Detección Óp+ma: Algoritmo de Viterbi. (solo para dar una idea general)
|
|
- Irene Saavedra Figueroa
- hace 5 años
- Vistas:
Transcripción
1 Detección Óp+ma: Algoritmo de Viterbi (solo para dar una idea general)
2 K = N Cambio de notación A[k] =x k p[k] =h k q[k] =y k z[k] =g k o[n] =) Salida sin ruido
3 Cambio de notación Vamos a considerar que tenemos M símbolos en la constelación
4 Maximum likelihood (ML) sequence detection (ML) Sequence to be detected: L symbols (M L possible sequences) A =[A[0], A[],, A[L ]] T Channel: p =[p[0], p[],, p[k]] T Sufficient statistic: N q = K + L observations q =[q[0], q[],, q[n q ]], N q = K + L o[0] =p[0] A[0] + p[] A[ ] + p[2] A[ 2] + p[k] A[ K] o[] =p[0] A[] + p[] A[0] + p[2] A[ ] + p[k] A[ K] o[k + L ] =p[0] A[K + L ] + p[] A[K + L 2] + + p[k ] A[L] + p[k] A[L ] Additional necessary information: A[ ], A[ 2],, A[ K] y A[L], A[L + ],, A[L + K] MMC (UC3M) Digital Communications Receivers: Viterbi 4 / 39
5 Maximum likelihood (ML) sequence M L possible sequences a i =[a i [0], a i [],, a i [L ]] T, i = 0,,, M L Most likely sequence: Â = a i =[a i [0], a i [],, a i [L ]] T that maximizes the likelihood f q A (q a i ) f q A (q a j ), j = 0,,, M L, 8j 6= i MMC (UC3M) Digital Communications Receivers: Viterbi 5 / 39
6 Maximum likelihood (ML) sequence Likelihood: f q A (q a i )= N q Y n=0 f q[n] A (q[n] a i ) Conditional distribution for each observation f q[n] A (q[n] a i )=N o i [n], 2 z = 8 < p exp 2 z : 2 2 z q[n] KX p[k] a i [n k] k=0 2 9 = ; Complete Likelihood f q A (q a i )= Most likely sequence  = arg mín a i (2 2 z ) N q/2 exp N q X n=0 ( 2 2 z Nq X n=0 METRIC! q[n] o i [n] 2, o i [n] = q[n] o i [n] 2 ) KX p[k] a i [n k] MMC (UC3M) Digital Communications Receivers: Viterbi 6 / 39 k=0
7 Example: 2-PAM K =, L = 3 Symbols constellation: A[n] 2 {±} Channel: p[n] = [n]+0,5 [n ], K = Sequence to be detected/estimated: A =[A[0], A[], A[2]], L = 3 Sufficient statistic for detection: q =[q[0], q[], q[2], q[3]] q[ ] =A[ ]+0,5 A[ 2]+z[ ] q[0] = A[0] + 0,5 A[ ] + z[0] q[] = A[] + 0,5 A[0] + z[] q[2] = A[2] + 0,5 A[] + z[2] q[3] = A[3] + 0,5 A[2] + z[3] q[4] =A[4]+0,5 A[3] Premise: The values A[ ] =A[3] =+ are known Problem: detect the sequence of 3 symbols with q[0] =,4 - q[] = 0,4 - q[2] =0,6 - q[3] =,6 MMC (UC3M) Digital Communications Receivers: Viterbi 7 / 39
8 Detection: Comparison wrt to the noiseless outputs q[0] =,4 - q[] = 0,4 - q[2] =0,6 - q[3] =,6 Noiseless outputs, o[n], generated by the 8 possible sequences A[0] A[] A[2] o[0] o[] o[2] o[3] Metric 0,5,5,5 +0,5 0,44 + 0,5,5 +0,5 +,5 4,84 + 0,5 +0,5 0,5 +0,5 6, ,5 +0,5 +,5 +,5 5,24 + +,5 0,5,5 +0,5 5, ,5 0,5 +0,5 +,5 0, ,5 +,5 0,5 +0,5 6, ,5 +,5 +,5 +,5 4,44 MMC (UC3M) Digital Communications Receivers: Viterbi 8 / 39
9 Detection: Comparison wrt to the noiseless outputs q[0] =,4 - q[] = 0,4 - q[2] =0,6 - q[3] =,6 Noiseless outputs, o[n], generated by the 8 possible sequences A[0] A[] A[2] o[0] o[] o[2] o[3] Métrica 0,5,5,5 +0,5 0,44 + 0,5,5 +0,5 +,5 4,84 + 0,5 +0,5 0,5 +0,5 6, ,5 +0,5 +,5 +,5 5,24 + +,5 0,5,5 +0,5 5, ,5 0,5 +0,5 +,5 0, ,5 +,5 0,5 +0,5 6, ,5 +,5 +,5 +,5 4,44 Most similar sequence (maximum likelihood): + + MMC (UC3M) Digital Communications Receivers: Viterbi 9 / 39
10 Complexity! M L sequences! MMC (UC3M) Digital Communications Receivers: Viterbi 0 / 39
11 State [n] The noiseless output is a finite state machine o[n] =A[n] p[0]+ KX p[k] A[n k] k= Definition of state [n] =[A[n ], A[n 2],, A[n K]] T Number of possible states is M K Dependencies Con la otra notación, recordamos: o[n] =f K (A[n], = N [n]) ESTADO=MEMORIA o[n] =g( [n], [n + ]) [n + ] =f ( [n], A[n]) MMC (UC3M) Digital Communications Receivers: Viterbi / 39
12 <latexit sha_base64="hf9pcjxzfo4ydzxi250fxglkvwg=">aaaca3icbva9t8mwehx4lowrwnjfokjchaoeiqfbbqtjkqitlibicz3gqmnhtgnuuqcw/golaybw/gqb/wa3zqattzrp6b073d0lu0avtuva2fxaxlltbrwxt/y3nqu7ozekjfjtfwsmjcdecnckceuppqrtiojskjg2uhgyuy374huvpbrpuyjn6a+pxhfsbspqfsfx/2uppyiynfpywdfluhdfgqgldmn+wj4dxxclidbvpb5avbezhlcneyiau8x06nyopkwzkvo5miqqidcfeizylbdl55mnrvdakd0ycwmkazhrf0/kkffqmismm0e6vrpewpzp8zidnfo55wmmccftrvhgobzwnajsuumwzkndejbu3apxjctc2urwnie4sy/pe/eocdawr45rzfmijrkognwcbxwaprgersaczb4bm/gfbxzt9al9w59tfsxrgjmd/yb9fkdknaxug==</latexit> <latexit sha_base64="hf9pcjxzfo4ydzxi250fxglkvwg=">aaaca3icbva9t8mwehx4lowrwnjfokjchaoeiqfbbqtjkqitlibicz3gqmnhtgnuuqcw/golaybw/gqb/wa3zqattzrp6b073d0lu0avtuva2fxaxlltbrwxt/y3nqu7ozekjfjtfwsmjcdecnckceuppqrtiojskjg2uhgyuy374huvpbrpuyjn6a+pxhfsbspqfsfx/2uppyiynfpywdfluhdfgqgldmn+wj4dxxclidbvpb5avbezhlcneyiau8x06nyopkwzkvo5miqqidcfeizylbdl55mnrvdakd0ycwmkazhrf0/kkffqmismm0e6vrpewpzp8zidnfo55wmmccftrvhgobzwnajsuumwzkndejbu3apxjctc2urwnie4sy/pe/eocdawr45rzfmijrkognwcbxwaprgersaczb4bm/gfbxzt9al9w59tfsxrgjmd/yb9fkdknaxug==</latexit> <latexit sha_base64="hf9pcjxzfo4ydzxi250fxglkvwg=">aaaca3icbva9t8mwehx4lowrwnjfokjchaoeiqfbbqtjkqitlibicz3gqmnhtgnuuqcw/golaybw/gqb/wa3zqattzrp6b073d0lu0avtuva2fxaxlltbrwxt/y3nqu7ozekjfjtfwsmjcdecnckceuppqrtiojskjg2uhgyuy374huvpbrpuyjn6a+pxhfsbspqfsfx/2uppyiynfpywdfluhdfgqgldmn+wj4dxxclidbvpb5avbezhlcneyiau8x06nyopkwzkvo5miqqidcfeizylbdl55mnrvdakd0ycwmkazhrf0/kkffqmismm0e6vrpewpzp8zidnfo55wmmccftrvhgobzwnajsuumwzkndejbu3apxjctc2urwnie4sy/pe/eocdawr45rzfmijrkognwcbxwaprgersaczb4bm/gfbxzt9al9w59tfsxrgjmd/yb9fkdknaxug==</latexit> Salida sin ruido Diagrama de estado A[n] o[n] [n] [n + ] A[n]! x n o[n]! h n x n ESTADO=MEMORIA
13 State diagram - Example A A[n] 2 {±}, p[n] = [n]+ 2 [n ] Noiseless output o[n] =A[n]+ 2 A[n ] State [n] =A[n ], [n + ] =A[n] State diagram ,5,5 + 0,5 0,5 MMC (UC3M) Digital Communications Receivers: Viterbi 3 / 39
14 State diagram - Example B A[n] 2 {±}, p[n] = [n]+ 2 [n ]+ 4 [n 2] o[n] =A[n]+ 2 A[n ]+ 4 A[n 2] [n] =[A[n ], A[n 2]] T, [n + ] =[A[n], A[n ]] T, 6 +,, + +, +? -? 6 -,75 + 0,25 0,25 +,25,25 +,75 0,75 + 0,75 MMC (UC3M) Digital Communications Receivers: Viterbi 4 / 39
15 Trellis diagram - Example A Example: A[n] 2 {±}, p =[0,5] T State: [n] =A[n ] Labels: A[n], o[n] = KX p[k] A[n k] k=0 + x q + +,5 qqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqq x 0, ,5 x q qqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqq x,5 MMC (UC3M) Digital Communications Receivers: Viterbi 5 / 39
16 Trellis diagram - Example B [+, +] s + +,75 s 0, ,75 [, +] s,25 + +,25 [+, ] s 0,75 + +,25 s s [, ] s s [n],75 [n + ] MMC (UC3M) Digital Communications Receivers: Viterbi 6 / 39
17 Ejemplo - Algoritmo de Viterbi
18 Símbolos transmi+dos Estado inicial Estado final Conociendo lo transmi+do p[n] =02 [n] 03 [n ] + 02 [n 2] El o[n] arriba lo daba en problema para hallar el canal p[n] Salida sin ruido
19 Ejercicio 9 e) obs q[0] = 0, ( 05 0) ( 05 ( 03)) 2 A n A n 2 +, , + +,,
20 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 +, , ,,
21 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 +, , , 025,
22 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 +, , , , 029
23 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 +, , , ,
24 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 +, , , ,
25 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 +, , , ,
26 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 +, , , ,
27 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 +, , , ,
28 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 +, , , ,
29 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 +, , , ,
30 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 +, , , ,
31 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 +, , , ,
32 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 +, , , ,
33 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 +, , , ,
34 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 +, , , ,
35 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 +, , , ,
36 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 +, , , ,
37 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 +, , , ,
38 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 q[6] =0,5 +, , , , A[6] = + A[7] = + cabecera
39 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 q[6] =0,5 +, , , , A[6] = + A[7] = + cabecera
40 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 q[6] =0,5 +, , , , A[6] = + A[7] = + cabecera
41 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 q[6] =0,5 +, , , , A[6] = + A[7] = + cabecera
42 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 q[6] =0,5 q[7] =0, +, , , , A[6] = + A[7] = + cabecera
43 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 q[6] =0,5 q[7] =0, +, , , , A[6] = + A[7] = + cabecera
44 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 q[6] =0,5 q[7] =0, +, , , , A[6] = + A[7] = + cabecera
45 Ejercicio 9 e) obs q[0] = 0,5 q[] = 0,2 q[2] = 0,3 q[3] = 0,7 q[4] = 0,5 q[5] = 0,2 q[6] =0,5 q[7] =0, +, , , , secuencia detectada A[0] =- A[] =- A[2] =- A[3] =- A[4] =- A[5] =- A[6] = + A[7] = + mejor camino cabecera
TEMA 3 RECEPTORES DE COMUNICACIONES DIGITALES EN PRESENCIA DE INTERFERENCIA INTERSIMBÓLICA. Índice de contenidos Planteamiento del problema
TEMA 3 RECEPTORES DE COMUNCACONES DGTALES EN PRESENCA DE NTERFERENCA NTERSMBÓLCA GTT (UC3M) Comnicaciones Digitales Detección bajo S / 27 Índice de contenidos Planteamiento del problema Recperación de
Más detallesTEMA 5 TÉCNICAS DE PROTECCIÓN FRENTE A ERRORES (CÓDIGOS CONVOLUCIONALES) Códigos convolucionales. Introducción de la redundancia mediante filtrado
TEMA 5 TÉCNICAS DE PROTECCIÓN FRENTE A ERRORES (CÓDIGOS CONVOLUCIONALES) MMC (UC3M) Comunicaciones Digitales Codificación de Canal / 7 Códigos convolucionales Introducción de la redundancia mediante filtrado
Más detallesChapter 7 Registers & Counters
Chapter 7 s & Counters Luis Entrena, Celia López, Mario García, Enrique San Millán Universidad Carlos III de Madrid Contents. s Ø Ø Ø 2. Counters Ø Ø s serial input, parallel-serial output s parallel output,
Más detallesIgualación de canal. (no ciega: conocemos los coeficientes del canal)
Igualación de canal (no ciega: conocemos los coeficientes del canal) Modelo y k = h H x k + g k y k = x H k h + g k h = 2 6 4 h N 1 h N 2 h N 3. h 0 3 7 5 x k = 2 6 4 x k N+1 x k N+2 x k N+3. x k 3 7 5
Más detallesRecepción en canales de banda limitada Com. Digitales. Luca Mar:no y Francisco Rodríguez Ruiz Apuntes- Laboratorio no revisados (cuidado!!!
Recepción en canales de banda limitada Com. Digitales Luca Mar:no y Francisco Rodríguez Ruiz Apuntes- Laboratorio no revisados (cuidado!!!) Parte 1 Consideraciones importantes Observación importante En
Más detallesPAM de doble banda lateral (PAM-DSB)
PAM paso banda - Modulación AM Generar una PAM banda base st) = n A[n] gt nt) Modular st) en amplitud PAM de doble banda lateral PAM-DSB) PAM de banda lateral única PAM-SSB) Banda lateral inferior. Banda
Más detallesUNIVERSIDAD DE SONORA
UNIVERSIDAD DE SONORA INTERFERENCIA INTERSIMBÓLICA Responsable: Dra. Milka del Carmen Acosta Enríquez Colaboradores: Dra. María Elena Zayas S. Dr. Santos Jesús Castillo Debido a la distorsión lineal que
Más detallesComunicaciones Digitales - Ejercicios Tema 3
Comunicaciones Digitales - Ejercicios Tema 3 007. 1. Considere el diagrama de rejilla para un canal discreto equivalente genérico con 4 coeficientes no nulos (memoria K p = 3) y una constelación -PAM.
Más detallesPregunta 1 Suponga que una muestra de 35 observaciones es obtenida de una población con media y varianza. Entonces la se calcula como.
Universidad de Costa Rica Programa de Posgrado en Computación e Informática Doctorado en Computación e Informática Curso Estadística 18 de febrero 2013 Nombre: Segundo examen corto de Probabilidad Pregunta
Más detallesPROLIGHT 6. User Instructions
PROLIGHT 6 User Instructions PROLIGHT 6 ANALOG CHASER WITH ANALOGIC DIMMER FEATURES PROLIGHT 6, is a 6 channel chasers that incorporates the features of an analogic dimmer. Each channel is able to support
Más detallesComunicaciones Digitales - Capítulo 3 - Ejercicios
CAPÍTULO 4. COMUNICACIONES DIGITALES. PROBLEMAS 1 Comunicaciones Digitales - Capítulo 3 - Ejercicios 1. Ejercicio 6.9 del libro: A. Artés, et al.: Comunicaciones Digitales. Pearson Educación, 007.. Ejercicio
Más detallesPAM en banda base - Comunicaciones Digitales. Luca Mar8no y Francisco J. Rodríguez Ruiz Apuntes- Laboratorio no revisados (cuidado!!!
PAM en banda base - Comunicaciones Digitales Luca Mar8no y Francisco J. Rodríguez Ruiz Apuntes- Laboratorio no revisados (cuidado!!!) Modulación lineal Desde el punto de vista teórico se han estudiado
Más detallesTEMA 1. IT (UC3M) Comunicaciones Digitales Introducción 2 / 24. Finalidad de un sistema de comunicaciones: transmisión
TEMA 1 INTRODUCCIÓN IT (UC3M) Comunicaciones Digitales Introducción 1 / 24 Definición: sistema de comunicaciones Finalidad de un sistema de comunicaciones: transmisión Transmisión: Proceso de enviar, transportar,
Más detallesTEMA 2. MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 1 / 43 N 1. A j [n] φ j (t nt)
EMA 2 MODULACIONES DIGIALES: LINEALES, DE FASE Y FRECUENCIA MMC UC3M) Comunicaciones Digitales Modulaciones Lineales 1 / 43 Modulaciones lineales Modulación lineal en espacio multidimensional N) st) =
Más detallesPRÁCTICAS DE MODELADO Y OPTIMIZACIÓN
Andrés Ramos Febrero 2012 2 06/02/2013 INDICE: I.1.1 Location of communication antennas... 4 I.1.2 Médicos sin Fronteras... 6 3 06/02/2013 I.1.1 Location of communication antennas Installing several antennas
Más detallesComunicaciones Digitales - Ejercicios Tema 6
Comunicaciones Digitales - Ejercicios Tema 6 1. La matriz generadora de un código bloque lineal C(4,8) es la que se presenta a continuación. Calcule la tasa del código, la distancia mínima y la tabla de
Más detallesEL4005 Principios de Comunicaciones Clase No.24: Demodulación Binaria
EL4005 Principios de Comunicaciones Clase No.24: Demodulación Binaria Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 5 de Noviembre de 2010 1 of 34 Contenidos de la Clase (1)
Más detallesXV COPA CHAMPAGNAT DE MATEMATICAS Superior. Iván Cardona Torres, Ph.D.
XV COPA CHAMPAGNAT DE MATEMATICAS Superior Iván Cardona Torres, Ph.D. 10 de abril de 2015 Problema. En cada diagrama ilustrado en este problema, el número sobre la recta que une dos círculos es la suma
Más detalles- Apellidos:... Nombre:... N o de matrícula o DNI:... Grupo... Firma
Grados en Ingeniería GISC / GI COMUNICACIONES DIGIALES PARE A (iempo: 60 minutos. Puntos /0) Apellidos:............................................................ Nombre:..............................................................
Más detallesTEMA 5 TÉCNICAS DE PROTECCIÓN FRENTE A ERRORES (CODIFICACIÓN DE CANAL) MMC (UC3M) Comunicaciones Digitales Codificación de Canal 1 / 99
TEMA 5 TÉCNICAS DE PROTECCIÓN FRENTE A ERRORES (CODIFICACIÓN DE CANAL) MMC (UC3M) Comunicaciones Digitales Codificación de Canal 1 / 99 Índice Introducción y definiciones Códigos bloque lineales Códigos
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO TEORÍA DE LA INFORMACIÓN Y LA CODIFICACIÓN 1684 6º 06 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Ingeniería
Más detallesNo usa una envolvente constante, con cambios de amplitud al cambiar la fase para pasar de un estado a otro.
Generalidades Modulación QPSK No usa una envolvente constante, con cambios de amplitud al cambiar la fase para pasar de un estado a otro. Acceso múltiple Todos los usuarios pueden transmitir al mismo tiempo.
Más detallesELO211: Sistemas Digitales. Tomás Arredondo Vidal 1er Semestre 2008
ELO211: Sistemas Digitales Tomás Arredondo Vidal 1er Semestre 2008 Este material está basado en: textos y material de apoyo: Contemporary Logic Design 1 st / 2 nd Borriello and Randy Katz. Prentice Hall,
Más detallesProbabilidad de error. Luca Mar/no y Francisco Rodríguez Ruiz Apuntes no revisados Cuidado!
Probabilidad de error Luca Mar/no y Francisco Rodríguez Ruiz Apuntes no revisados Cuidado! Función Q(x) la definición es Q(x) = π x + { } exp t / dt σ = µ = 0 x t Q(x) Es el integral de una N(0,) entre
Más detallesUnit 8: Maximum Likelihood for Location-Scale Distributions
Unit 8: Maximum Likelihood for Location-Scale Distributions Ramón V. León Notes largely based on Statistical Methods for Reliability Data by W.Q. Meeker and L. A. Escobar, Wiley, 1998 and on their class
Más detallesI.1. Sistemas de Comunicaciones Digitales.
I. INTRODUCCIÓN I.1. Sistemas de Comunicaciones Digitales. I.2. Modulaciones sin Memoria. I.3. Modulaciones con Memoria. I.3.1. Continuous Phase FSK (CPFSK) binaria I.3.2. Continuous Phase Modulations
Más detallesUnit 8: Maximum Likelihood for Location-Scale Distributions. Ramón V. León
Unit 8: Maximum Likelihood for Location-Scale Distributions Ramón V. León Notes largely based on Statistical Methods for Reliability Data by W.Q. Meeker and L. A. Escobar, Wiley, 1998 and on their class
Más detallesELE530: Estimation. Fernando Pérez-Cruz. Princeton University and University Carlos III in Madrid. March 25 th, 2009
ELE530: Fernando Pérez-Cruz Princeton University and University Carlos III in Madrid March 25 th, 2009 From Detection to We want to know if a coin bias is P (H) = 0.2 or P (H) = 0.3 or P (H) = 0.35. We
Más detallesMÉTODO MATRICIAL PARA EL CÁLCULO DE LA CONSTANTE DE OLSON K-BARICÉNTRICA. Universidad de Oriente. Felicia Villarroel.
September 24-28, 202 MÉTODO MATRICIAL PARA EL CÁLCULO DE LA CONSTANTE DE OLSON K-BARICÉNTRICA Felicia Villarroel Universidad de Oriente Avda. Universidad. Cerro del Medio. Departamento de Matemáticas.
Más detalles10. Codificación de Canal: Código Hamming y Código Convolucional
OpenStax-CNX module: m36906 1 10. Codificación de Canal: Código Hamming y Código Convolucional Mariangela Mezoa Translated By: Mariangela Mezoa This work is produced by OpenStax-CNX and licensed under
Más detallesCODIFICADOR DE VITERBI PARA TELEVISION DIGITAL TERRESTRE: DECODIFICADOR DE VITERBI Y REED SOLOMON
CODIFICADOR DE VITERBI PARA TELEVISION DIGITAL TERRESTRE: DECODIFICADOR DE VITERBI Y REED SOLOMON Codificador de Reed-Solomon E l c o d i f i c a d o r R e e d - S o l o m o n c u e n t a c o n u n comportamiento
Más detallesFlip-flops. Luis Entrena, Celia López, Mario García, Enrique San Millán. Universidad Carlos III de Madrid
Flip-flops Luis Entrena, Celia López, Mario García, Enrique San Millán Universidad Carlos III de Madrid 1 igital circuits and microprocessors Inputs Output Functions Outputs State Functions State Microprocessor
Más detallesDetección de señales de comunicaciones
Detección de señales de comunicaciones Comunicaciones Digitales Curso Académico 2013 2014 Práctica 1 Objetivos La transmisión de información en sistemas de comunicaciones digitales, tanto en banda base
Más detallesIGUALACIÓN CIEGA DE CANAL
IGUALACIÓN CIEGA DE CANAL MMC (UC3M) Comunicaciones Digitales Receptores 1 / 28 Igualación ciega - Planteamiento A[n] p[n] q[n] z[n] Igualador u[n] Â[n d] Imposibilidad/no practicidad de una secuencia
Más detallesESTRATEGIAS DE DECODIFICACIÓN
ESTRATEGIAS DE DECODIFICACIÓN sanroman_gabriela@speedy.com.ar Febrero de 2004 ÍNDICE 1. INTRODUCCIÓN... 3 2. CODIFICACIÓN... 4 3. DECODIFICACIÓN... 9 3.1. PROBABILIDAD DE ERROR Y REGLAS DE DECISIÓN...
Más detallesSeries temporales 27 de octubre de 2009
Series temporales 27 de octubre de 2009 Entrega: 3 de noviembre de 2009 PROGRAMA EJEMPLO: Programa para comprobar que la función Matlab que permite calcular la densidad de probabilidad Gaussiana (normpdf)
Más detallesSmall Flat Panel Digital Antenna User s Manual
33681 Small Flat Panel Digital Antenna User s Manual Version 1 Introduction: The 33681 Small Flat Panel Antenna is specially designed to receive digital and analog terrestrial broadcasted TV signals. The
Más detallesAyT Hipotecario BBK II, Fondo de Titulización de Activos
y H K, z G j, j í y H K, z, y // // * // // *.... z.. z - - - - z.. h é.. b y b.. h - - b.. h.. b.. é h - - é - - é h - - y - - é - - j b - - é - - é.. é - - é b.. é - - é í qz - - é - - é - - é - - é
Más detallesTeoría de Información y Codificación Ejercicios adicionales (corresponden a la segunda mitad de la materia)
Teoría de Información y Codificación Ejercicios adicionales (corresponden a la segunda mitad de la materia) 1. Demostrar que en un código binario lineal la distancia mínima es igual a a) el mínimo peso
Más detallesTeoría Estadística de las Comunicaciones.
Teoría Estadística de las Comunicaciones. Profesor: Dr. Valeri Ya Kontorovich Mazover. OBJETIVOS: Ampliar y profundizar los conceptos de las comunicaciones, formar el sistema de los conceptos teóricos
Más detallesDetección de señales de comunicaciones
Detección de señales de comunicaciones Comunicaciones Digitales Curso Académico 2017 2018 Práctica 1 Objetivos La transmisión de información en sistemas de comunicaciones digitales, tanto en banda base
Más detallesRepaso de funciones exponenciales y logarítmicas. Review of exponential and logarithmic functions
Repaso de funciones exponenciales y logarítmicas Review of exponential and logarithmic functions Las funciones lineales, cuadráticas, polinómicas y racionales se conocen como funciones algebraicas. Las
Más detallesPlanificaciones Comunicac. Digitales II. Docente responsable: HIRCHOREN GUSTAVO ABRAHAM. 1 de 5
Planificaciones 6642 - Comunicac. Digitales II Docente responsable: HIRCHOREN GUSTAVO ABRAHAM 1 de 5 OBJETIVOS - Que los alumnos comprendan las ventajas y desventajas de las diferentes familias de modulaciones
Más detallesDepartamento de Teoría de la Señal y Comunicaciones Universidad Carlos III de Madrid
COMUNICACIONES DIGITALES AVANZADAS 4 DISEÑO DE RECEPTORES DE COMUNICACIONES MARCELINO LÁZARO Departamento de Teoría de la Señal y Comunicaciones Universidad Carlos III de Madrid mlazaro@tscuc3mes Igualación
Más detallesExamen Final Extraordinario
TRANSMISIÓN DE DATOS 2008/09 Examen Final Extraordinario Apellidos, nombre DNI 9 de septiembre de 2009 Calificación Lea atentamente estas instrucciones y no de la vuelta a esta hoja hasta que se le indique
Más detallesSOLUCIÓN DE LA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II. Variable Coefficient Std. Error t-statistic Prob.
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DEPARTAMENTO DE ECONOMIA SOLUCIÓN DE LA QUINTA PRÁCTICA CALIFICADA DE ECONOMETRIA II 1º El investigador especifica el modelo siguiente: CRESB_PRI(t) =
Más detallesModulación y Detección en Canales Gaussianos
2 de noviembre de 2009 Índice Modelo de Comunicaciones Digitales 1 Modelo de Comunicaciones Digitales 2 3 4 5 6 7 Modelo General Info. Formato (e.g. A/D) Codif. Fuente Encriptado Codif. Canal Modulador
Más detallesTransmisión Digital. Guía de Aprendizaje Información al estudiante. Transmisión Digital M6. SEÑALES Y COMUNICACIONES
Transmisión Digital Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Asignatura Materia Departamento responsable Transmisión Digital M6. SEÑALES Y COMUNICACIONES Señales, Sistemas y
Más detallesComunicaciones Digitales - Ejercicios Tema 2
Comunicaciones Digitales - Ejercicios ema Considere un sistema PAM en banda base tal que la respuesta combinada transmisorreceptor, p(t), es un pulso triangular de la forma { t p(t) =, t 0, t
Más detallesComunicaciones Digitales - Ejercicios Tema 1
Comunicaciones Digitales - Ejercicios Tema Considere un sistema PAM en banda base tal que la respuesta combinada transmisorreceptor, p(t), es un pulso triangular de la forma { t T p(t) =, t T 0, t > T,
Más detallesUPV software for risk models
UPV software for risk models Armando Serrano Lombillo arserlom@doctor.upv.es www.edams.upv.es Risk analysis is feasible 1 Contents Introduction Review of previous concepts From influence diagrams to event
Más detallesSimulación e Implementación de un esquema de Modulación Trellis-Coded y de un decodificador de Viterbi en un DSP
TECNIA,Vol 8 N 03, págs.11-17, 1999 Universidad Nacional de Ingeniería Lima - Perú Simulación e Implementación de un esquema de Modulación Trellis-Coded y de un decodificador de Viterbi en un DSP Reynaldo
Más detallesIntroducción Aprendizaje de Máquina. Gerardo Gutiérrez Gutiérrez Alexis Rodríguez Gutiérrez
Introducción Aprendizaje de Máquina Gerardo Gutiérrez Gutiérrez Alexis Rodríguez Gutiérrez Qué es Aprendizaje de Máquina? "Field of study that gives computers the ability to learn without being explicitly
Más detallesIntersección de Segmentos de Recta. Geometría Computacional, MAT-125
Intersección de Segmentos de Recta Geometría Computacional, MAT-125 Dados dos conjuntos de segmentos de recta, calcular todas las intersecciones entre los segmentos de un conjunto y los segmentos del otro
Más detallesFÍSICA Y QUÍMICA UNIDAD 2: LA MATERIA
Física y Química 2º Curso Educación Secundaria Obligatoria Curso académico 2017/2018 1 FÍSICA Y QUÍMICA UNIDAD 2: LA MATERIA Física y Química 2º Curso Educación Secundaria Obligatoria Curso académico 2017/2018
Más detallesComunicaciones digitales I
Comunicaciones digitales I Clave del Curso: EET305-2 Profesor: Dr. Ramón Parra. 1.- Descripción general del curso 1.1 Contexto del curso El curso de Comunicaciones Digitales I es un curso de especialidad
Más detallesA limit theorem for random games
A limit theorem for random games María José González joint work with: F. Durango, J.L. Fernández, P. Fernández Warsaw 2017 Game Game with 2 players: α and β. Each of them alternately move R (right) or
Más detallesDepartamento de Teoría de Señal y Comunicaciones
LABORATORIO DE SEÑALES Y COMUNICACIONES Ingeniería de Telecomunicación Apellidos Nombre N o de matrícula o DNI Grupo 91[ ] 92[ ] 93[ ] Firma No escriba en las zonas con recuadro grueso Apellidos Nombre
Más detallesSISTEMAS DIGITALES MÉTODOS DE DISEÑO LDD 2007-08 1. eman ta zabal zazu
SISTEMAS DIGITALES MÉTODOS DE DISEÑO LDD 2007-08 1 SISTEMAS DIGITALES MÉTODOS DE DISEÑO Revisión de la metodología de diseño de sistemas digitales síncronos. Métodos de implementación de unidades de control:
Más detallesQUICK GUIDE RECORD SETUP CONFIGURACIÓN DE GRABACIÓN English / Español
QUICK GUIDE RECORD SETUP CONFIGURACIÓN DE GRABACIÓN English / Español ENGLISH SECTION Once you enter to the Main Screen on your DVR, press right button on the mouse and select the third icon called Record
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Transmision digital. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-02 GUÍA DE APRENDIZAJE ASIGNATURA Transmision digital CURSO ACADÉMICO - SEMESTRE 2015-16 - Primer semestre GA_09TT_95000042_1S_2015-16 Datos Descriptivos Nombre de la Asignatura Titulación
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Transmision digital. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Transmision digital CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_09TT_95000042_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación
Más detallesProgramación lineal Optimización de procesos químicos DIQUIMA-ETSII
Programación lineal PROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL se formula siguiendo el planteamiento general: Función objetivo Restricciones de igualdad Restricciones de desigualdad Límite variables PROGRAMACIÓN
Más detallesVocabulary Cards and Word Walls Revised: February 17, 2012
Vocabulary Cards and Word Walls Revised: February 17, 2012 Important Notes for Teachers: The vocabulary cards in this file match the Common Core, the math curriculum adopted by the Utah State Board of
Más detallesmedia kit diario global de negocios y economía de la nueva televisión
media kit diario global de negocios y economía de la nueva televisión about us THE DAILY TELEVISION is the newest of the media directed to television international business community, founded by professionals
Más detallesComunicaciones Digitales
Comunicaciones Digitales Página 1 de 6 Programa de: Comunicaciones Digitales UNIVERSIDAD NACIONAL DE CÓRDOBA Facultad de Ciencias Exactas, Físicas y Naturales República Argentina Carrera: Ingeniería Electrónica
Más detallesFUNCIONES: Repaso Functions: A Review
FUNCIONES: Repaso Functions: A Review Intuitivamente la palabra función se refiere a un asignación o correspondencia de un conjunto a otro Por ejemplo: Considera un conjunto de estudiantes y un conjunto
Más detallesTEMA 1 PROGRESIONES Y SUCESIONES
PARTE 1. SUCESIONES. PROGRESIONES ARITMÉTICAS Y GEOMÉTRICAS. 1. Halla los términos primero, segundo y décimo de las siguientes sucesiones, cuyo término general se da: a) a n = 2n 1 b) b n = 4n 3 2 c) c
Más detallesTema 01: Algoritmia y diagramas de flujo. Estructuras de datos (Prof. Edgardo A. Franco)
Tema 1 Estructuras de datos (Prof. Edgardo A. Franco) Contenido Algoritmia Qué es un algoritmo? Métodos algorítmicos Diagrama de flujo Símbolos utilizados en los diagramas de flujo Reglas para la construcción
Más detallesUNIT 2 DIVISIBILITY 1.- MULTIPLES AND FACTORS Concept of multiple Concept of factor
UNIT 2 DIVISIBILITY 1.- MULTIPLES AND FACTORS 1.1.- Concept of multiple We say that a number a is a multiple of another number b if the division a : b is an exact division, that is, if b contains a a whole
Más detallesPresentación Concepto de Variable Transformaciones Algoritmo Diagrama de Flujo Ejemplos
Presentación Página del Curso Página del Curso: http://asignaturas.inf.udec.cl/ lpcp Ayudantes Francisco Roco: Página web: http://www.udec.cl/ franciscoroco e-mail: franciscoroco@udec.cl Pedro Zambrano:
Más detallesANÁLISIS DE IMÁGENES: SISTEMA DE SEGUIMIENTO DE PERSONAS. Arranz Domingo, Álvaro. Sánchez Miralles, Álvaro.
ANÁLISIS DE IMÁGENES: SISTEMA DE SEGUIMIENTO DE PERSONAS Autor: Directores: Garzón González, Elena. Alvar Miró, Manuel. Arranz Domingo, Álvaro. Sánchez Miralles, Álvaro. Entidad Colaboradora: ICAI - Universidad
Más detallesCompetencia de matemáticas invitacional Saint Francis School Nivel superior
Competencia de matemáticas invitacional Saint Francis School Nivel superior Elaborado por: Prof. Edwin Flórez - UPRM Dr. Rafael Aparicio - UPRRP Dr. José De Jesús - UPRRP Dr. Luis Fuentes - UPRRP integrantes
Más detallesUNIVERSIDAD TÉCNICA DEL NORTE FACULTAD DE INGENIERIA EN CIENCIAS AGROPECUARIAS Y AMBIENTALES CARRERA DE INGENIERIA FORESTAL
UNIVERSIDAD TÉCNICA DEL NORTE FACULTAD DE INGENIERIA EN CIENCIAS AGROPECUARIAS Y AMBIENTALES CARRERA DE INGENIERIA FORESTAL GENERACIÓN Y VERIFICACION DE ESTADISTICAS FORESTALES EN LA PROVINCIA DE ORELLANA
Más detallesAlgoritmos. Diagramas de Flujo. Informática IV. L. S. C. Heriberto Sánchez Costeira
Informática IV Algoritmos Diagramas de Flujo L. S. C. Heriberto Sánchez Costeira Algoritmos 1 Definición Es una serie finita de pasos o instrucciones que deben seguirse para resolver un problema. Es un
Más detallesGuía de conectividad de máquinas Jofemar Jofemar machines Connectivity guide
Guía de conectividad de máquinas Jofemar Jofemar machines Connectivity guide Contenidos / Contents: Descripción de máquinas satélite / Satellite machines description Vision E-S Vision E-S Plus Microondas
Más detallesBehavior Modeling State Diagrams
11/11/2015 3. State Behavior Modeling State Diagrams Software Engineering and Databases Group Department of omputer Languages and Systems University of Seville November 2015 La traducción de este material
Más detallesVermont Mini-Lessons: Leaving A Voicemail
Vermont Mini-Lessons: Leaving A Voicemail Leaving a Voice Mail Message Learning Objective 1) When to leave a message 2) How to leave a message Materials: 1) Voice Mail Template blanks & samples 2) Phone
Más detallesUNIT 9.- INTRODUCTION TO HYPOTHESIS TESTING.
STATISTICAL METHODS FOR BUSINESS UNIT 9.- INTRODUCTION TO HYPOTHESIS TESTING. 9.1.- Basics of statistical hypothesis testing. 9.2.- Types of errors in hypothesis testing. 9.3.- Methodology and implementation
Más detallesMANUAL DE INSTRUCCIONES INSTRUCTION MANUAL
MANUAL DE INSTRUCCIONES INSTRUCTION MANUAL HL-PHL-CTL-I ES Controlador DMX512 RGB 12/24VDC 3 Canales 8A Hasta 288/576W EN DMX512 Controller RGB 12/24VDC 3 Channels 8A to 288/576W 1 ES - Resumen El descodificador
Más detallesSistema de Información n de
Sistema de Información n de Equidad e Indicadores Sociales Las siguientes páginas presentan las principales características del Sistema de Información de Equidad e Indicadores Sociales (EQxIS). Para avanzar
Más detallesIE12_ CONSOLIDACIÓN Y DESARROLLO DE NUEVAS TÉCNICAS DE EVALUACIÓN INTENSIVAS ON-LINE YA IMPLEMENTADAS POR EL GIE E4
IE12_13-03001 - CONSOLIDACIÓN Y DESARROLLO DE NUEVAS TÉCNICAS DE EVALUACIÓN Departamento de Estructuras de la Edificación Escuela Técnica Superior de Arquitectura de Madrid Universidad Politécnica de Madrid
Más detallesConceptos Básicos sobre Modulación y Codicación de Canal en Comunicaciones Móviles
Conceptos Básicos sobre Modulación y Codicación de Canal en Comunicaciones Móviles Luis Mendo Tomás Escuela Politécnica Superior Universidad Autónoma de Madrid Febrero de 2008 1. Introducción Este documento
Más detallesCHAPTER 5: Elements of Visual Image Interpretation
CHAPTER 5: Elements of Visual Image Interpretation REFERENCE: Remote Sensing of the Environment John R. Jensen (2007) Second Edition Pearson Prentice Hall Reasons why photo/image interpretation are powerful
Más detallesComputación I (CI-2125) Clase 3. Prof. Mireya Morales Primera
Computación I (CI-2125) Clase 3 Prof Mireya Morales Primera Contenido Ciclo de Desarrollo de un programa Formas de Representación Algorítmica: Diagramas de flujo y seudocódigo Estructuras de Control Estructuras
Más detallesEJERCICIO. Clasificación Supervisada
EJERCICIO Clasificación Supervisada En este ejercicio se maneja una imagen satelital para hacer una interpretación del tipo de cobertura que representa a través de una clasificación supervisada, para desarrollar
Más detallesMOTOR DE ANÁLISIS DE DATOS NUTRICIONALES RESUMEN DEL PROYECTO
MOTOR DE ANÁLISIS DE DATOS NUTRICIONALES Autor: Sánchez Naharro, Pablo Director: Contreras Bárcena, David Entidad Colaboradora: Universidad Pontificia de Comillas RESUMEN DEL PROYECTO Desarrollo de un
Más detallesNETWORK SPECIFICATIONS IN OPTIMAX SYSTEM
NETWORK SPECIFICATIONS IN OPTIMAX SYSTEM The Optimax PA system supports audio and control data communication through Ethernet and IP networks. Since it works on levels 3 and 4 of the OSI scale, the Optimax
Más detallesDerechos reservados AVL, JADD, AJBG, queda prohibida su reproducción total y/o parcial.
FAILURE THEORIES (From Shigley s Mechanical Engineering Design) MSS theory is an acceptable but conservative predictor of failure; and since engineers are conservative by nature, it is quite often used.
Más detallesMultiplicador de Velocidad max rpm HPH
Multiplicador de Velocidad. 0000 rpm Medizintechnik Medical Engineering Multiplicador de Velocidad Precision Hyper pindle Multiplicador de velocidad de alta precisión. Hyper spindles multiplica la velocidad
Más detallesTeoría de la Comunicación
Teoría de la Comunicación Práctica 2: Modulación y detección en canales gausianos Curso Académico 10/11 Objetivos En esta práctica el alumno aprenderá los elementos de un sistema básico de comunicación
Más detallesContrastando Hipótesis después de la Estimación Probit
Contrastando Hipótesis después de la Estimación Probit Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 El modelo Probit
Más detallesUna introducción a la combinatoria analítica. Análisis del algoritmo de Euclides en F q [X].
Una introducción a la combinatoria analítica. Análisis del algoritmo de Euclides en F q [X]. Eda Cesaratto Universidad Nacional de Gral. Sarmiento and CONICET (Argentina) Jornadas de y dinámica. Aplicaciones
Más detallesDeep Learning. Aplicaciones en Patología. Marcial García Rojo. Patólogo. Cádiz. Gloria Bueno. VISILAB Group. Universidad de Castilla-La Mancha
Deep Learning. Aplicaciones en Patología Marcial García Rojo. Patólogo. Cádiz. Gloria Bueno. VISILAB Group. Universidad de Castilla-La Mancha Para qué necesitamos análisis de imagen en Patología? Reducir
Más detalles