DEPARTAMENTO DE CIENCIA Y TECNOLOGÍA

UNIVERSIDAD NACIONAL DE QUILMES

Roque Sáenz Peña 352 – (B1876BXD) Bernal – Buenos Aires – Argentina

TEORÍA DE LAS TELECOMUNICACIONES - IACI

8 DETECCIÓN DE SEÑALES BINARIAS EN PRESENCIA DE RUIDO BLANCO

GAUSSIANO
Una vez que los símbolos digitales son transformados en señales eléctricas, pueden ser
transmitidos a través del canal. Durante un intervalo de tiempo T un sistema binario
transmitirá una de dos formas de onda, indicadas por s1(t) y s2(t). La señal transmitida
durante el intervalo (0, T) se puede representar como:

s (t ) 0  t  T para el 1 binario
si (t )   1
s2(t ) 0  t  T para el 0 binario

Por ejemplo, un 1 puede ser representado por una tensión eléctrica V que se mantiene
constante durante un tiempo T, y un 0 por una tensión –V que también se mantiene constante
por igual duración de tiempo. Esta señal puede ser transmitida directamente (transmisión en
banda base) o bien puede ser usada para modular una portadora. La señal recibida está
afectada por el ruido y por lo tanto existe una cierta probabilidad de que el receptor cometa un
error al decidir si se transmitió un 1 o un 0. La señal recibida por el receptor, r(t) se puede
representar por:

r(t)  si (t)  n(t) i  1, 2; 0  t  T

donde n(t) es el ruido blanco gaussiano aditivo, de media cero y varianza 2, que
interfiere sobre la señal que fue transmitida.

Trataremos de encontrar qué características debe tener nuestro receptor para que
pueda hacer una detección lo más fiel posible del bit que fue transmitido. El transmisor “sabe”
que fue transmitido un 1 o un 0, pero debido al efecto del ruido esas señales eléctricas que
representan al 1 y al 0 fueron deformadas y eso puede “confundir” al detector a la hora de
discernir qué señal se transmitió.

Supongamos entonces que una secuencia binaria consiste en señales de niveles +V

y -V, o sea, una secuencia de pulsos positivos y negativos aleatorios. Realmente no interesa
conservar la forma de la señal en el receptor, sino que lo que interesa saber es si en el
intervalo de bit T se transmitió +V o –V. Pero, como se dijo antes, con el ruido presente, el
receptor ciertamente nunca va a detectar exactamente V.

Supongamos que el ruido es Gaussiano. Debido a la simetría de la función de densidad

de probabilidad que lo representa, la probabilidad de hacer aumentar el valor de la muestra de
señal tomada es igual a la probabilidad de hacerla disminuir. Entonces, como primera
aproximación, es bastante razonable diseñar un detector que tome una muestra cada T
segundos, y, si el valor es positivo asumir que transmitió +V, mientras que si el valor es
negativo asumir que se transmitió –V. Por supuesto, es posible que en el instante del muestreo
la tensión de ruido pueda tener una magnitud mayor que V y de polaridad opuesta a la del bit
transmitido en ese momento. En tal caso se producirá un error en la detección. En la Figura 1
se puede ver este efecto.

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 1

 Figura 1. Efecto del ruido en una señal digital binaria de amplitud V y
duración T.

Podemos reducir la probabilidad de error procesando la señal recibida junto con el

ruido, de manera tal de encontrar un instante de muestreo adecuado en donde la tensión de
símbolo sea enfatizada frente a la tensión de ruido. Además, intuitivamente se ve que es
necesario agregar algo delante del muestreador, ya que con un esquema como el que hemos
planteado como primera aproximación indudablemente se está desperdiciando todo el tiempo
de bit. Es decir, ¿Para qué transmitir un bit con una duración T si finalmente se lo está
“mirando” en un solo instante? ¿No sería mejor que el receptor haga una “observación” de
todo el bit para recién luego concluir si fue un 1 o fue un 0? Tendremos que pensar en un
esquema que aproveche todo el tiempo de bit. Entonces planteamos lo siguiente.

La señal transmitida s(t)(representada por uno de sus dos estados V), junto con el
ruido Gaussiano n(t), se la hace pasar por un integrador y luego sí es muestreada. Esto se
puede hacer con un amplificador operacional con una resistencia de entrada R y un capacitor
de realimentación C, como se muestra en la Figura 2. Por lo tanto, la salida del integrador
produce una señal que es la integral del pulso enviado, multiplicada por una constante
1/RC = . Al final de cada tiempo de bit T, una llave en paralelo con el capacitor se cierra para
descargarlo y así comenzar la siguiente integración desde cero. A la salida del integrador y
justo al instante de tomar la muestra, tenemos:

1
s(t )  n(t )dt  1  1
T T T
v0 (T ) 
  0  0
s(t )dt 

n(t )dt
0
(1)

La muestra de tensión correspondiente sólo a la señal s(t) es:

1 T VT
s0 (T ) 
  Vdt 
0 
(2)

o bien con el signo opuesto cuando la entrada del integrador es –V. La muestra de
tensión correspondiente al ruido es:

1 T
n0 (T ) 
  n(t)dt
0
(3)

Cabe destacar que n(t) es un proceso aleatorio, mientras que no(T) es una variable
aleatoria. La varianza (potencia media) de n0(T) se expresa como:

N 0T
 02  (4)
2 2

Además n0(T) tiene una fdp que es Gaussiana. El valor N0/2 es la densidad espectral del
ruido a la entrada del integrador. No demostraremos aquí la obtención de la última ecuación,
pero la misma surge de plantear que:

2 8 Detección de señales binarias en presencia de ruido blanco Gaussiano

 2
Gno (f )  Gni (f ) H(f ) (5)

donde H(f) es la función de transferencia del integrador, Gni(f) es la densidad espectral

de ruido a la entrada del integrador y Gno(f) es la densidad espectral de ruido a la salida del
integrador. Integrando la (5) entre - y + se obtiene la potencia total expresada en la (4).

Figura 2. Esquema propuesto inicialmente para mejorar la relación señal a ruido, en el instante de
muestreo, de la señal recibida.

La salida del integrador, antes de la llave de muestreo, es v0(t) = s0(t) + n0(t). La señal
de salida s0(t) es una rampa para cada intervalo de tiempo T. Al final de la rampa, o sea, al
instante del muestreo T, la señal s0(t) tiene un valor que es +VT/ o –VT/, dependiendo de si
el bit transmitido fue 1 o 0. Mientras que el ruido, en el instante del muestreo, tiene un valor
aleatorio n0(T). Ambas situaciones se muestran en la Figura 3. Finalmente, el voltaje total al
momento del muestreo es:

v 0 (T )  s0 (T )  n0 (T ) (6)

Figura 3. Señal a la salida del integrador (a), y ruido a la salida del

integrador (b).

Naturalmente, buscamos que la tensión correspondiente a la señal sea mayor que la

tensión de ruido para mejorar el desempeño de nuestro detector. Por lo tanto una figura de
mérito para este caso es la relación señal a ruido. Relacionando ambas potencias en el instante
de muestreo nos queda el siguiente resultado:

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 3

 2
 VT 
 
s0 (T )
2

  

V 2T 2 2 2

2 2
V T 
V 2T
(7)
n0 (T )2  N 0T 
 
 2 N 0T N0 N0 2
2
 2 

Nótese que la relación señal a ruido aumenta con el incremento de la duración de bit T
y que depende de V2T que es la energía normalizada de la señal. Es decir que para mejorar la
relación señal a ruido se puede aumentar el tiempo de bit T (transmitiendo menos bits por
segundo, o sea, más lentamente), o bien aumentar la tensión V de la señal, o ambas cosas.
Aumentar la tensión implica transmitir con mayor potencia, con lo cual se necesitaría un
equipo transmisor más grande, fuentes de alimentación más grandes, quizás disipadores más
grandes, etc., aumentando el costo y el tamaño del sistema. La otra alternativa, aumentar el
tiempo de bit, implica transmitir a menor velocidad. Esto puede verse, por ejemplo, en una
comunicación vía modem (aunque en este caso no es banda base sino una señal modulada, el
ejemplo vale). Un modem que cumple con la norma de comunicación V.90 debería conectarse
normalmente a 56 Kbps. Sin embargo, suele ocurrir que la línea telefónica tenga un ruido
mayor al esperado y para mantener la relación señal a ruido en un nivel aceptable el modem
transmite más lentamente. Otro ejemplo lo muestran los satélites que se envían al espacio
(por ejemplo la NASA o la Agencia Espacial Europea) para tomar fotografías, hacer estudios,
mediciones, etc. en diversos planetas. Debido a la gran distancia que separa al satélite de la
antena terrestre, la relación señal a ruido es realmente muy baja como consecuencia de la
atenuación de la señal transmitida. Por lo tanto, para mantener una relación señal a ruido
razonable en el receptor la alternativa es aumentar T. La conclusión es que la velocidad de
transmisión es muy baja.

Hemos visto entonces, que, para el ejemplo anterior de transmisión binaria bipolar, el
filtro que nos mejora la relación señal a ruido es un integrador. Esto ha sido para este ejemplo.
En los párrafos siguientes trataremos de ver si es éste el mejor filtro que podemos poner o
existe uno mejor, y además generalizar la situación y tratarla no sólo para la señal bipolar que
se planteó sino para cualquier señal binaria.

En la Figura 4 se muestran los dos pasos que se involucran en la detección de una

señal. El primer paso consiste en convertir la señal recibida r(t) = si(t) + n(t) en un número
real z(t=T). Esta operación se realiza por medio de un filtro lineal seguido de un muestreador.
Al final de la duración de símbolo T la salida del bloque 1 (después de la llave de muestreo) da
como resultado la muestra z(T). También puede demostrarse que un proceso Gaussiano que
pasa por un filtro lineal produce como salida otro proceso Gaussiano. Entonces, la salida del
bloque 1 da como resultado:

z(T )  ai (T )  n0 (T ) i  1, 2 (8)

donde ai(T) es la componente de señal de z(T) proveniente de si(t), y n0(T) es la

componente de ruido proveniente de n(t). Para abreviar la notación podemos escribir
z = ai+ n0. La componente de ruido n0, es una variable aleatoria Gaussiana de media cero. Por
lo tanto, z(T) también es una variable aleatoria Gaussiana pero con media a1 o a2 (a1 y a2 son
dos números reales, obtenidos a la salida del muestreador), dependiendo de cuál de los dos
símbolos binarios haya sido enviado, (s1(t) o s2(t)). Si no existiese el ruido, z(T) sería un
número real con dos valores posibles. La función de densidad de probabilidad (fdp) del ruido
aleatorio Gaussiano n0, a la salida del filtro lineal, puede expresarse como:

1  1  n 2 
p(n0 )  exp  0   (9)
0 2  2 0  
 

2
donde  0 es la varianza del ruido a la salida del filtro lineal, incluso después de la llave
de muestreo. Este ruido, si es sumado a las señales ai(T), se representa por funciones de

4 8 Detección de señales binarias en presencia de ruido blanco Gaussiano

densidad de probabilidad que en lugar de tener media cero tienen media a1 y a2, según se
haya transmitido s1(t) o s2(t) respectivamente. Estas funciones de densidad de probabilidad
condicional, p(z|s1) y p(z|s2) se expresan como:

1  1z  a 
2
p( z | s1 )  exp  1


 (10)
0 2  2   0  
 

1  1z  a 
2
p( z | s2 )  exp  2


 (11)
0 2  2  0  
 

Figura 4. Esquema básico de detección de una señal binaria.

Estas fdp condicionales se ven en la Figura 5. La fdp de la derecha, p(z|s1) ilustra la

función de densidad de probabilidad de la salida del detector, z(T), sabiendo que s1(t) fue
transmitido. De manera similar, la curva de la izquierda ilustra p(z|s2), la función de densidad
de probabilidad de z(T) sabiendo que se ha transmitido s2(t). El eje de las abscisas representa
el rango completo de valores posibles de z(T) que se pueden obtener a la salida del bloque 1
de la Figura 4. Se ve entonces, que, si no existiese el ruido, z(T) tendría sólo dos valores
posibles, a1 y a2, dependiendo de la señal transmitida. Pero, debido al efecto del ruido, z(T) es
en realidad un número que se mueve en un entorno de a1 y a2, (según la señal binaria
transmitida), con una distribución Gaussiana.

Figura 5. Funciones de densidad de probabilidad condicional.

El segundo paso en el proceso de detección consiste en hacer una comparación

estadística. Esto se representa en el bloque 2 de la Figura 4. Se compara z(T) contra un valor
umbral  para de esa manera estimar cuál valor fue transmitido, si s1(t) o s2(t). Si z(T) es
mayor que  se decide por una señal, caso contrario se decide por la opuesta.

Una vez que la señal recibida r(t) es convertida en un número z(T), ya no importa más
la verdadera forma de la señal. Todas las formas de onda que sean transformadas al mismo
valor de z(T) son idénticas desde el punto de vista de la detección. Veremos más adelante que
un cierto tipo de filtro, llamado filtro adaptado, ubicado en el bloque 1, “mapea” las señales de

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 5

igual energía en el mismo punto z(T). Por lo tanto, lo que importa en el proceso de detección
no es la forma de onda de la señal sino su energía. Por eso, el análisis para el proceso de
detección en banda base es igual que para el caso de pasa banda (se verá con abundante
detalle en un capítulo posterior). El paso final en el bloque 2 es tomar una decisión a partir de
la siguiente comparación:

H1

z(T )  (12)

H2

donde H1 y H2 son las dos posibles hipótesis binarias. Elegir H1 es equivalente a decidir
que s1(t) se ha enviado, y elegir H2 es equivalente a decidir que s2(t) fue enviado. La
desigualdad en la relación anterior indica que si z(T) >  entonces se elige H1. De lo contrario,
se elige H2. Para el caso de la igualdad la decisión es arbitraria y se ajusta al detector de
manera tal que elija una de las dos hipótesis al azar, como si tirara una moneda.

Esta comparación es similar a la que se hizo en el ejemplo al comienzo del texto. Allí,
una vez tomada la muestra, se la comparaba con cero: si el número era positivo se decidía por
un “1” binario, caso contrario se decidía por un “0” binario.

¿Qué valor debe tener ? Hasta ahora no hemos dicho nada acerca de qué valor debe
tener para que sea un nivel umbral apropiado. Un criterio para elegir  se basa en la
minimización de la probabilidad de error. Es decir, se busca un valor tal de  como para que el
detector se “equivoque” lo menos posible en su toma de decisiones. Este valor óptimo de  que
hace mínima la probabilidad de error lo llamaremos 0.

Para hallar tal valor partimos de la siguiente relación, llamada test de relación de
verosimilitud:

H1
p(z | s1 )  P(s2 )
(13)
p(z | s2 )  P(s1 )
H2

donde P(s1) y P(s2) son las probabilidades a priori de que s1(t) y s2(t) sean transmitidos,
y H1 y H2 son las dos posibles hipótesis. Según la regla de la ecuación (13), para minimizar la
probabilidad de error en la estimación, debemos elegir la hipótesis H1 si la relación entre las
fdp condicionales es mayor que la relación entre las probabilidades a priori. Caso contrario se
elige la hipótesis H2. Esta ecuación (13) surge de la teoría de la probabilidad condicional.

Si P(s1) = P(s2) y si las funciones de densidad de probabilidad p(z|si) son simétricas, la

ecuación (13) queda, luego de dividir (10) sobre (11):

H1
 a1  a2
z(T )  0 (14)
 2
H2

donde a1 es la componente de señal de z(T) correspondiente a s1(t), y a2 es la

componente de z(T) correspondiente s2(t). El nivel umbral 0 es el umbral óptimo que minimiza
la probabilidad de tomar una decisión incorrecta. Esta estrategia es conocida como criterio del
mínimo error.

Para señales igualmente probables, el umbral óptimo 0 pasa a través de la intersección

de las dos funciones de densidad de probabilidad, como se ve en la Figura 5. De esta manera,
siempre se elige la hipótesis que presenta la máxima verosimilitud (máxima probabilidad).
Dicho en términos de las funciones de densidad de probabilidad condicional, el detector elige,
por ejemplo, s1(t) si:

6 8 Detección de señales binarias en presencia de ruido blanco Gaussiano

 p(z a | s1 )  p(z a | s2 ) (15)

en caso contrario, el detector elige s2(t). Un detector que minimiza la probabilidad de

error (para el caso en que ambas señales son igualmente probables) es conocido con el
nombre de detector de máxima verosimilitud.

Una vez más, volviendo a nuestro ejemplo del comienzo del texto, y para el caso
particular del circuito integrador que se ha usado, a1 sería VT/, a2 sería –VT/ y 0 sería 0.

Obviamente, si las probabilidades a priori no son iguales (ambas igual a 0,5), entonces
0 se desplaza hacia la izquierda o hacia la derecha.

Si en lugar de una transmisión binaria fuese una transmisión M-aria, debería haber M
funciones de densidad de probabilidad representando a las M señales. La decisión de máxima
verosimilitud debe ser hecha entonces según el máximo valor de probabilidad de todas las fdp.

Probabilidad de error de bit

Para el caso de una transmisión binaria, hay dos maneras por las cuales se puede
producir un error en la detección o estimación. Un error e va a ocurrir cuando se envíe una
señal s1(t) y el ruido del canal resulte tal que el valor z(T) sea menor que el umbral 0 (una vez
más la Figura 5 sirve de ayuda). En tal caso, la probabilidad de error o probabilidad de error de
bit se puede expresar como:

0
P(e | s1 )  P(H2 | s1 )   pz | s1 dz (16)


En palabras esto significa la probabilidad de que se produzca un error sabiendo que se

transmitió s1, o similarmente, la probabilidad de elegir la hipótesis H2 sabiendo que se
transmitió s1. Esto se ilustra en la Figura 5 como el área sombreada a la izquierda de 0. De
manera similar, ocurre un error cuando s2(t) es enviado y debido al ruido del canal el valor de
z(T) resulta mayor que el umbral 0. Esto se expresa como:


P(e | s2 )  P(H1 | s2 )   0
p(z | s2 )dz (17)

La probabilidad de error es la suma de las probabilidades de todas las maneras en que

un error puede ocurrir. Para el caso binario, podemos expresar la probabilidad de error de bit
PB de la siguiente manera:

2
PB   P(e, s )
i 1
i (18)

Combinando las ecuaciones (16) a (18), tenemos:

PB  P(e | s1 )P(s1 )  P(e | s2 )P(s2 ) (19)

o equivalentemente,

PB  P(H2 | s1 )P(s1 )  P(H1 | s2 )P(s2 ) (20)

(Las ecuaciones (19) y (20) surgen del teorema de Bayes). Es decir, dado que fue
transmitido s1(t), ocurre un error si se elige la hipótesis H2; o dado que se transmitió s2(t),
ocurre un error si fue elegida la hipótesis H1. Para el caso en que las probabilidades a priori
sean iguales, o sea, P(s1) = P(s2) = ½, PB resulta ser:

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 7

 1 1
PB  P(H2 | s1 )  P(H1 | s2 ) (21)
2 2

y por la simetría de las funciones de densidad de probabilidad:

PB  P(H2 | s1 )  P(H1 | s2 ) (22)

La probabilidad de error de bit PB, es numéricamente igual al área debajo de la curva

fdp que está del lado “incorrecto” del umbral. Por lo tanto, se puede calcular PB integrando
P(z|s1) entre los límites - y 0 o también integrando p(z|s2) entre los límites 0 y :


PB   0
p(z | s2 )dz (23)

Si reemplazamos p(z|s2) por su equivalente distribución Gaussiana, tenemos:

 1  1z  a 
2

 exp  dz
2
PB   (24)
 2   
0 0 2   0  

2
Como ya sabemos,  o es la varianza del ruido a la salida del filtro lineal. Haciendo
u = (z-a2)/0 tenemos:

du 1

dz 0

Por lo tanto,

dz   0 du

En la ecuación (24) la variable de integración es z, que varía entre 0 e . Pero 0 es

(a1 + a2)/2. Por lo tanto, haciendo z = 0 y escribiendo z en función de u, el límite de
integración inferior en función de u resulta ser:

a1  a2
z   0 u  a2   0
2

a1  a2
 0u   a2
2
a  a2 a
u  1  2
2 0 0
a1  a2
u 
2 0

Entonces, reemplazando u en la ecuación (24) y cambiando los límites de integración

nos queda:

u 1  u2   a  a2 
PB  
u  ( a1  a2 ) / 2 0 2
exp 

 2 
du  Q 1
  2
 0



(25)

donde Q(x) se llama función complementaria de error o función de co-error. Q(x) se

define como:

8 8 Detección de señales binarias en presencia de ruido blanco Gaussiano

 1  u2 

Q( x ) 
2 x

exp 
 2 

du

(26)

La variable de integración es u, siendo el límite inferior u = x y el límite superior u = .

Q(x) no puede ser evaluada en forma cerrada y sus valores se presentan en forma de tablas.
Si se observa bien, Q(x) no es otra cosa que P(X  x) para una fdp Gaussiana normalizada (es
decir, con media cero y varianza 1). De aquí se ve que para minimizar la probabilidad de error
de bit, el argumento de Q(x) debe ser lo más grande posible (o sea, x lo más “a la derecha”
posible en la curva de Gauss).

La probabilidad de error de bit también suele llamarse tasa de error de bit,

comúnmente abreviada por sus siglas en inglés BER (Bit Error Rate), siendo conceptualmente
la relación entre la cantidad de bits detectados erróneamente y la cantidad total de bits
transmitidos. La probabilidad de error de bit más alta posible es 0,5, situación que se da
cuando el argumento de Q(x) vale 0 y corresponde a la mitad del área debajo de la curva
Gaussiana. No hay que confundirse y pensar que la peor condición es PB = 1. Si fuese así, se
pondría a la salida del detector un inversor lógico que invierta todos los bits y la probabilidad
de error de bit terminaría siendo 0.

En el ejemplo analizado al comienzo de este capítulo habíamos visto que a la salida del
filtro integrador, en el instante de muestreo, obteníamos los siguientes valores de a1 y a2:

VT
a1 

 VT
a2 


2
Y habíamos visto que  0 era:

N 0T N 0T
 02  2
 0 
2 2 2

Teniendo en cuenta esto, usando entonces la (25) el cálculo de la probabilidad de error

de bit nos conduce a:

 a  a2 
PB  Q 1 

 2 0 

 
 
 VT   VT  
PB  Q 
 N 0T 
 2 
 2 2 

 V 2T 2  2 
PB  Q 
 N T 2 2 
 0 

 V 2T 
PB  Q 
 N /2 
0
 

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 9

 Se puede ver en la última ecuación que la probabilidad de error de bit disminuye si se
aumenta V, T o ambas, coincidiendo con la conclusión que habíamos obtenido con la (7) y la
Figura 3.

Hasta aquí hemos optimizado el valor del umbral  haciendo mínima la probabilidad de
error PB y hallando una expresión para el cálculo de dicha probabilidad de error. Ahora
veremos cómo debe ser el filtro que, a la salida del muestreador, maximiza la relación señal a
ruido, y cómo puede usárselo para que maximice el argumento de la función Q(x) a fin de
que la probabilidad de error sea mínima (es decir, mínima no en función del umbral de
detección 0 sino en función del valor z(T) que entrega el filtro en el instante de muestreo).

Filtro adaptado

Un filtro adaptado es un filtro lineal, diseñado para que pueda dar, a su salida, la
máxima relación señal a ruido para una determinada forma de onda del símbolo transmitido.
Supongamos que una señal conocida s(t) más RBGA n(t) se presenta a la entrada de un filtro
lineal e invariante en el tiempo, seguido éste por un muestreador, como se muestra en la
Figura 4. En el tiempo t = T la salida z(T) del filtro consiste en una componente de señal a y
una componente de ruido n0. La varianza del ruido de salida (potencia media de ruido) se
2
denota por  0 , de manera que la relación entre la potencia de la señal y la potencia media de
ruido, (S/N)T en el tiempo t = T, a la salida del bloque 1 es:

S a2
   2 (27)
 N T 0

Lo que queremos hacer ahora es encontrar la característica que debe tener nuestro
filtro. Es decir, debemos hallar la función de transferencia óptima H0(f) que maximice la
ecuación (27). Podemos expresar la señal a(t) a la salida del filtro en términos de la función de
transferencia H(f) (antes de su optimización) y de la transformada de Fourier de la señal de
entrada:


a(t )  
H(f )S(f )e j2ft df (28)

donde S(f) es la transformada de Fourier de la señal de entrada s(t). Si la densidad

espectral del ruido a la entrada del filtro es N0/2 watts/hertz, podemos expresar la potencia de
ruido a la salida como:

N0 

2
 02  H(f ) df (29)
2 

Recordar que la (29) surge de plantear:

 
 
2
Gno (f )df  Gni (f )  H(f ) df
 

y además

N0
Gni (f ) 
2

Combinando las ecuaciones (28) y (29) con la (27), podemos expresar la relación señal
a ruido como sigue:

10 8 Detección de señales binarias en presencia de ruido blanco Gaussiano

 2


S 

H(f )S(f )e j 2fT df
   (30)
 N T 

2
N0 / 2 H(f ) df


Ahora tenemos que hallar un valor tal H(f) = H0(f) para el cual la relación señal a ruido
(S/N)T se hace máxima. Para ello usaremos la desigualdad de Schwarz que expresa lo
siguiente:

2
  
  
2 2
f1 (x)f2 (x)dx  f1 (x) dx f2 (x) dx (31)
  

El término de la izquierda es menor o igual al término de la derecha. La igualdad se


cumple cuando f1(x )  kf2 (x ) , donde k es una constante arbitraria y el asterisco indica
complejo conjugado. Si identificamos H(f) con f1(x) y S(f)ej2fT con f2(x), podemos escribir:

2
  
  
2 2
H(f )S(f )e j2fT df  H(f ) df S(f ) df (32)
  

luego

S 2 

2
   S(f ) df (33)
N
 T N 0 

S 2E E
max    (34)
N
 T N 0 N 0 2

donde E es la energía de la señal si(t):



2
E  S(f ) df (35)


De esta manera vemos que el máximo para (S/N)T depende de la energía de la

señal y no de la forma de onda que se use. Y para que se cumpla la igualdad en la
ecuación (34) debemos hacer:

H(f )  kS  (f )e  j2fT  H0 (f ) (36)

o bien, aplicando la antitransformada de Fourier, podemos hallar la respuesta impulsiva

del filtro:


h(t )   1 kS  (f )e  j2fT  (37)

podemos escribir para h(t):

ks(T  t ) 0t T
h(t )   (38)
0 para cualquier otro valor

O sea, la respuesta impulsiva de este filtro que tiene a su salida la máxima relación
señal a ruido, es la imagen invertida de la señal s(t), retardada en un tiempo T que es la
duración de símbolo. En la Figura 6 se puede ver un ejemplo de composición de h(t).

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 11

 El término filtro adaptado también es usado con el nombre de producto integrador o
correlador. La propiedad básica del filtro adaptado es: su respuesta impulsiva es una versión
espejada sobre el eje de abscisas y luego retardada, de la señal de entrada o forma de onda.
Por lo tanto, si la señal de entrada es s(t), la imagen o “espejo” es s(-t), y a la vez esta última
retardada es s(T-t). La salida z(t) del filtro (es decir, señal más ruido), puede escribirse en el
dominio del tiempo como la convolución entre la señal recibida r(t) y la respuesta impulsiva del
filtro:

t
z(t )  r(t )  h(t )   r( )h(t   )d
0
(39)

Sustituyendo la (38) en la (39) y tomando arbitrariamente k = 1 obtenemos:

t
z(t )  r( )sT  t   d
0
(40)
t
  r( )sT  t   d
0

Figura 6. Respuesta impulsiva de un filtro adaptado.

Finalmente, cuando actúa el muestreador que se encuentra a continuación del filtro z(t)
se convierte en

T
z(T )   r( )s( )d
0
(41)

La operación descripta por la ecuación (41) es la integración del producto entre la señal
recibida r(t) y una réplica de la forma de onda transmitida s(t) sobre el intervalo de un tiempo
de símbolo T. Esta operación se la conoce como correlación entre r(t) y s(t).

Aplicación del filtro adaptado

Anteriormente, al determinar el umbral de decisión óptimo hemos visto que para tal
caso la probabilidad de error es PB = Q[(a1-a2)/20]. El hecho de encontrar un umbral óptimo
no es suficiente para optimizar el proceso de detección. Para minimizar PB necesitamos elegir
un filtro tal que maximice el argumento de Q(x). Es decir, un filtro que maximice (a1-a2)/20, o
equivalentemente que maximice

a1  a2 
2
(42)
 02

donde (a1-a2) es la diferencia de las componentes de señal a la salida del filtro en el

tiempo t = T, y el cuadrado de esta diferencia es la potencia instantánea de la diferencia de
señales. Hemos visto que un filtro adaptado es aquel que maximiza la relación señal a ruido a

12 8 Detección de señales binarias en presencia de ruido blanco Gaussiano

la salida del mismo. Consideremos un filtro que está adaptado a la diferencia de las señales de
entrada, o sea, adaptado a s1(t)-s2(t). Teniendo en mente la (34), la relación de potencias
instantáneas entre la señal y el ruido, a la salida del filtro y en el instante T, se puede expresar
como:

S a  a  2
2E d
   1 22  (43)
 N T 0 N0

donde N0/2 es la densidad espectral de potencia del ruido a la entrada del filtro y Ed es
la energía de la diferencia entre las señales s1(t) y s2(t) a la entrada del filtro:

T
 s (t)  s (t) dt
2
Ed  1 2 (44)
0

Finalmente, usando la función complementaria de error, la probabilidad de error de bit

es:

 Ed 
PB  Q  (45)
 2N0 
 

Aquí se ve que si aumenta Ed entonces disminuye la probabilidad de error, como se

puede deducir intuitivamente. De igual manera, la probabilidad de error disminuye si
disminuye la potencia de ruido, representada por el valor de N0.

Figura 7. Equivalencia entre (a) filtro adaptado y (b) correlador.

Por lo tanto, del análisis hecho en este apartado, concluimos que el filtro que se usa
previo al muestreo de la señal en un esquema de detección binaria, es un filtro adaptado a la
diferencia entre las señales binarias s1(t) y s2(t) que son transmitidas, o su equivalente
implementado con un correlador. Ambos casos se muestran en la Figura 7.

Es importante notar que, si el filtro está adaptado a s1(t) – s2(t), la máxima SNR a la
salida se produce sólo si la señal de entrada es también s1(t) – s2(t). Y en verdad, en un
sistema de comunicación, el receptor (filtro adaptado) recibe s1(t) o s2(t) y no s1(t) – s2(t), por
lo tanto la SNR no sería máxima. Sin embargo, al tratarse de señales en banda base que son
de forma rectangular, la respuesta impulsiva del filtro adaptado a s1(t) – s2(t) tiene una forma
rectangular que es de amplitud proporcional a s1(t) y s2(t), que son las señales que van a estar
pasando por él. Por lo tanto, el filtro está adaptado pero con un factor de escala que afecta por
igual tanto a la señal de entrada como a la señal de ruido y entonces se sigue cumpliendo la
máxima SNR a la salida. De todos modos, en otro capítulo veremos que el filtro adaptado
también puede usarse en la detección de señales pasabanda que no tienen forma rectangular.

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 13

 Veamos a continuación dos ejemplos de cómo calcular la probabilidad de error de bit en
dos tipos de señalización que ya conocemos:

Señalización unipolar.

Una señalización binaria unipolar se puede representar matemáticamente como:

s1(t )  A 0t T para el 1 binario

(46)
s2(t )  0 0t T para el 0 binario

donde A > 0 es la amplitud de la señal s1(t). Supongamos que esta señal unipolar como
la que se muestra en la Figura 8(a), más ruido blanco Gaussiano, se presenta a la entrada de
un correlador o de un filtro adaptado con tiempo de muestreo t = T. El correlador para
detectar este tipo de señal se muestra en la Figura 8(b). Este correlador multiplica e integra la
señal r(t) que llega, con la diferencia de las señales prototipo, [s1(t) – s2(t)] = A, y luego del
tiempo T compara el valor obtenido z(T) con el valor umbral 0. El valor del umbral óptimo en
este caso es 0 = (a1 + a2)/2 = (½)A2T. Si la salida del correlador es mayor que 0 entonces
estima que se recibió s1(t); caso contrario estima que se recibió s2(t).

Figura 8. Señal unipolar y esquema de detección.

Aplicando la (44), la energía de la diferencia entre señales es A2T. Entonces, la

probabilidad de error de bit para este esquema de señalización unipolar es:

 Ed   
  Q E b 
2
PB  Q   Q A T (47)
 2N 0   2N   N0 
   0
  

donde la energía media por bit es Eb = A2T/2 (es la energía de s1(t) más la energía de
s2(t), dividido 2).

Señalización bipolar.

Una señalización bipolar se puede expresar matemáticamente como:

s1(t )   A 0t T para el 1 binario

(48)
s2(t )   A 0t T para el 0 binario

14 8 Detección de señales binarias en presencia de ruido blanco Gaussiano

 Cuando las señales son como lo describe la (48) se llaman señales antipodales y se
pueden ver en la Figura 9(a). La detección de la señal se puede hacer con un correlador con
señal de referencia s1(t) - s2(t) o también mediante dos correladores como se ve en la Figura
9(b). Un correlador multiplica e integra la señal r(t) con el prototipo de señal s1(t), y el otro
correlador multiplica e integra r(t) con s2(t). Uno entrega a su salida el valor z1(T) y el otro el
valor z2(T). El número z(T) que debe ser comparado con el umbral de decisión está formado
por:

z(T )  z1(T )  z2 (T )

Para señales antipodales resulta ser a1 = -a2, por lo tanto el umbral de decisión óptimo
es 0 = 0. De esta manera, si el test estadístico z(T) es positivo se decide por s1(t); caso
contrario se decide por s2(t).

Figura 9. Señal bipolar y esquema de detección.

La energía de la diferencia entre señales es Ed = (2A)2T, por lo tanto, la probabilidad de

error de bit para este esquema bipolar es:

 2 A 2T 
PB  Q   Q 2E b 
 (49)
 N   N0 
 0
  

donde la energía media por bit es Eb = A2T.

Comparando ambos esquemas de señalización, con el bipolar se puede tener una

relación Eb/N0 3 dB inferior al esquema unipolar y sin embargo tener la misma probabilidad de
error de bit. Estos 3 dB de diferencia salen del factor 2 que aparece en el argumento de la
(49). Es decir que usando señalización bipolar en lugar de unipolar, se puede transmitir con
3 dB menos de potencia a igual tasa de error de bit o probabilidad de error de bit. O al doble
de tasa de bit a para la misma tasa de error de bit.

Cada esquema de señalización en banda base tiene su propio desempeño de tasa de

error de bit en función de Eb/N0, que se describe mediante una curva de tipo cascada como la

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 15

que se muestra en la Figura 10, en la que se muestran los casos unipolar y bipolar. Cuanto
más hacia la izquierda se halla una curva dentro de la gráfica, significa que menor energía de
bit requiere ese esquema de señalización para una cierta probabilidad de error de bit y por lo
tanto mejor es su desempeño.

Figura 10. Desempeño de tasa de error de bit para señalización unipolar y bipolar.

Propiedades del filtro adaptado

El filtro adaptado presenta ciertas propiedades interesantes, que pueden resultar útiles
de aplicar (quizás para comprender mejor algunos otros temas) y que describiremos a
continuación.

1. El espectro de frecuencias de la señal de salida de un filtro adaptado, que tiene

como entrada a su señal adaptada, es proporcional (salvo un factor de retardo) a la densidad
espectral de energía de la señal de entrada.

Si So(f) es la transformada de Fourier de la señal de salida del filtro so(t), entonces,

So (f )  Ho (f )  S(f )
 S * (f )  S(f )  exp( j2fT ) (50)
2
 S(f ) exp( j2fT )

Como So(f) es el espectro de la señal de salida, y el cuadrado del módulo de S(f) es la

densidad espectral de energía de s(t) (pues s(t) es señal de energía al ser determinística no
periódica), la propiedad queda demostrada.

2. La señal de salida de un filtro adaptado es proporcional a una versión desplazada de

la función de autocorrelación de la señal de entrada a la cual el filtro está adaptado.

16 8 Detección de señales binarias en presencia de ruido blanco Gaussiano

 Esta propiedad surge de la anterior, teniendo en cuenta que la función de
autocorrelación y la densidad espectral de energía forman un par transformado. Por lo tanto,
aplicando la transformada inversa de Fourier a la última expresión de la (50), se puede
expresar la salida el filtro adaptado como:

so (t)  Rx t  T  (51)

donde Rx() es la función de autocorrelación de la señal s(t). Nótese que para t = T se

tiene:

so (T )  Rx (0)  E (52)

donde E es la energía de la señal de entrada. Esto es, en ausencia de ruido, el máximo

valor obtenido a la salida de un filtro adaptado, en el tiempo t = T, es proporcional a la energía
de la señal.

3. La relación señal a ruido a la salida de un filtro adaptado depende sólo de la relación

entre la energía de la señal y la densidad espectral de potencia del ruido blanco a la entrada
del filtro.

La potencia media de ruido, a la salida del filtro óptimo es:

N0 

2
 02  H0 (f ) df
2 

Teniendo en cuenta la igualdad expresada por la (36) y haciendo arbitrariamente k =1,

la anterior ecuación queda:

N0  N0

2
 02  S(f ) df  E (53)
2  2

Teniendo en cuenta la propiedad 2 (máximo valor de energía de la señal en el tiempo

t = T), elevando al cuadrado la (52) y dividiendo por la (53), el máximo valor de SNR (siempre
son potencias normalizadas...) a la salida del filtro es:

E2 2E
SNRO,max   (54)
N0 E / 2 N0

Aquí se ve que la SNR a la salida del filtro no depende de la forma de onda de la señal
elegida sino de su energía.

Resumen

Las señales binarias que salen de un transmisor deben ser recibidas y detectadas por el
receptor. Si el canal de comunicación no tiene ruido, esta tarea es bastante sencilla y en
general consiste en tomar una muestra de tensión cada T segundos (tiempo de bit) y
compararla contra un valor umbral para determinar si se transmitió un 1 o un 0. Si el canal
tiene ruido, va a afectar a la forma de onda de la señal transmitida y puede ocurrir que justo
en el instante de muestreo el valor instantáneo esté del “lado contrario” del umbral de
comparación y entonces el receptor va a identificar erróneamente al símbolo transmitido,
confundiendo un 1 con un 0 o viceversa. Una manera más realista de hacer la detección del
símbolo es observándolo durante todo el tiempo que dura y no sólo un instante. Esta solución
conduce al uso de un filtro, llamado filtro adaptado, seguido de una llave que se cierra cada T
segundos tomando una muestra que resulta ser proporcional al valor promedio del símbolo
durante la duración del mismo, mucho más representativo que el valor de una sola muestra.
Este valor es comparado con un umbral de decisión contra el cual el receptor decide si el

8 Detección de señales binarias en presencia de ruido blanco Gaussiano 17

símbolo transmitido fue el correspondiente a un 1 o a un 0. El filtro adaptado es óptimo en el
sentido de que produce a su salida, y en el instante de muestreo T, el máximo valor de SNR
que ningún otro filtro pueda otorgar. Para que sea así, el filtro debe estar adaptado a la
diferencia de las señales binarias que se transmiten. Esta solución también puede
implementarse mediante el uso de correladores, que son circuitos que integran el producto
entre dos señales. No obstante, el uso de filtros adaptados en la detección de señales no
conduce a una solución perfecta pero sí a la mejor solución posible, y en consecuencia existe
una cierta probabilidad de error en la estimación del símbolo transmitido, expresada en
términos de probabilidad de error de bit. Esta probabilidad de error de bit o tasa de error de
bit depende de la energía de las señales transmitidas y obviamente también de la densidad
espectral de potencia de ruido N0 presente en el canal. El desempeño de un sistema de
señalización binario se grafica expresando la probabilidad de error de bit PB en función de
Eb/N0, dando como resultado curvas en forma de cascada.

18 8 Detección de señales binarias en presencia de ruido blanco Gaussiano