Densidad espectral de potencia

En matemáticas y en física, la Densidad Espectral (Spectral Density) de una señal es una función matemática que nos informa de cómo está distribuida la potencia o la energía (según el caso) de dicha señal sobre las distintas frecuencias de las que está formada.

La definición matemática de la Densidad Espectral (DE) es diferente dependiendo de si se trata de señales definidas en energía, en cuyo caso hablamos de Densidad Espectral de Energía (DEE), o en potencia, en cuyo caso hablamos de Densidad Espectral de Potencia (DEP).

Aunque la densidad espectral no es exactamente lo mismo que el espectro de una señal, a veces ambos términos se usan indistintamente, lo cual, en rigor, es incorrecto.

Una señal ${displaystyle x(t)}$ es definida en energía si su energía media es finita, i.e, ${displaystyle 0<E_{x}<infty }$ y por tanto, su potencia media es cero. Otra forma de decir lo mismo es si la integral de su valor absoluto al cuadrado existe y es finita.

Su DEE es

donde ${displaystyle X(f)}$ es la Transformada de Fourier de ${displaystyle x(t)}$, la integral de esta función en todo el eje ${displaystyle f}$ es el valor de la energía total de la señal ${displaystyle x(t)}$

Una señal ${displaystyle x(t)}$ es definida en potencia si su potencia media es finita, i.e, ${displaystyle 0<P_{x}<infty }$ y por tanto, su energía media es infinita, ${displaystyle E_{x}=infty }$.

La DEP se calcula usando el Teorema de Wiener-Khinchin el cual relaciona la DEP con la transformada de Fourier de la función de autocorrelación

donde ${displaystyle {mbox{TF}}}$ significa Transformada de Fourier y ${displaystyle R_{xx}}$ es la función de autocorrelación de ${displaystyle x(t)}$.

El valor ${displaystyle S_{xx}(0)}$ es la potencia de la componente continua (DC) de la señal. La integral de esta función en todo el eje ${displaystyle f}$ es el valor de la potencia total de la señal ${displaystyle x(t)}$

Usando el concepto de correlación cruzada es posible definir también la densidad espectral cruzada.

Nota: En realidad, la definición de la DEP sirve también para las señales definidas en energía, que serían un caso particular. En este caso la Transformada de Fourier de la autocorrelación de la señal x(t) sería simplemente la transformada de Fourier de la señal x(t) al cuadrado, es decir, la DEE.

En un sistema lineal e invariante con el tiempo en el que ${displaystyle x(t)}$ es la entrada, ${displaystyle h(t)}$ la respuesta al impulso e ${displaystyle y(t)}$ la salida del sistema. Tenemos las siguientes propiedades:

donde ${displaystyle m_{y}}$ es la media de ${displaystyle y(t)}$ y ${displaystyle S_{xy}}$ es la densidad espectral cruzada entre ${displaystyle x(t)}$ e ${displaystyle y(t)}$

En general, la Densidad Espectral de la suma NO es suma de Densidades Espectrales. Esto solo es cierto si ambos procesos no están correlacionados. En general, si tenemos:

donde ${displaystyle x(t)}$ e ${displaystyle y(t)}$ son conjuntamente estacionarios, entonces

Un problema muy común y con grandes aplicaciones prácticas en procesado de señal es el de estimar la densidad espectral de potencia de una señal aleatoria estacionaria. Decimos "estimar" puesto que, como la señal es un proceso estocástico (estacionario) dada la naturaleza estocástica del mismo no es posible determinar con absoluta precisión su DEP a no ser que dispongamos de un registro de señal infinito, lo cual no es posible.

Las técnicas de estimación se dividen en dos grandes grupos:

La DE solo está matemáticamente bien definida en el caso de señales con una función de autocorrelación estacionaria, i.e, que no dependa de la posición de las variables aleatorias que componen el proceso sino solo de la distancia entre ellas. Es decir, la DE solo está bien definida para el caso de señales deterministas y señales aleatorias estacionarias.

Un proceso aleatorio no estacionario que es estacionario a trozos se llama cuasi-estacionario y es posible definir la DEP en cada uno de estos trozos. Para estimar la DEP en este tipo de procesos lo normal es usar un método de estimación espectral paramétrico adaptativo (por ejemplo mediante un modelo AR y el algoritmo LMS para identificar el modelo AR).

---