UNIVERSIDAD NACIONAL DE LA MATANZA

Departamento de Ingeniería e Investigaciones Tecnológicas

INGENIERÍA ELECTRÓNICA

ASIGNATURA: INTRODUCCIÓN A LOS SISTEMAS DE COMUNICACIONES

CÓDIGO: 369-1051

AÑO: 2021

UNIDAD Nº 2

“Análisis de Señales”

Jefe de Cátedra: Ing. Alejandro Pérez

Profesor Adjunto: Ing. Sergio H. Federiconi
JTP: Ing. Pablo Baustian
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

Unidad N°2: Análisis de Señales

Índice

Introducción

Representación Fasorial

Espectros de Amplitud y Fase

Señales Periódicas y Serie de Fourier

Señales No Periódicas y Transformada de Fourier

Teorema de Parseval

Propiedades de la Transformada de Fourier

Convolución y Teoremas de la Convolución

2
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

Unidad N° 2: Análisis de Señales

Introducción

En el capítulo anterior se ha intentado poner de manifiesto que el comportamiento de un sistema de

comunicaciones depende de dos factores básicos; el Ancho de Banda (BW) y la relación Señal-Ruido (S/N).
Para la determinación del BW es necesaria la utilización de las herramientas matemáticas que establecen la
correspondencia entre el dominio del tiempo y el de la frecuencia. Las señales, en el dominio del tiempo, están
caracterizadas por su forma de onda representada por las distintas amplitudes en función del tiempo, mientras
que en el domino de la frecuencia están constituidas por distintas componentes de diferentes amplitudes y
fases distribuidas en un rango de frecuencias, lo cual constituye el espectro de la señal. La forma de onda y el
espectro de una señal son distintas maneras de describir un mismo fenómeno, una misma señal en nuestro
caso.
Para señales periódicas es común utilizar la Serie de Fourier, mientras que para señales No Periódicas (y
también periódicas) se utiliza la Transformada de Fourier.
Las señales Periódicas poseen un espectro discreto, donde en el eje horizontal se representa la frecuencia y en
el eje vertical la amplitud de cada componente. No debe olvidarse que, para una completa representación de la
señal en el domino de la frecuencia, se necesita además el espectro de fases.
Para el caso de una señal No Periódica, su espectro se representa por medio de un gráfico contínuo, en el que
lo que interesa es poner de manifiesto los límites que definen el ancho de banda de la señal y dar idea de que
existe una cierta variación de amplitudes.

Señal Periódica

Dominio del Tiempo Dominio de la Frecuencia

Señal No Periódica

Dominio del Tiempo Dominio de la Frecuencia

3
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

Representación Fasorial y Espectro de Líneas

Una onda o señal sinusoidal puede ser representada por una expresión matemática trigonométrica,
estableciendo los distintos valores de amplitud en función del tiempo:

s(t ) = A. cos(0t +  )

La misma puede ser representada por medio de un vector giratorio llamado Fasor, y su expresión es la
siguiente:

  
s (t ) = A. cos(0t +  ) = Re A.e( j 0 t + 0 ) = Re A.e j 0 .e j 0 t 
Esta expresión es la representación fasorial de la señal y el término entre corchetes determina un vector
giratorio en un plano complejo siendo la representación gráfica la siguiente:

Diagrama Fasorial

Siendo:

A: Amplitud pico de la señal [Volts]

ω: Velocidad o Frecuencia Angular [radianes/seg]
ω.t: Ángulo de Fase [Radianes]
θo: Fase inicial
ω=2π.f

Espectros de Líneas

4
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

También se puede realizar otra representación fasorial y espectral de la misma señal si cada término se escribe
como la suma de dos exponenciales, es decir, utilizando la expresión de Euler:

s(t ) = A. cos(0t + 0 ) =
A j 0 j  0 t A − j  0 − j 0 t
e e + e e
2 2

Cuya representación fasorial y espectro de líneas se indican en los siguientes gráficos:

Amplitud

Img

A/2 A/2
A/2

-ω0 ω0
+j0t+0 Fase

0
-j0t-0 Re

A/2 
-0 +0

-0
Diagrama Fasorial

Espectros de Líneas de Doble Signo

Señales Periódicas y Serie de Fourier

La Serie de Fourier es una poderosa herramienta matemática que permite expresar una señal periódica como
una suma de señales seno y coseno. En comunicaciones se utiliza la Serie de Fourier para analizar su
contenido armónico.

La expresión trigonométrica de la Serie de Fourier es la siguiente:


a0
f (t ) = +  an . cos(n0 t ) + bn .sen(n0 t )
2 n =1

Donde a0, an y bn son los coeficientes de Fourier.

Luego, por medio de la fórmula de Euler, se puede obtener la expresión de la Serie Exponencial de Fourier:


f (t ) =  C(n0 ).e jn0 t
−

5
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

Donde:
T
1
 f (t ).e
− jn 0 t
C(n0 ) = dt
T 0

Los C(nωo) son las amplitudes de los componentes armónicos de la señal y el subíndice nωo representa el
número de armónico, es decir:

Para n=0 → C(0) representa a la Componente de Corriente Continua

Para n=±1 → C(ωo) representa a la Frecuencia Fundamental o 1er Armónico
Para n=±2 → C(2ωo) representa al 2do Armónico
Para n=±3 → C(3ωo) representa al 3er Armónico

2 1
0 = = 2f 0 donde f 0 = ωo: Frecuencia Fundamental
T T

Ejemplo: Hallar el espectro de frecuencias de la siguiente señal:

Esta señal es un tren de pulsos periódicos de amplitud A, periodo T y ancho de pulso τ, muy usada en
comunicaciones.

Para una señal binaria, el ciclo de actividad es δ=T/2=0,5 ,donde = y la componente de C.C. vale A/2.
T
Se procede entonces, a calcular las componentes que forman el espectro de la señal por medio de Serie
Exponencial de Fourier:

T
1
 f (t ).e
− jn 0 t
C(n0 ) = dt
T 0

( )
 /2
 /2  /2
1 A A  e− jn0 t  A e− jn0  / 2 − e jn0  / 2
 T −/ 2
− jn 0 t − jn 0 t
C(n0 ) = A.e dt = e dt =    = 
T 
− /2
T  − jn0  − / 2 T − jn0

C(n0 ) = 
(
A e− jn0  / 2 − e jn0  / 2 − 2 j
. =
)
2. A

(
e jn0  / 2 − e− jn0  / 2 )
T − j.n.0 − 2 j T .n.0 2j

6
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

e j 0 t − e − j  0 t
Siendo la identidad de Euler sen0t = ,entonces:
−2j

 sen(n0  / 2 )
2. A
C(n0 ) = Multiplico y divido por τ
T .n.0

2. A. A. sen(n0  / 2)

C(n0 ) =  sen(n0  / 2) = 
T .n.0 . T (n0  / 2)

= Sa(x ) Función Sampling, finalmente queda:

sen x
Con
x

C(n0 ) =
A.
T
(
 Sa n0 
2
)
Esta expresión permite obtener el espectro de frecuencias de un tren de pulsos periódico, en donde:

Para n=0 → C(0) representa a la Componente de Corriente Continua

Para n=±1 → C(ωo) representa a la Frecuencia Fundamental o 1er Armónico
Para n=±2 → C(2ωo) representa al 2do Armónico
Para n=±3 → C(3ωo) representa al 3er Armónico

La gráfica del espectro se muestra a continuación:

Como se observa en la gráfica, en el caso de una señal periódica, el espectro es discreto y la Sampling es la
envolvente.
Como los sistemas de comunicaciones no pueden tener un BW infinito, es posible adoptar un criterio para
determinar el BW de este tipo de señales y se lo define como el intervalo de frecuencias en el cual se concentra
la mayor parte de la potencia de la señal, y éste va desde cero hasta el primer cruce por cero de la envolvente.
7
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

Lo dicho anteriormente se demostrará por medio del Teorema de Parseval.

Entonces, el ancho de banda de un tren de pulsos periódicos queda determinado por la siguiente expresión:

1
BWseñal =


La respuesta en fase de cada uno de los componentes de Fourier que varía entre ±π y sus múltiplos, se
muestra en el siguiente gráfico:

Fase C(nωo)

180º
-4/ -2/

2/ 4/
-180º

Teorema de Parseval

 ( f (t )) dt
1
P =
2
Potencia Media disipada en una resistencia de 1Ω (Potencia Normalizada)
T 0

T
1
 f (t )  f

P = (t )dt utilizando la Serie Exponencial de Fourier y reemplazando, queda:
T 0

  
  
T T
1 1
P =  f (t )  C(n0 ).e− jn0 t  dt =    f (t ).e − jn0 t dt   C(n0 ) =  C(n0 )  C(n0 )
T 0  −  − T 0  −


P =  C(n0 )
2

−

La expresión de Parseval dice que la potencia media de una señal periódica es la sumatoria de las potencias
de cada una de sus componentes espectrales.
Luego, el calculo de la potencia en el dominio del tiempo debe coincidir con el calculo de la potencia en el
dominio de la frecuencia.

8
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

Ejemplo: Calcular la potencia de la señal tren de pulsos periódicos del ejemplo anterior

• Potencia en el dominio del tiempo:

 /2
T
A2 . 
0 ( f (t )) dt = T
1 1
P =  A dt = T =
2 2
siendo el ciclo de actividad de la señal
T − / 2
T
P = A2 .
Para un tren de pulsos binario, en donde δ=T/2=0,5 , la potencia media queda:

A2
P =
2

P = 0,5 A2

• Potencia en el dominio de la frecuencia (tomando armónicas hasta el 1er cruce por cero):


P =  C(n0 )
2

−

Se calculan los valores de C(nωo) de acuerdo con el valor de n en la expresión C(n0 ) =

A.
T
(
 Sa n0 
2
)
Para n=0 (Componente de C.C.)

A. A. sen(0 ) A

C(0 ) =  Sa(0 ) =  =
T T 0 2

Para n=1 (1er armónico o Fundamental)

C(0 ) =
A.
T
(
 Sa 0  =
2 T
)
A.  2   A
 Sa
  A
  =  Sa  =
 T 2 2 2 

Por Parseval, la potencia media queda:

2 2
1
 A  A
P =  C(n0 ) = Cn = 0 + 2  Cn =1
2
=   + 2 
2 2

n =0 2  

P = 0,45 A2

9
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

0,45 A2
Por lo tanto, la relación entre las potencias calculadas es = 0,9 → 90%
0,5 A2
Es decir que, tomando las armónicas hasta el primer cruce por cero de la envolvente, dentro de ese intervalo de
frecuencias se concentra el 90% de la potencia total de la señal.

Por lo tanto y como se mencionó anteriormente, el ancho de banda de un tren de pulsos periódicos queda
determinado por la siguiente expresión:

2
BWseñal = rad / seg  BWpráctico =
1
Hertz
 

A las armónicas que se encuentran dentro del intervalo donde se concentra la mayor parte de la potencia de la
señal, se las denomina Armónicas Significativas, y se calculan de la siguiente manera:

2  T 1
CAS = = = Cantidad de Armónicas Significativas (positivas o negativas)
2 T  

Si se aplicara el Teorema de Parseval para cualquier relación T/τ, se comprobaría que hasta el primer cruce por
cero de la envolvente se tendría una potencia comprendida entre el 80% y 90% de la potencia total de la señal.

Transformada de Fourier y señales no periódicas


f (t ) =  C(n0 ).e jn0 t 2
Para f (t ) periódica: con n0 = n
− T

Donde: 0 es la forma abreviada de

T
1 expresar 2f0.
 f (t ).e
− jn 0 t
C(n0 ) = dt
T 0

Mientras que para señales periódicas las exponenciales complejas que las constituyen están relacionadas
armónicamente, en las señales aperiódicas están infinitesimalmente cercanas en frecuencia y la representación
adopta la forma de una integral en lugar de una suma. El espectro de coeficientes resultante en esta
representación se conoce como Transformada de Fourier.

En el ejemplo visto anteriormente, tren de pulsos periódicos de amplitud A, periodo T y ancho de pulso τ, muy
usada en comunicaciones, si T0 →  , la señal periódica se transforma en no periódica. Entonces el cálculo del
espectro no puede hacerse en términos de la Serie de Fourier ya que:

• La amplitud de la Sampling → 0
• La separación entre armónicas → 0
• no → 

10
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

Por lo que, pierde sentido hablar de amplitudes, y se usa el concepto de densidad de amplitudes, el espectro se
hace continuo, transformándose la sumatoria en integral.

La Transformada de Fourier se define como:


F ( ) = lim T0 → C (n0 ) =  f (t ).e
− jt
dt
−

Y la Anti transformada o Transformada Inversa de Fourier:


1
 F ( ).e
jt
f (t ) = d
2 −

Propiedades de la transformada de Fourier

1) Linealidad

Si f1 (t )  F1 ()

y f 2 (t )  F2 ()

Entonces: a1 f1 (t ) + a2 f 2 (t )  a1F1 () + a2 F2 ()

2) Simetría o Dualidad

Si f (t )  F ()

Entonces: f (t )  2f (−)

3) Cambio de Escala

Si f (t )  F ()

1  
Entonces: f (at )  F 
a a

El escalado lineal en tiempo por un factor a corresponde a un escalado lineal en frecuencia por un factor 1/a, y
viceversa.

11
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

Ejemplos:

a>1 compresión en t ↔ expansión en f (el espectro se expande)

a<1 expansión en t ↔ compresión en f (el espectro se comprime)
a = -1 inversión en t ↔ inversión de fase

Ejemplo:
f(t) F()
A A

2/

-/2 0 /2 t 

Para a < 1 (a = 0,5)

F()
f(t) Producido por 1/a
2A
A

Compresión dada por F 

 

a
/
-   


Para a = F()
4
f(t)
A
A/2

/4 t -4/ 4/

Se comprime en el espacio de almacenamiento Esto hace que aumente el ancho de

banda, la información de la señal en el
dominio  aumenta y esto significa que
tengo que aumentar la velocidad.
Esto hace que el ancho de banda del
sistema deba aumentar

12
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

4) Desplazamiento en el tiempo

Si f (t )  F ()

Entonces: f (t − t0 )  F ( ).e− jt 0

Una consecuencia de esta propiedad es que una señal que se desplaza en el tiempo no tiene alterada la
magnitud de su transformada de Fourier, pero si su fase. Es decir, el espectro de amplitudes se mantiene igual,
pero se produce una rotación de fase respecto a la que tenía.

5) Desplazamiento en frecuencia (Modulación)

Si f (t )  F ()

Entonces: f (t ).e j 0 t  F ( − 0 )

 

 f (t ). e
− j ( − 0 ) t
Pues: F [ f (t ).e j 0 t
]=  f (t ).e
j 0 t
.e − jt
.dt = .dt = F ( − 0 )
− −

Ejemplo: Modulación

Se tienen las siguientes señales:

f(t) Señal Moduladora

e j0t + e− j0t 1 j0t
fc(t)= cosω0t Señal Portadora donde: f c (t ) = cos 0t =
2
= e + e − j 0 t
2
( )

Sea el siguiente producto de las señales: f (t ). cos 0t =

1
2

f (t ).e j0t + f (t ).e− j0t 

De acuerdo con lo anterior: f (t ). cos 0t 

1
F ( − 0 ) + F ( + 0 ) MODULACIÓN
2

La Modulación es una multiplicación de dos señales en el Dominio del Tiempo.

13
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

f(t) F()
Sa(/2)
A
A 2/
BWbbase=1/τ

-/2 0 /2  0 
f0(t) F0(ω)

Cos 0t

 -0 0 

½ F(0)=A/2

f(t) Cos 0t A

 
-/2 /2
-0 2/
-A
BWTransmisión=2/ En Hz.

6) Diferenciación en tiempo

Si f (t )  F ()

df (t )
Entonces:  jF ( )
dt

d n f (t )
En general:  ( j ) n F ( )
dt

Esta propiedad es de particular importancia, ya que reemplaza la operación de diferenciación en el dominio del
tiempo con la de multiplicación por jω en el dominio de la frecuencia (rotación de 90° en sentido positivo).

7) Integración en el tiempo

Si f (t )  F ()

T
1
Entonces:  f (t )dt 

j
F ( )

14
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

8) Convolución en el tiempo
La Convolución es un operador parecido al producto y por eso se la denomina Producto de Convolución. Se
realiza un cambio de variable independiente de t a  .
A la Variable t se la gira y se le cambia el nombre llamándola , a la misma se la evalúa en distintos intervalos
que se denominan t.


f1 (t )  f 2 (t ) =  f ( ). f (t −  )d  F ( )  F ( )
−
1 2 1 2 CONVOLUCIÓN EN EL TIEMPO

Entrada Salida

Y(ω) H() S()=Y().H()

y(t) h(t) s(t)=y(t)*h(t)

El producto de Convolución de dos funciones temporales tiene como espectro el producto de los espectros de
cada una de las funciones.

9) Convolución en frecuencia - Modulación

f1 (t )  f 2 (t ) 
1
F1 ( )  F2 ( ) CONVOLUCIÓN EN FRECUENCIA
2

El producto temporal de dos funciones tiene como espectro la Convolución de los espectros de cada una de las
funciones.

15
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

10) Algunas Transformadas de Fourier

• Transformada de una Exponencial Compleja

Supongamos la siguiente señal la cual no es una señal real. Esta señal no existe y tampoco es posible
representarla en t. Adicionalmente debemos indicar que su espectro no es simétrico

e j 0 t = cos  0 t + j sen  0 t

 
F e j0 t =   ( − 0 ) +  ( + 0 ) −  ( + 0 ) −  ( − 0 )

 
F e j 0 t = 2 ( − 0 )

Se gráfica a continuación el espectro de la señal y tal como se puede ver el mismo no es simétrico.
F(ω)

2

0 ω
-0

16
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

• Transformada de un Impulso Unitario (Delta de Dirac)

• Transformada de un tren de Impulsos Periódicos

• Transformada de una función Continua y Permanente (Señal Constante)

17
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

• Transformada de un Coseno Permanente – cosω1t

• Transformada de un Seno Permanente – senω1t


j
La diferencia entre coseno y seno es que seno rota en fase e 2 . En comunicaciones se suele usar con mas
frecuencia el coseno ya que este no tiene diferencia de fase.

• Transformada de un Pulso Rectangular Único

18
Ing. Sergio H. Federiconi. Unidad N°2. ANÁLISIS DE SEÑALES

• Transformada de un tren de Pulsos Periódicos

• Transformada de un Pulso de RF

• Ejemplos de Convolución

Convolución de la función rectangular x(t) con la función h(t) formada por tres impulsos:

19