<< Chapter < Page Chapter >> Page >
En este módulo se explica el método de recepción no coherente de las señales OOK (On-Off Keying) y FSK (Frequency Shift Keying), su esquema general y la forma de calcular la Probabilidad de Error para cada sistema.

Detección no coherente para modulaciones ook y fsk

González C. Y. Venuska

Mezoa R. Mariangela

Resumen

En este módulo se explica el método de recepción no coherente de las señales OOK (On-Off Keying) y FSK (Frequency Shift Keying), su esquema general y la forma de calcular la Probabilidad de Error para cada sistema.

En el módulo anterior mencionábamos el método de detección coherente para obtener el mensaje original en el destino de nuestro sistema de comunicaciones. En él, por ejemplo para OOK o para PSK, se multiplicaba la señal modulada por un tono de la misma frecuencia que la señal portadora, pasando luego por un sistema de comparación con un umbral, obteniendo así el mensaje original. Sin embargo, este tipo de detección es muy costosa e innecesaria si la señal es lo suficientemente fuerte para una fiabilidad adecuada. Es por esto (y también para evitar los problemas de sincronización) que se implementan los sistemas de detección no coherente .

Antes de observar la detección no coherente para las modulaciones OOK y FSK, se analizará la envolvente de una señal sinusoidal con ruido en Banda Base.

Supongamos que se tiene una sinusoide (portadora) contaminada con ruido pasabanda gaussiano n(t) de varianza σ² y media nula, entonces:

n ( t ) = n i ( t ) Cos ( w c t ) n q ( t ) Sin ( w c t ) ACos ( w c t ) + n ( t ) = R ( t ) Cos ( w c t + Φ ( t ) ) ( a ) Donde : R = ( A + n i ) 2 + n q 2 ( b ) ; Φ = arctg n q A + n i ( c ) alignl { stack { size 12{n \( t \) =n rSub { size 8{i} } \( t \) ital "Cos" \( w rSub { size 8{c} } t \) - n rSub { size 8{q} } \( t \) ital "Sin" \( w rSub { size 8{c} } t \) } {} #{} # ital "ACos" \( w rSub { size 8{c} } t \) +n \( t \) =R \( t \) ital "Cos" \( w rSub { size 8{c} } t+Φ \( t \) \) matrix {{} # \( a \) {} } {} #ital "Donde": {} # {} #R= sqrt { \( A+n rSub { size 8{i} } \) rSup { size 8{2} } +n rSub { size 8{q} rSup { size 8{2} } } } matrix { matrix {{} # \( b \) {} } {} # ; {} # Φ= ital "arctg" { {n rSub { size 8{q} } } over {A+n rSub { size 8{i} } } } {}} matrix { {} # \( c \) {}} {} } } {}

Como se sabe, las componentes de ruido n i , n q son variables aleatorias independientes que tienen la misma distribución que n(t). Nuestro objetivo será buscar la función de densidad de Probabilidad (fdp) de R ya que esto es lo que ofrece a la salida un detector de envolvente.

Si A=0 , el valor de R se convierte en una envolvente que llamaremos An con distribución de Rayleigh:

P An ( A n ) = A n σ 2 e An 2 2 ; Si : A n 0 size 12{P rSub { size 8{ ital "An"} } \( A rSub { size 8{n} } \) = { {A rSub { size 8{n} } } over {σ rSup { size 8{2} } } } e rSup { size 8{ - { { ital "An" rSup { size 6{2} } } over {2σ rSup { size 6{2} } } } } } ; matrix { matrix {{} # ital "Si":{} } {} # A rSub {n} size 12{>= 0}{} } } {}

Hacemos un paréntesis aquí para recordar el modelo de Rayleigh:

Distribución rayleigh:

Si asignamos entonces un valor arbitrario para A , hacemos la conversión de rectangular a polar para obtener la fdp conjunta de R y Φ :

P ( R , Φ ) = R 2 πσ 2 e R 2 2 ARCos Φ + A 2 2 Para : A 0 ; Φ π size 12{P rSub { size 8{RΦ} } \( R,Φ \) = { {R} over {2 ital "πσ" rSup { size 8{2} } } } e rSup { size 8{ left ( - { {R rSup { size 6{2} } - 2 ital "ARCos"Φ+A rSup { size 6{2} } } over {2σ rSup { size 6{2} } } } right )} } matrix { {} # ital "Para": {} # A>= 0; lline Φ rline<= π{} } } {}

En la ecuación observamos que R y Φ no son estadísticamente independientes, por lo que se deben hallar las distribuciones marginales , es decir, la fdp de R debe calcularse integrando la fdp conjunta en el rango de Φ):

P R ( R ) = R 2 πσ 2 e R 2 + A 2 2 π π e ARCos Φ 2 size 12{P rSub { size 8{R} } \( R \) = { {R} over {2 ital "πσ" rSup { size 8{2} } } } e rSup { size 8{ left ( - { {R rSup { size 6{2} } +A rSup { size 6{2} } } over {2σ rSup { size 6{2} } } } right )} } Int rSub { - π} rSup {π} {e rSup { left ( { { ital "ARCos"Φ} over {2σ rSup { size 6{2} } } } right )} } size 12{dΦ}} {}

Aquí se identifica un elemento relacionado con la función de Bessel modificada de primera clase y orden 0:

I 0 ( v ) = 1 π π e vCos φ φ Donde I 0 ( v ) { e v 2 4 v << 1 e v 2πv v >> 1 alignl { stack { size 12{I rSub { size 8{0} } \( v \) = { {1} over {2π} } Int cSub { size 8{ - π} } cSup { size 8{π} } {e rSup { size 8{ ital "vCos"φ} } φ} } {} #ital "Donde" {} # {} #I rSub { size 8{0} } \( v \) approx left lbrace matrix { alignl { stack {e rSup { size 8{ { {v rSup { size 6{2} } } over {4} } } } matrix { {} # {} # v"<<"1{} } {} #{} } } {} ##{ {e rSup {v} } over { size 12{ sqrt {2πv} } } } matrix { {} # {} # size 12{v">>"1} {} } {}} right none {} } } {}

Por lo que:

P R ( R ) = R σ 2 e ( R 2 + A 2 ) 2 I 0 AR σ 2 R 0 size 12{P rSub { size 8{R} } \( R \) = { {R} over {σ rSup { size 8{2} } } } e rSup { size 8{ { { - \( R rSup { size 6{2} } +A rSup { size 6{2} } \) } over {2σ rSup { size 6{2} } } } } } I rSub {0} left ( size 12{ { { ital "AR"} over {σ rSup {2} } } } right ) matrix { {} # size 12{R>= 0} {} } } {}

Esta última ecuación se conoce como Distribución Rice ( Rician Distribution ).

Si A>> σ , El valor de R tendrá una menor proporción del ruido, por lo que:

R = A 1 + 2n i A + ( n i 2 + n q 2 ) A 2 A + n i size 12{R=A sqrt {1+ { {2n rSub { size 8{i} } } over {A} } + { { \( n rSub { size 8{i} rSup { size 8{2} } } +n rSub { size 8{q} rSup { size 8{2} } } \) } over {A rSup { size 8{2} } } } } approx A+n rSub { size 8{i} } } {}

Esto implica que la envolvente R será gaussiana ya que n i lo es.

Para cuando A>>σ, la ecuación puede simplificarse como:

P R ( R ) = R 2πAσ 2 e ( R 2 A 2 ) 2 A σ size 12{P rSub { size 8{R} } \( R \) = sqrt { { {R} over {2πAσ rSup { size 8{2} } } } } e rSup { size 8{ { { - \( R rSup { size 6{2} } - A rSup { size 6{2} } \) } over {2σ rSup { size 6{2} } } } } } matrix { {} # A>= σ{} } } {}

Finalmente, se confirma que la fdp es una curva Gaussiana con varianza σ² centrada en R≈A.

En definitiva se tienen 3 posibles distribuciones para la envolvente: Rayleigh cuando A=0, Rice cuando A es comparable con la desviación estándar del ruido y Gaussiana cuando A>>σ

fdp de la envolvente R con ruido.

1. detección no coherente - ook

El receptor no coherente para una señal modulada OOK puede expresarse como sigue:

Como se observa, la señal modulada OOK será detectada por un filtro pasabanda, seguido por un detector de envolvente. Si se transmite un 0 lógico, el ruido tendrá distribución Rayleigh. Pero, si se transmite un 1 lógico, el ruido puede tener distribución Rice o Gaussiana.

La probabilidad de error será:

Pe = P P ( T 1 ) + P P ( T 0 ) = P ( A + n1 < Umbral ) P ( T 1 ) + P ( n2 > Umbral ) P ( T 0 ) size 12{ ital "Pe"=P left ( {e} wideslash {T rSub { size 8{1} } } right )P \( T rSub { size 8{1} } \) +P left ( {e} wideslash {T rSub { size 8{0} } } right )P \( T rSub { size 8{0} } \) =P \( A+n1<ital "Umbral" \) P \( T rSub { size 8{1} } \) +P \( n2>ital "Umbral" \) P \( T rSub { size 8{0} } \) } {}

La probabilidad de error tal que se transmite un 1 se calculará usando la distribución Rice. La probabilidad de error tal que se transmite un 0 será calculada usando la distribución de Rayleigh.

Al igualar las áreas obtenemos el Umbral:

Umbral = A 2 1 + A E 1 = A 2 tb 2 E 0 = 0 Entonces : S N = E 1 = E p η = A σ 2 alignl { stack { size 12{ ital "Umbral"= { {A} over {2} } sqrt {1+ { {8σ} over {A} } } } {} #size 12{E rSub { size 8{1} } = { {A rSup { size 8{2} } ital "tb"} over {2} } } {} # E rSub { size 8{0} } =0 {} #{} # ital "Entonces": {} #{} # left ( { {S} over {N} } right )= { {E rSub { size 8{1} } } over {2η} } = { {E rSub { size 8{p} } } over {η} } = left ( { {A} over {σ} } right ) rSup { size 8{2} } {}} } {}

Si se tiene bajo ruido (Ep/)>>1:

P ( e / T 0 ) = P R ( Rayleigh ) dR = e A 2 2 = e Ep P ( e / T 1 ) = 0 P R ( Gauss ) dR Q E η 1 E η e Ep alignl { stack { size 12{P \( {e} slash {T rSub { size 8{0} } } \) = Int cSub { size 8{ {A} wideslash {2} } } cSup { size 8{ infinity } } {P rSub { size 8{R} } \( ital "Rayleigh" \) } ital "dR"=e rSup { size 8{ { { - A rSup { size 6{2} } } over {8σ rSup { size 6{2} } } } } } =e rSup { { { - ital "Ep"} over {2η} } } } {} #{} # size 12{P \( {e} slash {T rSub { size 8{1} } } \) = Int cSub { size 8{0} } cSup { size 8{ {A} wideslash {2} } } {P rSub { size 8{R} } \( ital "Gauss" \) } ital "dR" approx Q left ( sqrt { { {E} over {η} } } right ) approx { {1} over { sqrt {2π} sqrt { { {E} over {η} } } } } e rSup { size 8{ { { - ital "Ep"} over {2η} } } } } {}} } {}

Finalmente:

Pe OOK = 1 2 e Ep size 12{ ital "Pe" rSub { size 8{ ital "OOK"} } = { {1} over {2} } e rSup { size 8{ { { - ital "Ep"} over {2η} } } } } {}

A continuación se comparan las curvas de probabilidad de error cuando se usa detector coherente y no coherente para OOK:

Como se observa, OOK con detección coherente presenta menor valor de Probabilidad de error para un determinado valor E/. Para que OOK con detección no coherente tenga la misma probabilidad de error que con detección coherente es necesario que se transmita más potencia.

2. detección no coherente – fsk

El sistema de detección no coherente para una señal FSK es:

La señal de entrada FSK entra de forma simultánea a los dos filtros Pasabanda. Cada filtro pasará la frecuencia asignada para un 1 lógico o un 0 lógico a su detector de envolvente correspondiente. Cuando llegue la señal modulada correspondiente al “0” y1 será pequeño y y0 será grande; la resta será negativa. Para un “1” la situación será opuesta

La probabilidad de error tal que se transmite un 1 se calculará usando la distribución Rice. La probabilidad de error tal que se transmite un 0 será calculada usando la distribución de Rayleigh.

La regeneración de la señal está basada en la diferencia de envolventes Y1-Y0= y1(t)-y0(t) . Dada la simetría del receptor, no importa el valor de A, La P(e/T 1 ) será igual a:

P = P ( Y 1 Y 0 < 0 H 1 ) = P ( Y 0 > Y 1 H 1 ) Como P = P = Pe Pe = 0 P Y 1 ( Y 1 H 1 ) Y 1 P Y 0 ( Y 0 H 1 ) dy 0 dy 1 Pe = 0 y 1 σ 2 e . I 0 Ay 1 σ 2 dy 1 ( d ) alignl { stack { size 12{P left ( {e} wideslash {T rSub { size 8{1} } } right )=P \( Y rSub { size 8{1} } - Y rSub { size 8{0} }<0 \rline H rSub { size 8{1} } \) =P \( Y rSub { size 8{0} }>Y rSub { size 8{1} } \rline H rSub { size 8{1} } \) } {} # {} #ital "Como" matrix { {} # alignl { stack {P left ( {e} wideslash {T rSub { size 8{1} } } right )=P left ( {e} wideslash {T rSub { size 8{0} } } right )= ital "Pe" {} #{} } } {}} {} # ital "Pe"= Int cSub {0} cSup { infinity } {P rSub { size 8{Y rSub { size 6{1} } } } } size 12{ \( Y rSub {1} \rline } size 12{H rSub {1} } size 12{ \) left [ Int cSub {Y rSub { size 6{1} } } cSup { infinity } {P rSub {Y rSub { size 6{0} } } size 12{ \( Y rSub {0} \rline } size 12{H rSub {1} } size 12{ \) ital "dy" rSub {0} }} right ]} size 12{ ital "dy" rSub {1} } {} # {} #size 12{ ital "Pe"= Int cSub {0} cSup { infinity } { { {y rSub {1} } over { size 12{σ rSup {2} } } } size 12{e rSup { { - \( 2y rSub { size 6{1} } +A rSup { size 6{2} } \) } wideslash {2σ rSup { size 6{2} } } } }} size 12{ "." I rSub {0} left ( size 12{ { { ital "Ay" rSub {1} } over { size 12{σ rSup {2} } } } } right )} size 12{ ital "dy" rSub {1} matrix { {} # {} # size 12{ \( d \) } {}} }} {} } } {}

Si hacemos los cambios de variable:

λ = 2 y 1 α = A 2 alignl { stack { size 12{λ= sqrt {2} y rSub { size 8{1} } } {} #α= { {A} over { sqrt {2} } } {} } } {}

Y los sustituimos en la ecuación (d), tendremos que el integrando de la Probabilidad de Error total de FSK es exactamente la misma función correspondiente a la fdp de Distribución Rice. Por lo tanto:

Pe = 1 2 e 0 λ σ 2 e I 0 αλ σ 2 Pe FSK = 1 2 e = 1 2 e Ep alignl { stack { size 12{ ital "Pe"= { {1} over {2} } e rSup { size 8{ { - A rSup { size 6{2} } } wideslash {4σ rSup { size 6{2} } } } } Int cSub {0} cSup { infinity } { { {λ} over {σ rSup {2} } } } size 12{e rSup { { - \( A rSup { size 6{2} } +σ rSup { size 6{2} } \) } wideslash {2σ rSup { size 6{2} } } } } size 12{I rSub {0} left ( size 12{ { { ital "αλ"} over {σ rSup {2} } } } right )} size 12{dλ}} {} #{} # size 12{ ital "Pe" rSub { size 8{ ital "FSK"} } = { {1} over {2} } e rSup { size 8{ { - A rSup { size 6{2} } } wideslash {4σ rSup { size 6{2} } } } } = { {1} over {2} } e rSup { { { - ital "Ep"} over {2η} } } } {}} } {}

Se observa que las Probabilidades de Error para FSK y OOK no coherentes son prácticamente iguales. Sólo se diferenciarán para cuando Ep/ sea un valor muy pequeño.

Entre los dos sistemas, quien presenta menor probabilidad de error es FSK con Detección Coherente, lo que la hace más fuerte contra el ruido.

Simulaciones en labview

Los VIs correspondientes a la detección No Coherente pueden descargarse en los siguientes enlaces:

Vi de detección no coherente ook

Vi de detección no coherente fsk

Questions & Answers

Is there any normative that regulates the use of silver nanoparticles?
Damian Reply
what king of growth are you checking .?
Renato
What fields keep nano created devices from performing or assimulating ? Magnetic fields ? Are do they assimilate ?
Stoney Reply
why we need to study biomolecules, molecular biology in nanotechnology?
Adin Reply
?
Kyle
yes I'm doing my masters in nanotechnology, we are being studying all these domains as well..
Adin
why?
Adin
what school?
Kyle
biomolecules are e building blocks of every organics and inorganic materials.
Joe
anyone know any internet site where one can find nanotechnology papers?
Damian Reply
research.net
kanaga
sciencedirect big data base
Ernesto
Introduction about quantum dots in nanotechnology
Praveena Reply
what does nano mean?
Anassong Reply
nano basically means 10^(-9). nanometer is a unit to measure length.
Bharti
do you think it's worthwhile in the long term to study the effects and possibilities of nanotechnology on viral treatment?
Damian Reply
absolutely yes
Daniel
how to know photocatalytic properties of tio2 nanoparticles...what to do now
Akash Reply
it is a goid question and i want to know the answer as well
Maciej
characteristics of micro business
Abigail
for teaching engĺish at school how nano technology help us
Anassong
Do somebody tell me a best nano engineering book for beginners?
s. Reply
there is no specific books for beginners but there is book called principle of nanotechnology
NANO
what is fullerene does it is used to make bukky balls
Devang Reply
are you nano engineer ?
s.
fullerene is a bucky ball aka Carbon 60 molecule. It was name by the architect Fuller. He design the geodesic dome. it resembles a soccer ball.
Tarell
what is the actual application of fullerenes nowadays?
Damian
That is a great question Damian. best way to answer that question is to Google it. there are hundreds of applications for buck minister fullerenes, from medical to aerospace. you can also find plenty of research papers that will give you great detail on the potential applications of fullerenes.
Tarell
what is the Synthesis, properties,and applications of carbon nano chemistry
Abhijith Reply
Mostly, they use nano carbon for electronics and for materials to be strengthened.
Virgil
is Bucky paper clear?
CYNTHIA
carbon nanotubes has various application in fuel cells membrane, current research on cancer drug,and in electronics MEMS and NEMS etc
NANO
so some one know about replacing silicon atom with phosphorous in semiconductors device?
s. Reply
Yeah, it is a pain to say the least. You basically have to heat the substarte up to around 1000 degrees celcius then pass phosphene gas over top of it, which is explosive and toxic by the way, under very low pressure.
Harper
Do you know which machine is used to that process?
s.
how to fabricate graphene ink ?
SUYASH Reply
for screen printed electrodes ?
SUYASH
What is lattice structure?
s. Reply
of graphene you mean?
Ebrahim
or in general
Ebrahim
in general
s.
Graphene has a hexagonal structure
tahir
On having this app for quite a bit time, Haven't realised there's a chat room in it.
Cied
what is biological synthesis of nanoparticles
Sanket Reply
Got questions? Join the online conversation and get instant answers!
Jobilize.com Reply

Get the best Algebra and trigonometry course in your pocket!





Source:  OpenStax, Laboratorio digital interactivo. OpenStax CNX. Feb 09, 2011 Download for free at http://cnx.org/content/col11274/1.1
Google Play and the Google Play logo are trademarks of Google Inc.

Notification Switch

Would you like to follow the 'Laboratorio digital interactivo' conversation and receive update notifications?

Ask