<< Chapter < Page | Chapter >> Page > |
Un Proceso Aleatorio se define como el conjunto de señales provenientes de realizar un determinado experimento o de un evento de la naturaleza. La naturaleza aleatoria del experimento proviene del desconocimiento de cuál de las señales se obtendrá al realizar el experimento. Para caracterizar los Procesos Aleatorios se definen diversas variables aleatorias como la secuencia de valores de las diversas señales evaluadas en tiempos específicos. Así se puede hablar de x(t1), x(t2), etc. Procesos Aleatorios pueden ser continuos o discretos. Los casos especiales para Procesos Aleatorios mayormente utilizados en el ámbito de las comunicaciones son los Procesos Estacionarios y los Procesos Ergódicos.
La Función de Densidad de Probabilidades es una función que, al integrarse entre un límite inferior (L1) y un límite superior (L2), indica la probabilidad de que la variable aleatoria tome valores entre L1 y L2; el área total definida por la función de densidad de probabilidades es igual a 1. Existen varios tipos de distribución, como uniforme, gaussiana, exponencial, entre otras. La figura 1 muestra la función de densidad de probabilidades para una distribución gaussiana y una distribución uniforme respectivamente, el área pintada en azul claro representa el valor de la probabilidad de que la variable tome valores entre L1 y L2:
El concepto de función de densidad de probabilidades puede generalizarse a más de una variable, convirtiéndose en una función n-dimensional denominada Función de Densidad de Probabilidades Conjunta.
Si la función de densidad de probabilidades aplicada a una señal aleatoria en cierto instante es igual si la misma se desplaza cualquier valor de tiempo, se dice que representa un proceso estacionario de primer orden, resumiendo:
Tomándose en cuenta dos variables aleatorias de un mismo proceso: x(t 1 ) y x(t 2 ), si la función de densidad de probabilidades conjunta aplicada a ambas variables aleatorias es igual si para un desplazamiento de tiempo cualquiera, se dice que el proceso es estacionario de segundo orden:
En general, se dice que un proceso es estacionario de orden N si se cumple que:
Cualquier proceso estacionario de cierto orden, será estacionario en órdenes inferiores.
Un proceso aleatorio es ergódico respecto al primer momento si el promedio estadístico (o valor esperado E[x(t)]) y el promedio temporal (<x(t)>) coinciden; resumiendo:
Generalizando, se define la ergodicidad en orden N:
Cualquier proceso ergódico de cierto orden, es estacionario en ese mismo orden, además será ergódico en órdenes inferiores. Para procesos ergódicos de segundo orden se cumple que:
La Autocorrelación es una función que indica la relación que tiene el valor que toma una señal en un momento específico con sus vecinos temporales. El concepto de Autocorrelación se aplica para señales determinísticas y aleatorias aunque para estas últimas es una herramienta insustituible si el Proceso es Ergódico; la expresión para la misma corresponde con el valor esperado de la multiplicación de la señal en un tiempo t 1 por la misma señal en un tiempo t 2 :
La variable τ de la función de autocorrelación hace referencia a la diferencia entre los instantes de tiempo involucrados t1 y t2. Si el proceso es ergódico, puede sustituirse la expresión para el valor esperado por la expresión para el promedio temporal como indica la ecuación 4, quedando así una expresión determinística:
La DEP de una señal indica cómo está distribuida la potencia de la señal en función de la frecuencia. Para Procesos Ergódicos corresponde con la Transformada de Fourier de la función de autocorrelación y su área coincide con la potencia promedio total de la señal, y coincide a su vez la autocorrelación en τ=0.
Notification Switch
Would you like to follow the 'Señales y sistemas en matlab y labview' conversation and receive update notifications?