equivalentes a los vistos anteriormente. En primer lugar vemos una señal de pulsos
rectangulares, pero aleatoria. Como estamos tratando con señales aleatorias, ya no podemos hablar
de TF sino de PSD. Pero casualmente, la PSD de esta señal coincide en cierta forma con la TF
de un pulso determinı́stico, pero la altura ahora A2 Tb . De manera similar, como se muestra más
abajo, es posible generar una señal binaria con pulsos aleatorios con forma sinc y en este caso, la
PSD tiene forma rectangular.
Lo más destacable de este razonamiento es lo siguiente:
• Existe una relación entre la TF de una señal determinı́stica y la PSD de una señal donde esa
señal determinı́stica aparece aleatoriamente en un secuencia determinada.
Ya hemos dicho muchas veces que la PSD de una señal binaria bipolar con rata de bits Rb = T1b
tiene la forma de la función sinc() al cuadrado, que se presenta en la Figura 6.
La búsqueda de una respuesta a la pregunta realizada al comienzo de este capı́tulo permite ima-
ginar que la señal que buscamos podrı́a tener la forma de la Figura 19, ya que estarı́a acotada en
el ancho de banda, pero está libre de ISI en un instante de tiempo de cada bit.
Está demostrado 2 que tiene la forma para un bit que hace que la señal binaria aleatoria tenga la
máxima restricción en ancho de banda conservando un instante libre de ISI por bit, es la forma de
una función sinc().
114
Tabla 4.2: Paralelo entre TF pulsos y PSD de pulsos aleatorios
Transformada de Fourier de una señal analı́tica x(t)
PSD de una señal de pulsos aleatoria
4.2.9. El Filtro de Nyquist

4.2.9.1. Implementación en forma continua
El Filtro de Nyquist, también conocido como Canal de Nyquist, puede ser visto como el sistema
115 responde con una salida en forma de función
que ante una entrada en forma de pulso rectangular
2 Simon Haykin [Haykin, 2001], 2001 pág 261-267
Figura 19: Comparación de una señal aleatoria bipolar de forma ideal con la forma que puede
tomar al acotar su ancho de banda, de manera que quede libre de ISI en algunos instantes
Figura 20: El Filtro de Nyquist implementado mediante un Sistema LIT
sinc(..). A continuación se brinda una solución teórica, en el dominio de tiempo continuo, pero que
da claras luces para una implementación práctica en el dominio de tiempo discreto. La idea con-
siste en contar con un sistema lineal e invariante en el tiempo (LIT) con una respuesta al impulso
t
h(t) = sinc( ). Para que la idea funcione, es necesario convertir de alguna manera los pulsos
Tb
rectangulares correspondientes a la señal digital en impulsos tipo Aδ(t), donde A = 1 para los 1 y
A = −1 para los ceros. En la Figura 20 se presenta un ejemplo para el caso en que la señal digital
es binaria corresponde a los datos 1 0 1 1 0 1 0. Cabe aclarar que la señal de salida en la Figura 20
se ha realizado con propósitos pedagógicos para mostrar como se superponen los diferentes pulsos
que se van generando a la salida del sistema LIT, está claro que en la práctica lo que aparece es
una sola señal que es la suma de todos los pulsos. Lo importante es lograr que en la señal de salida,
cada Tb se logre identificar el valor de un bit, gracias a que hay un instante, en la duración de ese
bit, que esta libre de ISI, ya que no está interferido por las señales que corresponden a los demás bits.
116
Solo resta definir cual es la respuesta al impulso del sistema LIT. Ya se ha dicho que los pulsos
tienen que tomar la forma de una función sinc(..). Como se aprecia en la Figura 20, los pasos por
cero deben darse cada periodo de tiempo Tb de modo que la respuesta al impulso es la siguiente:
t
h(t) = sinc( ) (4.1)
Tb
En la representación gráfica de la Figura 21, vemos que la Respuesta al impulso del Filtro de
Nyquist se extiende desde −∞ hasta ∞.
Figura 21: Respuesta al Impulso del Filtro de Nyquist
4.2.9.2. El Filtro de Nyquist en versión Discreta

La idea es la misma usada en la implementación de un Formador de Pulsos Rectangulares
Discretos que ya se explicó anteriormente. La diferencia solo está en la forma de la respuesta al
impulso del sistema LIT, que debe ser la que se muestra en la Figura 22. En la Figura 23 se presenta
un ejemplo de la implementación cuando la señal binaria aleatoria es:1011010
Figura 22: Respuesta al impulso discreta para el Filtro de Nyquist
Figura 23: Implementación del Filtro de Nyquist
El único problema que queda en el aire con esta implementación consiste en que la respuesta
al impulso que hemos propuesto para la implementación práctica no puede tener una duración
117
infinita. Esto, si bien no tiene repercusiones en el dominio del tiempo, impacta a la respuesta en
frecuencias ya que puede no ser la esperada, que es idealmente rectangular.
En adelante W = R2b es el ancho de banda según el criterio de Nyquist:
sin(2πW t)
h(t) = sinc(2W t) = (4.2)
2πW t
El paso a la versión discreta puede hacerse teniendo en cuenta que t = nTs , donde Ts es el
Tb
periodo de muestreo, Ts = Sps , donde Sps (Samples per symbol) es el número de muestras que
caen en la duración del bit.
nTb n n
t = nTs = = = (4.3)
Sps Rb Sps 2W Sps
De modo que
2W n n
h[n] = sinc( ) = sinc( ) (4.4)
2W Sps Sps
Con lo cual se concluye que: El mı́nimo ancho de banda que requiere una señal binaria banda
base es W = R2b , lo cual es lo mismo que decir que la rata máxima de bits que puede enviar
representados en una señal binaria por un canal banda base con Ancho de Banda W es Rb=2W.
Es esta expresión en que el criterio de Nyquist se parece al Teorema de Nyquist, pero son cosas
diferentes.
4.2.10. El Filtro Coseno Alzado

El Filtro de Nyquist presenta algunos problemas: se trata de un filtro ideal y por lo tanto su
implementación en la práctica serı́a apenas una aproximación. Sin embargo, este criterio ha esta-
blecido una meta que permite a los cientı́ficos buscar soluciones que se acerquen a este criterio.
El codificador Duobinario es un filtro que logra ese objetivo, sin embargo, es más común el uso
del filtro Coseno elevado, que no logra el mismo resultado, pero tiene mayor acogida por su sencillez.
Es posible superar las dificultades prácticas que se encontraron con el filtro de Nyquist o canal
de Nyquist ideal extendiendo el ancho de banda desde W hasta un valor ajustable entre W y 2W.
recordemos que W = Rb 2 corresponde al criterio de Nyquist.
Ası́, el Filtro Coseno Elevado tiene la respuesta al impulso
cos(α2πW t)
h(t) = sinc(2W t) (4.5)
1 − 16α2 W 2 t2
En esta expresión, el denominador puede dar cero, cuando 1 − 16α2 W 2 t2 = 0, es decir, cuando
1
α = 4W t . Por ello se usa también la expresión
 π 1 1 Tb
 4 sinc( 2α ) , t = ± 4αW = 2α
h(t) = (4.6)
cos(απ2W t)
sinc(2W t) 1−16α , otros casos

2 W 2 t2
Pasándola al dominio discreto, como se hizo para el criterio de Nyquist se obtiene



π 1
4 sinc( 2α ) , n = ± Sps
2α
h[n] = (4.7)
sinc(n/Sps) cos(απn/Sps)2

, otros casos
1−(2αn/Sps)
α es conocido como el rolloff factor, que en español significa factor caı́da. En GNU radio se usa
el término en inglés. La respuesta en frecuencias del filtro Coseno Alzado está dada por la siguiente
118
Figura 24: Respuesta al impulso del Filtro Coseno Alzado para diferentes valores de α
expresión:


 1 , |f | ≤ W (1 − α)



1

H(f ) = π (4.8)
 2
[1 + cos( 2W α [|f | − W (1 − α)])] , W (1 − α) < |f | ≤ W (1 + α)




0 , resto

El caso más común es cuando α = 1 y se dice que se tiene el coseno elevado con toda su caı́da
(full rolloff). Con el full rolloff la respuesta en frecuencia es:
1 πf
H(W ) = [1 + Cos( )], 0 < |f | < 2W, 0 para otros valores de f (4.9)
4W 2W
En todo caso, la respuesta en frecuencia para otros valores se puede tomar de la Figura 25.
Figura 25: Respuesta en frecuencia del Filtro Coseno Alzado para varios valores de α
Con el filtro Coseno Elevado se requiere entonces un ancho de banda igual a Rb para α = 1 .
Con GNU Radio usualmente se emplea este filtro con un rolloff de α = 0, 5 o de α = 1. 3
De lo anterior se deduce que el ancho de banda de la señal que entrega un formador de pulsos
basado en un Filtro Coseno Alzado se calcula de la siguiente manera:
BW = W (1 + α) (4.10)
3 Ver más detalles en el libro de Haykin [17], capı́tulo 4.5, página 261
119
donde W es el Ancho de Banda de Nyquist y se calcula ası́:
W = Rb /2 (4.11)
En GNU Radio se usa tanto el término Roll Off Factor como Excess Bandwidth para hacer
referencia al mismo coeficiente. El término Excess Bandwidth se refiere al número de veces que el
ancho de banda elegido supera al ancho de banda de Nyquist W.
4.2.11. Implementación en GNU Radio

Pueden haber muchas maneras de implementar el concepto en GNU Radio, de manera que nos
limitaremos a mostrar una posible realización que hemos implementado para los propósitos de esta
obra.
4.2.11.1. Dominio del tiempo

En la Figura 26 se presenta un ejemplo en el que se generan en paralelo 4 tipos de formas de
pulsos a partir de una señal de datos binarios Para esta solución podemos resaltar lo siguiente:
Figura 26: Flujograma para generar varias formas de pulsos
Flujograma usado: waveformign.grc
Como entrada hemos usado una fuente vectorial que nos brinda la posibilidad de decirle que
nos genere una combinación deseada de unos y ceros repetitivamente
Como sistema LIT, en el GRC de GNU Radio nos puede servir el bloque Ïnterpolating FIR
Filter se configura ası́:
2
• Taps: Recordemos que en términos de GNU Radio, los ”Taps”son cada una de las
muestras de la respuesta al impulso para un filtro.
• Interpolation: Como se ha visto en el capı́tulo anterior, por cada muestra de entrada
que recibe el Wave Forming entrega Sps muestras a la salida, por lo tanto, este bloque
eleva Sps veces la frecuencia de muestreo de la señal. A esto se refiere GNU Radio con
el parámetro Interpolation.
• Los bloques ”Delay”los hemos puesto solo por estrategia de visualización.
En la Figura 27 vemos un comparativo entre la señal binaria y la que entrega el Filtro Formador
de Pulsos donde podemos observar lo siguiente:
120
Figura 27: Comparación entre la señal entrante y las salientes de varios tipos de Filtros
Formadores de Pulsos
Flujograma usado: waveforming.grc
Las señales a las salidas de los filtros tiene la misma rata de bits, pues vemos el mismo número
de bits en el tiempo de 0, 5mseg, pero las salidas parecen señales continuas con respecto a la
entrada, en realidad tienen una frecuencia de muestreo Sps veces mayor. En el ejemplo dado
Sps = 8.
En este ejemplo hemos incluido un filtro que no se ha visto aún, el RRC, que es tema del
siguiente capı́tulo.
El bloque ”Python Module”sirve para programar en él las funciones que generan las respues-
tas al impulso para diferentes filtros, para el caso dado, se tienen las siguientes funciones:
• wform.nyq(Sps,ntaps): Genera el vector de valores de la respuesta al impulso del

Filtro de Nyquist, para un número determinado. ntaps es el tamaño del vector, Sps es
el número de muestras por sı́mbolo.
• wform.rcos(Sps,ntaps,rolloff1): Lo mismo pero para el Filtro coseno Alzado, para
un valor determinado de rolloff.
• wform.rect(Sps): lo mismo, para generar formas rectangulares.
4.2.11.2. Código usado para generar las respuestas al impulso de un Filtro de Nyquist
y un RC
A continuación se presenta el código desarrollado en Python para el Módulo ”Python Module”
121
import math
import numpy
###########################################################################
## Forma rectangular ##
###########################################################################
def rect(Sps):
return Sps*[1.,]
###########################################################################
## Filtro de Nyquist ##
###########################################################################
def nyq(Sps,ntaps):
n=numpy.linspace(-int(ntaps/2), int(ntaps/2-1),ntaps)
h=numpy.sinc(n/Sps)
# return h/numpy.amax(h)
return h
##########################################################################
## Filtro Coseno Alzado ##
##########################################################################
def rcos(Sps,ntaps,beta):
if beta==0:
h=nyq(Sps,ntaps)
else:
h=ntaps*[0,]
for n in range(ntaps):
k=n-ntaps/2. # Asi h[n] quedara centrada en la mitad del vector
if abs(k)==Sps/(2.*beta):
h[n]=numpy.sinc(1./(2.*beta))*math.pi/4.
else:
h[n]=numpy.sinc(k/Sps)*math.cos(beta*k*math.pi/Sps)/
(1.-(2.*beta*k/Sps)**2)
Amp=numpy.amax(h)
return h/Amp
4.2.11.3. Diagramas de Ojo

Las Figuras 28 y 29 presenta el Diagrama de Ojo para diferentes casos, de donde podemos
concluir lo siguiente:
Figura 28: Diagrama de Ojo para dos tipos de Formadores de Pulsos
a) Filtro de Nyquist b) Filtro coseno alzado, rolloff=1.0
En todos los casos observamos un instante que está libre de ISI.

En el caso del Filtro de Nyquist el costo de alejarse del instante de muestreo libre de ISI es
más alto que en los casos en que se usa el Filtro Coseno Alzado y disminuye a medida que
122
Figura 29: Diagrama de Ojo para dos tipos de Formadores de Pulsos
a) Filtro Coseno Alzado, rolloff=0,5 b) Filtro coseno alzado, rolloff=0,35
aumenta el rolloff.
4.2.11.4. Dominio de las frecuencias

Para obtener una comparación en el dominio de las frecuencias, hemos modificado la fuente, para
que sea una fuente binaria aleatoria bipolar. También hemos reemplazado el bloque de visualización
en el tiempo por uno que muestra la PSD, como se muestra en la Figura 30. Los resultados se
Figura 30: Flujograma para obtener comparaciones en el dominio de las frecuencias
Flujograma usado: waveforming psd.grc
presentan en la Figura 31 donde podemos observar que:
El caso de las formas rectangulares ocupa todo el espectro que está entre la −samp rate/2
y samp rate/2, donde samp rate es la frecuencia de muestreo de la señal.
Vemos que en principio el Filtro de Nyquist es realizable aunque no de manera ideal.
El Filtro Coseno Alzado responde de una manera muy cercana a lo previsto teóricamente
para un valor determinado de rolloff.
4.2.12. El Filtro de acoplamiento

Los filtros de acoplamiento son totalmente necesarios en un receptor de señales digitales. A
continuación, se describe el problema que conlleva a su uso. Este tema se analiza aquı́ para las
señales binarias, pero fácilmente puede deducirse que aplica para sı́mbolos de cualquier señal di-
gital basada en constelaciones. La figura 32 resume de la manera más sencilla posible como una
señal digital binaria emitida g(t) desde un transmisor es afectada por ruido blanco aditivo, antes
123
Figura 31: Comparación en el dominio de las frecuencias de diferentes tipos de Formadores de
Pulsos
Flujograma usado: waveforming psd.grc Disponible en la pagina web del libro.
de pasar a un sistema de regeneración que se encuentra en el receptor. El sistema presentado en la

figura sugiere la necesidad de usar un Filtro Lineal e Invariante en el Tiempo (LIT) para atenuar
el efecto del ruido o para lograr elevar de alguna manera la relación señal a ruido antes de tomar
una decisión sobre la presencia de un uno o un cero en un instante determinado.
Figura 32: Receptor Lineal
Usualmente la señal recibida pasa por una etapa de acondicionamiento que permite resaltar
un instante de tiempo, dentro de la duración de cada bit, en el cual la relación señal a ruido es
máxima.
La pregunta que surge es: ¿Para las condiciones dadas, cómo deberı́a ser ese filtro LIT?
La respuesta y(t) del filtro es la suma de la respuesta g0 (t) a la señal útil g(t) y la respuesta n(t)
que resulta al pasar el ruido blanco w(t) a través de ese filtro, todo esto observado en la duración
T de un bit. Estamos suponiendo que a la entrada del Formador de Pulsos se tiene información en
forma de bits, pero el análisis igual aplica para cuando allı́ se tienen sı́mbolos que pueden incluso
ser complejos, como los que entrega un modulador banda base: Entonces tenemos que:
y(t) = g0 (t) + n(t), 0 ≤ t ≤ T (4.12)
124
Figura 33: El Filtro de Acoplamiento y su posición respecto a otros elementos cercanos al canal
Sea η la relación entre el valor que toma g0 (t)en el instante óptimo T para el muestreo y la
media cuadrática o potencia media del ruido. Se conoce mejor como Relación Señal a Ruido del
Pulso Pico:
|g0 (T )|2
η= (4.13)
E[n2 (t)]
En el libro de Haykin [Haykin, 2001] se realiza un análisis para determinar la respuesta óptima
hopt (t) para el Filtro LIT que debe ser usado en el receptor para lograr el máximo valor antes
de pasar al proceso de regeneración de bits o sı́mbolos. Lo que allı́ se logra demostrar es que
para que η = ηmax , la respuesta al impulso debe ser hopt (t) = kg(T − t) o en el dominio de las
frecuencias para η = ηmax , hopt (f ) = kG(f )e−j2πf T donde Hopt (t) es la transformada de Fourier
de hopt (t), G0 (f ) es el conjugado de la transformada de Fourier de g0 (t).
Z
y(t) = x(t) ∗ h(t) = x(τ )h(t − τ )dτ (4.14)
En la práctica se pueden usar los lı́mites de integración entre −∞y∞, pero también entre 0 y T
si se desea reiniciar el proceso cada vez que ingresa un nuevo sı́mbolo. En conclusión, la respuesta
al impulso más óptima para el filtro, en las condiciones dadas, excepto por el valor de escala k, es
la versión reflejada y atrasada de g(t) que representa la forma del pulso elegida para transmitir los
sı́mbolos de información que usualmente son bits. También puede decirse que en lugar de un Filtro
LIT es posible usar un bloque que realiza la correlación que puede haber entre x(t) y g(t).
Z
y(t) = x(t)oh(t) = x(t)h(t + τ )dτ (4.15)
Por esta razón se habla de acoplamiento entre la señal emitida y la usada en la recepción co-
mo respuesta al impulso para el Filtro LIT. También es claro que la autocorrelación es la misma
convolución cuando h(t) tiene una forma simétrica
En una aplicación práctica podemos olvidarnos del desplazamiento T ya que solo tiene el efecto
de producir un retardo en la respuesta, de modo también resulta válido decir que la operación de
correlación entre la señal recibida y la forma de pulso g(t) usada en la transmisión, es la forma más
óptima para eliminar el ruido blanco. También podemos decir que si g(t) tiene una forma simétrica
en el tiempo, se puede usar la operación de convolución en lugar de la correlación.
125
4.2.12.1. Filtro de acoplamiento de pulsos rectangulares
Aquı́ se analiza el caso ideal en que una señal pudiese ser emitida con una forma rectangular de
Amplitud A y duración T. La siguiente figura muestra lo que ocurre cuando una señal rectangular
g(t) llega al receptor y luego pasa por el filtro de acoplamiento, se produce entonces la señal trian-
gular g0 (t) que tiene un máximo en T igual a kA2 T . También es posible deducir que es posible
lograr un acoplamiento similar usando, en calidad de filtro, un integrador que se carga durante la
señal y luego se descarga. En ambos casos el mejor instante para el muestreo es T.
Figura 34: a) Pulso Rectangular; b) Salida del Filtro de Acoplamiento; c) Salida del Integrador
El uso de un circuito de integración y descarga se muestra en el siguiente diagrama de bloques.
Figura 35: Filtro de acoplamiento basado en un circuito de Integración y Descarga
En la Figura 36 se presenta el diagrama de ojo que ha sido obtenido en GNU Radio a la entrada
y salida de un filtro de acoplamiento para señales digitales con forma rectangular y en presencia
de ruido blanco. De aquı́ podemos deducir que:
El filtro de acoplamiento permite abrir sensiblemente el ojo, liberándolo, del ruido blanco.
126
Figura 36: Diagrama de Ojo Antes y despues del acoplamiento
a) Antes del acoplamiento b) Despues del acoplamiento
Con la aplicación del Filtro de acoplamiento las señales cuadradas pasan a ser comparables
con las producidas por otros Formadores de Pulsos en el sentido que ahora solo hay un
instante en cada pulso libre de ISI.
4.2.12.2. Filtro Raı́z Cuadrada de Coseno Alzado

Anteriormente se discutió el Filtro de Nyquist y el Filtro Coseno Alzado. El problema que surge
ahora es: Si el transmisor usa un filtro de esos, ¿Cuál serı́a el filtro de acoplamiento a usar en el
receptor?
De acuerdo a la teorı́a vista sobre Filtro de acoplamiento, el filtro de acoplamiento a usar en

el receptor debe tener, como respuesta al impulso, una forma reversa y atrasada de la forma de
los pulsos usados en la transmisión. El problema que ahora es que si bien vamos a disfrutar de
un buen acoplamiento para atenuar el ruido, se está echando a perder la funcionalidad primaria
del filtro. Esto es debido a que en el regenerador de bits, en receptor, se ve perjudicado, pues a
su entrada se espera una señal que proviene de un generador de pulsos que garantiza un instante
libre de ISI. Pero ahora no es ası́, ya que tenemos dos Filtros similares conectados en serie en vez
de uno. Esto se puede observar en el flujograma propuesto en la Figura 37 donde, además hemos
incluido un canal AWGN para poder ubicar mejor al lector.
Figura 37: Flujograma que muestra la presencia de dos Filtros Formadores de Pulsos en Serie
Flujograma usado: Acoplam nyquist nyquist.grc
Además, hemos configurado el canal a cero ruido y hemos obtenido los diagramas de ojo que
se presentan en la Figura 38, de los cuales podemos observar lo siguiente:
En la parte receptora, el parámetro “Interpolation”se configura con el valor 1 ya que en este
caso no se produce un cambio en la frecuencia de muestreo.
127
A la salida del filtro de acoplamiento vemos una degradación en los instantes de tiempo que
se esperan que estén libres de ISI.
Se supone que la situación puede empeorar con la presencia de ruido, el cual es filtrado por
el Filtro de Acoplamiento, pero ya sabemos que siempre alcanza a pasar algo de ruido.
Está claro que si ese problema existe con el Filtro de Nyquist, también va a existir con el
Filtro RC, el cual es el caso más general.
En el dominio de las frecuencias no se tiene un efecto negativo ya que la señal que viaja
por el canal es la que produce el Filtro Formador de Pulsos que en este caso es el Filtro de
Nyquist.
Figura 38: Diagrama de Ojo cuando el acoplamiento se hace con el filtro de Nyquist
a) Entrada del Filtro de Acoplamiento b) Salida del Filtro de Acoplamiento
La solución a este problema, consiste en usar en el transmisor un Filtro Raı́z Cuadrada de

Coseno Alzado (RRC de Root Raised Cosine), el cual tiene el siguiente efecto: La señal a la salida
del Wave Forming, en el transmisor no tiene el instante libre de ISI, pero sı́ la PSD esperada,
mientras en el receptor, a la salida del filtro de acoplamiento ya se tiene el instante libre de ISI,
pues el Filtro RCC usado en el transmisor, seguido del Filtro RCC usado en el receptor, conformen
de manera conjunta un Filtro RC.
Es importante tener en cuenta que la raı́z cuadrada aplica a la respuesta en frecuencia, no en

tiempo, de modo que:
Sı́ para el filtro Coseno Alzado se tiene:
TF
hRC (t) → HRC (f ) (4.16)
Entonces, para el Filtro Raı́z del Coseno Alzado se tiene la respuesta en frecuencia:
p
|HRRC (f )| = |HRC (f )| (4.17)
Para cumplir esta condición en el dominio del tiempo, la respuesta al impulso del Filtro RRC
resulta un tanto complicada:

1 4


 Tb (1 + α( π − 1)) ,t=0




Tb
 α 2 π 2 π
h(t) = Tb √2 [(1 + π )sin( 4α ) + (1 − π )cos( 4α )] , t = ± 4α (4.18)




 1 sin[π Ttb (1−α)]+4α Ttb cos[π Ttb (1+α)]

, t = otros


Tb t t 2
π T [1−(4α T ) ]
b b
Donde α es el roll-off factor.
128
Figura 39: Respuesta al Impulso del Filtro RRC para diferentes valores del factor Roll-off
En su forma discreta la respuesta al impulso del filtro RRC se traduce a la siguiente forma:

1 4
 Sps (1 + α( π − 1))


,n=0




 Sps
α 2 π 2 π
h[n] = Sps√2 [(1 + π )sin( 4α ) + (1 − π )cos( 4α )] , n = ± 4α (4.19)




 n n n
 1 sin[π Sps (1−α)]+4α Sps cos[π Sps (1+α)]

, n = otros

Sps π n [1−(4α n )2 ]
Sps Sps
En la Figura 39 se tiene un comparativo de la respuesta al impulso del Filtro RRC para diversos
valores del rolloff, de donde podemos observar que:
Ahora estamos observando que los pasos por cero no ocurren exactamente en tiempos que
sean múltiplos enteros de Tb , lo que nos hace presumir que ahora no hay un instante libre de
ISI
4.2.12.3. Implementación en GNU Radio

La implementación de los Filtros RRC son muy similar a los ya mostrados para los Filtros RC
y se muestra en la Figura 40. Las únicas diferencias son las siguientes:
En la parte transmisora vemos que se usa un Filtro RRC para la formación de los pulsos
En la parte receptora se usa el mismo Filtro RRC con fines de Acoplamiento
Los dos Filtros resultan conectados en serie lo que equivale a un solo filtro RC.
Los bloques Ïnterpolation FIR Filter”deben ser configurados con el parámetro ”Tapı̈gual a
wform.rcos(Sps,ntaps,rolloff), el Parámetro Interpolation se configura con el valor de Sps
En la parte receptora, el parámetro Interpolation se configura con el valor 1 ya que en este
caso no se produce un cambio en la frecuencia de muestreo.
Claramente, el Filtro RC está implementado como dos Filtros RRC conectados en serie.
En la Figura 41 vemos una comparación entre el Diagrama de Ojo que produce el Filtro For-
mador de Pulsos y el que se produce a la salida del Filtro de Acoplamiento, sin tener en cuenta
afectaciones por ruido. De esta figura podemos observar que:
129
Figura 40: Un Filtro RC implementado como dos Filtros RRC conectados en serie para lograr
acoplamiento
Flujograma usado: verbacoprrcrrcflujo.grc
Figura 41: Diagrama de ojo a la salida del Filtro RRC como Formador de pulsos RC comparara
con la salida del Filtro de Acoplamiento
a) Salida del Filtro Formador de Pulsos tipo

RRC b) Salida del Filtro de Acoplamiento RRC
Los Pulsos que se forman con el Filtro RRC en la parte transmisora, no presentan un instante
claro libre de ISI.
El paso por el segundo Filtro RRC, que es el que realiza el acoplamiento en la parte receptora,
presenta un diagrama de Ojo que coincide con el Diagrama de Ojo del Filtro RC, debido a
que la señal ha pasado por dos Filtros RRC conectados en serie que equivalen a un solo filtro
RC.
Aunque en estos ejemplos no hemos agregado ruido a la señal, no hay que olvidar que los
Filtros de Acoplamiento son hechos para atenuar el ruido blanco. Lo que estamos queriendo
decir es que si las afectaciones mostradas ocurren sin presencia de ruido, pues con la presencia
del ruido estas van a ser mayores.
4.2.12.4. Código usado para generar las respuestas al impulso de un Filtro RRC
Otro diferenciador importante consiste en la necesidad de complementar el código del bloque
”Python Module”descrito en un capı́tulo anterior, de manera que contenga la función que permite
calcular la respuesta al impulso de un Filtro RRC para cualquier valor del “rolloff” y de ”ntaps”.
El trabajo consiste en complementar el código ya mostrado anteriormente con la siguiente función:
##############################################################################
## Forma Raiz de Coseno Alzado ##
130
##############################################################################
def rrcos(Sps,ntaps,beta):
if beta==0:
h=nyq(Sps,ntaps)
else:
h=ntaps*[0,]
beta4=4.*beta
for n in range(ntaps):
k=n-ntaps/2. # para que h[n] quede centrada en la mitad del vector
if k==0:
h[n]=1+beta*(4./math.pi-1.)
elif abs(k)==Sps/beta4:
ha=(1.+2./math.pi)*math.sin(math.pi/beta4)
hb=(1.-2./math.pi)*math.cos(math.pi/beta4)
h[n]=(ha+hb)*beta/math.sqrt(2.)
else:
ks=k/Sps
kspi=math.pi*ks
Num=math.sin(kspi*(1-beta))+beta4*ks*math.cos(kspi*(1+beta))
Den=kspi*(1.-(beta4*ks)**2)
h[n]=Num/Den
Amp=numpy.amax(h)
return h/Amp
4.3. Implementación de la capa base

Para este nuevo reto, el modelo de capas a implementar consiste en realizar una implementación
que descansa sobre la capa de canal implementada en el capı́tulo anterior. El nuevo modelo a seguir
es el que se tiene en la Figura 42 En este modelo se introducen los siguientes requerimientos:
Figura 42: Modelo a seguir en la implementación de la capa base
Se introduce un bloque de modulación M-PAM.
Ya no se usa una fuente binaria, sino un archivo de datos binarios, que en el fondo puede ser
cualquier archivo del computador que bien puede ser un texto, una imagen o cualquier otro
documento.
Hay una pequeña diferencia entre usar una fuente binaria y un archivo de datos binarios.
La primera es realmente aleatoria, la segunda es parcialmente aleatoria. Supongamos que
el archivo es de texto y allı́ hemos escrito el mensaje Üniversidad Industrial de Santander”.
131
Cuando el archivo sea leı́do ese mensaje será enviado una y otra vez hasta que el sistema sea
apagado. Está claro que la señal binaria que representa ese mensaje es más bien periódica.
Pero aún cuando el mensaje sea muy largo esa falta de completa aleatoriedad va a existir
debido a que hay letras que tienen mayor probabilidad de aparecer que otras.Por esa razón
se introduce la sub-capa de Scrambling.
4.3.1. El Scrambling
El Scrambling es un término para el cual difı́cilmente se encuentra una traducción, pero busca
resolver el siguiente problema: Varias de las técnicas de procesamiento de señales que se usan en las
comunicaciones digitales están concebidas para señales digitales que son completamente aleatorias.
Pero eso no ocurre con la señal PCM que tenemos, de acuerdo a nuestro modelo de capas, ya que,
en el proceso que realiza el ADC, existen unos niveles de amplitud que son más probables que
otros, ası́ por ejemplo, es común observar largos chorros de 1s y de 0s. Con el scrambling se busca
convertir la señal PCM a un código que sea completamente aleatorio, que no es otra cosa que
lograr que la correlación entre muestra y muestra sea prácticamente igual a cero, como ocurre con
el ruido blanco. Lograr que la señal PCM compita con una señal binaria completamente aleatoria,
es importante para poder implementar con éxito las técnicas digitales para el uso óptimo del canal,
pero también para aprovechar mejor el canal.
Para realizar el Scrambling se utiliza una secuencia de pseudo ruido (PN, del inglés Pseudo
Noise) (PRBS, es otra sigla usada para referirse a lo mismo, del inglés Pseudo Random Binary
Sequence)
La operación de Scrambling es relativamente sencilla y puede ser representada mediante la

interconexión de la Figura 43. Allı́ b(t) es el mensaje expresado en forma de señal binaria bipolar,
c(t) es la secuencia PN, expresada también como señal binaria bipolar y bs(t) es la señal luego del
scrambling.
Figura 43: La operación de scrambling vista como una interconexión
En la Figura 44 se presenta un ejemplo de scrambling, cuando la secuencia PN es 10101000011001100

y el mensaje es 11110111011101111, entonces la señal aleatorizada es 1000010101100100. En la Fi-
gura 44 las 3 señales han sido graficadas en escalas diferentes para poderlas apreciar mejor.
Figura 44: Ejemplo de scrambling
De igual manera es posible demostrar que el esquema de la Figura 43, puede usarse también
132
para el de-scrambling, para ello se usa la señal bs(t) como entrada, el mismo código PN usado en
el scrambling y se obtiene bsr(t) como salida que es la misma señal b(t).
De este ejemplo se deduce también que la señal que resulta del scrambling hereda la aleatoriedad
Figura 45: Comparación de la PSD de una señal con y sin scrambling
La figura se recortó en amplitud ya que la parte azul tenia valores demasiado altos
Figura 46: Flujograma en GNU Radio para comprobar el scrambling
que tiene la secuencia PN, con lo cual se logra el objetivo de hacer que la PSD de la señal que se
obtiene sea la que corresponde a una señal binaria aleatoria bipolar.
Para conocer el impacto del scrambling en el dominio de las frecuencias, en la Figura 45 se
muestra una comparación entre la PSD obtenida para la señal sin scrambling (color azul) y la
señal con scrambling (color rojo), donde podemos apreciar que la señal con scrambling tiene la
PSD que corresponde a una señal binaria aleatoria.
Una comprobación mediante GNU Radio se puede realizar mediante el Flujograma que se mues-
tra en la Figura 46. Allı́ vemos la necesidad de convertir la señal binaria, que entrega la capa PCM,
a una señal bipolar antes de realizar la operación de Scrambling. En la parte receptora, se repite
la misma operación cuidando de usar el mismo código que en el transmisor.
En la Figura 47 se muestra la composición interna del bloque b scrambling ff. También es

importante resaltar que una implementación en GNU Radio no se realiza con señales rectangulares
como las de la Figura 44, sino con señales discretas, como en la Figura 48
133
Figura 47: Composición del Bloque b scrambling ff
Figura 48: Scrambling en GNU Radio
Figura 49: PSD comparativa. Color rojo con Scrambling. Color azul sin Scrambling
En este caso, hay que tener en cuenta que una señal binaria aleatoria, con una sola muestra
por bit tiene una PSD similar a la del ruido blanco, de manera que es una constante en todas las
frecuencias, lo cual no ocurre con la señal binaria antes del scrambling. Esto se muestra en la figura
49
4.3.2. La modulación M-aria por Amplitud de Pulsos M-PAM

Introducir a nuestro modelo un método de modulación adicional al PCM puede ser importante
en muchos casos. Por ejemplo, la introducción de M-PAM permite elevar la rata de bits que viajan
por un medio, sin requerir un mayor ancho de banda. La verdad, el tema ha sido introducido en
este libro debido a que varios métodos avanzados de comunicaciones digitales que se verán más
adelante, no aceptan como entrada la señal PCM sino una señal con M niveles de amplitud que
en el fondo no es otra cosa que una M-PAM. Por otro lado, esta es la oportunidad para que el
134
lector conozca sobre la existencia de esta modulación, pues aunque no es común en los sistemas de
comunicación inalámbrica si que lo es en sistemas que usan medios de transmisión guiados como
el cable o la fibra óptica. Pero además es base para construir otros métodos de modulación.
En la Figura 50 se tiene una señal binaria, en la parte superior y el resultado de pasar esa señal
Figura 50: Comparación entre una señal binaria y la respectiva 4-PAM en GNU Radio
por un modulador M-PAM, cuando M = 4. Podemos observar las siguientes caracterı́sticas:

M es el número de niveles de amplitud que puede tomar la señal M-PAM
M = 2m , donde m es un número entero.
El número de bits por muestra es BpS = log2 (M )
Aquı́ surge un nuevo término: los sı́mbolos, que se refiere a cada muestra de amplitud que
representa a BpS bits.
Consecuentemente surge el término Rata de Simbolos, representada como Rs para referirse
a la velocidad a la que viajan los sı́mbolos. Está claro que:
Rs = Rb /BpS (4.20)
La frecuencia de muestreo a la salida del modulador M-PAM es 2 veces menor que la de la

señal binaria
La modulación puede ser representada mediante la tabla 4.3, conocida como Tabla de Verdad
para la Modulación de interés.
Tabla 4.3: Tabla de verdad de la modulación 4-PAM
TABLA DE VERDAD. 4-PAM

La Clave: Dibits Sı́mbolos dados en amplitud de señal
00 0
01 1
10 2
11 3
El orden de los Dibits comúnmente el del Código de Grey, sin embargo, nosotros hemos
usuado el orden del código de Base-2.
135
4.3.3. M-PAM vista en el tiempo continuo y en frecuencia
Pero aún no hemos comprobado lo más relevante de la modulación M-PAM y eso pertenece
al dominio del tiempo continuo, es decir la señal que realmente viaja por el cable. En la Figura
51 se puede observar una versión continua con pulsos de forma rectangular, en la parte superior,
y la correspondiente señal M-PAM en versión continua con pulsos rectangulares. Al ser señales
continuas, pueden viajar en forma de niveles de voltaje por un cable y lo que nos interesa ahora
es poder comparar estas dos señales en el dominio de las frecuencias.
Figura 51: Comparación entre una señal binaria y la respectiva 4-PAM continua
En la Figura 52 se puede observar una comparación entre la PSD de la señal binaria continua esa
señal M-PAM continua, donde podemos observar claramente que la señal M-PAM tiene el espectro
comprimido m = log2 (M ) veces. Supongamos ahora que queremos aprovechar solo 6 lóbulos del
espectro, filtrando los demás: 3 lóbulos de la derecha a la frecuencia cero y 3 de la izquierda, pero
el lóbulo central lo contamos por 2 ya que tiene el doble de ancho que los demás. Entonces la señal
M-PAM en condiciones similares de transmisión ocupa m veces menos ancho de banda, lo que
significa M-PAM tiene m veces mayor eficiencia espectral que la modulación PCM. Como se verá
más adelante, no todo es perfecto, pues la modulación M-PAM es más sencible al ruido blanco,
lo cual no es problema si el receptor está suficientemente cerca al transmisor para garantizar la
relación señal a ruido apropiada.
4.3.4. Implementación práctica con GNU Radio

En las comunicaciones digitales abundan los tipos de Modulación M-aria, las cuales usan M
sı́mbolos para representar en cada uno de ellos un paquete de bits.
En la Figura 53 se presenta un flujograma para la modulación M-PAM que es funcional pero
no está muy optimizado pues está hecho con fines especialmente pedagógicos.Como puede verse, la
señal luego de pasar por el scrambling, debe ser convertida nuevamente a una señal PCM binaria
unipolar, para luego volver a darle la forma de una señal cuantificada ya que ası́ es la entrada que
pide el bloque ”Packed to Unpacked”para producir la señal M-PAM.
136
Figura 52: Comparación de la PSD de una señal binaria con la de una señal 4-PAM
Figura 53: Flujograma en GNU Radio para la modulación M-PAM después de scrambling
4.3.5. El Criterio de Nyquist y del Coseno Alzado en las señales M-arias.

Aplica de manera similar a las señales binarias. La diferencia está en que las señales binarias
llevan bits y por lo tanto la duración de los bits es lo que cuenta. En las señales M-arias, se tienen
sı́mbolos y la duración de los sı́mbolos es lo que cuenta. Por eso, en las señales M-arias se usa Rs ,
que es la rata de sı́mbolos, en lugar de Rb .
En la Figura 54 se presenta un ejemplo en el que se compara una señal 4-PAM que pasa por un
formador de pulsos rectangulares y por un Formador de Pulsos basado en el Filtro Coseno Alzado
con un rollof f = 1. En la Figura 55 se presenta el Diagrama de Ojo comparativo para los mismos
dos casos
4.3.6. El Acoplamiento en las señales M-arias

Como ya conocemos cómo aplica el Criterio de Nyquist y del Coseno Alzado, queda claro
que el acoplamiento aplica de manera similar y no se requiere realizar ningún tipo de explicación
adicional. En el dominio de las frecuencias, la PSD tiene un comportamiento de una señal M-PAM
que pasa por un Filtro Formador de Pulsos es similar al de las señales binarias que pasan por el
mismo filtro. Incluso el ancho de banda igual, con la ecuación 4.10, solo que ahora:
W = Rs /2 (4.21)
donde Rs es la rata de los simbolos que lleva la modulación M-PAM.
4.4. la capa de aplicación para señales de audio

En la Figura 57 se plantea el modelo que nos reta a implementar una aplicación de audio
para el sistema que ya tenemos. La idea es poder ver un ejemplo algo más complejo para una
aplicación, pero también repasar conceptos más cercanos a la telefonı́a, pero que pueden aplicar de
manera similar a sistemas que requieren una reacomodación de las señales para cumplir con unos
estándares.
137
Figura 54: Señal 4 PAM al pasar por el Formador de Pulsos
Flujograma usado: WaveForming MPAM.grc
Figura 55: Diagrama de Ojo para una Modulación 4-PAM
a) El Formador de Pulsos es un Filtro de b) El Formador de Pulsos es un Filtro de RC,

Nyquist con Rolloff=1
4.4.1. Re-Cuantificación
Se suponen que el ADC entrega una señal que ha sido sometida al proceso de muestreo, cuan-
tificación y codificación. Sin embargo, los sistemas de comunicación plantean retos muy concretos
sobre todo cuando se trata de cumplir con normas y estándares. Por ejemplo los estándares de
la telefonı́a exigen que cada muestra del mensaje, es decir la señal de audio, esté representada
mediante 8 bits. Eso significa que el número de bits por muestra es N bpS = 8 y la señal deberá
estar cuantificada con 2N bpS = 256 niveles de cuantificación, lo cual no es lo mismo que entrega
el ADC. Lo mismo ocurre con la frecuencia de muestreo, que puede requerir algún tipo de mo-
dificación con respecto a la que entrega el ADC, pues en el caso de la telefonı́a la frecuencia de
muestreo es de 8kHz. En todo caso, cuando se trata de sistemas de comunicación digital, si el
mensaje proviene de una fuente analógica, es muy importante tener claro el número de bits que
representan a cada muestra de la señal mensaje, de la misma manera en que hay que tener muy
presente el rango dinámico, la frecuencia de muestreo y su relación con el ancho de banda. Cuando
algo no cuadra con esos requerimientos, pues resulta necesario introducir modificaciones como es el
caso de la re-cuantificación. En la Figura 58 se presenta un ejemplo para el caso en que N bpS = 4,
donde se puede apreciar que la señal después de la cuantificación la señal sigue siendo de ampli-
138
Figura 56: PSD de una señal 4-PAM con 3 tipos de Filtros Formadores de Pulsos
Flujograma usado: waveform mpam espectro.grc
Figura 57: La capa de aplicación
Figura 58: Resultado de la re-cuantificación con 32 niveles
tudes discretas, pero aproximadas a los niveles de cuantificación, que en este caso son 16. En la
realización práctica de la re-cuantificación pueden usarse varios trucos como: la conversión de un
tipo de variable a otro o simplemente desempaquetar solo los bits más significativos que componen
a cada muestra.
139
Está claro que este paso muchas veces no es necesario, sobre todo cuando se requiere enviar fiel-
mente la señal que entrega la fuente del mensaje, en este caso, podemos ver este tema más desde el
punto de vista pedagógico para practicar la cuantificación. En este sentido, vale la pena observar
como, en el caso de la figura 58, la señal re-cuantificada tiene amplitud cero para las muestras
3,4,5,6,7,8. Eso es muy significativo para las señales de voz, pues significa que si una persona habla
muy suavemente, la cuantificación se aplica de manera más agresiva que cuando la persona grita.
Ese problema se resuelve con un tipo de cuantificación que no es lineal como es el caso de la
cuatificación que se combina con la Ley A o con la Ley µ, las cuales son parte del estandard en
telefonı́a.
4.4.2. Modulación por Codificación de Pulsos - PCM

El término PCM como un tipo de modulación nacio en los años 60 cuando se visualizaba el
paso de la telefonı́a analógica a digital, enviando bits por cable en forma de códigos de linea. Los
códigos de linea es una manera de representar los bits mediante una amplitud y hay varias formas
de hacerlo, pero haremos referencia solo a dos casos: cuando un uno se representa con un nivel
de voltaje y un cero con cero voltaje; cuando un uno se representa mediante un voltaje positivo
y un cero mediante un voltaje negativo. Para nuestro caso, PCM corresponde simplemente a la
representación en bits que tiene la señal mensaje, tal y como se muestra en el ejemplo de la Figura
59
Figura 59: Comparación entre una señal cuantificada y su conversión a PCM. NbpS=8
En términos de GNU Radio, la modulación PCM puede ser vista simplemente como el proceso
de desempaquetado de los bits que representan las amplitudes, usando por ejemplo el bloque
“Unpack K Bits”. En la Figura 60 se presenta un ejemplo de Flujograma, organizado por capas,
con la parte transmisora (arriba) y la receptora (abajo).
Aunque en los desarrollos profesionales de GNU Radio obtener la señal PCM no es común,
pues significa hilar demasiado fino, desde el punto de vista experimental y pedagógico si lo es,
por ejemplo para poder medir bits perdidos, practicar técnicas de scrambling, conocer la PSD
de señales binarias aleatorias, etc. En este caso es importante observar que el paso de una señal
cuantificada a una señal PCM va acompañada de un aumento en la frecuencia de muestreo ya
que ahora se requiere una muestra por bit, muestras que antes de PCM habı́a una muestra por
cada nivel de amplitud de la señal cuantificada. Esto no se puede observar en la Figura 59 ya que
por cuestiones pedagógicas, la señal cuantificada se está mostrando de manera continua, cuando
realmente solo hay una muestra por cada 8 bits.
4.5. El caso de Fast Ethernet

El Fast Ethernet puede ser visto como una modificación del sistema base propuesto. El sitio
web del libro se tiene un vı́deo que muestra algunos de estos aspectos aplicados a las redes Fast
Ethernet. Este es el enlace directo:
https://sites.google.com/saber.uis.edu.co/comdig/wf
140
Figura 60: Ejemplo de Flujograma para obtener la señal PCM
141
Capı́tulo 5
Un sistema de radio comunicación digital sobre
un canal guiado
Está claro que GNU Radio está pensado en las comunicaciones inalámbricas principalmente,
pero hemos decidido iniciar este estudio con un medio guiado debido a que este tipo de medios
tiene parámetro más fácil de controlar que el caso del canal inalámbrico que es un medio no guiado,
donde las señales digitales son altamente sensibles a los diversos fenómenos de propagación, que
en el caso de las ondas electromagnéticas, son muy complejos. Cada fenómeno de propagación
requiere un acercamiento y una solución particular y ese acercamiento particular se torna difı́cil
cuando todos los fenómenos se presentan al mismo tiempo sin poder ser aislados y es lo que ocurre
con el canal inalámbrico. Por ejemplo, si lo que se estudia son métodos para luchar contra el ruido,
es necesario crear las condiciones para poder experimentar una transmisión sobre un canal que solo
tenga ruido y donde los demás fenómenos estén ausentes.
Ahora, desde el punto de vista de aplicación práctica, usar medios guiados para enviar señales de RF
no es algo tan descabellado. Hace relativamente pocos años, los operadores de telecomunicaciones
vieron como sus redes de cobre se fueron transformando en oro”gracias a técnicas RF que les
permitieron sacarle el máximo provecho a todo ancho de banda que tiene el cobre para ofrecer
servicios convergentes combinando no solo telefonı́a, sino televisión e internet, en fin todos los
servicios básicos de comunicación en un solo par de hilos. Hoy mismo estamos viviendo una agresiva
expansión de la tecnologı́a conocida como Fibra Óptica hasta el hogar (FTTH, del inglés Fiber to
the Home) y también está en boca del desarrollo de soluciones ópticas basadas en SDR incluyendo
también la técnica conocida como RF sobre fibra óptica.
5.1. Modelo de capas a seguir para la implementación

El modelo que nos guiara en la discusión y en la implementación es el que se propone en la
Figura 1. De este modelo podemos identificar varios requerimientos como los siguientes:
142
Figura 1: Modelo de capas para una comunicación digital de voz por RF sobre un medio guiado
El modelo consta de tres partes:

• El canal: Nuestro canal sigue siendo un medio guiado, eso nos permite obviar por
ahora varios fenómenos de propagación del canal inalámbrico, pero a diferencia del
medio guiado ya visto, las señales viajan en RF, es decir sobre una onda portadora a
altas frecuencias, o lo que se conoce como pasobandas.
• Capa base: Busca satisfacer las necesidades de comunicación para una aplicación su-
perior que entrega información binarias que debe viajar a la mayor velocidad posible
por un canal RF limitado en ancho de banda.
• Capa de aplicación: Se trata de todo aquello que podamos enviar por ese canal para
satisfacer necesidades de los usuarios, como archivos, voz, vı́deos, imágenes. Solo que
por ahora, esa aplicación está siendo simulada por una Fuente Binaria.
La modulación digital: Está pensada para resolver el problema de acomodar, de alguna
manera, un mensaje binario sobre una portadora de RF. Podemos decir que esa modulación
consta de dos partes:
• La que realiza la subcapa ”Modulación con EC”. Genera la señal modulada, pero en
versión bandabase, que no es otra cosa que la Envolvente Compleja de la señal Modulada.
• La que realiza el equipo SDR, que se ubica en la subcapa “Transmisión/Recepción RF”
Las técnicas pre-canal. Son similares a las tratadas en el capı́tulo anterior, solo que ahora
deberán lidiar con señales moduladas en versión de su Envolvente Compleja. Las
técnicas pre-canal buscan preparar la señal para que sean entendida por el DAC que hay en el
USRP; introducir información clave para luchar contra diversos fenómenos de propagación.
En la parte receptora, las técnicas post canal, buscan descubrir de entre la señal recibida
aquello que pueda ser entendible por parte de la demodulación digital.
Subacapa Transmisión/Recepción RF. Es donde está el equipo SDR. En el modo de trans-
misor se ocupa de convertir a continua la señal recibida y desplazar su espectro de manera
que resulte centrado en la frecuencia de RF deseada. Es obvio que en el modo de recepción
se realiza el proceso inverso.
5.2. La modulación digital pasobandas y su versión banda-

base
Este capı́tulo explica la modulación digital paso bandas desde un enfoque poco común en la
literatura, pero muy necesario para el estado tecnológico de hoy. Los siguientes son los conocimien-
tos necesarios para poder llegar a realizar una implementación real basada en Software Defined
143
Radio con un equipo como el USRP para realizar una transmisión real.
• La señal con modulación paso bandas es una onda senoidal de frecuencia fc que lleva informa-
ción codificada ya sea en la fase, en la amplitud, en la frecuencia, o en en una combinación de
esos parámetros, los cuales, consecuentemente, varı́an en el tiempo, de acuerdo a la siguiente
ecuación:
y(t) = B(t)cos(2π[fc + f (t)]t + ϕt) (5.1)

• Los sistemas de comunicaciones modernos , como las comunicaciones móviles 4G o los enru-
tadores WiFi no usan un solo tipo de modulación, como en los tiempos de antes. Más bien
escogen de manera inteligente la modulación que mejor se adapta a las condiciones del canal
en el momento. Además, usan mayormente la fase y la amplitud de la portadora, lo cual se
puede representar ası́:
y(t) = B(t)cos[2πfc t + ϕ(t)] (5.2)

• Como ya se ha visto, si este concepto se lleva a SDR con USRP, la señal paso bandas
anteriormente descrita es la que entrega el USRP, mientras que la programación en SDR
debe enfocarse en producir la señal que se le debe entregar al USRP que no es otra cosa
que la Envolvente Compleja yC E(t) de y(t). Eso significa que, programar una modulación
en SDR para un sistema de comunicación real, es programar la versión banda base de esa
modulación paso bandas, que no es otra cosa que la Envolvente Compleja.
yCE (t) = 2B(t)ejϕ(t) (5.3)

• Desde el punto de vista de la Envolvente Compleja, el mensaje no modula parámetros de una
portadora senoidal, sino a un parámetro de la envolvente compleja de esa portadora senoidal
que es una señal exponencial compleja. En otras palabras, la portadora, para el caso de la
envolvente compleja, es una señal exponencial compleja. También podemos decir que lo que
se modula es una portadora en versión banda base o en versión de Envolvente Compleja.
• En los métodos de modulación más básicos, los parámetros de la señal exponencial compleja
van cambiando a medida que llega nueva información que debe llevar.
• La regla que define como cambian los parámetros de la señal exponencial compleja puede
ser expresada por medio de una tabla que es comúnmente conocida como tabla de verdad o
mediante un diagrama de constelaciones. La tabla 5.1 es una plantilla de la Tabla de Verdad
Tabla 5.1: Plantilla para la Tabla de Verdad
Tabla de Verdad
La clave valor del parámetro modificado
y debe ser entendida de la siguiente manera: se supone que hay una clave digital que modula
a uno o más parámetros de la Envolvente compleja, de manera que la información pueda
viajar como una variación de ese o esos parámetros. La clave usualmente está dada en forma
de una combinación de m = log2 (M ) bits. Osea que, dependiendo de como se combine esos
m bits se modificará de una u otra manera uno o más parámetros de la señal exponencial
compleja. Pero, teniendo en cuenta que el bloque de modulación usado en gnu radio exige que
la entrada sea una señal M-PAM, entonces la clave puede estar dada en M posibles valores de
amplitud. En el fondo, cada valor de amplitud equivale a una combinación de combinación
bits, porque la M-PAM puede ser vista como la traducción de cada combinación de bits a un
valor de amplitud.
144
Todos los tipos de modulación que estudiaremos a continuación pueden ser vistos como
una modificación de la modulación M-PAM, ya que todos los moduladores que vamos a ver
requieren que la entrada sea M-PAM. Pero además, la PSD que se logra obtener tiene una
forma muy parecida a la PSD de la señal M-PAM. En otras palabras, la modulación M-PAM
es la que convierte bits en sı́mbolos, pero no es apropiada para ser enviada por un USRP ya
que no es estrictamente una Envolvente Compleja de algo.
• Todo lo anterior se explica mejor con ejemplos que se ilustran en los siguientes capı́tulos.
5.3. La modulación BPSK

Esta modulación se distingue porque:
• La clave es de tipo: binario, de modo que el código o clave que puede modificar los parámetros
de la portadora puede tomar el valor 1 o el 0
• El parámetro de la portadora que es modificado es: la fase. Consecuentemente solo se tienen
dos posibles estados para la fase. Usualmente la fase toma los valores 0 o π, pero también es
BPSK si toma los valores −π/2 y π/2 o cualquier otros dos valores separados entre sı́ en un
ángulo π
• Para generar la Envolvente Compleja lo usual es considerar que la fase pueda tomar los
valores 0 o π, por lo tanto, la Envolvente compleja está dada por:
yCE (t) = yI (t) + jyQ (t) (5.4)
donde (
yI (t) = Aej0 , para entrada 0
(5.5)
yQ (t) = Aejπ , para entrada 1
y donde A es la magnitud de los sı́mbolos que son entregados al USRP. Lo anterior equivale
a decir que (
yI (t) = A, para entrada 0
(5.6)
yQ (t) = −A, para entrada 1
• La tabla de verdad 5.2 resume lo anterior ası́:
Tabla 5.2: Tabla de Verdad de la Modulación BPSK
TABLA DE VERDAD BPSK

Clave Fase
0 0
1 π
Otra manera de decir lo mismo es la siguiente.
Tabla 5.3: Tabla de Verdad de la Modulación BPSK. versión 2
TABLA DE VERDAD BPSK

Clave Valor complejo
0 Aej0
1 Aejπ
145
Figura 2: Diagrama de constelaciones BPSK
Otra manera de expresar lo mismo que la Tabla de verdad es usando un Diagrama de Constelaciones
en el cual se muestra, de manera gráfica, en un diagrama polar, lo mismo que se quiere decir con
la Tabla de Verdad. Para el caso de la Modulación BPSK el diagrama de constelaciones es el de la
Figura 2.
La señal paso bandas se obtiene con el paso de esa señal por el UpConverter que se puede
modelar con el esquema de la Figura 3.
Figura 3: Esquema señal paso banda
La calidad de la señal enviada, respecto al ruido del canal está en función de la amplitud D
de la señal s(t) que entrega el USRP. Varios elementos del USRP, como filtros y amplificadores,
pueden alterar la amplitud:
s(t) = Dcos[2πfc t + ϕ(t)] (5.7)

donde
(
0, para entrada 0
ϕ(t) =
π, para entrada 1
y donde D = AKa y Ka representa la amplificación total que aplica el USRP.
Para llegar a conocer el desempeño de esta modulación ante el ruido, es necesario formular esta
expresión en términos de la energı́a Es que lleva cada sı́mbolo, la cual para el caso de la BPSK es
lo mismo que la energı́a Eb que lleva cada bit, pues cada sı́mbolo contiene solo un bit en el caso
146
de la BPSK. Esa energı́a es igual a la potencia promedio de la señal multiplicada por la duración
del bit.
Eb = P Tb (5.8)
A su vez, sabemos que:
√
D 2
VRM S = (5.9)
2
Por lo tanto, la energı́a contenida en cada bit, en la señal modulada paso bandas, es en promedio:
D2 Tb
Eb = (5.10)
2
De aquı́, que.
r
2Eb
D= (5.11)
Tb
Para obtener finalmente que:
r
2Eb
s(t) = cos[2πfc t + ϕ(t)] (5.12)
Tb
donde
(
0, para entrada 0
ϕ(t) =
π, para entrada 1
De modo que cuando la señal pasobandas está antes de la antena transmisora del USRP se
puede expresar como:
s(t) = Ka A cos[2πfc t + ϕ(t)] (5.13)

donde
(
0, para entrada 0
ϕ(t) =
π, para entrada 1
Pero, más allá de la antena, el parámetro Eb se desvanece por el efecto de la propagación y aparece
una componente adicional, el ruido.
En la Figura 4 se presenta un ejemplo de la PSD de una señal BPSK para el caso especı́fico en que
la rata de bits es Rb = 1, 5625kbps
Figura 4: PSD de para una señal BPSK, con Rs=1,5625 kBaud, Rb=1,5625 kbps
147
5.4. Diferentes tipos de modulación basadas en constelacio-
nes
La modulación BPSK está basada en una constelación como la mostrada en la figura 2, pero bajo
el mismo principio funcionan los tipos de modulación digital más conocidos como la Modulación
QPSK (del inglés Quadrature Phase Shift Keying), la M-PSK (del inglés M Phase Shift Keying), La
M-QAM (del inglés M-Quadrature Amplitud Modulation). Todas ellas funcionan bajo un mismo
principio, como el explicado para BPSK.También vamos a comparar esas modulaciones con la M-
PAM que se vió anteriormente por dos razones: la implementación en GNU Radio a menudo pasa
por obtener primero la M-PAM; la PSD de una señal con una de las modulaciones a estudiar, es
muy similar a la de la respectiva M-PAM.
5.4.1. La Modulación QPSK

Con este tipo de modulación iniciamos el estudio de varios métodos de modulación que incluyen
M puntos de constelación.
En el caso de la Modulación QPSK o Modulación por desplazamiento de fase, del inglés Quadrature
Phase Shift Keying, se tienen M = 4 puntos de constelación que están sobre un cı́rculo y espaciados
entre sı́ en un ángulo de π/2, como se muestra en la Figura 5.
Figura 5: Constelación para la Modulación QPSK
5.4.1.1. El ordenamiento de la constelación

Para cualquiera de los métodos de modulación con M puntos de constelación se pueden realizar
las siguientes observaciones para organizar la constelación y consecuentemente la Tabla de Verdad
que la define:
Cada punto de constelación puede ser activado mediante una clave, que es una combinación
de bits.
Bps = log2 (M ) (5.14)
Surge un importante reto: lograr organizar los puntos de constelación de manera que no se
eleve innecesariamente la Probabilidad de Pérdida de bits, que es lo mismo que la Rata de
Errores de Bit (BER).
Veamos un ejemplo de lo que pudiera ocurrir: En la parte receptora los puntos de constelación
se ven influenciados por ruido, de manera que en ciertos casos, un punto de constelación puede
148
llegar invadiendo el espacio de la constelación que corresponde a un punto vecino- Eso hace
que el regenerador de sı́mbolos tome una decisión errónea, con lo cual se habrá presentado
un sı́mbolo erróneo, que pueden significar hasta Bps bits erróneos, ya que cada sı́mbolo está
compuesto de Bps bits.
Lo más natural es definir la constelación comenzando comenzando con la fase φ = 0. En caso
de requerirse una rotación de la constelación, se introducirı́a un factor tipo ejφd
La manera de solucionar este problema de un innecesario aumento la Probabilidad de Error de
bits consiste en lograr que los puntos de constelación resulten ordenados de manera tal que no
tengan más de un bit diferente a los puntos adyacentes. De manera que si se presenta un error en
un sı́mbolo debido a que invade un sı́mbolo vecino, solo se presentará un bit erróneo.
Es allı́ donde toman importancia los códigos de Gray. En la Figura 6 se presentan tres casos para
Figura 6: Tablas de conversión de Binario a Gray
los códigos de Gray: cuando M = 4, M = 8, M = 16. Como podemos observar en todos los casos,
cada código de Gray se diferencia de uno vecino solo en un bit. También hemos conservado la
relación con la modulación M-PAM por dos motivos: los valores de la M-PAM sirven como iden-
tificador de cada punto de constelación, pero el principal motivo es porque los bloques que ofrece
GNU Radio para los diferentes métodos de Modulación Digital piden como entrada no una señal
binaria sino una M-PAM.
Ahora podemos obtener fácilmente la constelación para la Modulación QPSK y consecuente-

mente la tabla de verdad, como se muestra en la Figura 7
Podemos destacar en la Modulación QPSK los siguientes aspectos:
En calidad de clave, sı́mbolos estan compuestos de a dos bits, que es lo que se conoce como
dibits.
Al estar los puntos de constelación separados en π/2 la Modulación QPSK puede ser vista
como dos moduladores BPSK en paralelo: un modulador BPSK que hace uso de la parte real
de la Envolvente Compleja y otro que usa la parte imaginaria.
Lo anterior nos induce a pensar que la probabilidad de pérdida de bits en la Modulación
QPSK es similar a la BPSK, pero la QPSK tiene mayor eficiencia espectral ya que sobre un
mimo ancho de banda puede transportar dibits en vez de bits.
En la la Figura 8 podemos ver otra opción para la constelación y la Tabla de Verdad de la Modu-
lación QPSK, la cual es la que usaremos con GNU Radio.
Para esta segunda opción, en la Figura 9, presentamos un ejemplo donde tenemos una señal bi-
149
Figura 7: Constelación y Tabla de Verdad para la Modulación QPSK
b) Tabla de Verdad QPSK
a) Constelación QPSK
Figura 8: Constelación y Tabla de Verdad para la Modulación QPSK con giro
b) Tabla de Verdad QPSK con giro

a) Constelación QPSK con giro
naria que es la señal modulante, la correspondiente señal M-PAM. Allı́ podemos ver también la
Envolvente Compleja que se espera a la salida del modulador QPSK bandabase y en la parte in-
ferior vemos la correspondiente señal pasobandas que se espera en la antena. Estas gráficas se han
realizado para un caso ideal, en que las señales bandabase pudieran ser idealmente rectangulares y
los saltos de fase pudieran ser realmente bruscos. Los casos reales se discuten más adelante, cuando
hablemos de la implementación en GNU Radio. Podemos ver que a diferencia de la modulación
BPSK la parte imaginaria no es cero sino una señal bipolar como lo es también la parte real:
Para comparar esta modulación con la BPSK cuando se aplican sobre un mismo ancho de
banda, en la Figura 10 presentamos la PSD de la Modulación QPSK en las mismas condiciones
usadas para obtener la PSD presentada en la Figura 4 para una señal BPSK. Tenemos que: La
forma de la PSD es la misma de la Modulación BPSK y la única diferencia está en que la QPSK
lleva una rata de bits que es el doble de la que lleva la BPSK. Esto significa que la modulación
QPSK tiene una eficiencia espectral que es dos veces mayor que la modulación BPSK.
5.4.2. La Modulación M-PSK y sus caracterı́stica s distintivas

La Modulación M-PSK es similar a la QPSK, pero el hecho que M sea mayor a 4 marca
fuertes diferencias, sobre todo que se aleja sensiblemente de la modulación BPSK. Analizaremos
de manera especı́fica el caso en que M = 8, es decir el caso de la Modulación 8-PSK, cuyo diagrama
150
Figura 9: Ejemplo de la Modulación QPSK en el dominio del tiempo
Figura 10: PSD de para una señal QPSK
de constelaciones se presenta en la Figura 11. Como puede verse, los puntos de constelación se han
organizado en función de los códigos de Gray como se explicó en el capı́tulo anterior.
Para observar las diferencias con respecto a las modulaciones vistas se nos apoyaremos también
en la Figura 12 Podemos observar que:
M = 8, de manera que la constelación tiene 8 puntos o posibles diferentes sı́mbolos.
Consecuentemente el número de bits por sı́mbolo es Bps = 3.
La modulación 8PSK no incluye cambios de amplitud, solo de fase, consecuentemente, la

constelación incluye magnitud constante.
Comparando esta modulación con las demás cuando se aplican sobre un mismo ancho de
banda, tenemos que:
• La forma de la PSD es la misma de la Modulación QPSK y de la BPSK y se presenta en

la Figura 13 donde la única diferencia que se aprecia en el aumento en la rata de bits.
• La rata de bits es igual a Rb = Bps ∗ Rs , osea Rb = 3 ∗ Rs
151
Figura 11: Constelación y Tabla de Verdad para la Modulación 8PSK
b) Tabla de Verdad 8PSK

a) Constelación 8PSK
Figura 12: Modulación 8PSK. Ejemplo en el dominio del tiempo
Lo anterior significa que la Modulación 8PSK tiene una Eficiencia Espectral tres veces mayor
que la modulación B-PSK y 3/2 más mayor que la QPSK. Pero también es previsible que
esta modulación sea más sensible al ruido.
5.4.3. La Modulación M-QAM

Este es el caso más complejo de las modulaciones a tratar, pero en el fondo es el caso más
genérico, del cual se pueden desprender todas las demás. Comenzamos por la tabla de verdad 5.4.
De esta tabla podemos ver algunos detalles:
Los bits a enviar deberán previamente ser organizados en paquetes de a Bps = log2 (M ) bits,
que para nuestro caso serán paquetes de cuatri-bits en código Gray.
Vemos que puede haber una relación con la tabla de verdad de la modulación M-PAM.
152
Tabla 5.4: Tabla de Verdad. 16QAM
Tabla de Verdad Genérica de 16QAM

16-PAM Clave Simbolo Constelacion
0 0000 A0 ejφ0
1 0001 A1 ejφ1
2 0011 A2 ejφ2
3 0010 A3 ejφ3
4 0110 A4 ejφ4
5 0111 A5 ejφ5
6 0101 A6 ejφ6
7 0100 A7 ejφ7
8 1100 A8 ejφ8
9 1101 A9 ejφ9
10 1111 A10 ejφ10
11 1110 A11 ejφ11
12 1010 A12 ejφ12
13 1011 A13 ejφ13
14 1001 A14 ejφ14
15 1000 A15 ejφ15
Vemos que la información puede modular la magnitud y la fase de la envolvente compleja,

ya que para cada clave i le corresponde un valor Ai y φi .
Encontrar los valores de Ai y φi en la modulación M-QAM no es tan sencillo como en la
modulación M-PAM. Pues van a aparecer más de un sı́mbolo vecino ubicados a la misma distancia
de cada punto de constelación. Aún ası́ es necesario garantizar, como ya se dijo para todas las
modulaciones digitales basadas en constelaciones, que los sı́mbolos vecinos no se diferencie del
nuestro en más de un bit. Para lograrlo, la constelación se debe armar como se ha hecho en la
Figura 14 donde el código de Gray se va ubicando en el orden que señalan las flechas azules. De
esta manera, si tomamos por ejemplo el punto −1, 1, allı́ está ubicado el código 1101 y sus vecinos
son 1111, 1100, 1001 y 0101 y vemos que todos los códigos vecinos se diferencian de nuestro código
solo en un bit. En las coordenadas de la constelación se han usado los valores enteros −3, 1, 1
y 3 para facilitar la ubicación de los puntos en la constelación y para que la constelación y la
Tabla de Verdad parezcan más sencillas, pero se pueden dividir por un valor de escala, como se
muestra en la columna Escalamiento para lograr que la envolvente compleja que se genere tenga
una potencia promedio deseada, por ejemplo, en el caso de los equipos USRP, es conveniente que los
valores que toma la envolvente compleja estén por debajo del valor 1, pero si queremos comparar
esta modulación con otras, es importante que todas se generen con la misma potencia promedio y
para eso sirve el factor de escalamiento que hemos introducido. De esta constelación, podemos ver
algunos detalles adicionales:
Los valores Ai y φi para cada sı́mbolo de constelación i deben ser tomados de manera que
los puntos de constelación resulten lo más separados posible y homogéneamente distribuidos
153
Figura 14: Constelación y Tabla de Verdad para la Modulación 16QAM
a) Constelación 16QAM
b) Tabla de Verdad 16QAM
en el área polar.
Las flechas en la constelación muestran el orden en que se debe ir escribiendo el código de

Gray en la constelación.
Por lo anterior es más común hablar de 16QAM, 64QAM, 256QAM y no en cambio de un
8QAM.
El siguiente aspecto importante está en el dominio del tiempo, para lo cual hemos incluido el
ejemplo de la Figura 15 Podemos observar ahora que:
Figura 15: 16-QAM en el dominio del tiempo
Vemos que la señal pasobandas, que es la que realmente se emite, siendo una onda senoidal
que cambia de amplitud y fase con cada nueva combinación de m = log2 (M ) bits a enviar.
154
Igualmente, la envolvente compleja realiza un cambio con cada nueva combinación de m =
log2 (M ) bits a enviar, pero lo que resultan son dos señales con simbolos rectangulares que
corresponden a la parte real y a la imaginaria de la envolvente compleja.
Por lo anterior es claro que la rata de simbolos está relaciona con la de bits ası́:
Rb
Rs = (5.15)
log2 (M )
Vemos que existe una cierta relación de la Envolvente Compleja con la señal con modulación
M-PAM.
Finalmente, es importante observar lo que ocurre en el dominio de las frecuencias, para lo cual nos
remitimos a la Figura 16 Lo que podemos observar ahora es lo siguiente:
Figura 16: 16-QAM en el dominio de las frecuencias
La PSD tiene una forma similar a la de las señales binarias aleatorias bipolares, pero, al
igual que los demás tipos de modulación vistos, los pasos por cero son en kRs , donde k es
un número entero y Rs es la rata de sı́mbolos, que se calcula con la Ecuación 5.15.
Es importante destacar que la única diferencia que se observa en la PSD con respecto a la
PSD de otros tipos de modulación está en el valor de la rata de bits Rb que puede conducir
esta modulación que es mayor a las demás modulaciones vistas, lo que significa que tiene la
mayor eficiencia espectral.

En la Figura 17 se presenta un ejemplo de implementación en GNU Radio de la modulación
16QAM, pero sirve para cualquier otra modulación como se explica más adelante. Para esta im-
plementación, se tienen las siguientes observaciones:
La fuente de información debe ser de números enteros, como es el caso de las señales cuanti-
ficadas. Para este ejemplo hemos usado una fuente de amplitudes aleatorias que oscilan entre
0 y 255, pero puede oscilar entre cualquier otro valor.
En esta implementación no es necesario realizar el paso a señal PCM, simplemente bloque
”Packed to Unpacked”lo realiza internamente, para luego producir una señal equivalente en
información pero con amplitudes dadas en números enteros entre 0 y M −1. En otras palabras
lo que este bloque realiza es una modulación M-PAM.
El bloque “Chunks to Symbols” aplica propiamente la modulación, que no es otra cosa que
una traducción de los valores de amplitud recibidos a sı́mbolos complejos de acuerdo a la
tabla de verdad.
155
Figura 17: Implementación en grc de GNU Radio de un modulador 16QAM
fuente: El flujograma está compartido como un bloque de la librerı́a de bloques
La tabla de verdad se configura mediante el parámetro “Symbol Table” del bloque “Chunks
to Symbols”. Se trata de un vector que contiene todos los posibles sı́mbolos de la constela-
ción. Por ejemplo, para la modulación BPSK ese vector puede ser [1 + 0.j, −1 + 0.j], para la
QPSK puede ser [1 + 0.j, −1 + 0.j, 0 + 1.j, 0 − 1.j], pero también se puede escribir en forma
de sı́mbolos exponenciales complejos como por ejemplo ası́:
[ numpy.exp(math.pi*0.j/2), numpy.exp(math.pi*1.j/2),
numpy.exp(-math.pi*1.j/2)], numpy.exp(math.pi*3.j/2) ]
Pero esto puede convertirse en una engorrosa tarea, de modo que lo más sencillo es realizar
esta tarea mediante comandos de GNU Radio que además incluyen los códigos de Gray y se
hace con los siguientes comandos:
Para la modulación BPSK:

digital.constellation_bsk().points()
Para la modulación QPSK:

digital.constellation_qsk().points()
Para la modulación 8PSK:

digital.constellation_8psk().points()
Para la modulación 16QAM:

digital.qam.qam_constellation(16).points()
GNU Radio tambien incorpora un bloque llamado “Constellatin Object”, ver Figura 18. Podemos
imaginarlo como una caja que permite orgnaizar las constelaciones en el orden que se prefiera,
por ejemplo en el orden de los códigos de Gray, para usarlas cuando sea necesario. El orden de
los códigos de Gray se programan en el parámetro “Symbol Map”. Tambien se deben introducir
156
los puntos de constelación en el parámetro “Contellation Points”. Una vez configurado este bloque
puede acceder a la constelación mediane comandos como: MiConstelacion.points(), el cual entrega
los puntos de constelación que se le pueden entregar a su vez a bloques como el “Chunks to Symbol”.
Figura 18: El bloque Constellation Object
En la Figura 19 se presenta un ejemplo del resultado de la Modulación 16QAM implementada

en GNU Radio.
De estos resultados podemos resaltar lo siguiente:
A diferencia de los ejemplos mostrados hasta el momento, en GNU Radio se maneja, natural-
mente, señales discretas, de manera que solo hay una muestra por bit, ası́ como una muestra
por sı́mbolo.
Es posible apreciar que los sı́mbolos tienen una frecuencia de muestreo Bps = log2 (M ) menor
que los bits, lo cual es natural ya que cada sı́mbolo representa a Bps bits.
5.5. Curvas de BER

En una comunicación Digital, Errores de Bits o Bit Error es el número de bits en un volumen
de datos transmitidos que llegan alterados al receptor debido a su paso por el canal, donde la señal
es afectada por el ruido, interferencias y/o distorsiones. BER (Bit Error Ratio) es el número de
bits con errores dividido entre el total de bits transmitidos en un intervalo de tiempo de interés. Es
usualmente medido en forma de porcentaje. La probabilidad de error Pe o Probabilidad de Perdida
de Bits es sinónimo de BER, pero es usualmente presentada como un porcentaje.
Veamos un ejemplo. Tenemos la siguiente secuencia a transmitir:

0110001011
Una vez transmitida, al receptor llega lo siguiente:

0010101001
157
Figura 19: Ejemplo de la modulación 16QAM implementada en GNU Radio
En este ejemplo, podemos ver que 3 bits recibidos no coinciden con los transmitidos, luego se están
presentando un Bit Error de 3. La BER se calcula como los 3 bits incorrectos divididos entre 10
bits transmitidos, lo cual resulta en una BER de 0.3 y equivale a una Probabilidad de Pérdida de
bits del 30 %.
5.5.1. El problema a resolver

A continuación nos dedicaremos a descubrir cual es el problema que se busca resolver mediante
las curvas de BER.
En este momento hemos estudiado varios tipos de modulación (BPSK, QPSK, M-PSK, M-
QAM) que son comunes en las comunicaciones inalámbricas. Se ha comprobado que si el canal
está limitado en una banda B, con cualquiera de esas modulaciones se conduce una misma rata de
sı́mbolos Rs sobre esa banda fija B. De hecho, cualquiera de esas modulaciones, en esas condicio-
nes, tiene la misma PSD. En la Figura 16 se mostró la PSD de la modulación 16QAM bandabase.
Ahora presentamos la PSD de la Modulación BPSK en la Figura 20, la PSD de la Modulación
QPSK en la Figura 21 y la PSD de la Modulación 8PSK en la Figura 22.
Vemos que para todas esas Modulaciones, la PSD es la misma y la diferencia entre esas modula-
ciones está en la rata de bits que sı́ que es diferente para cada una de ellas, ya que Rb = Rs Bps,
donde Bps = log2 (M ) y M es el número de puntos de constelación.
Pensarı́amos entonces que lo recomendable es una Modulación con un valor infinitamente alto
para M , ya que entre más alto sea M mayor es la Eficiencia Espectral de la Modulación dada. En
realidad las cosas no son ası́ tan sencillas y el problema para las modulaciones de mayor grado (M
mayor) se ven más afectadas por el ruido. En la Figura 23 se presenta un caso en que todas las
constelaciones, a pesar del nivel de ruido conservan una forma que permite distinguir cada punto,
de modo que para este caso la mejor modulación es la 16QAM ya que además tiene mayor eficiencia
espectral que las demás.
Sin embargo, en la Figura24 se tiene un segundo caso, en la que la relación señal a ruido es inferior,
158
Figura 20: PSD de para una señal BPSK
Figura 22: PSD de para una señal 8PSK
observamos cómo los sı́mbolos en la modulación 16QAM tienden a solaparse entre sı́. Lo mismo
ocurre con la 8PSK aunque en menor grado. Eso significa que se va a presentar una pérdida de
sı́mbolos muy alta y quizá inaceptable. Por lo tanto, en este caso, la mejor modulación es la QPSK.
En los sistemas de comunicaciones modernos, un sistema puede usar varios tipos de modulación,
de manera que tiene la posibilidad de escoger la que más convenga de acuerdo a la relación señal
a ruido que le brinde el canal. Entonces surge la pregunta que estamos buscando: ¿qué criterio de
decisión puede servir para escoger una u otra modulación?
5.5.2. La solución al problema

La respuesta está en conocer previamente el desempeño de cada tipo de modulación ante un re-
ferente apropiado. Ese referente es el Ruido Blando Gaussiano Aditivo. Es prácticamente imposible
crear unas condiciones reales para probar un sistema de comunicaciones ante el ruido, ya que en
159
Figura 23: Comparacion de BPSK, QPSK, 8PSK y 16QAM ante el ruido. Caso1
Figura 24: Comparacion de BPSK, QPSK, 8PSK y 16QAM ante el ruido. Caso2
un canal inalámbrico existen muchos otros fenómenos que el ruido blanco gausiano aditivo. Por lo
tanto, resulta importante hacer la experimentación mediante simulación, para lo cual es necesario
implementar un Canal de Ruido Blanco Gaussiano Aditivio (AWGN, del inglés Additive White
Gaussian Noise). La idea es poder medir la rata de bits perdidos para cada tipo de modulación en
condiciones similares para diferentes relaciones de señal a ruido.
En este caso, no es usual usar una relación señal a ruido como la que se usa en las comunicaciones
analógicas sino maś bien una relación Eb /No , donde Eb es la energı́a de cada bit, la cual se calcula
160
como:
P
Eb = P Tb = (5.16)
Rb
donde P es la potencia promedio de la señal actual sin tener en cuenta ruido, Tb es la duración de
cada bit y Rb es la rata de bits. También es común usar la relación Es /No , donde Es es la energı́a
de cada sı́mbolo, la cual se calcula como:
P
Es = P Ts = (5.17)
Rs
donde Ts es la duración de cada sı́mbolo y Rs es la rata de sı́mbolos. Al encontrar la probabilidad
Figura 25: Curvas de BPSK, QPSK y 8PSK y 16PSK
de pérdida de bits para cada valor de Es /No o de Eb /No , se puede construir una gráfica que se
conoce como la Curva de BER (del inglés Bit Error Ratio) o de SER (Simbol Error Ratio). En la
Figura 25 se tiene un ejemplo de las curvas de BER para las modulaciones BPSK, QPSK y 8PSK
y 16PSK. De su observacion podemos deducir lo siguiente:
Entre más abajo esté la curva de BER para una Modulación, mejor desempeño muestra esa
modulación ante el ruido blanco aditivo gaussiano.
De acuerdo a la Figura 25, Las Modulaciones QPSK y la BPSK están coincidiendo, eso signi-
fica que la modulación QPSK es notablemente mejor, pues aunque tiene el mismo desempeño
ante el ruido que la BPSK, es ya bien sabido que tiene mayor Eficiencia Espectral.
Vemos que entre más alto sea el valor de M, para una modulación M-PSK menor es su
desempeño ante el ruido.
Supongamos que nuestro sistema debe soportar una pérdida de bits de al menos 10−6 y
en cierto momento de interés se presenta una relación Eb /N0 = 16. Podemos ver que las
siguientes modulaciones cumplen las condiciones dadas: BPSK, QPSK y 8PSK, entonces la
modulación que más le conviene al sistema en esas condiciones es la 8-PSK, ya que aunque
cumple las condiciones dadas y además tiene mayor Eficiencia Espectral que las demás.
Las curvas de BER también pueden ser dadas en función de Es/No como se muestra en la Figura
26.
161
Figura 26: Curvas de BER Diversas Modulaciones

La BER puede ser evaluada usando simulación estocástica computarizada, lo cual se conoce
mejor como el Método de Monte Carlo. Pero es bastante común también su cálculo analı́tico
asumiendo un sencillo modelo del canal de transmisión y una fuente de datos, en este caso uno
de los modelos es el de Bernoulli, el cual proporciona unas fórmulas ya listas para cada tipo de
modulación.
A continuación se explica una implementación realizada por los autores para obtener las curvas de
BER con el GRC de gnuradio usando el método de Monte Carlo.
El primer paso consiste en contar con un medidor confiable de BER. E GRC de GNU Radio se uno
llamado “Error Rate”. Sin embargo, hemos optado por desarrollar uno propio ya que el anterior no
brinda detalles necesarios para construir una Curva de BER como el número de bits procesados,
el número de errores obtenidos. El bloque que hemos implementado lo hemos llamado “e Symbol
Rate”. Este bloque se incluye en la Figura 27 que además muestra el Flujograma desarrollado
para medir los valores de la curva de BER para diferentes tipos de modulación. El flujograma está
disponible para los lectores en la página del libro, y se llama “Medicion BER.grc”.
Con esta implementación podemos realizar las siguientes observaciones:
Para obtener una comparación sobre el desempeño de un tipo de modulación con respecto a
otra no es necesario recurrir a una implementación real.
Lo único que hay que tener en cuenta es que la comparación se realice en condiciones similares
También es importante que la implementación sea lo más sencilla posible ya que, dependiendo
del grado de perfección que se desee para la medición de esos valores, el simulador tendrá
que procesar un alto volumen de datos para estabilizar el promediado para obtener el valor
de BER para un valor dado de Eb /N0 .
En este sentido, solo hay que incluir, aparte de los elementos de modulación, un generador
de ruido que permita variar el nivel de ruido en función del valor de la relación Eb /N0 o
Es /N0 . Eso lo hemos logrado con un sencillo canla compuesto por el bloque “Noise Source”
y el “Add”
El parámetro Amplitude del bloque “Noise Source” corresponde en realidad a la Desviación
Estandard del ruido a generar, que para el caso dado, corresponde al valor RMS del ruido y
162
Figura 27: Flujograma para obtener valores de la Curva de BER
fuente: El flujograma está compartido en la página web del libro.
a su vez corresponde al valor medio de los valores que toma la magnitud de la señal.
Se sabe que la potencia promedio de unas señal aleatoria es el valor RMS al cuadrado, de
modo que la potencia promedio del ruido que entrega el “Noise Source” está relacionada con
el valor RMS ası́: p
VRM S = Pr
En el capı́tulo 1.5.14 se estudió el ruido blanco gaussiano y se dijo que su PSD está distribuida
en todas las frecuencias y tiene un valor constante igual a N20 -
En el capı́tulo 2.4.12.1 quedó claro que cuando se trata de la Envolvente Compleja del Ruido
Blanco, su PSD tiene un valor constante en todas las frecuencias igual a N0 .
Aunque una señal como el Ruido blanco ocupa todas las frecuencias, también es cierto que
lo que se está generando el bloque “Noise Source” es una versión muestreada de ruido blanco
en banda base
También es importante tener en cuenta que de lo que se trata en este caso es de la Envolvente
Compleja del ruido blanco discreto con una frecuencia de muestreo igual a la rata de sı́mbolos.
Del capı́tulo 1.5.10 se sabe que la potencia promedio de una señal es igual al área bajo la
curva de su PSD.
Por lo anterior, vale la pena recordar el Teorema de Muestreo explicado en el capı́tulo 2.3.1.1,
el cual, para el caso del Ruido Blanco nos permite afirmar que, debido al muestreo, el bloque
genera un ruido blanco pero limitado a en su ancho de banda, entre la frecuencia Fmin =
−Rs /2 y Fmax = Rs /2, por lo tanto la potencia promedio del ruido blanco es:
Pn = (Fmax − Fmax )N0 = Rs N0
Teniendo en cuenta la ecuación 5.17, puede decirse que la rata de sı́mbolos está relacionada
con la Energı́a y la Potencia de los sı́mbolos recibidos de la siguiente manera:
Ps
Rs =
Es
Por lo tanto,
Ps
Pn = (5.18)
Es /N0
De aquı́ surge la siguiente importante deducción: la relación Es/N0 es igual a la relación
entre la potencia promedio de la señal útil con la del ruido blanco, que no es otra cosa que lo
163
que se conoce como Relación Señal a Ruido o SNR (del ingles Signal to Noise Relationship)
que es la relación entre la potencia de la señal y la potencia del ruido.
Ps
Es /N0 = = SN R (5.19)
Pn
Finalmente, encontramos que el bloque “Noise Source” debe ser configurado con el siguiente
valor para el parámetro “Amplitude”:
r s
p Ps Ps
VRM S = Pn = = (5.20)
SN R Eb /N0
El bloque “e symbol Rate” puede también calcular bits perdidos si en sus dos entradas se
conectan señales binarias en vez de M-arias, que es como está la configuración de la Figura
27.
El término SER y BER aparentan ser lo mismo, lo cual se puede ver en el siguiente ejemplo:
si entre 106 sı́mbolos transmitidos se presentan 10 erróneos, se tiene que la probabilidad de
pérdida de sı́mbolos es:
10
SER = 6 = 10−5
10
Supongamos ahora que se usa la modulación 8PSM, la cual lleva Bps = logs (8) = 3 bits por
sı́mbolo. Entonces se habrán enviado en realidad 3 106 y se habrán presentado 30 errores, de
modo que:
30
BER = = 10−5
3 106
Pero en realidad no es tan ası́. Como vimos al hablar de los códigos de Gray, cuando se
presenta un error, porque un sı́mbolo ha sido confundido por uno vecino en la constelación,
solo se ha perdido un bit, no los Bps bits que hay en cada sı́mbolo. Por lo tanto, la curva de
BER puede llegar a mostrar resultados más alagadores que la de SER.
Aunque GNU Radio tiene buenas herramientas para obtener el espectro de las señales, no
cuenta en realidad con un bloque o función que calcule propiamente la PSD de una señal. Es
por esa razón que no podemos ver con GNU Radio viene clara una demostración de la PSD
del ruido blanco en función por ejemplo de la frecuencia de muestreo.
La solución descrita anteriormente permite obtener valores de BER para distintos valores de Eb /N0
o Es /N0 , pero no crea realmente una Curva de BER. GNU Radio y menos aún el GRC traen he-
rramientas para obtener las Curvas de BER. En Matlab y en Simulink de Matlab se tiene una
solución que consiste en crear un software para el sistema de comunicación y otro software para
llamar al primero con diferentes valores de Es/No. Lo que proponemos en la Figura 28 ahora es
algo mucho más sencillo y novedoso.
La solución consiste en la implementación del bloque “B BERTool”, el cual tiene las siguientes
cualidades:
Funciona como un canal de Ruido Blanco Gaussiano Aditivo, es decir un canal AWGN. Pero
tiene un comportamiento particular:
Por un lado, va cambiando internamente la potencia del ruido de una manera conveniente
para crear las más diversas condiciones para medir la BER
Además pedir como entrada la señal modulada, también pide la señal que se tiene antes de
la modulación, en el transmisor, y la que se presenta después de la de modulación, en el
receptor.
El bloque cuenta entonces con todos los datos para realizar los cálculos para obtener una
curva de BER, la cual la entrega en forma de un vector de N snr valores.
164
Figura 28: Flujograma para obtener la Curva de BER para cualquier tipo de modulación
fuente: El flujograma está compartido en l página del libro
Solicita un valor mı́nimo y uno máximo para la relación Eb /N0 . El bloque también pide el
número de puntos para cada curva de BER, lo cual se configura en el parámetro N snr.
El funcionamiento del bloque comienza por crear un vector de N snr con valores tomados
entre el valor mı́nimo y máximo dado para la relación Eb /N0 . Ese vector lo usa para generar
el nivel de ruido apropiado para obtener un vector con los valores de la Curva de BER poder
entregar un vector de N snr elementos de la Curva de BER. Esta curva se va ajustando todo
el tiempo a medida que crece el número de bits o de sı́mbolos que entran por por las entradas
in TX e in Rx.
La salida del bloque es un vector de N snr valores de la Curva de BER que puede irse
graficando en un bloque “QT GUI Vector Sink”.
En la Figura 29 se tienen las curvas obtenidas para los tipos de modulación estudiados.
5.6. Formación de Pulsos y Acoplamiento en comunicacio-

nes Digitales inalámbricas
En GNU Radio el Wave Forming es también un paso necesario cuando se tiene una señal con
modulación digital. La diferencia es que esa señal será compleja ya que se tratará de una señal que
espera el Up Converter, el cual a su vez se encuentra en el Hardware de una solución SDR. Antes
de llegar al Up converter la señal debe pasar por un conversor digital análogo (DAC) como es el
caso del hardware usado en el NI USRP 2920 visto en el capı́tulo 1 y que se resume en la figura
30.
En la figura 31 se tiene un ejemplo de la señal que entrega un modulador digital BPSK en

GNU Radio, la cual es compleja por tratarse de la versión bandabase. Como puede verse, esa señal
está un tanto alejada de la correspondiente en el mundo real, que son los cuadros que aparecen
punteados en la figura 31.
5.6.0.1. Wave Forming basado en pulsos rectangulares

En la Figura 33, en color azúl muestra la señal que se podrı́a tener a la salida del bloque Wave
Forming si este se configura para que cada sı́mbolo se repita cuatro veces en la misma duración
Ts. Entonces, se obtiene una señal con una frecuencia de muestreo 4 veces mayor a la anterior la
165
Figura 29: Curvas de BER obtenidas con GNU Radio
Figura 30: El Formador de Pulsos en una solución SDR
Figura 31: Ejemplo de la señal que entrega el modulador BPSK.
Nota: En lı́nea azul grueso la componente real, en rojo la imaginaria, en punteada la que corresponde en el mundo
fı́sico. Ts - duración del sı́mbolo
cual es más parecida a la esperada en el mundo real.
166
Figura 32: El Wave Forming como intermediario entre el Modulador y el DAC.
Figura 33: En lı́nea azul la componente real y en rojo la señal a la salida del bloque Wave
Forming. En negro la salida del DAC. Sps=4
El DAC entrega como resultado la señal que aparece en color negro para la parte real y una de
nivel cero para la parte imaginaria. Tampoco se ha logrado reproducir la señal continua en forma
ideal como la mostrada en forma punteada en la Fig.1, ya que esa señal tendrı́a un espectro de
ancho de banda infinito, lo que significa que es necesario que haya infinitas muestras por bit en la
señal que se entrega al DAC, lo cual es imposible desde todo punto de vista. Se obtiene más bien
una señal que tiene una forma similar a la esperada y que de paso tiene un ancho de banda finito
igual a:
samp rate Sps
BW = = (5.21)
2 2Ts
Donde samp-rate es la frecuencia de muestreo de la señal que entra al ADC y Sps es el número
de muestras por sı́mbolo, del inglés samples per symbol, lo cual es coherente con el Teorema de
Nyquist.
En la Figura 34 se tiene otro ejemplo para el caso de la modulación 8PSK.
Figura 34: Envolvente compleja con forma rectangular para la Modulación 8PSK
167
5.6.0.2. El Filtro Coseno Alzado
Figura 35: Flujograma con Modulación Digital y Formador de Pulsos
Fujograma usado: WaveFormingQ P SK.grc|
Figura 36: Resultados de Wave Forming aplicado a la modulación QPSK, con Filtro RC y
rolloff=0,5
Fujograma usado: WaveFormingQ P SK.grc|
En la Figura 35 se presenta el flujograma de un sistema básico que permite generar una señal
M-PAM, que pasa a un Modulador basado en constelaciónes implementado en el bloque “Chunks
to Symbols” y finalmente pasa por el Formador de Pulsos implementado mediante el bloque “In-
terpolating FIR Filter”. Sobre el Formador de pulsos podemos decir los siguiente:
Para el formador de pulsos hemos usado exactamente el mismo bloque que hemos usado para
el caso de señales reales, lo único diferente es su configuración que requiere lo siguiente:El
parámetro “Type” se configura como Complez-¿Complex(Real Taps), que significa que la
entrada y la salida del bloque son complejas, pero la respuesta al impulso la introducimos
como valores reales.
Cualquier tipo de modulación puede ser configurada en el bloque “Chunks to Symbol”
168
Figura 37: Resultados de Wave Forming aplicado a la modulación 8PSK, con Filtro RC y
rollof f = 1
Fujograma usado: WaveForming8 P SK.grc|
Figura 38: Diagrama de Ojo de una señal con Modulación 8PSK, con Filtro RC, rolloff=1
a) Parte real b) Parte Imaginaria
Cualquiera de los Formadores de pulsos vistos puede ser configurado en el bloque “Interpo-
lation FIR Filter”
Si corremos este flujograma, para Sps = 8, Modulaición QPSK, Filtro RC con rollof f = 0, 5
obtenemos los resultados presentados en la Figura 36. En la Figura 37 tenemos otro ejemplo para
169
el caso de la modulación 8PSK, usando Filtro RC, con rollof f = 1
De la misma manera, es posible encontar el diagrama de ojo, pero claro está, para la parte real y
la imaginaria como se muestra en la Figura 38
Igualmente, en este tipo de modulaciones aplican los filtros de acoplamiento para eliminar el ruido
blanco, lo cual se deduce de lo ya explicado. Por lo tanto, también se usa ampliamente el Filtro
RRC.
5.7. Consecuencias de otros Fenómenos

5.7.1. Desviación angular
En términos de señal paso bandas, ser refiere a la desviación angular que existe entre dos
señales. En la Figura 39 se tiene un ejemplo para la modulación BPSK, donde la versión original
está en color azul y la versión desfasada en 45 grados está en color rojo.
Figura 39: Señal BPSK y su versión desfasada en 45 grados
En la Figura 40 se tiene otro ejemplo para el caso en que el desfase es de 90 grados. En los
sistemas de comunicación, el desfase es prácticamente un fenómeno obligatorio dado principalmente
por el paso de la señal através de diferentes condiciones del medio de transmisión, que para nuestro
caso es el canal inalámbrico. También se puede producir en el paso de la señal por diferentes circuitos
de radio que se tienen tanto en los equipos de transmisión como de recepción. Incluso, aún en el
caso hipotético en que la señal llegue sin desfase alguno, este puede aparecer al intentar bajar la
señal a bandabase, ya que es poco probable que la fase del oscilador local del down converter esté
en fase con la señal recibida.
Cuando se usan las técnicas de SDR la desviación de fase que llega al receptor no alcanza a ser
corregida completamente en el hardware, de manera que se presenta en la Envolvente Compleja
discreta que se recibe. En la Figura 41 se presenta un ejemplo para el caso de la modulación 16QAM,
en la parte superior se tiene la constelación generada en el modulador de la parte transmisora, en
la parte inferior está la constelación que se obtiene en el receptor cuando se presenta la desviación
angular.
La implementación de un simulador de un canal banda base con desviación de fase puede

realizarse de la siguiente manera:
z(t) = s(t)ejφ (5.22)
donde s(t) es la envolvente compleja de la señal que el transmisor entrega al canal; φ es el desfase
que introduce el canal; y z(t) es la salida del canal.
170
Figura 40: Señal BPSK y su versión desfasada en 90 grados
Figura 41: Constelación de la Modulación 16QAM y su versión con desviación de fase
5.7.2. Desviación en frecuencia

Las desviaciones entre la frecuencia usada en la transmisión y la que llega a un receptor, luego
de que la señal atraviesa un canal, son también un fenómeno casi obligado, sobre todo cuando el
171
canal es inalámbrico. La causa principal es el Efecto Doppler, aunque pueden haber otras como por
ejemplo las imperfecciones en los circuitos que generan la portadora tanto en el transmisor como en
el receptor. En la Figura 42 se presenta un ejemplo, donde la señal en color rojo aparece dos veces
desviada de la original, sin embargo, en la práctica esta desviación suele ser de unos pocos Hertz.
Como en el caso de la desviación de fase, al usar técnicas de SDR, las desviaciones de frecuencias
Figura 42: Desvición Frecuencias entre dos señales BPSK
no alcanzan a ser corregidas completamente con el hardware, de modo que es un problema que se
traslada a las componentes de software. En este sentido, nos ocuparemos ahora en conocer cómo
es la envolvente compleja de una señal con desviación de frecuencias comparada con una sin ella.
En este caso, la desviación está dada por la siguiente expresión:
z(t) = s(t)ej2πfdesv t (5.23)
donde s(t) es la envolvente compleja de la señal que el transmisor entrega al canal; fdesv es la
desviación de frecuencia que introduce el canal; y z(t) es la salida del canal.
Desde este punto de vista, es fácil deducir que una señal con desviación de frecuencias, puede ser
observada a la salida del Down Converter como una constelación similar a la mostrada en la Figura
41 pero no estática, sino girando en contra de las manecillas del reloj si la desviación es positiva o
en favor de las manecillas del reloj si es negativa.
5.7.3. Frequency Lock Loop (FLL) y Phase Local Loop (PLL)

Un método sencillo para estabilizar una constelación consiste en que el bloque de sincronización
tenga la información sobre la constelación usada. Se basa en la implementación de un Bucle de
Costas (Costas Loop) para medir la señal recibida en búsqueda del error que presenta con respecto
al punto de constelación más cercano en la constelación que se tiene como modelo. La siguiente
figura ha sido tomada de Wikipedia y refleja muy bien la idea: una señal m(t) puede llegar con
una desviación de frecuencias $, se involucra un VCO para corregirla.
De manera similar funciona el FLL (Frequency Lock loop) , pero m(t) es una envolvente comple-
ja. El bloque puede fallar cuando las desviaciones son exageradamente altas. El bloque se conecta
usualmente después del ecualizador.
En la Figura 44 se tiene una interconexión que puede ser usada para construir un bloque FLL en
GNU Radio teniendo en cuenta que en GNU Radio no contamos con la señal pasobandas sino con
la Envolvente Compleja. Por ello, lo que el generador debe suministrar en una onda compleja. El
medidor de velocidad lo que mide es la velocidad del vector rotante para ordenar al VCO generar
la onda compleja con la frecuencia apropiada. Lo mismo pasa para construir un bloque PLL, como
se muestra en la Figura 45, solo que ahora el VCO lo que entrega es un valor complejo ejφ .
Otro bloque es el “Costas Loop”. Este bloque está pensado para ser usados en modulaciones
M-PSK, utiliza un bucle de segundo orden y por lo tanto se define con un parámetro de ancho de
banda de bucle. La otra cosa que necesita saber es el orden de la modulación M-PSK, de modo
que es 2 para BPSK, 4 para QPSK y 8 para 8PSK. En la imagen podemos ver que los sı́mbolos
172
Figura 43: Frequency Lock Loop
fuente: https://en.wikipedia.org/wiki/Costas-loop
Figura 44: FLL para cuando la entrada es la Envolvente Compleja
Figura 45: PLL para cuando la entrada es la Envolvente Compleja
están todos en el cı́rculo de unidad, pero girando debido a que aún no se está realizando aún la
compensación de frecuencia. A la salida del bloque de bucle Costas, podemos ver la constelación
bloqueada más el ruido extra que no podemos suprimir.
5.7.4. La codificación Diferencial para atacar la ambigüedad de fase

Obsérvese que en nuestra discusión anterior la corrección de las desviaciones de frecuencia o
de fase se basan en un conocimiento previo de la forma de la constelación, pero debido a que la
constelación tiene una forma simétrica es posible que la constelación recibida y procesada resulte
girada en un ángulo tal que tenga la misma apariencia de la constelación transmitida. Entonces
ocurre que cada punto puede resultar expresando un sı́mbolo diferente al transmitido. Para resolver
este problema hay que aprovechar que, en todo caso, se mantiene el orden de la secuencia de los
sı́mbolos, es decir, los sı́mbolos siguen llegando en el mismo orden en que fueron emitidos, solo que
con fases diferentes.
173
Figura 46: Antes y después de a plicar FLL
5.7.4.1. Proceso de codificación diferencial

La idea es no transmitir los sı́mbolos tal y como se originan sino los que resulten de la diferen-
cia entre ellos, de modo que la información útil no se asocia a un punto de constelación sino a la
diferencia entre puntos de constelación. En la parte receptora se obtiene cada sı́mbolo a partir de
su relación con otro sı́mbolo adyacente.
En la parte transmisora, la solución se implementa mediante un codificador diferencial.Para el

caso más sencillo, supongamos que los sı́mbolos transmitidos son simplemente bits y que en un
instante determinado, a la entrada del codificador se tiene el bit xi . La salida yi se calcula ası́.
yi = yi−1 ⊕ xi (5.24)
Donde ⊕ es la operación de suma binaria o suma por módulo 2.
En la parte receptora, se realiza la operación inversa
xi = yi ⊕ yi−1 (5.25)
De modo que en el receptor el valor de xi no está en un determinado sı́mbolo yi sino en la
diferencia con respecto al sı́mbolo anterior yi−1 .
Para llevar a cabo esta idea en el caso en que se usan sı́mbolos compuestos por k bits, es nece-
sario aplicar la operación a paquetes de k bits, ası́, en el caso de BPSK, k = 1; en QPSK, k = 2; en
8PSK, k = 3; en 16QAM, k = 4. Cabe notar que k = log2 (M ), donde M es el número de puntos
de constelación de la modulación de interés
Veamos un ejemplo para la modulación 8PSK:
• El sı́mbolo actual es xi = 110
174
• El sı́mbolo anterior era yi−1 = 101
• La salida del encoder es: yi = yi−1 ⊕ xi = 101 ⊕ 110 = 011

• En el decoder se realiza la operación: xi = yi ⊕ yi−1 = 011 ⊕ 101 = 110
Veamos un ejemplo más completo para la misma modulación:
Supongamos que la señal a la entrada del codificador es 110010011100 y que puede ser ser vista
como sı́mbolos de a 3 bits de la siguiente manera:
x = [110][010][011][100]
Supongamos que al iniciar el proceso el codificador está en estado:
y0 = [111]
con la llegada del primer sı́mbolo al codificador se produce la salida de la siguiente manera:
y1 = y0 ⊕ x1 = 111 ⊕ 110 = 001
con el segundo sı́mbolo
y2 = y1 ⊕ x2 = 110 ⊕ 010 = 011
Con el tercer sı́mbolo
y3 = y2 ⊕ x3 = 011 ⊕ 011 = 000
Con el cuarto sı́mbolo
y4 = y3 ⊕ x4 = 000 ⊕ 100 = 100
Veamos ahora lo que ocurre en la parte receptora
Al decodificador llega la señal:
y = [111][001][011][000][100]
Con la llegada del primer sı́mbolo al decodificador se produce la salida de la siguiente manera:
x1 = y0 ⊕ y1 = 111 ⊕ 001 = 110
con el segundo sı́mbolo
x2 = y1 ⊕ y2 = 001 ⊕ 011 = 010
con el tercer sı́mbolo
x3 = y2 ⊕ y3 = 011 ⊕ 000 = 011
con el cuarto sı́mbolo
x4 = y3 ⊕ y4 = 000 ⊕ 100 = 100
Como podemos ver, la salida del decodificador es: 110010011100 y es igual a la entrada del
codificador.
175
5.7.4.2. La codificación diferencial generalizada
La operación yi−1 ⊕ xi no es la única forma para una codificación diferencial. De manera más
genérica, se puede usar una función u = F (x, y) siempre y cuando la ecuación u0 = F (y0 , x) solo
tenga una solución para cualquier y0 y u0 .
5.7.4.3. Problemas de la codificación diferencial

La codificación diferencial tiene una desventaja significativa: multiplica errores. Esto es, si un
sı́mbolo yi es recibido incorrectamente, habrán dos sı́mbolos de información xi y xi+1 decodificados
incorrectamente ya que ambos depende de yi , pues: xi = yi ⊕ yi−1 , pero xi+1 = yi+1 ⊕ yi . Por esa
razón, la rata de sı́mbolos perdidos se dobla.
Existen otras alternativas para para resolver ambigüedad de fase. Por ejemplo, en la televisión
digital satelital, con el sistema DVB-S, se usan syncword sobre una trama de sincronización, de
manera que si en esa trama se detecta que las syncword están invertidas de alguna manera, todos
los datos proceden a ser invertidos de manera consecuente.
5.7.4.4. Implementación en GNU Radio

En GNU Radio hay diversar formas de implementar esta codificación, como por ejemplo las
siguientes:
Figura 47: Flujograma para implementar la capa base que incluye codificación diferencial y
modulación con EC
Fujograma usado: codd if f 2.grc|
En las implementaciones más realistas, los elementos de modulación ya la incluyen por de-
fecto, si es que les interesa incluirla, pues como ya se ha dicho, es solo una de las posibles
alternativas para luchar contra la ambiguedad de fase.
GNU Radio trae una pareja de bloques dedicado a este tipo de codificación, son los bloques
“Differential Encoder” y “Differential Decoder” En la Figura sss. Estos tienene estas cuali-
dades: trabajan con señales M-arias, de modo que si lo que tiene adelante es un modulador
176
como el bloque “Chunk to Symbol” que pide como entrada una señal M-aria, pues el bloque
“Differential Encoder” puede ir antes, pero debe tener como entrada una señal M-aria como
la que produce un modulador M-PAM.
En la Figura 47 se presenta un ejemplo sobre la manera en que se puede implementar una capa
de codificación diferencial. Hemos tenido que agregar un canal, el bloque “b Canal simple cc”
de por medio que nos permitiera inyectar desviaciones angulares controladas para comprobar el
comportamiento del codificador diferencial.
5.8. Implementación en GNU Radio

Para concluir la implementación del sistema propuesto en el modelo de capas de la Figura 1
lo que se propne es complementar el flujograma presentado en la Figura 47 con la solución que se
propone para las técnicas pre-canal en la Figura 48 Las siguientes son recomendaciones para lograr
Figura 48: Flujograma para implementar las técnicas precanal
Fujograma usado: RFoCable2 .grc|
un sistema funcional:
El sistema propuesto hasta el momento es más bien de tipo pedagógico, por eso incluye
varios elementos que han de ser ajustados manualmente, lo cual no debe ser problemático
cuando el canal es guiado. En el siguiente capı́tulo, al enfrentarnos a un canal no guiado,
buscaremos soluciones más automatizadas, más realistas que también pueden aplicar para el
canal guiado, solo que hemos creı́do que no vale la pena complicar las cosas aún.
No hemos tratado el tema de la sub capa M-PAM, pero ya lo hicimos en el capı́tulo anterior
de modo que hemos estimado que no es necesario incluirlo. En todo caso el lector puede ir
al sitio web de libro y encontrar los flujogramas completos que incluyen toda la solución.
Lo mismo podemos decir para la capa de aplicación, para contar con un sistema completa-
mente funcional.
177
Capı́tulo 6
El canal inalámbrico
6.1. Consecuencias del Fenómeno de Multitrayectoria

6.1.1. El Jitter
La distorsión producida por el fenómeno de multitrayectoria puede ser intra-sı́mbolo, cuando
el efecto de las reflexiones es más corto que la duración de los sı́mbolos, pero también se da el
caso de que sea intersimbolo (ISI) debido al retardo que pueden tener ciertas reflexiones y a la
deformación que ocurre en el dominio de las frecuencias, entonces los bits o los sı́mbolos puede
resultar superpuestos en el receptor, lo que también se conoce como Jitter.
El término Jitter es un poco más amplio, pues no es exclusivo para el fenómeno de multitra-
yectoria. Se denomina jitter (término inglés para fluctuación) a la variabilidad temporal durante
el envı́o de señales digitales, una ligera desviación de la exactitud de la señal de reloj puede pro-
ducirlo. El jitter puede ser una de las consecuencias del fenómeno de multi trayectoria que siguen
las ondas en su propagación desde el transmisor al receptor. En la la televisión digital terrestre
(TDT), con el standard DVB-T2, el Jitter es algo muy propio del sistema, pues este sistema ha sido
pensado para lograr que cada operador use frecuencias únicas en todo el territorio asignado (SFN,
de single frequency network). En este caso, el operador despliega las estaciones de radiodifusión
que sean necesarias para cubrir todo el territorio asignado. Entonces, como todas las estaciones
deben radiar la misma señal, a un punto de interés llega no solo la señal de la antena más cercana
sino aportes de otras antenas, con lo cual la señal se ve afectada por el Jitter que depende de la
geografı́a y la distancia en que se encuentre el receptor. El Jitter es algo no deseado, es inevitable,
pero puede ser premeditado como en el caso de la TDT.
Figura 1: Red de Frecuencias Únicas en TDT
En ese caso, cómo se tienen varias áreas o celdas cubiertas con la misma banda de frecuencias,
radiando la misma señal, pueden llegar a interferirse en ciertas zonas, lo importante es que el Jit-
ter no sobrepase unos valores que hagan que la señal útil sea irrecuperable. El jitter puede estar
variando, como se muestra en la siguiente figura donde Aj refleja esa variabilidad que se da cuando
178
varı́a el canal, por ejemplo, porque el usuario o las fuentes reflectoras se mueven
Figura 2: El Jitter
También es claro que el Jitter es una de las causas de lo que se conoce como Interferencia
Intersimbolo (ISI) pues finalmente lo que se observa es que la energı́a de unos sı́mbolos se solapa
con la de otros, pero en muchos casos al Jitter se le puede dar un tratamiento especial, diferente
a la ISI producida por las restricciones de ancho de banda del canal, cuando el Jitter puede ser
visto como una inestabilidad en la frecuencia en que llegan los sı́mbolos al receptor, lo cual se tra-
duce en la necesidad de realizar un timing o clock recovery, pero de manera continuada o adaptativa.
6.1.2. Desvanecimientos lentos y rápidos. Efecto de Rayleigh

Consecuencias del desvanecimiento rápido:
En un sistema de comunicaciones digitales basado en GNU Radio, este fenómeno se verá como una
tembladera de las constelaciones rápida, pero con pocas desviaciones. En la siguiente figura hay
un ejemplo visto en dos instantes de tiempo, donde se observa que la nube de puntos de una cons-
telación se ha movido ligeramente de su posición. En una observación continua veremos entonces
las constelaciones danzando en alrededor de la posición original.
Figura 3: Consecuencias en la constelación del Desvanecimiento rápido
Consecuencias del desvanecimiento lento. En la figura 4 se presenta un ejemplo de lo que puede

ocurrirle a una constelación BPSK.
179
Figura 4: Consecuencias en la constelación del Desvanecimiento lento
Figura 5: Variaciones espectrales debido a no linealidades del canal
Figura 6: QPSK impactada por no linealidades del canal
6.1.3. Afectación por no linealidades

La multitrayectoria también trae consecuencias que son comunes en el paso de una señal por
un medio no lineal, lo cual se ve principalmente reflejado en el dominio de las frecuencias, don-
180
Figura 7: Waterfall para una señal QPSK afectada por no linealidades variables
de algunas frecuencias o rangos de frecuencia de la señal resultan más o menos amplificadas que
otras.
Para mostrar un ejemplo de esta afectación vamos al caso de SDR, con lo cual nos referiremos
directamente a lo que ocurre con la Envolvente compleja. El ejemplo se presenta en la Figura 5,
donde vemos que la señal que se origina en la parte transmisora tiene una PSD que es plana en
todas las frecuencias. Para lograrlo, hemos conectado el medidor de PSD a la salida del modulador,
antes del Formador de Pulsos, de modo que solo se tiene una muestra por sı́mbolo, con lo cual
la señal modulada pueda ser vista, desde el punto de vista espectral, como un ruido blanco. Otro
medidor de la PSD lo hemos conectado en el receptor, pero no inmediatamente a la salida del canal
sino después del proceso de muestreo que permite obtener solo una muestra por sı́mbolo. Vemos
que la señal recibida, en color rojo, tiene fuertes desviaciones de magnitud en el dominio de las
frecuencias. En la Figura 6 se presenta un ejemplo del impacto que las no linealidades del canal
pueden tener sobre la forma la constelación de una señal con modulación QPSK y como podemos
ver, resulta en una desfiguración que hace casi imposible reconocer directamente los sı́mbolos.
Pero lo peor de esta afectación, es que no es estática sino que varı́a con el tiempo, lo cual se
puede apreciar mediante un analizador de espectros configurado en modo waterfall para mostrar
como el espectro varı́a en el tiempo, como se muestra en la Figura 7
6.2. Simulación de un canal inalámbrico en GNU Radio

Simular el canal resulta tremendamente útil. Supongamos que vamos a implementar un método
para corregir los estragos que produce la multitrayectoria. Para probar ese método es necesario
contar con un canal en el cual se puedan aislar los fenómenos que no sean de multitrayectoria.
Eso es posible cuando se cuenta con un canal simulado. Podemos ver el canal como un sistema
que tiene una señal de entrada y una salida: la primera es la señal que entrega el equipo de
transmisión y la segunda es la que entrega el equipo de recepción que obviamente estará afectada
por los fenómenos de propagación. Es decir que, tanto el transmisor como el receptor operan con
la envolvente compleja, resulta lógico que el canal sea implementado en banda base para lo cual es
necesario poder llevar a banda base los efectos que pueden ocurrir a la señal paso bandas. En la
figura 8 se presenta el esquema de un canal realizado en GNU Radio.
• Bloques “Pad Source” y “Pad Sink”: Son los puertos de entrada y salida del canal
• Bloque “Delay”: Permite configurar el retardo que puede estar produciendo el canal a la
señal recibida. Si este valor cambia en el tiempo puede simular en cierta manera la presencia
de Jitter.
181
Figura 8: Flujograma para el canal Inalámbrico
• Bloque “Multiply Const”: Permite configurar las pérdidas que el canal introduce, aunque
este bloque no resulta muy necesario si lo que se requiere es lograr una cierta relación señal
a ruido
• Bloque “Constant Source”: Permite configurar una desviación de fase que se presenta en
cualquier caso en un canal, principalmente por componentes no lineales, por retardos o por
falta de sincronismo entre el transmisor y el receptor.
• Bloque “Signal Source”: Permite configurar una desviación de frecuencias, como la que
puede presentarse por el Efecto Doppler o simplemente porque puede no coincidir exacta-
mente la frecuencia usada en el transmisor con la usada en el receptor
• Bloque “Multiply”: Reúne todas las desviaciones multiplicativas que se aplican a la señal
de recibida
• Bloque “b-noise-dB-cc”: Agrega ruido blanco aditivo a la señal que entrega el canal.
Gracias a esto se puede configurar la relación señal a ruido que se puede producir con la
propagación de la onda
• En la parte inferior se tiene una interconexión para generar variaciones aleatorias de magnitud
como las que se producen por el efecto de Rayleigh.
6.3. Técnicas para corregir los efectos del canal

6.3.1. Clock Recovery o Timing
Ya sabemos que, para la recepción de un bit o un sı́mbolo digital, usualmente existe un ins-
tante, dentro de ese bit o sı́mbolo que es el más óptimo para analizar qué es lo que viene viajando
allı́. Eso se ha tratado en el tema de acoplamiento y regeneración de bits o sı́mbolos. El problema
que ahora surge consiste en lo siguiente: los fenómenos de propagación dificultan enormemente
el timing ya que el instante óptimo no será fijo en la señal de entrada, sino que estará variando
en el tiempo. Podemos imaginar esto como una fila de hormigas que intentan llegar a su destino
manteniendo una misma distancia entre ellas, pero por cuestiones imprevisibles esa distancia varı́a,
pero es posible implementar una especie de peaje donde cada hormiga es separada para que entren
a la cueva conservando una misma distancia.
182
La solución se conoce como Timing o Time recovery o clock syncronization, que básicamente
consiste en lograr, de manera automática, seleccionar el mejor instante de muestreo de la señal
digital recibida en un USRP, aun cuando se estén presentando variaciones de tiempo para ese
instante. Esto equivale también a seleccionar la muestra donde el diagrama de ojo aparece más
abierto. Pero la tarea va más allá de un Diagrama de Ojo, pues en la mayorı́a de los casos, el
mejor instante para el muestreo no se encuentra ni siquiera entre las muestras de la señal discreta
recibida. Es decir, en el proceso de muestreo, que se realiza previo al timing, es posible que el mejor
instante de muestreo no sea captado por una de las muestras. Ası́, por ejemplo, en la siguiente
figura, en la parte izquierda, el mejor instante de muestreo es parte de las muestras, pero en la
parte derecha no lo es.
Figura 9: Timing
Hay varios algoritmos que podemos utilizar para recuperar el reloj en el receptor, y casi todos
ellos implican algún tipo de bucle de control con retroalimentación. Otros se apoyan generalmente
en una palabra conocida como un preámbulo.
El bloque Polyphase Clock Sync, usa una técnica de recuperación de reloj de filtrado polifásico
que se describe en el libro de Fred Harris . Este bloque nos brinda tres cosas: En primer lugar,
realiza la recuperación del reloj, en segundo lugar, realiza el acoplamiento entre señal transmitida
y recibida para luchar con el problema de ISI.
Para usar el bloque se supone que en el transmisor se empleado un Filtro Raı́z del Coseno
Alzado (Filtro RCC). El principio de funcionamiento consiste en hacer pasar la señal por otro
Filtro Raı́z de Coseno Alzado para realizar el acoplamiento y luego calcular la primera diferencia
de la señal resultante para relacionarla con su desplazamiento del reloj. Como se muestra en la
figura siguiente todo parece perfecto en este caso, pues el instante óptimo se encuentra dentro de
las muestras recibidas. El filtro de diferencia ([-1, 0, 1]) genera el diferencial del sı́mbolo, y como
muestra la siguiente figura, la salida de este filtro en el punto de muestreo correcto es 0. Podemos
entonces invertir esa afirmación y en su lugar decir que cuando La salida del filtro diferencial es 0,
hemos encontrado el punto de muestreo óptimo.
El problema es mayor cuando el punto óptimo no aparece dentro de las muestras recibidas,
como se muestra en la siguiente figura.
183
Figura 10: Punto óptimo
Figura 11: Punto óptimo no aparece dentro de las muestras recibidas
Por esta razón, el bloque Polyphase Clock Sync usa un número mayor de filtros cada uno con
un desfase diferente. Si se tienen suficientes filtros con diferentes desfases, uno de ellos dará el valor
del timing que buscamos. En la siguiente figura se muestra el resultado de incluir 5 filtros, lo que
significa 5 desfases diferentes y podemos ver que la señal etiquetada como d (sym0) / dt + phi3
tiene un punto de muestreo exactamente igual a 0. Esto nos indica que nuestro punto de muestreo
ideal se produce con este desfase. Por lo tanto, si tomamos un filtro RRC de nuestro receptor y
ajustamos su fase phi3 (que es 3 ∗ 2π/5), entonces podemos corregir la falta de sincronización y
seleccionar el punto de muestreo ideal para este caso.
El resultado del timing en una constelación se ejemplifica en la siguiente figura en la cual se

tiene en la parte izquierda la constelación de la señal a la entrada del bloque y en la parte derecha
la de la salida.
184
Figura 12: Búsqueda del punto óptimo
Figura 13: Constelación antes y después del timing
6.3.2. Time alignment

El problema consiste en que el instante en que comienza un Byte es desconocido para el receptor.
Ası́, por ejemplo, en la siguiente tabla se representan los bytes y los bits que podrı́a estar entregando
un transmisor.
Tabla 6.1: Alguna descripción.

Byte 23 56 1 99
Bits 0 0 1 0 1 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0 0 1 1
Pero en la siguiente, debido a un retardo que es usualmente desconocido, aunque están llegando
los mismos bits, son interpretados como bytes diferentes a los transmitidos.
185
Tabla 6.2: Sin alguna descripción.
Byte 69 231 0 44
Bits 0 1 0 0 0 1 0 1 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0
Como consecuencia, no se obtienen en el receptor los bytes transmitidos a partir de los bits que
va recibiendo.
Para resolver el problema es posible usar un protocolo superior que permita marcar el comienzo
de una emisión o de paquetes de emisión. Esto puede realizarse con un codificador y es lo que se
conoce como Time alignment.
6.3.3. El Control Automático de la Ganancia

De acuerdo a lo visto, es inevitable que la señal a la salida de USRP receptor esté variando
su magnitud de manera impredecible. Un AGC puede permitir estabilizar ese parámetro de una
manera aceptable para su observación y procesamiento. El sistema puede ser implementado basado
en el sistema retroalimentado de bucle cerrado que aparece en la figura 14.
Figura 14: Elemento de Área donde puede localizarse el receptor
Básicamente se cuenta con una referencia, que es el nivel deseado de señal. El detector está
midiendo permanentemente el nivel de señal a la salida. La diferencia de los anteriores valores
permite regular la ganancia del amplificador. Una descripción más detallada se encuentra en el
trabajo de [Thomas Rondeau, 2009] quien desarrolló un AGC en GNU Radio que se resume en la
figura 15.
186
Figura 15: AGC según Tom Rondau
El sistema permite realizar un seguimiento continuo del nivel de señal, pero es claro que no
contribuye a mejorar la relación señal a ruido. En realidad, todo radio receptor contiene un AGC.
6.3.4. El Ecualizador
En muchos casos la señal que pasa por un canal sufre diversas alteraciones en función de la
frecuencia. La ecualización del canal busca determinar cuáles son esas alteraciones, intentando
descubrir la respuesta en frecuencias del canal para luego sintonizar un filtro con la respuesta en
frecuencias inversa para corregir el efecto del canal.
Figura 16: Variaciones espectrales del canal (rojo) versus respuesta en frecuencias del Ecualizador
• Filtro digital: El principal componente de un ecualizador es un simple filtro digital, que

no es otra cosa que un sistema Lineal e Invariante en el Tiempo (LIT), bueno, al menos se
comporta como un sistema LIT por momentos. Pues se supone que un sistema LIT tiene una
respuesta al impulso única, nosotros en cambio la iremos variando en el tiempo, en función de
las necesidades de ecualización que se presenten por el comportamiento del comportamiento
del canal. En todo caso si podemos decir que un sistema que tiene una respuesta al impulso
h[n], una entrada x[n] y una salida y[n], como el de la siguiente figura.
y[n] = x[n] ∗ h[n] (6.1)
187
Figura 17: Sistema LIT
En los sistemas reales, como es el caso de GNU Radio, h[n] es un conjunto de valores Wk cada
uno de los cuales representa el valor de amplitud de la muestra k de h[n], como se muestra
en la siguiente figura.
Figura 18: Respuesta al impulso de un Ecualizador
De modo que podemos, aplicando el concepto de convolución, decir que.
p
X
y[n] = w[n] ∗ x[n] = wk x[n − k] (6.2)
k=1
En GNU Radio se tienen bloques que juegan el papel de filtro digital, para lo cual hay que
configurarle un vector w que contiene los pesos Wk . Esos pesos se conocen en GNU Radio
como taps.
• El Ecualizador fijo: Un filtro como el anterior, con una respuesta al impulso adecuada,
podrı́a resolver la necesidad de ecualización un canal que es estable en el tiempo.
• El Ecualizador adaptativo Cuando el canal tiene cambios muy fuertes en el tiempo, la

única solución puede ser un Ecualizador que se adapte a esos cambios
• Filtro basado en los mı́nimos cuadrados medios (LMS): Se refiere en realizar a la
búsqueda del mı́nimo error cuadrático medio que el sistema pueda producir. Filtro de Wiener
y Hopf o Filtro LMS.
Los problemas a resolver son dos: el de obtener esa respuesta al impulso adecuadas y el
de recalcularla cada vez que el canal cambie de estado. Esto se logra, si el filtro digital es
complementado con un Algoritmo que estudie lo que se espera de él para recalcular los pesos
o taps del filtro. Es necesario informar a este algoritmo lo que de él se espera y esto se puede
realizar mediante una señal de error.
Ahora es tiempo de preguntarnos qué operaciones realiza el Algoritmo Adaptativo. El al-
goritmo deberá seleccionar valores para el vector w y analizar cómo ellos van influyendo en
188
Figura 19: Proceso de entrenamiento del ecualizador
Figura 20: El ecualizador funcionando con pesos obtenidos durante el entrenamiento
el error e[n] hasta lograr que la media cuadrática del error sea la mı́nima posible. De esta
manera, el ı́ndice de desempeño elegido es el valor cuadrático medio.
J = E[(d[n] − y[n])2 ] (6.3)
El criterio para encontrar los pesos consiste en lograr que ese ı́ndice de desempeño sea el
mı́nimo, con lo cual llegamos a aplicar el criterio de aproximación conocido como el mı́nimo
de la media cuadrada o LMS (Least Mean Square).
189
Figura 21: Ecualización adaptativo
Figura 22: Respuesta variante al Impulso de un Ecualizador
J = Jmin (6.4)
Como d[n] es la señal que se desea a la salida del filtro, entonces puede decirse que se desea
que.
p
X
y[n] = = wk x[n − k] (6.5)
k=1
Por lo tanto se desea que
190
Figura 23: Filtro adaptativo
p
!2
X
J =E [d[n] − = wk x[n − k]] (6.6)
k=1
Ahora debemos tener en cuenta la siguiente propiedad de las series:
2
X 2
X 2 X
X 2
ak ∗ aj = ak aj (6.7)
k=1 k=1 k=1 k=1
Entonces obtenemos.
p
X p X
X p
J = E[d2 [n]] − 2 wk E[d[n]x[n − k]] + wj wk E[x[n − j]x[n − k]] (6.8)
k=1 j=1 k=1
Se pueden realizar algunas simplificaciones si se tiene en cuenta que:
• La señal x(t) es la función muestra de un proceso estacionario X(t) y su versión muestreada

x[n] tiene media.
µX [n] = µX = 0 = E[x[n]] (6.9)
• De lo anterior se deduce que la varianza.
E[(x[n] − µx )2 ] = E[x2 [n]] = σx2 (6.10)
• Sabiendo que la función de autocorrelación está definida como:
E[x[n]x[n − k]] = RX [k] (6.11)
191
• y que la función de cross correlación entre d[n] y x[n] es:
E[d[n]x[n − k]] = RDX [k] (6.12)
Se deduce que:
p
X p X
X p
J = σx2 − 2 wk RDX [k] + wj wk RX [k − j] (6.13)
k=1 j=1 k=1
Lo que resta es identificar qué pasa con los pesos w cuando J = Jmin , con lo cual podrı́amos
llegar a despejar los pesos óptimos wo , como se muestra en la siguiente figura.
Figura 24: El mı́nimo de la media cuadrática
El mı́nimo error cuadrático medio Jmin se presenta cuando el gradiente (la pendiente) del error
cuadrático medio J es cero. De modo que si nos interesa hallar Wk = W0k para ese caso, debemos
δJ
despejar Wk cuando = 0.
δWk
p
δJ X
gk = = −2RDX [k] + 2 wj RX [k − j] (6.14)
δWk
k=1
Igualando a cero el vector gradiente gk , se obtiene la Expresión de optimización de los Mı́nimos

Cuadrados de Wiener-Hopf, también conocida como Ecuaciones de Wiener Hopf:
p
X
RDX [k] = wj RX [k − j] (6.15)
j=1
Veamos el conjunto de todos los valores que intervienen en esta ecuación. Ellos se pueden or-
ganizar en forma matricial.
192
   
RDX [1] w1

 RDX [2] 


 w2 

 .   . 
rDX =  ; w0 =  ; (6.16)

 . 


 . 

 .   . 
RDX [p] wp
 
RX [0] RX [1] ... RX [p − 1]

 RX [1] RX [0] ... RX [p − 2] 

 . 
RX =  (6.17)

 . 

 . 
RX [p − 1] RX [p − 2] ... RX [0]
RX es conocida como la matriz simétrica de Toepliz. Representando RX y w0 de la forma vectorial

siguiente:
w0 = [w1 , w2 , ..., wp ]T rDX = [RDX [1], RDX [2], ..., RDx [p]]T (6.18)
Se obtiene la forma matricial de la expresión de optimización.
rDX = wo RX (6.19)
Facilitando el despeje de los pesos ası́:
−1
wo = rDX RX (6.20)
−1
RX es la inversa de RX y se supone que existe pues RX no es singular.
• Filtro Recursivo basado en los mı́nimos cuadrados medios (RLS)
Se trata del mismo Filtro LMS solo que se usa un método conocido como el descenso más
pronunciado (deepest descent) para obtener una ecuación donde los pesos pueden ser hallados
de manera recurrente, realizando un ligero ajuste a los pesos previamente calculados.
wk [n + 1] = wk [n] + µx[n − k]e[n], k = 0, 1, ..., N (6.21)
µ Es un paso que el algoritmo usa para ir buscando el valor Jmin ideal a partir de un va-
lor Jmin ya calculado . Este es quizá el método más utilizado en ecualización adaptativa. A
continuación algunos apuntes sobre experiencias de trabajo con este tipo de filtros:
• En cuanto mayor sea el parámetro del tamaño del escalón µ, tanto más rápida la capa-
cidad de rastreo del ecualizador adaptable.
• Un parámetro grande de µ quizá resulte en un error cuadrático medio de exceso inacep-
tablemente alto, es decir, excede exageradamente a Jmin
• Entre más pequeño sea µ encontramos que después de un gran número de interacciones
el comportamiento del algoritmo de Mı́nimos Cuadrados es casi similar al del Algoritmo
de Descenso Pronunciado, que utiliza el gradiente real en vez de la estimación de error
para el cálculo de los pesos del filtro
• La elección en la práctica de un valor adecuado para µ implica establecer un compromiso
entre el rastreo rápido y la reducción del error cuadrático medio de exceso
• El bloque LMS de Simulink tiene una opción para usar una forma normalizada del
algoritmo LMS para que resulte limitada ası́: 0 < µ < 2
Proceso que realiza el filtro:
193
1. En cada paso se halla un nuevo Jmin ya calculado = Jmin calculado + µ.
2. Luego analiza la diferencia con el Jmin ideal .
3. Si no alcanza este Jmin−ideal , entonces vuelve al punto 1.

Para el caso, cuando no se usa el algoritmo normalizado, el material “Ecualización adaptativa
de un canal digital ” del profesor Lorenzo Dı́az [Lorenzo, 2004] es el más explı́cito encontrado hasta
ahora. En esa obra, el profesor Lorenzo afirma que es muy difı́cil encontrar el valor óptimo de µ
en tiempo real, pero que hay una manera aproximada y rápida:
2
0<µ< (6.22)
3LPX
Donde L: es el tamaño del filtro, es decir el tamaño del vector de pesos y Px : la potencia media
de la señal
6.3.5. la Ecualización en GNU Radio

GNU Radio viene con dos ecualizadores fácilmente utilizables. El ecualizador de CMA Equali-
zer y el LMS DD Equalizer. El CMA, o Algoritmo de Módulo Constante, es un ecualizador ciego,
porque no necesita mucha información sobre la señal originalmente transmitida, pero sólo funciona
con señales que tienen una amplitud constante, o módulo, como es el caso de la modulación M-PSK
ya que los puntos de constelación están en un cı́rculo. El algoritmo de CMA acepta el número de
taps a utilizar en el ecualizador, que se basará en una combinación de una conjetura educada, las
mejores prácticas conocidas y quizás algún conocimiento real del canal en sı́.
La siguiente figura ha sido obtenida al conectar un bloque CMA Equalizar de 11 taps a la salida
de un Polyphase Clock Sync. La constelación y el espectro a la izquierda corresponden a la entrada
del Ecualizador, las de la derecha a la salida.
El “LMS DD Equalizer” usa un filtro de predicción basado en el principio del mı́nimo error
medio cuadrático (Least Mean Square) con decisión directa (DD) con respecto a una información
que se conoce sobre la señal originalmente transmitida. En el caso del bloque usado en GNU Radio,
lo que se conoce de la señal originalmente transmitida en la forma de la constelación. El filtro va
recalculando los taps del filtro vigilando que la salida corresponda con la constelación que se tiene
como modelo. Puede fallar cuando SNR es demasiado alta, arruinando el desempeño. Este bloque
además tiene mayor complejidad computacional.
194
Figura 25: Resultado del la Ecualización. A la izquierda sin ecualización. A la derecha con
Ecualización
195
Capı́tulo 7
Comunicaciones multiusuario
7.1. Introducción
En este capı́tulo se abordan los problemas y métodos modernos para aprovechar al máximo el
canal en comunicaciones multiusuarios.
7.2. MULTIPLEXACIÓN POR DIVISIÓN DE TIEMPO

(TDM). LA REVOLUCIÓN PCM
Veámos el problema que dió origen a aparición del Multiplexado por División de Tiempo (TDM)
en los años 60: Todos los hogares soñaban con tener un teléfono, pero los costos del servicio no
estaban al alcance de todos. La telefonı́a era analogica y establecer una llamada entre dos personas
requerı́a establecer una conexión fı́sica, alambrada entre ellas, como se muestra en la siguiente
figura.
Figura 1: Central local
196
Figura 2: Central de transito
El problema: se volvió insostenible el creciente número de operadoras en las centrales telefóni-

cas, sin que bajarán sensiblemente los costos de conexión. La telefonı́a seguı́a siendo solo para los
elites. La UIT se propuso impulsar una revolución para lograr que cada hogar tuviese un teléfono.
Esa es conocida como la revolución PCM (Pulse Code Modulation). La idea es que la voz de cada
llamada se convierte a PCM, las centrales telefónicas cambiarı́an la conmutación manual por la
conmutación por circuitos que se podı́a realizar de manera automática, por medios computariza-
dos. Pero el mayor avance consistió en lograr que cada lı́nea que une dos centrales telefónicas, que
antes podı́a llevar solo una llamada en un momento determinado, pudiera ahora llevar cientos de
llamadas multiplexadas por división de tiempo.
La siguiente figura muestra resume el principio de TDM.
Figura 3: Ejemplo de TDM
Como puede verse, entre los dos puntos comunicantes viaja una sola señal, en cada uno de
los teléfonos receptores llega una señal que es una versión PAM (Pulse Amplitud Modulation) de
197
la emitida. Puede decirse que cada señal que llega al destino resulta muestreada, pues llega una
pequeña duración de ella cada periodo Ts. Por lo tanto, este proceso no resulta en pérdida de
información si se respeta el teorema de Nyquist. De modo que s(t) es la señal TDM. En este caso,
surge el concepto de canal de tiempo, pues la manera en que un usuario de distingue de otro en el
medio de propagación es una ventana de tiempo.
En la práctica, la telefonı́a usó una forma más avanzada de TDM. Consiste en que antes de
emitir la señal s(t) esta se convierte a unos y ceros. Para ello, la señal s(t) es muestreada de manera
que haya una muestra por cada ventana de duración Ts, luego se cuantiza y finalmente se traduce a
una señal binaria que no es otra cosa que una una señal PCM (Pulse Code Modulation) produce la
señal PCM que no es un proceso Una versión más avanzada del Aunque esta figura no lo muestra,
una vez la señal se multiplexa es convertida a PCM. De modo que la señal TDM usada hoy dı́a es
digital como se muestra en la siguiente figura.
Figura 4: Teléfono digital
En telefonı́a al multiplexor a menudo se le llamó concentrador, ya que recibe muchas lı́neas y

entrega pocas. El multiplexor digital usado en la telefonı́a también incluı́a capacidades de conmu-
tación. Era justamente la era de la conmutación de circuitos que consistı́a en cambiar la ventana
de tiempo asignada a una llamada de modo que ası́ cambiará el destinatario.
Una red más real requerı́a usar centrales telefónicas para que una llamada pudiese llegar a
cualquier destino.
198
Figura 5: Modelo con las redes telefónicas
Al poco tiempo se complementó el modelo con las redes de transporte especializadas, inicial-
mente, en interconectar centrales telefónicas. La tecnologı́a usada en esas redes se llama SDH
(Synchronous Digital Hierarchy) y hoy sirven para interconectar todas las redes de voz y datos,
mediante enlaces de fibra óptica, incluyendo cable submarino, enlaces de microondas y enlaces
satelitales.
Figura 6: Red SDH
7.3. MULTIACCESO POR DIVISIÓN DE FRECUENCIAS

(FDMA)
7.3.1. Problema que justicia esta tecnologı́a:
Al comenzar la era de las comunicaciones móviles surgen diversos sistemas de primera genera-
ción 1G como: NMT (Nordic Mobile Telephone), AMPS (Advanced Mobile Phone System), TACS
(Total Access Communication System), C-450, Radicom, RTMI, NTT. El reto principal consistı́a
199
en lograr de muchos usuarios pudieran conectarse a una misma radiobase. La solución consistió
simplemente en asignar una banda de frecuencias a cada llamada.
Figura 7: Ejemplo de multiacceso
El multiacceso es la manera en que múltiples usuarios logran compartir un mismo recurso

inalámbrico para resultar conectados a una misma radiobase.
7.4. El Multiacceso por División de Tiempo (TDMA)

Con FDMA solo las élites tenı́an acceso a las comunicaciones móviles, pues resultaban extre-
madamente costosas. Como ocurrió con la telefonı́a fija, la UIT ahora se propuso la meta de lograr
que cada persona tuviese un celular y eso requerı́a una nueva revolución tecnológica para hacer más
eficiente y flexible el uso del espectro. Surgieron entonces las comunicaciones móviles de Segunda
Generación (2G). La novedad era esencialmente la implementación de TDMA. Como se deduce
de la siguiente figura, el terminal de usuario debe preparar la señal digital para ir enviándola por
una ventana de tiempo que se repite periódicamente.Surge ası́ un nuevo tipo de canal para enviar
información- el canal de tiempo.
200
Figura 8: Ejemplo de multiacceso
En la figura vemos que al usuario A ocupa el canal 1, el B el 2 y el C el 3. Con TDMA surgen

los sistemas móviles de Segunda generación (2G) que se caracteriza por: ser digital, ser asequible,
llevar voz y datos. Entre los sistemas 2G se tienen: GSM, D-AMPS (también conocido como siste-
ma TDMA), cdma-one (también conocido como IS-95), PDC.
7.5. Fundamentos de codificación del canal

El capı́tulo 4 de este libro se dedica a un estudio más profundo de la codificación del canal. En el
presente capı́tulo sólo se realiza un abrebocas, presentando el ejemplo más sencillo de codificación
de canal con el fin de justificar la necesidad de usar técnicas de diversidad.
7.5.1. Teorema de Shannon

El Teorema de Shannon o Teorema de codificación del canal ruidoso (1948) establece las fron-
teras para la máxima información teórica que se puede transferir a un canal con un cierto nivel
de ruido. Increı́blemente, los últimos lı́mites en la teorı́a de la información y codificación fueron
determinados justo cuando esta ciencia nació, con los primeros artı́culos de Shannon. El resultado
más conocido de Shannon es el teorema de la capacidad de un canal. El teorema establece que para
muchas clases comunes de canal existe un parámetro que ha sido llamado Capacidad de Canal C,
sobre el cual viajan códigos a una rata R < C que pueden alcanzar transmisiones con cualquier
grado de confiabilidad, pero estos códigos no existen para R > C.
El teorema también establece que para una canal de ancho de banda B (Hz) y afectado solo por
ruido blanco aditivo gaussiano (AWGN del inglés Additive White Gaussian Noise), la capacidad
C (en bps) solo depende de dos parámetros: el ancho de banda B y la relación señal a ruido SNR
(del inglés Signal to Noise Relationship), ası́.
C = Blog2 (1 + SN R) (7.1)
Este teorema ha significado un reto para las siguientes generaciones de investigadores que se han
enfrascado en lograr que sus algoritmos se acerquen al menos a ese lı́mite establecido por Shannon.
201
En los procesos de codificación y decodificación está en gran manera la clave para alcanzarlo.
7.5.2. El proceso de codificación y decodificación digital del canal

El problema de la codificación es planteado por el canal. Como ya se ha dicho en otros capı́tulos
los efectos del canal en el proceso de la comunicación es la razón por la cual aumenta constante-
mente el número de elementos o nuevos métodos de tratamiento de la información. Pareciera que
con lo visto en capı́tulos anteriores, ya se ha visto todo sobre esos métodos, pero la realidad es que
por más soluciones que se implementen siempre existirá la posibilidad de que la información llegue
al destino con errores.
Figura 9: Relación entre transmisor, canal y receptor
Entonces surgen varias preguntas:

• ¿Es posible reconocer en qué momento se están presentando los errores?
• ¿Qué acciones es posible tomar cuando se han detectado errores?

La solución a estas preguntas está en lo que se conoce como Codificación del Canal. La idea es
enviar junto con la información ciertos datos adicionales que permitan detectar la pérdida de bits,
lo cual llamaremos codificación y se realiza en el transmisor. Finalmente, en el receptor se debe
realizar el proceso de la detección de los errores, su corrección y la decodificación para recuperar
los datos enviados, como se muestra en la siguiente figura.
202
Figura 10: El proceso de codificación y decodificación
Los retos de la teorı́a de codificación del canal:
• El primer reto consiste en poder corregir el máximo número de errores mientras se usa la
mı́nima redundancia (rata) posible
• El segundo reto consiste en construir códigos que tengan procesos eficientes de codificación
y decodificación
7.6. El código de repetición

Para presentarle rápidamente un ejemplo de codificación al lector, a continuación se analiza el
ejemplo más sencillo de codificación. Consiste en transmitir 3 veces cada bit. Entonces se tiene una
tabla de verdad, a la cual también se refieren como un diccionario
Bit de información Palabra asignada
0 000
1 111
En el receptor, para el ejemplo dado, se pueden recibir 8 posibles versiones de datos a interpretar.
En el receptor podrı́a usarse la siguiente tabla de verdad para interpretar la información útil:
203
Tribits recibidos Bit Interpretado Número de Errores identificados
000 0 0
001 0 1
010 0 1
100 0 1
111 1 0
110 1 1
101 1 1
011 1 1
Ventajas de esta codificación: Es muy fácil codificar y decodificar.
1
Desventaja: Baja rata 3
Un ejemplo un poco mes avanzado se puede ver en el vı́deo explicativo del siguiente enlace:Vı́deo
que explica un ejemplo de FEC
7.7. Técnicas adicionales usadas en las comunicaciones móvi-

les
7.7.1. Técnicas o esquemas de Diversidad
El problema a resolver con estas técnicas puede ser planteado de la siguiente manera:
El Teorema de Shannon nos plantea un reto importante, que puede ser resuelto mediante técni-
cas de codificación del canal. Pero en un sistema de comunicaciones es muy común que los errores
aparezcan concentrados de manera indeseada. Por ejemplo, cuando vimos el comportamiento de
los niveles de potencia de la señal RF cuando se presenta el fenómeno de multitrayectoria, vimos
que la señal puede presentar fuertes caı́das, con respecto a la media. Supongamos que una caı́da
de esas es debido al paso de carros entre el receptor y la radio base, el caso es que eso hace que
se produzca una ràfaga de un volumen alto bits perdidos concentrados en un instante de tiem-
po. El volumen puede ser tan alto que los algoritmos de codificación del canal no tienen nada
que hacer. Entonces dirı́amos que el Teorema de Shannon falla en estos casos?. La respuesta es
que se requieren técnicas adicionales, como los esquemas de diversidad para lograr que los erro-
res queden de alguna manera distribuidos uniformemente y la codificación del canal funcione mejor.
Los esquemas de diversidad se tratan de métodos para mejorar la recepción de una señal men-
saje usando dos o más canales con diferentes caracterı́sticas, pero usualmente sin agregar otra
redundancia que la que pueden imprimir los mètodos de codificaciòn del canal. Desde este punto
de vista, puede decirse que esta técnica es complementaria a los métodos de codificación del canal,
para lograr que la codificación del canal sea más efectiva. Es una técnica común para combatir
el desvanecimiento variable y las interferencias cocanal que experimentan las señales en su paso
por un canal que producen ráfagas de errores. Se basan en que canales individuales experimentan
diferentes niveles de desvanecimiento y de interferencia. La idea es transmitir y/o recibir múltiples
versiones de la misma señal para hacerles un tratamiento en el receptor que permita obtener una
mejor versión del mensaje que cuando se usa un solo canal.
204
7.7.2. Diversidad de tiempo. Interleaving, FEC
Se usa principalmente cuando el sistema de comunicación usa canales de tiempo, como ocurre
al usar TDMA en un sistema de comunicaciones móviles, donde a la comunicación de un usuario
le corresponde solo una ventana en el tiempo o Time-Slot dentro de un canal de frecuencia. Es el
caso de las comunicaciones móviles digitales en general, pero el caso más claro son los sistemas de
comunicaciones móviles de segunda generación (2G), los cuales usan, en la interfaz aire, PCM y
multiplexado por división de tiempo (TDM) como principal innovación con respecto al sistema de
comunicaciones móviles de primera generación (1G) el cual usaba métodos analógicos en la interfaz
aire. Una señal TDM tiene muchos canales de tiempo, y resulta lógico pensar que cada uno de ellos
pasa por diferentes condiciones de propagación. Por ejemplo, si la señal entre una radiobase y un
usuario es interrumpida por el paso de algún obstáculo en medio de ellos, esto puede impactar a
algunos canales de tiempo pero no a todos. En este caso toma sentido una técnica conocida como
bit-interleaving que consiste en mezclar los bits de todos los canales de tiempo de manera que, si
se pierde un canal de tiempo, no se pierdan todos los bits de unos ciertos time-slots sino que esa
pérdida se reparta homogéneamente entre todos los usuarios, de modo que cada usuario pierda
solo unos pocos bits. Ahora es cuando surge el reto de poder recuperar los pocos bits perdidos y
cuando toma sentido otra técnica adicional conocida como Forward Error Correction (FEC). Esta
consiste en agregar redundancia al mensaje, de manera previa o posterior al interleaving, para lo-
grar reconocer en el receptor los bits perdidos y poder recuperarlos. El Interleaving evita entonces
las ráfagas de errores, mejorando el desempeño de las técnicas FEC que son efectivas cuando hay
pocos bits perdidos en cada canal de tiempo. Es importante notar que el Interleaving no significa
enviar el mensaje de manera redundante, son las técnicas FEC las que introducen información
que permita al receptor descubrir errores. Desde este punto de vista Interleaving y FEC son capas
diferentes en un sistema de comunicaciones: la capa de interleaving se encarga de distribuir bits,
la FEC de mantener un sistema capaz de corregir errores para lo cual en el transmisor se tiene
una especie de codificador y en el receptor un decodificador. La cuestión es que la capa de FEC
es más efectiva con el Interleaving y esta última tiene sentido sólo si se va a usar FEC, luego, van
de la mano, pero queda claro que el interleaving no aplica redundancia, pero es el FEC quien lo hace.
Figura 11: Examples on the time diversity using the interleaving
Pero el bit interleaving también tiene sentido incluso cuando la comunicación no se basa en
TDMA. Supongamos que se tiene una comunicación digital inalámbrica solo entre dos puntos. Está
claro que FEC va a funcionar mejor si los errores se concentran en ráfagas, va a ser más difı́cil
corregir esos errores que cuando quedan repartidos de manera uniforme en el tiempo.
205
7.8. Diversidad de espacio
En los sistemas de comunicación cableada corresponde a la transmisión de una misma infor-
mación por diferentes cables. En el caso de las comunicaciones inalámbricas es menos obvio pues
no es la idea usar varios canales para la comunicación. Se trata más bien de una Diversidad de
Antena, usando varias antenas para transmitir y/o recibir, lo cual debe ir seguido de técnicas de
procesamiento digital para recuperar el mensaje a partir de esa diversidad que permite que cada
antena aporte algo diferente que ayuda a la tarea de recuperación. Cuando el transmisor y el re-
ceptor usan varias antenas, se habla de técnicas MIMO (Multiple Input Multiple Output). Pero
también se habla de macrodiversity o site diversity, cuando las antenas que participan en la co-
municación están muy alejadas entre sı́ como es el caso de la existencia de varios puntos de acceso
(access point) como se hace en las redes WLAN. Cuando esas distancias entre las antenas son
menores a una longitud de onda se habla de microdiversidad y MIMO es un ejemplo de ella. Estas
técnicas pueden combinarse adicionalmente con codificación para cada canal, con lo cual se habla
de space-time coding (STC), ası́ como con técnicas de beamforming para hacer que las antenas
busquen a los usuarios, por ejemplo, cuando la concentración de usuarios cambia en el curso del dı́a.
Figura 12: Diversidad de espacio
206
Figura 13: Diversidad de espacio
7.8.1. Diversidad de polarización

Consiste en enviar y/o recibir varias versiones de un mensaje usando diferentes polarizaciones
de antena. Es en el fondo un caso especial de diversidad de espacio ya que usualmente se usan al
menos dos antenas para darle a cada una polarización diferente.
Figura 14: Ejemplo de diversidad de polarización
7.8.2. Diversidad de frecuencias

El mensaje se transmite y/o recibe usando varios canales de frecuencia. Como en los casos
anteriores, no necesariamente debe haber transmisión redundante, pues también es muy común la
distribución premeditada de la información en varios canales. Supongamos un sistema de comuni-
caciones móviles donde el espectro disponible se ha dividido en sub-bandas A,B,C,D. Supongamos
también que a un usuario se le asigna la subbanda A, pero en la práctica la información transmitida
para todos los usuarios ha sido previamente mezclada, de modo que resulta repartida en todas las
subbandas. Entonces, el usuario, en modo de recepción, deberá poder recibir todas las subbandas
para poder pretender extraer lo que le corresponde. La técnica que más claramente se relaciona
con este ejemplo es la que se conoce como OFDM usada en las comunicaciones móviles de Cuarta
207
Generación (4G) y en la televisión digital.
Figura 15: Múltiples tuberı́as de capa fı́sica (PLP)
Otra posibilidad es el uso de la técnica de conocida como FHSS (Frequency Hopping Spread
Spectrum), usada en las redes WIFI y Bluetooth.
7.8.3. Diversidad de multi usuario

Consiste en que el transmisor o radiobase agenda de manera oportunista al usuario, estudiando
las condiciones del canal entre ella y todos los usuarios para seleccionar al usuario que tiene mejores
cualidades para la comunicación. la idea es elegir el mejor instante para atender a cada usuario de
la manera más óptima posible.
7.8.4. Diversidad cooperativa

Se trata de una especie de diversidad de ganancia de antena que se alcanza usando antenas de
otros usuarios o nodos.
7.8.5. Diversidad de códigos

Un ejemplo es lo que puede lograrse usando la técnica conocida como DS-SS (Direct Sequence
Spread Spectrum) que predomina en las comunicaciones móviles de tercera generación (3G) que
facilita el uso redundante del ancho de banda.
7.9. La Duplexación
Es la solución que permite a los usuarios conectados a una radiobase mantener una comunica-
ción bidireccional.
Duplexación por División de Frecuencias (FDD) se usa una banda de frecuencias para la infor-
mación que va desde el usuario a la radiobase, es decir para el Enlace de subida o up-link y
otra banda para la información que va desde la radiobase al usuario. es decir el Enlace de bajada
o Dowlink.
FDD es el método de Duplexación más usado desde el comienzo de las comunicaciones móviles
hasta el dı́a de hoy. A manera de ejemplo, la figura 16 muestra la distribución de la banda conocida
como 1900MHz, entre los operadores móviles establecidas en Colombia. Allı́ vemos por ejemplo
que a la banda A destinada para up-link le corresponde la banda A’ destinada para Downlink.
Obsérvese también que en medio de esas grandes bandas existe una central que sirve de guarda,
pero que hoy dı́a busca ser aprovechada mediante otro tipo de Duplexación, La Duplexación por
División de Tiempo (TDD).
208
Figura 16: Banda 1900 como posibilidad de ser aprovechada por duplexación por division de
tiempo TDD.
La figura 17 resume la distribución de bandas de frecuencia de los términos estudiados.
Figura 17: Resumen de FDMA-FD, TDMA-FDD, FDMA-TDD.
209
7.9.1. La celda y la radiobase
Figura 18: La celda y la radiobase
7.9.2. El reuso
7.9.3. El handoff
7.10. Spread Spectrum (SS) y el Multiacceso por División

de Códigos (CDMA)
Es la tecnologı́a que hace posible el multiplexado por división de códigos (CDM) y consecuen-
temente el multiacceso por división de códigos (CDMA), que dio origen a un sistema 2G conocido
como CDMA-ONE, que inicialmente competı́a con los sistemas GSM y D-AMPS. La batalla en
2G por el mercado mundial la ganó GSM debido a la gran expansión que logró al provenir de la
unión de todos los paı́ses europeos. Pero CDMA-ONE logró demostrar que era la tecnologı́a que
permitı́a el uso más flexible del espectro.
Problema que impulsa la tecnologı́a Spread Spectrum: La necesidad no está original-

mente en las comunicaciones móviles, sino simplemente en la comunicación entre dos puntos. Por
ejemplo, entre el piloto de un avión militar y el comando en tierra. Durante la segunda guerra
mundial era ideal poder emitir señales que el enemigo no pudiese detectar. La idea consiste en
lograr distribuir la energı́a de la señal útil en una banda muy ancha, para que su PSD se parezca a
la del ruido blanco. Ası́ el enemigo solo detectará en sus equipos de medición la presencia de ruido
blanco. Hoy esta tecnologı́a es ampliamente usada para la implementación de enlaces de microon-
das en bandas de frecuencia de uso libre, las cuales son muy congestionadas. En este sentido, SS
permite establecer enlaces incluso en bandas que ya están ocupadas sin interferirlas.
210
Figura 19: SIN NOMBRE
Para su análisis resulta útil usar un sistema equivalente en banda base, como el siguiente:
Figura 20: SIN NOMBRE
1
bt es usualmente una señal binaria con Rb = , pero puede ser cualquier señal digital banda
Tb
base, por ejemplo la envolvente compleja 8-PSK, con Rsym = 1/Tsym .
c(t) es una señal de ruido que se caracteriza por tomar valores en 1 y -1 cada Tc , donde Tc << Tb
o Tc << Tsym .
211
Figura 21: Señales de ejemplo.
Veamos la PSD de estas señales:
Figura 22: PSD de las señales.
Podemos observar que:
• La PSD de la señal c(t)ym(t) = b(t) ∗ c(t) se expande hasta una frecuencia N = R Rb veces
c
mayor, a la vez que cae en altura, hasta el punto que, dentro de una banda de interés para
la transmisión/recepción Sc (f ) y Sm (f ) resultan siendo similares a la del ruido blanco. Por
lo anterior, c(t) aunque es binaria bipolar es considerada una señal de ruido.
• Es ideal que c(t) sea totalmente aleatoria para que tenga la PSD mostrada, pero esto es difı́cil
de lograr ya que c(t) debe ser conocida tanto en el transmisor como en le receptor.
212
• En la práctica, c(t) es generada por un dispositivo conocido como GENERADOR DE SE-
CUENCIAS DE PSEUDORUIDO. La idea es lograr que exista un generador idéntico en la
parte transmisora y en la receptora. Esta limitación hace que c(t) no tenga caracterı́sticas
completamente aleatorias, al punto que incluso c(t) resulta siendo una señal periódica, aun-
que el periodo puede ser tan grande que esta periodicidad puede ser ignorada en el análisis.
Por esta razón, c(t) es en la práctica una señal o secuencia de pseudoruido.
• Entre más grande será el factor de dispersión (SF- del inglés “Spreading Factor”) N = R Rb
c
o N = RR c
s ym
, menos se notará la señal emitida m(t) en receptores diferentes al nuestro, los
cuales la verán más bien como ruido blanco.
Análisis de la parte receptora: Es importante resaltar que la señal i(t) que en el canal se
suma de manera indeseada a nuestra señal útil m(t) puede ser, más que ruido blanco, potentes
señales de otras emisiones indeseadas, es decir, interferencias que producen otros sistemas de co-
municación de la banda de frecuencia de nuestro sistema. Por eso, revisaremos el peor caso de la
PSD de una señal i(t) como se muestra en la figura 23
Figura 23: Peor de los casos de la señal i(t).
r(t) = m(t) + i(t); z(t) = r(t) ∗ c(t) (7.2)
z(t) = [m(t) + i(t)] ∗ c(t) = [b(t) ∗ c(t) + i(t)] ∗ c(t) (7.3)
z(t) = b(t) ∗ c2 (t) + i(t) ∗ c(t) (7.4)

2
Si c(t) es binaria bipolar de amplitud 1, entonces c (t) = 1.
z(t) = b(t) + i(t) ∗ c(t) (7.5)

| {z } |{z}
N uestro mensaje se recupera La senal de interf erencia se dispersa en las f recuencias
213
Figura 24: Señal b(t).
Finalmente, un filtro de acoplamiento y un decisor de umbral permiten recuperar la señal b(t).
7.10.1. Tipos de Spread Spectrum

Hoy se habla de dos grandes tipos de espectro disperso:
• El que hace uso de las secuencias de pseudoruido, que es justo el tema explicado anteriormente
y se conoce mejor como DS - SS (Direct Sequence Spread Spectrum).
• El que hace uso de saltos de frecuencias y que se conoce mejor como FH – SS (Frequency
Hopping Spread Spectrum).
7.10.2. El Multiacceso por División de códigos (CDMA)

DS-CDMA (Direct Sequence Code Division Multiaccess).
Este tipo de multiacceso fue usado por la empresa estadounidense Qualcomm en el sistema
móvil 2G conocido como CDMA - ONE. Este sistema pronto perdió la batalla en los mercados,
pero demostró que esta forma de multiacceso era más flexible y más eficiente que TDMA en co-
municaciones que combinan voz y datos.
CDMA usa tecnologı́a DS-SS y a menudo se conoce también como DS – CDMA. La figura 25
muestra cómo se usa el espectro cuando se usa CDMA.
Figura 25: Distribucion del espectro con CDMA.
7.11. Multiacceso por División de Códigos de banda ancha

(WCDMA)
Finalizado el siglo XX la UIT se propuso comenzar el año 2000 con una nueva revolución en las
comunicaciones: lograr que cada persona, independientemente de su condición económica, tuviese
214
la posibilidad de estar siempre conectado, desde cualquier lugar, en cualquier momento, mediante
cualquier terminal y en cualquier situación.
7.11.1. Convergencia de las comunicaciones

Hasta ese momento, las redes de telecomunicaciones se desarrollaban para prestar servicios in-
dependientes. Por ejemplo, la telefonı́a fija, permitı́a: hacer llamadas, usar buzones de llamadas,
llamadas bipartidas, etc. Pero solo entre usuarios de telefonı́a fija. Por supuesto se podı́a llamar
desde un teléfono fijo a un móvil, pero los costos eran exorbitantemente mayores. Lo mismo ocurrı́a
con las redes de datos, tenı́an servicios propios, que si bien era posible acceder por medio de la
telefonı́a fija o la móvil, se hacı́a con una muy baja calidad y unos costos absurdos.
Retos tecnológicos:
• Organizar el núcleo de todas las redes, ahora ese núcleo se llamarı́a REDES DE NUEVA
GENERACIÓN (NGN).
Figura 26: Redes clásicas y redes de nueva generación.
El impacto principal de las NGN consistı́a en posibilitar el desarrollo de servicios comunes a

todas las posibilidades de los usuarios.
• Retos polı́ticos: En Colombia, la polı́tica nacional se consolida en la ley 1341 de 2009 ley
1341 de 2009 y en el Plan de Gobierno Vive Digital.
• Acuerdo internacional para producir un sistema único para las comunicaciones móviles, las
cuales eran la clave para lograr la revolución trazada.
7.11.2. El UMTS
Hoy ese sistema UMTS (Universal Mobile Telecommunication System), que corresponde a la
tercera generación de comunicaciones móviles (3G). Algunos también le llaman WCDMA ya que
implementa la tecnologı́a de multiacceso conocida como Multiacceso por División de Códigos de
215
banda ancha, para lograr que los usuarios puedan establecer comunicaciones con requerimientos
flexibles de uso de las bandas de frecuencia disponibles.
7.11.3. IMT-2000
Es la recomendación que emitió la UIT para impulsar las comunicaciones móviles 3G. Fue
escrito con apoyo del 3GPP (Third Generation Partnership Project) – un conjunto de entidades
interesadas en estos avances que incluyen: proveedores de tecnologı́a, operadores, etc. El número
2000 hace referencia al esperanzador año 2000 y también a la necesidad de sumar bandas de fre-
cuencias para el nuevo sistema, cercanas a los 2000 MHz. 2000 kbps también era la meta establecida
para la velocidad de datos que podrı́an tener los usuarios desde sus terminales móviles usando la
nueva Interfaz aire. IMT (International Mobile Telecommunications) significa la necesidad de un
sistema único mundial.
7.11.4. WCDMA:
El sistema de tercera generación UMTS usa CDMA de banda ancha (WCDMA) que se dife-
rencia de CDMA en los siguientes aspectos:
Se usan bandas de frecuencia de ancho 5MHz, que es notablemente mayor al usado en CDMA-
ONE.
Se usan códigos de Walsh para distinguir los usuarios. Se trata de una familia de señales que
tienen una forma similar a las secuencias de pseudoruido, pero son todas ortogonales entre sı́. La
siguiente figura muestra un ejemplo de ocho Funciones de Walsh.
Figura 27: Funciones de Walsh.
216
N es el número de diferentes códigos de Walsh. Coincide con el número máximo de usuarios sim-
ples. También coincide con el número de chips en l duración de un bit. Por tanto SF = N xN = 2n ,
donde n es un entero.
El término “usuario simple” se ha usado porque en principio un usuario podrı́a llegar a usar
varios códigos en la práctica.
Debido a su ortogonalidad se cumple que:
Z 0
Cn (t) ∗ Ck (t)dt = 0, ndif erentedek1, n = k (7.6)
Tb
Gracias a esto los usuarios no se interfieren entre sı́.
Ejercicio: Comprobar si el código C2 (t) y el C5 (t) son ortogonales en el periodo Tb .
Figura 28: Ejercicios funciones de Walsh.
Z 0
C2 (t) ∗ C5 (t)dt = 0 (7.7)
Tb
Ası́ que C2 (t) y C5 (t) son ortogonales en ese periodo.
Ejercicio: Tenemos el siguiente sistema de comunicación. 4 usuarios envı́an un mensaje cada

uno a una radio base, donde esos 4 mensajes deben ser extraı́dos a partir de la señal s(t).
217
Figura 29: Sistemas de comunicaciones.
Para obtener cada señal mk (t) en el demux se usa el esquema de la página 3 para cada una de
esas señales. Veamos el caso del usuario k=2. Dentro del demux se halla r(t) ∗ c2 (t)
z2 (t) = [m1 (t)∗c1 (t)∗c2 (t)]+[m2 (t)∗c2 (t)∗c2 (t)]+[m3 (t)∗c3 (t)∗c2 (t)]+[m4 (t)∗c4 (t)∗c2 (t)] (7.8)
Es importante aclarar que durante el tiempo, cada una de las señales mk (t) tiene un valor
constante Ak . Veamos un ejemplo para m2 (t). Si m2 (t) es la siguiente
Figura 30: Ejemplo m2 (t).
Z 0 Z 0 Z 0 Z 0 Z 0
z(t)dt = m1 (t)∗c1 (t)∗c2 (t)dt+ m2 (t)∗c22 (t)dt+ m1 (t)∗c3 (t)∗c2 (t)dt+ m4 (t)∗c4 (t)∗c2 (t)dt
Tb Tb Tb Tb Tb
(7.9)
Z 0 Z 0 Z 0 Z 0 Z 0
z(t)dt = A1 ∗c1 (t) ∗ c2 (t)dt + A2 +A3 c3 (t) ∗ c2 (t)dt + A4 c4 (t) ∗ c2 (t)dt (7.10)
Tb Tb Tb Tb Tb
218
Debido a la ortogonalidad entre los códigos en el intervalo Tb tenemos que:
Z 0 Z 0
1
z(t)dt = A2 ∗ Tb => z(t)dt = A2 (7.11)
Tb Tb Tb
En conclusión: Vemos que para cada ventana de tiempo de duración Tb es posible encontrar
el valor de cada mensaje sin ningún tipo de afectación de parte de los mensajes de los otros usuarios.
Por el hecho de usar códigos ortogonales este tipo de técnica de espectro ensanchado se conoce
como Orthogonal Variable Spreading Factor (OVSF) y es considerado como una forma de CDMA.
Esto es debido a que cada código de Walsh tiene un ancho de espectro diferente y por lo tanto se
produce un Sf diferente a mensaje, pero nunca superior a SF=N.
Se combina TDMA con CDMA.
Figura 31: Distribución del espectro combinando TDMA con CDMA.
La figura 31 muestra cómo se aprovecha la banda de frecuencias destinada a una radio base. En
UMTS, esa banda es de 5MHz. Surge la pregunta lógica ¿Cómo se podrı́a representar en esa gráfica
el uso que las diferentes radio bases hacen del espectro? Recordemos que en los sistemas basados
en TDMA (como GSM y D-AMPS) la banda de frecuencias asignada a un operador es dividida
en N subbandas centradas en las frecuencias de las portadoras fc1, fc2, fc3. . . , fn que se asignan
a N celdas aledañas de modo que no se presenten interferencias perceptibles por los usuarios de
cualquier celda. Se conforma entonces, un clúster de N celdas, como se muestra en la figura 32:
219
Figura 32: Cluster de N celdas.
7.11.5. El reúso en UMTS

Se usan secuencias de pseudoruido (PN – del inglés Pseudo - noise) para distinguir las celdas.
Figura 33: El reúso en UMTS
De modo que, admirablemente, con UMTS un operador móvil podrı́a contar mı́nimamente con
10MHz (5MHz para el Uplink y 5 para el Downlink, si usa duplexación FDD (la mayorı́a lo hace)).
220
No necesita subbandas de frecuencias para conformar clusters de celdas, pues UMTS reutiliza una
banda de 5MHz mediante códigos de Pseudoruido.
Cabe aclarar que una banda tiene en todo caso una capacidad limitada de trafico dada por la
limitación de potencia de los transmisores usados principalmente en las radio bases. Cada usuario
conectado demanda parte de esa energı́a que emite la radio base de manera proporcional a la velo-
cidad de datos del servicio que el usuario utiliza. Por ello, no es raro que los operadores tengan en
la práctica varias bandas UMTS, Cuando esto ocurre, pudiera decirse que el multiacceso en UMTS
combina CDMA con TDMA y con FDMA, aunque a la combinación de todo eso, en la práctica,
se conoce simplemente como WCDMA.
7.11.6. Respiración de las celdas en UMTS

Este tema se ha dejado se ha dejado para que el estudiante lo investigue y ponga a prueba los
conocimientos adquiridos para comprender fácilmente otros. Durante esta investigación no olvide
que: una radio base y también un terminal tienen potencia limitada; a diferencia de otros sistemas.
UMTS busca atender con calidad similar a un usuario que está cerca de la radio base y a otro que
está lejos de ella.
7.12. OFDM – OFDMA

OFDM es un multiplexado por División de Frecuencias (FDM), que usa portadoras que son
ortogonales entre sı́. La figura 34 muestra 4 portadoras ortogonales.
Figura 34: OFDM
Todas las señales senoidales cuyas frecuencias sean múltiplo entero de una cierta frecuencia f0 ,
son ortogonales entre sı́.
7.12.1. Realización práctica de OFDM

Haber descubierto que una señal OFDM se puede producir usando el algoritmo FFT (Fast
Fourier Transform) es una de las causas del amplio uso que ha tenido en las comunicaciones de
221
Cuarta Generación (4G), que se han materializado en el sistema LTE (Long Term Evolution).
Figura 35: sistema LTE (Long Term Evolution)
m0 (t), m1 (t), . . . , mN −1 (t) son las señales a multiplexar, ellas pueden ser señales reales bi-
narias, pero también pueden ser señales digitales moduladas en su versión de envolvente compleja,
como se muestra en la figura, donde cada señal tiene una componente I y una Q y por lo tanto
trae sı́mbolos de duración Ts.
El muestreador hace que solo una muestra por cada sı́mbolo pase al siguiente bloque llamado
IFFT (Inverse Fast Fourier Transform). Este bloque ejecuta la operación inversa de Representación
en Series de Fourier Discreta:
N −1
2πkn
X
m[k]ej N , n = [0, N − 1] (7.12)
k=0
La figura 36 muestra el paso del primer sı́mbolo de cada mensaje por los bloques del multiplexor.
La IFFT recibe ese paquete y entrega N muestras de la señal multiplexada.
Lo mismo se repite para el segundo sı́mbolo como lo muestra la figura 37.
222
Figura 36: Paso del primer sı́mbolo por los bloques del multiplexor.
Figura 37: Paso del segundo sı́mbolo por los bloques del multiplexor.
Se produjo otro paquete de N muestras de la señal s[n]. Esas muestras van siendo organizadas
en serie y convertidas en una señal continua por el bloque “Conversor Discreto/Continuo”.
223
Figura 38: Paso del N sı́mbolo hasta llegar al bloque “Conversor Discreto/Continuo”.
Como la señal discreta es:

N −1
2πkn
X
s[n] = m[k]ej N , n = [0, N − 1] (7.13)
k=0
Es importante notar que con un sola muestra m[k] de todos los usuarios se obtienen N muestras
de la señal s[n]. Eso significa que durante un periodo N, la muestra m[k] se mantiene constante.
Luego, s[n] varı́a N veces más rápido que m[k]. Sea m[k],n una versión de m[k] sobre muestreada N
veces, osea que por cada valor m[k] se produce m[k, 0] = m[k], , m[k, 1] = m[k], ... , m[k, N − 1] =
m[k], entonces se justifica la siguiente expresión.
N −1
2πkn
X
s[n] = m[k, n]ej N , n = [0, N − 1] (7.14)
k=0
Entonces puede deducirse que si esa señal se hace pasar por un conversor discreto a continua,
se obtiene:
N −1
X 1
s[n] = mk (t)ej2πkf0 t , f0 = , t = [0, ∞] (7.15)
Ts
k=0
Esta fórmula nos revela que esta interconexión es equivalente a la figura 39.
224
Figura 39: Efecto de Aliasing.
Efecto del aliasing.
Es importante tener en cuenta los efectos del aliasing que se presenta con las señales senoidales
discretas, como se muestra en la siguiente figura, en la cual puede deducirse que c7 [n] = c1 [n],
donde * se usa para señalar que es el conjugado. Si estas dos señales se miran en un plano complejo,
veremos que son vectores rotantes que giran a una misma velocidad, pero en direcciones contrarias.
Por lo tanto también puede decirse que:
c7 [n] = ej2π7n/N = C−1 [n] = ej2πn/N (7.16)

Lo mismo ocurre entre c6 [n] y c2 [n], ası́ como entre c5 [n] y c3 [n].
225
Figura 40: Efecto aliasing.
Como el USRP no mira las frecuencias que están entre 0 Hz y la frecuencia de muestreo Fs Hz,
sino entre −Fs /2 y +Fs /2, equivale a decir que solo reconoce la existencia de las portadoras
c−N/2 [n], . . . c−1 [n], c0 [n], c1 [n], . . . , cN/2 [n]. Por esta razón, el espectro OFDM se obtiene
centrado en la frecuencia cero como se muestra en la siguiente figura tomada de GNU Radio.
226
Capı́tulo 8
TELEVISIÓN DIGITAL TERRESTRE
DVB-T1
8.1. Introducción
Ideas a incluir en la introducción:
En 1950 la televisión a blanco y negro analógica comenzó a extenderse por el mundo y
convertirse en uno de los eventos más memorables. En ese momenot ya se habı́a extendido el
uso del teléfono, pero resultaba muy costoso usarlo en llamadas de larga distancia.
Pero ya desde 1948, Shannon ya estaba comenzando a usar la palabra bit para llegar a
producir la revolución digital que estamos viviendo hoy, donde la información fluye en forma
digital por cables o sin ellos.
En ese momento, la tecnologı́a digital parecı́a algo innecesario ya que por un lado significaba
tecnologı́a más costosa y por el otro requerı́a mayores anchos de banda.
En realidad, la tecnologı́a digital tiene sus desventajas, pero las ventajas son mayores. El
progreso que ha habido en la electrónica, pero también en las técnicas de codificación del
canal y en algoritmos de procesamiento digital han sido claves para que las comunicaciones
digitales se impongan.
8.2. Conceptos previos

8.2.1. Polinomio generador de código
Cualquier código binario puede ser representado mediante un determinado polinomio G(x), de
cierto grado r. También puede decirse que cualquier polinomio de estos puede generar un código
binario, por eso se habla de un polinomio generador Por ejemplo, el Polinomio Generador podrı́a
ser.
G(x) = x3 + 1, el cual es de grado es r = 3 (8.1)
G(x) = 1x3 + 0x2 + 0x + 1x0 (8.2)

El código binario corresponde a los coeficientes: 1001 Los signos de suma en los polinomios
generadores son suma por módulo 2. Por eso podrı́amos decir que X 2 + X 2 = 0, ya que1 ⊕ 1 → 0.
8.3. Aritmética de módulo 2

Vale la pena recordar la aritmética de módulo 2, donde las sumas y las restas funcionan como
compuertas XOR.
227
0⊕0→0 (8.3)
1⊕0→1 (8.4)
0⊕1→1 (8.5)
1⊕1→0 (8.6)
8.3.1. Campos de Galois
8.4. Fundamentos de codificación del canal

8.4.1. Teorema de Shannon
Ideas a incluir en este capı́tulo:
El Teorema de Shannon o Teorema de codificación del canal ruidoso establece las fronteras
para la máxima información teórica que se puede transferir a un canal con un cierto nivel de
ruido.
Increı́blemente, los últimos lı́mites en la teorı́a de la información y codificación fueron deter-
minados justo cuando esta ciencia nació, con los primeros artı́culos de Shannon.
El resultado más conocido de Shannon es el teorema de la capacidad de un canal. El teorema
establece que para muchas clases comunes de canal existe un parámetro que ha sido llamado
Capacidad de Canal C, sobre el cual viajan códigos a una rata R¡C que pueden alcanzar
transmisiones con cualquier grado de confiabilidad, pero estos códigos no existen para R¿C.
El teorema también establece que para una canal de ancho de banda B (Hz) y afectado solo
por ruido blanco aditivo gaussiano (AWGN del inglés Additive White Gaussian Noise), la
capacidad C (en bps) solo depende de dos parámetros: el ancho de banda B y la relación
señal a ruido SNR (del inglés Signal to Noise Relationship), ası́.
C = Blog2 (1 + SN R) (8.7)
Este teorema ha significado un reto para las siguientes generaciones de investigadores que
se han enfrascado en lograr que sus algoritmos se acerquen al menos a ese lı́mite establecido
por Shannon. En los procesos de codificación y decodificación está en gran manera la clave
para alcanzarlo.
8.4.2. El proceso de codificación y decodificación digital del canal

El problema de la codificación es planteado por el canal. Como ya se ha dicho en otros capı́tulos
los efectos del canal en el proceso de la comunicación es la razón por la cual aumenta constantemente
el número de elementos o nuevos métodos de tratamiento de la información. Pareciera que con lo
visto en capı́tulos anteriores, ya se ha visto todo sobre esos métodos, pero la realidad es que por
más soluciones que se implementen siempre existirá la posibilidad de que la información llegue al
destino con errores.
228
Figura 1: Ruta de recepción de un mensaje.
Entonces surgen varias preguntas:

¿Es posible reconocer en qué momento se están presentando los errores?
¿Qué acciones es posible tomar cuando se han detectado errores?

La solución a estas preguntas está en lo que se conoce como Codificación del Canal. La idea es
enviar junto con la información ciertos datos adicionales que permitan detectar la pérdida de bits,
lo cual llamaremos codificación y se realiza en el transmisor. Finalmente, en el receptor se debe
realizar el proceso de la detección de los errores, su corrección y la decodificación para recuperar
los datos enviados, como se muestra en la siguiente figura.
Figura 2: Proceso de codificación
229
8.4.3. Los retos de la teorı́a de codificación del canal
El primer reto consiste en poder corregir el máximo número de errores mientras se usa la mı́nima
redundancia (rata) posible El segundo reto consiste en construir códigos que tengan procesos
eficientes de codificación y decodificación
8.5. Códigos de Repetición

8.5.1. El Código de Repetición (3,1)
Para presentarle rápidamente un ejemplo de codificación al lector, a continuación se analiza el
ejemplo más sencillo de codificación. Consiste en transmitir 3 veces cada bit. Entonces se tiene una
tabla de verdad, a la cual también se refieren como un diccionario
Bit de información Palabra asignada
0 000
1 111
En el receptor, para el ejemplo dado, se pueden recibir 8 posibles versiones de datos a interpretar.
En el receptor podrı́a usarse la siguiente tabla de verdad para interpretar la información útil:
Tribits recibidos Bit Interpretado Número de Errores identificados
000 0 0
001 0 1
010 0 1
100 0 1
111 1 0
110 1 1
101 1 1
011 1 1
Ventajas de esta codificación: es muy fácil codificar y decodificar
Desventaja: Baja rata 31

Un vı́deo explicativo es el siguiente: Vı́deo
8.5.2. El Código de repetición basado en una matriz 2x3

El código se obtiene a partir de una matriz G Por ejemplo

1 0 1
G= (8.8)
0 1 1
Como la matriz es de dimensión 2x3, el el mensaje se organiza en bloques de a 2 bits o sı́mbolos.
m = µ1 , µ2 ∈ F 2 (8.9)
Mediante una multiplicación matricial se obtiene la señal a transmitir.
230
T = m/x/G (8.10)
Para el ejemplo

1 0 1
T = (µ1 , µ2 ) (µ1 , µ2 , µ1 + µ2 ) (8.11)
0 1 1
como el último componente es la suma de los dos primeros, este puede indicar si hay o no error,
por ejemplo si u1 = 1, u2 = 1, entonces para el último miembro debe ocurrir que u1 ⊕ u2 = 0.
El código es el conjunto de todas las posibles combinaciones de sı́mbolos a transmistir. Para

el ejemplo dado el código tiene 4 posibles palabras, pues al organizar la información por dibits, se
tendrán 22 = 4 posibles dibits diferentes. Para este ejemplo, también se dice que T pertenece a un
espacio F23 . Eso significa que en ese espacio pueden haber 23 = 8 posibles combinaciones, pero
que solo 4 son de información válida.
La ventaja con respecto al código del capı́tulo anterior, es que por cada 2 componentes del
2
mensaje se envı́a en 3 elementos, entonces la Rata es La desventaja: se puede detectar 1 error,
3
pero no se puede corregir.
8.6. Principales parámetros de la codificación

8.6.1. Distancia de Hamming entre dos palabras
Se usa normalmente para comparar una palabra digital original con respecto a otra que puede
ser una versión codificada o una versión recibida con errores. La distancia de Hamming es el número
de bits que difieren en esas dos palabras. En la figura 3 se muestran dos palabras a comparar.
Figura 3: Comparación entre dos palabras.
En ellas, la distancia de Hamming es 4, lo cual significa que se necesitan 4 errores para trans-
formar una palabra en la otra. La manera en que se simboliza matemáticamente la distancia de
Hamming es la siguiente:
d(101101, 110100) = 3
Significa que la distancia entre los códigos 101101 y 110100 es 3.
8.6.2. Distancia de Hamming de un código

Supongamos que se desea emitir un mensaje que solo tiene las vocales abiertas: a,e,o. De manera
que a cada vocal le asignamos un código, entonces tenemos por ejemplo las siguientes tres palabras
100, 111, 011. Para cada pareja de palábras de un código se pueden tener diferentes distancias,
para este ejemplo tenemos:
d(100,111)=2
231
d(100,011)=3
d(111,011)=1
La Distancia de Hamming para el código dado, de varias palabras es el mı́nimo de todas las
distancias. Para el ejemplo dado es 1. Es claro que entre más grande sea esta distancia, mejor será
el código, pues es más grande la diferencia entre las palabras, de modo que los errores que puedan
resultar son más fácilmente identificables.
Veamos un ejemplo de codificación usando una matriz 3x6.
El mensaje binario se divide en bloques de 3 bits, de manera que uno de esos bloques podrı́a
representase mediante un sı́mbolo m, por ejemplo:
m = [110] ∈ F 3 (8.12)
La matriz de codificación a usar es la siguiente:

 
1 0 0 1 1 0
G = 0 1 0 1 0 1 (8.13)
0 0 1 0 1 1
La señal a transmitir serı́a entonces T = u x G.

Ejemplo para los simbolos 110 y 101.
 
1 0 0 1 1 0
(1, 1, 0) 0 1 0 1 0 1 = (1, 1, 0, 0, 1, 1) (8.14)
0 0 1 0 1 1
 
1 0 0 1 1 0
(1, 0, 1) 0
 1 0 1 0 1 = (1, 0, 1, 1, 0, 1) (8.15)
0 0 1 0 1 1
Podrı́amos hacer lo mismo para 23 = 8 palabras, se dice que el código pertenece a un F26 , es
decir un espacio que tiene 26 = 64 posibles elementos, pero sólo 23 = 8 son parte del código. Si
realizamos el análisis para todas las posibles palabras, descubriremos que la distancia de hamming
es igual a 3, pues al menos 3 bits serán diferentes entre cualquiera de las componentes del código.
Si una palabra de un código C se representa como x y otra como y, se dice que la distancia de
Hamming es: h(x,y)= el número de sı́mbolos de x que diferente de y y para todo un código C, la
distancia es:
d(C) = min h(x, y) | x, y ∈ C, x 6= y (8.16)

Podemos imaginar que el campo F26 es el que se presenta en la siguiente figura.
232
Figura 4: El espacio F26 Los puntos negros representan las posibles palabras que pueden resultar
en el campo y los cı́rculos representan las palabras del código
En la gráfica podemos observar que cada palabra del código tiene una cobertura de radio d.
Quiere decir que si al receptor llega la señal con errores, en todo caso cada palabra recibida caerá
dentro del área de cobertura de una palabra del código y es lo que permitirá corregir el error. Por
eso es importante que el código cuente con coberturas grandes, que abarquen todo el espacio.
La gráfica anterior se refuerza si observamos que un bloque (n,k), que es un código C(n,k) y
proviene de una matriz G de n x k, es un subespacio de un espacio vectorial F n y las filas de G
son la base de C.
8.6.3. La rata del código.

En cualquier caso de codificación se tiene un mensaje de k que luego de la codificación sale con
n palabras.
Figura 5: Rata del código.
La rata de codificación Rc señala qué tan eficiente es el código en términos de la cantidad de

información redundante que es necesario transmitir.
k
Rc = (8.17)
n
8.6.4. La ganancia del código

Es la diferencia entre los niveles de relación señal a ruido (SNR) del sistema que no incluye
codificación y el que la incluye.
233
8.7. Clasificación de los códigos según sus caracterı́sticas
8.7.1. Códigos lineales
Se dice que un código es lineal cuando se cumple lo siguiente:
si
m1 → c1
m2 → c2
Entonces se cumple que.

m1 ⊕ m2 → c1 ⊕ c2
Donde m es una palabra del mensaje de k bits de información; c es una palabra de código de
n bits de información; ⊕ significa suma de módulo 2 bit a bit. De modo que la suma de cualquier
dos palabras de código es una palabra de código que corresponde a la suma de las correspondientes
palabras del mensaje.
8.7.2. Los códigos de bloques

Los códigos de bloques son los vistos en los anteriores ejemplos, donde a cada palabra de un
mensaje le corresponde exclusivamente una palabra de código que usualmente se agrega al final de
la palabra del mensaje en forma de una palabra de paridad.
Figura 6: Código de bloques.
8.7.3. Los códigos convolucionales

Pueden ser vistos como una variación de los códigos de bloques si se tiene en cuenta lo siguiente:
Tanto en los códigos de bloques como en los convolucionales, un mensaje se divide en bloques
de bits o palabras que se pueden representar como u2 , u1 , u0 .
En los códigos de bloques se usa una matriz G que sirve de base para obtener la señal a
transmitir, de modo que:
....u2 , u1 , u0 →
G (....V2 = u2 G, v1 = u1 G, v0 = u0 G)
− (8.18)
En algunas fuentes se usa la representación polinomial que es la siguiente:
.... + u2 D2 + u1 D + u0 G(D) .... + u2 GD2 + u1 GD + u0 G (8.19)

−−−→
Para el caso de los códigos convolucionales, lo que se tiene es una matriz para cada posición
de la palabra de bits del mensaje G0 , G1 , . . . ,Gs . También puede decirse que se tiene un
polinomio de matrices:
G0 + G1 + ... + Gs Ds (8.20)
Donde D puede ser visto como un retardo unitario (del inglés Delay). Osea que G0 se aplica
a la primera palabra del mensaje que llega, G1 a la que llega con un retrazo, etc.
234
De modo que, en la codificación convolucional, la señal a transmitir se calcula ası́:
(....u2 , u1 , u0 ) G(D) (..., v2 = u2 G0 + u1 G1 + u0 G2 , v1 = u1 G0 + u0 G1 ), v0 = u0 G0 (8.21)

−−−→
Como puede verse, cada palabra a transmitir, se obtiene usando varias palabras mientras se
desplazan las matrices usadas, lo cual puede ser visto como una convolución
La representación polinomial para decir lo mismo anterior es la siguiente:
.... + u2 D2 + u1 D + u0 G(D) ... + (u2 G0 + u1 G1 + u0 G2 )D2 + (u1 G0 + u0 G1 )D + u0 G0 )

−−−→
(8.22)
Lo destacable de los códigos convolucionales es que una palabra a transmitir lleva información
no solo de la palabra presente del mensaje sino también de palabras anteriores. Por ejemplo
la palabra a transmitir v2 se obtiene no solo a partir de la palabra del mensaje u2 sino de u1
y de u0 . Por eso se dice que los códigos convolucionales tienen memoria, es decir, guardan
información de palabras transmitidas anteriormente.
Ejemplo de una matriz para un código convolucional.
D2 + 1

G(D) = (8.23)
D2 + D + 1
Implementación para la anterior matriz Vı́deo
8.7.4. Códigos binarios versus no binarios.
8.8. Técnicas de detección de errores

8.8.1. Chequeo de repeticiones.
8.8.2. Chequeo de paridad (Parity Check).
Ha sido uno de los primeros métodos usados para detectar errores de un mensaje enviado desde
un transmisor hasta un receptor pasando por un canal que puede producir interferencia y conse-
cuentemente pérdidas de bits. En mensaje es visto de manera binaria, el mensaje a transmitir es
visto como un bloque de bits, usualmente 8 bits, pero algunos de ellos, usualmente solo uno, el
último, se destina para el proceso de control de paridad.
El proceso de insertar los bits de paridad:

Ocurre en el transmisor.
contar el número de unos que hay en la información que se aloja en el bloque.
Si el número de unos es impar, se agrega un uno en el espacio destinado al control de paridad,

de lo contrario, en ese espacio se agrega un cero.
El proceso de control de errores:
Ocurre en el receptor.
A cada bloque recibido se le cuentan los unos y siempre deberá dar un número par, de lo
contrario, se habrá detectado un error Vı́deo
235
8.8.3. Chequeo de polaridad
8.9. El mecanismo de corrección de Errores

8.9.1. Solicitud Automática de Repetición (ARQ)
Solicitud automática de repetición (ARQ del inglés Automatic Repeat Request). Es la solu-
ción más obvia, donde la Corrección de errores se implementa como un sistema de solicitud de
retransmisión parcial de la información.
8.9.2. Corrección de Errores hacia adelante (FEC)

Control de Errores hacia adelante (FEC del inglés Forward Error Correction). Consiste en la
posibilidad de implementar la Corrección de errores como un proceso de recuperación de la in-
formación a partir de información redundante que ha sido emitida en el proceso de codificación
realizado en el transmisor. La Corrección de Errores hacia adelante (FEC del inglés Forward Error
Correction) es una técnica usada en las comunicaciones digitales para darle la posibilidad al re-
ceptor de identificar un cierto número de errores en la señal de información recibida y corregirlos
sin necesidad de recurrir a una retransmisión de la información, aunque a costa de usar un mayor
ancho de banda en el canal. Por lo tanto es un elemento esencial en los sistemas de comunicación
digital de tiempo real de voz, vı́deo y otros servicios donde no resulta conveniente usar métodos
de transmisión.
La idea central consiste en que el transmisor codifica el mensaje de una manera especial, usando
cierta redundancia, para lo cual usa un Código de Corrección de Errores (ECC- Error Correcting
Code). La idea fue presentada por primera vez en 1940 por el matemático americano Richard
Hamming cuando inventó el ECC conocido como Hamming Code. El ejemplo más sencillo es pre-
cisamente el Código de Repetición (3,1) explicado anteriormente.
Algunos codificadores FEC brindan la posibilidad de calcular la rata de errores de bit (BER
del inglés Bit Error Ratio), lo cual resulta valioso para otros algoritmos de sintonización.
8.10. Propiedades para la detección y corrección de Errores

Para la detección de errores: Para detectar d errores de un bit entre dos palabras, es
necesario un código con una distancia de Hamming de al menos d+1. Osea, que con una distancia
de Hamming de d se pueden detectar d-1 errores.
Para corregir d errores de un bit entre dos palabras es necesario un código con una distancia
de Hamming de al menos 2d+1. Osea que con una distancia de Hamming d se pueden corregir
(d-1)/ errores.
Ejemplo C=0000000000,0000011111,1111100000
Distancia de Hamming =5
Se pueden detectar d-1=4 errores
Se pueden corregir (d-1)/2 = 2 errores
Teorema básico de corrección de errores:
Un código C permite detectar hasta s errores si.
dist(C) ≥ S + 1 (8.24)
Un código C permite corregir hasta t errorres si.
dist(C) ≥ 2t + 1 (8.25)
236
8.11. Códigos de redundancia cı́clica (CRC)
Código de chequeo de redundancia cı́clica (CRC, del inglés - Cyclic and Redundancy Check).
Originalmente se tiene una secuencia de datos Por ejemplo: 1111111000000011110000000111
Esa secuencia se divide en bloques de n elementos. Por ejemplo si n=7 y se continúa con
el ejemplo anterior, se tienen 4 bloques cada uno con un espacio al final para agregar k
elementos.
1111111 0000000 1111000 0000111
Por eso se habla de un código tipo

C(n, k) (8.26)
El espacio en blanco a la derecha de cada bloque es para agregar información clave para
facilitar la detección de errores. Esa información se deduce a partir un código binario que sea
conocido tanto en el transmisor como en el receptor. A menudo no se habla de una palabra
binaria en sı́, sino de un polinomio generador de esa palabra.
8.11.1. Proceso de codificación usando CRC

El Proceso de codificación de una secuencia de datos usando un Polinomio Generador G(x)
en el transmisor es el siguiente:
• Se selecciona el polinomio generador Por ejemplo G(x) = x3 + 1
• Se prepara la secuencia de datos Por ejemplo:
1111111
Se supone que a ella le corresponde un polinomio que se puede representar como M(x).
• Tanto M(x) como G(x) se expresan como secuencias de bits. Para el ejemplo usado
tenemos
M (x) → 1111111
G(x) → 1001
T(x) será el polinomio de la señal a transmitir
• Se agregan r ceros a la secuencia M(x), con lo cual se obtiene Q(x). Continuando con el
ejemplo.
Q(x) → 1111111000
• Se calcula el código CRC como el residuo que resulta al dividir G(x) por Q(x). Para
nuestro ejemplo tenemos que:
G(x)/Q(x)
1001 / 1111111000.
⊕1001
0110111000
⊕1001
010011000
⊕1001
00001000
⊕1001
0001
El código CRC son las r últimas cifras del residuo, es decir 001 y se puede representar
como R(x)
237
• Se determina el resultado o señal a transmitir T(x) adicionando el residuo obtenido en
el punto anterior a Q(x).
Para nuestro ejemplo T (x) = Q(x) + R(x)
1111111000
001
1111111001
• Vemos que finalmente T(x) es el mismo mensaje complementado con el código CRC.
8.11.2. Proceso de detección de errores usando Check sum

Se realiza un proceso similar al visto en el proceso de codificación CRC. Si el residuo es 0
significa que no hay errores, de lo contrario hay errores. En calidad de ejemplo, veamos cómo se
tratarı́a la señal recibida del ejemplo anterior:
1111111001
⊕1001
0110111001
⊕1001
010011001
⊕1001
00001001
⊕1001
0000
En este ejemplo vemos que el residuo es cero, cuando la señal transmitida es idéntica a la reci-
bida, es decir, cuando no se presentan errores.
Veamos un ejemplo, cuando se pierde un bit, por ejemplo cuando al receptor llega la señal:
1011111001
1011111001
⊕1001
0010111001
⊕1001
00101001
⊕1001
001101
⊕1001
0100
Vemos que se obtiene un residuo diferente de cero cuando la señal recibida es diferente a la
transmitida.
8.11.3. Cualidades del CRC

Detecta todos los errores de 1 bit.
Si se escoje de manera apropiada G(x) se detecta.
Todo error de 2 bits.
Todo error de bits impares.
Todo error de ráfagas con una longitud que es menor al grado r
Es fácil de implementar en hardware binario.
Es fácil de analizar matemáticamente.
Es bueno para detectar errores comunes, causados por ruido en el canal de transmisión.
238
8.12. La codificación de Reed Solomon
Es uno de los tipos de codificación más notables ya que su uso se extendió al disco compacto
(CD), el DVD, los discos duros, Blue-rays, otros sistemas de almacenamiento, los códigos QR,
la televisión digital, WiMax, Comunicaciones satelitales, entre otros. Fue introducido en 1960 por
Irving S. Reed y Gustave Solomon. Estrictamente pertenece al tipo de codificación cı́clica no binaria
y lo que hace es agregar t sı́mbolos de chequeo a los datos para detectar cualquier combinación de
hasta t sı́mbolos erróneos o corregir hasta t/s sı́mbolos Este código tiene las siguientes cualidades:
Es un tipo de código linear sistemáticamente cı́clico y es no-binario, usada en FEC. Desde
este punto de vista, el chorro de datos del mensaje se divide en bloques de datos, se le agrega
a estos bloques una redundancia que solo depende de las entradas actuales.
Se apoyan en un área de la matemática conocida como Campos de Galois o campos finitos.
Estos campos se caracterizan por las operaciones aritméticas (+,-,x) siempre tienen un resul-
tado dentro del campo. Precisamente, porque las herramientas de programación no soportan
aritmética de campo de Galois, la implementación tradicional de este código es en hardware.
Se representa como RS(n,k),
Figura 7: Codificación de Reed Solomon.
donde: n = 2s−1 es la longittud del bloque resultante, s: es el número de bits que tiene cada
simbolo del mensaje, k: es el número simbolos del mensaje en cada bloque, t es el número
de simbolos erroneos que es posible corregir en la palabra del código. n es un número entero
entre 3 y 2s − 1; k < n, s es entero entre 3 y 16.
Este código es capaz de corregir tanto errores en ráfagas como datos perdidos (erasures). Se
usa principalmente en la corrección de ráfagas de errores.
La ganancia de codificación de este código: es muy alta, aunque menor que los códigos LDPC
y los TURBO códigos. Por esta alta ganancia, el código de Reed Solomon se usa en muchas
aplicaciones incluyendo almacenamiento y transmisión de información:
• Almacenamiento (cintas de almacenamiento, discos compactos,DVD, etc).

• Comunicaciones móviles.
• Radioenlaces.
• Comunicaciones satelitales.
• Televisión digital
La información puede estar dada en bits, pero también en bytes o en otro tipo de palabras.
Por esa razón es ampliamente usada no solo en las comunicaciones sino también en sistemas
de respaldo de información. Véase por ejemplo este Vı́deo
El principio de la codificación consiste en:
Se organiza la información en una matriz de dimensiones QxQ.
Por ejemplo, si la información se organiza en una matriz 4x4 y está dada en bytes, en cierto
momento podrı́an ser letras del alfabeto como en el siguiente caso:
239
 
A B C D
E F G H
U =
I

J K L
M N O P
Contar con una matriz de dimensiones Qx(Q+k), donde el espacio QxQ de la matriz es una
matriz de identidad y los demás espacios corresponden al código a usar.
Continuando con el ejemplo anterior, y teniendo en cuenta que la información está dada en
bytes, la matriz puede ser la siguiente:
 
01 00 00 00
00 01 00 00
 
00 00 01 00
G=  
00 00 00 01

 1b 1c 12 14
1c 1b 14 12
Se obtiene la matriz de la señal a transmitir como T=u x G.
Continuando con el ejemplo, la información a transmitir está dada por la matriz siguiente:
 
A B C D
E F G H
 
I J K L
T = uxG= M

 N O P 
 51 52 53 49
55 56 57 25
Se toma la matriz obtenida y se transmite fila por fila.
Continuando con el ejemplo anterior, la señal a transmitir es la siguiente:
A B C D E F G H I J K L M N O P 51 52 53 49 55 56 57 25
mensaje paridad
| {z } | {z }
El principio de la de-codificación, cuando no hay errores consiste en:

Contar con una matriz que sea el inverso a la matriz usada para la decodificación.
 
01 00 00 00
 00 01 00 00
 
 00 00 01 00
Para el ejemplo dado anteriormente, esa matriz es. G−1 =
 00 00

 00 01
 8d f 6 7b 01
f 6 8d 01 7b
Se obtiene la señal recibida en forma matricial como r = T X G−1
Cuando hay errores, la decodificación se realiza en 5 niveles:

Sı́ndrome de cálculo: dice si ocurrió un error durante la transmisión de datos
Localización del error: dice donde se presentó el error la magnitud del error
Evaluación del error: corrige el error.

Tres son los posibles resultados de la decodificación:
Si 2s + r < 2t , donde s son sı́mbolos con errores, r son sı́mbolos borrados, entonces la palabra
de código originalmente transmitida podrá ser siempre recuperada
240
El decodificador detectará que no puede recuperar la palabra de código original e indicará
este hecho.
El decodificador decodificará erróneamente y recuperará una palabra de código de manera

incorrecta y sin indicación alguna.
Otras aplicaciones de la codificación Reed Solomon.
Los métodos de codificación pueden encontrar una gran cantidad de aplicaciones.

Ejemplo aplicado a bases de datos. El mismo ejemplo anterior, aplicado al respaldo de bases de datos se encuentra en el siguiente vı́deo:
Codificador Reed Solomon aplicado para el respaldo de bases de datos
Hay también una gran multitud de aplicaciones como es el caso de los QR Codes:
Reed Solomon aplicado a Códigos QR
8.13. Reed Solomon RS(255,223)en la práctica

En la práctica es común encontrar una configuración del Reed Solomon, donde cada palabra
de código que se produce es de 255 bytes, de los cuales k=223 son bytes del mensaje y 2t=32 son
bytes de paridad:
n=255,
k=223,
consecuentemente, s=8,
2t=32,
t=16
Eso indica que este código permite corregir hasta 16 sı́mbolos erróneos en la palabra de código, en
cualquier parte del código y de manera automática.
241
8.14. Modelo de capas de DVB-T
Figura 8: Modelo de capas de la capa fı́sica de dvb-t.
fuente: ETSI EN 301 958
8.15. Scrambling en DVB-T

El scrambling es un tema que ya ha sido explicado en el capı́tulo 1. Para el caso de la DVB-T
el scrambling tiene las siguientes particularidades:
La secuencia PN se genera mediante una interconexión de 15 registros, una compuerta XOR

y una AND.
242
Figura 9: Esquema de scrambling
. Esta interconexión puede entenderse con la teorı́a que se explica en el libro de Haykin,
capı́tulo 7, sobre generación de señales PN.
Los registros están conectados en serie y con cada pulso de reloj, el estado de un registro
pasa al siguiente registro.
Los estados de los registros son los de la secuencia de inicialización que aparece en la figura,
cuyo polinomio generador es p(x) = 1 + x14 + x15
El esquema es equivalente a la Fig. 1, pero si bs(t) se cambia de polaridad, osea que se
multiplica por -1.
Los registros 14 y 15 entregan su estado a una compuerta XOR y su salida va pasando
nuevamente al primer registro y al mismo tiempo a una compuerta AND.
El scrambling ocurre en una compuerta XOR, a la cual entran el código PN y la señal útil.
El periodo que resulta para la secuencia PN es de 188*8=12032 bits.

El primer byte de cada paquete de la señal de video es de sincronización y no debe ser
aleatorizado. Sin embargo el generador PN sigue generando bits aunque no se usen en esos
bytes especı́ficos. Justamente, la entrada Enable es la que desactiva o activa el scrambling
para estos casos. La entrada Enable puede ser vista como un vector cuyos bits cambian
cuando es necesario detener el scrambling.
8.16. FEC en DVB-T
243
Bibliografı́a
[Harris and Rice, 2001] Harris, F. J. and Rice, M. (2001). Multirate digital filters for symbol timing
synchronization in software defined radios. IEEE Journal on Selected Areas in Communications,
19(12):2346–2357.
[Haykin, 2001] Haykin, S. (2001). Communication systems.
[Lorenzo, 2004] Lorenzo, D. (2004). Ecualización adaptativa de un canal digital. pages 1–25.
[Mejia et al., 2012] Mejia, Y. H., Ortega, H., and Pineda, M. D. (2012). A model for urban mi-
crocell radio propagation prediction focused on reliable implementation. 2012 IEEE Colombian
Communications Conference (COLCOM), (1):1–6.
[Peripheral, ] Peripheral, U. S. R. GETTING STARTED GUIDE NI USRP-2920/2921/2922. Tech-
nical report.
[Thomas Rondeau, 2009] Thomas Rondeau, C. B. (2009). Artificial Intelligence in Wireless Com-
munications.
244

Libro de Comunicaciones Plus PDF

Cargado por

Copyright:

Formatos disponibles

Libro de Comunicaciones Plus PDF

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

Libro de Comunicaciones Plus PDF

Cargado por

Copyright:

Formatos disponibles

Comunicaciones Digitales basadas en

Radio Definida por Software

Homero Ortega Boada

ESCUELA DE INGENIERIAS ELECTRICA ELECTRONICA Y TELECOMUNICACIONES– E3T

Homero Ortega Boada Oscar Mauricio Reyes Torres

Primera edición abril 2016

Todos los derechos reservados

Comunicaciones Digitales basadas en SDR

Homero Ortega Boada

Oscar Mauricio Reyes Torres

Comunicaciones Digitales basadas en

2. Simulación de señales y sistemas con GNU Radio 68

3. Implementación de la Radio Definida por Software en sistemas de radiodifusión 89

4. Un Sistema de comunicación digital por cable 103

5. Un sistema de radio comunicación digital sobre un canal guiado 142

6. El canal inalámbrico 178

7. Comunicaciones multiusuario 196

8. TELEVISIÓN DIGITAL TERRESTRE DVB-T1 227

1. Modelo SDR que relaciona GNU Radio con el Hardware. . . . . . . . . . . . . . . . 70

1. Un sistema de comunicaciones punto a punto Full Duplex. . . . . . . . . . . . . . . 89

1. Modelo de capas para un sistema de comunicación digital por cable. . . . . . . . . 104

1. Red de Frecuencias Únicas en TDT . . . . . . . . . . . . . . . . . . . . . . . . . . . 178

1. Central local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196

1. Ruta de recepción de un mensaje. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

1.1. Alguna descripción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

4.1. Estándares de cable trenzado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

5.1. Plantilla para la Tabla de Verdad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144

6.1. Alguna descripción. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185

7.1. Alguna descripción. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203

8.1. Alguna descripción. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230

• Combina la enseñanza de las comunicaciones con la de GNU Radio.

1.1. Instrucciones iniciales

Los materiales incluidos son los siguientes:

1.1.2. Los primeros pasos

1.2. Términos y siglas

TDM: Time Division Multiplexing.

CDM: Code Division Multiplexing.

OFDMA: Orthogonal Frequency Division Multi access.

ERE: Espectro radioeléctrico.

1.3. Variables comúnmente usadas en los materiales que

B: Byte (cuando se refiere a unidad de medición).

Para señales en el canal o bloques de la capa de precanal:

Fc (Hz): frecuencia de la portadora de radiofrecuencias, la frecuencia central de la banda

Kd rx, o Kd tx: Se usan cuando se requiere diferenciar entre el coeficiente de decimación

Para las señales fuente:

Para señales binarias:

Rb (bps): Rata de bits.

Para señales moduladas:

Constelación: Representa la tabla de verdad de la modulación usada.

Spch: Samples per chip. Es el número de muestras asignadas a cada chip.

Tmax scope (seg): Es la duración de la ventana que se gráfica en el osciloscopio.

1.4. Señales y Sistemas continuos en el dominio del tiempo

Una señal senoidal pura puede ser representada matemáticamente como.

c(t) = A cos(2πf t + φ) (1.1)

• Varia sola la amplitud de la senoidal.

c(t) = A(t) cos(2πf t + φ) (1.2)

• Varı́a solo la frecuencia de la senoidal.

c(t) = A cos(2πf (t)t + φ) (1.3)

• Varı́a solo la fase de la senoidal.