Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bajo
Bajo
K5102.9
7.5~
UNIVERSIDADe A \ .
AUTONOMA
METROPOUTANA
Cm""""_ .\zliIpullllh'O
C ARLOS AVILS CRUZ estudi ingeniera electrnica , con la especialidad en siste mas
digitales, en la Universidad Autnoma Metropolitana. Es maestro, con especialidad en
procesamiento digital d e seales, imgenes
y voz por el Instituto Politcnico Nacional
de Grenoble, Francia, donde obtuvo tambin
el grado de doctor. Es profesor-investigador
titular C en la Universidad Autnoma Metropolitana, Unidad Azcapotzalco, y autor o
coautor de ms de 25 a rtculos publicados
en revistas especializadas. Ha participado en
congresos nacionales e internacionales, y es
coautor d e d os libros. Sus campos de inters
son la visin por computadora, el procesamiento digital de imgenes, el procesamiento
digital de seales y la estadstica de orden
superior.
ANLISIS DE SEALES
C OLECCIN
Libros de Texto
."" . -
' ~ . -. J
.*'
..
.
'
Anlisis de seales
Carlos Avils Cruz
Ezequiel M. Rodrguez Rodrguez
imAZCAPOTZALCO
COIE' e,aUOTlo..
UNIVERSlDAD~~
AUIONQMA
METROPOLITANA
2893588
Rector General
Dr. Lu is Mier y Tern Casanueva
Secretario General
Dr. Ricardo Sols Rosa les
UNIDAD AZCAPOTZALCO
Rector
Mtro. Vctor Manuel Sosa Godnez
Secretario
Miro. Cristian Eduardo Leriche Guzmn
Coordi nadora General de Desarrollo Acadmico
Mtra . Ma ra Aguirre Ta mez
Coordinadora de Extensin Universitaria
DCG Te resa Olalde Ramos
Jefa de la Seccin de Produccin y Distribucin Editoriales
Mira . Silvia Guzmn Bofill
Prlogo
una formacin ms completa adicionando simulacin en Ma tlab; es importante que los estudiantes puedan apreciar los fenmenos de manera grfica, que puedan explorar variando parmetros y ver el resul tado inmediatamente. As, nos hemos preocupado por aadirle un captulo de introduccin y manejo de Matlab en un nivel de programacin.
Cabe aclarar que, adicionalmente al libro de texto, se cuenta con la
versin electrnica completa del documento en el servidor thor.uam.mx
del rea de comunicaciones. El objetivo es incursionar en el sistema de educacin a distancia , con todas las ventajas que representa trabajar en la web.
Los
AUTORES
Introduccin
11. Ortogonalidad y series de FOIlrier. En este captulo se proporcionan conceptos bsicos d e qu es una seal, sus ca ractersticas, y algunas de sus mltiples taxonomas. Se presentan los diferentes campos de aplicacin de Anlisis de sea les. Posteriormente se pasa a las definiciones de periodicidad y
ortogonalidad de funciones. Puesto que es importante la ortogonalidad de
9
herra mientas son las fun ciones de densid ad d e probabilid ad y las funciones de distri b ucin d e probabilidad . Otra he rramie nta es la esperanza
matemMica o va lor esperado a sus di fe rentes rd enes; a primer ord en se
ca rac teri za n por el va lor promed io, a segund o orden por el va lor cuadrt ico
medio, la va ri anza, la desv iac in es tnd ar y la correlacin; a tercer orden
'"
11
INTRODUCCIN
Seguridad
Control no-invasivo de estructuras (nuclear)
Pruebas de control de calidad
Sismologa
Anlisis de sea les ssmicas (potencia del sis mo, forma , or igen,
etctera).
Geofsica
Investigacin de zonas petroleras
Ingeniera biomdica
Anlisis de sea les cardiacas, fetales, etctera
Procesamiento digital de imgenes
Telecom unicaciones
Codificacin
Transmisin
Anlisis
Comunicacin hombre-mquina
Sntesis de voz, reconocimiento de voz
Pblico en general
Computadoras o sistemas que hablan (ca rros, juegos, etctera)
Aprendizaje de lenguas extranjeras asistido por computadora
TV digital
Internet (codificacin-decodificacin de informacin)
Militar
Radar
Pilotaje automtico (misiles, aviones)
CLASIFICACIN DE SEALES
Existen diferentes clasificaciones de sea les, entre las que destacan las siguientes categoras:
Seales de energa
Seales de potencia
Sea les continuas o ana lgicas
Sea les digitales
Sea les peridicas
Sea les no peridicas
Sea les determinsticas
Sea les a leatorias
Sla/es de energa
f( t )
f V(t)!' dI
(IJ.1 )
A las sea les en las que la ecuacin (II.1 ) es infinita se les conoce como
sea les d e potencia porque en este caso slo se puede calcul ar su potencia .
Si se tiene una seijal f(I), su potencia media en el interva lo (t " 1, ) est
dada por la expres in:
(11 .2)
En el siguiente ejempl o veremos cmo rea liza r el clc ul o de la potencia de una sea l en la que la integ ral (Il.1 ) es infinita.
15
A'
P= -
2R
A cos 2M) )
A ,[T
A-,
1
(
dl=-f dl+ T
f cos(2ll)dl ] =--[I+-sen(2ll)
2R
2RT 4)
2RT
2l
o
[watts]
j(t) ;
-----
"
"
""
"
"
'------ : ------!------~- - --- - - -----~-- ---~------ ~ ------'
'
,
""
'"
"
::
---+---
---- -
:::,
-~ -----r---- :-
---f----
CQ
::
::::
o ~-l:-~:-~
: -~
: -~-:~~
. ~~:-~
: ~
o
FIGURA 11.2 . Sea l de potencia
Son las que estn definidas pa ra todos los valores de tiempo; pueden tomar va lores en un intervalo continuo In, b).
Estas sea les se pueden escribir utilizando alguna funcin, por ejemplo:
x( 1) = cos( ni)
y(l) = e-I'I
La grfica d e estas seales se muestra en la figura 11.3.
16
."c.
0.8
0.9
0.6
0.8 .......... ! ..
0 .4
0.7
0.2
0.6
."
C.
- 0.2
0.5
0.3
--0.6
0.2
-0.8
0.1
-5
........ ! . . ......
10
i .......... ........ .
~
0.4 f
-0.4
-1
- 10
-5
, (5e 9)
.lt
10
'( 5e 9)
Las seales digitales o discretas slo estn definidas para cie rtos valores
del tiempo. Por lo comn se denota la variable independiente con la letra 11
indica ndo el nmero de muestras. Una seal en tiempo discreto se puede
representar como una secuencia d e nmeros reales o complejos.
Ejemplo:
X(/I) = [1 , 4, 2, 8, 9, 3, 0, lJ
}(II) = Sexp(-j2/1)
Se,;a/es peridicas y
1/0
peridicas
----------------.-- ...-.........
0.9
..
..
..
..
...
...
.
..... ----- --------r---------------------i---------------....
-.........-..----.-------
"
..,-
0.6
0.5
0.4
0.3
0.2
0.1
..
.
_-----~----------------------,.------------------.--
_. _--- -------~----------------------~---------------------
--- -.-- --- ---- -. ' -------------------f---------------------l----------.------------- --- --- --- --- --- .- ---------t---------------------t---------------------
_::: ::: :::- --- ---- --- ---- --- --- r-+---::::::::::::::::L::::::::::::::::::
--- ---, ----------------------- --- --- --- ----r-----
O
O
10
15
n
FIGURA II A . Sea l discreta del tipo exponencia l negativo
j(1)
Seal no peridica
j(1)
Seal peridica
FIGURA 11.5 . Seales peridicas y no peridicas
18
20
1.S ............. .
+.~
..
r:
0.5
+......,....
.~
!.
f ........... ! ........... .
-o
a.
E
'"
o
-0.5
-1
l'
l'
.. ............. ............!
~
~........
.... ..........':
~
.... .].
.... j.... .
..... ........... .. .
~
- 1.5
-2
0.5
1.S
2.5
3.5
t(seg)
Sena/es aleatorias
Para el anlisis de seales es til poder rep resentar una sea l en trmin os
de fun ciones base, tales como las funciones trigonomtricas, las funciones
19
f(t)
fx (X)
exponenciales, entre otras. Para poder representar una funcin como una
combinacin lineal de otras funciones base, stas deben cumplir con la condicin de ortogonalidad, la cual se explica a continuacin.
Si se tiene un conjunto de funciones <1>,(1) que cumplen con la siguiente
condicin:
11
11
m '1-1'1
m=n
(11.3)
= fl$,, (I)I'
dt = 1
"
Si el conjunto de funciones es a la vez ortogonal y normalizado, se le llama
"conjunto ortonormal " .
Para comprender mejor el concepto de ortogonalidad, se puede hacer
una analoga utilizando vectores. Si <1>, (1) y <l> m(t) son vectores, entonces si
n = In los vectores <1>,(1) y <1>,,(1) son colineales y por lo tanto su producto
20
fsen(nlwot)cos(llw ot)dt
T
0,
ni,
'1
11
0, 1, 2 ...
(ll.4)
la identidad trigonomtrica sen(A)cos(B) = 2[sen(A + B) + sen(A - B)] Y la sustituimos en la expresin !I.4 para hacer la integral, tenemos:
1/
o
r
cos( ni - 11 )wot ]
(fII - II)W(l ()
evaluando los limites ysustltl.1yendo (JJo = 211: / T
21
_ __1_[Cos[(",+n)21t] cos[(",-n)21t]
+
2w o
111+11
m-11
_ 1_ _ _
1 _ ]_
- O, SI n, ",-0,1, 2 ...
111+11
m - l1
lo cua l demuestra que el conjunto de funciones sen(mwot) y cos(nwot) forman un conjunto ortogonal de funciones en el intervalo [O, T ].
Es posible demostrar tambin los siguientes resultad os, que, como
veremos ms adelante, son tiles para el clculo de los coeficientes de la
serie de Fourier:
!
r
{O
si m:l;n
COS("'lot)cos(nl ot)dt = T/ 2 si m=I1:1;O
fsen("'lot)sen (lIlot)dt
o
{O
si
= T/ 2
(11.5)
111'1:11
si
m = l1'*-O
(11 .6)
Las demostraciones de las expresiones 11.5 y 1l.6 se dejan como ejercicio para el lector.
Las relaciones anteriores muestran que las funciones: {l , cos(wot ),
cos(2wot), cos(3wot ),... , sen(w,t), sen(2wot), sen(3wot),... 1 forman un conjunto
ortogonal de funciones en el interva lo O < t < T Y por lo tanto se pueden
utilizar para representar funciones en trminos de stas.
Estas series fueron utilizadas inicialmente por Joseph Fourier para la solucin de problemas relacionados con la transferencia de ca lor.
Segn el teorema de Fourier, una funcin f(t) se p uede representar
como una combinacin linea l de funciones ortogonales, en particular
como una combinacin lineal de funciones seno y coseno, de la siguiente
manera:
(11.7)
donde 0 0' a" y b" son los coeficientes de Fourier, los cuales se obtienen a
pa rti r de f(t); W o es la frecuencia fundamental y 2wo' 3wo... se conocen como
los componen tes armnicos de la sea l.
22
La relacin entre la seal f(t) y las funciones trigonomtricas est en la relacin entre el periodo de la seal Ty la frecuencia lY esta relacin es lo = 2rr(f,
ad ems de los coeficientes, a", a" a" ... a, y bl' b" ... b" los cuales nos d icen
cu nto de los componentes a rmnicos se le d ebe agrega r a la serie pa ra
representar ad ecuadamente una funcin.
A continuacin se aplica la propied ad de ortogona lidad pa ra su obtencin .
Obte" cifl del coeficie1l1e ao
f (t )dt f
T
ao +
/1- 1
11 = 1
DO
,,-\ o
O para
11
=1, 2, 3, ....
f
T
a" = T (t)dt
"
(11. 8)
Multiplicando ahora ambos lados de la ecuacin (11.7) por cos(mwot) e integrando en el intervalo [0, 11, se tiene:
T
{O
L.J
n_\
nI":# 11
condicin de ortogonalidad
m=n
sustituyendo m por
11
a, = T f f(t)(cos nwot)dt
(11.9)
Multiplicando ahora la ecuacin (11.7) por sen(mwot) e integrando en el intervalo [O, T], se tiene:
T
T _
fo [a
,
,,-\
24
fof( t)sen(mOlot)dt
= b.
I.2
(11.1 0)
COlldiciones de Dirichlet
Una funcin f(l) pued e ser representada como una combinacin linea l de
funciones ortogonales, en particula r en trminos de funciones trigonomtricas, si cumple con las siguientes condiciones:
La funcin f (t) tiene un nmero finito d e discontinuidades en un
period o.
La funcin f(t) tiene un nmero finito de mximos y mnimos en un
periodo.
La integra l d el va lor absoluto d e f(t) en un period o es finita, es d ecir
r~r(t)ldt ~
v,
<
-v,
(11 .11)
25
JI')
-----
.... -----
------
------~------
---'-r----:
- -----t-----
v_; ______ .
,
o
FI GU RA 11.8. Seal cuadrada
-v
f(t ) =
si
V
si
Clculo de ao
no
=+ f
TI'
- T/2
1['f
f (t)dt = 1'
(- V)dt +
-Yz
Y:]
Vdt =0
ff
T/l
n" =
f (t )cos(nwot)dt
-T/2
n" = 1'
-Yz
26
Y2
a"
n l o
lll o
b" =
ff
o
- Vsen(l ot)dt +
JVsen(l1l ot)dt ]
Y2
o
-~
v COS(l1lot)I Y2 ]
o
110.>0
2 - [ V - Veo {
=-
l1l oT
21trl -
11--
T 2
= 2V [2 - 2cos(I11t)J= 2V (1-(-1)")
112n
/I n
J~v/
1
/ 1l1t
para
1'1
par
para
ti
impar
27
4V
f (t) = 1t
~
1
[
1 4V
1
1
L... (2 1)sen (2" - 1)00 , 1 = - [sen(oo,l) + -sen(3oo,l) + -sen(5oo,l) + ... J
n-
".1
1t
(b)
2, - - - , - - - . - - - - , - - - ,
2,---,---,----,---,
~"a.
a. O
~
O
-1
-1
-2 " -__~___'____'_____'
-4
-2
-2 " -__-'-__--"---__--'--__--'
-4
-2
O
2
4
TIempo (seg)
TIempo (seg)
(e)
2,---,---.---,,---,
(d)
2,---,---.----,---,
-1
- 2 ~_~_~
-4
-2
_ _~_~
O
TIem po (seg )
- 2 L-__~___'____'_____'
-4
-2
Tiempo (seg)
De la figura (11.9) observamos que al ir adicionando ms y ms componentes a la serie, la grfica de la suma de dichos componentes se va aproximando a la sea l cuad rada. Sin embargo, notamos que en las esqu inas de
la sea l cuadrada siempre habr pequeas oscilaciones conocidas como
fenmeno de Gibbs.
La grfica del espectro de lneas para esta seal es la siguiente:
Los va lores de b" cuando V = 1 son:
28
b, = 4% = 1.27
b, = 4VJ" = 0.4
b, = 4%" = 0.25
b, =4'j4" =0.1 8
b,
=4%" =0.11
1---,--...,---,----,-----.,.----,,...--.,-----,
12
..Trrr---rr.....
'
--------r------T--------r--------r-------r------T----------------c
.2
0.8
'3.
E
'"
0.6
0.4
0.2
Trrr Trr...
T---rrrrT...
l r: 'F F I~
2
29
j{ t )
Clculo de ao
Clculo de a"
a"
=3.
T _v,
{~// 2
::
11 ,q
}/ ::::: 1
=(Hf)=1
Clculo de b"
b"
=-T2 Ir
= COS((001)
30
+-----~----------- f
1 Khz
=1
11
Para simplificar el clculo de los coeficientes de Fourier se puede aprovechar la simetra de las funciones; esto se muestra a continuacin.
Se dice que una funcin f(l) es par si f(-I) = f(I); entonces es fcil probar
que
f(l)dt = 2 f(t)d t
-,
f f(t)dt
=O
r r
",
ao =.!.
",
T _",
f(t)d t
=3.
T o
f(t)dt
para an se tiene:
yr
",
a" =
f(t)COS(liw ot)dt
(1l.12)
y b, = O
no = O, y entonces
",
b" =
Y f(t)sen(liw ut)dt
(11.13)
31
j(l)d l
Y n,
". 1
f j(t)COS(l/l l)dl
T/
Si j( l ) es impar, entonces
t U) =
*f
L b,sen(l/l ol)
,-1
T/ 2
con b" =
t (l)sen(l/l ol)dl
r- -~--------.;.--------- ---------r-------
Pa ra
"ose tiene
T
2
1
2
y para b"
2 J' I sen(nl ol)dl
b" = T
o
3.[-1
1'1
TUI
!
",. )
sen (11lol)
1m
Del clculo sabemos que al deri va r una funcin, el orden de sta va disminu yendo; esto puede aprovecharse para simplificar los clculos de los coefi cientes de Fourier, y se muestra a continuacin:
De la serie d e Fourier trigonol1" trica
f (t) = " " +
di
(11.14)
puesto quef(t) es peridi ca de periodo T, df(t) /d l tambi n d ebe se r perid ica. Po r tanto, proponemos la siguiente ecuacin:
33
2893588
j'(t) =
(11.1 5)
(1/.16)
=0
= fI(.J}ob
ll
(11.17)
b~ = -f1w oall
a;, y
f,
T
a;, = T j'(t)cos(nw,t)dt
f f,
T
b;' =
rad
wo = -T =211s
Clculo de ao
-2
-1
['(ni
Clculo de
a;,
a;,
J
T o
=3.
j'(t)dl
=3.
~r [l -o(t)]COS(IIW
T _~
ol)dl
j(tll,.," = f(t o)
=2
[r
a;,
es:
-~
-~
= -2cos(1I2nt)l,.o =-2
21t1l
1m
o"
Clculo de b;'
~
b;' =
ff
-~
~ sen(lIw
f
[
=2
-~
r
~
j'(t)sen(lIw ol)dl = 2
-~
ol)dl -
r
y,
o(t)sen(lIw ol)dl
-y,
=O
=O
La representacin en serie de Fourier trigonomtrica de la sea l diente de sierra queda de la siguiente forma:
1 - 1
/(1)=-- L -sen(1I2nt)
tI,, 1
n1t
-1
'f
3i
'----
-2
FI GURA 11.1 6 . Seal triangular derivada
36
J"(I)
4
-1
- 1/2
1/2
- 4
3/2
(Il.18)
Ahora prop onemos la serie d e Fourier para una seal f( l) derivad a d os veces
(I1.19)
a~' = - au (llw o )2
(1 l.20)
b;' = - b
(I1.21 )
ll
(1 W o )2
bU
= ~ f - 4.( I
,
2
\
o
- ~)
2 sen (n"' o/)d/ = -8sen (11"' 0/)1,,, 1/2 = -ssen( 1I 2'2.)
J 2'. )
- bU
Sse 11
b = _ _"_=
1\ 2
" (11"' 0)'
(1m )'
,,)
f(t ) = ~ L
37
2,-----,.-----,------,
2,----,~--~-----,
1 --------------
--------------!--------------
--------------!--------------
O~----~----~~----~
------------- --------------!--------------
- 1 -------------
-2~--~L---~----~
-1
O
2
-2
-1
2r-----~----_,----_.
1 ------------ -- ------
--------------t-------------2
2r-----~----_,----_.
---------------------
-----r-----------0k-----~----~----~
0k-----~----~~--~
!_ __
-1 ___________________________ [ _____________ _
-2
-2
-1
-1
FIGURA 11 . 18. Primeros cua tro compone ntes armnicos de una se al triangular
utilizando se ri e d e F o urier trigonomtrica
1
[eicn-m)WoI2 _ eiCn-nr)w~ ],
J(n - l1I)w o
=.
=
e iC n-m)wOI [e ,CU-m)WO(l2-1)
con
11 '1:-
m,
- 1]
j (n - l1I)w o
f""
eillWole -imwO' d t =
{t - 1
2
para
11
= 111
para n '1:-
ni
Haciend o n =
ni
L F,,(I , - t , )
1_f'
F" = _ _
!(t )e-i"" dt
(1, - ti) "
Es posible establecer una relacin entre la seri e de Fourier trigonomtrica y la serie d e Fourier exponencial compleja. Pa rtiendo de la serie d e
Fourier trigonomtrica
39
f (t ) = ao +
Las funciones seno y coseno se pueden escribir en trminos de funciones exponenciales como:
e illwol
e - illWol
2j
e inlOol _
+ e- jllWfjI
sen(I/W ot) =
coS(I/W ot) =
L~
haciendo Fo = ao,
F
11
b
y F
-,
2j
::...J!..+~
f (t) = Fo +
=~-~
se tiene
2 2j
,,=1
L F,ei'w" + L F,ei'w"
-
f (t) = Fo +
-1
11=\
40
(IL23)
tan -I(~)
n"
(11.24)
Ejemplo: Encuentre la representacin en serie de Fourier exponencial compleja de la seal f(/) = e', en el intervalo [0, 211] con f(t + 211) =f(t).
Clculo del coeficiente de Fourier F", como T = 211 entonces lo = 211 / T = 1.
como:
, -,.. " = cos(2Il1t) - j sen (2n1t) = 1
entonces
1
L
e - ei""'o'
"._ 21t(1- jn)
-
f(t ) =
2n
41
0.9
0.8
0.7
0.6
,,-" 0.5
OA
0.3
0.1
('
0.2
10
Para observar el efecto que tiene sobre la grfica del espectro de una seal
un cambio en su periodo o en la duracin del pulso se obtendr el espectro
de una seal definida en un periodo como:
O -TI2,;, t';'-r /2
f(l)= A
-r/2,;,t';'r/2
{
r / 2 ,;,t,;,TI 2
--+--,-......
- ","'-
1, . . . . .
_......... -:-._.. r
,--1---1
r-;---, .. ~.r---+--r
!
-t/2
iT
i
....... _........... ~
42
'l'
y periodo T
Clculo de F"
y,
f
T
- 1
F -
"
A e- jub'o'dl _-
[-
_ -A- e
- -A- e -IlWfJ'I ,12 -
_~
~ '/2
TI-n", o
TI-n", o
IlW fJ-,'
- e/lIwo-,,]
:: F l .["'1;
:: :.::::.:::1:::::::::1::::.::::r :::.::::[::::::::1::::::::::
~'
:t
"= __
r (seg)
1/ 4
1/ 4
1/ 4
H seg)
1
2"
2
3
2,, /3
Amplitud
A/ 4
A/ 8
A/ 12
Wo
"
(n)
0.3 ,----,,----,--,,F(w)
0. 2S
0 .2
0 .15
-,
, ~f* L
+flHT
F(w J i
[(w)
r ...... ! ............,......
r"
(d
0.3 ,----,---,----,----,
0.25
0.2
0.15
r ,:I
' -f
0.25
r ,I .. ... -f
, ! , -f
r , II'-f
,
,
...... !....
8n
1ft
1,1
2n
---0.05
-0.1
'---_~_'---~'------'
-O . I '---~'------'_---'_---'
-0.1 L_~_--'--_--'--_--'
1/ 4
1/ 8
1/16
44
H seg)
1
1
1
Wo
2"
2"
2"
Amplitud
A/ 4
A/ 8
A / 16
......................... !
...........
'
jA ' .
F(w )
~~
. .'=~
ll ,}L~~~
..dI.~
, ~
.
W,'
'~~'\Jj .
:
W
o
(b)
F(~), ........:!:
............. .... .
r-~~--r-=. ~~1ni~~.:."*:_
. .......;i_. .....~
J
o
le)
................ ................ j
. .................; ...
F(w )
.
.
..... ........... L. ................. j .................~
............ .,.
'; ................ ,.
...
.................;._._-..__""-_~UU~;~_.;.;.~._-+__ :
w
o
F IGURA 11. 23 . E spectro d e lineas cua nd o : a) '! = 1 / 4 Y T
b) '! = 11 8 Y T = 1 . Y e) 1: = 1/ 16 Y T = 1 seg
= 1;
A
= _ __
TI/j w o
[-I"(oj\l~
I!HJJo-:i-)
-1"("0e
2_ (,
I!
2
t
. .]
}""';-
2A
-to-' e
_
"
TI/W o
= _
-e
2j
~I"'~o-
45
lit!
1---i------------
-----------
'
,T
2A
l'
Tnw o
--sen(nw o -le
-jnm():!..
'
1)
- 2n
{~
para -11<1<0
para 0< t < 1[
2n
-n
2.
47
-n
5) Obtenga la serie de Fourier exponencia l para las formas de onda mostradas en las figuras. Convierta los coefi cientes obtenidos a los de la
serie trigonomtrica y grafique el espectro de lneas (utilice Matlab).
- 511, , e''''''
L
",_ 8 + (1I7t-
n)
b)
Transformada de Fourier
INTRODUCCI6N
NA DE LAS APLICACIONES ms comunes de la transformada de Fourier
es que nos ayuda a conocer las frecuencia s componentes de las seales presentes y, adems, a distinguir las seales del ruido. Veamos un ejemplo sencillo: supongamos que tenemos dos seales senoidales,
una d e 50 Hz y otra d e 120 Hz, inmersas en ruido; si vemos la figura lll.l
de la seal en el tiempo, notaremos que es imposible distinguir las sea les
del ruid o.
f (t )
.' -
------- -.,._- -
o
.)J.
~_
,
,
--------- -- -.,------------ -. ,
"
11111111111
2893588
49
Si obtenemos la d ensidad espectral d e la sea l utilizando la transformad a de Fourier y la graficamos en funci n de la frecuencia, tendremos
una grfica como la que se muestra en la fi gura 111.2.
70 r-------r-------r-------,-------,-------,
60 -- ----- - - - :-_
50 - - - -- - ----",
40 __ _ _____ __ ,- _
- - - - - - - -'-- - - - - - - - - -' - - - - - - - - - _! - - - - - - - - - -
30
- - ---
20
_____ L_
....
,
,
,,
_ _
,,
,
__ __ ___ J _ __ ____ __ _
Frecuencia (Hz)
Como se pu ede observar en la fi gura 1I1.2, ahora s es posible distinguir las frecuencias de las seales componentes y el ruido; stas se pued en
identifi ca r como los picos que se encuentran en 50 y 120 Hz, los d ems
picos correspond en al ruido. Pod emos decir que la transformada de Fourier
nos permite observar, en el espacio d e frecuencias, la concentracin d e la
energa correspondiente a cierta seal.
El instrumento gracias al cual podemos observar este tipo de parmetros
es el analizador de espectros. Existen tambin dispositivos como los DSP que
permiten obtener la transformada d e Fourie r de la seal en tiempo real.
Otra forma de caracteriza r una sea l es observa r sus caractersticas en
el d ominio d e la frecuencia. Dentro d e las ca ractersticas que pod emos d etectar se encuentran el ruid o inmerso en una seal y el contenido frecuencial;
pero sobre todo, en sistemas de comunicacin interesa poder dete rminar
su ancho de banda . Aunque sabemos que ex isten diferentes d efini ciones
aqu presentaremos slo un a.
A continuacin haremos un breve anlisis acerca de la obtencin analtica de la transformad a de Fou rier de tiempo continuo (TFTC) .
50
En el captulo anterior aprendimos que podemos representar una seal fU) como una combinacin lineal de funciones exponenciales; entonces,
si tenemos la representacin de esta seal en serie de Fourier compleja
(Hl.l)
donde
fJ
T
F"
j(t)e-"w" dt
(III.2)
Como se vio en el ca ptulo anterior, si hacemos que el periodo T aumente y graficamos el espectro de lneas, ste no cambia en su forma, nicamente en su amplitud. Al incrementar el periodo T, aumenta la densidad
d el espectro de lneas, y cuando T-'>= la grfica de F" se hace continua.
Si sustituimos la expresin (111.2) en (IlI.l), tenemos
51
2"
T' entonces T;
w
2" . Cuando T ->~, w -> dw
a las integrales
F(w);
f f(tV ""' dt
(1I1.3)
f- F(w)e l""dw
.
(IlI.4)
y
f(t); - 1
2"
ten fun ciones especiales para las cua les no se cumple la condicin anteri or
y sin embargo existe su transformada de Fourier (funcin escaln unitario
o una constante).
A la grfica de F(w) se le conoce como espectro de energa de f(I) . A
continuacin se obtendrn las t"nsformadas para a lgunas funciones tiles
en el anlisis de sei\a les.
Ejemplo: Encuentre la TFTe d el pulso f(I); e-I'I cuya grfica se muestra a con tinua cin:
52
1.4
jtt+fi;;jtt
1.2
::::::I::::::::::::::r::::::::::::::;:::::::r::::::::::::::1::::::::::::::::
:
0.6 . ..
0.4 ......
::
::::
0.2 .. .
................ _.......
O L-~~~~L-~
- 10
1......
+ ......,....... _.......:......L...
-6
-8
-4
__~~__~__~~~
-2
10
FIGURA 111 .4 . Funcin si mtrica a energa finita de l tipo va lor abso luto
de la exponencial
F(w)
5{J(t)}
f
e-(u"JUI)1 ""
1
1
(a -iw) I- + -(a+iw) lo = (a- iw)+(a+iw)
o. + jw + o. - jw
c (a-,M)I
(a-iw)(a- iw)
0~.0.0
,
......
.......0........
. ., o.. o..o.. o.o .....
, o.....
., ..o.
.. o., o.. o.o
00.00 ~
o ~o
f++;
FI~~f+-i:
0Looo.o.":'0.0 ... J.oo.o .. l.oooo ol.
... 1.o .....
O"
ooooo~o.oo.o.:.oooo.oJ.oo_
o .~o
~.oo
o~o.o
: .. to.
: oo.-.oooo
:
00.0000:: .0.00.-::..00 0"1.: 00 ... otoo
..:;o. "0'1": ... oot: ..... 0
o...... ~.o .. o.oo.o .... ~.o .. o.of.o .. 0..... o.. ooo.o.~o.oooo~o.oo.o.f .. o..o_
... o.. otor ; ,,0"T"'0 ""oo"'r'o",-,oo,o,-,oo",
.o.o.o+.o .... --.... o.i .. o.
..... 0.... . ... .... .. o.... io .... o.
o~.o
i : '
'
i
() L-- '_...!:=-'-_'-----'_--'-_-'-='-----'_ _..J
UI
Note que el ngu lo de fase <I>(l) en este caso es cero (parte imaginaria
es cero).
Ae-m
para
= {O
t~O
para t < O
,"
,,
,
,
______ 0- - - - - -- "
_--- -
"
""
" ,
.
" "
" , .
1(1)
r~rl;~flr
-8
--~--- T ~-
__~__~~___L__~__~_2~~~
-6
-2
-4
10
SU TFTC es
A
a+ jw
F( lO ) __
.--,----0(Aa))
'+)(Al")'
.,
e' '''''''1''1
,~
y fase se lprccian
2 r--'--'---'-~~~--'---'--'---'--,
F(w)
....",=*'="*=~f--_l''''
1.5 ,------ -- -------- - - :
-,--------
'
"
-::::::r--:::r:--:1_-:_-________ _
,
,
"
-0 .5 ...............................
,
,
"
~ .......
"
. ............
... ..."
. ....... -_._----.-----_ ..
" "
-,:[:~I t ~T11
-2
L-~
-50
__
-40
__
-30
- 20
__
~~
- 10
__
__
10
~~
20
__
__
40
30
50
- t
/2 ,; t ,; t /2
en otro caso
- t l2
,;2
'\ 2
w! / 2
,,
,,
::
--------1---------:--- --- -r----------------t ----r, ----------r, --------FI GURA 111. 9 . Transformada de Fourier del pulso rectangular
Mi
1Jllj]
FI GURA 111.10 . Funcin delta de Dirac
56
IF(w)l= l
F(w)
15
"
" , '
--------r--------r------T-----T------ -------r------r-------r----r------
.. _----..--- -----,
,,
:
..
.:
.........
.............
_--.----_._.
,
.
.
.
,
,
.
. ......
.
,
..
.
.
,
.
.
.
.. .
..
.
.
.
'
. . , ..
--1-------r---- 1-----1----r--------:-----
..
,
- 1
'"
~ _
- 1.5
------T------------------------------------j------T---------------------
-2
L-__~__~__~__~__+_--~--~--~--~--..J
-5
-4
-3
-2
- 1
Vea mos ahora qu le oc urre al espectro cuand o desplaza mos la funcin 0(1), In segundos.
57
fIt)
TrT TrT
o
lO
~r + ~,r
rrr
~_
......... ~ .........
~(W)=-tow
.+.......,.........
+ ........ .
58
F(w)
---------~------ -- --{- ---------~---------- -- -- -----~-- --------f----- ----~---------
'1'
---------1---- -----i----------r---------- --------+---------t---- ---+-------!
---------1----
,....
. .... ........
o
,
"
"'o
- ~ - ---------:----------
ji!
8( l +
2.
2.
2.
'f"'
es
(111.5)
~ e""' );
2no( w -wo)
(111.6)
3(_2n1); _2n13(1)=o(w)
3(1); 2no(w)
que son resultados que ya conoca mos. Con los resultados obtenidos y la
frmula d e Euler podemos encontra r fcilmente la TFTe de las funciones
trigonomtricas sen(w ot), cos(Wuf); con Wo constante, veamos cmo se obtiene:
(111.7)
;;
F(w)
---------.{---------- ----------~----------
---------.{----------
~J
r ..... T T r
r . . . T T ~:r~
-<0
......... ~.......... T T ~~~ ----!--------FI GURA 111. 15 . Tra n sfo rmada de Fourier de se n (w/)
(1I1.8)
.................. .1..........1........ .
.........
r. . . .
1'. . . .,. . . . . T. . . .
"
!........ .
,,
~1 ....
"
,,
1........
lsit<!O
sgn(t)= { _) si t < O
Para encontrar la transformada hacemos el siguiente artificio matemtico:
= hm
HO
" ....0 _
-1
1
1
1
-2 .
- + - - ]=-+-= -J
[ a-jw lo_ + -(a+ jw) 1-] = 11m
....., [a-jw a+jw
jw jw w
_e(a-}OJ)'
e- ("+/W)'
2'
g{sgn(t)} =:...L
w
(1II.9)
o
F IGU RA 111 . 17 . E s pectro de la funcin si gnum
62
1 sit "0
O si t < O
j{t)
---------,----------,----------f--------- G---i---i---+---~
---------.,:----------~----------~---------- ---------.!..---------;----------~---------
!:
!t(I) = - + - sgn(t)
y como conocemos las transformadas de una funcin constante y la funcin signum, entonces:
1 1
} =5 -1 } +5 -sgn(t)
1
} =-S(w)+211
1 [ -:2 ) = llS(w)+ -:-=
1 llS(w) - i
5 -+-sgn(l)
22
22
2Jw
JW
finalmente:
3{,,(t) } = llS(w) - L
(11110)
en
(j)
63
Hasta el momento hemos estado trabajando con sea les no peridicas, pero
ahora nos pregunta mos: qu ocurre cuand o tenemos una seal peri dica ?
Existe su transformad a de Fourier? A continuacin se muestra cmo obtener la TFTe d e una sea l peridica.
Podemos escribir una fun cin peridica usando su serie d e Fourier
como:
A( t)
L F" ei"'''u
l
= 2"
entonces la
TFTC
Note que ahora la TFTC es una funcin discreta compuesta por funciones impulso moduladas por el coeficiente de la serie de Fourier compleja.
Ejemplo: Encuentre la TFTC de la seal peridica que se muestra.
A
~ ::::::r.--:_.,--'--,.------------r-II--.------:---------"----- -----.-----
- '[ /2
,
,
"____________
"
____________
t/ 2
T
___________
.... ___________ .... __________ _
, ,
"
___________ _ ___________ 4
" "
Si hacemos que T
2 seg, entonces
Wo
=r2" ="
entonces la
F ()
)
TFTC
AT
=r
es:
= 2n ~
L.J A T sen(llw"T/ 2),,(
u ) "".......
llW ot /
lIJ o
) = 1t AT L.J
~ sen (IlW"T/2),,(
)
u ) - /In
"....... llW oT / 2
TFTC
65
F(w)
,,
,
,
------~-----~--- ---
,
,
_____ J ______
-r-----~------,------
--
: I
~ ~f.,\!
I
J_ I
,,
--r
_____ _
{---r-----~------'------
!/
i:,
I ,
-,------
\
\
:
:
-1/:: ::
y ~~ -- -T,f~;r
~', \
:\
-------
I '
- ~-
L.-'---:------~------
,,
~ --------- ____________ < ___________ :___________ ~ -A-- ----- -------------- ~ - - - - - -- --------------- <
------------f-----------
2T
T(t) = A
L 0(1 - nT)
\;;j ll
= 0, 1, 2, 3,.
66
"
TITe
=l
F(O)
0)0
---------- ...... ----------
,
,
------------'-----------,
,,,
----------- . -----------
----------_.-----------
,
,,,
,
,,,
,
,,,
,,
,,,
,,
-Ul
,,
,,
O)
PROPIEDADES DE LA TRANSFORMADA
DE FOURlER DE TIEMPO CONTINUO
Como veremos a continuacin, la transformada de Fourier posee propiedades que nos ayudan en el clcu lo de stas. Las propiedades parten de
que conocemos la funcin en el dominio del tiempo, as como su respectiva
transformada de Fourier; ahora la pregunta es: qu pasa si modificamos
la seal en el dominio del tiempo o en el dominio de la frecu encia?, cmo
repercute dicha modificacin en el otro dominio? Pues bien, las propiedades de linea lidad, simetra, esca lamiento en el tiempo, esca lamiento en la
frecu encia, corrimiento en frecuencia y modulacin, nos auxilian en esto
y adems nos permiten entender rpidamente otro tipo de seal.
67
Propiedad de linealidad
Entonces
~{x(t) + y(t) } = X(w) + Y(w)
Demostracin:
~{X(I)+ y(t)}
= [[X(I)+ y(t)]e-/""dl
Ejem plo: Sea la siguiente funcin f( I), compuesta d e un valor consta nte k ms una funcin peridica cosenoida l.
f(t) = k + coswot; encuentre su transformad a de Fourier.
....... ~ ...... 1.
..
------ -------
o
....... +.............. +-...... /........ ........ , ........[ ....... + ...... + ..... .
68
F(w )
l'
__________ ~,_____~~:~~L~~)
______ :__________ ~ ___________ _______~~~~~~)
______ ~ ____ ~~~~~~~_~~)_____ ~ __ .. _____ _
,
"
,
'
,
""
"
I LIlll t l
Propiedad de simetra
~ _1
f-F(w )e"'''dw
2rr -
d espejando tenemos
2rr/ (t)
~ [F(W )e""dW
[F(tV ''' dt
TFTC.
69
Ejemplo: Supongamos que tenemos un pulso de duracin 1: cuya transformada de Fourier es la que se muestra:
-T
WT
12
Supongamos que ahora la funcin sampling est en el tiempo y deseamos encontrar su transformada de Fourier de tiempo continuo, o sea
que ahora tendramos:
g{ F(I)} = 21[f(-w)
/ 2) ]
'"
1"f ATsen(lT
IT 1 2
= 21[f(-w) = 21[f(w) por ser una funClOn par. AqUl f(w) es:
A1[
f(w)= O
-T
F(w)
<
TFTC
U'_"uuU u
- t/2 !
;>
j(I)
:
~-T
Al
F(w)
2M
lT
---':-:';--t-------------. ---TFTC
F;;/~
A
........ ~ ......--i--....:.:...--+------.-.-..
-.-.-.
<
;>
- t/2 :
t /2
70
Esto significa que una expansin en el tiempo equivale a una contraccin en la frecuencia, la demostracin es la siguiente:
Tenemos dos casos, uno cuando a > O Y otro cuando a < O.
Cuando a >0 ~[J(at)l =
-
x
dx
f- f(aIV "" dl si x = al => -a = t => -a = dI en este
caso los lmites de integracin son: cuando 1->= => x -> = y cuando
t~-oo ::::::) X~-oo
Entonces la transformada queda de la siguiente forma:
-
x
dx
f- f(aIV "" dl si x = al => -a = I => -a = dI, cuan-
--00
g{J(al)} = -1
--00
a _
a -
( l )
= -F lal a
(IlI. I 3)
71
1 M
,"'o-l:::2),
F(J) "" AT -~"':..cn,-,(::;
Jt / 2
- t/ 2
t/ 2
r- [(I!2)
r-
.--------'Jk'--~:
~
--- -_
- --- --!----I-!----L
I ---_
-----~
- t
TITC
:::::::;>
......... ~.... . .
<<=:
i",
", i
V
i- n/ t
n/ ,
'r-
-r
/(t I')
r-2,
-2,
Wt
: V
it
F(w) == 4A,
TITC
>
<;
"
sen (2Wt)
urr
Esto indica que una contraccin en el tiempo equivale a una expansin en la frecuencia; la demostracin es similar a la de la propiedad anterior.
Propiedad de co rril1liwto en el tiempo
Si la funcin fU) es desplazada por una constante lo' entonces tenemos que:
:.i[f(t -
Demostracin: si hacemos
x = t - to ~ t = x + to ~ dt
sustituyendo
= dx
volviendo a la variable; si x
72
1, entonces,
(1) =
A si O:=;; t:=;; t
{O en otro caso
f(tl
A
o
FI GU RA 111. 28 . Funcin ventana rectangular de duracin .. y amplitud A
_________ , _____
- t /2
~~t!-- ~ ----
---------r----o
73
FI GURA 111. 30. Tran sformada de una ve ntana desplazada 0:12 seg
Si ahora aplica mos la propiedad de corrimiento en el tiempo el resul tado es la transformada de un pulso d e duracin T pero con una fa se dada
por - jw T! 2
Propiedad de corrimiento en la frec ll encia
(teorema de modlllacin)
f(t)
--------: --;------: ------/ K ----- ---r ' - - - - - - - - --------fj -- 1\+--- - -- -- -- ---, t \i-----~
-?I
:J\:-
--
:J: ~-,
I/'
-1/:-:;-:
- ---
cos wot
________
- - - - - - --
\.
___
1
k::/ __
:I _______ _
F(w)
_____________ ~-----------------l-----------------
-----------------~-----------------~--------------
"
"
"
"
"
"
"
"
"
"
i!
!!
"
"
"
"
"
"
"
"
"
"
"
"
---------------~-----------------~--------- - ----
75
F(w)
-------------
.
.
..
..,
-------------
.
...i
..
f\A.. ...
~~o
I
,
..,,
+--........... -................
I
:
I
'
...
.
--.------V\P.
I
,
fvv-
I
:
o
FIGURA 111. 33. E spectro de la sea l m od ula d a
Demostracin:
= F(w - w o)
76
(111.1 4)
f f(t )e~i(w,w,)'
= F(ro
di
+ ro o)
Propiedad de C01lvolucill
Convo lucin en el tiempo continuo
------7{3------7)
y(t)
x(t)8(1 - t)dt
(IlU S)
pod e~
(11 1. 16)
77
puesto que el operador T slo afecta a seales en el tiempo, entonces podemos escribir y(t) como
y(t) =
[I
x(T)T[8(t - T)]dT]
(IlI. 17)
Si llamamos h(t) a la sa lida del sistema, como y(t) y 8(t) son seales
invariantes al corrimiento, podemos escribir:
/t(t - T) = T[8(t - T)]
(IIl.IB)
X(T)/t(t - T)dT
(111.19)
(lIl.20)
y(t)
'V
x(1)
;=c
x(l )
r-=-l
y(t)
--~
79
Re
v f-- - - - - - - ,
:c {I
e-(H)/RC ft(1:)ft(1
- T)dT -
:c {e-'/ReI
1/(t - T)
I/( t )
~Or-----~T~---------7 '
In)
lb)
l/U - t )
./
o
le)
L,
para toda,
para O < , < t
Para t > T
1/(, - T) l/(t - ,) = 1
l/(,) l/(t - ,) = 1
81
.
y SI. Integramos
tenemos: y( t) = RVC e- II RC RCel /RCI'o = Ve - II RC [etIRC
y(t) =
- 1]
V[ 1- e-'/Re ]
resolviendo tenemos
y(t)
= ~{e-IIRC RCe1/RCI'
RC
_ e-I/ RCRCe1/RCI'
lJ
y(t )=
para t < O
V[l - e- IIRe ]
t >T
82
1 . 5 ~--.,----,,.------,---,----...,.....--
y(t)
rr
1 1' .....
T
o., ....
O L-__
____
__
~~=-~
__
__
10
=3
12
seg y Re
=1
seg
Propiedades de la convolucin
/, (x)/, (I - x)dx = [
j, (t - x)/,(x)dx
(I1L22)
(I1L23)
j,(x)/, (I -x )dx
=1,(1) * 1, (1 )
~[
f (x )8(I - x)dx
~ 8(t)' f (l) ~ [
8(x)f(l - x)dx
~ f(t)
f(l- T)
(111.24)
Demostracin:
Sabemos que
aplica ndo la propiedad de desplazam iento en el tiempo de la transformada de Fourier de f~f, (t - x)e -''''dl, tenemos:
f~f2 (t -
Propiedad de dlferellciacill
el tiempo y en la frecuencia
e ll
Si tenemos una funcin /(t) tal que 5{1(I)} = F(w), al d erivar la funcin en el
tiempo tenem os que la transformada de Fourier es ahora:
d"
) = jwF(w)
5 { -/(1)
d('
(11125)
Observamos que la TFTC de una funcin derivada en el tiempo equiva le a multiplica r por w en la frecuencia, esto nos sugiere que a l derivar
una sea l en el tiempo incrementamos los valores de las frecu encias a ltas,
lo cua l acta como un filtro pasa-altas.
Por el contrar io, si ob tenemos la TFTC d e la integral de una funcin, las
altas frecuencias decaen rpidamente, como observamos en la siguiente
ec uacin. Esto acta como un filtro pasa-bajas.
5{-I )d<}
"'!-F(W)
JW
(111. 26)
85
-10
~6
10
--r-rr rr
F IG URA 11 1. 39. Ej e mpl o de sea l mo dula da e n a mplitud
por una fun ci n coseno id a l
2
.......... -+ .......... +-......... +-.......... -1-+-+-
1\. . . . . . ........
........\.............. T ..........,....... r
T!2
F IGURA 111.4 2. Fun cin ven ta na d e d uracin T y amplitud A
2"A.
w"
g{g(t) } = -S-smc(S)
S7
Ejemplo: Encuentre la
_ _ __
____
TITe
1
:
_ __ _ _ 1_ _ _ _ _ L
f(t)
1
_ _ _ _ L ____
---- T -- --
,
,
- - - _ !_ - -
/-
__ _ _ _ 1 _ _ _ _ _
cos 100 ni
- -
-;
_ 1-
-1- -
-1
5
-
_1 -
-1 -
_ 1_ _ _ _
-1- -
:
~
A'
-
-- - '--
____ 1 _ _ _
- - - - -
__ _ _
o --- -..,.. --
,
,
,
,
--------
- -_!..._- -
--------
t
-
_ __ _
, -A
- - - - + - - - -
,-
- - -
- 1-
+ - - - -
- - - -
- 1-
1
1
1
1
I
,
--- - T -- -- 1- --- -- --- -~- ---r- ---1-- -- -I ---- -
o
F IGURA 111.43
53{JT(t)} = 21t
'1"'--
"'o= 2; = ~.
Observamos que el pulso es una seal triangular modulada, que podemos escribir como: f(t) = g(t) cos 100 nt (figura I1I .44).
La transformada de Fourier de la seal triangula r es:
88
A.
!::
:-1.
.:1 .
---------r-------------------r---------- ---------r-------T--------r-------
F" = -F(W)
!m=".,o
T
89
l~'--------"-r--- - ---
t F
,
,1
,
"
Si integramos la seal obtenemos un pulso triangula r g(t), cuya transformada de Fourier es:
~{g(t)} = At Sa ~t)
2
A,
r ,I7F~I, r~
,
"
---------r---------i----------f------~~-
---------
--r
" ,
------------r------..
d(g(t
{ } {dg(t) } _
como f(t ) = -dI -, entonces ~ f( l ) = ~ di = JwG(w)
Si sustitu imos valores, tenemos:
AA
Otra forma d e resolver este ejemplo es aplicando el teorema d e d esplazamiento en el tiempo; vea mos cmo.
Del teorema de d esplaza miento en el tiempo
3{g(t -lo} = G(w)e -''''O
como lo =
~(2,
entonces
simplificando tenemos
TFTe
es:
CUADRO JIl.1.
Tiempo
Transformacin
Series de Fourier
Frecuencia discreta
2) Funciones no-peridicas
continuas
Transformada de Fourier
Frecuencia continua
3) Funciones discretas
Transformada de Fourier
de tiempo discreto
Frecuencia continua
4) Funciones discretas
Transformada de Fourier
discreta
Frecuencia discreta
1)
Funciones peridicas
continuas
Frecuencia
Caso 3)
1*)
x(W)
TFTO
===}
11/1
T2T3T4TST
"T
C.lso 4)
x(k)
) x(,,)
TFD
===}
[l/[! [ I
T2T3T4T5T .
"T
FIGURA 111 .47. En la parte superior de la figura vemos casos en los que e l dominio del
tiempo es discreto y la frecuen cia continua (transformada de Fourier de tiempo di screto).
La parte de abajo corresponde tanto a tiempo discreto como a frecuen cia discreta
(transformada de Fourier discreta)
Trmlsforll1ada de FOllrier
SEALES DISCRETAS
. {l
8..j = O
si
11
=O
s i 11:/:. O
01"1
-1
"
8[11 -
iJ = {~
si H = i
si
11 :/:.
i
5(11 - i)
"
F IGURA 111. 49 . Seal impul so unita rio desp lazado cie rto
va lo r i a la de recha
Escaln unitario
1l[1l1= {~
si n < O
si n ~O
II(IIJ
-1
4 ...
Flincin seno
para
O > 11 > 3
p<1ra
0 :5 // :5 3
L::'I g r fica
S2
muestra
continua cin:
"
xln]
3 ........................
2 ..........
-1
"
FUllcin decreciente de
11 -
[ ]- {(0.9)"
11
<O
para
11
para
11? O
.....
".
"
L x[II r V ,,,,,r
,,"'-
95
La
TFTD
TFTD
'"
FIGURA 111.54. Seal muestreada en el tiempo y su respectivo espectro
emp leando la transformada de tiempo discreto de Fourier
x[IlT] = l
2n - ", (T
X(w)e i" .. T dw
(Jll.29)
nX,(w)+bX, (w)
x(nleJl!!V1
X(iV-W K )
Desplazamiento en el tiempo
Despla za miento en frecuencia
1
- X ,(w)' X , (w)
Convolu cin
2n
X,[lIjX," --.
Ejemplo: Encuentre la TFTD de la sea l x[nJ
li zando Matlab .
96
X ,(w)X , (w)
=
X( e" ) =
.r_O
1
1- (0.8e -"')
.-u:w
4.5
........ ....
-----------
3.5
3
"'"
'c
2.5
:;
2
1.5
0.5
'
- 10
-8
"(jl
i" 't,
i. \". /
-6
-4
-2
10
/I(II) -
X" ') =
97
K-l
Utilizando la expresin: La
l -o. K
1-0.
Va
= --
k=O
la TFTO es:
X(e fw ) =
~ [ 1 - (O.k/W)"]
0.7
1- 0.7e-""
w = - 2* pi:0.Ol:2* pi;
A = 1- (0.7* exp(j* w)).1\ 10;
B = 1 - (0.7* exp(j* w));
Fw = 5* A./((O.7)* B);
p lot(w, ab s(Fw)), grid, xlabell'w'), ylabell'Magnitud d e F(w)'}
24 r---'-~--~-~-~
, --,~-~:---'
.-
22
--------
20 --- -----
-------+-------1-------r ------+-------+-------:
,
,
,
,
--------
" ,
"
18
--- -----,--------..,-------
!,
i,
.'
i'
!,
,j
il:" 16
-------..,-------- -.------
"O
"O
-------L-------t-----_L_____ L
,,
,, _______ L
,, _____ L------,
,,,
,
,
,
,,
-"
c
'"
::
14
-------~-------_ .
-------- ---------
''
'
12
10
-~-
--------~,
,,
,,
,,
-6
--4
-2
--~-------~--------~------~--------'
,
,
,
'
''
,,
,,
,,
________ 1--_____
~---------~
-- - ____ 1--_____
-L-_____
--1,_____ __ ~--------,
,
,
'
,
,
64
-8
w
F IG URA 111. 56 . Tra nsformad a de Fourier de tiempo discreto
La transformada d e Fourier de tiempo discreto nos da informacin d el espectro de una secuencia discreta , pero no nos permite manipular los datos
del espectro utilizando una computadora. Pa ra solucionar esto se cre la
transformada de Fourier discreta (TFD).
Este tipo de transformada se utiliza cuando se tiene una seal de tiempo
discreto
98
frecuencia discreta.
Tiempo discreto
T. Fourier discreta
[n]
Frecuencia discreta
[k]
X[k]= x(n)e
-,!.::b'
N
.,,,0
"(111.30)
N-I
k"O
x[n] =- X[k]e
i~k.,
N
(IlI.31)
Linealidad
Simetra
Desplazamiento en tiempo
Desplazamiento en frecuencia
Convolucin (lineal o peridica), etctera
99
-------_ .....,
-- -------r---------r------
6
e
"
5
4
-r----
---------
----r---------T--------- i----------
rr.l . f TJ
"
.."--- -----"----------"----------
.ee
..
_------ - --~---------
3
2
o
O
14
12
10
8
w
I X[k) I = [8.0, 0, 0, O)
8
e
""
.,
:;
~
'
.,
,,
,,
'
''
,,
,,
6 -----
-- ~ --------- . -------- . --
------_._----
-- -~ -----
---.-------- ---------
------ l---------l--------L------.l.-------L----1..------1
:
:
:
:
:
:
: -------
""
u"
_____ ___ ~ __ __ ___ ~--------~---------i ________ ~- _______ !___ _____ l.__ ___ _
'c
E
~
.'l
O>
"
--------1-- ___
--------~---
o_o' --
--
O
O
~- --- -----t--------+-----
i!!
-8
100
"
'
,,
,""
,""
'
-----'!---- -----
-------+--------t--------+--------~--------+_-----t------ -~--------,
'"
E 4
~
o
t 3
----
"
:
--
---- ---
,,,
:
,""
'
!,,
i,,
,,
,
,,
,
i,,
'
'
,
'
,
''
,'
,
-- -...,..-------_.
i,,
---------:---------~--- - --- - - - - - - - - - - - --
,,
,
------- -- ----- -- --
i,,
"
--7-------- ~ - --------~-- -- - --
;;;
w
w 6 ---"O
~
,
,
'
,,
'
,
,
''
-------
.i
-. --r-------- -: -- ------
'
"
c 2
"O
"''"
i,
::;;
o
O
:
:,
i'
r- ---- -r-------r-----
'
-T -- --
" '
- t--- -
w
F IGURA 111. 59 . Transformada de Fourier discreta y de tiempo d iscreto
Para poder ca lcular la transformada de Fourier de una sell al con tinua x(t)
se d eben da r los siguientes pasos:
TFD
TrIlIlcamierlto temporal
11
con
E[O, N- I]
no
l~
si O<x <3/ 2
no
si
xl'IJ
3/2N
2N
"
102
"
FI GURA 111. 6 1 . Sea l senoidal. tomando tres cuartas partes del pe riodo
(existe disconti nuid ad e n la reg in co nsiderada)
Si la sea lf(x) est ya limitada en banda, a l momento de hacer el truncamiento se generan componentes de alta frecuencia , los cuales ca usarn
una distorsin en el dominio de las frecuencias.
lO
IV
F IGURA 111.62 . Efe cto en la frecuencia cuando se trunca una sea l en el tiempo.
tomando una ventana cuad rada (se inducen o generan componentes de alta
frec uencia Que no co rresponden a la sea l original)
103
Para minimizar el efecto de truncamiento, se utilizan otro tipo de ventanas diferentes a las cuadradas, como son:
Velltalla rectalIglllar
si /1 E [O, N- I]
en otro caso
Velltalla Bartlett
2/1
Si /lE[O, (N-I)/2]
N-I
WBN( /I) =
sie [O,N-I]
para n E[O,N- I]
VClltfllIn Blackmall
( 1 para
2m,
41tn
WbN( /I) =0.42 - 0.5cos ( - +0.08cos N-1
N- I
104
n E [O, N- I)
rectangular
0 .8
0 .6
0.4
0.2
O ~~------------------------------------~~~__
(N - 1)/2
N-1
"
F IGURA 11 1.63 . Ejemplos de ve ntana s com unm en te usa da s para ll evar a cabo
el truncamiento temporal
EJERCICIO EN MATLAB
Genere dos sef\ales de la funcin seno con 128 mues tras por seal :
y ; sen(O.5I)
y, ; sen(0.551)
Multiplique cad a una de las sea les [y, y, ] por cada una de las ventanas y obtenga sus TF respecti vas. Analice qu efecto produce cada ventana .
105
1)
f\ -<n
A
ti
-3
~
-1
1
V
f f\f\f\ n
3
V
5
V
~sen(wot)lI(t)]=
, W ,
Ol o -ol
3) Un voltaje tiene la forma v(t) = Ae-O'sen(w ol)lI(t) . Encuentre la transformada de Fourier de v(I). Cu l es el ngulo de fase <I>(w)?
4) Encuentre la siguiente integral de convolucin:
1/(1)* e ' 1/(1)
jW)~2 + jw)
107
Teora de muestreo
INTRO DUCCION
L INTERS DE MUESTREAR una sea l x( t) en tiempo continuo, pa ra tener una representacin de sta en el d ominio discreto, se ha d esarrollad o en gran medida gracias a la facilidad , accesibilidad , bajo costo
y facilidad d e reproducir el procesamiento digitalmente. Si nos interesa
ten er una representacin de la seal x(t) (do minio continuo) en el d om inio
discreto x (nT), o simplemente X (n ), esta rep resentacin tendr ciertas restricciones, las cua les d escribiremos aqu (seal a banda lim itada y frecuencia d e mues treo) . Fina lmente, la seal muestread a x(n) o x(nT), una vez
procesada, pued e ser reconstruida en el d om inio continuo x(t) por diferentes mtod os.
En el presente captulo nos enfocarem os a definir las ca ractersticas
que debe tener una sea l que se d esea con vertir d e analgica a digita l; asimismo, se presentar la teora de muestreo (rea l e idea l). Los anli sis sern
tanto en el d omino del tiempo como en el d e la frecuencia. Una vez p rocesada la informaci n, se explica r !a teora que permite reconstruir una seal ana lgica partiendo d e va lores digita les (interpolaciones linea les).
MU ESTREO IDEAL
109
O~x .
,.JU
1--_
x(t) ----<.
Xm (l)
Donde:
x(t) es una seal d e tiempo continuo limitada en banda
0T(t) es un tren de impulsos unitarios de periodo T
Xm(t) es la funcin x(t) muestreada a periodos T
<
X( 1V )
>
Transformada
de Fourier
- Wm
Wm
(n)
(b)
o,(t)
1
<
>
Transformada
de Fourier
Wo
1V
Wf)= 21t/T
FIGURA IV.2. Tren de impul sos de Dirac: a) e n tiempo y b) en fre cue ncia
Xm (t )
<
>
Xm (w)
Transformada
de Fou rier
110
8(1 - I1T) espaciados cada T segundos, como resultado se tiene la ecuacin IVI:
Xm(l)
= x(l)
- -I1T)
- 8(1-I1T) =x(I)8(1
(IVI)
'1=_
(IV2)
Posteriormente se analizar la representacin en frecuencia de la ecuacin lV2 tanto de manera analtica como grfica.
- 3T
-2T
-T
2T
3T
FIGURA IVA. Tres sea les en tiempo continuo con valores id nticos
en mltiplos enteros de T, muestreadas a un mismo periodo de tiempo T
(IY.3)
donde
5{/, (I)] = F,(w )
5{f, (I )] = F, (w)
112
3[J(/)] : F( w) : Q para
Iwl >wm
(IVA)
Wm
- Wm
Por otro lado, el tren de impulsos 0T(I) tiene como transformada otro
tren de impulsos espaciados a
Wo
y de amplitud
100'
es decir:
(IVS)
: L 8(t - liT)
(IV6)
8T (/) =
L 8(/ - liT)
(IV.?)
(l V9)
113
si Wo =
sU,,(t)] =
(lV10)
(lVIl )
= y L, F(w)' o(w -
/lW o)
(lV13)
'1"'_
sU,,(t)] = y
L,F(w- nwo)
(IV14)
,,"'-
114
n)
F(w)
- Wm
Wm
IV
b)
Wo o(W-nWo)
2.
wU= T
o
e)
Wo
Fm{w )
11 5
TEOREMA DE MUESTREO
0,
1, 2 ... , si
(IY. IS)
d ond e
!v o
2;
frecuencia d e muestreo
lo " 21m
(IY. 16)
con
fo = frecuencia d e muestreo
Recubrimiento
de espectro
Fm (w)
~o , enton-
W
2
IV" ,; _ 0 ;
enton-
ces, partiendo del espectro periodizado, el cual est afectado por una amplitud 1 /T, lo que se tiene que rea lizar es una multiplicacin con un filtro
de ganancia T. Cabe remarcar que se puede filtrar cualquiera de los espectros, pero el ms senci llo es el que se encuentra alrededor de la frecuencia
cero. Las frecuencias de corte del filtro ideal pueden tener dos puntos de
corte: 1) desde -w", hasta w", y 2) desde -
~o
hasta
~o
El efecto del filtro ser eliminar todos los espectros restantes, de tal modo
que calcular la transformada inversa de Fourier de la seal F(w) dar como
resultado j(t).
FII/( w ) .
Filtro de amphtud T
liT
W o
2
F IGURA IV.B. Fi ltro de amplitu d T y d e limites
w
W
--t
a -t, filtro id ea l,
f(t) =
2. f- F(w)eJ"'dw
(IV.17)
211
W
--:f
W
a - o
f(t) =
2~
Vu
(IV.lB)
- Wu/2
(IV.19)
(1v'21)
(IV.22)
(1v'23)
(Iv'25)
seno (x)
x
(funcin de
muestreo), qued a:
[2
211
?VII
=--=-
(1v'26)
(1v'27)
d os sei\a les, una d e ellas es el tren de impu lsos de amplitud dados por lo,
119
valores de la sea l original a los intervalos nT; la otra seal es una funcin
de muestreo (sampling) :
(1V.28)
Los va lores que no existan entre nTy (n + l)T han sido ahora interpolados
por la suma de todas las funciones de muestreo a un tiempo dado (hay
va lores positivos y negativos).
(I)
V(I)
__
IIlrl
FI GURA IV .g . Reconstruccin de la seal analgica a partir de muestras digitales
120
MUESTREO REAL
Pa ra el muestreo real, se conside ra que no existen d eltas d e Dirac, y lo nico que contamos son funciones cu adradas (o ventan as).
n) Si d eseamos muestrea r una seal d tiempo continuo x(t), lo que
hace el muestread or "bloquead or" es suje tar el va lor instantneo de la sea l al instante nT y deci r que se es el va lor d e la sea l del intervalo (n I) a l
intervalo (n + l )T, Y as, pasa despus a una fase de cuantizacin y representacin de los valores. Un ejemplo grfi co se muestra en la sigu iente figura:
x(II T)
x( t)
Bloqueador
>
o
2T
3T
4T
(2WT)
( wf )
Asen
D(w) =
De forma grfica, pod emos ver el efecto de convoluciona r las dos seales en la fi gura ry.n , dond e se pued e observa r que se genera distorsin
d el espectro por la multiplicacin d e ambas sea les.
Fm(w)
F IGURA IV .11 . Resultado de co nvolucionar las muestras de f(t) co n una funci n ve nta na
12 1
A[sen(WJI2) ]'
lU -
~
o
w
10
Tringulo (t)
*
o
2T
3T
4T
5T
6T
7T
de co nvolu ciona r los valores di sc retos de la seal, con una funcin tringulo
de l tiempo
122
INTRODUCCIN
N EL PRES ENTE CAPTULO se cubren temas ta les como procesos estocsticos, va riabl es aleatorias y procesos ergdicos. Se plantean diferentes herramientas para caracterizar va riables aleatorias, entre las
cua les destacan las siguien tes:
el grado de sim ilitud entre una fun cin d e densidad cualqu iera y
una funcin de d ensidad gaussiana.
Finalmente se exponen conceptos de funciones de densidad y dist ri bucin conjunta (nica me nte para dos variables aleatorias), funciones de
correlacin, fun ciones de l utocorrela cill, fun ciones de co rrellcin cru za-
da, independenc ia es tads ti ca, ene rg<l, potenc ia, ergodic ida d y estacional id ad .
Existen diferentes clasificaciones de sea les a leatorias; de entre ellas, presenta mos una que nos parece hac doc porque toma en cuenta propiedades
estadsticas de la sea l (vase la figura VI). Si las propiedades estadsticas
se conservan en el transcurso d el tiempo se habla de seales aleatorias estaciol1arias, a diferente orden (a primer orden, en sentid o a mplio y en sentido
estricto). Las seales estaciol1arias se pueden subdi vidir en ergdicas y 110
ergdieas. La e rgodicidad est en funcin d e promedios estadsticos, los
obtenid os a partir del ensamble y los obtenidos a partir d e una realizacin.
Si los promedios estadsticos de ensamble son iguales a los promedios estadsticos d e una realizacin, entonces se dice que el proceso es ergdico;
en caso contrario es no ergdico.
En cuanto a la rama de la clasificacin de seales 110 estaciol1arias, stas
cuentan con clasificaciones particulares que dependen del tipo de aplicacin. A modo de ejemplo: la seal de voz es no estacionaria. La sea l de voz
ha sido objeto de mltiples clasificaciones: a) de hombre, b) de mujer, e) de
nio, d) de adulto, e tctera.
Para el an lisis de seales, y desde el punto de vista d e la ingenie ra,
se asume que las sea les en estudio cumplen las p ropiedades de estaciol1alidad y de ergodicidad.
Seal alea toria
Estacionaria
Ergdica
No ergdica
A continuacin se citan las herramientas estadsticas comnmente utili zadas para la caracteri zacin d e seales a lea torias: 1) valores promedio,
2) funciones de densidad y de distribucin, 3) funciones de correlacin,
4) funciones de d ensidad espectra l, y 5) funciones de d ensidad espectral
de potencia cruza da .
De manera ms explcita, tenemos:
124
1. Va lores promedio
media
va rianza
va lor cuad rtico medio
desviacin es tndar
va lo r eficaz
momentos de orden tres y cuatro (o rden superior)
- fu nc in de d ensidad de probabilidad
2.Funciones de distribucin
Rxx(t, t + r)
funcin de correlacin cruzada Rxv (t, t + T)
Las cinco formas d e ca racterizar se ales alea torias sern d esc ritas a lo
largo d el p resente captulo, pero antes d e entra r en sus desc ri pciones es
necesa rio un pequeo repaso o recorda to rio de a lgunos conceptos fund amenta les d e probabilidad .
De entre tod o el ca mpo d e la prob,.bilidad, nicamente se p resen ta una definicin d e sta, la cual es restringida a eventos mutuamente excluyentes. La
p robabilidad tiene d os en foques: uno axiomtico y el otro por frecuencias
rela ti vistas; el enfoque ax iomtico est fuera del alca nce d el p resente libro.
La ap roximacin por frecuencia rela ti vista d efine a la probab ilidad
como la re lac i n :
P(A) = N A
N
(V I )
donde;
prAl = probabilidad de que ocurra el evento A
N = nmero total de veces que se repite el experimento
NA = nmero de veces que ocurre el evento A
P(A)= lim NA
N-+_ N
(V.2)
(V.3)
Si la probabilidad de un evento es cero (P(A) = O), entonces se denomina evento imposible; por otro lado, si la probabilidad de un evento es uno
(P(A) = 1), se le denomina evento certero.
De los resultados anteriores se establecen los siguientes axiomas;
1. prAl ~ O
pro) = 1, con o= lA , B, C, ... , MI el nmero total de eventos.
3. P(A + B) = prAl + P(B) si Y slo si A n B = 0, con A y B eventos mu-
2.
Desd e el punto d e vista d e la ingeniera, una variable alea toria (VA) es simplem ente una d escri pcin numrica del resultad o de un experimento a leatorio.
Sea el espacio muestra S = {a l el conjunto d e tod as las posibles salidas
del expe rimento. Cu and o la salida es a, la variable a leatoria tiene un valor
que se d enota por X(a). Dependiendo d el espacio muestra, las variables
aleatorias se di viden en:
Continuas: si su esp acio muestra siempre es continuo
Discretas: cuand o su espacio muestra puede ser d iscreto, continuo o una mezcla d e ambos
Ejem plo: La generacin de una variable aleatoria la pod emos ver como
los n meros generados con un disco y una m anecilla; el d isco est di vid ido
com o u n reloj (d el uno a l d oce). Aplicando una fuerza a la manecilla, sta
gira r, d e tenindose en un nmero; el valor d e dicho nmero lo elevam os
al cu adrad o, as la variab le aleatoria toma r un va lor comprend ido entre 1
y 144 (12 al cu adrad o). La siguiente grfi ca muestra nuestro ejemplo:
12
Giro
100
144
200
Pa ra poder ca racterizar variables aleatorias, se requ iere co nocer la funcin de dis trib ucin de probabilidad y la fu ncin de densidad d e probabilidad, las cuales se estu diarn a con tinuacin.
127
xl
La funcin de distribucin de probabilidad posee ciertas propiedades, las cua les se citan en las ecuaciones (Y.4)-(Y.8):
lo F , ( ~)
2.
F , (~)
=D
(V4)
=1
(V.5)
(V6)
3. D" F,(x) ,; 1
4. Fx (XI)'; Fx(x, ) con
XI
(V7)
< x,
(VS)
(XI)
0.6
0.4
0.2
lo)
lb)
Id)
128
Fx (-5)
P(.D -5)
1 - Fx (- 5) ~ 0.75
P(x > O)
0.25
0.1
Fx (8)- Fx (5 ) ~ 0.65
0.5
F,(x)
- 10
-5
8 10
P(x
o
Sx)~ -1~ +~x
cuando -oo<x<- l
cuando - 1 <x< 1
cuando
129
o x
-1
FI GURA V .4 . Fun ci n d e distribucin de probabilidad co ntinu a F i x) e ntre -1 y 1
P(x
Para una va riable aleatoria X d iscreta, su funcin de distribucin siemp re involucra una sumatoria d e esca lones ponderada, esto es:
N
Fx(X): P(x)u(x-x)
(Y.9)
.\
(Y.l0)
bin existe. Sin embargo, hay casos en d onde Fx(x) no est d efinida , por lo
cua l es necesario utilizar el concepto definido de impulso unitario 8(x).
Con 8(x): ~u(x) o bien u(x):
dx
J' 8(~)d~
-
(V.ll)
,.,
130
(Y. 12)
(V.13)
2. [ fx(X)dX = 1
(V 14)
(VIS)
(V.16)
t,
f x(X)=
v21to X 2
- 20;< 2
-<x<~
(V I ?)
d onde:
x es la desv iacin estndar
es el va lor medio d e x
o x 2 es la va rianza de x
j(
131
_______
~----4_-<\
x
F IGURA V.S. Funcin de densidad de probabilidad del tipo gaussiana
0.84 1
0.5
0.159
__
~=---~----~----~------------ x
x-o,
x =O y
eJ x
=1
entonces:
(Y.19)
132
f x (x ) -
{_l_
b-a
O
en otro caso
x-a
b- a
Fx(x)= 1
para a $. x $. b
para x >u
para x < a
(Y.22)
,(xl
- - - - - - - - - -
- , l _ L_ _ _ _ _-,L_ __
O
11
/J
~L-~~--
-:..--,--
________
________ x
1:13
x (x) = b
O
(Y.23)
para x < a
{O
e - (r-nl/b
para x > a
para x < a
(Y.24)
a y b son dos constantes rea les; b > OYa pudiendo tomar cua lquier va lor en
el intervalo [~, =J. Las grficas de la funcin de densidad y distribucin
se muestran en la figura Y.B.
La funcin de densidad exponencial tiene aplicaciones en telecomunicaciones cuando se modelan las fluctuaciones de una seal recibida por
un radar para cierto tipo de aeronaves.
~(X -
x (x) = b
O
a)e -(x-n2 / b
para x ~ a
para x < a
(Y.25)
La funcin de distribucin d e probab ilidad Rayleigh se obtiene integrando la funcin de densidad de probabilidad (ecuacin y'25), el resultado de la integracin en los rangos v lidos se muestra en la ecuacin Y.26:
134
.(x)
1l b
1.0
-- -
-- -
-- -
--
(b)
F, (x) =
.
O
pa ra x < n
(V.26)
,(x)
x
In)
F~(x)
1.0
f - - - - - - - - - ---=-
0 .5
0.393
x
lb)
PROMEDIOS ESTADSTICOS
Esperatlzn mntemticn
La espera nza se define como un proceso de p romed iacin cuand o una variable aleatoria se invol ucra. Para una va riable a lea toria X, usa remos la
notacin: E[XJ, esperanza matemtica de X, o bien, va lor esperado de X o
va lor promedio de X; simblicamente se representa a travs d e la expresin V27:
X = Ej X I
(V27)
EIXI = X =[xfx(x)dx;
(V28)
d ond e:
-2
/2, ,
se pued e
f- -"
xe -1f - r )
/20
dx
h1[(J 2 -
(V.29)
El va lor esperado d e una funcin rea l g(x) de una VA est definido por la
ecuacin V30:
Elg(x) 1= [g(x)fx (x)dx
(V30)
Mome" tos
Una aplicacin inmed iata d el va lor esperado de una fun cin g (x) , de la
va riable aleatoria X, es la generacin de momentos.
Dos tipos de momentos son definidos: por un lado, los momentos alred ed or del origen, y por otro, los momentos alrededor de la media (momentos centrales). A continuacin definimos los momentos a lrededor d el
origen.
Momentos alrededor del origen
Sea la funcin
g(.r)
(V3 1)
Partiendo de la defini cin d e va lo r espe rado (ecuacin V30), el propsito es calcu la r a hora el va lor espe rad o de la funcin g(x); la ec uacin
Y.32 muestra la expresin para el clcu lo de dicho va lor promedio.
137
(V.32)
La esperanza matemtica definida en la ecuacin V.32 genera momentos alrededor del origen de la variable aleatoria X. Si denotamos el momento
n-simo por mil I tenemos:
111"
11
E[x" ] = f~ x"fx(x)dx
= 0, entonces
1;
/li D =
para
11
para
11
= 2, tenemos
111,
(V33)
Momentos centrales
Los momentos formados a lrededor de la media reciben el nombre de momentos centrales, definidos como el va lor esperado de la funcin. Ahora la
funcin g(x) queda d efinida como la va riable alea toria menos la media, es
decir:
g( x) = (x - x)" ,/1 = 0, 1, 2,3, ...
(V34)
(V35)
Por ejemplo:
Para
11
=0
Para
11
=1
~ ,= E[ (x-x) ] = E[ x ] - E[ xJ = x-x=O=> ~ ,
Para
11
=2
138
Elx 2 J-
X2
= 1// 2 _
2
111 ,
= 0';
=0
1
= E[x ] = N
L X,
(V36)
,"'\
1
111, =
E[x' ] = N
L X,'
(V37)
;,=\
~L
,,'
(x; -x)'
(V38)
=E[x ]= - - L x;
N-l
1.. 1
(V.39)
(V40)
.l , =
E[(x-x)' ] =
-N lL (X, -x)'
- 1
,.,
(V.4 1)
t.v
cercanos.
139
x=H ~x _~x) =o
" ,' =
E[x' ]-E[x]'
!x(x) =
-x
2
x
2
para--~x~-
en otro caso
12
... -.
'.
--- J. - ---- --------- --.-.;,':- ------ ----- --- -- --- -- -- !lj + !lx(2
ax,
140
si 11 = 3, entonces
es timador
111 ,
111 )
(Y.42)
= E[x ] = ~
3
(Y.43)
X ,3
(V.44)
,~)
si 11 = 4, entonces
es timador
111,
= E[x' J = f~ x'lx(x)dx
'J
m~ = E[x =
(V.4S)
1", .,
N L., x ,
,.,
(V.46)
Centrales:
1'" = E[(x-x)" J= [ (x - x)"lx (x)dx
si 11 = 3, entonces
I' j
(Y. 47)
(V.4S)
estimador 1' , =
(Xi
-x)'
(V49)
, ,, )
(V.50)
estimador 1' ,
~ (x , - x)'
(Y.S! )
,= 1
.j
El momento central de orden 3 (fl,), ecuacin V.48, representa una medida de simetra de la funcin de densidad ,(x) alrededor de la media. Si
se normaliza fl, con respecto a la desviacin estndar al cubo, entonces se
obtiene el denominado coeficiente de simetra, como se expresa en la ecuacin VS2.
cs;!:l
,,',
(V.52)
El momento centra l de orden 4 (fl.l, ecuacin V.50, representa una medida de similitud de la funcin de densidad ,(x) con respecto a una funcin de densidad gaussiana. Si se normaliza fl, con respecto a la desviacin
estndar a la cuarta, entonces se obtiene el denominado coeficiente de
curtosis, como se expresa en la ecuacin VS3.
Curtosis = 11:
(V.S3)
",
La salida de un experimento puede identificarse a partir de dos o ms variables aleatorias, las cuales pueden ser o no independientes una de la otra.
yl a partir
(V.5S)
Considerando que
PIX,;
x, y,; yl ; P(A n B)
(V.56)
11= ]
m= ]
II
(V. 57)
11
= 1, 2, "" N
(v'S9)
2. Fxy(- ' y) = O
(v'60)
3. Fxy(x, - ) = O
(v'61)
(v'62)
(v'63 )
= p{ x 1 :5 X :5 x 2, y :5 y :5 Y2}
7. FXY(x, = ) = Fx(x) y Fxy(=, y)
(v'64)
marginal
f Xy (x,y ) -
a'Fxy (x , y)
axay
(v'66)
Xy ey, y) =
Al
(v'67)
143
(V.68)
(V.69)
(v'70)
(V.71)
5.
y, < y < y, } =
(V.72)
Xl
(v'73)
Las propi edades definidas por la ecuacin (Y.73) establecen las funciones de densidad ma rgina l para las variables a lea torias X e Y, respectivamente.
Ejemp lo. Encuentre las funciones de densid ad marginal para las variables aleatorias X e Y cuya densid ad de probabilid ad conjunta es:
Fxy (x,y) = xl/(x)u(y)e-"Y'''
Por la propiedad 6, ecuacin Y.73, encontraremos las funciones d e densidad marginales, tanto para X como para Y.
fx(x) =
fy (Y) =
Jo
144
(V.74)
(V?5)
Y~
(V?6)
_
l/(Y)
l/(x)e ' . _ (y + 1)'
e-'
~ l/(x) l/ (y) (y + 1)' , por lo tanto X e Y no son estad sticamente independ ientes.
_ 00
< x < 00 y
OQ
< Y < 00
a)
1 - 1l1 1
d ebido a que"2e
- [yI
."2 e
1 -I,rl-lwl
; 4e
,por
ta nto X e Y
(V.79)
145
= E[x"y'] =
[f~ x"y'!Xy(x,y)dxdy
Observe que:
E[xrr ]
M", = E[yk]
mlO ::;: x
(V.81)
(Y.82)
= E[x] E[y ]
o bien
RXY
=[x!x(x)dx[y!r(y)dy
(Y.83)
MOMENTOS CENTRALES
Sea la funcin g(x,y)= (x- x )"(y _ y )k; para dos variables aleatorias X e Y,
tenemos:
146
(Y.84)
(V.8S)
(VS6)
(VS7)
~ 02 = E[(y - y)' ] = cr ,
~ ll
(VSS)
(VS9)
Un proceso aleatorio (PA) se dice que es estacionario si todas s us propiedades estadsticas no cambian con el tiempo, en caso contrario es no estacionario.
Se tienen diferentes grad os d e estacionalidad, los cuales d ependen de
las funciones de densidad d e probabilidad de las va riables a lea torias d el
proceso.
FllIlciones de distribucin y de densidad de fin PA
= PIX(t ,) ';
x,1
(V90 )
11
(Y.93)
(Y.95)
(Y.96)
X( I)= Acos(wl + <1 con A y l constantes; y 4> una variable aleatoria con
funcin de d ensidad uniforme en el intervalo [0, 211].
Demostracin: Si calculamos el valor esperado d e X( t ), se tiene que:
f X(t)fx(x)dx= f Acos(wl+<Id<l>=O=cte
"-
E[X(t)] = E[Acos(WI+<I] =
2"
(Y.97)
Si 6 = - t" entonces
f, (x" x, ;I" I, ) = f, (x" x,;O,I, - 1, ) = f, (x" x,; O, T)
(V.98)
siendo ~ = t, - t,
La ecuacin Y.98 representa la funcin d e densidad de probabilidad
estacionari a de orden 2. Podemos apreciar que dicha expresin est en funcin nicamente de la diferencia d e tiempos t, - t,. Partiendo de la expresin Y.98, podemos extraer las siguientes observaciones:
El valor esperado de E[X(t,) X(t ,)] esta r nicamente en funcin de
la diferencia de tiempos t, - 1,
La fu ncin de au tocorrelacin definida por la ecuacin Y.99 est
nicamente en trminos de la diferencia de tiempos
Rxx (t , , 1, ) = E[(X(t , )X(t, ]= E[X,X, ] = Rxx (t , - 1, ) = Rxx (T)
(Y.99)
Es d eci r, si ~ = t, - 1l' en tonces R" (X ,, X, ) = R,, (T) => v lido solo para PA
estaciona rios de segundo orde n.
Puede observa rse que
R" (t, , I, H) = [X(t , ), x(t , H )] = R,, (T)
/, (8) =
{~~
para O,; 8 ,; 2n
en otro caso
fo(e)
Pele)
2n~--------------'
-- -
~~------------~----___
~------------~~-----e
- - -- - --:;.-.-,-- -
2n
2n
(a)
(b)
a)
f-
r"
150
b)
+ 8) cos(W o[1 + tJ + 8) J
A'
=-
2
A'
=-
A'
E[cos(w ot )J+ -
+ Wot + 28)]
E[cos(2UJ ol
+ UJ ot + 28) J
Como el p roceso aleatorio X(t) cumple con las d os condiciones anteriores, se pued e concluir que es estacionario en sentid o amplio.
Se deja como ejercicio para el lector el mismo p roceso X (t ), pero ahora
la va riable a lea toria 8 vara en al rango [-n, nI
en algn va lor d e t
2. R.j -t ) = RjT); la funcin de a utocorrelacin es una fu ncin pa r
3 R, .(O) = E[X'(t) I
4. Si x( t ) es ergdico, con media cero y no tiene compone ntes perid icas, se cum p le limlI__ R,, (t) = O
\5\
b)
152
d)
E[x(t) ]
-lo
0=
.J1Oo = 10
o ; = 200
153
o' E(coswot )
(Y.1OO)
(Y.101)
(V.102)
t 54
(V.103)
(v. lO?)
(VlO8)
es decir:
Pu =< E[x' (t)] >
(VlO9)
=1
1m
T~_
E[x'( [))]
2T
(V1l0)
La funcin de autocorrelacin R xx se puede conocer a partir de la funcin de densidad espectral de potencia Sxx va la transformada inversa de
Fourier de la segunda, es decir
f-
(V 111 )
Tambin aplicando la transformada de Fourier a la funcin de autocorrelacin R xx ' podemos conocer la funcin de densidad espectral
de potencia S XXI como se muestra en la siguiente ecuacin:
155
(Y.112)
(Y. 11 5)
.(Y.116)
2" -
f-
5. - 1
S"e'"' dw=<R,,(t,t+ T
2" -
(Y.U7)
(V.118)
fO
R., (T) = - 1
S.,(w)e""' dw
2" -
156
(V.120)
Curso Matlab
INTRODUCCIN
Mntlnb V4 (M ATriz LABorntory!
que nos permite rea lizar clculos num ricos con vectores y matrices. Tambin puede trabajar con escalares, tanto reales como imaginarios. Una d e sus capacidades
m s atractivas es la de poder realiza r una amplia va riedad de g rfi cos en
dos y tres dimensiones.
En este curso de Anlisis de seales utili za remos el Matlab como una
herramienta para visualizar seales en forma g rfica.
La s sig uientes instrucciones de Matlab son ampli (1 mclltc utili zadas en
la generacin y procesamiento dig ital de seilales; es to permite observar
ciertas ca ra cte rsti cas de la selal d e manera rpida y f c il.
A continua cin se mues tran algunas instrucci ones bsicas. Se recomienda al alumno practicarlas antes de inten tar escribi r un programa.
ATL AB ES UN PROGRAMA
who
whos
load
save
elear
size
length
disp
cd
dir
delete
Es conveniente abrir una hoja en el editor de Matlab para ir guardando lo que se va escribiendo. Tambin es posible ir generando el programa
directamente en el comando de Matlab, la desventaja es que no se pueden
guardar las instrucciones escritas.
GENERACIN DE SEALES
5=
10
10
10
10
10
10
10
10
10
51 = A-B
resultado
51 =
-8
-6
-2
4
O
6
% resta d e ma trices
-4
2
8
% multiplicacin d e matrices
Resultad o
2=
30
24
84
69
114
138
18
54
90
21 = A. B
resultado
21 =
9
16
24
25
21
16
21
24
9
Podemos generar matrices de nmeros alea torios utilizando la instruccin randn y rand:
A = rand (10, 10) % matriz d e nmeros aleatorios con distribucin
uniforme d e 10 x 10;
B = randn (lO, 10) % matriz de nmeros alea torios con distribucin
normal d e 10 x 10.
1 = -100: 2 : 100;
y = randn (size(I));
% matriz de lx101
% matriz d e nmeros aleatorios de 1 x 101
mouse
La grfica obtenida se muestra a continuacin:
seal senoidal
punto maximo
4 r---.-~----~---mr--'~-'--~---'
3 ......... .
2 ........... .
.,----
- .. - - - - - r-
,.....~
1 - - - - - -.--
."'l' ....
.. 'y"
:
:
;------
..
- 1 ............... .
-2 ........
: ' 'y
-4
-3
____ o: -
-2
- :._--_.
--- ~ --1
"
---- .. ---- -3
Tiempo (seg )
loglog ( )
semilog ( )
0:10;
(0.9).l\n;
st em(n , x)
grid
xlabel('nmero de muestra')
ylabe l(' voltaje')
ti tle(' secuencia')
Secuencia
2
1.8
'"
1.6
- - - - - - - -- - - - - - - - T - - - - - - - - - - - - - - - - T - - - - - - - -- - - - - - --
1.4
1.2
- -- - - - - -
- - ------
- - -- - - - - - - - - --
, -,
- ~
-- - - - -
-- - -. - -_., - - - - - - - - - - - --- -,
0.8
0.6
0.4
0.2
10
lS
Nmero de muestra
Graficar su magnitud, fa se, pa rte rea l y parte imaginaria. En Matlab tendramos lo siguiente:
11 ~
Parte rea l
1,-------~-----,
-: 111llll'1fiN,
-4
-2 ~~----~-----7,
-'~0------~0~----~'0
n
3 , -__~M~a~gn~it~ud~__- ,
- 10
10
ngulo de base
200,----"---------,.
_::: lI""'f1l11i
-200 ~
O ~~~~Lll~~U
-10
-10
10
_ _ _: -___--:-:
O
10
n
Carcter
Color
amarillo
magenta
rojo
g
b
verde
azul
blanco
negro
"
Ma tlab permite coloca r varias grficas en una hoja; veamos esto con
un ejemplo:
subplot(221)
t = -pi:O.Ol :pi
imgenes
162
y1 = sin(3t). / t;
plot(t, y1);
title ('funcin sampling')
subplot(222)
stem(t, y 1);
subplot(223)
t = 0:pi/50:1O'pi;
plot 3(sin(l), cos(l), t);
title('hlice')
subplot(224);
x = -8:0.5:8;
y=x;
[X, Yj = meshgrid(x, y);
% convierte los vectores a matrices de n x m
R = sqrt(X. A2 + Y.A2);
z = sin(R)./ R;
mesh(z);
% grfica en tres dimensiones
grid
title('funcin sampling en tres dimensiones')
Funcin sampling continua
3
2
- 1" -_
-5
- '_
_ _---'
20
~
O
-1 -1
Hlice
40
-5
o
20
163
SERIES DE FOURIER
1I~1
1t
y = sin(t);
plot(l, y),
D.
o
-0.2
-0 .4
-0 .6
"'"
.... ,, .. . .," ... ........
,,
,, ... ,,... .,, .... ...
,, .. ..
, .. .., ---,
-\0~-~~2-~3-~'~~5~~6~-7~~
' -~
9 --"\0'
-0. 8
.
~
. .
Primer armnico
06
O,
0 .2
., , ..
.
. , .
.,
,
,
,
"
o ... -:-, -_. -:- ----:, ----:-, ---,., ---.;, - .. , .... r, .... ,~ . ..
-0 .2
-0 .4
, - _. - ... _. _ -r
-0 .6
_ .........
,
-0 .8
.,
,
..
.,
_'... . .,'..
164
"
_,o ".," - '.,'
_. _, '
. _ . "
. . . . , . _. _, __
,
,
,
,
,
,
,
:.. ; .... ; .... ;..
"
"
O ____ :"__ _: _____ : ____,
:____,
, ____
, ___ "
; ____ ; __ ._. __ .
-0 .2
-0.4
-0 .6
-0 .8
- 1
'
-- .....,, ......., _-_ ..."
--_ .., _."
_-,---_
., _._"
., _--- "----,-,
,
,
,,
,
,,
,
,
,,
,
,
,
,
,
,
,
,
-- ..... . .. ,-----, --- . . ----,---- , ---'---- r---- r- --
,,
,
,,
,,,
---- , --.- ,,
,
,
,
,
,
,
,", '
,",
,
___ ____ L ____ L __
,,
"
'
"
"
'"
..... -....
..
,
,,
,
,
--_ ...
.,, -,, _-- .-._,
,
,
~o-"""--:, -:3-47-~5:--C6:-~7:--C8:--C9,---J1O
Adicin de tres armni cos
t = 0:.02:3.14;
y = zeros(lO, max(size(t)));
x = zeros(size(t));
% programa para generar los armnicos de una seal cuadrada
for k = 1:2:19
x = x + sin(k* I) / k;
y((k+ 1) / 2,:) = x;
end
ANLISIS ESPECTRAL
O
/o vector con datos muestreados
al khz
x = sin(2* pi* 60' 1) + sin(2' pi ' 120' 1);% suma de sella les d e 60 y 120 hz
y l = x + 2* randn(size(I));
% adicionando ruido con d esv iacin
% es tndar d e 2
subplot(211)
plot(t(l:100), yl(I :100)), title('seal con ruido en e l dominio del tiempo' );
165
xlabel('tiempo (seg)'}
grid
y =fft(yl, 256);
yy = y.* conj(y) / 256;
f = 1000/ 256*(0:127);
subplot(212)
plot(f(1:100), yy(1:100));
title('espectro de la seal');
grid
xlabel('frecuencia (hz)'}
:!
, '.
,:
, ' I~!'
'
, ~
.'
,
' I~ '\: '. 1\ . . ,~I p' t,, ~ ,'\~rA .J-') "':',
... \ 1'-.'1+\ r "~,o, 1-- --,""r - ~;--'- '~-['., +- ~- _,,~,l_j
'11,
I
-J
_ \ 1,1 1, , I '1 '/ 11 / d !A- ll'
r.
,.1,\ "
'.
- 5 -- ---!-----
~-
(IV""
,' . . . : ' .\ 1 :'
: \ ?: \ .
---- - .
-. ---:-- --" . . .,
J
-- - . - -- --
-------~
' '\.
_,~--~J---- ~-
0 ~~~~~~~~~~~~~~~~~~~~7
O
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
tiempo (seg)
Espectro de la sefial
80
-----l-' -----~ -.-------------r . ----. -------- ~ ---- - -. --- -- -_. --;-I~ ---- ;t -_... ----_. ~ .-_. -.-.. ------! .. -- -. - f - -- -- -
60
+.
40
: '\
20
" ,
. l
,. ,,', ,\
~ "_.'
/': .. 1 l . .' , .'
1 '
O "'-'----":--"
~-"':-_.:...:..'-'-"_"__'_
: '~'~-,-r,,,
' '",'.~'-"-,-'
.._- ....>!.":.J.'..:.'-~.=-~'''--'U ::::.L'""'....J
O
50
100
150
200
250
Frecuencia (hz)
300
350
400
CONVOLUCIN
166
$ n$
Secuencia x{n)
stem(y)
title('convolucin entre h(n) y x(n)')
axis([O 60 O15))
.] J[[[[[[,=,~""=",,:,,j
]~
~LYI.nrr:::::=J
168
- 10
10
20
JO
40
so
- 10
10
20
30
40
so
- 10
10
20
30
40
so
Bibliografa
169
Frmulas
lDENTlDADES TRlGONOMTRlCAS
(1)
(2)
eos ( x ~) = ::sin(x)
(3)
sin
(x~)
eos(x)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(1 1)
171
(12)
(13)
(14)
(15)
(16)
(17)
(18)
(19)
(20)
Rcos(8)
(21 )
B = Rsin(8)
(22)
A=
INTEGRALES INDEFINIDAS
f(a + bx)" dx
dx
f a+bx
(a + bx),"
b(1I + 1)
(23)
O< rI
1
In la+bxl
b
(24)
-- = -
dx
172
-1
(1I- 1 )b(a+bx)"~
1<
1/
(25)
dx
c+bx+ax'
-2
=2ax+b
(26)
l '
xdx
f c+bx+ax
b' = 4ac
--1 b
dx
- 1 in ax +bx+I.I-2a
2a c+bx+ax 2
(27)
(28)
-:-,--,----"_x-,,-;- +
16a'(a' +x' )
+ _ 1_ ta n -1 ( .:.)
16a'
a
(29)
(30)
--:-:~7
,x---,,, +
.
24(a ' +X' )'
4a'.,Ji
f a'x'+dxx'
4a.,Ji
- - = -1- 1n
--=- -
f -a x dx2
+ X2
1-
16a '
In
al)
2a' .,Ji
x)
a
+ - l - tan - ,( -
a' - x'
( x' + ax.,Ji +
1 - tan .,( ax.,Ji
+-)
x' - ax.,Ji + a'
2a.,Ji
a' - x'
(31)
(32)
(33)
l i3
dx
(35)
xdx
f (a' +x' )'
2(a'+x' )
(36)
-1
(37)
(3B)
x
3x
f _ """,,d.::...,X,...,. =
+
+3- tan _, ( -x )
(a' +x' )' 4a' (a'+x')' Ba 4 (a'+x' )' Ba'
a
_ ' d:::;x~
f (a'--;:.x--,+x'
)'
-x
x
1
_, ( -x )
+
+-tan
4(a' +x' )' Ba' (a' +x' ) Ba'
a
a' x
4(a' + x' )'
5x
(x)
(39)
(40)
(41 )
FUNCIONES TRIGONOMTRICAS
(42)
(43)
(44)
f sin(x)dx = -cos(x)
(45)
(46)
(47)
174
FUNCIONES EXPONENCIALES
fe
.f
RX
eU
(48)
[~- al, ]
(49)
xe"' dx = e
fx ' e
a real or complex
[x'
- - -2x + -2]
a a
a
d x=e u
a real or complex
(50)
(51)
eU
fe"'
e"'
(52)
(53)
INTEGRALES DEFINIDAS
(54)
(55)
lI: Sa '
o
Sa(x)dx =
J,- si n(d
X
)"
x=o
(x)dx = ,,/ 2
(56)
(57)
175
SERIES INFINITAS
x'
- "
X,
.. -- ~
~ X
e, = 1 +x+-+-+
1
2
(58)
".0 nl.
3!
i>=N(~+ 1)
(59)
,,~ l
f n'
N(N+1~(2N+ 1)
Nl(~ + 1)
(60)
",, 1
f n'
(61)
",, 1
(62)
N~
L
N
si n [(N + 1) $/ 2Je,!O'INo/2l!
sin ($/ 2)
L e/ o.. "o)
II ~O
L (N)=L
N
''"o
176
11
IJ=O
_:.:.N,-I- = 2N
I/!(N -
II)!
(63)
(64)
(65)
.00
.01
.02
.03
.04
.05
.0
.07
.08
.09
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1. 0
1.1
1.2
1.3
1.4
1.5
1.6
1. 7
1.8
1.9
2.0
2. 1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
.5000
.5398
.5793
.6179
.6554
.6915
.7257
.7580
.7881
.8159
.8413
.8643
.8849
.9032
.9 192
.9332
.9' 52
.955.
.9641
.9713
.9773
.9821
.9861
.9893
.5040
.5438
.5832
.62 17
.659 1
.6950
.7291
.7611
.7910
.8186
.8438
.8665
.8869
.9049
.9207
.9345
.9463
.9564
.9649
.9719
.9778
.9826
.9864
.9896
.992U
.9940
.9955
.9966
.9975
.9982
.5080
.5478
.5871
.6255
.6628
.6985
.732'
.7642
.7939
.8212
.5120
.5517
.5910
.6293
.6664
.7019
.7357
.7673
.7967
.8238
.8485
.8708
.8907
.9082
.9236
.9370
.9' 84
.9582
.966'
.9732
.9788
.9834
.987 1
.9901
.9925
.9943
.9957
.9968
.9977
.9983
.9988
.9991
.5160
.5557
.5948
.6331
.6700
.705'
.7389
.770.
.7995
.8264
.8508
.8729
.8925
.5199
.559
.5987
.6368
.6736
.7088
.7'22
.7734
.8023
.8289
.8531
.8749
.8944
.9 11 5
.9265
.939'
.9505
.9599
.9078
.97H
.9798
.9842
.9878
.9906
.9929
.9946
.9960
.9970
.9978
.9984
.9989
.9992
.9994
.99'16
.5239
.563
.6026
.6406
.6772
.7123
.7454
.7764
.8051
.8315
.8554
.8770
.8962
.913 1
.9279
.9406
.9515
.9608
.9686
.9750
9803
.5279
.5675
.6064
.6443
.6808
.7 157
.7486
.7794
.8078
.8340
.8577
.8790
.8980
.9 14 7
.9292
.9.1 8
.9525
.96 16
.9693
.9756
.9808
.9850
.9884
.9911
.9932
9949
.5319
.5359
.5753
3.0
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
.99 18
.9938
.9953
.9965
.9974
.<)Y81
.9987
.9')<iU
.9993
.9995
,99'17
.9<)87
.999 1
,9'JY3
.846 1
.8686
.8888
.9066
.9222
.9357
.9474
.9573
.9656
.9726
.9783
.9830
.9868
.9898
.9922
.99-11
.9956
.9'167
.lJl)76
.9982
.9987
.9991
.9994
.9996
.9099
.9251
.9382
.9495
.9591
.967 1
.9738
.9793
.9838
.9875
.990..J
9927
.99<5
.9959
.9969
.9977
.9984
.9988
.'1992
.9994
.99fo2
.9961
.997 1
.I]qi:!
.997':J
.9979
.',N85
y9S5
Y9iN
.9998
,91)99
,9I.JYo.J
, 9~7
,1.)<}1}8
.9997
,l)91.)8
,YI.)<.)8
,l)l)l)R
.9<>98
,9 1)l)l)
,1J'l99
.1)999
,l)9'j1)
,1)91)9
,'-'''XIY
,l)999
,1)9"X1
.9'199
,999l)
.9999
.9999
,9991.}
,99'-)l)
,99')9
.9999
.99'16
,9997
,91jt)8
.9887
.9909
.9931
.yq-lg
.9'189
.9992
.9994
.9996
,9'/97
.1.)"")8
.9<J9"
.9'196
,991)7
.<)l}YS
.98-16
,<)lNi
. (N9~
.i.J'N5
.'l':N%
,<J<.Ni
YJIJ'N3
.5714
.6103
.6480
.684'
.7 190
.7517
.7823
.8106
.8365
. ~599
.8810
.8997
.9 162
.9306
.9429
.9535
.9625
.9699
.'Ji" !
.98 12
.9854
.9887
.99 13
.99;\-1
.9'151
99J
.99i3
.YYSll
'NS
'JI}<JIl
.99<13
'i'l'/,
,<)<}%
.'i'l'/8
.6 141
.6517
.6879
.7224
.7549
.7852
.8133
.8389
.8621
.8830
.90 15
.9 177
.9319
.9-J41
.9545
.%33
.9706
.9767
.98 17
.9857
9890
.lJ916
.9936
1;1952
.9%4
9974
.'lYSl
-)<.)S;
9'.1YO
9'NJ
'i'l'/'
IjtNi
,Cj<)IlR
99l)~
Y'N8
l)'1'1'1
IJ9lJ9
,99')9
,99'14
,Y99 1J
999')
4,,"'1
994'1
Itl(XIO
ltl()(K)
I()()flt)
177
Indice analtico
e
clc ulo de la TFD a partir de un;, sea l
co ntinua, 101
clrilcteri zaci n de sea les alea ton as,
124
clasificacin de seales, 124
coefi ciente 11 ,,1 23
coeficiente 11(1' 24
coeficiente b", 2..j.
coefi cientes 11(1' 11" Y 11", 10, 23
comando:-;, 157
condicin de exis tl'ncitl, 130
condiciones de Diric h lct, 25
convolucin, 10, 77-79, 83-85, 96, tJ9,
106, 11 2-1 15, l1Y , 12 1, 122- 168; de
E
eje rcicio e n Mat lab, 105
ergod icidad, 123, 124
e rgdico, 10,123, 124, 151
erro r cuadr ti co med io, 139, \40
esc<l l n un itario , 52, 63, 61,94
es pec tro periodi z,ld o , 116, 11 7, \22
espt..' r<l n7<l tnillelll.t ka , 10, 1 2~,
136, 138
est,Kio nalidad , 147, 150; en l' 1..:e ll tid o
l's tri cto , 150
L' ~ 1,1d s tic,llllen te i ndl'pend ell tes, 4" 148, 154
179
F
fenmeno de Gibbs, 28
frmula s, 171
frecu encia de mues treo, 109, 114, 116
frecuencia de Nyquist, 116
frecuencia relativista, 125
funci n de autocorrelacin, 149,
151-155
funcin de autocorrelacin Ru(t) , 152
funcin de densidad conjunta, 143,
144, 145,150
funcin de densidad de probabilidad,
20, 125, 127, 130-1 35, 137, 149, 150
funcin de densidad de probabilidad
normal o gaussiana, 11 , 134, 135
funci n de densidad de probabilidad
Ra yleig h, 134-136
funcin de densidad de probabilidad
uniforme, 133
funcin de densidad espectral, 125,
155,156
funcin de distribucin, 127-130, 132,
133, 143, 145, 147
funcin de distribucin de orde n 1'1 ,
148
Funcin de distribucin
de probabilidad, 127, 128-130,
132-135
funcin de dis tribucin de
probabilidad exponencial, 134, 135
funcin de distribucin de
probab ilidad Rayleigh, 134, 136
funcin de distribucin
de probabilidad uniforme, 133
funcin de muestreo,
funcin decreciente de 11 , 95
funcin delta de Ojrac,
funcin lineal de 11 ,
funcin sampling, 122
funcin sa mpling a l cuadrado, 122
funcin seno, 60, 94, 105
funcin signum, 61, 62, 63
funcin sin c(x), 120
180
propiedad de diferenciac in
en el ti empo y en la frecuencia, 85
propiedad de escalamiento
en e l ti empo, 71
propied ad de escal am iento
en la frec uencia, 71
propied ad
58,66
propied ad
propied ad
propiedad
o
ortogon alidad y series de Fourier, 9,
13, 19
p
period izacin de espectros, 114
periodi za ci n del espec tro,
105, 114, 11 5
period o de mues treo, 114
149
proceso aleatorio es taciona rio
11 2, 121
propi edad d e corrimiento
t8 1
T
taxonoma de seales aleatorias, 124
teorema de convolucin, 84
teorema de muestreo, 10, 111, 116, 117
teorema de muestreo, 116
teorema de Parseval, 155
teorema de Shannon, 116
teora de muestreo, 9, 10, 109
tiempo discreto, 17, 91, 92, 95-101,
106,111
title, 160-163, 165, 166-168
transformada de Fourier, 47, 49-53,56,
61,64,66-70,73,84,85,88,90-92,
95-101,106
transformada de Fourier de tiempo
continuo de una funcin
no peridica (TITe), 51, 64
transformada de Fourier de tiempo
discreto, 91, 92, 95, 97, 98,100,106
182
v
valor esperado, 10, 123, 136-138, 145,
148-151
valor esperado de una funcin,
137, 145
valores promedio, 124, 125
variable aleatoria, 127-131, 133, 136,
137-139,142,146,147,149-151
variables aleatorias, 10, 11 , 123, 127,
130, 139, 141, 142, 143, 144,145, 146"
147, 148
variables y procesos aleatorios, 9, 10,
123
Indice de figuras
Figura
n.].
Figura
Figura
Figura
Figura
15
16
17
18
18
Figura 11.6. Sea l dete rmins tica . ... ... ... . . . . ... ... . . .
19
20
26
Figura 11.9. Aproximacin a una onda cuadrada utili za ndo seri es de Fou rier,
con: 11) 11 = 1, b) 11 = 3, e) 11 = 5 Y d) 11 = 7 ..
Figura IL1 D. Grfica del espectro de lneas.
Figura U.ll. Funcin coseno .. ....... .
Figura 11.12. Espectro de lnea .
Figura 11.1 3. Sea l diente de sierra
Figura 11. 14. Deri vada de la seal diente de sierra
Fi gura 11.1 5. Sei1al tri angular.
28
29
30
JI
32
3~
36
~6
37
46
49
50
51
53
53
54
55
55
56
56
57
58
58
59
61
61
62
63
64
65
66
66
67
68
69
70
72
73
73
74
75
75
76
77
79
80
81
83
86
86
87
87
88
89
90
90
92
93
93
94
94
95
95
96
97
98
100
100
101
102
103
103
105
117
118
110
110
110
11 2
113
115
120
121
121
122
122
124
128
129
130
132
132
133
135
136
140
150
152
152
153
153
187
ndice general
Prlogo . ...... .
13
13
14
15
15
16
17
17
19
19
19
22
23
23
24
24
25
31
33
38
42
47
189
. ................. 49
49
...........
y en
la frecuencia. . . . . . . . . . . ..
Transfo rmada de Fourier de tiem po discreto (TFTO) ....... . ..
Sea les discretas .........
. .................... , . , , , , . . . . . . . . . . . ..
Impulso unitario . .................. . .. . .. .. . , , . , . . . .. .. . . .. . . . .. .. .
. . . . . . . . . ..
67
68
69
71
71
72
74
77
85
91
93
93
93
94
94
94
95
96
98
101
102
105
105
106
109
109
Muestreo idea l. . . . . . . . . . . .
.. ...... ... ....
Im portancia de la eleccin de l periodo Ten la funcin
...........
tren de impulsos 0,.(/) . .
51
64
109
. .. . ...... . 111
Teorema de muestreo. .
Recon struccin de la seal analgica a partir de las muestras d igitales . . .
Desarrollo ana lt ico para el clculo de la sea l original analgica
a pa rt ir de mues tras d igi tales ......................
........ . .
Muestreo rea l.
.... .. . . . . ............. " "..
11 7
121
123
123
124
190
11 6
11 6
125
125
128
130
131
131
136
136
137
142
142
143
143
144
144
146
146
147
147
148
148
148
149
151
154
155
155
156
157
157
157
158
158
158
Bibliosrafa .
........
. ........ . .
Aphldice A. Frmllla s . .
. . , , ... .
Ap(;lIdicl' B. Tabla de jl/llcilI dI' distrilmcilI sal/sin/In o lI or1l/a/
lldicl' n/lnltico .
. , . , ...... .
jlldic/' dt' igl/ms .
164
165
166
t69
17 1
t 77
179
t83
\9 \
UAM
2893588
TK5102.9
A7.55
II IIIIIIII
2893588
(+)
AUTONOMA
METROPO UTANA
Casa.xierta al ~
Azcapotza.lco
roS::1
DE SERVICIOS
DE INFORMACIN
Cdigo de barras.
Q8133s8@
Awlisis de se/inles
se termin de imprimir en mayo de 2003
en los talleres de Sans Se ri f Editores, SA de CV,
Leonardo da Vinci 199. col. Mixcoac. 03910 Mxico, D.F.,
lel. 5611 3730, telfax 5611 3737.
La edicin cons ta de 1 000 ejemplares
ms sobrantes pa ra reposicin.
La composicin tipogrfica, el diseo, la produccin
y el cuidado editorial estuvieron a cargo
de Sa ns Serif Editores, SA de ev.
UAM
2893588
TK5102.9
A7.55
IIIIIIIIII
2693566