2 Ruido y Errores

Como se dijo previamente, el ruido constituye uno de los principales problemas a resolver
en el diseño de un sistema de comunicaciones. Se analizará el caso para señales binarias
y M-arias, o multinivel. En esta primera sección se analiza el efecto del ruido como si la
interferencia intersimbolica no existiera. Luego se considerará la ISI anulando el efecto del
ruido.

2.1 Probabilidad de error binaria

En el esquema de la figura 2.1 se representa el receptor binario en banda base:

y(tk)
x(t)
Filtro LPF Muestra xc(t)
H(f) y retención + Umbral
- V

Sincronización: D V

Figura 2.1.

La señal mas el ruido ingresan al receptor. La primera etapa consta de un filtro pasabajos
que elimina parte del ruido entrante sin producir interferencia intersimbolica. Estudiaremos
el efecto del ruido suponiendo que la ISI provocada es nula. El valor detectado por el
receptor luego de la operación de muestreo y retención es:

y(t k ) = ak + n(t k ) (2.1)

Expresión en la que se observa, respecto de la ecuación (1.11), que el termino

correspondiente a la ISI no es tenido en cuenta.

En general, se procede a calcular el valor recibido aplicando lo que se denomina “hard

decision”, es decir, se compara el valor recibido y ( t k ) con un cierto valor umbral V , de
forma tal que si el valor y ( t k ) > V , entonces el valor recibido es un uno 1, y si y ( t k ) < V ,
entonces el valor recibido es un cero 0. De esta manera el receptor convierte la señal
recibida y ( t k ) , que corresponde a una señal ruidosa muestreada, en una señal x c ( t ) ,
que es una señal similar a la expresada en ecuación (1.1), sin ruido, pero con eventuales
errores.

Los valores muestreados y ( t k ) corresponden a una variable aleatoria continua Y ,

mientras que los valores n( t k ) pertenecen a las muestras de una variable aleatoria n( t ) .
La función densidad de probabilidad de la variable aleatoria Y esta relacionada con el
ruido, y con la probabilidad condicional de los símbolos enviados. Para expresar dicha
función de probabilidad diremos que:

H 0 : Es la hipótesis de que ha sido enviado un cero ‘0’: ak = 0; Y = n

14
H1 : Es la hipótesis de que ha sido enviado un uno ‘1’: ak = A; Y = A + n.

La función densidad de probabilidad condicional para la variable aleatoria Y , dada la

ocurrencia del evento H 0 está dada por:

pY (y/H 0 ) = pN (y) (2.2)

Donde pN ( y ) es la densidad de probabilidad de ruido caracterizada normalmente por el

ruido Gaussiano.
Para la hipótesis H1 :

pY (y/H1 ) = pN (y-A) (2.3)

Dado que cuando se envía un uno 1, la señal n = y − A . La función densidad de

probabilidad de la señal ruidosa es la función de probabilidad de la señal discreta enviada,
0 o A , mas la función densidad de probabilidad del ruido pN ( n ) . El receptor de la figura
2.1 realiza la función graficada en la figura 2.2:

y(t) 1 0 1 0 0
A

tk Tb

y(tk) A

xc(t) A

0
Tb/2 tk Tb+Tb/2

Figura 2.2.

Las funciones densidad de probabilidad corresponden a versiones en el origen o

trasladadas de la función distribución Gaussiana correspondiente al tipo de ruido
normalmente analizado.

15
 pY(Y/H0) pY(Y/H1)

0 V A

Pe1 Pe0
Figura 2.3.

En la figura 2.3 puede verse que las regiones sombreadas corresponden a los valores
considerados dentro del error para cada hipótesis. Así, se supone que sucedió la
hipótesis H 0 , cuando Y < V , y que sucedió la hipótesis H1 cuando Y > V . Las
probabilidades de error están asociadas con las áreas bajo las funciones densidad de
probabilidad están representadas en la figura 2.3:
∞
Pe0 = P(Y>V / H 0 ) = ∫ V
p y (y/H 0 )dy (2.4)

V
Pe1 = P(Y<V / H1 ) = ∫
−∞
p y (y/H1 )dy (2.5)

La ubicación del umbral de decisión V es ciertamente importante. Un valor de V muy

cercano a 0 reduce el error para el valor 1, pero lo aumenta fuertemente para el valor 0, y
viceversa. Para determinar la mejor posición del valor del umbral se debe primero
determinar el valor de la probabilidad de error total para el sistema. Se la denomina
probabilidad de error promedio, por que viene precisamente dada por la expresión:

Pe = P0 .Pe0 +P1 .Pe1 (2.6)

donde:

P0 = P(H 0 ) ; P1 = P(H1 )

P0 y P1 son las probabilidades de ocurrencia de ceros y unos respectivamente. La

probabilidad de error total se calcula como promedio estadístico de los posibles errores,
pesando la probabilidad de error de cada símbolo, por la probabilidad de aparición del
mismo.
Para calcular la posición optima del valor del umbral V , se debe derivar la expresión de la
probabilidad de error respecto del umbral, e igualar a cero:

dPe /dV = 0 (2.7)

Si se realiza esta derivación, se llega la siguiente expresión:

P0 .pY (Vopt /H 0 ) = [Link] (Vopt /H1 ) (2.8)

16
Si se supone que los unos 1’s y los ceros 0’s son igualmente probables:

1
P0 = P1 = (2.9)
2

Luego:

1
Pe = (Pe 0 +Pe1 ) (2.10)
2

resultando para el valor optimo del umbral:

pY (Vopt /H 0 ) = pY (Vopt /H1 ) (2.11)

Esto significa que si los símbolos son igualmente probables entonces, el umbral debe
estar ubicado en el punto medio que separa los símbolos, para el caso de la figura 2.3,
Vopt = A/2.

α4

V Vopt

α1 α2 α3
Figura 2.4.

Si V=Vopt Si V≠Vopt

Pe1 = α1+α2 Pe1 = α1

+ +
Pe0 = α3 Pe0 = α2+α3+α4

----------- -----------

Pe = (1/2)( α1+α2+α3) Pe = (1/2)(α1+α2+α3+α4)

Como se analiza en la figura 2.4, la probabilidad de error es mínima para V = Vopt = A/2.

17
La función densidad de probabilidad del ruido corresponde al caso del ruido Gaussiano,
que se caracteriza por poseer valor medio cero, y dispersión σ 2 . La función densidad de
probabilidad (fdp) esta expresada en la ecuación:

y2
1 -
2σ 2
pN (y) = .e (2.12)
2.π .σ 2

Para el caso general en que la fdp se encuentra desplazada a un valor medio m , distinto
de cero:

(y-m)2
1 -
2σ2
pN (y) = .e (2.13)
2
2.π .σ

pN(y)

Q(k)

m m+kσ

Figura 2.5.

La probabilidad de que un cierto valor de tensión correspondiente a la variable aleatoria

Y supere el valor m+kσ esta dada por la siguiente expresión:

(y-m)2
1 ∞ −
P(Y>m+kσ) =
2.π .σ 2 ∫
m + kσσ
e 2 .σ 2
.dx (2.14)

para realizar cálculos de este tipo en forma normalizada se define la función:

( λ )2
1 ∞ −
Q(k) =
2.π
∫ k
e 2.
.dλ (2.15)

Siendo:

y-m
λ= (2.16)
σ

Si ahora en función de la anterior definición se trabaja sobre la variable aleatoria Y , que

representa al valor de tensión resultante de la amplitud afectada por ruido, y se pretende
calcular las probabilidades de error anteriormente expresadas en ecuaciones 2.4 y 2.5 se
tiene:

18
 y2
∞ 1 ∞ −
Pe0 = ∫V
pN (y)dy =
2πσ 2
∫
V
e 2 .σ 2
dy = Q(V/σ) (2.17)

e igualmente:

(y-A)2
V 1 V −
Pe1 = ∫-∞
pN (y-A)dy =
2.π .σ 2 ∫ −∞
e 2 .σ 2
dy = Q((A-V)/σ) (2.18)

Cuando V = Vopt las curvas se cortan en el punto medio Vopt = A/2.

las probabilidades de error son iguales y resultan ser:

Pe0 = Pe1 = Q(A/ 2 σ)

1 (2.19)
Pe = (Pe0 +Pe1 ) = Q(A/ 2 σ)
2

Esta es la mínima probabilidad de error binaria en presencia de ruido blanco Gaussiano

cuando los dígitos son igualmente probables. Como puede verse, el término A / 2 σ o su
correspondiente valor elevado al cuadrado, define la magnitud de los errores en el
sistema, o sea la probabilidad de error para un receptor dado.
Este resultado es el mismo para la señalización polar cuando la distancia entre los
símbolos permanece constante e igual a A ( a k = ± A / 2 ).
Para vincular la probabilidad de error y la relación señal ruido, se plantea primeramente el
calculo de la potencia asociada a la secuencia de valores del alfabeto de M elementos
expresada en la ecuación (1.1).
Si se determina que T es un periodo lo suficientemente grande para una secuencia de
valores transmitida en espacios de tiempo D , tal que T = ND , y N >> 1 , se tendrá para
señalización con pulsos rectangulares:

1 |t| < τ / 2
p(t) =  (2.20)
0 |t| > τ / 2

Siendo τ ≤ D .

1 1 1 T/ 2 k=N/ 2
( ∑ ak .p(t-kD))2 dt = ∑ ak2 p 2 (t-kD)dt = ∑a
T/ 2 T/ 2
∫ ∫ ∫
2
SR = k p 2 (t-kD)dt
T −T/ 2
k T −T/ 2
k T −T/ 2
k=-N/ 2

1 D/ 2 2 2 N 0 D/ 2 2 2 N1 D/ 2 2 2
SR = ∑ ∫ ∫ N.D ∫−D/ 2
ak p (t)dt = a0 p (t)dt+ a1 p (t)dt
k ND N.D
− D/ 2 − D/ 2

1 τ/ 2 2 2 1 τ/ 2
SR = P0 ∫
D −τ/ 2
a0 p (t)dt+ P1 ∫ a12 p 2 (t)dt
D −τ/ 2
(2.21)

Si el formato empleado es NRZ, entonces D = τ = Tb :

SR = A2/2 Unipolar NRZ

19
 SR = A2/4 Polar NRZ

 2S R Unipolar
A= (2.22)
 4S R pola r

Si σ 2 es la potencia de ruido N R a la salida del filtro, puede decirse entonces que:

2
 A  A2 (1 / 2 )(S/N)R Unipolar
  = = (2.23)
 2σ  4N R (S/N)R Polar

En el formato unipolar se necesita el doble de potencia que en el polar para tener la

misma probabilidad de error. La velocidad de señalización límite para señal binaria rb esta
dada por la expresión (1.14) resultando entonces:

N R = η B ≥ η rb / 2 (2.24)

2.2 Filtro adaptado

El filtro pasabajos que se encuentra a la entrada del receptor tiene por objeto limitar el
ruido entrante al sistema. Como se ha explicado, el filtrado excesivo podría provocar ISI,
por lo que existirá un compromiso entre el filtrado de ruido y la interferencia que este
provoca. Si los pulsos son limitados en el tiempo, y el ruido presente es blanco y
Gaussiano, el filtro de características optimas en términos de ruido e ISI es el filtro
adaptado.

2.2.1 Filtro Adaptado a la detección de pulsos

El filtro adaptado maximiza la relación señal-ruido, siendo esta en realidad, la relación que
existe entre el valor muestreado en el instante optimo y la potencia de ruido que ingresa a
través del filtro.
En el caso analizado, el pulso entrante tiene forma conocida p( t ) .

x R (t) = AR p(t-t 0 ) (2.25)

este pulso es una señal de energía que tiene una transformada de Fourier:

X R (f) = AR P(f)e -jωt0 (2.26)

con energía:
∞
E R = AR2 ∫ | P(f) | 2 df (2.27)
−∞

20
El filtro óptimo debe reducir el ruido y maximizar el valor de la amplitud a ser detectada en
el instante óptimo t = t 0 + t d .

Gn(f)

xR(t) yD(t)
H(f)

AR+nD

t0+td

Figura 2.6.

La amplitud del pulso a la salida del filtro puede ser obtenida a partir de la función
transferencia del mismo y el espectro del pulso recibido de la siguiente forma:

A = F -1 [H(f).X R (f)] (2.28)

t=t 0 + t d

∞ ∞
A= ∫ -∞
H(f).AR P(f).e -jωt0 .e jω( t0+td ) df = AR ∫ H(f).P(f).e jωt d df
-∞
(2.29)

El valor de potencia de ruido que ingresa al sistema viene dado por:

∞
σ2 = ∫ −∞
| H(f) |2 Gn (f)df (2.30)

El filtro deberá entonces maximizar el cociente entre el valor muestreado y la potencia de

ruido que ingresa por él:

∞
AR2 ∫ H(f).P(f).e jωt d df 2
2
 A -∞
  = ∞
(2.31)
σ 
∫
−∞
| H(f) |2 Gn (f)df

Empleando la desigualdad de Schwarz y haciendo:

21
 ∞ 2

∫−∞
V(f).W*(f)df ∞
≤ ∫ W(f) df
2
∞
(2.32)
∫
2 −∞
V(f) df
−∞

V(f) = H(f). Gn (f) (2.33)

AR .P(f).e jωtd
W*(f) = (2.34)
Gn (f)

La igualdad se cumple si hay proporción entre V(f) y W(f):

KW(f)
V(f) = (2.35)
AR
entonces, se obtiene el máximo valor
2 2
 A ∞ P(f)
  = AR .∫
2
df (2.36)
 σ  max − ∞ G (f)
n

y por lo tanto, el filtro queda como:

KP*(f).e -jωtd
H opt (f) = (2.37)
Gn (f)

de la expresión se observa que el filtro enfatiza las frecuencias para las que la señal tiene
un valor alto, y de-enfatiza las frecuencias para las que el ruido es alto.

Si el ruido es blanco la distribución de componentes espectrales es plana:

2
 A 2.AR2 ∞ 2E R
∫
2
  = . P(f) df = (2.38)
 σ  max η −∞ η

Donde ER es la energía del pulso recibido.

En este caso la respuesta impulsiva del filtro resulta ser:

2K 2K ∞
η ∫−∞
hopt (t)= F -1 [ .P*(f).e -jωt d ] = . P*(f).e − jω(td −t) df (2.39)
η

hopt (t)=
2K ∞
η ∫−∞
[
. P(f).e jω( td −t) df ] = 2ηK .p(t
*

d − t)* =
2K
η
.p(t d − t) (2.40)

22
2.2.2 Filtro Adaptado para un pulso de forma definida

Si la señal de entrada es un pulso rectangular de duración τ , limitada en el tiempo, y

centrado en t = kD :

x(t) = ak .p(t-kD) (2.41)

p(t) , x(t) ak

kD-τ/2 kD kD+τ/2

Figura 2.7.

El filtro adaptado intentara, en este caso, maximizar el cociente (a k / σ ) en el instante de

2

muestreo t k = kD + t d para minimizar la probabilidad de error. Empleando los resultados

anteriores, la respuesta impulsiva del filtro que recibe en forma óptima este tipo de pulsos,
esta dada por la siguiente expresión:

ak = F -1 [H(f)X R (f)] (2.43)

t=t 0+t d

∞ 2K 2K +∞
ak = ak ∫ .P*(f)P(f)e jωtd .e -jωtd df ak = ak ∫ p 2 (t)dt (2.44)
−∞ η η −∞

η
K= + ∞ 2 (2.45)
∫ p (t)dt
2
−∞

1
h(t) = .p(t d -t) (2.46)
τ eq

donde:
∞
τ eq = ∫−∞
p 2 (t)dt (2.47)

La constante 1 / τ eq se elige de tal manera que la amplitud sea igual a ak Esta

normalización corresponde a un pulso de forma determinada y limitado en el tiempo:

23
 ak

τeq
Figura 2.8.

El ancho de pulso equivalente τ eq corresponde al ancho de un pulso cuadrado que

teniendo la misma energía que el pulso original, tiene a su vez un valor máximo y
constante igual a ak .
La energía del pulso de forma arbitraria se calcula entonces como:
∞ ∞
E b = ∫ a k2 .p 2 (t)dt = a k2 ∫ p 2 (t)dt = a k2 .τ eq (2.48)
−∞ −∞

El mínimo valor de t d es τ / 2 .
Las formas de onda típicas en la recepción de un pulso cuadrado se ven en la figura 2.9.
x(t)

t0 t0+τeq/2 t0+τeq
h(t)
1/τeq

τeq

ak

tk-τeq tk tk+τeq

Figura 2.9.

La potencia de ruido a la salida del filtro adaptado se calcula de la siguiente manera:

2
∞ η ∞ η ∞ p(t) η
∫ ∫−∞ h(t) 2 dt = ∫
2 2
NR = σ = 2
H(f) df = dt (2.49)
−∞ 2 −∞ τ eq2 2

24
 η
N R =σ 2 = (2.50)
2τ eq

Este es el valor mínimo de potencia de ruido que puede ingresar por el filtro. El valor
mínimo siempre se verifica para el filtro adaptado. En general se puede decir que la
potencia de ruido entrante a un filtro dado será:

η
N R =σ 2 ≥ (2.51)
2τ eq

Se calcula el valor del parámetro ( A / 2 σ ) 2 para un receptor con filtro adaptado. Se

calcula para el caso de un sistema de transmisión binaria a velocidad rb que tiene una
potencia recibida S R , en presencia de ruido blanco de densidad espectral de potencia η .

Para la medición de sistemas binarios se definen los siguientes parámetros:

SR
Eb = Energía promedio por bit (2.52)
rb

SR E
γb = = b Relación de la energía por bit a la potencia de ruido (2.53)
ηηr b η

La energía promedio por bit para los valores discretos de la secuencia expresada en
ecuación (1.1) puede ser calculada como:
∞ ∞
E b = E [a k2 ∫−∞
p 2 (t-kD)dt ] = E [a k2 ∫
−∞
p 2 (t)dt ] = ak2 .τ eq (2.54)

El valor de a k2 depende siempre de la estadística y forma de la información de entrada:

 A2

2
E[a k ] = ∑ ak2 .P(ak ) = (1 / 2 )A 2 + (1 / 2 )0 2 =
k 2
Unipolar
a k2 =  (2.55)
E[a 2 ] = A2
 k ∑k k k
a 2
.P(a ) = (1 / 2 )(A/ 2 ) 2
+ (1 / 2 )( − A/ 2 ) 2
=
4
Polar

Si se considera aplicado en el receptor un filtro adaptado, la potencia de ruido viene dada

por la expresión (2.50)
Utilizando este resultado:

 2 a k2 2 E b 2τ eq E
 2
= = b = γ b Unipolar
 4σ 4 ητ eq η η
2
 A 
  = 2 (2.56)
 2σ   4 a k = E b 2τ eq = 2 E b = 2γ Polar
 4σ 2 ητ eq η η
b


25
Pero como se ha evaluado en la sección anterior, la probabilidad de error depende del
termino ( A / 2 σ ) 2 , con lo que para los formatos Unipolar y Polar en señalización binaria
se tiene:

Q( γ b ) Unipolar
Pe =  (2.57)
Q( 2γ b ) Polar

Este es el mínimo valor de probabilidad de error que puede obtenerse y se registra

cuando se emplea el filtro adaptado. Cualquier otro tipo de filtro producirá mayor cantidad
de errores que el numero expresado en ecuación (2.56), obedeciendo en general a la
expresión (2.51).
El filtro adaptado genera la mejor relación señal ruido posible desde el punto de vista del
receptor, para un dado pulso de entrada. La respuesta impulsiva de ese filtro se obtiene
revirtiendo el eje del tiempo y desplazando Tb segundos a la forma de onda del pulso
entrante, cuando el ruido es del tipo blanco, aditivo y Gaussiano.
Si por ejemplo el pulso de entrada fuera de tipo triangular, tal como el que se ve en la
figura 2.10:

p(t)

(a)

Tb

h(t) = p(Tb-t)
(b)

Tb
Figura 2.10.

La forma del pulso es revertida y desplazada para conseguir la transferencia del filtro
adaptado h( t ) , como se ve en la figura 2.10(b). Cuando un pulso de la forma p( t )
presentado en la figura 2.10 es recibido por un filtro de transferencia h( t ) se produce a la
salida una forma de onda que es la integración del producto de p( t ) por h( t ) , revertido
en el tiempo. La situación para τ = 0 y τ > 0 se ve en la figura 2.11:

26
 h(-t) p(t)

Tb
h(t1-t) p(t)

Tb
figura 2.11.

Cuando el proceso de convolución llega al instante Tb , las formas de onda coinciden en el

tiempo, y el producto es máximo. Este es el instante óptimo de muestreo a la salida del
filtro, t k = Tb / 2 . (Se está considerando que t 0 y t d son cero).

2.2.3 Filtro de Correlación

Para el caso en que el ruido es blanco, el filtro adaptado puede configurarse empleando la
correlación de la entrada con una forma de onda replica de la señal de entrada.

p(t) y(tk)
Integrador
tk
∫t k −τ eq
p(t)s(t)dt

s(t)

Figura 2.12.

La expresión del proceso de correlación es la siguiente:

tk
y(t k ) = ∫
t k −ττ eq
p(t)s(t)dt (2.58)

Para verificar que esta expresión es equivalente a la de la operación del filtro adaptado
puede verse que :
tk
y(t k ) = p(t k )*h(t k ) = ∫ p(λ )h(t k − λ )dλ (2.59)
−∞

pero:
1
 p(t k -t) 0 ≤ t ≤ τ eq
h(t) = τ eq (2.60)
0 otro valor de t


27
luego:
tk tk
y(t k ) = ∫
t k −τ eq
p(λ)s(t k -(t k -λ ) ).dλ = ∫
t k −τ eq
p(λ )s(λ)dλ (2.61)

Una implementación práctica del filtro adaptado para pulsos cuadrados lo constituye el
filtro de integración y descarga.

2.3 Probabilidad de Error M-aria

La señalización binaria provee la mayor aislación contra el ruido debido a que todo el
rango dinámico de tensiones es utilizado solo por dos niveles. El empleo de la
señalización M-aria o multinivel, tiene por objeto aumentar la velocidad de señalización
manteniendo el ancho de banda constante, pero dicho objetivo es logrado a expensas de
la performance de error, o bien para conservar la misma probabilidad de error, a expensas
de mayor potencia.
Se calculará la probabilidad de error en presencia de ruido blanco y Gaussiano, de valor
medio cero y potencia de ruido σ 2 .

Se empleará señalización polar, para simplificar algunos cálculos:

a k = ± A/ 2 ; ± 3 A/ 2 ;....; ± (M-1 )A/ 2 (2.62)

Si todos los símbolos del alfabeto de M valores son equiprobables:

1
Pe = .(Pe0 +Pe1+...+PeM-1 ) (2.63)
M

El esquema de funciones densidad de probabilidad para una señal M-aria de por ejemplo
4 niveles se presenta en la figura 2.13:

pY(y/H0) pY(y/H1) pY(y/H2) pY(y/H3)

-3A/2 -A -A/2 0 A/2 A 3A/2 y

Figura 2.13.

Los umbrales de decisión se determinan suponiendo que todos los valores son
igualmente probables de forma que se encuentran ubicados en el punto medio de los
valores medios de cada función densidad de probabilidad. Los umbrales se encuentran en
−A, 0 y +A.
Los símbolos no tienen la misma probabilidad de error. Para los símbolos de los extremos
izquierdo y derecho:

28
  A 
Pe0 = Pe 3 = Q  (2.64)
 2σ 

Mientras que para los símbolos de la zona media:

 A 
Pe1 = Pe 2 = 2Q  (2.65)
 2σ 

La probabilidad de error resultante es entonces:

1   A   A  3  A 
Pe=
4 2Q 2 σ  + 2 x 2Q 2 σ  = 2 Q 2 σ  (2.66)
      

Extendiendo este resultado a una señal de M valores posibles, siendo M = 2 n , con

umbrales de decisión ubicados en y = 0, ±A, ±2A, ...,±[(M-2)/2]A:

1   A   A   1  A 
Pe=
M 2Q 2 σ  + 2(M − 2 )Q 2 σ  = 2 1- M Q 2 σ  (2.68)
        

La expresión coincide con la de la probabilidad binaria si M = 2 . Para relacionar esta

expresión con la anteriormente dada para la relación señal ruido, se calcula la energía
promedio por símbolo M-ario:

[ ∞

−∞
]
E M = E ∫ a k2 p 2 (t)dt = a k2 ∫
−∞
∞
p 2 (t)dt = a k2 τ eq (2.69)

El valor medio de ak2 se evalúa según la expresión:

2
1 M/ 2
 A M 2 −1 2
a = ∑ a P(a k ) = 2
2
k
2
k ∑ 2
( 2 i-1 )   = A (2.70)
k M i =1 2 12

Relacionando estas expresiones con la ecuación (2.69)

12 E M
A2 = (2.71)
τ eq (M 2 − 1 )
Por analogía con la expresión:

SR =E b r b (2.72)

Se tendrá:

S R =E M r (2.73)

Luego:

29
 2
 A  3E M 3 SR
  = 2 2
= 2
(2.74)
 2σ  (M -1 )τ eq σ (M -1 )τ eq r N R

2
 A  6 SR
  ≤ 2
(2.75)
 2σ  (M - 1) ηr

Cuando se considera el caso del filtro adaptado:

η
NR =
2τ eq

Se obtiene el valor máximo de la expresión (2.75). Las expresiones derivadas para la

probabilidad de error de una señalización M-aria pueden ser relacionadas con la
probabilidad de error binaria correspondiente. Este calculo de la probabilidad de error
depende de la forma en que se establece la correspondencia entre los símbolos M-arios y
la información binaria. Cuando se emplea la asignación del código Gray, es de esperar
que si la relación señal-ruido es aceptable, cada símbolo se confunda con uno de los dos
mas próximos, de forma que el error de una palabra a la otra se traduzca en el error de un
solo bit. Distinto seria el caso por ejemplo de la asignación con código natural, donde el
error de un símbolo al vecino pude significar uno o mas errores binarios. Para la
codificación con código Gray, en presencia de una relación señal ruido aceptable se
puede decir que:

Pe
Pbe ≅ (2.76)
log 2 M

Donde Pe es la probabilidad de error M-aria, Pbe es la probabilidad de error binaria

correspondiente, y M el numero de niveles. Combinando esta expresión con la
previamente obtenida para la probabilidad de error M-aria:

2(M - 1)  A 
Pbe ≅ Q  (2.77)
M log 2 M  2 σ 

Ejemplo: Comparación entre señalización binaria y M-aria.

Suponga que se tiene un canal con velocidad de señalización fija e igual a 3000 baud, y
una relación señal ruido fija en 400 veces, es decir aproximadamente 20 dB. Considérese
filtro adaptado y uso de pulsos rectangulares NRZ, con lo que r .τ eq = 1 .

Por usarse filtro adaptado:

2
 A  3 S  6log M
  = 2   = 2 2 γb
 2σ  M −1  N R M −1

La siguiente tabla muestra los valores calculados para r = 3000 baud y (S / N )R = 400 ;

30
M rb Kbps A / 2σ Pbe η B ,bits/Hz
-89
2 3 20.0 3.10 1
4 6 8.9 1.10-19 2
8 9 4.4 4.10-6 3
16 12 2.2 7.10-3 4
32 15 1.1 6.10-2 5

Si se plantea mantener constante la probabilidad de error y la velocidad de señalización

binaria, puede analizarse cuanto debe aumentarse la potencia de transmisión para
conservar estos parámetros fijos. Esta comparación se hace en la siguiente tabla, en que
r b = 9000 bits/sec, y Pbe = 4.10 −6 .

M r (kbaud) γ b
2 9.00 10
4 6.00 24
8 3.00 67
16 2.25 200
32 1.80 620

Donde puede verse que para aumentar el numero de niveles con la probabilidad error
binaria y velocidad binaria constante, se precisa aumentar la potencia 60 veces si M
varia de M = 2 a M = 32 .

31