Prévia do material em texto
TT901 - Transmissão de Sinais Bibliografia Básica Bernard Sklar, ”Digital Communications: Fundamentals and Applications”, PrenticeHall, 2a. Edição. S. Haykin, ”Digital Communication Systems”, Wiley, 2014. H. Hsu, ”Analog and Digital Communications”, Coleção Schaum, Mc- Graw Hill, 2003. Fundamentos da teoria estatística da decisão Sistemas de comunicações e os sinais aleatórios (ruído) O principal objetivo de um sistema de comunicação é transmitir informação através de um canal. No entanto durante o a transmissão/recepção o sinal é perturbado é pode ser caracterizado no receptor com uma variável de natureza aleatória. A natureza desta perturbação pode ser causada, e se apresentar de diversas maneiras. Como no caso da formação de múltiplos percursos caracterizando um ruído multiplicativo (e.g. Rayleigh channel), ou ainda devido a variações nos índices de refração da atmosfera nas transmissões ópticas no espaço livre (e.g. cintilação/ Kolmogorov Spectrum), ou ainda devido à agitação térmica dos átomos nos componentes (e.g ruído gaussiano). Desta forma é necessária uma maneira eficiente de descrever a natureza aleatória dos sinais na recepção. Variáveis aleatórias Seja uma variável aleatória que representa a relação entre um evento aleatório e um número real. Esta variável pode ser discreta ou contínua, e a sua função de distribuição da variável será dada por : Onde é a probabilidade que o valor assumido pela variável seja menor ou igual a . A função de distribuição possui ainda as seguintes propriedades: 1. 2. 3. 4. Outra importante função relacionada a variável aleatória é a sua função densidade de probabilidade (pdf), dada por: O nome "função densidade" vem do fato de que a probabilidade do evento pode ser calculada como: A "pdf" tem ainda as propriedades: 1. 2. Dentro dos problemas de telecomunicações os chamados primeiro e segundo momentos também são de grande importância, representando a média, o valor médio quadrático (potência média) e a variância. (média/esperança) (valor médio quadrático) (variância) Obs. Processo Estocástico: Um processo estocástico pode ser visto como uma função de duas variáveis: um evento e o tempo. Figura1 Cada uma das N funções no conjunto (ensemble) vistas na figura pode ser pensada como a medição da saída de N geradores de ruído distintos. Para um evento específico (ocorrência de funções no tempo), temos uma única função no tempo associada . Para um momento específico no tempo é uma variável aleatória cujo valor depende do evento. E para um evento específico em um instante de tempo específico ,então é apenas um número. Por conveniência notacional um processo estocástico é normalmente denotado apenas por . Função de autocorrelação: A função de autocorrelação de um processo , pode ser definida como uma função de duas variáveis no tempo, e dada pela expressão: onde e são variáveis aleatórias obtidas observando-se nos instantes e respectivamente. A função de autocorrelação é uma medida do grau de como duas amostras no tempo do processo, estão relacionadas. Estacionariedade de um Processo Estocástico: Processo estacionário no sentido estrito Um processo é dito estacionário em sentido estrito (strict sense stationarity) quando nenhuma das suas estatísticas (momentos) são afetados por um deslocamento no tempo/origem. (ou seja depende apenas da diferença entre os instantes de tempo). Processo estacionário no sentido amplo Um processo é dito estacionário no sentido amplo se duas das suas estatísticas: a média e a sua função de autocorrelação , não são afetados por um deslocamento no tempo/origem. Processo estacionário Ergótico Um processo é dito Ergótico quando ele é estacionário no sentido estrito, e quando as suas estatísticas temporais são iguais as suas estatísticas no ensemble. Dessa forma uma única função do ensemble é suficiente para caracterizar todo o processo. Uma premissa normalmente razoável em telecomunicações é que, para a o cálculo da média e da função de autocorrelação, os processos podem ser considerados ergóticos. Ruído em sistemas de telecomunicações: Para os nossos estudos nesta disciplina estaremos interessado no ruído térmico. Embora existam outros ruídos (como já comentado anteriormente), este é um tipo de ruído presente na maior parte dos sistemas de telecomunicações, além de ser normalmente a escolha inicial, (por ter um tratamento mais simples) para modelamento e análise de sistemas de telecomunicações. O ruído térmico é causado pela agitação térmica dos átomos nos componentes. Os mesmos elétrons que são responsáveis pela condução elétrica contribuem para a geração do ruído térmico. O ruído térmico pode ser descrito como um processo estocástico Gaussiano de média zero , e variância . A função densidade de probabilidade do processo gaussiano é dada pela expressão: Figura2: Gaussiana normalizada (normal => ) Teoria da decisão e teste de hipótese: Neste momento modelaremos o sinal recebido de forma precária, apenas com a finalidade de discutir a teoria de decisão e o teste de hipótese. Quando falarmos da decomposição em bases ortonormais entraremos em maior profundidade no seu modelamento mais preciso. No receptor o sinal observado é pode ser modelado como uma variável aleatória que consiste na soma (por isso é também denominado ruído aditivo) do sinal enviado , com o ruído gaussiano . Desta forma a variável aleatória observada no receptor será dada por: E a sua densidade de probabilidade será dada por: Note que também é uma variável gaussiana. Note porém, que embora a média do ruído gaussiano seja zero, a média do sinal aleatório observado no receptor passa a ser o próprio valor (mais a frente veremos que trata-se da potência do sinal transmitido) que descreve o sinal transmitido. Assim o centro da gaussiana é deslocada toda vez que temos a recepção a presença de um sinal transmitido. Figura3 Teste de Hipótese: O conceito do teste de hipótese está associado ao processo de decisão no receptor, sobre qual sinal foi transmitido dado que um valor é observado no receptor. No caso mais elementar podemos imaginar um sistema de transmissão ON- OFF, onde no instante de decisão temos que decidir se um sinal foi transmitido, ou se apenas estamos observando a ausência do sinal ( somente o ruído está sendo observado). Assim formulamos duas hipóteses: O processo de decisão é baseado no critério MAP (Maximum a Posteriori), ou seja, tentamos maximizar a probabilidade de acerto sobre o sinal enviado (minimizar a probabilidade de erro), através da observação após a recepção do sinal corrompido pelo ruído. Temos então que dado um sinal recebido , a sua função densidade de probabilidade será dada por uma das duas curvas abaixo dado que a hipótese é verdadeira, ou dado que a hipótese é verdadeira. Figura 4 Intuitivamente,vemos que a probabilidade de acerto será maximizada sempre que para um valor observado, optarmos pela hipótese cuja a área da função densidade sobre a curva for maior. O que corresponde a escolher a hipótese caso o valor de observado esteja na dentro do intervalo s0, ou escolher a hipótese caso o valore de esteja dentro do intervalo s1. (R representa todos os possíveis valores que pode assumir. Matematicamente o problema pode ser formulado da seguinte forma: Seja a probabilidade de errar a decisão . Então pode ser escrita como a soma das probabilidades conjunta do erro e da ocorrência da hipótese , mais a probabilidade conjunta de erro e a ocorrência da hipótese . Matematicamente temos: é sabido da teoria de probabilidade que : Dessa forma podemos reescrever como: Então temos que as probabilidades de erro condicionais podem ser expressas por: (região que pertence à decisão por ) (região pertence à decisão por ) Então pode ser escrita como: Limiar de decisão s0 s1 R Mas: Então podemos reescrever: Se a hipótese estiver correta então: Assim, definindo o operador de razão logarítmica de máxima verossimilhança (LLR), Escolha se: Escolha se: Para o nosso caso de estudo temos que: Considerando que as hipóteses são equiprováveis Escolha se: Escolha se: O que corresponde ao limiar de decisão da figura 2 (lembrando que a média da primeira gaussiana é zero e a média da segunda gaussiana é )