UNIVERSIDAD AUTONOMA DE NUEVO

LEON
FACULTAD DE INGIENERIA MECANICA
Y ELECTRICA

Practica 3
RESUMEN SEÑELES Y SISTEMAS DISCRETOS EN EL TIEMPO

Laboratorio de procesamiento digital de señales

Ing. Alejandro Torres Ramírez
Alumno: Jorge Emilio Flores Arizpe
Matricula: 1603631
Hora: sábado N3-N4
2.4 Sistemas discretos en el tiempo descritos mediante ecuaciones en
diferencias

Hasta el momento hemos tratado los sistemas lineales invariantes en el tiempo

caracterizados por su respuesta al impulso h(n). A su vez, h(n) nos permite
determinar la salida y(n) del sistema para cualquier secuencia de entrada dada
x(n) por medio de la suma de convolución,

y(n) = ∞ ∑ k=−∞ h(k)x(n−k)

Además, la fórmula de la convolución dada por (2.4.1) sugiere un medio para la

realización del sistema. En el caso de los sistemas FIR, una realización así implica
sumas, multiplicaciones y un número finito de posiciones de memoria. En
consecuencia, un sistema FIR se puede implementar basándose directamente en
la convolución.

Sin embargo, si el sistema es IIR, su implementación práctica basada en la

convolución será imposible, ya que requiere un número infinito de posiciones de
memoria, multiplicaciones y sumas. Una cuestión que naturalmente surge es si es
o no posible implementar sistemas IIR de otra manera de la sugerida por la
convolución. Afortunadamente, la respuesta es afirmativa, ya que existen medios
prácticos y de cálculo eficientes que permiten implementar una familia de sistemas
IIR, como veremos en esta sección. Dentro de la clase general de los sistemas
IIR, esta familia de sistemas discretos en el tiempo se describe mejor mediante
ecuaciones en diferencias.

2.4.1 Sistemas discretos en el tiempo recursivos y no recursivos

Existen muchos sistemas en los que es necesario o deseable expresar la salida

del sistema no sólo en función de los valores actual y pasados de la entrada, sino
también en función de los valores de la salida pasados ya disponibles.

Supongamosque queremos calcular la media acumulada de una señal x(n) en el

intervalo 0 ≤ k ≤ n, definida como

y(n) = 1 n+1 n ∑ k=0 x(k), n = 0,1,... (2.4.2)

Como implica la expresión (2.4.2), el cálculo de y(n) requiere el almacenamiento

de todas las muestras de la entrada x(k) para 0 ≤ k ≤ n. Dado que n es creciente,
los requisitos de memoria crecen linealmente con el tiempo. Sin embargo, la
intuición nos dice que y(n) puede calcularse de forma más eficiente utilizando el
valor anterior de salida y(n − 1). Por tanto, mediante una sencilla reordenación
algebraica de la expresión (2.4.2), obtenemos

(n+1)y(n) = n−1 ∑ k=0 x(k) +x(n) = ny(n−1) +x(n)

y por tanto

y(n) = n n+1 y(n−1) + 1 n+1 x(n) (2.4.3)

Ahora podemos calcular la media acumulada y(n) recursivamente multiplicando el

valor anterior de salida y(n−1) por n/(n+1), multiplicando la entrada actual x(n) por
1/(n+1) y sumando los dos productos. Luego el cálculo de y(n) empleando (2.4.3)
requiere dos multiplicaciones, una suma y una posición de memoria, como se
ilustra en la Figura 2.4.1. Se trata de un ejemplo de un sistema recursivo. En
general, un sistema cuya salida y(n) en el instante n depende de cualquier número
de valores pasados de salida y(n−1), y(n−2),...se denomina sistema recursivo. Con
el fin de determinar el proceso de cálculo del sistema recursivo de acuerdo con
(2.4.3) más detalladamente, suponga que iniciamos el proceso con n = 0 y
avanzamos en el tiempo. Entonces, según (2.4.3), obtenemos

y(0) = x(0) y(1) = 1 2

y(0) + 1 2 x(1)

y(2) = 2 3 y(1) + 1 3 x(2)

y así sucesivamente. Si alguien se cansa de hacer cálculos y desea pasarle el

problema a alguien en un determinado instante, por ejemplo, en n = n0, la única
información que es necesario proporcionar a quien continúe con los cálculos es el
valor pasado y(n0 −1) y las nuevas muestras de entrada x(n), x(n+1),.... Por tanto,
esa persona empezará con

y(n0) = n0 n0 +1 y(n0 −1) + 1 n0 +1 x(n0)

y continuará avanzando en el tiempo hasta un determinado instante, por ejemplo n

= n1, momento en el que se cansará y pasará el problema a otro junto con la
información acerca del valor de y(n1 −1), etc. La conclusión de esta cuestión es
que si alguien quiere calcular la respuesta (en este caso, la media acumulada) del
sistema (2.4.3) a una señal de entrada x(n) aplicada en n = n0, sólo necesita
conocer el valor de y(n0 −1) y las muestras de entrada x(n) para n ≥ n0. El término
y(n0 −1) es la condición inicial para el sistema descrito por (2.4.3) y contiene toda
la información necesaria para determinar la respuesta del sistema para n ≥ n0 a la
señal de entrada x(n), independientemente de lo que haya ocurrido anteriormente.
El siguiente ejemplo ilustra el uso de un sistema recursivo (no lineal) para calcular
la raíz cuadrada de un número.

2.4.2 Sistemas lineales invariantes en el tiempo caracterizados por

ecuaciones en diferencias de coeficientes constantes

hemos tratado los sistemas lineales e invariantes en el tiempo y los hemos

caracterizado en función de sus respuestas al impulso. En esta sección, vamos a
centrar nuestra atención en una familia de sistemas lineales e invarientes en el
tiempo descrita mediante su relación de entrada–salida denominada ecuación en
diferencias con coeficientes constantes. Los sistemas descritos de este modo son
una subclase de los sistemas recursivos y no recursivos vistos anteriormente. Con
el fin de destacar las ideas importantes, vamos a comenzar con un sistema
recursivo simple descrito por una ecuación en diferencias de primer orden.
Suponga que tenemos un sistema recursivo definido mediante la siguiente
ecuación de entrada–salida

y(n) = ay(n−1) +x(n)

ejemplo

Determine si el sistema recursivo lineal e invariante en el tiempo descrito por la

ecuación en diferencias dada por (2.4.7) es estable. Solución. Supongamos que la
señal de entrada x(n) está acotada en amplitud, es decir, |x(n)| ≤ Mx < ∞ para todo
n ≥ 0. A partir de (2.4.8), tenemos

|y(n)|≤|an+1y(−1)|+ n ∑ k=0 akx(n−k) ,n≥0

≤ |a| n+1|y(−1)|+Mx n ∑ k=0 |a| k , n ≥ 0 ≤ |a| n+1|y(−1)|+Mx 1−|a| n+1 1−|a| = My,
n ≥ 0 Si

n es finito, la cota My es finita y la salida está acotada independientemente del

valor de a. Sin embargo, como n → ∞, la cota My se mantiene finita sólo si |a| < 1
porque |a| n → 0 cuando n . Luego My = Mx/(1−|a|). Por tanto, el sistema es
estable sólo si |a| < 1. En el simple sistema de primer orden del Ejemplo 2.4.3,

hemos podido expresar la condición para estabilidad BIBO en función del

parámetro del sistema a, en concreto, |a| < 1. Sin embargo, tenemos que decir que
esta tarea se hace más compleja para sistemas de orden mayor.
Afortunadamente, como veremos en capítulos posteriores, existen otras técnicas
más simples y eficientes que permiten investigar la estabilidad de los sistemas
recursivos.
2.4.3 Solución de las ecuaciones en diferencias lineales de coeficientes
constantes

. El método que vamos a desarrollar se denomina método directo. En el Capítulo 3

se describe un método alternativo basado en la transformada-z. Por razones que
serán obvias más adelante, el método de la transformada-z se conoce como
método indirecto. Básicamente, el objetivo es determinar la salida y(n), n ≥ 0 del
sistema dada una entrada especificada x(n), n ≥ 0, y para un cojunto de
condiciones iniciales. El método de la solución directa supone que la solución total
es la suma de dos partes: y(n) = yh(n) +yp(n) La parte yh(n) se conoce como la
solución homogénea o complementaria, mientras que y p(n) es la solución
particular. La solución homogénea de una ecuación en diferencias. Abordemos el
problema resolviendo la ecuación en diferencias lineal de coeficientes constantes
dada por (2.4.13), obteniendo primero la solución a la ecuación en diferencias
homogénea

N ∑ k=0 aky(n−k) = 0 (2.4.14)

El procedimiento para resolver una ecuación en diferencias lineal de coeficientes

constantes directamente es muy similar al procedimiento de resolver una ecuación
diferencial lineal de coeficientes constantes. Básicamente, suponemos que la
solución tiene la forma de una exponencial, es decir

yh(n) = λn (2.4.15)

donde el subíndice h de y(n) se utiliza para designar a la solución de la ecuación

en diferencias homogénea. Si sustituimos esta supuesta solución en (2.4.14),
obtenemos la ecuación polinómica N ∑ k=0 akλn−k = 0 o λn−N(λN +a1λN−1
+a2λN−2 +···+aN−1λ +aN) = 0

2.4.4 Respuesta al impulso de un sistema recursivo, lineal e invariante en el

tiempo

La respuesta al impulso de un sistema lineal invariante en el tiempo se ha definido

anteriormente como la respuesta del sistema a una excitación de una muestra
unitaria [es decir, x(n) = δ(n)]. En el caso de un sistema recursivo, h(n) es
simplemente igual a la respuesta al estado nulo del sistema cuando la entrada es
x(n) = δ(n) y el sistema está inicialmente en reposo. Por ejemplo, en el sistema
recursivo de primer orden dado por (2.4.7), la respuesta al estado nulo dada por
(2.4.8),
es yzs(n) = n ∑ k=0 ak x(n−k) (2.4.37)

Si x(n) = δ(n) se sustituye en (2.4.37), obtenemos

yzs(n) = n ∑ k=0 ak δ(n−k)

= an, n ≥ 0

Por tanto, la respuesta al impulso del sistema recursivo de primer orden descrito
por (2.4.7) es

h(n) = anu(n)

como se ha indicado en la Sección 2.4.2. En el caso general de un sistema

recursivo, lineal e invariante en el tiempo arbitrario, la respuesta al estado nulo
expresada en función de la convolución es

yzs(n) = n ∑ k=0 h(k)x(n−k), n ≥ 0

Cuando la entrada es un impulso [es decir, x(n) = δ(n)], la Ecuación (2.4.39) se

reduce a

yzs(n) = h(n)

Vamos a considerar ahora el problema de determinar la respuesta al impulso h(n)

cuando el sistema se describe mediante una ecuación en diferenciaslineal de
coeficientes constantes. En la sección anterior, hemos establecido que la
respuesta completa del sistema a cualquier excitación es la suma de dos
soluciones de la ecuación en diferencias: la solución a la ecuación homogénea
más la solución particular a la función de excitación. En el caso en que la
excitación sea un impulso, la solución particular es cero, por tanto x(n) = 0 para n
> 0, luego

yp(n) = 0

En consecuencia, la respuesta del sistema a un impulso es simplemente la

solución a la ecuación homogénea, con los parámetros {Ck} evaluados para
satisfacer las condiciones iniciales establecidas por el impulso. El siguiente
ejemplo ilustra el procedimiento para obtener h(n) dada la ecuación en diferencias
que define al sistema.
2.5 Implementación de sistemas discretos en el tiempo

El tratamiento que hemos hecho de los sistemas discretos en el tiempo se ha

centrado en la caracterización en el dominio del tiempo y en el análisis de los
sistemas lineales invariantes en el tiempo descritos mediante ecuaciones en
diferencias lineales de coeficientes constantes. En los dos capítulos siguientes se
desarrollan métodos analíticos adicionales, donde caracterizaremos y
analizaremos los sistemas LTI en el dominio de la frecuencia. Otros dos temas
importantes que abordaremos más adelante son el diseño y la implementación de
estos sistemas.

2.5.1 Estructuras para la realización de sistemas lineales invariantes en el

tiempo

En esta sección vamos a describir estrcuturas para la realización de sistemas

descritos mediante ecuaciones en diferencias lineales de coeficientes constantes.
En el Capítulo 9 se presentan estructuras adicionales para estos sistemas.

Para empezar, consideremos el sistema de primer orden

y(n) = −a1y(n−1) +b0x(n) +b1x(n−1)

el cual se implementa como se muestra en la Figura 2.5.1(a). Esta realización

utiliza elementos de retardo (memoria) separados para las muestras de las
señales de entrada y de salida, y esta estructura se conoce como forma directa I.
Observe que este sistema puede interpretarse como dos sistemas lineales
invariantes en el tiempo conectados en cascada. El primero es un sistema no
recursivo descrito por la ecuación

v(n) = b0x(n) +b1x(n−1)

mientras que el segundo es un sistema recursivo descrito por la ecuación

y(n) = −a1y(n−1) +v(n)

Sin embargo, como hemos visto en la Sección 2.3.4, si intercambiamos el orden

de interconexión de estos dos sistemas, la respuesta del sistema completo no
varía. Por tanto, si intercambiamos el orden de los sistemas.

2.6 Correlación de señales discretas en el tiempo

a convolución, el objetivo al calcular la correlación entre dos señales es medir el

grado de semejanza entre ambas señales y, por tanto, extraer alguna información
que dependa de forma importante de la aplicación. La correlación de señales se
encuentra a menudo en áreas de la ciencia y la ingeniería, como el radar, el sonar,
las comunicaciones digitales, la geología y otras muchas.

Suponga que disponemos de dos señales x(n) e y(n) que deseamos comparar. En
las aplicaciones de radar y sonar, x(n) puede representar la versión muestreada
de la señal transmitida e y(n) puede representar la versión muestreada de la señal
recibida en la salida del convertidor analógico–digital (A/D). Si hay un blanco en el
espacio en el que el radar o el sonar están barriendo, la señal recibida y(n) estará
formada por una versión retardada de la señal transmitida, reflejada desde el
blanco, y distorsionada por efecto del ruido aditivo. La Figura 2.6.1 describe el
problema de la recepción de la señal del radar. Podemos representar la secuencia
recibida como

y(n) = αx(n−D) +w(n)

donde α es un factor de atenuación que representa la pérdida de señal que se

produce en la transmisión de ida y vuelta que sigue la señal x(n), D es el retardo
de ida y vuelta, que se supone que es un múltiplo entero del intervalo de muestreo
y w(n) representa el ruido aditivo que capta la antena y cualquier ruido generado
por los componentes electrónicos y amplificadores contenidos en la entrada del
receptor. Por el contrario, si no hay un blanco en el espacio barrido por el radar o
el sonar, la señal recibida y(n) es solamente ruido.

2.6.2 Propiedades de la autocorrelación y de la correlación cruzada

Las secuencias de autocorrelación y correlación cruzada poseen una serie de

importantes propiedades que vamos a ver a continuación. Para desarrollar estas
propiedades, suponemos que disponemos de dos señales, x(n) e y(n), de energía
finita a partir de las cuales formamos la combinación lineal

ax(n) +by(n−l)

donde a y b son constantes arbitrarias y l es un cierto desplazamiento de tiempo.

La energía de esta señal es

∑n=−∞ [ax(n) +by(n−l)]2 = a2 ∞ ∑n=−∞ x2(n) +b2 ∞ ∑n=−∞ y2(n−l)

+2ab ∞ ∑n=−∞ x(n)y(n−l)

a2rxx(0) +b2 ryy(0) +2abrxy(l)

En primer lugar, observamos que rxx(0) = Ex y ryy(0) = Ey, que son las energías
de x(n) e y(n), respectivamente. Es obvio que

a2 rxx(0) +b2 ryy(0) +2abrxy(l) ≥ 0

Podemos considerar esta ecuación como una ecuación cuadrática de coeficientes

rxx(0), 2rxy(l) y ryy(0). Dado que esta ecuación nunca es negativa, se deduce que
su discriminante no será positivo, es decir

4[r 2 xy(l)−rxx(0)ryy(0)] ≤ 0

Por tanto, la correlación cruzada satisface la siguiente condición

|rxy(l)| ≤ rxx(0)ryy(0) = ExEy

En el caso especial en el que y(n) = x(n), (2.6.15) se reduce a

rxx(l)| ≤ rxx(0) = Ex

2.6.4 Secuencias de correlación de entrada–salida

En esta sección vamos a deducir dos relaciones de entrada–salida para los

sistemas LTI en el “dominio de la correlación”. Supongamos que una señal x(n)
con una autocorrelación conocida rxx(l) se aplica a un sistema LTI con una
respuesta al impulso h(n), generando la señal de salida y(n) = h(n) ∗ x(n) = ∞ ∑
k=−∞ h(k)x(n−k)

La correlación cruzada entre la señal de salida y la de entrada es

ryx(l) = y(l) ∗ x(−l) = h(l) ∗ [x(l) ∗ x(−l)] o ryx(l) = h(l) rxx(l)

donde hemos utilizado (2.6.8) y las propiedades de la convolución. Por tanto, la

correlación cruzada entre la entrada y la salida del sistema es la convolución de la
respuesta al impulso con la autocorrelación de la señal de entrada.
Alternativamente, ryx(l) puede interpretarse como la salida del sistema LTI cuando
la secuencia de entrada es rxx(l). Esto se ilustra en la Figura 2.6.5. Si
reemplazamos l por −l en (2.6.29), obtenemos

rxy(l) = h(−l) ∗ rxx(l)

La autocorrelación de la señal de salida se puede obtener aplicando (2.6.8) con

x(n) = y(n) y las propiedades de la convolución. Por tanto, tenemos
 ryy(l) = y(l) ∗ y(−l)

= [h(l) ∗ x(l)] ∗ [h(−l) ∗ x(−l)] (2.6.30)

= [h(l) ∗ h(−l)] ∗ [x(l) ∗ x(−l)]

= rhh(l) ∗ rxx(l)

La autocorrelación rhh(l) de la respuesta al impulso h(n) existe si el sistema es

estable. Además, la estabilidad asegura que el sistema no cambiará el tipo
(energía o potencia) de la señal de entrada. Evaluando (2.6.30) para l = 0,
obtenemos

ryy(0) = ∞ ∑ k=−∞ rhh(k)rxx(k)

que proporciona la energía (o la potencia) de la señal de salida en términos de las

autocorrelaciones. Estas relaciones se cumplen tanto para señales de energía
como de potencia. La deducción directa de estas relaciones para las señales de
energía y de potencia, así como su extensión a señales complejas lo dejamos
como ejercicios que puede realizar el estudiante.
Conclucion

Para esta practica la conclusion del tema señales y sistemas discrtos en e tiempo
el tema principal tratado en este capítulo ha sido la caracterización de las señales
y sistemas discretos en eldominio del tiempo. De particular importancia son los
sistemas lineales invariantes en el tiempo (LTI), cuyo uso está ampliamente
extendido en el diseño y la implementación de sistemas de tratamiento digital de
señales.Hemos caracterizado los sistemas LTI por su respuesta al impulso unitario
h(n) y hemos obtenido la convolución,que es una fórmula que permite determinar
la respuesta y(n) del sistema caracterizado por h(n) para cualquier secuencia de
entrada dada x(n).

bibliografia

Tratamiento Digital de señales, Autor: John G. Proakis, Dimitris G. Manolakis 4ta

edición.