UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA MECÁNICA
DAIA - ESPECIALIDAD DE INGENIERÍA MECATRÓNICA
Curso PROCESAMIENTO DIGITAL DE SEÑALES Código MT417
Evaluación EXAMEN FINAL Sección C/D
Profesor A. Guillermo Joo Aguayo Fecha 23-12-21 Periodo 2021 - II
• La duración del examen es de 110 minutos, mas 15 minutos para subir su desarrollo.
• Se valora la legibilidad, coherencia, ortografía y redacción de las respuestas.
• Todas las respuestas a las preguntas deben ser justificadas de forma concisa y clara.
• Agregar la firma a su solución, en la primera hoja. (MANDATORIO)
• Subir únicamente un archivo en formato pdf.
PROBLEMA 1 (6p)
Considere la señal limitada en banda x(t) = sin 100𝜋𝜋t
a) Muestree x(t) a S = 400 Hz, para obtener la señal muestreada x[n] con N= 4 muestras. Calcule
grafique la DFT X[k] de x[n]. ¿Puede identificar la frecuencia y la magnitud a partir del espectro?
b) Construya la señal interpolada con ceros G[k] = 8X[k], insertando 28 ceros alrededor de la parte
media (cerca del indica k=0.5N), para obtener el espectro interpolado de 32 puntos Y[k]. Calcule la
IDFT de Y[k], para obtener la señal y[n]. Muestree x(t) otra vez, pero a 8S Hz, para obtener la señal
muestreada y1[n]. Grafique e[n] = y[n] − y1 [n]. Dentro del error de redondeo de la máquina, ¿ y[n]
y y1 [n] son idénticas?, ¿deberían serlo?
c) Muestree x(t) a S= 800 Hz, para obtener la señal muestreada x[n] con N$ 4 muestras. Calcule su
DFT X[k] y construya la señal interpolada con ceros G[k] = 8X[k], insertando 28 ceros cerca de la
mitad (alrededor del índice k=0.5N), para obtener el espectro interpolado de 32 puntos Y[k]. Calcula
la IDFT de Y[k] para obtener la señal y[n]. Muestree x(t) otra vez, pero a 8S Hz, para obtener la
señal muestreada y1[n]. Grafique e[n] = y[n] − y1[n]. Dentro del error de redondeo de la máquina,
¿ y[n] y y1[n] son idénticas?, ¿deberían serlo?
d) Explique las diferencias entre los resultados de los incisos (a) y (b)
PROBLEMA 2 (4p)
Suponga que la respuesta al impulso unidad es
a) Utilice la aproximación de Padé para determinar h(n).
b) Compare la respuesta en frecuencia de H(ω) con la respuesta del filtro deseada Hd(ω).
PROBLEMA 3 (5p)
Se requiere que un filtro paso bajo digital IIR cumpla las siguientes especificaciones:
• Rizado de la banda de paso (o rizado pico-a-pico): ≤ 0.5 dB
• Frecuencia de corte de la banda de paso: 1.2 kHz
• Atenuación de la banda eliminada: ≥ 40 dB
• Frecuencia de corte de la banda eliminada: 2.0 kHz
• Frecuencia de muestreo: 8.0 kHz / 16.0 kHz / 24.0 kHz
Mostrar los resultados para 3 valores de n diferentes. Plantear el análisis del caso.
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA MECÁNICA
DAIA - ESPECIALIDAD DE INGENIERÍA MECATRÓNICA
PROBLEMA 4 (5p)
Considere el sistema descrito por la ecuación en diferencias:
a) Sea r = 0.9 y x(n) =δ (n). Genere la secuencia de salida y(n) para 0 ≤ n ≤ 127. Calcule la DFT de N
= 128 puntos {Y(k)} y represente {|Y(k)|}.
b) Calcule la DFT de N = 128 puntos de la secuencia
donde y(n) es la secuencia generada en el apartado (a). Represente los valores de la DFT |W(k)|.
¿Qué puede concluir de los diagramas obtenidos en los apartados (a) y (b)?
c) Repita el apartado (a) para r = 0.5.
d) Repita el apartado (b) para la secuencia
donde y(n) es la secuencia generada en el apartado (c). ¿Qué puede concluir de los diagramas de
los apartados (c) y (d)?
e) Ahora la secuencia generada en el apartado (c) se ve distorsionada por la secuencia de ruido
“medida” que es gaussiana de media cero y varianza σ 2 = 0.1. Repita los apartados (c) y (d) para
la señal distorsionada por el ruido.
// fin del documento gja
SOLUCIONARIO
Problema 1 (6 pt)
a) Muestree x(t) a S = 400 Hz, para obtener la señal muestreada x[n] con
N = 4 muestras. Calcule grafique la DFT X[k] de x[n]. ¿Puede identificar
la frecuencia y la magnitud a partir del espectro?
b) Construya la señal interpolada con ceros G[k] = 8X[k], insertando 28 ce-
ros alrededor de la parte media (cerca del indica k = 0.5N ), para obtener
el espectro interpolado de 32 puntos Y [k]. Calcule la IDFT de Y [k], para
obtener la señal y[n]. Muestree x(t) otra vez, pero a 8S Hz, para obtener
la señal muestreada y1[n]. Grafique e[n] = y[n] − y1 [n]. Dentro del error
de redondeo de la máquina, ¿ y[n] y y1 [n] son idénticas?, ¿deberían serlo?.
c) Muestree x(t) a S= 800 Hz, para obtener la señal muestreada x[n] con N 4
muestras. Calcule su DFT X[k] y construya la señal interpolada con ceros
G[k] = 8X[k], insertando 28 ceros cerca de la mitad (alrededor del índice
k=0.5N), para obtener el espectro interpolado de 32 puntos Y[k]. Calcula
la IDFT de Y[k] para obtener la señal y[n]. Muestree x(t) otra vez, pero a
8S Hz, para obtener la señal muestreada y1[n]. Grafique e[n] = y[n]−y1 [n].
Dentro del error de redondeo de la máquina, ¿ y[n] y y1 [n] son idénticas?,
¿deberían serlo?
d) Explique las diferencias entre los resultados de los incisos (a) y (b)
SOLUCIÓN
1 close all , clear all , clc
2 S = 400; N = 4; n = 0: N -1; x = sin (100* pi * n / S ) ; X = fft (x , N ) ;
3 f = n*S/N
4 X = abs ( X )
5 figure ;
6 stem (f ,X , ’g ’) ;
7 xlabel ( ’ $f$ ’ , ’ Interpreter ’ , ’ latex ’) ;
8 ylabel ( ’$ | X [ k ]| $ ’ , ’ Interpreter ’ , ’ latex ’) ;
9 title ( ’4 puntos DFT ’ , ’ Interpreter ’ , ’ latex ’) ;
1
1 close all , clear all , clc
2 S = 400; N = 4; n = 0: N -1; x = sin (100* pi * n / S ) ;
3 X = fft (x , N ) ; f = n * S / N ;
4 G = 8* X ; Y = [ G (1:0.5* N +1) zeros (1 , 28) G (0.5* N +2: N ) ];
5 y = real ( ifft ( Y ) ) ;
6 N1 = 32; S1 = 3200; n1 = 0: N1 -1; y1 = sin (100* pi * n1 / S1 ) ;
7 subplot (2 ,2 ,1) , plot ( n1 ,y - y1 ) , subplot (2 ,2 ,2) , plot ( n1 ,y , n1 , y1 ,
’ -- ’ ,8*n ,x , ’o ’)
2
1 close all , clear all , clc
2 S = 400; N = 4; n = 0: N -1; x = sin (100* pi * n / S ) ;
3 X = fft (x , N ) ; f = n * S / N ;
4 G = 8* X ; Y = [ G (1:0.5* N +1) zeros (1 , 28) G (0.5* N +2: N ) ];
5 y = real ( ifft ( Y ) ) ;
6 N1 = 32; S1 = 3200; n1 = 0: N1 -1; y1 = sin (100* pi * n1 / S1 ) ;
7 subplot (2 ,2 ,1) , plot ( n1 ,y - y1 ) , subplot (2 ,2 ,2) ,
8 plot ( n1 ,y , n1 , y1 , ’ -- ’ ,8*n ,x , ’o ’) ;
9 S = 800; N = 4; n = 0: N -1; x = sin (100* pi * n / S ) ;
10 subplot (2 ,2 ,3) , plot ( n1 ,y - y1 ) , subplot (2 ,2 ,4) ,
11 plot ( n1 ,y , n1 , y1 , ’ -- ’ ,8*n ,x , ’o ’) ;
3
Problema 2 (4 pt)
Suponga que la respuesta al impulso unidad es
2
1
hd (n) = 2 u(n)
2
a) Utilice la aproximación de Padé para determinar h(n).
b) Compare la respuesta en frecuencia de H(ω) con la respuesta del filtro
deseada Hd (ω).
SOLUCIÓN
2
hd (z) =
1 − 12 z −1
Podemos ver que estableciendo M=0 y N=1 en:
PM −1
k=0 bk z
H(z) = PN
1+ −1
k=1 ak z
podemos proporcionsr una combinación perfeca que H(z) como se indica
b0
H(z) =
1 + a1 z −1
Con δ(n) como aliada a H(z) obtenemos la salida.
h(n) = −a1 h(n − 1) + b0 δ(n)
Para N > M = 1, tenemos:
h(n) = −a1 h(n − 1)
o equivalente a:
4
hd (n) = −a1 hd (n − 1)
Sustituyendo para hd , obtenemos a1 = −1/2
h(n) = −a1 h(n − 1) − a2 h(n − 2) − ... − aN h(n − N ) + bn
Para 0 ≤ n ≤ M
hd (n) = ac12hd (n − 1) + b0 δ(n)
para n = 0, entonces b0 = 2, por tanto tenemos:
2
H(z) =
1 + 12 z −1
1
h(n) = h(n − 1) + 2δ(n)
2
La respuesta en frecuencia de H(ω) con la respuesta del filtro deseada Hd (ω).
hd (z) = H(z)
5
Problema 3 (5 pt)
Se requiere que un filtro paso bajo digital IIR cumpla las siguientes espe-
cificaciones:
Rizado de la banda de paso (o rizado pico - a - pico): ≤ 0.5 dB
Frecuencia de corte de la banda de paso: 1.2 kHz
Atenuación de la banda eliminada: ≥ 40 dB
Frecuencia de corte de la banda eliminada: 2.0 kHz
Frecuencia de muestreo: 8.0 kHz / 16.0 kHz / 24.0 kHz
Mostrar los resultados para 3 valores de n diferentes. Plantear el análisis
del caso.
SOLUCIÓN
De las especificaciones dadas, para fmuestreo = 8.0 kHz obtenemos:
ε = 0.349
σ = 99.995
1.2
fp = = 0.15
8
2
fS = = 0.25
8
Si asumimos t = 1;
wp
Ωp = 2 tan = 2 tan πfp = 1.019
2
wp
Ωp = 2 tan = 2 tan πfs = 2
2
σ
η = = 286.5
ε
Ωs
k= = 1.963
Ωp
A continuación, se muestra el código implementado en MatLab:
6
1 close all , clear all , clc
2
3 fprintf ( ’ ----- Indicaciones ----- ’) ;
4 fprintf ( ’\ n 1 para Butterworth ’) ;
5 fprintf ( ’\ n 2 para Chebyshev tipo 1 ’) ;
6 fprintf ( ’\ n 3 para Chebyshev tipo 2 ’) ;
7 fprintf ( ’\ n 4 para Eliptico ’) ;
8
9 flag = input ( ’\ n \ n Ingrese el filtro digital deseado : ’) ;
10
11 Rp = 0.5; w1p = 1.2; Rs = 40; w1s = 2; % fs = 8;
12
13 % Rp = input ( ’ Rizado de la banda de paso ( dB ) = ’) ;
14 % w1p = input ( ’ Frecuencia de corte de passband ( kHz ) = ’) ;
15 % Rs = input ( ’ Minima atenuacion de stopband ( dB ) = ’) ;
16 % w1s = input ( ’ Frecuencia de corte de stopband ( kHz ) = ’) ;
17
18 fs = input ( ’ Frecuencia de muestreo ( kHz ) = ’) ;
19
20 % Normalizamos
21 Wp = w1p / fs ; Ws = w1s / fs ;
22
23 if flag == 1
24 [N , Wn ] = buttord ( Wp , Ws , Rp , Rs ) ;
25 [b , a ] = butter (N , Wn ) ;
26 end
27
28 if flag == 2
29 [N , Wn ] = cheb1ord ( Wp , Ws , Rp , Rs ) ;
30 [b , a ] = cheby1 (N , Rp , Wn ) ;
31 end
32
33 if flag == 3
34 [N , Wn ] = cheb2ord ( Wp , Ws , Rp , Rs ) ;
35 [b , a ] = cheby2 (N , Rp , Wn ) ;
36 end
37
38 if flag == 4
39 [N , Wn ] = ellipord ( Wp , Ws , Rp , Rs ) ;
40 [b , a ] = ellip (N , Rp , Rs , Wn ) ;
41 end
42
43 fprintf ( ’ El orden del filtro es %d \ n ’ ,N ) ;
44 [h , omega ] = freqz (b , a , 256) ;
45 plot ( omega / pi , 20* log10 ( abs ( h ) ) ) ;
46 grid ;
47 xlabel ( ’\ omega /\ pi ’) ;
48 ylabel ( ’ Ganancia ( dB ) ’) ;
7
Si consideramos filtros Butterworth, para fs = 8.0 kHz obtenemos:
8
Para fs = 12.0 kHz
Para fs = 24.0 kHz
9
Problema 4 (5 pt)
Considere el sistema descrito por la ecuación en diferencias:
y(n) = −r2 y(n − 2) + x(n)
a) Sea r = 0.9 y x(n) = δ(n). Genere la secuencia de salida y(n) para
0 ≤ n ≤ 127. Calcule la DFT de N = 128 puntos {Y (k)} y represente
{|Y (k)|}.
b) Calcule la DFT de N = 128 puntos de la secuencia
w(n) = (0.92)−n y(n)
donde y(n) es la secuencia generada en el apartado (a). Represente los
valores de la DFT |W (k)|. ¿Qué puede concluir de los diagramas obtenidos
en los apartados (a) y (b)?
c) Repita el apartado (a) para r = 0.5.
d) Repita el apartado (b) para la secuencia
w(n) = (0.55)−n y(n)
donde y(n) es la secuencia generada en el apartado (c). ¿Qué puede con-
cluir de los diagramas de los apartados (c) y (d)?
e) Ahora la secuencia generada en el apartado (c) se ve distorsionada por la
secuencia de ruido “medida” que es gaussiana de media cero y varianza
σ 2 = 0.1. Repita los apartados (c) y (d) para la señal distorsionada por
el ruido.
10
SOLUCIÓN
1 close all , clear all , clc
2
3 r = 0.9;
4 y (1) = 0;
5 y (2) = 0;
6
7 for n = 1:129
8 y ( n +2) = -r ^2* y ( n ) + delta (n -1) ;
9 end
10
11 y = y (3:129) ;
12 Y = fft (y , 128) ;
13 Magnitud = abs ( Y ) ;
14
15 figure ;
16 plot ( Magnitud , ’g ’) ;
17 xlabel ( ’ $k$ ’ , ’ Interpreter ’ , ’ latex ’) ;
18 ylabel ( ’$ | Y ( k ) | $ ’ , ’ Interpreter ’ , ’ latex ’) ;
19 xlim ([0 128]) ; ylim ([0 6]) ;
20 title ( ’ 128 puntos DFT ’) ;
11
1 close all , clear all , clc
2
3 r = 0.9;
4 y (1) = 0;
5 y (2) = 0;
6
7 for n = 1:129
8 y ( n +2) = -r ^2* y ( n ) + delta (n -1) ;
9 end
10
11 y = y (3:131) ;
12 n = 0:128;
13
14 w = 0.92.^( - n ) .* y ;
15 w = w (3:129) ;
16 W = fft (w ,128) ;
17 Magnitud = abs ( W ) ;
18
19 figure ;
20 plot ( Magnitud , ’g ’) ;
21 xlabel ( ’ $k$ ’ , ’ Interpreter ’ , ’ latex ’) ;
22 ylabel ( ’$ | W ( k ) | $ ’ , ’ Interpreter ’ , ’ latex ’) ;
23 xlim ([0 127]) ; ylim ([0 25]) ;
24 title ( ’ 128 puntos DFT ’) ;
12
1 close all , clear all , clc
2
3 r = 0.5;
4 y (1) = 0;
5 y (2) = 0;
6 for n = 1:129
7 y ( n +2) = -r ^2* y ( n ) + delta (n -1) ;
8 end
9 y = y (3:129) ;
10 Y = fft (y ,128) ;
11 Magnitud = abs ( Y ) ;
12 figure ;
13 plot ( Magnitud , ’g ’) ;
14 xlabel ( ’ $k$ ’ , ’ Interpreter ’ , ’ latex ’) ;
15 ylabel ( ’$ | Y ( k ) | $ ’ , ’ Interpreter ’ , ’ latex ’) ;
16 xlim ([0 127]) ;
17 title ( ’ 128 puntos DFT ’) ;
13
1 close all , clear all , clc
2
3 r = 0.5; y (1) = 0; y (2) = 0;
4 for n = 1:129
5 y ( n +2) = -r ^2* y ( n ) + delta (n -1) ;
6 end
7 y = y (3:131) ; n = 0:128; w = 0.55.^( - n ) .* y ;
8 w = w (3:129) ; W = fft (w ,128) ; Magnitud = abs ( W ) ;
9 figure ;
10 plot ( Magnitud , ’g ’) ;
11 xlabel ( ’ $k$ ’ , ’ Interpreter ’ , ’ latex ’) ;
12 ylabel ( ’$ | W ( k ) | $ ’ , ’ Interpreter ’ , ’ latex ’) ;
13
14 xlim ([0 127]) ;
15 title ( ’ 128 puntos DFT ’) ;
14
e)
1 close all , clear all , clc
2
3 % Error con distribucion Gaussiana ;
4 % de media 0 y varianza 0.1
5 x_eta = 0:130;
6 media = 0;
7 sigma = sqrt (0.1) ;
8 eta = random ( ’ norm ’ , media , sigma ,1 ,131) ;
9
10 % Visualizamos el ruido
11 plot ( x_eta , eta )
12 xlim ([4 131])
13 xlabel ( ’ $x_ {\ eta } $ ’ , ’ Interpreter ’ , ’ latex ’) ;
14 ylabel ( ’$ \ eta$ ’ , ’ Interpreter ’ , ’ latex ’) ;
15
Repetimos el ítem c)
1
2 r = 0.5;
3 y (1) = 0;
4 y (2) = 0;
5 for n = 1:129
6 y ( n +2) = -r ^2* y ( n ) + delta (n -1) + eta ( n ) ;
7 end
8 y = y (3:129) ;
9 Y = fft (y ,128) ;
10 Magnitud = abs ( Y ) ;
11 figure ;
12 plot ( Magnitud , ’g ’) ;
13 xlabel ( ’ $k$ ’ , ’ Interpreter ’ , ’ latex ’) ;
14 ylabel ( ’$ | Y ( k ) | $ ’ , ’ Interpreter ’ , ’ latex ’) ;
15 xlim ([0 127]) ;
16 title ( ’ 128 puntos DFT ’) ;
Con lo cual obtenemos:
16
Repetimos el ítem d)
1
2 r = 0.5; y (1) = 0; y (2) = 0;
3 for n = 1:129
4 y ( n +2) = -r ^2* y ( n ) + delta (n -1) + eta ( n ) ;
5 end
6 y = y (3:131) ; n = 0:128; w = 0.55.^( - n ) .* y ;
7 w = w (3:129) ; W = fft (w ,128) ; Magnitud = abs ( W ) ;
8 figure ;
9 plot ( Magnitud , ’g ’) ; xlim ([0 127]) ; title ( ’ 128 puntos DFT ’) ;
10 xlabel ( ’ $k$ ’ , ’ Interpreter ’ , ’ latex ’) ;
11 ylabel ( ’$ | W ( k ) | $ ’ , ’ Interpreter ’ , ’ latex ’) ;
Con lo cual obtenemos:
17
