SlideShare una empresa de Scribd logo
Universidad Nacional de Ingeniería 
Comunicaciones II 
Conferencia 17: Probabilidad de error para señales en AWGN – 
Parte 2 
UNIDAD VI: DETECCIÓN E INTRODUCCIÓN A LA TEORÍA DE LA ESTIMACIÓN 
Instructor: Israel M. Zamora, MS Telecommunications Management 
Profesor Titular, Departamento de Sistemas Digitales y Telecomunicaciones. 
Universidad Nacional de Ingeniería 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr. Teoría Estimación
Outline 
• Análisis de Zonas 
• Procedimiento de cómputo de probabilidad de 
error 
– Ejemplo práctico 
• Probabilidad de error de algunos esquemas 
de transmisión pasabanda binario 
• Probabilidad de error de algunos esquemas 
de transmisión pasabanda M-ario 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr. Teoría Estimación
Análisis de Zonas 
Note que en la mayoría de los casos, Z puede ser representado por 
i 
{( ) } 
Z = Z = r ,r ,...,r a < r < b , a < r < b ,...,a < r < 
b 
i 1 2 N 1 1 1 2 2 2 N N N 
donde i = 1,2,...,M, a ´s podría ser - ¥ , y b´s, ¥ 
. Así tenemos 
i i 
{ } { } 
P Î Z m = P a < r < b , a < r < b ,...,a < r < 
b m 
i i 1 1 1 2 2 2 N N N i 
{ } { } { } 
= < < < < < < 
( ) , j 1,2,...N, dado que m es transmitido 
R ~ Ν μ,σ Ν s , N 
ö 2 
çè 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In3tr. Teoría Estimación 
y 
P a r b m P a r b m ...P a r b m 
i 
o 
ij 
2 
1 1 1 i 2 2 2 i N N N i 
= ÷ø 
= æ 
r
Procedimiento de cómputo de probabilidad de error (1) 
Paso 1: 
Calcule los puntos de mensaje (o constelación de señales) 
( ) 
= = i s 
s ,s ,...,s , i 1,2,...,M 
i1 i2 iN 
y determine la región de decisión Z , i = 
1,2,...,M. En la 
mayoría de casos, Z puede ser representado por 
i 
i 
{( ) } 1 2 N 1 1 1 2 2 2 N N N 
Z = r ,r ,...,r a < r < b , a < r < b ,...,a < r < 
b 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In4tr. Teoría Estimación
Procedimiento de cómputo de probabilidad de error (2) 
( ) 
= 
Paso 2: 
Para cada i 1,2,...,M, calcule P m usando el siguiente 
subprocedimiento : 
= 
para cada j 1,2,...,N, calcule 
P a r b m F b F a , R ~ N s , N 
{ } ( ) ( ) 
< < = - æ 
çè 
o 
ö c i 
j j j i j j ij 
= ÷ø 
, j 1,2,...,N 
2 
Escriba la función F en términos de la función Q. Luego 
( ) N 
{ } ( ) ( ) e i c i 
Õ= 
= < < Þ = 
P m P a r b m P m 1- P m 
j j 
c i j j i 
j 1 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In5tr. Teoría Estimación
Procedimiento de cómputo de probabilidad de error (3) 
( ) 
P m 
Paso 3: 
Calcule 
P 1 
å== 
e e i 
para símbolos equiprobables P m 
( ) i 
M 
i 1 
M 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In6tr. Teoría Estimación
Ejemplo (1/6) 
•Determine la probabilidad media de error por símbolo para la constelación 
de señales mostrada abajo (NRZ Polar) 
S1(t) 
T 
m1=0 
-A 
S2(t) 
m2=1 
T 
A 
Z1 Z2 
S1 S2 
j-AÖT A ÖT 1 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In7tr. Teoría Estimación
Ejemplo (2/6) 
De la gráfica : 
( ) ( ) ( ) 
( ) ( ) ( ) 
= j = - j 
= 
s t s t A T t ó s -A T 
1 11 
= j = j 
= 
s t s t A T t ó s A T 
1 21 
( ) 
T 
0 
1 11 1 
2 21 1 
T 
0 
2 
2 
ò ò 
2 2 
donde 
= = = 
E s (t)dt 2 -A dt A 2 
T 
T 
0 
2 2 
T 
0 
1 
1 
ò ò 
2 2 
2 2 
= = = 
E s (t)dt 2 A dt A 2 
T 
2 
2 
2 
2 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In8tr. Teoría Estimación
Ejemplo (3/6) 
= = Þ = - = 
Paso 1: 
Fijamos m 0, m 1 s A T, s A T 
1 2 11 
Z = {r r < 0}, Z = {r r ³ 
0} 
j j j j 
1 1 1 2 1 1 
2 
21 
2 
Donde para señales equiprobables, tenemos que el umbral de decisión o frontera entre las 
regiones de decisión es igual a: 
0 
g = s11 + s21 = - A T + A T = 
2 2 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In9tr. Teoría Estimación
Ejemplo (4/6) 
Calculamos, 
P 0 P r 0 0 con R ~ N s , N 
( ) { } 
( ) { } ( ) 
ö çè= < æ 
N A T, N 
æ- = ÷ø 
ö çè 
o 2 o 
j 
c 11 
2 
1 
= - ³ ³ g = æ g 
- 
P 0 1 P r 0 0 donde P R Q μ 
j 
1 
con R = r y = 0, μ = s y σ = 
N 
11 
æ 
ö çè 
2 o 
j 
1 
substituyendo : 
2 
g 
( ) { } ( ) 
÷ø 
ö 
P 0 1 P r 0 0 1 Q 0 A T 
æ 
= - ³ = - - - 
ö 
j 
æ 
ö 
÷ ÷ ÷ ÷ 
ø 
ç ç ç ç 
è 
2 
N 
2 o 
2 
s 
P 0 Q A 2T 
1 
P 0 1 Q A 2T 
( ) ( ) ÷ ÷ø 
ç çè 
= Þ ÷ ÷ø 
ç çè 
= - 
÷ø 
2 
o 
2 e 
o 
c 
c 
c 
N 
N 
2 
Paso 2-1: 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr0. Teoría Estimación
Ejemplo (5/6) 
Calculamos, 
P 1 P r 01 con R ~ N s , N 
( ) { } 
= 
³ æ ö çèj 
c 21 
³ = æ - 
1 
g g 
donde P R Q μ 
( ) 
ö çè 
÷ø 
N A T, N 
o 2 o 
2 
s 
con R = r y = 0, μ = s y σ = 
N 
j 
1 
substituyendo : 
g 
= ³ = - 
P 1 P r 01 Q 0 A T 
( ) { } 
æ = ÷ø 
ö çè 
21 
2 
2 o 
2 
Q -A 2T 
N 
N 
2 o o 
ö 
æ 
ç çè 
æ 
æ 
ç ç ç ç 
è 
ö 
æ 
= 
ö 
÷ ÷ ÷ ÷ 
ø 
2 
2 
P 1 Q A 2T 
j 
1 
P 1 1 Q A 2T 
( ) ( ) ÷ ÷ø 
ç çè 
= Þ ÷ ÷ø 
ç çè 
= - 
ö 
÷ ÷ø 
÷ø 
2 
o 
2 e 
o 
c 
c 
N 
N 
2 
Paso 2-2: 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr1. Teoría Estimación
Ejemplo (6/6) 
2 
P m 1 
( ) ( ) 
M 
Calcule 
P 1 
= å = å 
i 1 
e e i 
i 1 
2 
= = 
[ ( ) ( )] 
M 
1 
P 0 P 1 
2 
e e 
Q A 2T 
N 
ö 
÷ ÷ø 
= + 
é 
ê êë 
æ 
1 
2 
Q A 2T 
ç çè 
= 
= 
ù 
ö 
÷ ÷ø 
ú úû 
æ 
P m 
Q A 2T 
ç çè 
ö 
+ ÷ ÷ø 
æ 
ç çè 
2 
o 
e i 
2 
o 
2 
o 
N 
N 
Paso 3: 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr2. Teoría Estimación
Pe para BPSK Coherente 
El receptor obtiene donde la pdf de R=r1 dado que la señal s1(t) fue transmitida es 
1 1 1 ( r s ) 
= 2 
1 1 11 
Con AWGN con media cero y PSD N 
é 
- - 
, tenemos que 
2 
Q E 
P P r E 
(1) { 01} 2 2 b 
(0) 
O 
ö 
÷ ÷ø 
æ 
N 
N 
b 
O 
P P (1) P (1) P (0) P (0) Q 2 
E 
ç çè 
ö 
= ÷ ÷ø 
æ 
ç çè 
= < =F - 
1 
= + = 
ö 
= ÷ ÷ø 
æ 
ç çè 
b 
0 
0 
N 
P 
e,BPSK e e 
e 
ù 
b 
SNR = 2E 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr3. Teoría Estimación 
e 
PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
r = s + n 1 11 
úû 
êë 
p 
N 
exp 
N 
f ( r ) 
O O 
R m 
y decide que s1(t) fue enviado si r1>0 y s2(t) en otro caso. 
El receptor comete un error si s1(t) fue enviado y r1<0. Es decir, r1ÎZ2. 
Así, la probabilidad de error dado que el mensaje m1 fue transmitido es: 
Se nota que: 
O 
máx N
Pe BFSK Coherente 
BBiinnaarryy FFrreeccuueennccyy SShhiifftt KKeeyyiinngg ccoonn ddeetteecccciióónn CCoohheerreennttee 
= ò f = + Tb 
j i j ij j donde r r ( t ) ( t )dt s n 
0 
r s ( t )~N s , NO , j , 
j i ij = ÷ø 
1 2 
æ 
ö çè 
2 
÷ø 
r s ( t )~N s , N N O N E , O 
b 
1 1 11 2 2 
r s ÷ø 
( t )~N s , N N O N , O 1 2 21 2 
( ) 2 j t 
2 s 
ö çè 
æ = ÷ø 
÷øö çè 
æ 
O O r s ( t )~N s , N N , N 
çè 
æ 
ö 2 1 12 2 
ö çè 
æ = ÷ø 
ö çè 
÷ø 
æ 
2 
0 
O r s ( t )~N s , N N E , N 
çè 
æ 
ö O 
b 
2 2 22 2 2 
b d = 2E PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
æ = ÷ø 
0 
ö çè 
2 
æ = ÷ø 
ö çè 
Con AWGN con media cero y DSP N b E 
1 0 s 
Con p(0)=p(1)=0.5 
ö 
÷ ÷ø 
æ 
P Q E 
ç çè 
= 
b 
0 
e,BFSK 
0 
N 
2 
b E 
( ) 1 j t 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr4. Teoría Estimación
Pe QPSK Coherente (1/2) 
1 
4 
4 1 
La probabilidad media de error de QPSK para símbolos 
equiprobables está dado por: å= 
P = 
P (m ) 
e e i i 
Note que las regiones de decisión son iguales y los puntos señales son simétricas. De allí 
que todas las Pe(mi) son iguales. En los que sigue, sólo nos enfocamos a calcular el 
resultado con m1=10. P ( ) P ( ) e 10 =1- c 10 
P ( ) P( r ( r ,r ) Z ) P{ r , r } c 10 10 0 010 1 2 1 1 2 = = Î = < < ¥ -¥ < < 
donde 10 2 1 2 1 0 r N(s ,N / ), j , j j ® = 
y estas dos variables aleatorias gaussianas son independientes. Así 
P ( ) P{ r }P{ r } c 10 010 010 1 2 = > < 
2 
ö 
æ 
ö 
æ 
ö 
ö 
æ 
F = ÷ ÷ 
ø 
ö 
æ - F ÷ ÷ 
ø 
æ 
ö 
æ - = -F 
Q E 
E 
E / 
E / 
1 2 ÷ ÷ 
2 
2 
ç ç 
è 
÷ ÷ 
ø 
N / 
N / 
0 0 
ç ç 
÷ø 
÷ = 1 
- 2 
2 
ø 
O O N 
è 
÷ ÷ø 
ç çè 
ç çè 
ç ç 
è 
ç ç 
è 
N 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr5. Teoría Estimación
Esquema QPSK Coherente (2/2) 
Probabilidad de Error de Símbolo: 
ö 
2 
= ÷ ÷ ø 
P P Q E 
1 1 1 2 
ö 
÷ ÷ø 
æ 
N 
O 
P Q E 
ç çè 
æ 
ç ç 
= - = - - 
è 
1 2 
e c 
>> » 
ö 
÷ ÷ø 
æ 
Q E 
ç çè 
ö 
- ÷ ÷ø 
æ 
Q E 
ç çè 
ö 
÷ ÷ø 
æ 
ç çè 
N 
si E 
e 
0 0 
0 
2 
0 
N 
N 
N 
Podemos expresar esto en función de la energía Tx. Por bit: 
ö 
÷ ÷ø 
Q 2E 
2 b 
æ 
N 
P 2Q 2E 
ç çè 
ö 
- ÷ ÷ø 
æ 
P 2Q 2E 
ç çè 
b 
0 
N 
1 
>> » 
ö 
÷ ÷ø 
æ 
ç çè 
= 
b 
0 
e 
si E 
b 
0 
0 
e 
N 
N 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr6. Teoría Estimación
Pe MSK Coherente 
P P 2Q 2E Z3 Z4 
s3 :1 E 
b s4 :0 
b E 
Probabilidad de Error de Símbolo: 
Q 2E 
ö 
÷ ÷ø 
N 
æ 
1 P 2Q 2E 
ç çè 
= = 
e,MSK e,QPSK 
>> » 
æ 
ç çè 
ö 
- ÷ ÷ø 
æ 
ç çè 
b 
0 
e 
si E 
b 
0 
2 b 
b 
0 
N 
N 
b - E Así para valores elevados por Eb/N0, la 
s2 :0 s1: 1 
b - E 
0 
N 
probabilidad de error medio para un sistema 
MSK es aproximadamente el mismo que el 
correspondiente para un sistemas BPSK 
Coherente (ignore el factor de escala de 2). 
Esto es así al precio de un incremento en la 
complejidad del receptor. 
ö 
÷ ÷ø 
Z2 Z1 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr7. Teoría Estimación
Pe QAM Coherente (1/2) 
Se puede demostrar que la probabilidad de error del símbolo en la QAM M-aria está dada 
aproximadamente por: 
O 
Q E 
O 
En consecuencia, podemos reescribir la ecuación anterior en términos de ES como: 
ö 
÷ ÷ø 
P 2 1 1 2 
@ æ - - 
÷øö çè 
e ,QAM Maria N 
æ 
M 
2 1 1 3 
ç çè 
æ 
ç çè 
× 
- 
@ æ - - 
ö çè 
Q 
÷ø 
S 
O 
E 
P 
e ,QAM Maria M 
N 
M 
1 
ö 
÷ ÷ø 
En el caso M=4 es de interés especial. La relación de señales para este valor de M es la misma 
correspondiente a la QPSK. En realidad, haciendo M=4 en la ecuación de arriba y advirtiendo 
que para este caso especial ES=E donde E es la energía por símbolo, encontramos que la 
fórmula resultante para la probabilidad de error de símbolo se vuelve idéntica a ecuación de la 
diapositiva 8 que se reproduce aquí. 
ö 
÷ ÷ø 
æ 
P Q E e 
ç çè 
» 
0 
2 
N 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr8. Teoría Estimación
Pe QAM Coherente (2/2) 
El resultado anterior es exacto para M=2k donde k par. Cuando k es impar, no hay sistema PAM 
L-ario (ÖM). Pero esto no es problema. Se puede demostrar casi directamente que la 
probabilidad de error de símbolo se encuentra confinada con cota superior a través de la 
expresión siguiente: 
2 
× 
- 
E 
P Q 
e ,QAM Maria N 
1 
é 
æ 
1 1 2 3 
ù 
ú úû 
£ - - - 
ê êë 
ö 
÷ ÷ø 
ç çè 
S 
O 
M 
æ 
4 3 
ç ç 
è 
× 
- 
£ 
kE 
b ,S 
N 
O 
M 
Q 
1 
para cualquier k³1, y Eb.S es la energía por bit promedio. 
ö 
÷ ÷ 
ø 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr9. Teoría Estimación
Pe BFSK No coherente 
PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
Con AWGN con media cero y DSP N 
ö 
÷ ÷ø 
æ 
exp E 
2 
ç çè 
P 1 
= - 
b 
0 
e 
0 
2N 
2 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr0. Teoría Estimación
Pe M-arios 
Caso: Esquema M-ario PSK 
La probabilidad de recepción 
correcta es la integral del área 
sombreada de la figura. Esta 
probabilidad puede ser limitada 
por alguna frontera. Por tanto, 
para valores grandes de E/No la 
probabilidad de error de símbolo 
es aproximadamente dada por: 
PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
ö 
æ 
sen π 
P Q E e,M-PSK 
si 
p / M 
2 2 4 
» M 
0 
³ ÷ ÷ø 
ç çè 
M 
N 
E E log M b 2 = 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr1. Teoría Estimación
Pe M-arios 
Caso: Esquema M-ario FSK 
Para FSK M-ario, el receptor óptimo corresponde a un 
banco de M correlaciones o filtros acoplados. En los 
sistemas de muestreo t=kT, el receptor toma decisiones 
basadas en la mayor de las salidas del filtro acoplado. La 
probabilidad de error de símbolo puede limitarse 
superiormente a: 
PPrroobbaabbiilliiddaadd ddee EErrrroorr:: 
ö 
æ 
P (M 1)Q E b 2 
e,M-FSK = ÷ ÷ø 
donde E E log M 
N 
o 
ç çè 
£ - 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr2. Teoría Estimación
Rendimiento de algunos esquemas 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr3. Teoría Estimación
Pb (BER) a partir de Pe 
1. Probabilidad de error de bit a partir de la probabilidad de error de 
símbolo. 
• Hay dos enfoques para definir una probabilidad de error de bit equivalente, Pb, 
o tasa de errores de bit (BER), a partir de la probabilidad de error de símbolo, 
Pe. Esto depende de: 
• la estructura del espacio de señales, y 
• el mapeo de los puntos de señales espaciales en secuencias de bits 
equivalentes 
2. Definición 1: En este caso, asumimos que al ir de un punto de señal a 
un punto de señal adyacente, solamente cambia un bit en la palabra 
binaria representación representada en la señal. 
M 
P Pe 
b 
2 log 
= 
Nota: PSK M-ario empleando código Gray y QAM M-ario cumplen esta 
condición 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr4. Teoría Estimación
Pb (BER) a partir de Pe 
3. Definición 2: Denotamos n=log2M. Asumimos que todos los errores de 
símbolos son igualmente probables. Definimos Pb como la razón de A, 
que es el número medio de bits con errores de símbolo de n-bits, con 
relación a n, el cual es el número de bits por símbolos. Definiremos una 
fórmula explícita para Pb. 
Observe que, en un sistema M-ario, cada símbolo se encuentra en error 
con una probabilidad: 
Pe 
M -1 
Para un símbolo dado, suponga que k bits están en error. Entonces, 
hay ö 
maneras que esto puede suceder, lo cual resulta en: 
÷ ÷ø 
n 
æ 
k 
ç çè 
P A 
= = 
b 
1 
n n 
para M muy grande. 
n 
å= 
P ® 
P 
M 
- 
= 
ö 
P 
- ÷ ÷ø 
n 
k 
æ 
ç çè 
k 
e 
e 
e 
M 
M 
k 
1 ( 1) 2( 1) 2 
Nota: Los sistemas FSK M-ario se encuentran bajo esta condición. 
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr5. Teoría Estimación
2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr6. Teoría Estimación

Más contenido relacionado

PPT
Lecture 15 probabilidad de error y ber en señales bandabase binaria
PPTX
3.PCM Digitalizacion de señal analogica
PDF
Procesamiento digital de señales con matlab
PPT
Modulación delta
PDF
modulador fm con xr
PPTX
Ruido en telecomunicaciones
PDF
Filtros activos en general
PPT
Lecture 16 probabilidad de error para señales en awgn parte 1
Lecture 15 probabilidad de error y ber en señales bandabase binaria
3.PCM Digitalizacion de señal analogica
Procesamiento digital de señales con matlab
Modulación delta
modulador fm con xr
Ruido en telecomunicaciones
Filtros activos en general
Lecture 16 probabilidad de error para señales en awgn parte 1

La actualidad más candente (20)

PPT
Mod demod am_2014_1(1)
PPT
Modulacion AM
PPTX
Modulación por desplazamiento de fase (psk) exposicion
PPTX
PPT
Lecture 6 formateo de señales en pcm
PDF
Modulación AM
PDF
CI19 - Presentación 2: Principios básicos de modulación y demodulación
PPTX
Guias de ondas (2)
PPTX
Lecture 11 radioenlaces terrenales servicio fijo p2
PPT
1 modulación psk
DOCX
Amplitud modulada am
PPTX
Capacidad del canal
PPTX
Introduction to equalization
PPTX
Pulse code modulation and Demodulation
PDF
CI19. Presentación 4. Large scale path loss (completa)
PPTX
Modulacion y Codificacion Digital - Analogo (ASK, FSK & PSK)
PDF
Probabilidad de error en modulación digital
PPTX
Acopladores direccionales
PPSX
Realimentacion negativa
Mod demod am_2014_1(1)
Modulacion AM
Modulación por desplazamiento de fase (psk) exposicion
Lecture 6 formateo de señales en pcm
Modulación AM
CI19 - Presentación 2: Principios básicos de modulación y demodulación
Guias de ondas (2)
Lecture 11 radioenlaces terrenales servicio fijo p2
1 modulación psk
Amplitud modulada am
Capacidad del canal
Introduction to equalization
Pulse code modulation and Demodulation
CI19. Presentación 4. Large scale path loss (completa)
Modulacion y Codificacion Digital - Analogo (ASK, FSK & PSK)
Probabilidad de error en modulación digital
Acopladores direccionales
Realimentacion negativa
Publicidad

Similar a Lecture 17 probabilidad de error para señales en awgn parte 2 (20)

PPT
Lecture 14 modulacion digital parte 2
PDF
Problemario de Series de Fourier
PDF
Series de fourier - Ejemplos Resueltos
PDF
ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS : EJERCICIOS DE EXPRESION EN S...
PPT
PPT
PPT
3) Mecánica Cuántica
DOC
Pd cap 2 1
PPTX
Aproximacion de funciones-Análisis numérico UPC
PDF
Ejercicios detallados del obj 4 mat iii 733
PDF
Segmentación por umbralización método de otsu
DOC
Edwin contreras fourier
DOCX
RNAs Backpropagation
PDF
Recursividad
PDF
Formulas 2012 01pdf
DOCX
RESUMEN DE ESTADISTICA II INIDAD 2
PDF
Formulas estadisticas
DOCX
Ejemplosalgoritmo2
PDF
Quadratic Sieve, algoritmos y ejemplos
Lecture 14 modulacion digital parte 2
Problemario de Series de Fourier
Series de fourier - Ejemplos Resueltos
ELECTRONICA INDUSTRIAL -EJERCICIOS RESUELTOS : EJERCICIOS DE EXPRESION EN S...
3) Mecánica Cuántica
Pd cap 2 1
Aproximacion de funciones-Análisis numérico UPC
Ejercicios detallados del obj 4 mat iii 733
Segmentación por umbralización método de otsu
Edwin contreras fourier
RNAs Backpropagation
Recursividad
Formulas 2012 01pdf
RESUMEN DE ESTADISTICA II INIDAD 2
Formulas estadisticas
Ejemplosalgoritmo2
Quadratic Sieve, algoritmos y ejemplos
Publicidad

Más de nica2009 (20)

PPTX
Lecture 14 radioenlaces terrenales servicio fijo p5
PPTX
Lecture 13 radioenlaces terrenales servicio fijo p4
PPTX
Lecture 12 radioenlaces terrenales servicio fijo p3
PPTX
Lecture 10 radioenlaces terrenales servicio fijo p1
PPTX
Lecture 9 analisis radioprop p6
PPTX
Lecture 8 revisión de ejercicios unidad ii
PPTX
Lecture 7 analisis radioprop p5
PPTX
Lecture 6 analisis radioprop p4
PPTX
Lecture 5 analisis radioprop p3
PPTX
Lecture 4 analisis radioprop p2
PPTX
Lecture 3 analisis radioprop p1
PPTX
Lecture 2 intro a sist radiocom p2
PPTX
Lecture 15 radioenlaces terrenales servicio fijo p6
PPTX
Lecture 1 intro a sist radiocom p1
PPTX
Lecture 8 principios de economía p7
PPTX
Lecture 7 principios de economía p6
PPTX
Lecture 6 principios de economía p5
PPTX
Lecture 5 principios de economía p4
PPTX
Lecture 4 principios de economía p3
PPTX
Lecture 3 principios de economía p2
Lecture 14 radioenlaces terrenales servicio fijo p5
Lecture 13 radioenlaces terrenales servicio fijo p4
Lecture 12 radioenlaces terrenales servicio fijo p3
Lecture 10 radioenlaces terrenales servicio fijo p1
Lecture 9 analisis radioprop p6
Lecture 8 revisión de ejercicios unidad ii
Lecture 7 analisis radioprop p5
Lecture 6 analisis radioprop p4
Lecture 5 analisis radioprop p3
Lecture 4 analisis radioprop p2
Lecture 3 analisis radioprop p1
Lecture 2 intro a sist radiocom p2
Lecture 15 radioenlaces terrenales servicio fijo p6
Lecture 1 intro a sist radiocom p1
Lecture 8 principios de economía p7
Lecture 7 principios de economía p6
Lecture 6 principios de economía p5
Lecture 5 principios de economía p4
Lecture 4 principios de economía p3
Lecture 3 principios de economía p2

Último (20)

PDF
COMUNICACION EFECTIVA PARA LA EDUCACION .pdf
PDF
Breve historia de los Incas -- Patricia Temoche [Temoche, Patricia] -- Breve ...
DOCX
2 GRADO UNIDAD 5 - 2025.docx para primaria
DOCX
V UNIDAD - PRIMER GRADO. del mes de agosto
PDF
Conecta con la Motivacion - Brian Tracy Ccesa007.pdf
PDF
Escuela Sabática 6. A través del Mar Rojo.pdf
PDF
SESION 12 INMUNIZACIONES - CADENA DE FRÍO- SALUD FAMILIAR - PUEBLOS INDIGENAS...
PDF
Crear o Morir - Andres Oppenheimer Ccesa007.pdf
PDF
Punto Critico - Brian Tracy Ccesa007.pdf
PDF
Escuela de Negocios - Robert kiyosaki Ccesa007.pdf
PDF
La Evaluacion Formativa en Nuevos Escenarios de Aprendizaje UGEL03 Ccesa007.pdf
PPTX
AGENTES PATÓGENOS Y LAS PRINCIPAL ENFERMEAD.pptx
PPT
Cosacos y hombres del Este en el Heer.ppt
PDF
CONFERENCIA-Deep Research en el aula universitaria-UPeU-EduTech360.pdf
PDF
Unidad de Aprendizaje 5 de Matematica 1ro Secundaria Ccesa007.pdf
PDF
COMPLETO__PROYECTO_VIVAN LOS NIÑOS Y SUS DERECHOS_EDUCADORASSOS.pdf
PDF
DI, TEA, TDAH.pdf guía se secuencias didacticas
PDF
Híper Mega Repaso Histológico Bloque 3.pdf
DOCX
PROYECTO DE APRENDIZAJE para la semana de fiestas patrias
PPTX
caso clínico iam clinica y semiología l3.pptx
COMUNICACION EFECTIVA PARA LA EDUCACION .pdf
Breve historia de los Incas -- Patricia Temoche [Temoche, Patricia] -- Breve ...
2 GRADO UNIDAD 5 - 2025.docx para primaria
V UNIDAD - PRIMER GRADO. del mes de agosto
Conecta con la Motivacion - Brian Tracy Ccesa007.pdf
Escuela Sabática 6. A través del Mar Rojo.pdf
SESION 12 INMUNIZACIONES - CADENA DE FRÍO- SALUD FAMILIAR - PUEBLOS INDIGENAS...
Crear o Morir - Andres Oppenheimer Ccesa007.pdf
Punto Critico - Brian Tracy Ccesa007.pdf
Escuela de Negocios - Robert kiyosaki Ccesa007.pdf
La Evaluacion Formativa en Nuevos Escenarios de Aprendizaje UGEL03 Ccesa007.pdf
AGENTES PATÓGENOS Y LAS PRINCIPAL ENFERMEAD.pptx
Cosacos y hombres del Este en el Heer.ppt
CONFERENCIA-Deep Research en el aula universitaria-UPeU-EduTech360.pdf
Unidad de Aprendizaje 5 de Matematica 1ro Secundaria Ccesa007.pdf
COMPLETO__PROYECTO_VIVAN LOS NIÑOS Y SUS DERECHOS_EDUCADORASSOS.pdf
DI, TEA, TDAH.pdf guía se secuencias didacticas
Híper Mega Repaso Histológico Bloque 3.pdf
PROYECTO DE APRENDIZAJE para la semana de fiestas patrias
caso clínico iam clinica y semiología l3.pptx

Lecture 17 probabilidad de error para señales en awgn parte 2

  • 1. Universidad Nacional de Ingeniería Comunicaciones II Conferencia 17: Probabilidad de error para señales en AWGN – Parte 2 UNIDAD VI: DETECCIÓN E INTRODUCCIÓN A LA TEORÍA DE LA ESTIMACIÓN Instructor: Israel M. Zamora, MS Telecommunications Management Profesor Titular, Departamento de Sistemas Digitales y Telecomunicaciones. Universidad Nacional de Ingeniería 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr. Teoría Estimación
  • 2. Outline • Análisis de Zonas • Procedimiento de cómputo de probabilidad de error – Ejemplo práctico • Probabilidad de error de algunos esquemas de transmisión pasabanda binario • Probabilidad de error de algunos esquemas de transmisión pasabanda M-ario 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr. Teoría Estimación
  • 3. Análisis de Zonas Note que en la mayoría de los casos, Z puede ser representado por i {( ) } Z = Z = r ,r ,...,r a < r < b , a < r < b ,...,a < r < b i 1 2 N 1 1 1 2 2 2 N N N donde i = 1,2,...,M, a ´s podría ser - ¥ , y b´s, ¥ . Así tenemos i i { } { } P Î Z m = P a < r < b , a < r < b ,...,a < r < b m i i 1 1 1 2 2 2 N N N i { } { } { } = < < < < < < ( ) , j 1,2,...N, dado que m es transmitido R ~ Ν μ,σ Ν s , N ö 2 çè 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In3tr. Teoría Estimación y P a r b m P a r b m ...P a r b m i o ij 2 1 1 1 i 2 2 2 i N N N i = ÷ø = æ r
  • 4. Procedimiento de cómputo de probabilidad de error (1) Paso 1: Calcule los puntos de mensaje (o constelación de señales) ( ) = = i s s ,s ,...,s , i 1,2,...,M i1 i2 iN y determine la región de decisión Z , i = 1,2,...,M. En la mayoría de casos, Z puede ser representado por i i {( ) } 1 2 N 1 1 1 2 2 2 N N N Z = r ,r ,...,r a < r < b , a < r < b ,...,a < r < b 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In4tr. Teoría Estimación
  • 5. Procedimiento de cómputo de probabilidad de error (2) ( ) = Paso 2: Para cada i 1,2,...,M, calcule P m usando el siguiente subprocedimiento : = para cada j 1,2,...,N, calcule P a r b m F b F a , R ~ N s , N { } ( ) ( ) < < = - æ çè o ö c i j j j i j j ij = ÷ø , j 1,2,...,N 2 Escriba la función F en términos de la función Q. Luego ( ) N { } ( ) ( ) e i c i Õ= = < < Þ = P m P a r b m P m 1- P m j j c i j j i j 1 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In5tr. Teoría Estimación
  • 6. Procedimiento de cómputo de probabilidad de error (3) ( ) P m Paso 3: Calcule P 1 å== e e i para símbolos equiprobables P m ( ) i M i 1 M 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In6tr. Teoría Estimación
  • 7. Ejemplo (1/6) •Determine la probabilidad media de error por símbolo para la constelación de señales mostrada abajo (NRZ Polar) S1(t) T m1=0 -A S2(t) m2=1 T A Z1 Z2 S1 S2 j-AÖT A ÖT 1 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In7tr. Teoría Estimación
  • 8. Ejemplo (2/6) De la gráfica : ( ) ( ) ( ) ( ) ( ) ( ) = j = - j = s t s t A T t ó s -A T 1 11 = j = j = s t s t A T t ó s A T 1 21 ( ) T 0 1 11 1 2 21 1 T 0 2 2 ò ò 2 2 donde = = = E s (t)dt 2 -A dt A 2 T T 0 2 2 T 0 1 1 ò ò 2 2 2 2 = = = E s (t)dt 2 A dt A 2 T 2 2 2 2 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In8tr. Teoría Estimación
  • 9. Ejemplo (3/6) = = Þ = - = Paso 1: Fijamos m 0, m 1 s A T, s A T 1 2 11 Z = {r r < 0}, Z = {r r ³ 0} j j j j 1 1 1 2 1 1 2 21 2 Donde para señales equiprobables, tenemos que el umbral de decisión o frontera entre las regiones de decisión es igual a: 0 g = s11 + s21 = - A T + A T = 2 2 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In9tr. Teoría Estimación
  • 10. Ejemplo (4/6) Calculamos, P 0 P r 0 0 con R ~ N s , N ( ) { } ( ) { } ( ) ö çè= < æ N A T, N æ- = ÷ø ö çè o 2 o j c 11 2 1 = - ³ ³ g = æ g - P 0 1 P r 0 0 donde P R Q μ j 1 con R = r y = 0, μ = s y σ = N 11 æ ö çè 2 o j 1 substituyendo : 2 g ( ) { } ( ) ÷ø ö P 0 1 P r 0 0 1 Q 0 A T æ = - ³ = - - - ö j æ ö ÷ ÷ ÷ ÷ ø ç ç ç ç è 2 N 2 o 2 s P 0 Q A 2T 1 P 0 1 Q A 2T ( ) ( ) ÷ ÷ø ç çè = Þ ÷ ÷ø ç çè = - ÷ø 2 o 2 e o c c c N N 2 Paso 2-1: 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr0. Teoría Estimación
  • 11. Ejemplo (5/6) Calculamos, P 1 P r 01 con R ~ N s , N ( ) { } = ³ æ ö çèj c 21 ³ = æ - 1 g g donde P R Q μ ( ) ö çè ÷ø N A T, N o 2 o 2 s con R = r y = 0, μ = s y σ = N j 1 substituyendo : g = ³ = - P 1 P r 01 Q 0 A T ( ) { } æ = ÷ø ö çè 21 2 2 o 2 Q -A 2T N N 2 o o ö æ ç çè æ æ ç ç ç ç è ö æ = ö ÷ ÷ ÷ ÷ ø 2 2 P 1 Q A 2T j 1 P 1 1 Q A 2T ( ) ( ) ÷ ÷ø ç çè = Þ ÷ ÷ø ç çè = - ö ÷ ÷ø ÷ø 2 o 2 e o c c N N 2 Paso 2-2: 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr1. Teoría Estimación
  • 12. Ejemplo (6/6) 2 P m 1 ( ) ( ) M Calcule P 1 = å = å i 1 e e i i 1 2 = = [ ( ) ( )] M 1 P 0 P 1 2 e e Q A 2T N ö ÷ ÷ø = + é ê êë æ 1 2 Q A 2T ç çè = = ù ö ÷ ÷ø ú úû æ P m Q A 2T ç çè ö + ÷ ÷ø æ ç çè 2 o e i 2 o 2 o N N Paso 3: 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr2. Teoría Estimación
  • 13. Pe para BPSK Coherente El receptor obtiene donde la pdf de R=r1 dado que la señal s1(t) fue transmitida es 1 1 1 ( r s ) = 2 1 1 11 Con AWGN con media cero y PSD N é - - , tenemos que 2 Q E P P r E (1) { 01} 2 2 b (0) O ö ÷ ÷ø æ N N b O P P (1) P (1) P (0) P (0) Q 2 E ç çè ö = ÷ ÷ø æ ç çè = < =F - 1 = + = ö = ÷ ÷ø æ ç çè b 0 0 N P e,BPSK e e e ù b SNR = 2E 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr3. Teoría Estimación e PPrroobbaabbiilliiddaadd ddee EErrrroorr:: r = s + n 1 11 úû êë p N exp N f ( r ) O O R m y decide que s1(t) fue enviado si r1>0 y s2(t) en otro caso. El receptor comete un error si s1(t) fue enviado y r1<0. Es decir, r1ÎZ2. Así, la probabilidad de error dado que el mensaje m1 fue transmitido es: Se nota que: O máx N
  • 14. Pe BFSK Coherente BBiinnaarryy FFrreeccuueennccyy SShhiifftt KKeeyyiinngg ccoonn ddeetteecccciióónn CCoohheerreennttee = ò f = + Tb j i j ij j donde r r ( t ) ( t )dt s n 0 r s ( t )~N s , NO , j , j i ij = ÷ø 1 2 æ ö çè 2 ÷ø r s ( t )~N s , N N O N E , O b 1 1 11 2 2 r s ÷ø ( t )~N s , N N O N , O 1 2 21 2 ( ) 2 j t 2 s ö çè æ = ÷ø ÷øö çè æ O O r s ( t )~N s , N N , N çè æ ö 2 1 12 2 ö çè æ = ÷ø ö çè ÷ø æ 2 0 O r s ( t )~N s , N N E , N çè æ ö O b 2 2 22 2 2 b d = 2E PPrroobbaabbiilliiddaadd ddee EErrrroorr:: æ = ÷ø 0 ö çè 2 æ = ÷ø ö çè Con AWGN con media cero y DSP N b E 1 0 s Con p(0)=p(1)=0.5 ö ÷ ÷ø æ P Q E ç çè = b 0 e,BFSK 0 N 2 b E ( ) 1 j t 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr4. Teoría Estimación
  • 15. Pe QPSK Coherente (1/2) 1 4 4 1 La probabilidad media de error de QPSK para símbolos equiprobables está dado por: å= P = P (m ) e e i i Note que las regiones de decisión son iguales y los puntos señales son simétricas. De allí que todas las Pe(mi) son iguales. En los que sigue, sólo nos enfocamos a calcular el resultado con m1=10. P ( ) P ( ) e 10 =1- c 10 P ( ) P( r ( r ,r ) Z ) P{ r , r } c 10 10 0 010 1 2 1 1 2 = = Î = < < ¥ -¥ < < donde 10 2 1 2 1 0 r N(s ,N / ), j , j j ® = y estas dos variables aleatorias gaussianas son independientes. Así P ( ) P{ r }P{ r } c 10 010 010 1 2 = > < 2 ö æ ö æ ö ö æ F = ÷ ÷ ø ö æ - F ÷ ÷ ø æ ö æ - = -F Q E E E / E / 1 2 ÷ ÷ 2 2 ç ç è ÷ ÷ ø N / N / 0 0 ç ç ÷ø ÷ = 1 - 2 2 ø O O N è ÷ ÷ø ç çè ç çè ç ç è ç ç è N 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr5. Teoría Estimación
  • 16. Esquema QPSK Coherente (2/2) Probabilidad de Error de Símbolo: ö 2 = ÷ ÷ ø P P Q E 1 1 1 2 ö ÷ ÷ø æ N O P Q E ç çè æ ç ç = - = - - è 1 2 e c >> » ö ÷ ÷ø æ Q E ç çè ö - ÷ ÷ø æ Q E ç çè ö ÷ ÷ø æ ç çè N si E e 0 0 0 2 0 N N N Podemos expresar esto en función de la energía Tx. Por bit: ö ÷ ÷ø Q 2E 2 b æ N P 2Q 2E ç çè ö - ÷ ÷ø æ P 2Q 2E ç çè b 0 N 1 >> » ö ÷ ÷ø æ ç çè = b 0 e si E b 0 0 e N N 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr6. Teoría Estimación
  • 17. Pe MSK Coherente P P 2Q 2E Z3 Z4 s3 :1 E b s4 :0 b E Probabilidad de Error de Símbolo: Q 2E ö ÷ ÷ø N æ 1 P 2Q 2E ç çè = = e,MSK e,QPSK >> » æ ç çè ö - ÷ ÷ø æ ç çè b 0 e si E b 0 2 b b 0 N N b - E Así para valores elevados por Eb/N0, la s2 :0 s1: 1 b - E 0 N probabilidad de error medio para un sistema MSK es aproximadamente el mismo que el correspondiente para un sistemas BPSK Coherente (ignore el factor de escala de 2). Esto es así al precio de un incremento en la complejidad del receptor. ö ÷ ÷ø Z2 Z1 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr7. Teoría Estimación
  • 18. Pe QAM Coherente (1/2) Se puede demostrar que la probabilidad de error del símbolo en la QAM M-aria está dada aproximadamente por: O Q E O En consecuencia, podemos reescribir la ecuación anterior en términos de ES como: ö ÷ ÷ø P 2 1 1 2 @ æ - - ÷øö çè e ,QAM Maria N æ M 2 1 1 3 ç çè æ ç çè × - @ æ - - ö çè Q ÷ø S O E P e ,QAM Maria M N M 1 ö ÷ ÷ø En el caso M=4 es de interés especial. La relación de señales para este valor de M es la misma correspondiente a la QPSK. En realidad, haciendo M=4 en la ecuación de arriba y advirtiendo que para este caso especial ES=E donde E es la energía por símbolo, encontramos que la fórmula resultante para la probabilidad de error de símbolo se vuelve idéntica a ecuación de la diapositiva 8 que se reproduce aquí. ö ÷ ÷ø æ P Q E e ç çè » 0 2 N 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr8. Teoría Estimación
  • 19. Pe QAM Coherente (2/2) El resultado anterior es exacto para M=2k donde k par. Cuando k es impar, no hay sistema PAM L-ario (ÖM). Pero esto no es problema. Se puede demostrar casi directamente que la probabilidad de error de símbolo se encuentra confinada con cota superior a través de la expresión siguiente: 2 × - E P Q e ,QAM Maria N 1 é æ 1 1 2 3 ù ú úû £ - - - ê êë ö ÷ ÷ø ç çè S O M æ 4 3 ç ç è × - £ kE b ,S N O M Q 1 para cualquier k³1, y Eb.S es la energía por bit promedio. ö ÷ ÷ ø 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In1tr9. Teoría Estimación
  • 20. Pe BFSK No coherente PPrroobbaabbiilliiddaadd ddee EErrrroorr:: Con AWGN con media cero y DSP N ö ÷ ÷ø æ exp E 2 ç çè P 1 = - b 0 e 0 2N 2 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr0. Teoría Estimación
  • 21. Pe M-arios Caso: Esquema M-ario PSK La probabilidad de recepción correcta es la integral del área sombreada de la figura. Esta probabilidad puede ser limitada por alguna frontera. Por tanto, para valores grandes de E/No la probabilidad de error de símbolo es aproximadamente dada por: PPrroobbaabbiilliiddaadd ddee EErrrroorr:: ö æ sen π P Q E e,M-PSK si p / M 2 2 4 » M 0 ³ ÷ ÷ø ç çè M N E E log M b 2 = 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr1. Teoría Estimación
  • 22. Pe M-arios Caso: Esquema M-ario FSK Para FSK M-ario, el receptor óptimo corresponde a un banco de M correlaciones o filtros acoplados. En los sistemas de muestreo t=kT, el receptor toma decisiones basadas en la mayor de las salidas del filtro acoplado. La probabilidad de error de símbolo puede limitarse superiormente a: PPrroobbaabbiilliiddaadd ddee EErrrroorr:: ö æ P (M 1)Q E b 2 e,M-FSK = ÷ ÷ø donde E E log M N o ç çè £ - 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr2. Teoría Estimación
  • 23. Rendimiento de algunos esquemas 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr3. Teoría Estimación
  • 24. Pb (BER) a partir de Pe 1. Probabilidad de error de bit a partir de la probabilidad de error de símbolo. • Hay dos enfoques para definir una probabilidad de error de bit equivalente, Pb, o tasa de errores de bit (BER), a partir de la probabilidad de error de símbolo, Pe. Esto depende de: • la estructura del espacio de señales, y • el mapeo de los puntos de señales espaciales en secuencias de bits equivalentes 2. Definición 1: En este caso, asumimos que al ir de un punto de señal a un punto de señal adyacente, solamente cambia un bit en la palabra binaria representación representada en la señal. M P Pe b 2 log = Nota: PSK M-ario empleando código Gray y QAM M-ario cumplen esta condición 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr4. Teoría Estimación
  • 25. Pb (BER) a partir de Pe 3. Definición 2: Denotamos n=log2M. Asumimos que todos los errores de símbolos son igualmente probables. Definimos Pb como la razón de A, que es el número medio de bits con errores de símbolo de n-bits, con relación a n, el cual es el número de bits por símbolos. Definiremos una fórmula explícita para Pb. Observe que, en un sistema M-ario, cada símbolo se encuentra en error con una probabilidad: Pe M -1 Para un símbolo dado, suponga que k bits están en error. Entonces, hay ö maneras que esto puede suceder, lo cual resulta en: ÷ ÷ø n æ k ç çè P A = = b 1 n n para M muy grande. n å= P ® P M - = ö P - ÷ ÷ø n k æ ç çè k e e e M M k 1 ( 1) 2( 1) 2 Nota: Los sistemas FSK M-ario se encuentran bajo esta condición. 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr5. Teoría Estimación
  • 26. 2S 2009 - I. ZamoraU n i VI-Conf 17: Detec. e In2tr6. Teoría Estimación