PROCESOS ESTOCÁSTICOS

Unidad IV: Análisis espectral

Mtr. Carlos L. Gencón Villamar

cgencon@[Link]
 OBJETIVO

Caracterizar el espectro de una señal a través de un sistema.

 Análisis espectral
Introducción
El dominio de la frecuencia es un término usado para
describir el análisis de funciones matemáticas, señales o
movimiento periódico respecto a su frecuencia.

Un gráfico del dominio temporal muestra la evolución de una

señal en el tiempo, mientras que un gráfico frecuencial
muestra las componentes de la señal según la frecuencia en
la que oscilan dentro de un rango determinado. Una
representación frecuencial incluye también la información
sobre el desplazamiento de fase que debe ser aplicado a
cada frecuencia para poder recombinar las componentes
frecuenciales y poder recuperar de nuevo la señal original.

El dominio de la frecuencia está relacionado con las series y

la transformada de Fourier.
CONTENIDO

Unidad IV. Análisis espectral

4.1 El dominio de la frecuencia

Definición de transformada de Fourier.
Transformada inversa. Ventajas del análisis de
señal en el dominio de la frecuencia.
 El dominio de la frecuencia
Definición de Transformada de Fourier

Si una señal se modela mediante un proceso estocástico, 𝑋(𝑡), para cada valor de 𝑋 = 𝑥, tenemos
una señal 𝑥(𝑡) determinista. En ese caso, la herramienta fundamental para estudiar 𝑥(𝑡) es la
TRANSFORMADA DE FOURIER de 𝑥(𝑡).

La transformada de Fourier de la señal 𝑥 𝑡 , denotada como ℱ 𝑋(𝑡) o 𝑋 𝜔 , es la función de

variable compleja tal que:
+∞

ℱ 𝑋(𝑡) = 𝑋 𝜔 = න 𝑥 𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞
Donde 𝜔 = 2𝜋𝑓 como la frecuencia angular; 𝑒 𝑗𝜔𝑡 = cos 𝜔𝑡 + sen 𝜔𝑡 es la fórmula de Euler, con
𝑗 = −1, la unidad imaginaria.
 El dominio de la frecuencia
Transformada de Fourier
Ejemplo 1: Determine la transformada de Fourier de la señal: 𝑥 𝑡 = 𝑒 −2 𝑡
+∞
1 1
ℱ 𝑥(𝑡) = න 𝑥 𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 ℱ 𝑥(𝑡) = −0 + 0−
2 − 𝑗𝜔 −2 − 𝑗𝜔
−∞
+∞
1 1
ℱ 𝑥(𝑡) = න 𝑒 −2 𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 ℱ 𝑥(𝑡) = +
−∞
2 − 𝑗𝜔 2 + 𝑗𝜔
0 +∞

ℱ 𝑥(𝑡) = න 𝑒 −2 −𝑡
𝑒 −𝑗𝜔𝑡 𝑑𝑡 + න 𝑒 −2 𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 2 + 𝑗𝜔 + 2 − 𝑗𝜔
ℱ 𝑥(𝑡) =
−∞ 0
2 − 𝑗𝜔 2 + 𝑗𝜔

0 +∞ 4
ℱ 𝑥(𝑡) =
ℱ 𝑥(𝑡) = න 𝑒 2𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 + න 𝑒 −2𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 4 + 𝜔2
−∞ 0
0 +∞ 4
𝑋(𝜔) =
ℱ 𝑥(𝑡) = න 𝑒 2𝑡−𝑗𝜔𝑡 𝑑𝑡 + න 𝑒 −2𝑡−𝑗𝜔𝑡 𝑑𝑡 4 + 𝜔2
−∞ 0
0 +∞
2−𝑗𝜔 𝑡 −2−𝑗𝜔 𝑡
ℱ 𝑥(𝑡) = න 𝑒 𝑑𝑡 + න 𝑒 𝑑𝑡
−∞ 0

0 +∞
𝑒 2−𝑗𝜔 𝑡 𝑒 2−𝑗𝜔 𝑡
ℱ 𝑥(𝑡) = อ + อ
2 − 𝑗𝜔 −2 − 𝑗𝜔
−∞ 0
Tabla de transformadas de Fourier
Ejemplo 2: Halle las transformada de Fourier de las siguientes señales.
a. 𝑥 𝑡 = 7 𝑒 −4 𝑡 b. 𝑦 𝑡 = 2 sgn 𝑡 c. 𝑧 𝑡 = 5 𝑡 3 𝑒 −𝑡 μ 𝑡 d. 𝑓 𝑡 = 9 𝑒 −2𝑡 μ 𝑡
2
𝑒 −𝑡 2 1
e. 𝑔 𝑡 = 10 𝑒 −2𝑡 cos 3𝑡 μ(𝑡) e. ℎ 𝑡 = f. 𝑤 𝑡 = 𝑒 −3𝑡 g. 𝑣 𝑡 =
2 4+𝑡 2

2𝑎 2∙4 8 −𝑎𝑡 2
𝜋 −𝜔2 2 𝜋 − 𝜔2 𝜋 −𝜔 2
𝐚. ℱ 𝑒 −𝑎 𝑡 = ⇒ ℱ 𝑒 −4 𝑡
= = 𝐠. ℱ 𝑒 = 𝑒 4𝑎 ⇒ ℱ 𝑒 −3𝑡 = 𝑒 4∙3 = 𝑒 12
𝑎2 + 𝜔 2 42 + 𝜔 2 16 + 𝜔 2 𝑎 3 3
2 4 1 1
𝐛. ℱ 2 sgn 𝑡 = 2 ℱ sgn 𝑡 = 2 ∙ = 𝐡. ℱ = 𝑒 −𝑎 𝜔
⇒ ℱ = 𝑒 −2 𝜔
𝑗𝜔 𝑗𝜔 𝑎2 + 𝑡 2 4 + 𝑡2

𝑛! 3! 30
𝐜. ℱ 𝑡 𝑛 𝑒 −𝑎𝑡 μ 𝑡 = 𝑛+1
⇒ 5 ℱ 𝑡 3 𝑒 −𝑡 μ 𝑡 =5∙ 3+1
= 4
𝑎 + 𝑗𝜔 1 + 𝑗𝜔 1 + 𝑗𝜔

1 1 9
𝐝. ℱ 𝑒 −𝑎𝑡 μ 𝑡 = ⇒ 9 ℱ 𝑒 −2𝑡 μ 𝑡 =9∙ =
𝑎 + 𝑗𝜔 2 + 𝑗𝜔 2 + 𝑗𝜔

𝑎 + 𝑗𝜔 2 + 𝑗𝜔
𝐞. ℱ 𝑒 −𝑎𝑡 cos 𝜔0 𝑡 μ 𝑡 = ⇒ 10 ℱ 𝑒 −2𝑡 cos 3𝑡 μ 𝑡 =
𝑎 + 𝑗𝜔 2 + 𝜔0 2 + 𝑗𝜔 2 + 3
2 2
𝑒 −𝑡 −
𝜎2 𝜔2 𝑒 −𝑡 −
1∙𝜔2
−
𝜔2
𝐟. ℱ = 𝜎 2𝜋𝑒 2 ⇒ ℱ =1∙ 2𝜋𝑒 2 = 2𝜋𝑒 2
2𝜎 2 2
 El dominio de la frecuencia
Definición de Transformada de Fourier inversa

Usando la transformada inversa de 𝑋(𝜔), se puede recuperar la señal 𝑥(𝑡).

Se define la transformada de Fourier inversa de la señal 𝑋 𝜔 , denotada como ℱ −1 𝑋(𝜔) como:

+∞
1
𝑥 𝑡 = ℱ −1 𝑋(𝜔) = න 𝑋 𝜔 𝑒 𝑗𝜔𝑡 𝑑𝜔
2𝜋
−∞
Además, el par de funciones 𝑥 𝑡 , 𝑋 𝜔 es único.

Del ejemplo anterior se puede establecer que:

4 4
ℱ 𝑒 −2 𝑡 = ⇒ ℱ −1 = 𝑒 −2 𝑡
𝜔2 + 4 𝜔2 + 4
 El dominio de la frecuencia
Ventajas del análisis de señal en el dominio de la frecuencia

Representación más clara de la señal: Proporciona una representación más clara y comprensible de
la señal, especialmente cuando se trata de señales complejas.

Identificación de componentes frecuenciales: Permite identificar las componentes frecuenciales

presentes en una señal, lo que es crucial para entender su comportamiento y las características
clave de interés.

Filtrado de señales: En el dominio de la frecuencia, es posible aplicar técnicas de filtrado para

eliminar o atenuar componentes no deseados de una señal.

Análisis y diseño de sistemas lineales: Para sistemas lineales e invariantes en el tiempo, el análisis en
el dominio de la frecuencia facilita el estudio de su comportamiento y respuesta a diferentes
entradas. Las respuestas en frecuencia, como la función de transferencia y la respuesta al impulso,
son herramientas fundamentales en este tipo de análisis.
CONTENIDO

Unidad IV. Análisis espectral

4.2 Densidad espectral de potencia

Energía de señales deterministas. Definición de
función de densidad espectral de potencia. Potencia
en señales estocásticas.
 Densidad espectral de potencia
Energía de señales deterministas

La identidad de Parseval permite calcular la energía de una señal determinista aperiódica como:
+∞ +∞
2 2 𝑑𝜔
E𝑥 = න 𝑥(𝑡) 𝑑𝑡 = න 𝑋 𝜔
−∞ −∞

Donde 𝑥(𝑡) es una señal determinista en el tiempo y 𝑋 𝜔 = ℱ 𝑥(𝑡) , la transformada de Fourier

de dicha señal.
 Densidad espectral de potencia
Definición de función de densidad espectral de potencia

Se define 𝑆𝑋 𝜔 , función de densidad espectral de potencia de 𝑥(𝑡) como:

𝑆𝑋 𝜔 = 𝑋 𝜔 2

ya que permite representar la energía total en términos de la frecuencia de la misma:

+∞ +∞
2 𝑑𝜔
E𝑥 = න 𝑋 𝜔 = න 𝑆𝑋 𝜔 𝑑𝜔
−∞ −∞

La función 𝑆𝑋 𝜔 es una función real no negativa.

 Densidad espectral de potencia
Señal determinista
Ejemplo 3: Para la señal: 𝑥 𝑡 = 𝑒 −2 𝑡
a. Determine la densidad espectral de potencia de la señal.
b. Calcule la energía de la señal.

2𝑎 2∙2 4 4
𝐚. ℱ 𝑒 −𝑎 𝑡 = ⇒ ℱ 𝑒 −2 𝑡
= = ⇒ 𝑋 𝜔 =
𝑎2 + 𝜔 2 22 + 𝜔 2 4 + 𝜔 2 4 + 𝜔2
2
2
4 42 16
𝑆𝑋 𝜔 = 𝑋 𝜔 = = =
4 + 𝜔2 4 + 𝜔2 2 4 + 𝜔2 2

+∞ +∞
16
𝐛. E𝒙 = න 𝑆𝑋 𝜔 𝑑𝜔 = න 𝑑𝜔 = 𝜋
4 + 𝜔2 2
−∞ −∞

𝑥 𝑡 𝑆𝑋 (𝜔)
 Densidad espectral de potencia
Potencia de señales estocásticas

Si 𝑋(𝑡) es una señal estocástica estacionaria en sentido amplio, existen resultados similares a los
obtenidos en el caso determinista, siendo la potencia media de 𝑋 𝑡 :
𝑃ത𝑋 = E 𝑋 2 𝑡 = 𝑅𝑋 (0)
La función de autocorrelación se puede definir también como la transformada inversa de la
densidad espectral de potencia de la señal estocástica 𝑋(𝑡) o viceversa.
𝑅𝑋 𝜏 = ℱ −1 𝑆𝑋 𝜔 ⇔ 𝑆𝑋 𝜔 = ℱ 𝑅𝑋 𝜏
De lo anterior se tiene que:
+∞ +∞
1 1
𝑃ത𝑋 = 𝑅𝑋 0 = න 𝑆𝑋 𝜔 𝑒 𝑗𝜔0 𝑑𝜔 = න 𝑆𝑋 𝜔 𝑑𝜔
2𝜋 2𝜋
−∞ −∞
 Densidad espectral de potencia
Señal estocástica
Ejemplo 4: Se requiere transmitir una señal moduladora 𝑋 𝑡 (de naturaleza aleatoria) modulando en amplitud una señal de
portadora 𝑌 𝑡 = cos 𝜔𝑡 + 𝜃 de manera tal que la señal transmitida será 𝑍 𝑡 = 𝑋 𝑡 cos 𝜔0 𝑡 + 𝜃 .
𝑋 𝑡 es un proceso ESA con media E 𝑋 𝑡 = 0 y varianza E 𝑋 𝑡 2 = 𝜎𝑋2 . La frecuencia angular 𝜔 se asume constante y 𝜃 es
una variable aleatoria continua uniformemente distribuida en el intervalo −π ≤ 𝜃 ≤ π independiente de 𝑋 𝑡 .
Muestre que la señal portadora 𝑌 𝑡 es un proceso ESA.

E𝑌 𝑡 = E cos 𝜔𝑡 + 𝜃 𝑅𝑋 𝑡, 𝑡 + 𝜏 = E 𝑌 𝑡 𝑌 𝑡 + 𝜏

𝜋 𝜋
1 1
E𝑌 𝑡 = න cos 𝜔𝑡 + 𝜃 𝑑𝜃 𝑅𝑋 𝑡, 𝑡 + 𝜏 = න cos 𝜔𝑡 + 𝜃 cos 𝜔 𝑡 + 𝜏 + 𝜃 𝑑𝜃
2𝜋 2𝜋
−𝜋 −𝜋

E𝑌 𝑡 =0 1
𝑅𝑋 𝑡, 𝑡 + 𝜏 = cos 𝜔𝜏
2
𝜇𝑌 = 0
𝑅𝑋 𝑡, 𝑡 + 𝜏 = 𝑅𝑋 𝜏

Se muestra que la señal 𝑌 𝑡 tiene una media 𝜇𝑌 = 0, constante en el tiempo y que su función de autocorrelación 𝑅𝑋 𝜏 solo
depende de la diferencia de tiempos 𝜏 , por lo que la señal 𝑌 𝑡 es un proceso ESA.
Ejemplo 5: Se requiere transmitir una señal moduladora 𝑋 𝑡 (de naturaleza aleatoria) modulando en amplitud una señal de
portadora 𝑌 𝑡 = cos 𝜔𝑡 + 𝜃 de manera tal que la señal transmitida será 𝑍 𝑡 = 𝑋 𝑡 cos 𝜔0 𝑡 + 𝜃 .
𝑋 𝑡 es un proceso ESA con media E 𝑋 𝑡 = 0 y varianza 𝜎𝑋2 . La frecuencia angular 𝜔 se asume constante y 𝜃 es una variable
aleatoria continua uniformemente distribuida en el intervalo −π ≤ 𝜃 ≤ π independiente de 𝑋 𝑡 .
a. Muestre que la salida transmitida 𝑍 𝑡 es un proceso ESA.
b. Halle una relación entre las potencias medias de 𝑋 𝑡 y 𝑍 𝑡 .

a. E 𝑍 𝑡 = E 𝑋 𝑡 𝑌 𝑡 𝑅𝑍 𝑡, 𝑡 + 𝜏 = E 𝑍 𝑡 𝑍 𝑡 + 𝜏 b. 𝑃ത𝑋 = 𝑅𝑋 0

E𝑍 𝑡 =E 𝑋 𝑡 E𝑌 𝑡 𝑅𝑍 𝑡, 𝑡 + 𝜏 = E (𝑋 𝑡 𝑌 𝑡 ∙ 𝑋 𝑡 + 𝜏 𝑌 𝑡 + 𝜏 𝑃ത𝑍 = 𝑅𝑍 0 = 𝑅𝑋 0 𝑅𝑌 0

E𝑍 𝑡 =0 𝑅𝑍 𝑡, 𝑡 + 𝜏 = E (𝑋 𝑡 𝑋 𝑡 + 𝜏 ∙ 𝑌 𝑡 𝑌 𝑡 + 𝜏 𝑃ത𝑍 𝑅𝑋 0 𝑅𝑌 0
= = 𝑅𝑌 0
𝑃ത𝑋 𝑅𝑋 0
𝜇𝑍 = 0 𝑅𝑍 𝑡, 𝑡 + 𝜏 = E (𝑋 𝑡 𝑋 𝑡 + 𝜏 E 𝑌 𝑡 𝑌 𝑡+𝜏
𝑃ത𝑍 1
𝑅𝑍 𝑡, 𝑡 + 𝜏 = 𝑅𝑋 𝜏 𝑅𝑌 𝜏 = 𝑅𝑌 0 = cos 𝜔 ∙ 0
𝑃ത𝑋 2
𝑅𝑍 𝑡, 𝑡 + 𝜏 = 𝑅𝑍 𝜏 𝑃ത𝑍 1
= 𝑅𝑌 0 =
𝑃ത𝑋 2
CONTENIDO

Unidad IV. Análisis espectral

4.3 Sistema lineales invariantes en el tiempo

Definición. Relación entrada-salida: respuesta al
impulso y dominio de la frecuencia. Sistemas LTI y
señales estocásticas.
 Sistemas LTI
Definición de sistema lineal invariante en el tiempo

Procesar una señal 𝑥 𝑡 consiste en hacerla pasar través de un sistema que realiza una serie de
operaciones, f , para obtener una respuesta o salida 𝑦 𝑡 . Lo que podamos conocer de la
respuesta 𝑦 𝑡 = f(𝑥 𝑡 ), depende de la señal de entrada 𝑥 𝑡 y del tipo de sistema, f.

𝑥1 𝑡 + 𝑥2 𝑡 𝑦1 𝑡 + 𝑦2 𝑡
lineales
𝑎𝑥 𝑡 𝑎𝑦 𝑡
𝑥 𝑡−ℎ invariantes en el tiempo 𝑦 𝑡−ℎ
 Sistemas LTI
Relación entrada-salida y respuesta al impulso

Se conoce que la relación entre 𝑥 𝑡 , señal de entrada aperiódica, e 𝑦 𝑡 en sistemas lineales

invariantes en el tiempo viene dada por la convolución 𝑥 𝑡 ∗ ℎ 𝑡 tal que:
+∞

𝑦 𝑡 = 𝑥 𝑡 ∗ ℎ 𝑡 = න 𝑥 𝜏 ℎ(𝑡 − 𝜏)𝑑𝜏
−∞

Donde es la respuesta del sistema a un impulso unitario δ 𝑡 tal que ℎ 𝑡 = f δ 𝑡

 Sistemas LTI

Convolución de funciones

𝑦 𝑡 =𝑥 𝑡 ∗ℎ 𝑡

+∞

𝑦 𝑡 = න 𝑥 𝜏 ℎ(𝑡 − 𝜏)𝑑𝜏
−∞
 Sistemas LTI
Relación entrada-salida y el dominio de la frecuencia

Usando las propiedades de la transformada de Fourier para la convolución, en el dominio de

frecuencias, la transformada de Fourier de la salida 𝑦 𝑡 viene dada por:
𝑦 𝑡 =𝑥 𝑡 ∗ℎ 𝑡 ⇒𝑌 𝜔 =𝐻 𝜔 𝑋 𝜔
siendo 𝑋 𝜔 y 𝐻 𝜔 las transformadas de Fourier de la señal de entrada y de la función respuesta
al impulso unitario, respectivamente.
La densidad espectral de la salida en sistemas lineales e invariantes en el tiempo queda
determinada por la función de transferencia y la densidad espectral de la entrada.
𝑌 𝜔 =𝐻 𝜔 𝑋 𝜔 ⇒ 𝑌 𝜔 2 = 𝐻 𝜔 2 𝑋 𝜔 2 ⇔ 𝑆𝑌 𝜔 = 𝐻 𝜔 2𝑆 𝜔
𝑋
Ejemplo 6: Sea la señal 𝑥 𝑡 = 𝑒 −𝑡 μ 𝑡 , la entrada a un sistema LTI; la respuesta al impulso del sistema es ℎ 𝑡 = sgn 𝑡. La
salida del sistema se define con la señal 𝑦 𝑡 .
a. Halle 𝐻 𝜔 2

b. Determine las densidades espectrales de potencia de la entrada y la salida del sistema.

a. 𝐻 𝜔 = ℱ ℎ 𝑡 b. 𝑋 𝜔 =ℱ 𝑥 𝑡 = ℱ 𝑒 −𝑡 μ 𝑡

2 ℱ 𝑒 −𝑎𝑡 μ 𝑡 =
1
⇒ ℱ 𝑒 −𝑡 μ 𝑡 =
1
𝐻 𝜔 = ℱ sgn 𝑡 = 𝑎+𝑗𝜔 1+𝑗𝜔
𝑗𝜔

2
1
2 2 2
4 𝑋 𝜔 =
𝐻 𝜔 2
= = = 1 + 𝑗𝜔
𝑗𝜔 𝑗𝜔 2 𝜔2
2
2
1 12 1
𝑆𝑋 𝜔 = 𝑋 𝜔 = = 2
=
1 + 𝑗𝜔 1 + 𝑗𝜔 1 + 𝜔2

2
4 1 4
𝑆𝑌 𝜔 = 𝐻 𝜔 𝑆𝑋 𝜔 = ∙ =
𝜔2 1 + 𝜔2 𝜔2 + 𝜔4
 Sistemas LTI
Sistemas LTI y señales estocásticas

Para señales aleatorias, 𝑋 𝑡 , cada realización de 𝑋 𝑡 = 𝑥 𝑡 , es una señal determinista. Al pasar

por el sistema, 𝑥 𝑡 da lugar a una señal determinista, 𝑦 𝑡 , que es una realización del proceso
estocástico 𝑌 𝑡 que modela la respuesta.

Se puede demostrar que los resultados para señales deterministas 𝑥 𝑡 se pueden trasladar para
el caso aleatorio 𝑋 𝑡 , siempre que el proceso sea ESTACIONARIO EN SENTIDO AMPLIO y el
sistema sea LINEAL E INVARIANTE EN EL TIEMPO. De lo anterior, se cumple que:
+∞

𝑌 𝑡 = 𝑋 𝑡 ∗ ℎ 𝑡 = න 𝑋 𝜏 ℎ(𝑡 − 𝜏)𝑑𝜏
−∞

siendo ℎ 𝑡 la respuesta al impulso del sistema.

 Sistemas LTI
Sistemas LTI y señales estocásticas

Para un sistema lineal e invariante en el tiempo y 𝑋 𝑡 , la entrada al sistema, un proceso

estacionario en sentido amplio, la salida 𝑌 𝑡 también es un proceso estacionario en sentido
amplio, además se cumple que:
+∞

I. E 𝑌 𝑡 =E𝑋 𝑡 ∙ 𝐻 0 ; 𝐻 𝜔 = න ℎ 𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞
2
II. 𝑆𝑌 𝜔 = 𝐻 𝜔 ∙ 𝑆𝑋 𝜔
Obsérvese que el proceso de salida 𝑌 𝑡 no se conoce de manera completa, pero si se pueden
conocer algunas de sus características como la media y la densidad espectral del mismo.
 Sistemas LTI
Sistemas LTI y señales estocásticas

Si 𝑋 𝑡 es un proceso ESA y el sistema f es LTI, la función de autocorrelación y la potencia media

de la salida 𝑌 𝑡 se obtienen como:
Función de autocorrelación: 𝑅𝑌 𝜏 = ℱ −1 𝑆𝑌 𝜔 = ℱ −1 𝐻 𝜔 2 ∙ 𝑆𝑋 𝜔

1 +∞ 1 +∞
Potencia media: 𝑃ത𝑌 = 𝑅𝑌 0 = ‫𝑆 ׬‬ 𝜔 𝑑𝜔 = ‫׬‬ 𝐻 𝜔 2 ∙ 𝑆𝑋 𝜔 𝑑𝜔
2𝜋 −∞ 𝑌 2𝜋 −∞

Si 𝑋 𝑡 es un proceso ESA y GAUSSIANO y tenemos un sistema lineal e invariante en el tiempo, la

salida 𝑌 𝑡 también es un proceso gaussiano.
 𝜔2
Ejemplo 7: Sea la señal estocástica ESA 𝑋 𝑡 con densidad espectral 𝑆𝑋 𝜔 = . Sean 𝑌 𝑡 la salida de un sistema LTI a la
1+𝜔2
2
entrada 𝑋 𝑡 con 𝐻 𝜔 = 𝑗𝜔 , la transformada de Fourier de la respuesta al impulso del sistema.

a. Halle la función de autocorrelación de la señal de salida, 𝑌 𝑡 .

b. A partir del resultado anterior, calcule la potencia media de la señal de salida.

a. 𝑅𝑌 𝜏 = ℱ −1 𝑆𝑌 𝜔 b. 𝑃ത𝑌 = 𝑅𝑌 0

2 𝑃ത𝑌 = 𝑒 − 0
𝑆𝑌 𝜔 = 𝐻 𝜔 ∙ 𝑆𝑋 𝜔

2 2
𝑃ത𝑌 = 1
2 𝜔2 2 𝜔2 2 𝜔2 2
𝑆𝑌 𝜔 = ∙ = ∙ = ∙ =
𝑗𝜔 1 + 𝜔2 𝑗𝜔 2 1 + 𝜔 2 𝜔 2 1 + 𝜔 2 1 + 𝜔 2

2
𝑅𝑌 𝜏 = ℱ −1
1 + 𝜔2

2𝑎 2∙1
ℱ −1 2 2
= 𝑒 −𝑎 𝑡 ⇒ ℱ −1
2 2
= 𝑒 −1∙ 𝑡
𝑎 +𝜔 1 +𝜔

𝑅𝑌 𝜏 = 𝑒 − 𝜏
CONTENIDO

Unidad IV. Análisis espectral

4.4 Aplicaciones con Python

Análisis de señales deterministas y estocásticas.
Sistemas LTI y densidad espectral de potencia.
 ANÁLISIS DE SEÑALES DETERMINISTAS Y ESTOCÁSTICA
Práctica 1: Señales analógicas
 REFERENCIAS
Acorral. (s.f.). Estadística en Telecomunicaciones. Escuela Técnica Superior de Ingenieros de
Sistemas Informáticos. Universidad Politécnica de Madrid.
[Link]

ESPOL. (s.f.). Unidades y temas del curso ESTG1003. Blog de la Escuela Superior Politécnica
del Litoral (ESPOL). [Link]

Google. (s. f.). Google Colaboratory. Recuperado de [Link]

Hernáez Rioja, I. (s. f.). Fundamentos de Teoría de la Comunicación. Scribd. Recuperado de

[Link]

Wikipedia. (2024). Procesos estocásticos. Recuperado de

[Link]

Wolfram Alpha. (s.f.). Wolfram Alpha: Computational Intelligence. Recuperado de

[Link]