Ruido en Las Comunicaciones
Ruido en Las Comunicaciones
Ruido en Las Comunicaciones
Introduccin
Tratamiento de seales
Existe un amplio conjunto de sistemas donde son de especial importancia algoritmos
sofisticados y hardware para tratamiento de seales, sistemas que van desde sistemas
militares altamente especializados, pasando por aplicaciones industriales, hasta llegar a la
electrnica de consumo de bajo coste y altos volmenes de ventas.
El tratamiento de seales trata de la representacin, transformacin y manipulacin de seales
y de la informacin que contienen. Antes de los aos 60, la tecnologa para el tratamiento de
seales era casi exclusivamente analgica en tiempo continuo. La rpida evolucin de los
computadores y los microprocesadores digitales junto con algunos importantes desarrollos
fueron la causa de un importante desplazamiento hacia las tecnologas digitales, dando lugar al
campo del tratamiento digital de seales.
El tratamiento de seales digitales se basa en el procesamiento de secuencias de muestras.
En tratamiento digital de seales, las seales se representan como secuencias de nmeros de
precisin finita y el procesado se realiza utilizando cmputo digital. El trmino ms general
"tratamiento de seales en tiempo discreto" incluye el tratamiento digital de seales como un
caso especial, pero incluye tambin la posibilidad de que las secuencias de muestras sean
procesadas con otras tecnologas en tiempo discreto. La mayora de las aplicaciones requieren
el uso de tecnologa de tiempo discreto para procesar seales en tiempo continuo. En este
caso, las seales en tiempo continuo se convierten en una secuencia de muestras, es decir, en
seales en tiempo discreto. Tras este proceso en tiempo discreto las seales de salida se
vuelven a convertir en seales en tiempo continuo. En general buscamos que este proceso se de
en tiempo real, lo que
significa que el sistema en tiempo discreto se implementa de forma que las muestras de la
salida se calculan a la misma velocidad a la que se muestrea la seal en tiempo continuo.
Definicin: El ruido se define como una seal no deseada que interfiere con la comunicacin, la
medida o el procesado de la informacin que transporta una seal. Tcnicamente, el ruido es el
resultado de la combinacin de sonidos de una sola frecuencia o tonos puros, y tiene
esencialmente un espectro de frecuencia continua, de amplitud y longitud de ondas irregulares.
El ruido en el aire se debe a fluctuaciones en la presin del aire con respecto a la presin
atmosfrica media.
El xito del mtodo de procesado de ruido depende de la habilidad para
caracterizar y modelar el proceso ruidoso, y usar sus caractersticas para distinguirlo de la
seal a restaurar.
Objetivo
Tener referencia de que las seales enviadas por el emisor durante su proceso para llegar al
receptor son afectadas por el ruido que no se puede eliminar pero se puede disminuir su efecto
sobre la seal.
Splines
En el subcampo matemtico del anlisis numrico, un spline es una curva diferenciable definida
en porciones mediante polinomios.
En los problemas de interpolacin, se utiliza a menudo la interpolacin mediante splines porque
da lugar a resultados similares requiriendo solamente el uso de polinomios de bajo grado,
evitando as las oscilaciones, indeseables en la mayora de las aplicaciones, encontradas al
interpolar mediante polinomios de grado elevado.
Para el ajuste de curvas, los splines se utilizan para aproximar formas complicadas. La
simplicidad de la representacin y la facilidad de cmputo de los splines los hacen populares
para la representacin de curvas en informtica, particularmente en el terreno de los grficos
por ordenador.
Spline Cbico
En este caso, cada polinomio P(x) a travs del que construimos los Splines en [m,n] tiene grado
3. Esto quiere decir, que va a tener la forma P(x) = ax + bx + cx + d
En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una nueva condicin
para cada punto comn a dos intervalos, respecto a la derivada segunda:
Que las partes de la funcin a trozos P(x) pasen por ese punto. Es decir, que las dos Pn(x)
que rodean al f(x) que queremos aproximar, sean igual a f(x) en cada uno de estos puntos.
Que la derivada en un punto siempre coincida para ambos "lados" de la funcin definida a
trozos que pasa por tal punto comn.
Que la derivada segunda en un punto siempre coincida para ambos "lados" de la funcin
definida a trozos que pasa por tal punto comn.
Como puede deducirse al compararlo con el caso de splines cuadrticos, ahora no nos va a
faltar una sino dos ecuaciones (condiciones) para el nmero de incgnitas que tenemos.
El spline cbico (k=3) es el spline ms empleado, debido a que proporciona un excelente ajuste
a los puntos tabulados y su clculo no es excesivamente complejo.
Los polinomios Si-1 y Si interpolan el mismo valor en el punto ti, es decir, se cumple:
Si-1(ti) = yi = Si(ti)
por lo que se garantiza que S es continuo en todo el intervalo. Adems, se supone que S' y S''
son continuas, condicin que se emplea en la deduccin de una expresin para la funcin del
spline cbico.
Aplicando las condiciones de continuidad del spline S y de las derivadas primera S' y
segunda S'', es posible encontrar la expresin analtica del spline. No vamos a obtener esta
expresin, ya que su demostracin queda fuera del mbito de estos apuntes. Simplemente
diremos que la expresin resultante es:
(70)
En donde:
hi = ti+1-ti
ui =
bi =
MATLAB trae implementada la funcin spline para la interpolacin por splines cbicos. El
comando
yy = spline(x,y,xx)
efecta la interpolacin de la nube de puntos dada por los vectores x, y por medio de splines
cbicos. En la salida (variable yy) obtenemos los valores del spline evaluado en los puntos dados
en el vector xx. Si y es una matriz, la interpolacin se realiza para cada fila de y.
Por ejemplo, el listado
x = 0:10; y = sin(x);
xx = 0:.25:10;
yy = spline(x,y,xx);
plot(x,y,'o',xx,yy)
dibuja una aproximacin a la grfica de la funcin sen (t) a partir de la interpolacin con splines
cbicos.
Por defecto, se usan las condiciones "not-a-knot" (es decir, los nodos interiores extremos son
pasivos). Sin embargo, si el vector y contiene dos valores ms que el x, entonces el primer y el
ltimo elemento del vector y se usan como valores de la derivada en los nodos extremos, y el
spline construido es el sujeto.
Por ejemplo, el listado
x = 0:10; y = sin(x);
ys=[-1, y, 5]; % Agregamos dos valores
xx = 0:.25:10;
yy = spline(x,ys,xx);
plot(x,y,'o',xx,yy)
dibuja una aproximacin a la grfica de la funcin sen (t) a partir de la interpolacin con splines
cbicos sujetos, con pendientes -1 y 5 en los nodos 0 y 10, respectivamente.
Anexo
%spline3(X)
function [a,b,c,d]=spline3(X)
%Pasos bsicos del algoritmo obtenidos del libro Anlisis Numrico de
Richard Burden, 2a. Edicin, Grupo Editorial Iberoamrica.
n=length(X(1,:));
for i=1:n;
a(i)=X(2,i);
end
for i=1:n-1;
h(i)=X(1,i+1)-X(1,i);
end
for i=2:n-1;
alfa(i)=3/h(i)*(a(i+1)-a(i))-3/h(i-1)*(a(i)-a(i-1));
end
l(1)=1;
mu(1)=0;
z(1)=0;
for i=2:n-1;
l(i)=2*(X(1,i+1)-X(1,i-1))-h(i-1)*mu(i-1);
mu(i)=h(i)/l(i);
z(i)=(alfa(i)-h(i-1)*z(i-1))/l(i);
end
l(n)=1;
z(n)=0;
c(n)=0;
for i=n-1:-1:1;
c(i)=z(i)-mu(i)*c(i+1);
b(i)=(a(i+1)-a(i))/h(i)-h(i)*(c(i+1)+2*c(i))/3;
d(i)=(c(i+1)-c(i))/(3*h(i));
end
for i=1:n-1;
x=X(1,i):0.1:X(1,i+1);
y=a(i)+b(i)*(x-X(1,i))+c(i)*(x-X(1,i)).^2+d(i)*(x-X(1,i)).^3;
hold on;
plot(x,y,'b');
end
for i=1:n;
hold on;
plot (X(1,i),X(2,i),'*','MarkerEdgeColor','r','LineWidth',1);
title('Interpolacin por "splines" de orden 3.');
end
Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.
Alternative Proxies: