Universidade Federal do Rio Grande do Norte

Centro Tecnologia
Departamento de Engenharia Eltrica

COMUNICAES
DIGITAIS
Prof. Jos Patrocnio da Silva

UFRN
Bibliografia Utilizada:
Simon Hykin, Sistemas de Comunicaes , Bookman, 2007,pp. 40-150.

Processos Aleatrios
Os processos aleatrios tambm denominados de processos estocsticos,
representam uma extenso do conceito de varivel aleatria para sistemas
dinmicos, ou seja que dependem do tempo.
Exemplo:
o A temperatura ao meio dia pode ser representada por uma varivel
aleatria.
o Para medir a funo densidade de probabilidade (fdp) dessa varivel
necessrio repetir a medida da temperatura diversas vezes no mesmo
horrio.
o A temperatura em outro horrio, provavelmente ter uma fdp diferente
da temperatura ao meio dia.
o A concluso obtida para este exemplo, que a temperatura uma
varivel aleatria, ou seja, um processo aleatrio.
UFRN
2

Processos Aleatrios
Outros exemplos de processos aleatrios:
A tenso na sada de um resistor;
A pontuao da bolsa de valores.
Portanto, um processo aleatrio x(t) caracterizado por uma famlia
(ensemble) de funes amostradas.

UFRN

Processos aleatrio representando a sada de um

gerador. Cada funo (, ) , em que
representa o dia em que a temperatura foi
medida.
=
uma varivel aleatria
representando as amplitudes do processo
aleatrios no instante .
= completamente caracterizada
por sua fdp representada por ( ).
3

Processos Aleatrios

UFRN
4

Teoria da Probabilidade

UFRN
5

Teoria da Probabilidade

UFRN
6

Teoria da Probabilidade

UFRN
7

Teoria da Probabilidade

UFRN
8

Teoria da Probabilidade

UFRN
9

Teoria da Probabilidade

UFRN
10

Teoria da Probabilidade

UFRN
11

Teoria da Probabilidade

UFRN
12

Teoria da Probabilidade
Regra de Bayes:

()
=

Para () 0.
Note que se ( ) = (), ento

= ()
Logo,

= ()
UFRN
13

Teoria da Probabilidade

UFRN
14

Teoria da Probabilidade

UFRN
15

Teoria da Probabilidade

UFRN
16

Variveis Aleatrias

UFRN
17

Variveis Aleatrias

UFRN
18

Variveis Aleatrias

UFRN
19

Variveis Aleatrias

UFRN
20

Variveis Aleatrias

UFRN
21

Variveis Aleatrias

UFRN
22

Variveis Aleatrias

UFRN
23

Variveis Aleatrias

UFRN
24

Variveis Aleatrias

UFRN
25

Variveis Aleatrias

UFRN
26

Variveis Aleatrias

UFRN
27

Variveis Aleatrias

UFRN
28

Variveis Aleatrias

UFRN
29

Transformao de
Variveis Aleatrias

UFRN
30

Transformao de
Variveis Aleatrias

UFRN
31

Transformao de
Variveis Aleatrias

UFRN
32

Transformao de
Variveis Aleatrias

UFRN
33

Transformao de
Variveis Aleatrias

UFRN
34

Processos Aleatrios

UFRN
35

Processos Aleatrios

UFRN
36

Processos Aleatrios

UFRN
37

Processos Aleatrios

UFRN
38

Processos Aleatrios

UFRN
39

Processos Aleatrios

UFRN
40

Processos Aleatrios

UFRN

1
1

2
2

1 2 3
41

Classificao dos
Processos Aleatrios
Os processos aleatrios podem ser classificados como estacionrios ou
no estacionrios.
Em um processo estacionrio no sentido estrito, as caractersticas
estatsticas no mudam com o tempo
(, ) independente de t
(1 , 2 ) depende apenas da diferena = t2 t1 e no de t1 e t2
especificamente. Portanto,

UFRN

Para todo conjunto de instantes , = 1,2, e qualquer

deslocamento T. Processos aleatrios estacionrios so frequentemente
encontrados na prtica. Muitas de suas propriedades so comumente
descritas pelo primeiro e segundo momentos.
42

Classificao dos
Processos Aleatrios

UFRN
43

Funo de autocorrelao
A funo de autocorrelao de um processo aleatrio X(t) definida
como 1 , 2 = [ 1 2 ] . Onde t1 e t2 so instantes de
amostragem arbitrrios. Claramente a funo de autocorrelao indica o
quanto o processo correlacionado com ele prprio em dois instantes de
tempo diferentes. Se o processo estacionrio a sua funo densidade
de probabilidade invariante no tempo e a funo de autocorrelao
depende apenas da diferena de tempo. Ou seja
no caso estacionrio
Estacionaridade garante que a esperana no seja dependente do tempo.
A funo de autocorrelao a mdia nas realizaes do produto de
X(t1) e X(t2) e portanto pode ser escrita formalmente como

UFRN
44

Funo de autocorrelao
A expresso anterior frequentemente no a melhor forma de
determinar Rx devido a necessidade de se conhecer explicitamente a
funo densidade conjunta 12 , 2 . Se a hiptese de ergodicidade
aplica-se, geralmente mais fcil calcular Rx atravs da mdia temporal
ao invs da mdia nas realizaes. Para processos aleatrios no
ergticos define-se a funo autocorelao temporal no caso
estacionrio

UFRN
45

Funo de autocorrelao
Exemplo: Considere o processo aleatrio = (). Onde A
uma varivel aleatria normal com mdia e varincia 2 e uma
constante. Suponha que obtm-se uma amostra de A e que seu valor seja
A1. A amostra correspondente de X(t)

Neste caso, a funo autocorreo temporal ser dada por:

Por outro lado, a funo de autocorrelao

UFRN
46

Funo de autocorrelao
Com relao ao exemplo anterior as expresses obtidas so diferentes,
portanto o processo no ergtico. Adicionalmente a funo de
autocorreo no reduz-se a uma funo t1-t2, logo o processo no
estacionrio.

UFRN
47

Funo de autocorrelao

UFRN
48

Funo de autocorrelao

UFRN
49

Funo de autocorrelao

UFRN
50

Funo de autocorrelao

UFRN
51

Funo de autocorrelao

UFRN
52

Funo de autocorrelao

UFRN
53

Funo de correlao cruzada

A funo de correlao cruzada entre os processos X(t) e Y(t) definida
como 1 , 2 = [ 1 2 ]. Se o processo for estacionrio,
apenas a diferena de tempo entre os pontos amostrados relevante e a
funo de correlao reduz-se = 1 2 + para o
caso estacionrio. A funo de correlao cruzada reflete o quanto os
dois processos esto correlacionados entre si.

Comparando as expresses percebe-se que

UFRN
54

Funo de correlao cruzada

UFRN
55

Funo densidade espectral de

potncia
Se a funo de autocorrelao decai rapidamente com , o processo
varia rapidamente com o tempo e vice-versa. Portanto, pode-se suspeitar
que a funo de autocorrelao contm informao sobre o contedo
frequencial do sinal. Esta relao conhecida como relao WinerKhinchine

Onde SX denominada funo de densidade espectral de potncia. Se o

processo aleatrio X(t) estacionrio, ele no absolutamente
integrvel e portanto a integral da transformada de Fourier para este
processo no converge. Logo, se foramos uma verso truncada do
processo (), fazendo a srie ir para zero fora da faixa do perodo T,
teremos a transforma de Fourier de uma realizao do processo tambm
truncada.
UFRN
56

Funo densidade espectral de

potncia

UFRN
57

Funo densidade espectral de

potncia
Considere um processo X(t) cuja funo de autocorrelao dada por
= 2 || onde e so constantes conhecidas. A funo de
densidade espectral do processo X(t) ser dada por:

UFRN
58

Funo densidade espectral de

potncia
Em alguns casos conveniente escrever a funo densidade espectral
em termos da frequncia complexa s. isto pode ser feito substituindo j
por s. A transformada inversa da funo densidade espectral resulta na
funo autocorrelao, ou seja:

Fazendo = 0 tem-se

UFRN

A expresso acima fornece um meio de se calcular o valor mdio

quadrtico de um processo estacionrio, dada a sua funo de densidade
espectral. Se for usada a frequncia complexa al invs de jEm alguns
casos conveniente escrever a funo densidade espectral em termos da
frequncia complexa s. isto pode ser feito substituindo j a expresso
acima poder ser escrita como:
59

Funo densidade espectral de

potncia

UFRN
60

Funo densidade espectral de

potncia

UFRN
61

Funo densidade espectral de

potncia

UFRN
62

Funo densidade espectral de

potncia

UFRN
63

Funo densidade espectral de

potncia

UFRN
64

Funo densidade espectral de

potncia

UFRN
65

Funo densidade espectral de

potncia

UFRN
66

Funo densidade espectral de

potncia

UFRN
67

Funo densidade espectral de

potncia

UFRN
68

Funo densidade espectral de

potncia

UFRN
69

Transmisso de sinais atravs de

sistemas lineares

UFRN
70

Transmisso de sinais atravs de

sistemas lineares

UFRN
71

Transmisso de sinais atravs de

sistemas lineares

UFRN
72

Transmisso de sinais atravs de

sistemas lineares

UFRN
73

Transmisso de sinais atravs de

sistemas lineares

UFRN
74

Largura de banda de um dado

digital
A largura de banda limita a capacidade de transmisso e essa limitao
pode ser fsica (devido ao tipo de meio fsico utilizado). Por outro lado a
largura de banda tambm depende do formato do sinal. Um sinal digital
ocupa muito mais largura de banda que um sinal analgico.

UFRN
75