SEÑALE Y SISTEMAS
CÓDIGO: 203042A
Tarea 1
UNIDAD 2: Señales en el dominio de la frecuencia
Presentado a:
PAOLA ANDREA MATEUS
Tutora
Entregado por:
Geferson Andres Rozo Devia
Código: 1024488292
Grupo: 203042_21
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
Abril 2019
Bogotá D. C
Tarea 2 - Señales en el dominio de la frecuencia
1. Definición de conceptos: estudiando el libro de (Ambardar), El
estudiante investiga de manera individual y da respuesta a las
siguientes preguntas teóricas:
a- Explique qué es convolución continua y discreta. De cuatro (4)
ejemplos de usos y/o aplicaciones en la ingeniería.
Rta: Una forma de representar un sistema a través de su respuesta en
frecuencia o función transferencia; existe otra forma de caracterizar un
sistema, en el dominio del tiempo y es mediante su respuesta al
impulso. Es decir:
Cuando 𝑥[𝑛] = 𝛿[𝑛], la salida 𝑦[𝑛], la cual se llamara ℎ[𝑛], será la
respuesta al impulso. Como el sistema es lineal e invariante en el
tiempo, la respuesta a
𝑥[𝑛] = 𝐴𝛿[𝑛 − 𝑘] 𝑠𝑒𝑟𝑎 𝐴ℎ[𝑛 − 𝑘]
Esto permitirá conocer la respuesta a cualquier entrada arbitraria 𝑥[𝑛]ya
que siempre podemos expresar a x[𝑛] como:
𝑥[𝑛] = ∑ 𝐴𝑘. 𝛿[𝑛 − 𝑘]
Superposicion
𝑥[𝑛] = ∑ 𝐴𝑘. ℎ[𝑛 − 𝑘]
Esto se conoce como convolucion discreta o suma de convolucion entre
la entrada Ak y la respuesta impulsiva ℎ[𝑛]
b- ¿Qué es estabilidad y causalidad de sistemas LTI?
Rta: A partir de la respuesta al impulso, en un sistema LTI se puede
determinar sus propiedades de causabilidad y estabilidad.
Causabilidad: un sistema es causal cuando su salida no anticipa valores
futuros de la entrada. Se puede asegurar que u sistema es casual si:
ℎ[𝑛] = 0 𝑛 < 0 ℎ[𝑡] = 0 𝑡 < 0
Estabilidad: Un sistema es estable si se cumple:
∞ ∞
∑ |ℎ[𝑛]| < ∞ ∫ |ℎ(𝑡) | 𝑑𝑡 < ∞
−∞ −∞
En un sistema estable la salida debe estar acotada si la entrada está
acotada.
c- Explique que es correlación y de un (1) ejemplo de uso y/o
aplicación en la ingeniería.
Rta: La correlacion es una operación similar a la convolucion. Esta
implica desplazar una función más allá de otra y así poder hallar el área
bajo el producto resultante. Esta no efectúa ninguna reflexión.
La correlación 𝑟𝑥𝑥 (𝑡) de dos funciones idénticas x(t) se
llama autocorrelación. Para dos funciones diferentes x(t) y y(t), la
correlación 𝑟𝑥𝑦 (𝑡) o 𝑟𝑦𝑧 (𝑡) se conoce como correlación cruzada.
Ejemplo
d- Explique qué es auto correlación y de un (1) ejemplo de uso
y/o aplicación en la ingeniería.
Rta: Dada una señal temporal, la autocorrelación continua es la
correlación continua cruzada de consigo mismo tras un desfase, y se
define como:
Donde representa el conjugado complejo y el círculo representa una
convolución. Para una función real.
Formalmente, la autocorrelación discreta con un desfase para una señal
es:
Donde m es el valor esperado de 𝑥𝑛 .
Frecuentemente las autocorrelaciones se calculan para señales
centradas alrededor del cero, es decir con un valor principal de cero. En
ese caso la definición de la autocorrelación viene dada por:
Las autocorrelaciones multidimensionales pueden definirse de manera
similar. Por ejemplo, en tres dimensiones puede definirse la
autocorrelación de una función como:
Ejemplo: Una de las aplicaciones de la autocorrelación es la medida
de espectros ópticos y en especial la medida de pulsos muy cortos
de luz.
e- ¿Cuál es la diferencia de correlación continua y correlación
discreta?
Rta: Correlacion cruzada es una operación entre dos señales de entrada
que permite detectar si una señal ocurre en otra. En esta la amplitud de
la señal generada muestra cuanto se parece la señal de entrada a la
señal objetivo en ese punto.
Auto correlación es una operación entre dos señales de entrada en este
caso consigo misma
f- ¿Qué son las series de Fourier?
Rta: Las series de Fourier son series de términos coseno y seno y
surgen en la tarea práctica de representar funciones periódicas
generales. Como aplicación constituyen una herramienta muy
importante en la solución de problemas en los que intervienen
ecuaciones diferenciales ordinarias y parciales.
La introducción de las series de Fourier (y de las integrales de Fourier)
fue uno de los mayores avances jamás realizados en la física
matemática y en sus aplicaciones en la ingeniería, ya que las series de
Fourier (y las integrales de Fourier) son probablemente la herramienta
más importante en la solución de problemas con valores en la frontera.
g- ¿Qué es la transformada Continua de Fourier? De dos (2)
ejemplos de uso y/o aplicación en la ingeniería.
Rta: Es la definición matemática para hallar el transformada discreta de
Fourier que se usa en el análisis de sistema de computación.
Partiendo del desarrollo en series de Fourier de señales periódicas 𝑥̃(𝑡)
𝑛=∞ 𝑛=∞
2𝜋𝑛𝑡
𝑗
𝑥̃(𝑡) = ∑ 𝐶𝑛 𝑒 𝑇 = ∑ 𝐶𝑛 𝑒 𝑗𝑛𝑤0 𝑡
𝑛=−∞ 𝑛=−∞
𝑇 ⁄2
1
𝐶𝑛 = ∫ 𝑥̃(𝑡)𝑒 𝑗𝑛𝑤0 𝑡 𝑑𝑡, 𝑛 = (… , −1,0,1, … )
𝑇
−𝑇⁄2
Se toma el limite cuando 𝑇 → ∞
2𝜋
Como 𝑤0 = entonces 𝑤0 puede verse como dw
𝑇
1 𝑑𝑤
Por lo que 𝑇 = 2𝜋
De igual manera 𝑛𝑤0 será una variable continua de w
Aplicando lo anterior en:
𝑇 ⁄2 𝑛=∞
1
𝐶𝑛 = ∫ 𝑥̃(𝑡)𝑒 𝑗𝑛𝑤0 𝑡 𝑑𝑡, 𝑛 = (… , −1,0,1, … ) 𝑥̃(𝑡) = ∑ 𝐶𝑛 𝑒 𝑗𝑛𝑤0 𝑡
𝑇
−𝑇⁄2 𝑛=−∞
Se llega a:
∞ ∞ ∞
𝑑𝑤 𝑑𝑤
𝐶𝑛 = ∫ 𝑥̃(𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡 𝑥(𝑡) ∫ [ ∫ 𝑥(𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡] 𝑒 𝑗𝑤𝑡
2𝜋 2𝜋
𝑡=−∞ 𝑤=−∞ 𝑡=−∞
Puede escribirse la anterior ecuación así:
∞
1
𝑥(𝑡) = ∫ 𝑋(𝑤) 𝑒 𝑗𝑤𝑡 𝑑𝑤
2𝜋
𝑤=−∞
𝑋(𝑤) = ∫ 𝑥(𝑡) 𝑒 −𝑗𝑤𝑡 𝑑𝑡
𝑡=−∞
Que forman la pareja transformada de Fourier
Ejemplo:
Sabemos que una señal de audio, como una canción es una función
temporal, de valores de presión del aire, los cuales son transformados
por micrófonos en valores de voltaje, que pueden ser medidos y
guardados en una grabación. Y, luego, se puede hacer el proceso
inverso con unos altavoces que transforman un voltaje variable en una
presión de aire variable.
Ahora bien, el almacenamiento de valores instantáneos de presión de
aire o de voltajes de un micrófono no es muy eficiente. Sabemos que el
oído humano no es igual de sensible a unas frecuencias que a otras.
Lo que haría el MP3 sería codificar con mayor precisión las frecuencias
que mejor escucha el oído humano y codificar de forma muy burda, con
poca precisión, las frecuencias a las que el oído no es muy sensible.
Esto nos permite ahorrar muchos datos… de forma que una canción
pueda ocupar la décima parte y oírse prácticamente igual.
Para calcular las componentes en frecuencia de una canción se haría la
transformada de Fourier, la cual nos da las componentes o coeficientes
en cada frecuencia, de forma que unas componentes se codifican con
más bits (más precisión) y otras se codifican con menos bits.
Aplicaciones
La transformada de Fourier se utiliza para pasar una señal al dominio de
frecuencia para así obtener información que no es evidente en el
dominio temporal. Por ejemplo, es más fácil saber sobre qué ancho de
banda se concentra la energía de una señal analizándola en el dominio
de la frecuencia.
La transformada también sirve para resolver ecuaciones diferenciales
con mayor facilidad y, por consiguiente, se usa para el diseño de
controladores clásicos de sistemas realimentados, si conocemos la
densidad espectral de un sistema y la entrada podemos conocer la
densidad espectral de la salida. Esto es muy útil para el diseño de filtros
de radiotransistores.
La transformada de Fourier también se utiliza en el ámbito del
tratamiento digital de imágenes, como por ejemplo para mejorar o
definir más ciertas zonas de una imagen fotográfica o tomada con una
computadora, véase ondícula (wavelet).
Nota: Después de realizar la lectura del libro guía se debe
estructurar con sus propias palabras la definición de los temas,
esto no debe tener una extensión mayor a 4 páginas.
2. Ejercicios: Cada estudiante de manera individual debe resolver
los siguientes cuatro (4) ejercicios.
Nota: la constante “a” corresponde al último digito del número de
su grupo, y la constante “b” corresponde con el último dígito de
su código universitario (documento de identidad), si “a” es cero, o
“b” es cero utilice a=3, o b=3 según sea el caso.
Enlace del libro- Nota: Para poder ingresar al enlace del libro de
Ambardar, debe estar registrado en campus y no debe superar los
5 minutos de ingreso. Después de los 5 minutos le pedirá
contraseña y deberá salir del campus y volver a ingresar.
1.1. Ejercicio 1- Convolución continua (analítica): usando
como guía el ejemplo 6.2 de la página 134 del libro guia
Ambardar y teniendo en cuenta las propiedades de dicha
operación determine la convolución entre 𝑥(𝑡) y ℎ(𝑡) descritas a
continuación:
Ítem grupal
𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
El número del grupo es
𝑥(𝑡) = (2−𝑒 2𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −2(𝑡) 𝑢(𝑡 − 2)
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡)
Entonces
𝑥(𝜆) = (2 − 𝑒 −2𝜆 )𝑢(𝜆)
ℎ(𝑡 − 𝜆) = 𝑒 −2(𝑡−𝜆) 𝑢(𝑡 − 𝜆 − 2)
Puesto que
𝑢(𝜆) = 0, 𝑝𝑎𝑟𝑎 𝜆 < 0
𝑢(𝑡 − 𝜆 − 2) = 0, 𝑝𝑎𝑟𝑎 𝜆 > 𝑡 − 2
Se obtiene
∞
𝑦(𝑡) = ∫ 𝑥(𝑡)ℎ(𝑡 − 𝜆)𝑑𝑥
−∞
∞
𝑦(𝑡) = ∫ (2 − 𝑒 −2𝜆 )𝑢(𝜆) 𝑒 (−2)(𝑡−𝜆) 𝑢 (𝑡 − 𝜆 − 9)𝑑𝜆
−∞
∞
𝑦(𝑡) = ∫ (2 − 𝑒 −2𝜆 )𝑢(𝜆) 𝑒 (−2𝑡) 𝑒 2𝜆 𝑢 (𝑡 − 𝜆 − 9)𝑑𝜆
−∞
𝑡−2
−2𝑡
𝑦(𝑡) = 𝑒 ∫ (2𝑒 −2𝜆 − 𝑒)𝑑𝜆
0
𝑡−2
𝑦(𝑡) = 𝑒 −2𝑡 | | (2𝑒 −2𝜆 − 𝑒)𝑑𝜆
0
𝑦(𝑡) = 𝑒 −2𝑡 [2𝑒 2(𝑡−2) − 𝑒 (𝑡−2) − 2𝑒 2(0) − 𝑒 0 ]
𝑦(𝑡) = 𝑒 −2𝑡 [2𝑒 2(𝑡−2) − 𝑒 (𝑡−2) ]
Nota: Para la solución de este ejercicio, se deben repasar los métodos
de integración vistos en el curso de cálculo integral.
2.2 Ejercicio 2 – Convolución discreta (tabular y gráfica):
Usando como guía el ejemplo 7.3 de la página 173 del libro
Ambardar, determine la respuesta de un filtro FIR (ℎ[𝑛]), a
la entrada 𝑥[𝑛]. Posteriormente verifique su respuesta
diseñando un script con el método gráfico de convolución,
en Matlab u Octave y anexe el resultado junto con el script
(práctica):
𝑥[𝑛] = [−1, 𝑎, 2̌, 𝑎, 𝑏, 4]
ℎ[𝑛] = [ 2.5, 𝑏̌, 0.5]
Para a = 1
Para b= 2
𝑥[𝑛] = [−1,1, 2̌, 1,2,4]
ℎ[𝑛] = [ 2.5, 2̌, 0.5]
𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑑𝑒 𝐿𝑦 𝑑𝑒 𝑦(𝑛)𝑒𝑠𝑡𝑎 𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑎 𝑐𝑜𝑛 𝑙𝑎𝑠 𝑙𝑜𝑛𝑔𝑖𝑡𝑢𝑑𝑒𝑠 𝐿𝑥 𝑦 𝐿ℎ 𝑑𝑒 𝑥(𝑛)𝑚𝑦 ℎ(𝑛)𝑝𝑜𝑟;
𝑳𝒚 = 𝑳𝒙 + 𝑳𝒉 − 𝟏
n -2 -1 0 1 2 3 4 5
x[n] -1 1 2 1 2 4
h[n] 2.5 2 0.5
-2.5 2.5 4 2.5 5 10
-2 2 4 2 4 8
-0.5 0.5 1 0.5 1 2
y[n] -2.5 -0.5 6 7 8 14.5 9 2
xn=[(-1),1,2,1,2,4];
hn=[2.5,2,0.5];
CodDis=conv(xn,hn)
𝑁 = −1
𝑀 = −1
𝑁 + 𝑀 = −2
El marcador se coloca para indicar que la convolucion empieza en n=2
y obtenemos la siguiente formula.
xn=[(-1),1,2,1,2,4];
n=[-2,-1,0,1,2,3];
stem (n,xn, 'm')
grid
title('Señales discretas x[n] – Geferson Rozo')
xlabel('n')
ylabel('amplitud')
xlim([-4,5])
ylim([-5,5])
xn=[-0,0,2 ,5,2,0];
n=[-2,-1,0,1,2,3];
stem (n,xn, 'm')
grid
title('Señales discretas h[n] – Geferson Rozo')
xlabel('n')
ylabel('amplitud')
xlim([-5,5])
ylim([-5,5])
xn=[(-1),1,2,1,2,4];
hn=[0,-0,2 ,5,2,0];
n=[-2,-1,0,1,2,3];
ConDis=conv(xn,hn);
ncon=(-4:1:6);
stem(ncon,ConDis, 'r');
grid
title('Convoluvion discreta xn*hn - Geferson Rozo')
xlabel ('n')
xlabel('amplitud')
xlim([-5,2])
ylim([-5,15])
2.3. Ejercicio 3 – Series de Fourier: Usando como guía el
capítulo 8 de la página 197 del libro Ambardar, dibuje tres
(3) periodos de la siguiente señal 𝑥(𝑡) y calcule los
coeficientes trigonometricos de la serie de Fourier.
a) 𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 𝑏) con T=4 s
Encuentre los coeficientes 𝑎0 , 𝑎𝑘 y 𝑏𝑘
Nota: Para encontrar los coeficientes de la serie de Fourier, se tienen las
siguientes expresiones matemáticas:
Recuadro de repaso, Ambardar página 199
“Para la solución de este ejercicio, se deben repasar los métodos de
integración vistos en el curso de cálculo integral”
2.2 2.4. Ejercicio 4 – Transformada de Fourier: Usando
como guía los ejemplos 9.5 de las páginas 259 del libro
Ambardar y las tablas 9.1 y 9.2, determine la
transformada de Fourier de las señales 𝑥(𝑡) y 𝑦(𝑡), usando
pares de transformadas y propiedades reconocibles.
Posteriormente verifique su respuesta diseñando un script
con la combinación lineal de señales usadas para obtener
x(t) y y(t), en Matlab u Octave y anexe el resultado junto
con el script (práctica):
a. X(t)
1
+b +2b t
-1
b. Ítem grupal y(t)
1
0 +2a t
A continuación, se encuentra un código guía desarrollado en el
software Matlab que le servirá de apoyo para la parte práctica del
ejercicio 4.
