4o Ingeniera de Telecomunicacion

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Indice

Introduccion

Filtro adaptado

Extensiones

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Introduccion
Consideramos un caso particular del problema de deteccion binaria: deteccion de una forma de onda conocida (determinista) en ruido

Si el ruido es Gaussiano, el detector optimo es una funcion lineal de las observaciones: ltro adaptado Aplicaciones:
1 2

Radar (Neyman-Pearson) Comunicaciones (Min Pe )

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Indice

Introduccion

Filtro adaptado

Extensiones

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Deteccion bajo AWGN

Consideremos el caso de una forma de onda conocida s[n] en ruido AWGN H1 : H0 : x[n] = s[n] + r[n], x[n] = r[n], n = 0, , N 1, n = 0, , N 1,

La energa de la senal (conocida) es

N 1

E=
n=0

(s[n])2

Calculamos ahora el cociente de verosimilitudes f (x|H1 ) = exp f (x|H0 )

N 1 n=0

(x[n] s[n])2 x[n]2 2 2

H1 H0

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Tomando logaritmos neperianos y despejando se obtiene el test

N 1

s[n]x[n]
n=0

H1 H0

siendo = 2 ln() + E/2 Hemos encontrado el estadstico suciente del problema de deteccion Filtro adaptado
N 1

T (x) =
n=0

s[n]x[n]

H1 H0

Si aplicamos el criterio de Neyman-Pearson:

lo jamos para Pf a =

Si aplicamos el criterio de Min Pe :

= 2 ln(P (H0 )/P (H1 )) + E/2 (si son equiprobables = E/2)
Tema 2: Deteccion de una forma de onda conocida en ruido I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Interpretacion como correlador

x[n]

s[n]

n=0

N 1

T ( x)

> <

H1 H0

Interpretacion como ltro adaptado

T ( x)
x[n]

h[n]
n = N 1
s[ N 1 n] h[n] = 0, n=0,...,N-1 resto

> <

H1 H0

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

14

T ( x)
8 8

x[n]
3

h[n]
1

n = N 1

T ( x)
n=0 n=0

> <

H1 H0

Propiedad Una propriedad interesante del ltro adaptado es que el ltro que maximiza la SNR en el instante de muestreo n = N 1

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Distribucion del estadstico suciente

T (x) =
N 1 n=0

s[n]x[n]
N 1 n=0

r[n]: AWGN Bajo H0 : T (x) =

1

s[n]r[n]

E [T (x)|H0 ] = 0 E (T (x))2 |H0 =

N 1 2 2 n=0 (s[n]) E[(r[n]) ]

= 2 E

T (x)|H0 N (0, 2 E)
N 1 n=0

Bajo H1 : T (x) =
1

s[n](s[n] + r[n])
=E = 2 E

E [T (x)|H1 ] =

N 1 2 n=0 (s[n])

E (T (x) E)2 |H1 = T (x)|H1 N (E, 2 E)

N 1 2 2 n=0 (s[n]) E[(r[n]) ]

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Calculo de Pd y Pf a
f ( x | H0 ) f ( x | H1 )

2E

2E

Pd = Q

E E

Pf a = Q
2

Pd y Pf a solo dependen de E y ! Las prestaciones del ltro adaptado solo dependen de la energa de la forma onda
Tema 2: Deteccion de una forma de onda conocida en ruido I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Indice

Introduccion

Filtro adaptado

Extensiones

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Ruido Gaussiano correlado

Hemos visto que el ltro adaptado es optimo en AWGN, pero Que pasa si el ruido esta correlado (lo seguimos asumiendo Gaussiano) El problema lo formulamos como H1 : H0 : x[n] = s[n] + r[n], x[n] = r[n], n = 0, , N 1, n = 0, , N 1,
T

pero ahora el vector ruido r = (r[0], . . . , r[N 1]) sigue una distribucion r N (0, C) La senal que deseamos detectar la agrupamos en el vector T s = (s[0], . . . , s[N 1]) El problema es el mismo de siempre: hay que obtener el cociente de versomilitudes
Tema 2: Deteccion de una forma de onda conocida en ruido I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Verosimilitud bajo H0 f (x|H0 ) = 1 (2)N/2 |C|1/2 exp xT C1 x 2

Verosimilitud bajo H1 f (x|H1 ) = 1 (2)N/2 |C|1/2 exp (x s)T C1 (x s) 2

El cociente de verosimilitudes queda f (x|H1 ) = exp f (x|H0 ) (x s)T C1 (x s) xT C1 x 2

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Desarrollando el exponente (x s)T C1 x s) xT C1 x = 2 1 = xT C1 x 2xT C1 s + sT C1 s xT C1 x = 2 1 = xT C1 s sT C1 s 2

Test de deteccion (ruido Gaussiano correlado) xT C1 s

H1 H0

Si aplicamos el criterio de Neyman-Pearson:

lo jamos para Pf a =

Si aplicamos el criterio de Min Pe :

= ln(P (H0 )/P (H1 )) +
Tema 2: Deteccion de una forma de onda conocida en ruido

sT C1 s 2
I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Si el ruido es blanco: C = 2 I C1 = nuevamente el ltro adaptado xT C1 s = 1 T 1 x s= 2 2

1 2 I,

y obtenemos

N 1

x[n]s[n]
n=0

2 2 2 Si la matriz de covarianza es C = diag 0 , 1 , . . . , N 1 , el detector queda N 1 x[n]s[n] xT C1 s = 2 n n=0

Estamos correlando las observaciones normalizadas x [n] = con una version normalizada de la forma de onda s [n] =
s[n] n

x[n] n

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Ruido no Gaussiano
Si el ruido no es Gaussiano el detector optimo tpicamente resulta ser no lineal Supongamos el problema siguiente H1 : H0 : x[n] = s[n] + r[n], x[n] = r[n], n = 0, , N 1, n = 0, , N 1,

siendo r[n] un ruido blanco con distribucion Laplaciana f (r[n]) = 1 exp |r[n]| (mas picuda en el origen que la 2 Gaussiana) El detector optimo ahora es una funcion no lineal de los datos (comprobar)
N 1

(|x[n]| |x[n] s[n]|)

n=0

H1 H0

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara

 Introduccion

Filtro adaptado

Extensiones

Conclusiones

Detectar una forma de onda conocida en ruido es un problema habitual en multitud de aplicaciones Bajo ruido AWGN el detector optimo es el ltro adaptado Si el ruido es Gaussiano pero esta correlado el detector sigue siendo lineal, pero algo mas complicado que el ltro adaptado Si el ruido no es Gaussiano, el detector optimo es no lineal

Tema 2: Deteccion de una forma de onda conocida en ruido

I. Santamara