¿Cómo calcular la capacidad de un canal según el teorema de Shannon?

¿Qué es el teorema de Shannon-Hartley?

El teorema de Shannon-Hartley es el fundamento matemático que define hasta qué punto un canal de comunicación puede transmitir información de forma confiable. No se trata de una estimación ni de una aproximación: es un límite absoluto establecido por la física y las matemáticas.

En términos simples, este teorema responde a una pregunta que todo ingeniero en telecomunicaciones necesita resolver: ¿cuántos bits por segundo puede transportar un canal dado un ancho de banda y un nivel de ruido específicos? Sin esa respuesta, diseñar sistemas de comunicación sería un proceso a ciegas.

Lo que hace poderoso a este teorema es que no depende de la tecnología utilizada. No importa si se usa fibra óptica, radiofrecuencia o cable de cobre: el límite que establece Shannon siempre aplica. Cualquier sistema real debe operar por debajo de ese techo.

Es importante no confundirlo con el teorema de muestreo de Nyquist, que también involucra ancho de banda, pero aborda una pregunta diferente. Shannon fue más allá: incorporó el ruido como variable central del problema, lo que lo convierte en una herramienta mucho más completa para el análisis de canales reales.

Origen en la teoría de la información

Claude Shannon publicó en 1948 un artículo titulado «A Mathematical Theory of Communication», considerado hasta hoy el documento fundacional de la teoría de la información. En ese trabajo, Shannon estableció los conceptos de entropía, capacidad de canal y codificación eficiente.

Antes de Shannon, la comunicación se entendía de forma intuitiva y empírica. Los ingenieros sabían que el ruido degradaba las señales, pero no existía una forma precisa de cuantificar ese efecto sobre la cantidad de información transmisible. Shannon cambió eso para siempre.

Ralph Hartley había contribuido en 1928 con una fórmula que relacionaba la capacidad de transmisión con el ancho de banda y los niveles de señal posibles, pero sin considerar el ruido. Shannon extendió esa idea y la formalizó en presencia de ruido gaussiano, dando lugar al teorema que hoy lleva ambos nombres.

Este hito marcó el nacimiento de una disciplina completa. La teoría de la información pasó a ser una rama formal de las matemáticas y la ingeniería, con aplicaciones directas en compresión de datos, criptografía y diseño de sistemas de comunicación.

Importancia para ingenieros en telecomunicaciones

Para un ingeniero en telecomunicaciones, el teorema de Shannon-Hartley no es solo teoría: es una herramienta de diseño. Antes de construir cualquier sistema, se debe verificar que la tasa de transmisión deseada sea físicamente alcanzable con los recursos disponibles.

Si la tasa objetivo supera la capacidad de Shannon del canal, el sistema está mal diseñado desde el principio, sin importar cuánto esfuerzo se invierta en la implementación. Este teorema actúa como un filtro de viabilidad para cualquier proyecto de comunicaciones.

Además, sirve como referencia para evaluar la eficiencia de un sistema real. Si un canal tiene una capacidad teórica de 10 Mbps y el sistema logra transmitir 8 Mbps con baja tasa de error, ese sistema es altamente eficiente. Si solo alcanza 2 Mbps, hay margen de mejora significativo.

En el ámbito de la ingeniería en telecomunicaciones, este teorema guía decisiones clave: cuánto ancho de banda asignar, qué nivel de SNR se necesita y qué tipo de modulación o codificación es más adecuada para acercarse al límite teórico sin superarlo.

La fórmula matemática del teorema

La fórmula del teorema de Shannon-Hartley es compacta pero extremadamente poderosa. Con solo tres variables, permite calcular el máximo rendimiento de cualquier canal de comunicación sometido a ruido gaussiano blanco aditivo.

C = B ⋅ log₂(1 + S/N) explicada

Cada elemento de esta fórmula cumple un rol específico y no puede interpretarse de forma aislada. La capacidad C no es simplemente un número: es el resultado de la interacción entre el espacio disponible en frecuencia y la calidad de la señal en ese espacio.

El término log₂(1 + S/N) representa cuántos bits se pueden distinguir de forma confiable por cada hericio de ancho de banda. A mayor relación señal a ruido, ese logaritmo crece, y con él, la capacidad total del canal.

El «+1» dentro del logaritmo no es un detalle menor: garantiza que, incluso cuando S/N tiende a cero (es decir, cuando el ruido domina completamente), la expresión dentro del logaritmo no se vuelve cero ni negativa. Esto mantiene la coherencia matemática de la fórmula en cualquier escenario.

Rol del ancho de banda (B)

El ancho de banda actúa como un multiplicador directo de la capacidad. Si el ancho de banda se duplica y la SNR se mantiene constante, la capacidad del canal también se duplica de forma proporcional. Esta relación lineal lo convierte en uno de los recursos más valiosos en telecomunicaciones.

Sin embargo, el espectro radioeléctrico es limitado y costoso. No siempre es posible simplemente aumentar el ancho de banda para obtener más capacidad. Por eso, los ingenieros buscan optimizar el uso de cada hericio disponible con técnicas avanzadas de modulación y codificación.

En sistemas prácticos, el ancho de banda disponible está regulado por organismos como la UIT o la FCC, lo que convierte su gestión eficiente en una necesidad técnica y regulatoria al mismo tiempo. Conocer los tipos de modulación digital en comunicaciones te permite entender cómo se aprovecha al máximo ese ancho de banda disponible.

Relación señal a ruido (S/N)

La relación señal a ruido mide cuánta potencia tiene la señal útil en comparación con la potencia del ruido que la acompaña. Un valor alto de S/N significa que la señal es mucho más fuerte que el ruido, lo que permite distinguir más niveles de amplitud y, por tanto, transmitir más bits por símbolo.

La SNR actúa dentro de un logaritmo, lo que implica rendimientos decrecientes. Duplicar la SNR no duplica la capacidad, sino que la incrementa en una cantidad cada vez menor. Esto explica por qué en muchos sistemas es más eficiente aumentar el ancho de banda que seguir incrementando la potencia de transmisión.

Conversión de SNR de decibelios a escala lineal

En la práctica, los valores de SNR casi siempre se expresan en decibelios (dB), porque esa escala facilita el trabajo con rangos muy amplios de potencia. Sin embargo, la fórmula de Shannon requiere la SNR en escala lineal, no en decibelios, así que la conversión es un paso obligatorio antes de calcular.

La relación entre ambas escalas se define así:

SNR_lineal = 10^(SNR_dB / 10)

Por ejemplo, una SNR de 20 dB equivale a 10^(20/10) = 10^2 = 100 en escala lineal. Una SNR de 30 dB equivale a 1.000, y una de 10 dB equivale a 10. Como se puede ver, pequeños cambios en decibelios representan grandes cambios en la escala lineal.

Este paso es donde más errores se cometen al aplicar el teorema. Usar directamente el valor en dB dentro de la fórmula produce resultados completamente erróneos. Siempre se debe convertir primero.

Guía paso a paso para el cálculo

Ejemplos prácticos resueltos

Ver la fórmula en acción con datos reales es la forma más efectiva de entender cómo se aplica. A continuación se presentan tres casos con diferentes condiciones para cubrir los escenarios más comunes que aparecen en problemas académicos y proyectos reales.

Cálculo para un canal de voz telefónico clásico

El canal de voz telefónico convencional es el ejemplo más utilizado en cursos de telecomunicaciones, y por buena razón: sus valores son sencillos y representativos. Las condiciones estándar de este canal son un ancho de banda de 3.100 Hz y una SNR de 30 dB.

Ejemplo en sistemas de comunicaciones inalámbricas

En sistemas inalámbricos, los valores de ancho de banda son considerablemente mayores. Tomemos como referencia un canal Wi-Fi 802.11n con un ancho de banda de 20 MHz y una SNR de 25 dB, condiciones típicas de un entorno interior.

Caso con valores de SNR en decibelios

Este tercer ejemplo está diseñado para reforzar la conversión de dB a escala lineal, que es el paso más crítico. Se plantea un enlace satelital con un ancho de banda de 500 kHz y una SNR de 15 dB, condiciones comunes en sistemas de telemetría.

Comparación entre teoremas de Nyquist y Shannon

Nyquist y Shannon son dos pilares de la teoría de comunicaciones, pero responden preguntas distintas. Confundirlos es un error frecuente en estudiantes, así que vale la pena ver sus diferencias con claridad.

La fórmula de Nyquist establece que la capacidad máxima de un canal sin ruido es C = 2B • log₂(M), donde M es el número de niveles de señal discretos. El modelo de Nyquist es idealizado: asume que no hay ruido y que se puede incrementar M indefinidamente.

Shannon, al incorporar el ruido, demostró que M no puede crecer sin límite: si se añaden demasiados niveles, el ruido impide distinguirlos. Shannon fija el límite real que ningún sistema puede superar, independientemente de cuántos niveles se intenten usar.

En la práctica, ambos teoremas se usan en conjunto. Nyquist ayuda a determinar la tasa de símbolo máxima para un ancho de banda dado, mientras que Shannon establece la cantidad de información que puede transportarse de forma confiable con el ruido presente.

Limitaciones y consideraciones reales

La fórmula de Shannon es exacta bajo sus supuestos teóricos, pero en el mundo real entran en juego factores que alejan el rendimiento del canal de ese límite ideal. A continuación se explican las principales limitaciones que se encuentran en aplicaciones prácticas.

• Ruido no gaussiano: La fórmula asume que el ruido es gaussiano blanco aditivo (AWGN). En canales reales pueden aparecer interferencias impulsivas, ruido de fase o distorsión armónica que no siguen este modelo, reduciendo la capacidad efectiva.
• Canal no lineal: Amplificadores, convertidores y otros componentes introducen no linealidades. Cuando la señal supera ciertos niveles de potencia, aparece distorsión que el modelo lineal de Shannon no contempla.
• Variabilidad temporal del canal: En canales inalámbricos, la SNR varía con el tiempo por desvanecimiento (fading), reflexiones y movimiento del receptor. La capacidad de Shannon calculada con una SNR fija no refleja esas variaciones dinámicas.
• Ancho de banda no plano: Se asume que el canal tiene respuesta plana en frecuencia dentro del ancho de banda B. En la práctica, la atenuación varía con la frecuencia, lo que reduce la capacidad real respecto a la teórica.
• Complejidad de la codificación: Alcanzar el límite de Shannon requiere códigos de corrección de errores extremadamente complejos y longitudes de bloque muy largas, que implican latencia y costo computacional elevados.
• Ineficiencia de los moduladores reales: Ningún esquema de modulación real opera exactamente en el límite de Shannon. Los esquemas prácticos como QAM u OFDM se aproximan, pero con una brecha que aumenta a medida que se busca mayor eficiencia espectral.

Aplicaciones en redes y telecomunicaciones modernas

El teorema de Shannon no es solo historia: sus consecuencias están presentes en cada tecnología de comunicación que se usa actualmente. Desde la conexión a internet hasta los sistemas de telefonía móvil, Shannon define lo que es posible.

Preguntas frecuentes

¿Cómo se calcula la relación señal-ruido en la práctica?

En la práctica, la SNR se mide comparando la potencia de la señal útil con la potencia del ruido en el mismo punto del sistema. Se puede medir directamente con un analizador de espectro o calcularse a partir de las potencias de transmisión, ganancia de antenas, pérdidas de propagación y temperatura de ruido del receptor. En sistemas digitales, también se estima a partir de la tasa de error de bit (BER) observada, usando modelos matemáticos que relacionan ambos parámetros.

¿Qué pasa si la relación S/N es menor a 1?

Si la SNR es menor que 1 en escala lineal, significa que la potencia del ruido supera a la de la señal. En ese caso, el valor dentro del logaritmo sería 1 + S/N, que estaría entre 1 y 2, lo que hace que log₂(1 + S/N) sea un número positivo pero muy pequeño. La capacidad del canal no se anula, pero se vuelve extremadamente baja. En la práctica, sistemas como los de comunicaciones por satélite de banda ancha pueden operar con SNR negativas en dB gracias a técnicas avanzadas de codificación y procesamiento de señal.

¿Se puede superar el límite de capacidad de Shannon?

No es posible superar ese límite de forma sostenida sin cometer errores. Shannon demostró matemáticamente que existe una tasa máxima por debajo de la cual la comunicación puede ser casi libre de errores, y por encima de la cual los errores son inevitables sin importar la codificación usada. Lo que sí ha avanzado enormemente es la capacidad de aproximarse a ese límite: los códigos LDPC y turbo llegan a operar a menos de 0,1 dB del límite teórico, algo que antes parecía inalcanzable en la práctica.

¿Cuál es la diferencia entre capacidad teórica y tasa real?

La capacidad teórica es el límite máximo calculado con la fórmula de Shannon, asumiendo condiciones ideales y codificación perfecta. La tasa real es la velocidad efectiva a la que un sistema transmite información útil, que siempre es menor. Esa diferencia se explica por la ineficiencia de los esquemas de modulación y codificación reales, las cabeceras de los protocolos de red, los períodos de control, las retransmisiones por errores y las imperfecciones del canal físico. La eficiencia espectral, expresada en bits por segundo por hericio, mide qué tan cerca está la tasa real del límite de Shannon.

¿Cómo afecta el ancho de banda al resultado final?

El ancho de banda tiene una relación directamente proporcional con la capacidad del canal: si se duplica B manteniendo la SNR constante, la capacidad también se duplica exactamente. Sin embargo, en sistemas inalámbricos, aumentar el ancho de banda suele implicar operar en rangos de frecuencia más altos, donde la atenuación y la interferencia son mayores, lo que puede reducir la SNR efectiva. Por eso, el diseño de sistemas de comunicación siempre debe evaluar conjuntamente el efecto de aumentar el ancho de banda y su impacto sobre la relación señal a ruido resultante.

¿El teorema aplica igual para canales de fibra óptica que para canales de radio?

El principio es el mismo: la capacidad depende del ancho de banda y de la SNR, sin importar el medio físico. Sin embargo, en fibra óptica, la SNR se ve afectada por fenómenos como la dispersión cromática, el ruido de amplificadores ópticos (ASE) y efectos no lineales como la automodulación de fase. En canales de radio, en cambio, dominan el desvanecimiento por multicamino y la interferencia entre usuarios. La formulación matemática del teorema es universal, aunque los mecanismos físicos que determinan la SNR son muy diferentes en cada medio.

¿Por qué los operadores de internet no ofrecen velocidades cercanas al límite de Shannon?

Porque alcanzar ese límite requiere condiciones ideales que raramente existen en redes comerciales. Las líneas de cobre tienen impedancias variables, interferencia entre pares (diafonía) y longitudes que reducen la SNR con la distancia. Además, los sistemas reales comparten el espectro entre múltiples usuarios, usan protocolos con sobrecarga de control y deben equilibrar la velocidad con la latencia y la estabilidad de la conexión. El estándar VDSL2 con vectorización se acerca bastante al límite de Shannon en condiciones favorables, pero en acceso masivo hay un margen inevitable entre la teoría y la práctica.

¿Se usa este teorema para diseñar antenas o solo para análisis de canales?

El teorema en sí mismo no describe el comportamiento de las antenas, sino el canal en su conjunto. Sin embargo, el diseño de antenas está directamente vinculado a él, porque la ganancia y la directividad de una antena afectan la SNR recibida, que a su vez determina la capacidad del canal. En sistemas MIMO, por ejemplo, se utilizan múltiples antenas tanto en el transmisor como en el receptor para crear canales paralelos independientes, aumentando la capacidad total más allá de lo que un solo canal permitiría, siempre dentro de los límites que Shannon establece para cada canal individual.

¿Existe alguna versión extendida del teorema para canales con múltiples usuarios?

Sí. La teoría de la información ha desarrollado extensiones para canales multiusuario, como el canal de acceso múltiple (MAC) y el canal de difusión (broadcast channel). En estos modelos, el resultado no es una sola capacidad, sino una región de capacidad: el conjunto de tasas simultáneas que pueden asignarse a cada usuario. Estas extensiones son la base teórica de tecnologías como NOMA (acceso múltiple no ortogonal) y los sistemas de comunicaciones masivas MIMO que se usan en 5G y se planifican para 6G.

¿Cómo se relaciona la entropía de Shannon con la capacidad de un canal?

La entropía es la medida de la cantidad de información que genera una fuente, expresada en bits por símbolo. La capacidad del canal, por su parte, es la máxima tasa a la que esa información puede transmitirse de forma confiable. Shannon demostró que, si la tasa de información de la fuente es menor que la capacidad del canal, siempre existe una forma de codificar los datos para transmitirlos sin errores. Cuando la tasa de la fuente supera la capacidad, los errores son inevitables. Esta relación entre entropía y capacidad es el núcleo del teorema de codificación de canal de Shannon.

Conclusión

El teorema de Shannon-Hartley establece el límite máximo de información que puede circular por un canal de comunicación dado un ancho de banda y una SNR. Comprender esta fórmula es entender las reglas del juego en cualquier sistema de transmisión de datos, desde una llamada telefónica hasta un enlace satelital.

A lo largo de este contenido has visto cómo se construye la fórmula, qué significa cada variable, cómo convertir la SNR de decibelios a escala lineal y cómo aplicarla en casos concretos. También has podido comparar el modelo de Shannon con el de Nyquist y conocer qué factores reales alejan el rendimiento del límite teórico. Todo ese conocimiento te sirve tanto para resolver problemas académicos como para evaluar el diseño de sistemas reales.

Dominar este teorema es un paso sólido en tu formación como profesional de las comunicaciones. Si quieres seguir profundizando en estos conceptos y en otros temas relacionados con la transmisión de señales, el procesamiento digital y el diseño de redes, en este sitio web encontrarás más contenidos desarrollados con el mismo nivel de detalle para seguir avanzando.

Sigue aprendiendo: