De la escena al receptor: la cadena completa de la TV digital

EL MAPA · SOLEMNE 1 → SOLEMNE 2

El mapa completo: una sola historia

Toda la materia responde las cinco preguntas que definen la televisión: capturar imagen y sonido, convertirlos en información transmisible, transmitirla por un medio, recibirla y transformarla de vuelta en imagen y sonido. La TV digital no cambia esas preguntas: cambia las respuestas.

El problema central que ordena toda la cadena es un embudo de números: una señal HD digitalizada corre a ~1,5 Gbps, pero el canal de aire sigue siendo el mismo canal de 6 MHz heredado de la TV analógica (que en digital rinde ~19 Mbps útiles). Entre ambos extremos hay un factor ~150:1 que solo la compresión puede cerrar; y lo que la compresión logra, la codificación de canal debe protegerlo, porque un flujo comprimido no tolera errores.

• Escena → CámaraLa luz se descompone en R, G, B con un prisma dicroico hacia 3 sensores. Corrección gamma → R′G′B′.
  luz continua
• ▼
• Matriz de color → Y′CbCr + submuestreo 4:2:2Luminancia (detalle) separada de crominancia (color); la croma lleva la mitad de muestras porque el ojo no nota la diferencia.
  BW ~30 MHz (HD)
• ▼
• Digitalización (BT.601 / BT.709) → SDIMuestreo 13,5 MHz (SD) o 74,25 MHz (HD), 10 bits, niveles 16–235, TRS (EAV/SAV), audio embebido. Es la señal de estudio.
  270 Mbps / 1,5 Gbps
• ▼
• Compresión (codificación de fuente): H.264 + AACElimina redundancia espacial (DCT), temporal (movimiento, GOP) y estadística (entropía). Sale un Elementary Stream por señal.
  HD ~8 Mbps
  SD ~2–5 Mbps
• ▼
• PES → Transport Stream (MUX)Paquetes fijos de 188 bytes con PID; varios programas + tablas PAT/PMT (PSI/SI) + PCR/PTS/DTS en un solo flujo.
  ~15–20 Mbps
• ▼
• Remux → BTS + codificación de canalTSP de 204 bytes, capas jerárquicas A/B/C, Reed-Solomon + convolucional + entrelazados (byte, bit, tiempo, frecuencia), TMCC.
  BTS 32,5 Mbps fijo
• ▼
• Modulación BST-COFDM (IFFT) + intervalo de guarda13 segmentos, miles de portadoras ortogonales lentas (QPSK/16QAM/64QAM), one-seg al centro. Resiste multitrayecto y permite SFN.
  3,65–23,23 Mbps
• ▼
• RF: canal de 6 MHz en UHFEl mismo canal, las mismas torres, antenas y sitios (cerros) de la TV analógica. El canal agrega ecos, ruido y Doppler.
  6 MHz
• ▼
• ReceptorToda la cadena al revés: FFT → corrección de errores → demux (PAT→PMT) → decodificador H.264/AAC → sincronización PCR/PTS → pantalla.
  imagen + sonido

SOLEMNE 1 · CAPÍTULO 2

TV analógica B/N: donde se definen los conceptos que todo hereda

La TV nace resolviendo tres problemas de diseño que reaparecen en cada generación: (1) cuántas imágenes por segundo, (2) con qué resolución, (3) cómo organizar la información para transmitirla y sincronizar al receptor.

1.1 Tasa de refresco y flicker (el porqué de 25/30 fps)

El movimiento es una ilusión: basta presentar imágenes fijas a suficiente velocidad (el cine lo hace con 24 fps). Si la iluminación se interrumpe y el ojo lo nota, se percibe parpadeo (flicker). La TV eligió su tasa amarrada a la red eléctrica para evitar batidos con las fuentes de poder: 30 fps en América (red de 60 Hz), 25 fps en Europa (50 Hz). Esa decisión de 1940 explica hasta hoy por qué existen dos familias de formatos (59,94/50 Hz).

1.2 El entrelazado: la primera "compresión" de la historia

Subir el refresco a 60 Hz para matar el flicker habría doblado el ancho de banda. La solución: transmitir 60 medios cuadros (campos) por segundo — primero las líneas impares, luego las pares. El ojo integra ambos campos y percibe 60 Hz de iluminación con el ancho de banda de 30 cuadros. Es el mejor compromiso flicker ↔ ancho de banda, y por eso sobrevive en digital (480i, 1080i). Su costo: artefactos con movimiento rápido (bordes aserrados), que el progresivo (720p) no tiene.

1.3 Resolución, líneas y ancho de banda

• Vertical: la fija el número de líneas del estándar (525 USA / 625 Europa; 485/576 visibles). El espectador percibe menos: factor de Kell ≈ 0,7 (Rv = 0,7 × líneas activas). No depende del ancho de banda.
• Horizontal: sí depende del ancho de banda — explorar detalles finos genera frecuencias altas (~80 líneas/MHz; con 4,2 MHz → ~336 TVL). Este es EL vínculo calidad ↔ ancho de banda que gobierna toda la TV.
• La relación D/H = 3.438/N (distancia óptima de visionado vs número de líneas) da D/H ≈ 7 para SD — y es el argumento que después justifica la HD (más líneas → sentarse más cerca / pantalla más grande).
• Razón de aspecto 4:3: heredada del cine de 35 mm (Dickson/Edison, 1892).

1.4 La señal VBS y el sincronismo

Todo viaja en una sola señal compuesta: Video + Blanking (borrado) + Sync. Niveles: blanco arriba, negro abajo, y los pulsos de sincronismo bajo el negro ("más negro que el negro": invisibles en pantalla). El sync horizontal marca el inicio de cada línea; el vertical, el inicio de cada campo — herencia directa del problema de Nipkow: emisor y receptor deben barrer sincronizados.

1.5 El canal de 6 MHz (el dato más heredado del curso)

• Video modulado en AM con banda lateral vestigial (VSB): doble banda lateral necesitaría ~8,4 MHz; se transmite la banda superior completa + un vestigio de 1,25 MHz de la inferior (los filtros reales no son ideales y las bajas frecuencias llevan la energía de la imagen).
• AM negativa (blanco = mínima portadora; sync = máxima) por 3 razones: referencia estable para el AGC del receptor, el sincronismo es lo último que se pierde con señal débil, y eficiencia energética (las imágenes suelen ser claras).
• Audio en FM a +4,5 MHz de la portadora de video.
• Canalización: VHF (canales 2–13) y UHF (14–69), canales de 6 MHz. La TDT chilena transmite en UHF usando exactamente esta canalización.

1.6 El espectro "peine" del video

La señal de video es doblemente periódica (línea y cuadro): su energía se concentra en paquetes alrededor de los armónicos de la frecuencia de línea (15.750 Hz), con huecos entre ellos, y decae hacia las frecuencias altas. Dos consecuencias enormes: en esos huecos se insertará el color (§2), y esa concentración/redundancia es el fundamento de la compresión (§5).

SOLEMNE 1 · CAPÍTULOS 3.1–3.2

El color: percepción humana → codificación Y + crominancia

Esta unidad es la semilla conceptual de toda la TV digital: aquí nace la separación luminancia/crominancia que después se convierte en Y′CbCr y en el submuestreo 4:2:0 de MPEG.

2.1 La visión es doble — y la TV la imita

La retina tiene conos (4–6 millones, en la fóvea: detalle y color, necesitan luz — visión fotópica) y bastones (~100 millones, periferia: movimiento y luz, sin color — visión escotópica). Consecuencia de diseño: el detalle viaja en la señal de brillo; el color puede viajar aparte y con menos resolución. Tres tipos de conos (L, M, S) → basta con 3 primarios (RGB, síntesis aditiva) para reproducir cualquier color.

2.2 Colorimetría CIE: por qué "Y" es LA señal

Los experimentos de calce de color (Wright y Guild) dieron funciones RGB con valores negativos (hay colores que no se logran sumando primarios reales). El CIE creó el espacio XYZ con primarios imaginarios, todos positivos, cuya gracia central es: la función y̅(λ) coincide exactamente con la curva de sensibilidad fotópica V(λ) → el componente Y mide la luminancia percibida. El diagrama de cromaticidad (la "herradura") define gamut, saturación (distancia al blanco), tinte (posición angular) e iluminantes (D65). Cada sistema (NTSC, sRGB, BT.709…) es un triángulo dentro de esa herradura, y XYZ es el idioma común para traducir entre ellos (matrices 3×3).

2.3 Por qué NO se transmite RGB

1. Triplicaría el ancho de banda (3 señales de resolución completa).
2. No resuelve la compatibilidad con blanco y negro — la restricción política/comercial de 1950: los receptores B/N existentes debían seguir funcionando.

La solución: transformar RGB en Y + dos diferencias de color. Y = 0,299R + 0,587G + 0,114B (los pesos vienen de V(λ): el verde domina). Si la escena es gris (R=G=B), las diferencias valen 0: un receptor B/N ve solo Y y funciona perfecto. Cada sistema nombra distinto sus dos componentes de color: YIQ (NTSC), YUV (PAL), YCbCr (digital) — la misma idea con distintas matrices.

2.4 Crominancia con menos ancho de banda (percepción otra vez)

El ojo es mucho menos sensible a los transientes de color que a los de brillo, y más sensible al eje naranja-cian (I) que al verde-púrpura (Q). NTSC asigna: Y 4,2 MHz · I 1,5 MHz · Q 0,5 MHz. Este reparto desigual es el ancestro directo del submuestreo 4:2:2 / 4:2:0.

2.5 Cómo cabe el color en el mismo canal: subportadora + entrelazado espectral

• I y Q modulan en cuadratura (QAM analógica) una subportadora de 3,58 MHz, que se suprime; la fase del vector resultante = tinte, su amplitud = saturación.
• Para regenerarla, se envía el burst: 8–10 ciclos de referencia en el pórtico trasero de cada línea.
• La frecuencia se eligió como múltiplo impar de la mitad de la frecuencia de línea (227,5 × fh): así los paquetes espectrales del color caen en los huecos del peine de la luminancia (entrelazado espectral) y su efecto en un receptor B/N se autocancela entre barridos.
• El origen del 29,97: para que la subportadora no batiera con el audio a 4,5 MHz, no se movió el audio: se bajó todo un 0,1% → fh = 15.734 Hz, 30/1,001 = 29,97 fps, 59,94 Hz. Ese factor 1/1,001 persigue a la TV hasta hoy (74,25/1,001 MHz en HD digital).

2.6 NTSC vs PAL vs SECAM

PAL y SECAM son mejoras del NTSC contra su fragilidad de fase. Los tres comparten: barrido entrelazado, video compuesto (Y+croma+sync), luminancia compatible con B/N, entrelazado espectral, AM-VSB para video y FM para audio.

Ojo con la gamma: los dispositivos son no lineales (salida = entrada^γ, γ≈2,2); la cámara precorrige (^1/2,2). Por eso en digital se escribe Y′ ("luma"): se calcula sobre R′G′B′ ya corregidos.

SOLEMNE 1 · CAPÍTULOS 3.3–3.4

Audio analógico y la cadena física de transmisión

3.1 El audio: FM a 4,5 MHz

El oído cubre 20 Hz–20 kHz con respuesta logarítmica (dB); para TV se transmite 50 Hz–15 kHz (calidad radio FM). El audio modula en FM (desviación ±25 kHz) una portadora a 4,5 MHz del video. ¿Por qué FM? Amplitud constante → inmune al ruido (la información va en la frecuencia) y P_FM = P_portadora (la potencia solo se redistribuye hacia las bandas laterales — funciones de Bessel; BW ≈ 2(Δf + f_m), regla de Carson). El pre-énfasis realza agudos antes de modular y mejora la relación señal/ruido.

MTS/BTSC (estéreo, 1984): el mismo patrón de compatibilidad del color — se transmite L+R (lo que oye el receptor mono) más L−R en una subportadora AM-DSSC con piloto en 15.734 Hz (= fh), y canales extra SAP (segundo idioma) y PRO. El receptor estéreo recupera L y R con semisuma y semiresta.

3.2 Del estudio al aire (infraestructura que la TDT hereda completa)

• Estudio: cámaras/micrófonos → switcher de video y mixer de audio → master control → señal banda base (1 V, por cable).
• Enlace al sitio de transmisión (fibra o microondas), típicamente un cerro con vista a la ciudad (Santiago: estudios → telepuerto → Cerro San Cristóbal; a la vez, subida satelital para distribución nacional).
• Excitador/modulador: el corazón del transmisor; convierte banda base → canal RF. En analógico produce dos salidas: Visual (AM-VSB) y Aural (FM), todo a 50 Ω.
• Amplificación: módulos de estado sólido en paralelo (divisores/combinadores, híbridos de 3 dB) — única forma de lograr kW; redundancia y hot-swap. La potencia aural va 10 dB bajo la visual (FM necesita menos).
• Filtros (pasabajos de armónicas, notch) → diplexer (combina visual+aural) → línea rígida coaxial (a más diámetro: más potencia, menos pérdida) → antena de paneles en arreglos (más niveles apilados = más ganancia y haz vertical más angosto → rellenar nulos), diagramas horizontal/vertical según cobertura, polarización horizontal.
• Potencia radiada: P_rad = P_tx − pérdidas + G_antena (10 kW + 12 dB ≈ 140 kW efectivos).

SOLEMNE 1 · CAPÍTULO 4 (4.1–4.3)

Digitalización: BT.601 (SD) y BT.709 (HD)

Digitalizar = muestrear + cuantizar + codificar. La ganancia: copias y procesamiento sin degradación, el borrado se convierte en canal de datos, y la señal se vuelve materia prima para la compresión. El costo: tasas binarias enormes que solo viven dentro del estudio.

4.1 Muestreo: Nyquist y el pixel

f_muestreo > 2 × f_máx (Nyquist): si no se cumple, las réplicas espectrales se traslapan → aliasing/Moiré; por eso siempre hay un filtro pasabajos antialiasing antes del muestreador. La reconstrucción exacta usa funciones sinc — cumplido Nyquist, muestrear más no aporta nada. El pixel es la muestra: un número en un punto (dimensión cero), no un "cuadradito".

4.2 Qué se digitaliza: componentes, no compuesto ni RGB

Primero se digitalizó el video compuesto (4×subportadora: 143/177 Mbps) — malo: perpetuaba NTSC vs PAL y los problemas del color modulado. RGB directo — malo: desperdicia percepción. La respuesta definitiva: componentes Y′CbCr con submuestreo de croma.

4.3 BT.601: la recomendación madre (SD)

• 13,5 MHz para Y y 6,75 MHz para cada croma (relación 4:2:2). ¿Por qué 13,5? Es múltiplo de 2,25 MHz = mínimo común múltiplo de las frecuencias de línea de 525 y 625 → una sola norma digital mundial con retícula ortogonal estática (las muestras caen siempre en la misma posición, línea a línea y cuadro a cuadro → procesamiento matricial, base de la DCT).
• 720 muestras activas por línea en ambos sistemas (858/864 totales) → 720×480 y 720×576; pixeles no cuadrados.
• Niveles con cabeceras: en 8 bits, negro = 16, blanco = 235 (croma: 16–240, centro 128). 0 y 255 quedan prohibidos y reservados para sincronización → hace posible el TRS. El sincronismo analógico NO se digitaliza: se reemplaza por palabras de datos.
• Cuantización: S/N ≈ 6,02·N + 1,76 dB → 8 bits ≈ 59 dB, 10 bits ≈ 71 dB (el ruido de cuantización es el error ±Q/2).
• 270 Mbps = (13,5 + 2×6,75) MHz × 10 bits — idéntico para 525 y 625 por diseño (mismo hardware mundial). SD 16:9: 360 Mbps.

4.4 Submuestreo de croma (memorizar el significado, no solo el nombre)

La imagen completa se ve prácticamente igual en todos: la percepción tolera perder resolución de color. Es la "compresión perceptiva" previa a toda compresión.

4.5 La línea digital: TRS, EAV/SAV, HANC/VANC

Cada línea serial es: EAV | borrado digital (HANC) | SAV | video activo 4:2:2 (Cb Y Cr Y…) | EAV. El TRS (Timing Reference Signal) son 4 palabras: 3FF 000 000 XYZ — un patrón imposible en video (por los niveles prohibidos), donde XYZ lleva los bits F (campo 1/2), V (borrado vertical) y H (SAV/EAV) protegidos con Hamming. La interfaz es autosincronizada: el receptor se engancha detectando los TRS.

El borrado, que en analógico era tiempo muerto, en digital es un canal de datos: HANC (en todas las líneas — ahí viaja el audio embebido, hasta 16 canales AES a 48 kHz) y VANC (líneas del borrado vertical — closed captions, AFD…). La señal serial final pasa por scrambling + NRZI (densidad de transiciones, sin componente continua) y viaja por coaxial de 75 Ω con BNC — la misma infraestructura del video analógico. Eso es SDI (SMPTE 259M en SD; 292M = HD-SDI).

4.6 HD: BT.709

• Definición ITU perceptual: sistema transparente visto a 3 alturas de pantalla (SD era 6–7).
• 16:9: promedio geométrico entre TV 4:3 y los formatos de cine (el rectángulo que contiene y el contenido por todos son 16:9). De ahí los problemas de convivencia: letterbox, pillarbox, center-cut, squeeze anamórfico, y el AFD (señalización en VANC que le dice al conversor cómo convertir cada contenido).
• 1920×1080: 720 muestras SD × (16/9)/(4/3) = 960 → ×2 = 1920; ×9/16 = 1080. Pixeles cuadrados por fin. 1080i y 720p son los formatos de emisión; 1080p60 (3 Gbps) no se usa en TV abierta.
• Nueva matriz de color (primarios distintos): Y = 0,2126R + 0,7152G + 0,0722B — 601 y 709 no son intercambiables sin transformación (colores incorrectos).
• Muestreo 74,25 MHz (Y) / 37,125 MHz (croma), 4:2:2, 10 bits → 1,485 Gbps (o /1,001). Los sistemas de 50 y 59,94 Hz calzan en el mismo enlace variando el largo del blanking — de nuevo, diseño para infraestructura única.
• Sincronismo tri-level (±300 mV, cruce por cero = referencia, sin DC); en HD el EAV agrega número de línea (Ln) y CRC por línea (detecta errores, no corrige).
• La señal serial sigue siendo física: se evalúa con diagrama de ojo y jitter — funciona perfecto hasta el "acantilado" (pérdida catastrófica), anticipo del cliff de la TDT.
• Escalera de interfaces: 270 M (SD) → 1,485 G (HD) → 3G (1080p60) → 12G (4K) → 24G (8K). 4K/8K sin comprimir no caben ni en 10GbE: quad-link, gearboxes — y la percepción ya casi no distingue 4K de 8K.

SOLEMNE 2 · CAPÍTULO 5

Compresión (codificación de fuente): JPEG → MPEG-2 → H.264

Las tres compresiones comparten un mismo esqueleto: predecir → transformar → cuantizar → codificar entropía. JPEG lo aplica dentro de una imagen (redundancia espacial); MPEG-2 lo extiende entre imágenes (redundancia temporal); H.264 refina cada pieza del mismo esquema. Si entiendes JPEG paso a paso, entiendes el 70% de todo el capítulo.

5.1 Por qué comprimir y con qué marco teórico

• Ancho de banda: HD 1,5 Gbps vs canal de 6 MHz. Almacenamiento: HD sin comprimir ≈ 7,5 GB/minuto. Procesamiento y transferencia. Y la razón estrella de la TDT: multiprograma — varios programas en el canal donde antes iba uno.
• Mensaje = entropía + redundancia. Entropía: lo impredecible (la información real). Redundancia: lo que el receptor puede recrear. Comprimir = eliminar redundancia y transmitir (casi) solo entropía.
• Sin pérdidas (~2:1, reversible, no garantiza factor) vs con pérdidas (factores altos; el arte es botar lo que la percepción no ve — psicovisual: menos sensibilidad al color, al detalle fino, al fondo, a zonas detalladas).
• CBR (tasa fija, calidad variable) vs VBR (tasa variable, calidad fija) — porque la entropía de la escena varía (noticiero ≠ deporte).
• Triángulo calidad – bitrate – latencia: solo se optimizan dos. De ahí los perfiles (herramientas/complejidad) y niveles (resolución) de MPEG.
• Asimetría: encoder complejo/caro/pocos ↔ decoder simple/barato/millones. MPEG estandariza solo el decoder y la sintaxis del flujo: los encoders compiten y mejoran sin romper compatibilidad.
• Regla práctica: si el bitrate no alcanza, mejor filtrar la entrada (bajar resolución/entropía) que sufrir artefactos — la pérdida de compresión es catastrófica a la vista.

5.2 JPEG paso a paso: la compresión espacial (intra)

JPEG (ISO, 1990) comprime imágenes fijas explotando redundancia espacial (pixeles vecinos se parecen) + percepción + estadística. Su pipeline es el corazón de los cuadros I de MPEG. Cada paso en detalle:

Paso 0 — Entrada. La imagen ya viene en Y′CbCr con la croma submuestreada (4:2:2 en estudio, 4:2:0 en emisión). Esa es la primera reducción de datos — perceptual e irreversible: la croma viaja con la mitad o un cuarto de las muestras porque el ojo no resuelve detalle fino de color.

Paso 1 — Partición en bloques. Cada componente (Y, Cb, Cr) se divide en bloques de 8×8 pixeles, agrupados en macrobloques de 16×16 (en 4:2:0: 4 bloques de Y + 1 de Cb + 1 de Cr = 6 bloques; en 4:2:2: 4+2+2 = 8). El macrobloque es la unidad mínima que se transmite. ¿Por qué por bloques? Acota el cálculo de la transformada y los errores en las fronteras entre bloques resultan pequeños.

Paso 2 — DCT (Transformada de Coseno Discreta). Cada bloque 8×8 de pixeles f(x,y) se convierte en una matriz 8×8 de coeficientes F(u,v): los pesos de 64 patrones cosenoidales de frecuencia espacial creciente (frecuencia horizontal hacia la derecha, vertical hacia abajo). F(0,0) es el coeficiente DC (≈ el nivel medio de luminancia del bloque); los otros 63 son los AC. Como los pixeles vecinos se parecen, la energía queda concentrada en pocos coeficientes de baja frecuencia (esquina superior izquierda) y las altas frecuencias salen casi cero; además los coeficientes quedan decorrelacionados entre sí. Punto de examen: la DCT es reversible (IDCT exacta) — no comprime ni pierde: reorganiza la información para que los pasos siguientes puedan comprimir.

Paso 3 — Cuantización + thresholding (AQUÍ está LA pérdida). Cada coeficiente se divide por el valor correspondiente de una tabla de cuantización y se redondea al entero: F_q(u,v) = round[F(u,v)/Q(u,v)]. La tabla tiene pasos pequeños en las bajas frecuencias (se conservan con precisión: el ojo sí las ve) y pasos grandes en las altas (se redondean con brutalidad: el ojo no las resuelve); lo que queda bajo umbral se hace 0 (thresholding). El redondeo no se puede deshacer: es la única etapa irreversible de todo el pipeline. Escalando la tabla se regula el bitrate en tiempo real (control de tasa): es la perilla calidad ↔ tamaño, y abusar de ella produce el artefacto típico de bloques visibles (blocking).

Paso 4 — Lectura en zig-zag. La matriz cuantizada se serializa recorriéndola en diagonal desde el DC hacia las altas frecuencias: los valores significativos quedan al principio y las largas cadenas de ceros, juntas al final. (Para video entrelazado existe un scan alterno que privilegia la dirección vertical, donde el entrelazado concentra más frecuencia.)

Paso 5 — RLC (Run-Length Coding). La secuencia se convierte en pares (corrida de ceros, valor): (5, 1) significa "cinco ceros y luego un 1". El par especial (0,0) = EOB (End of Block) dice "de aquí al final todo es cero" — los ~55 ceros finales ni siquiera se transmiten. Totalmente reversible.

Paso 6 — VLC / Huffman (codificación de entropía). A cada par se le asigna un código de largo variable: corto para los pares frecuentes, largo para los raros (el principio del Morse: la "e", la letra más común, es un solo punto). Ningún código es prefijo de otro, así que el decodificador separa los símbolos sin marcadores; el largo promedio se acerca al mínimo teórico de la fuente (entropía H = −Σp·log₂p). El DC se codifica aparte y en forma diferencial (DPCM): se transmite la diferencia con el DC del bloque anterior — números más chicos, menos bits, y de paso disimula las fronteras entre bloques.

El decodificador hace el camino inverso: Huffman⁻¹ → RLC⁻¹ → multiplicación por la tabla de cuantización (recupera coeficientes aproximados) → IDCT → Y′CbCr → RGB. Todo se invierte exacto salvo el redondeo del paso 3: por eso la salida es parecida pero no idéntica al original.

Tabla resumen:

Resultado típico del ejemplo del curso: un bloque de 640 bits queda en 85 (≈7,5:1); JPEG llega a 10–20:1 sin degradación perceptible.

5.3 MPEG-2 paso a paso: se suma la dimensión tiempo (inter)

Un video es una secuencia de imágenes casi iguales entre sí: la redundancia temporal es enorme. La idea central de MPEG-2 (1994; el estándar que EEUU, Europa y Japón adoptaron para su TV digital): no reenviar cada cuadro completo — enviar las instrucciones para construirlo a partir de cuadros ya decodificados. El paso a paso:

1. Organización en GOP. La secuencia se estructura en Groups of Pictures (p. ej. IBBPBBPBBPBB, típicamente 12–15 cuadros) que se repiten. Cada GOP parte con un cuadro I.
2. Cuadro I (intra). Se codifica completo con el pipeline JPEG de arriba (DCT → cuantización → zig-zag → RLC → VLC), sin mirar ningún otro cuadro. Es autónomo: el ancla donde el receptor puede "entrar" al video (zapping) y donde se corta la propagación de errores.
3. Cuadro P — estimación y compensación de movimiento. Para cada macrobloque 16×16, el codificador busca en el cuadro de referencia anterior (I o P) el bloque 16×16 más parecido dentro de una ventana de búsqueda (estimación). Encontrado el mejor calce, transmite solo dos cosas: el vector de movimiento (cuánto y hacia dónde se desplazó ese pedazo) y el residuo — la diferencia pixel a pixel entre el bloque real y el predicho (compensación) — que se comprime con la cadena DCT → cuantización → entropía. En zonas que solo se movieron, el residuo es casi cero → casi no cuesta bits. Si ningún calce es bueno (algo nuevo entró a escena), ese macrobloque se codifica intra, como en un cuadro I.
4. Cuadro B (bidireccional). Igual que P, pero cada macrobloque puede predecirse desde un cuadro pasado, uno futuro, o el promedio de ambos. Un objeto que se "destapa" no existe en el pasado pero sí en el futuro → siempre hay de dónde predecir y el residuo se hace mínimo. Es el cuadro más comprimido de todos; a cambio exige buffer (memoria) y esperar a que llegue el futuro. En MPEG-2 los B no sirven de referencia para otros cuadros.
5. Reordenamiento (la consecuencia clave). Para decodificar un B se necesita su referencia futura ya decodificada → el orden de transmisión ≠ el orden de presentación. Ejemplo: la cámara produce I₁ B₂ B₃ P₄, pero se transmite I₁ P₄ B₂ B₃. De ahí nacen los dos sellos de tiempo que viajarán en el PES (§6): DTS (cuándo decodificar) y PTS (cuándo presentar).
6. Control de tasa. El paso de cuantización se ajusta macrobloque a macrobloque para cumplir el bitrate objetivo (CBR o VBR) sin desbordar ni vaciar el buffer del decodificador — la misma perilla que después usa la multiplexación estadística (§6) para repartir bits entre programas.
7. Salida: Elementary Stream, con jerarquía secuencia → GOP → cuadro → slice → macrobloque → bloque. Perfiles y niveles: Main Profile @ Main Level (SD), @ High Level (HD). Bitrates típicos MPEG-2: SD 2–6 Mbps, HD 15–20 Mbps.

5.4 H.264 / AVC paso a paso: la misma arquitectura, cada pieza refinada

H.264 (MPEG-4 parte 10) es el códec de ISDB-Tb (la modificación brasileña; el ISDB-T japonés usa MPEG-2). No cambia el esquema híbrido predicción + transformada + cuantización + entropía: mejora cada bloque del pipeline, y la suma da ~2× la eficiencia de MPEG-2 (HD broadcast ≈ 8 Mbps; SD ≈ 2–5 Mbps; one-seg ≈ 300 kbps). Siguiendo el mismo orden del pipeline:

1. Predicción intra espacial (mejora a los cuadros I): cada bloque ya no se transmite "desde cero" — se predice desde los pixeles vecinos ya decodificados del mismo cuadro, usando modos direccionales (vertical, horizontal, diagonales, DC), y solo se codifica el residuo. Un degradado o un borde limpio casi no cuestan bits: se "dibujan" desde el contexto.
2. Predicción inter mejorada (mejora a P y B): los macrobloques se dividen en particiones variables de 16×16 hasta 4×4 (vectores finos donde el movimiento es complejo, gruesos donde es uniforme), los vectores tienen precisión de ¼ de pixel (por interpolación) y se puede predecir desde múltiples cuadros de referencia, no solo el inmediato; los B pueden servir de referencia.
3. Transformada entera 4×4/8×8: una aproximación de la DCT calculada con aritmética entera exacta → codificador y decodificador obtienen el mismo resultado bit a bit (sin deriva por redondeo), y el bloque más chico reduce artefactos alrededor de los bordes.
4. Cuantización con parámetro QP (0–51) de paso logarítmico — cumple la misma función de siempre: es la única pérdida y la palanca del control de tasa.
5. Filtro de desbloqueo in-loop: suaviza las fronteras entre bloques antes de que el cuadro se use como referencia. No es un retoque cosmético final: al estar dentro del lazo de predicción, todas las predicciones siguientes parten de una imagen más limpia → menos residuo → más compresión.
6. Entropía adaptativa: CAVLC (códigos variables adaptativos por contexto) o CABAC (codificación aritmética binaria adaptativa al contexto, ~10–15% más eficiente que Huffman: va ajustando las probabilidades sobre la marcha según lo que ya codificó).
7. Empaquetado en unidades NAL (Network Abstraction Layer): el flujo sale organizado en paquetes lógicos listos para el transporte — directo al PES y al Transport Stream (§6).

El audio de ISDB-Tb sigue la misma filosofía con el oído: HE-AAC = banco de filtros (MDCT) + modelo psicoacústico (cuantiza grueso lo que el oído enmascara y no distinguiría) + codificación de entropía. La v1 agrega SBR (reconstruye los agudos desde una descripción paramétrica en vez de transmitirlos) y la v2 suma Parametric Stereo — el estéreo del one-seg.

SOLEMNE 2 · CAPÍTULO 6

Transport Stream: el punto de encuentro de todo

El TS (MPEG-2 Systems, ISO/IEC 13818-1) es el protocolo universal de transporte de TV: une compresión con transmisión, y es lo que llega al hogar en cualquier estándar (en ISDB-Tb, transformado en BTS).

6.1 La jerarquía ES → PES → TS

• ES: flujo sin fin del codificador (video, audio o datos).
• PES: el ES troceado en paquetes de largo variable (≤64 KB) con cabecera: 00 00 01 + Stream ID (qué es: 0xE0… video, 0xC0… audio) + largo + cabecera opcional con PTS/DTS.
• TS: los PES reempaquetados en paquetes fijos de 188 bytes (4 de cabecera + 184 de carga). Regla: un TSP lleva datos de un solo PES; el relleno se hace con adaptation field.

6.2 La cabecera TS: cómo se identifica todo

0x47 (byte de sincronismo, aparece cada 188 bytes: así se engancha el receptor) · flags de error/inicio/prioridad · PID de 13 bits (la "etiqueta" de cada flujo) · control de scrambling · control de adaptation field · contador de continuidad (detecta paquetes perdidos/duplicados por PID). En el adaptation field viaja el PCR.

6.3 Los tres relojes (la sincronización de extremo a extremo)

• PCR (Program Clock Reference, ≥10 veces/s, por programa): muestra del reloj maestro del encoder. El receptor engancha su reloj local (PLL) al PCR → recrea el reloj del estudio a distancia. Sin esto los buffers se vacían o desbordan.
• DTS: cuándo decodificar un cuadro. PTS: cuándo presentarlo. Difieren por el reordenamiento del GOP (los B se transmiten después de los cuadros de los que dependen). Ambos se refieren al reloj recreado por el PCR — video y audio comparten reloj → lip-sync directo.

6.4 Multiplexación: varios programas en un flujo

• BR_salida = Σ programas + tablas PSI/SI + paquetes nulos (PID 0x1FFF) que completan la tasa constante.
• Multiplexación estadística: el mux reparte el bitrate dinámicamente entre programas realimentando a los codificadores — la escena difícil recibe más bits, la estática menos: mejor calidad conjunta que cuotas fijas.
• Remultiplexación (al combinar TS de orígenes distintos): reescribir PIDs (colisiones), regenerar tablas y corregir los PCR (si los paquetes se movieron en el tiempo, el reloj mentiría).

6.5 PSI/SI: cómo el receptor encuentra un canal

El flujo se autodescribe con tablas: la PAT (siempre en PID 0: el índice — qué programas hay y en qué PID está la PMT de cada uno) → la PMT de cada programa (los PIDs de su video, audios, datos y de su PCR) → CAT (acceso condicional), NIT (frecuencias/red). El estándar DVB agregó las SI: SDT (nombres de servicios), EIT (eventos → la EPG), TOT (hora), etc.

6.6 Capa física y éxito del TS

ASI: la interfaz estándar para llevar TS (eléctricamente igual a SDI: coaxial 75 Ω, BNC, hasta 270 Mbps); también TS sobre IP (RTP/UDP, ST 2022). ¿Por qué el TS ganó frente a RTMP/WebRTC/MP4? Recuperación de reloj (PCR), latencia definida (PTS), resiliencia a errores, reloj común audio/video y multicast — al costo de mayor overhead. Ejemplo chileno del curso: un TS con LA RED HD (H.264, 8 Mbps) + señal SD + one-seg (~340 kbps) conviviendo con sus PMT/PCR propios.

SOLEMNE 2 · CAPÍTULO 7

Transmisión ISDB-Tb: codificación de canal + BST-COFDM

7.1 El enemigo: el canal terrestre

La transmisión por aire es la más difícil: multitrayectorias (reflejos en edificios/cerros → desvanecimiento selectivo), ruido AWGN, ruido impulsivo (motores), Doppler (recepción móvil). Además, la TDT funciona en modo todo o nada: perfecta hasta el umbral y caída abrupta (efecto acantilado / digital cliff) — a diferencia del deterioro gradual analógico. Calidad se mide con BER (QEF = 10⁻⁴) y sobre todo MER (~34 dB en transmisión; umbrales ≈ 18 dB fija exterior / 12 dB indoor / 8 dB móvil).

7.2 El mapa de estándares (y la elección chilena)

7.3 OFDM: la idea central (concepto estrella del examen)

Una portadora única rápida es frágil: un eco retardado pisa muchos símbolos (ISI). La solución OFDM: repartir el flujo entre miles de portadoras lentas — el símbolo se alarga miles de veces y el eco pasa a ser una fracción pequeña de cada símbolo; un desvanecimiento selectivo daña pocas portadoras, y como los datos van entrelazados, el FEC los recupera.

• Ortogonalidad: las portadoras se separan exactamente Δf = 1/T_u (el recíproco del símbolo útil). Así, en la frecuencia de cada portadora, todas las demás valen cero (el máximo de una coincide con los nulos de las otras): los espectros se traslapan sin interferirse → máxima eficiencia espectral, espectro casi rectangular ("mesa" con hombros).
• IFFT/FFT: modular miles de portadoras a la vez sería inviable con hardware convencional; la IFFT lo hace en una sola operación (2k/4k/8k puntos; las que sobran van nulas). El receptor demodula con la FFT e integra cada portadora sobre T_u: las demás integran cero.
• Intervalo de guarda (IG) / prefijo cíclico: se copia el final del símbolo y se pega al inicio (1/4, 1/8, 1/16 o 1/32 de T_u). Todo eco con retardo < IG cae en la zona de sacrificio y la ventana FFT queda libre de ISI. Regla: IG mayor que el retardo esperado; IG grande = más protección (y SFN posibles), menos capacidad.
• Pilotos (SP dispersos + CP continuos): portadoras de referencia con las que el receptor se sincroniza y estima el canal (amplitud y fase) para ecualizar. El TMCC (en portadoras DQPSK robustas) le informa modo, IG, modulación y FEC de cada capa: el receptor se autoconfigura.
• Desventajas de OFDM: PAR alta (exige amplificadores lineales) y sensibilidad a corrimientos de frecuencia.

7.4 BST: 13 segmentos y transmisión jerárquica

• El canal de 6 MHz se divide en 14 partes de 428,57 kHz; se usan 13 segmentos (BW útil ≈ 5,57 MHz) y el resto queda de guarda; la portadora central lleva un offset de +1/7 MHz (coexistencia con NTSC durante la transición).
• Los segmentos se agrupan en hasta 3 capas (A/B/C), cada una con su propia modulación (DQPSK/QPSK/16QAM/64QAM) y su propio FEC: eso es la transmisión jerárquica.
• One-seg: el segmento 0, físicamente al centro del canal (orden espectral 11-9-7-5-3-1-0-2-4-6-8-10-12), con QPSK robusto y ~340–550 kbps para receptores móviles/portátiles — que solo necesitan demodular esa porción central.
• Configuración típica: A = one-seg (QPSK) · B/C = SD (16QAM) y/o HD (64QAM). Con la misma potencia, la capa robusta tiene más cobertura (necesita menos C/N): zonas concéntricas de servicio.
• Robustez ↔ capacidad es el compromiso permanente: QPSK (2 bits/símbolo) llega lejos con poca tasa; 64QAM (6 bits/símbolo) da 23 Mbps pero exige mucha C/N. Las constelaciones usan código Gray (símbolos vecinos difieren en 1 bit → un error de símbolo = 1 bit malo).

7.5 Modos, guardas y tasas

Concepto clave: el modo NO cambia la tasa binaria (al duplicar portadoras se duplica T_u: N/T_u constante). El modo elige robustez temporal (ecos largos, SFN) vs comportamiento Doppler (símbolos cortos mejores en movilidad). La tasa la fijan modulación × FEC × IG: de 3,65 Mbps (QPSK, FEC 1/2, IG 1/4) a 23,23 Mbps (64QAM, 7/8, 1/32); el punto de operación típico ronda 64QAM, FEC 3/4, IG 1/16 ≈ 19,3 Mbps.

7.6 La cadena de codificación de canal (orden y porqué de cada bloque)

1. Remux → BTS: agrega a cada paquete TS 16 bytes (info ISDB: capa a la que va cada paquete + paridad) → TSP de 204 bytes; inserta nulos y el IIP (con el TMCC) hasta una tasa fija de 32,5 Mbps = 4 × frecuencia de muestreo de la IFFT — todo debe calzar en números enteros de paquetes por segmento, capa y cuadro OFDM (204 símbolos).
2. Reed-Solomon RS(204,188): código externo, corrige hasta 8 bytes por paquete — última barrera antes del decodificador MPEG.
3. Dispersión de energía (PRBS): aleatoriza para evitar rachas de 0/1 (espectro plano, sincronización sana).
4. Entrelazado de bytes (profundidad 12): reparte los bytes en el tiempo para que una ráfaga de errores quede repartida entre muchos paquetes (cada uno con ≤8 bytes malos, corregibles por RS).
5. Código convolucional punzado (interno, tasas 1/2…7/8, elegible por capa): corrige errores dispersos a nivel de bit (Viterbi en el receptor). ¿Por qué dos códigos? El convolucional falla en ráfagas; el entrelazado + RS limpian justo eso: la concatenación protege mucho más que cualquiera solo.
6. Entrelazado de bits → mapeo a constelaciones (normalizadas para igual potencia media) → entrelazados de tiempo y de frecuencia (intra e inter-segmento): dispersar, dispersar, dispersar.
7. IFFT + IG → RF → canal de 6 MHz.

7.7 SFN: el premio de OFDM

Como los ecos dentro del IG no dañan, otros transmisores en el MISMO canal, sincronizados, se ven como "ecos buenos": redes de frecuencia única (SFN) y gap fillers para zonas de sombra. La TV analógica necesitaba frecuencias distintas por zona (MFN); la digital libera espectro (dividendo digital).

SOLEMNE 2 · CAPÍTULO 7 · CIERRE

El receptor: toda la cadena al revés

Contar la recepción de corrido es la mejor prueba de que entiendes la cadena:

1. Sintonizador: selecciona el canal de 6 MHz en UHF (arquitectura superheterodina) y lo baja a banda base.
2. Sincronización de símbolo: detecta la repetición del prefijo cíclico → ubica la ventana útil del símbolo (libre de ISI).
3. FFT: demodula las miles de portadoras de una vez (el banco de demoduladores matemático).
4. Estimación de canal y ecualización: con los pilotos SP/CP corrige amplitud y fase por portadora; lee el TMCC para saber modo, IG, y la modulación/FEC de cada capa (un one-seg solo procesa el segmento central).
5. De-mapeo y de-entrelazados (frecuencia, tiempo, bit) → Viterbi (código convolucional) → de-entrelazado de bytes → Reed-Solomon (limpia lo que quede) → quita dispersión de energía → TSP 204 → TS 188.
6. Demux: engancha 0x47, lee PAT → PMT, filtra los PID del servicio.
7. Relojes: engancha el PCR (recrea el reloj del estudio), ordena con DTS y presenta con PTS (video y audio en el mismo reloj → lip-sync).
8. Decodificadores: H.264 reconstruye el video (I → P → B, compensación de movimiento, IDCT/transformada inversa, filtro de desbloqueo); AAC el audio.
9. Presentación: desentrelazado/escalado a la pantalla (los paneles modernos son progresivos), conversión de aspecto si corresponde (AFD).

Si la señal cae bajo el umbral (MER/C/N insuficiente para la modulación de esa capa), no se degrada: desaparece (cliff). Por eso las capas robustas (QPSK) siguen vivas donde la 64QAM ya murió.

SÍNTESIS FINAL · SOLEMNE 1 + SOLEMNE 2

Cómo se conecta todo: las respuestas "de comprensión"

9.1 La percepción humana diseña el sistema

9.2 Cada decisión histórica y su herencia digital

9.3 El patrón "compatibilidad" (se repite 3 veces)

Color sobre B/N (Y compatible + subportadora entrelazada), estéreo sobre mono (L+R compatible + L−R en subportadora), y la excepción que confirma la regla: la digital rompe la compatibilidad de señal (necesita set-top box) pero hereda toda la infraestructura y la canalización, y convive en simulcast hasta el apagón analógico (Chile: abril de 2024).

9.4 La sincronización como hilo conductor

Es el mismo problema resuelto en cada capa: discos de Nipkow girando al unísono → pulsos H/V y VBS → burst de color → genlock/black & burst en el estudio → TRS (EAV/SAV) y tri-level en SDI → PCR/PTS/DTS en el TS → prefijo cíclico, pilotos y TMCC en OFDM. Transmitir es fácil; lo difícil es que el otro extremo sepa dónde y cuándo mirar.

9.5 La robustez de lo crítico (otro patrón)

AM negativa protege el sincronismo analógico; los bits F/V/H del TRS van con Hamming; el TMCC va en DQPSK ultrarobusto; el one-seg va en QPSK al centro del canal. Siempre: la información de control/sincronización viaja más protegida que el contenido.

9.6 Dónde se pierde información (y dónde jamás)

• Pérdidas deliberadas y perceptuales: submuestreo de croma, cuantización de coeficientes DCT (única etapa lossy del pipeline), compresión de audio.
• Reversible siempre: matrices de color, DCT, zig-zag, RLC, entropía, empaquetado PES/TS, FEC, modulación.
• El canal pierde, pero el FEC lo repara por completo hasta el umbral (QEF) — y después, el acantilado.

REPASO FINAL · ANTES DE ENTRAR

Banco de preguntas posibles (con respuesta breve)

Cap. 2 — TV analógica B/N

Caps. 3.1–3.4 — Color, audio y transmisión analógica

Cap. 4 — Video digital SD y HD

Cap. 5 — Compresión

Cap. 6 — Transporte (TS)

Cap. 7 — Transmisión ISDB-Tb

Integradoras (las de desarrollo)