TP501 Processos Estocásticos
|
|
- William Castro Vilarinho
- 5 Há anos
- Visualizações:
Transcrição
1 P501 Processos Estocásticos Prof. Dr. Dayan Adionel Guimarães Motivação A natureza aleatória de muitos fenômenos observados em Engenharia se manifesta temporal ou espacialmente. Uma família de variáveis aleatórias que se manifesta desta maneira recebe o nome de processo estocástico ou simplesmente processo aleatório. Deste ponto em diante no nosso curso utilizaremos dos conceitos já estudados para caracterizar e analisar processos aleatórios comumente encontrados em problemas de telecomunicações. Prof. Dayan Adionel Guimarães
2 Referências Guimarães, D. A.. Digital ransmission: A Simulation-Aided Introduction with VisSim/Comm. Berlin-Heidelberg, Germany: Springer-Verlag, Inc., December 009. Ynoguti, Carlos Alberto. Probabilidade, Estatística e Processos Estocásticos, Apostila: Inatel, 011. Leon-Garcia, Alberto. Probability and Random Processes for ElectricalEngineering, nd Edition:Addison-Wesley, Scott Miller, Scott and Childers, Donald. Probability and Random Processes With Applications to Signal Processing and Communications, nd Edition: Elsevier, 004. Prof. Dayan Adionel Guimarães 3 Processo aleatório definição Seja, como exemplo, um sinal aleatório de tensão ou corrente e o conjunto de suas possíveis realizações (t, ζ 1 )... (t, ζ 4 ). Aum conjunto como este denomina-se processo estocástico (t). A cada uma das realizações citadas dá-se o nome de função amostra x(t) do processo (t). Se amostrarmos (t) em, por exemplo, t 1 e t, o conjunto de amostras comporá as variáveis aleatórias (t 1 ) 1 e (t ) com valores x 1 e x. ( t, ζ1) ( t, ζ) ( t, ζ3) ( t, ζ4) ( t ) 1 1 ( t) t1 t t t t t Prof. Dayan Adionel Guimarães 4
3 Processo aleatório observações Um processo aleatório (p.a.) é um conjunto de variáveis aleatórias indexadas temporal ou espacialmente. Se o índice é discreto tem-se um p.a. discreto; se o índice é contínuo tem-se um p.a. contínuo. Os possíveis valores do p.a. também podem ser discretos ou contínuos. em-se então 4 combinações. No caso de uma v.a. o resultado de cada experimento é um número chamado amostra. Para um processo estocástico o resultado de cada experimento é uma forma de onda chamada função amostra. O número de formas de onda no conjunto pode ser finito ou infinito. Prof. Dayan Adionel Guimarães 5 Processo aleatório exemplo A saída de um gerador de sinais binários em um período de 0 a 10 é um conjunto com 10 formas de onda (há incerteza sobre a realização do p.a., não sobre a forma de onda em si): ( t, ζ 1 ) ( t, ζ ) ( t, ζ 3 ) ( t, ζ 4 ) t t t t Prof. Dayan Adionel Guimarães 6
4 Processo aleatório estacionário Um p.a. é dito estacionário se possuir estatísticas independentes do instante de tempo em que a observação do processo se inicia. Isto significa que se um p.a. é dividido em um certo número de seções, estas seções exibirão propriedades estatísticas idênticas. Normalmente um p.a. estacionário origina-se de fenômenos físicos estáveis, como na maior parte dos casos em elecomunicações. Prof. Dayan Adionel Guimarães 7 P.a. estacionário no sentido restrito (1) Seja um p.a. (t) iniciado em t =. Sejam (t 1 ), (t ),..., (t k ) as v.a. obtidas pela observação do p.a. (t) nos instantes t 1, t,..., t k. Agora suponha que todos os instantes de observação sejam deslocados de τ, gerando o conjunto de v.a. (t 1 + τ), (t + τ),..., (t k + τ). O p.a. (t) é dito estacionário no sentido restrito (Strict-Sense Stationary, SSS) se as FDCs conjuntas satisfazem a: F ( x,..., x ) F ( x,..., x ) ( t + τ),..., ( t + τ) 1 k = ( t ),..., ( t ) 1 k 1 k 1 k Prof. Dayan Adionel Guimarães 8
5 P.a. estacionário no sentido restrito () A FDC conjunta de primeira ordem de um p.a. estacionário no sentido restrito independe do tempo: F ( x) = F ( x) = F ( x) para todot e ( t) ( t+τ) τ A FDC conjunta de segunda ordem de um p.a. estacionário no sentido restrito depende somente da diferença entre os instantes de observação, não do valor específico destes instantes: F ( x, x ) = F ( x, x ) paratodo t et ( t ), ( t ) 1 (0), ( t t ) Prof. Dayan Adionel Guimarães 9 Exemplo de probabilidade de um evento conjunto Seja determinar a probabilidade de se obter uma função amostra x(t) de um p.a. (t) que passe pelas janelas de amplitude mostradas na figura ao lado. Isto equivale a se determinar a probabilidade do evento conjunto A={a i < (t i ) b i }, i=1,,3. Em termos da FDC conjunta tem-se: P[ A] = F ( b, b, b ) F ( a, a, a ) ( t ), ( t ), ( t ) 1 3 ( t ), ( t ), ( t ) Prof. Dayan Adionel Guimarães 10
6 Exemplo de um p.a. estacionário Se o p.a. (t) do slide anterior for estacionário no sentido restrito, a probabilidade do seu conjunto de funções amostra passar pelas janelas de amplitude na parte (a) da figura ao lado é igual à probabilidade do conjunto de funções amostra passar pelas janelas de amplitude na parte (b) desta figura. Prof. Dayan Adionel Guimarães 11 Estatísticas de primeira ordem podem não ser suficientes O p.a. Y(t) ao lado é simplesmente o p.a. (t) comprimido no tempo. Ambos têm a mesma FDP (de primeira ordem), mas Y(t) tem componentes de freqüência mais elevadas. Como podemos levar isso em conta nas estatísticas do processo? (t) Y(t) Estatísticas de segunda ordem podem resolver o problema, especialmente a função de auto-correlação... Prof. Dayan Adionel Guimarães 1
7 Média e função de auto-correlação de um p.a. Amédia de um p.a. (t)observado no instante t é: µ ( t) E[ ( t)] xf ( x) dx Para um p.a. estacionário do sentido restrito, a média independe de t: A função de auto-correlação de um p.a. (t) é o valor esperado do produto de duas v.a. (t 1 ) e (t ), obtidas pela observação do p.a. nos instantes e t 1 e t, respectivamente: ( t) Para um p.a. estacionário no sentido restrito: = = µ ( t) = µ para todo t R ( t, t ) E[ ( t ) ( t )] x x f ( x, x ) dx dx = = ( t1), ( t) 1 1 R ( t, t ) = R ( t t ) para todo t e t Prof. Dayan Adionel Guimarães 13 Propriedades da função de auto-correlação Por simplicidade de notação vamos escrever R ( τ) = E[ ( t + τ) ( t)]. A função de auto-correlação é par: R ( τ) = R ( τ) O seu máximo valor ocorre em τ = 0, ou seja: R ( τ) R (0) O valor quadrático médio do p.a. é dado por: E t R [ ( )] = (0) Quanto mais rapidamente um p.a. varia, mais rapidamente sua função de autocorrelação decrescerá. P.a. com flutuações lentas P.a. com flutuações rápidas Prof. Dayan Adionel Guimarães 14
8 Função de auto-covariância de um p.a. A função de auto-covariância de um p.a. (t) é a covariância das v.a. (t 1 ) e (t ), obtidas pela observação do p.a. nos instantes t 1 e t, respectivamente. Pode ser interpretada como a função de auto-correlação do processo centralizado: {[ ][ ]} K ( t, t ) = E ( t ) µ ( t ) ( t ) µ ( t ) = R ( t, t ) µ ( t ) µ ( t ) Para um p.a. estacionário do sentido restrito, a função de autocovariância vale: K ( t, t ) = R ( t t ) µ 1 1 Prof. Dayan Adionel Guimarães 15 Função de auto-correlação exemplo (1) A função amostra x(t) ao lado pertence ao p.a. (t) referente a uma seqüência binária aleatória tal que: bit 1 +A, bit0 A. Os pulsos não são sincronizados: o instante de início t d do primeiro bit completo pode estar entre 0 e com FDP uniforme. Bits consecutivos têm valores 0 ou 1 igualmente prováveis E[(t)] = 0, e cada bit tem seu valor independente de qualquer valor anterior ou posterior. Vamos determinar a função de auto-correlação do p.a. (t)... Prof. Dayan Adionel Guimarães 16
9 Função de auto-correlação exemplo () Solução: inicialmente vamos considerar t k t i. Neste caso ( t e k) ( t i ) ocorrem em diferentes intervalos de pulso e são, portanto, independentes: E[ ( t ) ( t)] = E[ ( t )] E[ ( t)] = 0, t t k i k i k i Agora vamos considerar t k t i <, com t i < t k. Neste caso ( t e vão k) ( t i ) ocorrer no mesmo intervalo de pulso somente se t d < t k t i. Então: A, td < tk ti E[ ( tk) ( ti) td] = 0, caso contrário Para descondicionar aplicamos a Lei da Esperança otal: E[] = E[E( Y)] Prof. Dayan Adionel Guimarães 17 Função de auto-correlação exemplo (3) Realizando a média sobre todos os possíveis valores de t d, obtemos: t [ ( ) ( )] k t i t ( ) k t A t i k ti E tk ti = A f t 1 0 d d dtd = dtd = A 0 E finalmente, com τ = t k t i : R Lei da Esperança otal: E[] = E[E( Y)] τ A 1 ( τ) =, τ < 0, τ Prof. Dayan Adionel Guimarães 18
10 P.a. estacionário no sentido amplo O teste de estacionariedade no sentido restrito envolve a verificação de independência temporal das estatísticas de n-ésima ordem do processo em questão, n. Na prática muitas vezes é suficiente verificar se as estatísticas de primeira e de segunda ordem não variam com o tempo. Um processo aleatório cuja média independe do tempo e a função de auto-correlação depende somente da diferença entre os instantes de observação, não do valor específico destes instantes, é denominado p.a. estacionário no sentido amplo (Wide-Sense Stationary, WSS), ou simplesmente estacionário. Prof. Dayan Adionel Guimarães 19 Processos aleatórios ergódicos (1) As médias de um p.a. são, por definição, médias estatísticas tomadas através do processo, ou seja, operando no conjunto de funções amostra. Para os processos ergódicos, as médias estatísticas podem ser obtidas por meio de medias temporais (ou espaciais) realizadas a partir de uma única Estocásticos função amostra. Em telecomunicações os processos aleatórios podem ser considerados, em sua maioria, ergódicos. WSS SSS Ergódicos Prof. Dayan Adionel Guimarães 0
11 Processos aleatórios ergódicos () Para um processo ergódico (t), considere um intervalo de observação de uma de suas funções amostra, x(t). A média e a função de auto-correlação podem ser determinadas temporalmente pelas médias amostrais: 1 / µ ( ) = x( t) dt / [ µ ] = µ { [ µ ]} lim ( ) lim var ( ) = 0 1 / R( τ, ) = x( t ) x( t) dt + τ / [ R τ ] = R { [ R τ ]} lim (, ) ( τ) lim var (, ) = 0 Prof. Dayan Adionel Guimarães 1 Processos aleatórios ergódicos (3) minutos minutos Prof. Dayan Adionel Guimarães
12 Funções de correlação cruzada para p.a. estacionários As funções de correlação cruzada para os processos (t) e Y(t) são: R ( τ) = E[ ( t) Y( t + τ)] e R ( τ) = E[ Y( t) ( t + τ)] Y Uma forma usual de representação das propriedades de correlação envolvendo dois processos aleatórios é a matriz de correlação: R( τ) RY( τ) R( τ) = RY( τ) RY( τ) Y Prof. Dayan Adionel Guimarães 3 Processos descorrelacionados e ortogonais Prof. Dayan Adionel Guimarães 4
13 Processamento de Sinais Aleatórios Motivação No estudo de sistemas de comunicação é comum encontrarmos problemas que envolvem a passagem de sinais aleatórios por sistemas lineares, tais como filtros de transmissão e recepção, multiplicadores, integradores, etc. Neste capítulo utilizaremos de forma combinada os conceitos sobre processos aleatórios e sobre sistemas lineares, objetivando caracterizar os processos aleatórios de entrada e de saída de um sistema linear. Prof. Dayan Adionel Guimarães 6
14 Notação e principais médias Sistema linear invariante no tempo. Y( t) = ( t) h( t) = h( u) ( t u) du = ( u) h( t u) du µ ( t) = E[ Y( t)] = h( u) E[ ( t u)] du = h( u) µ ( t u) du Y Se o processo ( t) é estacionário, RY( t, τ) = E[ Y( t) Y( t + τ)] = E h( u) ( t u) du h( v) ( t + τ v) dv = h( u) h( v) E[ ( t u) ( t + τ v)] dudv se ( t) é estacionário, Resposta ao impulso µ = µ h( t) dt = µ H(0) Y R ( t, τ) = R ( τ) = h( u) h( v) R ( τ v + u) dudv Y Y Prof. Dayan Adionel Guimarães 7 Densidade espectral de potência (1) A densidade espectral de potência (DEP) S ( f) descreve como a potência de um sinal (aleatório ou determinístico) (t) se distribui na freqüência e, por esta razão, é medida em watts/hertz (W/Hz). A densidade espectral de potência e a função de auto-correlação de um p.a. estacionário formam um par na transformada de Fourier, ou seja: jπ fτ S( f) = R( τ) e d τ jπ fτ R( τ) = S( f) e df Prof. Dayan Adionel Guimarães 8
15 Densidade espectral de potência () Algumas propriedades da DEP: O valor quadrático médio de um p.a. é dado pela área sob a curva de densidade espectral de potência: S f df R E t ( ) = (0) = [ ( )] A densidade espectral de potência é uma função par: S ( f) = S ( f) Prof. Dayan Adionel Guimarães 9 Densidade espectral de potência (3) Exemplo 1: retornemos ao exemplo referente a uma seqüência binária aleatória, apresentado no Capítulo 8, de onde obtivemos: R τ A 1, τ < ( τ) = 0, τ De uma tabela de transformada de Fourier podemos obter: t < 0, t ransformada 1, t de Fourier sin ( π f) ( π f) Prof. Dayan Adionel Guimarães 30
16 Densidade espectral de potência (4) Então, a DEP de uma seqüência aleatória de pulsos de duração e amplitudes {± A} será: A [ τ ] S ( f) = I R ( ) = sin ( π f) ( π f) = A sinc ( f) S ( f) em escala logarítmica (dbm/hz, por exemplo). Estime E[ (t)] por meio da área sob S ( f) e compare com R (0). Prof. Dayan Adionel Guimarães 31 Densidade espectral de potência (5) O valor de S ( f) encontrado no exemplo anterior pode ser escrito envolvendo a densidade espectral de energia (DEE) de um pulso g(t) retangular, de amplitude A e duração, ou seja: S G( f) g( f) ( f) = = E A sinc ( f) = Este resultado pode ser generalizado: uma onda binária aleatória na qual os bits 1 e 0 são representados por pulsos +g(t) e g(t), respectivamente, tem DEP S ( f) dada pela divisão da DEE E g (f) do pulso formatador g(t) pela duração do pulso,. Prof. Dayan Adionel Guimarães 3
17 Densidade espectral de potência (6) Exemplo : uma situação que ocorre tipicamente em sistemas de comunicação é o processo de modulação de uma portadora por um sinal de informação aleatório, conforme abaixo: Y( t) = ( t)cos( π f t + Θ) onde Y(t) é o p.a. modulado, (t) é o p.a. modulador associado à informação e cos(πf c t + Θ) é o p.a. correspondente à portadora de freqüência f c e fase aleatória Θ uniformemente distribuída em (0,π]. Seja determinar a DEP do sinal modulado Y(t) a partir do conhecimento da DEP do sinal modulador (t). c Prof. Dayan Adionel Guimarães 33 Densidade espectral de potência (7) Inicialmente identificamos que o sinal modulador (t) é independente da fase da portadora, Θ. Então podemos escrever: R ( τ) = E[ Y( t) Y( t + τ)] Y = E[ ( t)cos( π f t + Θ ) ( t + τ)cos(π f t + π f τ + Θ)] c c c = E[ ( t) ( t + τ)] E[cos( π f t + Θ )cos(π f t + π f τ + Θ)] c c c Usando a identidade cos(α)cos(β)=½cos(α β)+½cos(α+β), tem-se: R ( τ) = R ( τ) E[cos( π f τ) + cos(4π f t + π f τ + Θ)] 1 Y c c c = 1 R ( τ)cos( π f τ) c Prof. Dayan Adionel Guimarães 34
18 Densidade espectral de potência (8) omando a transformada de Fourier de ambos os lados e sabendo que a transformada de um produto de funções no tempo é a convolução das correspondentes transformadas, tem-se: { [ δ δ ]} [ S ( f f ) S ( f f )] S ( f) = S ( f) ( f f ) + ( f + f ) Y c c = c c De acordo com este resultado, para determinarmos a DEP de um sinal modulado Y(t) basta replicar a DEP S ( f) do sinal modulador (t) em torno de ± f c e multiplicar o resultado por ¼. Prof. Dayan Adionel Guimarães 35 Exercício Seja um p.a. estacionário Z(t) = Acos(πf c t + Θ), correspondente a uma portadora co-senoidal de amplitude A, freqüência f c e fase aleatória Θ uniformemente distribuída em (0, π]. Pede-se: a) Determine e esboce a função de auto-correlação R Z (τ). b) Determine e esboce a densidade espectral de potência S Z ( f). c) Sendo Z(t) independente de um outro p.a. qualquer (t), determine a função de auto-correlação de Y(t) = (t)z(t). d) Determine S Y (f), a densidade espectral de potência de Y(t), comparandoa com o resultado obtido no exemplo considerado anteriormente. e) Esboce S Y (f), considerando que (t) é uma seqüência aleatória de pulsos equiprováveis de duração e amplitudes {±1}. Prof. Dayan Adionel Guimarães 36
19 Estimando a DEP de um p.a. ergódico (1) Por dificuldade de tratamento matemático, algumas vezes temos que nos contentar com estimativas da DEP obtidas pela observação de uma função amostra do processo aleatório em um intervalo : 1 S( f) = lim E ( f, ) onde (f,) é a magnitude da transformada de Fourier de uma função amostra janelada (observada em segundos). Na prática diferentes formas de janelamento e diferentes formas de média (alisamento smoothing) são empregadas. A seguir temos um exemplo de como o aplicativo VisSim/Comm trata esta questão... Prof. Dayan Adionel Guimarães 37 Estimando a DEP de um p.a. ergódico () ela do VisSim/Comm para o experimento EstimaçãoDEP.vsm Prof. Dayan Adionel Guimarães 38
20 DEP na entrada e na saída de um sistema linear Prof. Dayan Adionel Guimarães 39 Funções de correlação cruzada para p.a. estacionários As funções de correlação cruzada para os processos (t) e Y(t) são: R ( τ) = E[ ( t) Y( t + τ)] e R ( τ) = E[ Y( t) ( t + τ)] Y Uma forma usual de representação das propriedades de correlação envolvendo dois processos aleatórios é a matriz de correlação: R( τ) RY( τ) R( τ) = RY( τ) RY( τ) Y Prof. Dayan Adionel Guimarães 40
21 Processos descorrelacionados e ortogonais Prof. Dayan Adionel Guimarães 41 Densidades espectrais cruzadas para p.a. estacionários (1) Embora tendo significado menos intuitivo que a DEP de um único p.a., as densidades espectrais cruzadas estabelecem uma certa dependência entre as componentes de freqüência de processos (t) e Y(t) quaisquer. Elas são definidas por: ( ) ( ) j f π τ e ( ) ( ) j π f τ Y = Y Y = Y S f R τ e dτ S f R τ e dτ Um exemplo pode melhor ilustrar uma aplicação do conhecimento das densidades espectrais cruzadas... Prof. Dayan Adionel Guimarães 4
22 Densidades espectrais cruzadas para p.a. estacionários () Exemplo: suponha que os processos (t) e Y(t) têm média nula e são individualmente estacionários. Seja o p.a. Z(t) = (t) + Y(t), para o qual deseja-se determinar a densidade espectral de potência. R ( τ) = E[ Z( t) Z( t + τ)] Z = E{[ ( t) + Y( t)][ ( t + τ) + Y( t + τ)]} = E[ ( t) ( t + τ)] + E[ ( t) Y( t + τ)] + E[ Y( t) ( t + τ)] + E[ Y( t) Y( t + τ)] = R ( τ) + R ( τ) + R ( τ) + R ( τ) Y Y Y omando a transformada de Fourier de ambos os lados, tem-se: S ( f) = S ( f) + S ( f) + S ( f) + S ( f) Z Y Y Y Prof. Dayan Adionel Guimarães 43 Densidades espectrais cruzadas para p.a. estacionários (3) Desse resultado concluímos que as densidades espectrais cruzadas S Y (f) e S Y (f) representam as componentes de freqüência que precisam ser adicionadas ao par de DEPs dos processos (t) e Y(t) para que a DEP da soma Z(t)=(t)+Y(t) seja obtida: S ( f) = S ( f) + S ( f) + S ( f) + S ( f) Z Y Y Y Observe que se os processos (t) e Y(t) forem ortogonais as correlações cruzadas serão nulas e, neste caso, teremos: S ( f) = S ( f) + S ( f) Z Y Prof. Dayan Adionel Guimarães 44
23 Relações úteis entre densidades espectrais e correlações A figura a seguir ilustra as relações entre as densidades espectrais simples e cruzadas e as correspondentes funções de auto-correlação e de correlação cruzada. Prof. Dayan Adionel Guimarães 45 Processo aleatório Gaussiano Seja uma variável aleatória Y definida a partir de uma relação funcional linear com um processo aleatório (t), conforme abaixo, onde g(t) é uma função qualquer e é um intervalo de observação arbitrário. Y = 0 g( t) ( t) dt Se a v.a. Y é Gaussiana para qualquer função g(t) e intervalo de tempo na relação funcional acima, dizemos que o p.a. (t) é Gaussiano. Prof. Dayan Adionel Guimarães 46
24 Filtragem de um p.a. Gaussiano (1) no slide 4. Prof. Dayan Adionel Guimarães 47 Filtragem de um p.a. Gaussiano () Exemplo 1: em receptores de sistemas de comunicação é usual que seja inserido logo na entrada um filtro, chamado filtro de recepção, cujo objetivo é reduzir a influência do ruído na recuperação da informação transmitida. Como veremos mais adiante, este ruído é normalmente um p.a. Gaussiano. Portanto, na saída do filtro de recepção teremos também um p.a. Gaussiano, o que nos permitirá, de forma simples, analisar matematicamente o comportamento do sinal a partir do qual recuperaremos a informação. Prof. Dayan Adionel Guimarães 48
25 Filtragem de um p.a. Gaussiano (3) Exemplo a: vimos ao final do Cap. 3 um exemplo de um sistema de comunicação móvel no qual a magnitude R(t) e a fase Θ(t) do desvanecimento no canal variam aleatoriamente com distribuição de Rayleigh e Uniforme, respectivamente. Podemos então definir um Processo Gaussiano Complexo R(t)e jθ(t), no qual a parte real (t) e a parte imaginária Y(t) são p.a. Gaussianos. al processo pode ser obtido por meio de: = + Θ ( t) = arctan [ Y( t) ( t) ] R( t) ( t) Y ( t) Prof. Dayan Adionel Guimarães 49 Filtragem de um p.a. Gaussiano (4) Exemplo b: se quisermos gerar este p.a. Gaussiano complexo, com o atributo de permitir o ajuste da velocidade de variação do desvanecimento, podemos implementar o esquema do slide seguinte. Nele, filtros controlam a taxa de variação dos processos Gaussianos componentes e, assim, controlam a taxa de variação da magnitude e da fase do desvanecimento. A freqüência de corte desses filtros é diretamente proporcional à velocidade relativa entre transmissor e receptor que se deseja simular. Prof. Dayan Adionel Guimarães 50
26 Filtragem de um p.a. Gaussiano (5) Veja experimento PAgaussCplx.vsm Numa simulação, (t) e Y(t) poderiam ser gerados por Box-Muller, por exemplo. R(t) para alta freqüência de corte dos filtros. R(t) para baixa freqüência de corte dos filtros. Prof. Dayan Adionel Guimarães 51 Processo aleatório Gaussiano definição alternativa x =[x 1, x,..., x k ]. µ é o vetor de médias: µ =[µ 1, µ,..., µ k ], µ i = E[(t i )], i=1,,..., k. C é a matriz de covariâncias de ordem k k e elementos C i,j = C (t i, t j ) = C (t j t i )=E{[(t j ) µ j ][(t i ) µ i ]}, i, j=1,,..., k. C 1 é a matriz inversa da matriz de covariâncias. C é o determinante da matriz de covariâncias. Exercício: determine as FDPs dos processos Gaussianos para k=1 e k=. Prof. Dayan Adionel Guimarães 5
27 Ruído Em sistemas de comunicação damos o nome de ruído a qualquer sinal aleatório indesejado que comprometa a transmissão e o processamento de recepção da informação. Dentre os tipos mais comuns destacam-se o ruído impulsivo e o ruído térmico. Daremos mais atenção ao ruído térmico, devido à sua presença em todos os sistemas de comunicação. O ruído impulsivo, embora menos freqüente, pode ser muito danoso, por exemplo, em sistemas de recepção de V Digital. O ruído térmico é o grande limitador de desempenho de um sistema de comunicação, principalmente quando a intensidade do sinal recebido é pequena (baixa relação sinal-ruído). Prof. Dayan Adionel Guimarães 53 Ruído érmico (1) Causado pelo movimento aleatório dos elétrons em um condutor qualquer. O valor quadrático médio de tensão V N do ruído térmico nos terminais de um resistor, medido na banda de f Hertz, é: E[V N ]=4kR fvolts onde k é a constante de Boltzmann (1, J/K), é a temperatura absoluta, em K, e R é a resistência em Ω. Equivalente de hévenin Prof. Dayan Adionel Guimarães 54
28 Ruído érmico () Sendo grande o número de elétrons em um resistor, com movimentos aleatórios independentes, o teorema do limite central indica que o ruído térmico é Gaussiano de média nula. Na condição de máxima transferência de potência a carga deve ter resistência igual a R. Neste caso a potência média de ruído térmico disponível sobre esta carga será: N ( E[ VN] ) ( 4kR f ) = = = k f R R watts Prof. Dayan Adionel Guimarães 55 Ruído Branco (1) Em sistemas de comunicação o ruído térmico tem a forma idealizada que diz que sua densidade espectral de potência é constante para qualquer freqüência. Daí o nome ruído branco. O p.a. ruído branco W(t), de função amostra w(t), tem densidade espectral bilateral (componentes em f + ): N S f = 0 W( ) W/Hz onde N 0 = k e é a densidade de potência de ruído produzida na entrada do receptor de um sistema de comunicação cuja temperatura equivalente de ruído é e. Prof. Dayan Adionel Guimarães 56
29 Ruído Branco () A temperatura equivalente de ruído é a temperatura a que um resistor deve ser submetido para que, ao conectá-lo à entrada de uma versão sem ruído do sistema, produza a mesma potência média de ruído que aquela produzida por todas as fontes de ruído do sistema real. Perceba que e depende somente dos parâmetros e componentes do sistema. O ruído branco se manifesta de forma aditiva ao contaminar um sinal e, por esta razão, poderá ser denominado daqui em diante de ruído aditivo Gaussiano branco (AWGN Additive White Gaussian Noise). Prof. Dayan Adionel Guimarães 57 Ruído Branco (3) Como a densidade espectral de potência e a função de autocorrelação de um processo aleatório se relacionam através da transformada de Fourier, para o ruído branco temos que: N N S f R τ δ τ 0 0 W( ) = W( ) = ( ) Prof. Dayan Adionel Guimarães 58
30 Ruído Branco (4) Perceba que o ruído branco é a última palavra em termos de aleatoriedade, ou seja, duas amostras de W(t) tomadas em instantes diferentes, não importando o quão próximas estejam no tempo, têm correlação nula. O ruído branco é um modelo idealizado fisicamente irrealizável, pois sua potência média é infinita. Entretanto, sempre que a largura de faixa de ruído for significativamente maior que a largura de faixa do sistema sob análise poderemos modelar o ruído como branco. Prof. Dayan Adionel Guimarães 59 Ruído Branco filtrado (1) Seja o ruído branco W(t) aplicado a um filtro passa-baixas ideal de banda B Hz e de magnitude da resposta em freqüência unitária. A DEP do ruído N(t) de saída será então: S N N B 0 N0, B < f < B RN( τ) = exp( j π fτ) df ( f) = B 0, f > B = N0Bsinc( Bτ) Prof. Dayan Adionel Guimarães 60
31 Ruído Branco filtrado () Sendo W(t) um p.a. Gaussiano, N(t) também o será. Se N(t) é amostrado a B amostras por segundo, tais amostras serão Gaussianas, descorrelacionadas, terão variância igual a N 0 B, terão média nula e serão estatisticamente independentes. w(t) n(t) W(t) h(t) N(t) Prof. Dayan Adionel Guimarães 61 Largura de faixa equivalente de ruído (1) Em grande parte dos problemas em sistemas de comunicação precisamos considerar o ruído como sendo branco na faixa de operação do sistema, mas muitas vezes tal sistema não pode ser considerado com tendo resposta em freqüência ideal (banda B Hz e H( f) =1). A solução consiste em considerar o ruído como sendo branco numa largura de faixa equivalente de ruído. Isto é feito substituindo-se a resposta em freqüência do filtro ou sistema por uma resposta ideal de tal forma que ambas produzam e mesma potência média de ruído em suas saídas. Prof. Dayan Adionel Guimarães 6
32 Largura de faixa equivalente de ruído () Considere as respostas dos filtros real e ideal mostradas na figura: Resposta ideal Resposta real H(f) Potência média de ruído de saída do filtro real: N 0 N = H( f) df = N0 H( f) df 0 N0 Para o mesmo ruído conectado ao filtro ideal teremos N = H (0)B A largura de faixa equivalente de ruído será: B = 0 H( f) df H (0) Prof. Dayan Adionel Guimarães 63 Correlação entre W(t)e cos(πf c t) (1) Seja o ruído branco W(t) aplicado a um CORRELAOR que efetua a correlação entre W(t) e uma portadora co-senoidal: Correlator Amostras de N(t) em t=. ( ) ( )cos( π ) 0 c N = W t f t dt Então N() é uma v.a. Gaussiana com média E[N()] = 0 e variância: ( ( ) [ ( )]) = E N E N σ Prof. Dayan Adionel Guimarães 64
33 Correlação entre W(t)e cos(πf c t) () Desenvolvendo obtemos: onde Então: ( ) ( )cos( ) π 0 c σ = E W t f t dt = E W( t)cos( π f ) ( )cos( ) 0 0 ct W u π fcu dtdu = = E[ W( t) W( u)]cos( π f t)cos( π f u) dtdu R ( t, u)cos( π f t)cos( π f u) dtdu W c c N R t u δ t u 0 W(, ) = ( ) N σ = δ π π ( t u)cos( fct)cos( fcu) dtdu c c Prof. Dayan Adionel Guimarães 65 Correlação entre W(t)e cos(πf c t) (3) A propriedade sifiting (ou sampling) da função δ(t) diz que: Então: = N x( t) δ( t t ) dt = x( t ) 0 0 = ( t u)cos( f t)cos( f u) dtdu 0 σ δ π π N cos ( π ) 0 c 0 cos(4 π f ) 0 ct dt N0 1 1 N0 f t dt = + = + N σ = 0 onde, por aproximação, admitiu-se que a freqüência da onda co-senoidal é um múltiplo inteiro de 1/. c c Prof. Dayan Adionel Guimarães 66
34 Estudos dirigidos 1) Por meio de um estudo no livro HAYKIN, Simon, Communication Systems, 4 th Edition, John Wiley and Sons, Inc.: New York, USA, 001, pp , faça uma dissertação sobre o modelo de ruído de faixa estreita nas suas representações em fase e em quadratura (in-phase and quadrature) e em envoltória e fase (envelope and phase). ) Realize uma pesquisa que permita que você obtenha detalhes sobre um modelo estatístico de ruído impulsivo para aplicações em projeto e testes de sistemas de radiodifusão de V Digital. Prof. Dayan Adionel Guimarães 67
TP501 Processos Aleatórios. Notas de aula
TP5 Processos Aleatórios Notas de aula Prof. Dr. Dayan Adionel Guimarães 7- TP5 Processos Aleatórios Aula Conteúdo Processos estocásticos: Processo Aleatório definição. Processo aleatório estacionário.
Leia maisPRINCÍPIOS DE COMUNICAÇÃO
PRINCÍPIOS DE COMUNICAÇÃO RUÍDO EM MODULAÇÕES ANALÓGICAS Evelio M. G. Fernández - 2011 Processo Aleatório (ou Estocástico): Função aleatória do tempo para modelar formas de onda desconhecidas. Processos
Leia maisTE060 Princípios de Comunicação. Probabilidade. Probabilidade Condicional. Notes. Notes. Notes
TE060 Princípios de Comunicação Efeito do Ruído em Sistemas com Modulação de Onda Contínua 5 de novembro de 2013 Probabilidade Uma medida de probabilidade P é uma função que associa um número não negativo
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisM. Eisencraft 6.3 Funções de correlação 81. R YX (τ) R YY (τ). (6.19) R XY (τ) = R YX ( τ) (6.20)
M. Eisencraft 6.3 Funções de correlação 81 R XY (τ) = E[X(t)Y(t+τ)] e (6.17) R YX (τ) = E[Y(t)X(t+τ)]. (6.18) As propriedades de correlação de dois processos X(t) e Y(t) podem ser mostradas convenientemente
Leia maisProcessos Aleatórios e Ruído
Processos Aleatórios e Ruído Luis Henrique Assumpção Lolis 11 de abril de 2014 Luis Henrique Assumpção Lolis Processos Aleatórios e Ruído 1 Conteúdo 1 O Experimento Aleatório / Espaço de Amostras 2 Algebra
Leia maisSinais e Sistemas. Luis Henrique Assumpção Lolis. 21 de fevereiro de Luis Henrique Assumpção Lolis Sinais e Sistemas 1
Sinais e Sistemas Luis Henrique Assumpção Lolis 21 de fevereiro de 2014 Luis Henrique Assumpção Lolis Sinais e Sistemas 1 Conteúdo 1 Classificação de sinais 2 Algumas funções importantes 3 Transformada
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processos Estocásticos - Sinais que variam aleatoriamente no tempo. são regidos por processos estocásticos. 2 1 1
Leia maisProcessos aleatórios - características
Capítulo 6 Processos aleatórios - características temporais 6.1 O conceito de processo aleatório Um processo aleatório ou estocástico é um espaço de amostras em que cada elemento é associado a uma função
Leia maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisTransmissão de impulsos em banda-base
ransmissão de impulsos em banda-base ransmissão de impulsos através de um canal com ruído aditivo.3 O filtro adaptado e o correlacionador ransmissão de sinais em canais banda-base Introdução Consideremos
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS #3 06. Exercícios. [, Exercício 7.] Seja A uma variável
Leia maisResumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf
Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia maisPROCESSOS ESTOCÁSTICOS. O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial.
37 PROCESSOS ESTOCÁSTICOS O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial. Ex: i) O valor da temperatura média diária ou semanal numa cidade. O acontecimento
Leia maisMódulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios
Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE
Leia mais2 Modelo de Sinais. 2.2 Modelo de Comunicação
odelo de Sinais 1 Introdução No presente capítulo é apresentado o modelo de comunicação adotado O modelo matemático de sinais transmitidos por sistemas de transmissão em blocos e mais particularmente para
Leia maisLista de Exercícios GQ1
1 a QUESTÃO: Determine a Transformada Inversa de Fourier da função G(f) definida pelo espectro de amplitude e fase, mostrado na figura abaixo: 2 a QUESTÃO: Calcule a Transformadaa de Fourier do Sinal abaixo:
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 35 Fabrício Simões
Leia maisComunicações Digitais
Comunicações Digitais Apresentação do Curso e Revisão de Conceitos Básicos Prof. Fabrício Simões IFBA Primavera de 2017 Prof. Fabrício Simões (IFBA) Comunicações Digitais Primavera de 2017 1 / 38 1 Apresentação
Leia mais195
195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia mais3.1 Modulações binárias (ASK e PSK)
Modulações digitais 3 Modulações digitais lineares com detecção coerente 3.1 Modulações binárias (ASK e PSK) Detecção de modulações digitais al como na modulação analógica (AM e FM), também na modulação
Leia maisProcessos estocásticos
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br
Leia maisTeoria das Comunicações Prof. André Noll Barreto Prova 1 Gabarito
Prova Gabarito Questão (4 pontos) Um pulso é descrito por: g t = t e t / u t u t, a) Esboce o pulso. Este é um sinal de energia ou de potência? Qual sua energia/potência? (,7 ponto) b) Dado um trem periódico
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência ω = ω ω Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação gráfica deste conjunto
Leia maisTeoria das Comunicações Prof. André Noll Barreto Prova /02
eoria das Comunicações Prova 1-1/ Aluno: Matrícula: Instruções A prova terá a duração de h3 A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas de aula, todas as fórmulas necessárias
Leia maisSegunda Lista de Exercícios
UFCG Universidade Federal de Campina Grande CEEI Centro de Engenharia Elétrica e Informática DEE Departamento de Engenharia Elétrica Disciplina: Princípios de Comunicações Professor: Wamberto José Lira
Leia maisFundamentos de Telecomunicações 2002/03
INSTITUTO SUPERIOR TÉCNICO Número: Fundamentos de Telecomunicações 2002/03 EXAME Janeiro, 2003 Duração: 20 minutos Nome: Pretende contabilizar as notas dos testes? sim não Assinatura A resolução do exame
Leia maisComunicações Digitais Prof. André Noll Barreto Prova /1 (26/04/2012)
Prova 1 01/1 (6/04/01) Aluno: Matrícula: Instruções A prova consiste de três questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas de
Leia maisSinais e Sistemas Mecatrónicos
Sinais e Sistemas Mecatrónicos Sinais e Sistemas Sinais Contínuos no Tempo José Sá da Costa José Sá da Costa T2 - Sinais Contínuos 1 Sinais Sinal É uma função associada a um fenómeno (físico, químico,
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia maisI-5 Espetro de sinais não periódicos A Transformada de Fourier
I-5 Espetro de sinais não periódicos A Transformada de Fourier Comunicações (10 de novembro de 016) ISEL - ADEETC - Comunicações 1 Sumário 1. Sinais não periódicos. Transformada de Fourier Representação,
Leia maisFundamentos da Teoria da Probabilidade
Fundamentos da Teoria da Probabilidade Edmar José do Nascimento (Princípios de Comunicações) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Sinais Aleatórios
Leia maisTeoria das Comunicações Prof. André Noll Barreto Prova /2 (01/11/2011)
Prova 011/ (01/11/011) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de h30 A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas
Leia maisTE060 Princípios de Comunicação
TE060 Princípios de Comunicação Sistemas de Modulação de Onda Contínua 9 de setembro de 2014 Modulação de Onda Contínua Modulação: alteração sistemática de alguma característica de um sinal, denominado
Leia maisAnálise e Transmissão de Sinais
Análise e Transmissão de Sinais Edmar José do Nascimento (Princípios de Comunicações) Universidade Federal do Vale do São Francisco Roteiro 1 Transformada de Fourier 2 Sistemas Lineares 3 Filtros 4 Distorção
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência jω Ge ( ) = jω Ye ( ) jω Ue ( ) Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação
Leia maisAula 1. Wilson Correa. June 27, 2017
Aula 1 Definições Básicas Wilson Correa June 27, 2017 Série de Tempo Definição Uma série de tempo é qualquer conjunto de observações ordenadas no tempo. Podem ser: Discretas. Ex: Valores Diários de Poluição,
Leia maisApresentação do Programa da Disciplina. Introdução aos sistemas de comunicação: principais modelos.
Professor: Edmar José do Nascimento Disciplina: PRNCÍPOS DE COMUNCAÇÃO Carga Horária: 60 hs Semestre: 2010.1 Pág. 1 de 5 EMENTA: Correlação e densidade espectral de potência. Princípio da amostragem. Transmissão
Leia maisX(t) = A cos(2πf c t + Θ)
Exercícios Extras de Comunicações Digitais. Seja um sinal aleatório X(t), estacionário no sentido restrito, dado por onde X(t) = A cos(πf c t + Θ) A é uma variável aleatória Gaussiana com média de 4Volts
Leia maisSinais e ruídos em sistemas de medição
(parte I) Instrumentação eletrônica para sistemas de medição Capítulo 7 Sinais e ruídos em sistemas de medição Prof. Lélio R. Soares Júnior ENE FT UnB Introdução Sinal determinístico o valor do sinal em
Leia maisPLANO DE ENSINO EMENTA DA DISCIPLINA: OBJETIVOS: CONTEÚDO PROGRAMÁTICO:
ESTADO DE MATO GROSSO FUNDAÇÃO UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS SINOP SUPERVISÃO DE APOIO ACADÊMICO CURSO BACHARELADO EM ENGENHARIA ELÉTRICA PLANO DE ENSINO DISCIPLINA: SNP33D45 / PRINCÍPIOS
Leia maisSUMÁRIO FUNDAMENTOS E VISÃO GERAL 19 CAPÍTULO 1 PROCESSOS ALEATÓRIOS 49
SUMÁRIO FUNDAMENTOS E VISÃO GERAL 19 1. O processo de comunicação 19 2. Principais recursos de comunicação 21 3. Fontes de informação 21 4. Redes de comunicação 27 5. Canais de comunicação 33 6. Processo
Leia maisTransmissão e comunicação de dados. Renato Machado
Renato Machado UFSM - Universidade Federal de Santa Maria DELC - Departamento de Eletrônica e Computação renatomachado@ieee.org renatomachado@ufsm.br 23 de Abril de 2012 Sumário 1 2 3 4 Térmico de Intermodulação
Leia maisTP537 Transmissão Digital 1ª Avaliação 27/10/ :00h Prof. Dayan Adionel Guimarães. Aluno(a):
TP537 Transmissão Digital ª Avaliação 7//4 8:h Prof. Dayan Adionel Guimarães ota: Aluno(a): ª questão (4 pontos) Prova com consulta ao livro texto, com duração de 3 horas. A interpretação é parte integrante
Leia mais2 Modelos de Sinais para Sistemas DS-CDMA
2 Modelos de Sinais para Sistemas DS-CDMA Dentre os modelos de sinais de sistemas de múltiplo acesso existem dois cenários de interesse que foram tratados em nosso trabalho: o enlace direto ou downlink,
Leia maisI-5 Espetro de sinais não periódicos A Transformada de Fourier
I-5 Espetro de sinais não periódicos A Transformada de Fourier Comunicações Sumário 1. Sinais não periódicos. Transformada de Fourier Representação, no domínio da frequência, de sinais não periódicos Relação
Leia maisANÁLISE DE SINAIS E SISTEMAS
ANÁLISE DE SINAIS E SISTEMAS AULA 2: :. Sinais de Tempo Contínuo e Sinais de Tempo Discreto; 2. Sinais Analógicos e Digitais; 3. Sinais Determinísticos e Sinais Aleatórios; 4. Sinais Pares e Sinais Ímpares;
Leia maisEE210 Sistemas de Comunicação II 1ª Avaliação 06/09/ h30min Prof. Dayan Adionel Guimarães. Aluno(a): Matrícula.
EE210 Sistemas de Comunicação II 1ª Avaliação 06/09/2018 15h30min Prof. Dayan Adionel Guimarães Nota T Nota P Aluno(a): Matrícula. Prova sem consulta, com duração de 100 minutos. A interpretação é parte
Leia maisTransmissão Digital em Banda Base
Transmissão Digital em Banda Base Luis Henrique Assumpção Lolis 27 de maio de 2014 Luis Henrique Assumpção Lolis Transmissão Digital em Banda Base 1 Conteúdo 1 Introdução 2 Análise de erro de bits 3 Interferência
Leia maisTE-060 PRINCÍPIOS DE COMUNICAÇÃO Prof. Evelio M. G. Fernández LISTA DE EXERCÍCIOS N 3
f(x) 3 1 1.- O sinal xt πt πt 1 cos 1 sin 1 TE-6 PRINCÍPIOS DE COMUNICAÇÃO Prof. Evelio M. G. Fernández LISTA DE EXERCÍCIOS N 3 3 Volts, é amostrado e processado por um quantizador uniforme de 7 its, funcionando
Leia maisExercícios de Telecomunicações 2
Departamento de Engenharia Electrotécnica e de Computadores Exercícios de Telecomunicações 2 (2004-2005) Sílvio A. Abrantes e Artur Moura Transmissão em banda-base 2.1. Um terminal gera 1250 caracteres/s,
Leia maisDemodulação e Detecção Passa-Faixa
Demodulação e Detecção Passa-Faixa Edmar José do Nascimento (Tópicos Avançados em Engenharia Elétrica I) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Colegiado
Leia maisTrabalho de Comunicações Digitais. Guia de procedimento
Trabalho de Comunicações Digitais Guia de procedimento Turma : Grupo : Data: / /2005 Nomes: Este guia contem o conjunto de experiências e observações a efectuar durante as aulas práticas laboratoriais.
Leia mais1 O canal de comunicação radiomóvel
1 O canal de comunicação radiomóvel O projeto de sistemas de comunicações sem fio confiáveis e de alta taxa de transmissão continua sendo um grande desafio em função das próprias características do canal
Leia mais3 Esquema de pré-distorção
3 Esquema de pré-distorção O objetivo do presente trabalho, conforme foi exposto anteriormente, é a redução dos efeitos causados pelos produtos de intermodulação gerados pela não-linearidade. Para atingir
Leia maisp.1/48 Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
p1/48 Capítulo 4 - Métodos ão Paramétricos Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av Antônio Carlos 27, elo Horizonte, MG, rasil p2/48 Introdução Os métodos
Leia maisAnálise de Sinais e Sistemas
Universidade Federal da Paraíba Departamento de Engenharia Elétrica Análise de Sinais e Sistemas Luciana Ribeiro Veloso luciana.veloso@dee.ufcg.edu.br ANÁLISE DE SINAIS E SISTEMAS Ementa: Sinais contínuos
Leia maisFerramenta Computacional para o Estudo de Seqüências de Treinamento em Equalizadores LMS
Ferramenta Computacional para o Estudo de Seqüências de Treinamento em es LMS Luciano L. Mendes Departamento de Eletrônica e Eletrotécnica Instituto acional de Telecomunicações Santa Rita do Sapucaí, MG
Leia maisAnálise de Desempenho de Sistemas de Comunicações Digitais
Análise de Desempenho de Sistemas de Comunicações Digitais Edmar José do Nascimento (Princípios de Comunicações) Universidade Federal do Vale do São Francisco Roteiro 1 Detecção Binária 2 Modulações Digitais
Leia mais5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia maisTeoria da Informação
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.6: Vetores Aleatórios Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José dos Campos,
Leia maisIV CARACTERIZAÇÃO DO CRM EM FAIXA LARGA
IV CARACTERIZAÇÃO DO CRM EM FAIXA LARGA Ao se projetar um sistema de comunicação móvel não é suficiente que se empregue um dos modelos usuais de propagação existentes. É preciso que se refinem tais modelos,
Leia maisEN2611 Comunicação Digital Lista de Exercícios Suplementares 2 2 quadrimestre 2012
EN6 Comunicação Digital Lista de Exercícios Suplementares outuro EN6 Comunicação Digital Lista de Exercícios Suplementares quadrimestre (LATHI, DING, 9, p 77) Seja p( t ) dado por πt sin T T ( ) = u (
Leia maisANÁLISE DE SINAIS DINÂMICOS
ANÁLISE DE SINAIS DINÂMICOS Paulo S. Varoto 7 . - Classificação de Sinais Sinais dinâmicos são geralmente classificados como deterministicos e aleatórios, como mostra a figura abaixo: Periódicos Determinísticos
Leia maisMódulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk
Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica
Leia maisEEC4164 Telecomunicações 2
Licenciatura em Engenharia Electrotécnica e de Computadores EEC4164 Telecomunicações (00/003) 1ª Parte Duração: 1 hora (sem consulta) 1ª chamada 4 de Janeiro de 003 1. a) Uma alternativa a PCM é a modulação
Leia mais1.3.2 Sistemas LIT - a integral de convolução
Eisencraft e Loiola 1.3 Análise e transmissão de sinais 23 Figura 1.22: Propriedades da Transformada de Fourier [1]. 1.3.2 Sistemas LIT - a integral de convolução Na Seção 1.2, página 4, já foi discutido
Leia maisFACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CAMPUS
FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CAMPUS UNIVERSITÁRIO DE SINOP CURSO DE ENGENHARIA ELÉTRICA Princípios de Comunicações Slides 5 e 6 Milton Luiz Neri Pereira (UNEMAT/FACET/DEE) 1 2.1 Sinais Um
Leia maisTeoria das Comunicações Prof. André Noll Barreto Prova /02
Prova 2-2010/02 Aluno: Matrícula: Instruções A prova consiste em 6 questões discursivas. A prova terá a duração de 2h30. A prova pode ser feita a lápis ou caneta. Não é permitida consulta a notas de aula,
Leia maisUma abordagem educacional para o estudo de OFDM
Uma abordagem educacional para o estudo de OFDM Bruno A. Pereira 1, Henrique T. Kuehne 2, Luciano L. Mendes 3 e José S. G. Panaro 4 Resumo O objetivo deste artigo é apresentar um conjunto de ferramentas
Leia mais4 Canal Espaço-Temporal
4 Canal Espaço-Temporal Neste capítulo serão apresentados os conceitos básicos para se entender o comportamento do canal espaço-temporal. 4.1 Variabilidade do Canal sem io Em um sistema sem fio o sinal
Leia maisSílvia Mara da Costa Campos Victer Concurso: Matemática da Computação UERJ - Friburgo
Convolução, Série de Fourier e Transformada de Fourier contínuas Sílvia Mara da Costa Campos Victer Concurso: Matemática da Computação UERJ - Friburgo Tópicos Sinais contínuos no tempo Função impulso Sistema
Leia maisTE060 Princípios de Comunicação. Sistemas de Comunicação Digital Notes. Por quê Digital? Notes. Notes. Evelio M. G. Fernández. 5 de novembro de 2013
TE060 Princípios de Comunicação Modulação de Pulso 5 de novembro de 2013 Sistemas de Comunicação Digital Sistema digital no sentido de utilizar uma sequência de símbolos pertencentes a um conjunto finito
Leia maisTópicos avançados em sistemas de telecomunicações. Renato Machado
Renato Machado UFSM - Universidade Federal de Santa Maria DELC - Departamento de Eletrônica e Computação renatomachado@ieee.org renatomachado@ufsm.br Santa Maria, 14 de Março de 2012 Sumário 1 2 3 4 5
Leia maisEisencraft e Loiola 2.1 Probabilidade 37. Para resolver problemas de probabilidades são necessários 3 passos:
Eisencraft e Loiola 2.1 Probabilidade 37 Modelo matemático de experimentos Para resolver problemas de probabilidades são necessários 3 passos: a Estabelecimento do espaço das amostras b Definição dos eventos
Leia maisModulações Digitais Binárias
GUIA DO 3 O TRABALHO DE LABORATÓRIO DE SISTEMAS DE COMUNICAÇÕES Modulações Digitais Binárias Ano Lectivo de 2015/16 Introdução Neste trabalho analisam-se alguns aspectos das modulações digitais binárias
Leia maisNeste capítulo é introduzido um conceito que permite definir eventos de uma forma mais
Capítulo 2 A variável aleatória Neste capítulo é introduzido um conceito que permite definir eventos de uma forma mais consistente. Este novo conceito é o de variáveis aleatórias e se constitui em uma
Leia maisEN2607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares 2 2 quadrimestre 2011
EN607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares quadrimestre 0 (P-0003D) (HAYKIN, 00, p 9) Use a equação de definição da TF para obter a representação no domínio da
Leia maisIntrodução aos Sistemas de Comunicações
aos Sistemas de Comunicações Edmar José do Nascimento () http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Colegiado de Engenharia Elétrica Roteiro 1 Sistemas de
Leia maisO processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir:
Sistemas e Sinais O processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir: 1 Sistemas e Sinais O bloco conversor A/D converte o sinal
Leia maisUniversidade Federal do ABC. Processos Estocásticos. Profs. Marcio Eisencraft e Murilo Loiola
Universidade Federal do ABC Processos Estocásticos Profs. Marcio Eisencraft e Murilo Loiola São Paulo 2011 Capítulo 1 Introdução à análise e transmissão de sinais 1.1 Intodução Neste curso, trata-se dos
Leia maisM. Eisencraft 2.5 Outros exemplos de distribuições e densidades 29. Densidade e distribuição uniforme. 0 a b x. 0 a b x
M. Eisencraft 2.5 Outros eemplos de distribuições e densidades 29 Densidade e distribuição uniforme /(b a) () a b.8 ().6.4.2.2 a b 2.5.2 Eponencial Figura 2.8: Funções densidade e distribuição uniforme.
Leia maisModulação Digital em Banda Passante
Modulação Digital em Banda Passante Luis Henrique Assumpção Lolis 27 de maio de 2014 Luis Henrique Assumpção Lolis Modulação Digital em Banda Passante 1 Conteúdo 1 Introdução - Modulação Digital em Banda
Leia maisAST203-CVR 4-1 AST203-CVR. Observação eletromagnética. Processamento de sinais importante em várias áreas, além da astronomia telecomunicações
Bloco 4 Estatística Atualizado: 2012 4-1 Bibliografia Lena Cap. 4 (parte) - só a inspiração... Wall & Jenkins, Practical statistics for astronomers Brandt Statistical and computacional methods in data
Leia maisIntrodução aos Circuitos Elétricos
1 / 47 Introdução aos Circuitos Elétricos Séries e Transformadas de Fourier Prof. Roberto Alves Braga Jr. Prof. Bruno Henrique Groenner Barbosa UFLA - Departamento de Engenharia 2 / 47 Séries e Transformadas
Leia maisAnálise e Processamento de Bio-Sinais Mestrado Integrado em Engenharia Biomédica. Sinais e Sistemas Licenciatura em Engenharia Física
Folha de Soluções Capítulo Introdução à Análise de Questão : Determinar as componentes pares e ímpares do cada um dos seguintes sinais: Sabendo que: t = x t x p x i ( ) [ ( ) + x( ] ( [ x( x( ] = a) x(
Leia maisAnálise e Processamento de BioSinais. Mestrado Integrado em Engenharia Biomédica. Faculdade de Ciências e Tecnologia. Universidade de Coimbra
Análise e Processamento de BioSinais Mestrado Integrado em Engenharia Biomédica Faculdade de Ciências e Tecnologia Slide Análise e Processamento de BioSinais MIEB Adaptado dos slides S&S de Jorge Dias
Leia maisTE060 Princípios de Comunicação
TE060 Princípios de Comunicação Sinais e Sistemas de Comunicação 28 de abril de 2016 Informação sobre a disciplina Terças e Quintas feiras das 13:30 às 15:20 horas Professor: Evelio Martín García Fernández
Leia maisAula 07 Propriedades da resposta ao impulso
Aula 07 Propriedades da resposta ao impulso Bibliografia OPPENHEIM, A.V.; WILLSKY, A. S. Sinais e Sistemas, a edição, Pearson, 00. ISBN 9788576055044. Páginas 6-69. HAYKIN, S. S.; VAN VEEN, B. Sinais e
Leia maisAula 22. Conversão Sigma-Delta (continuação)
Aula 22 Conversão Sigma-Delta (continuação) A estrutura mostrada na figura A.22.1 é chamado modulador Sigma-Delta (Σ- ). Esta estrutura, além de ser mais simples, pode ser considerada como uma versão suavizada
Leia maisComunicaçõ. ções Digitais II. Texto original por Prof. Dr. Ivan Roberto Santana Casella
PTC-43 Comunicaçõ ções Digitais II Texto original por Prof. Dr. Ivan Roberto Santana Casella Representaçã ção o Geométrica de Sinais A modulação digital envolve a escolha de um sinal específico s i (t)
Leia maisProf. Walter Fetter Lages 4 de outubro de 2004
Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica Programa de Pós-Graduação em Engenharia Elétrica ELE7-Tópicos Especiais em Automação e Controle II Introdução
Leia mais