UAM1119

UNIVERSIDAD AUTONOMA METROPOLITANA
(1.-
$3L
ETAPALAPA
.
,.
REPORTE FINAL DEL PROYECTO TERMINAL
"USO DEMATLAB.EN TRANSFORMmA DE FOURIER,

CONVOLUCIN
Y FILTROS FIR"'
. .
PROFR. FAUSTO CASCO SANCHEZ
ALUMNOS:
CRUZ OLIVA VALENT~N
GARCA TRINIDAD ANDRS
INDICE
INTRODUCCION
I.
MUESTRE0
a) Teorema del muestreo
b) Teorema del muestreo en MATLAB
11.
CONVOLUCI~N
a) Convolucin en MATLAB
11
111.
FFT
a) Transformada de Fourier
b) Transformada Discreta de Fourier
c) Ejemplo numrico de una funcin escaln usando la DFT
d) Ejemplo para una funcin senoidal deO. 125 Hz usando DFT
e) Caractersticas de la Transformada Discreta de Fourier
f) Transformada Rpida de Fomier (FFT)
g) Transformada de Fourier en MATLAB
18
IV.
FILTROS FIR
a)FILTROSRIF
b) Filtros FIR en MATLAB
c) Programa que utilizala funcinfilter y sampling para filtrar tres seales
d) Programa que utiliza la funcinffty sumpling para filtrar tressefiales
e) Programa que utiliza la funcin conv y sampling para filtrar tres seales
30
CONCLUSIONES
61
BIBLIOGRAFA
62
APNDICE
63
1.
INTRODUCCION
El Procesamiento de Seales Digitales, es uno de los temas fimdamentales en la Ingeniera
Electrnica actual, con el advenimiento de la electrnica digital, se ha hecho por dems
necesario quelosestudiantes
de carrerasafines,contemplenensuformacincomo
profesionales el estudio de este tema tan central.
Hoy en da no se requiere buscar muy
lejosparaencontrarquemuchosdelosaparatoselectrnicosquenosrodeanestn
controlados por una lgica digital, por ejemplo
soncasosclaros
los sensores de movimiento, temperatura,
de cmo la. informacih que provienedelmedioambiente
procesada(digitalizada)
debe ser
de tal formaquelosdispasitivosdigitalesactuales(como
computadoras) sean capaces de procesar dicha informacin p a a los fines que el hombre
requiera en cada caso.
Es por ello que en el trabajo que hemos realizado abordamos temas relacionados con este
tpico tan importante, los cuales adems son parte de la curricula que cubren cursos como
el de Comunicaciones I que se imparte en nuestra Universidad Autnoma Metropolitanade
Iztapalapa, y que sirven como inicio a una parte del estudio de procesamiento de seales
digitales. Tales temas son:
MUESTRE0
CONVOLUCION
TRANSFORMADA DISCRETA DE FOURIER (DFT)
TRANSFORMABA RAPIDA DE FOURIER (FFT)
FILTROSFIR
L a forma en que se han abordado estos temas es con el auxilio de un software que provee
de herramientas que resultan de mucha utilidad cuando se tratan temas como los que aqu
se estudian. Este software es MATLAB, quien adems cuenta con TOOLBOX especfico
para el procesamiento de seales, en donde se proporcionan funciones tales como: FFT,
CONV y FILTER, que permiten desarrollar algunas
de las actividades que tradicionalmente
..
11.
conlpizypapelpuedenrequerir
paquete los clculosyconstruccin
can elapoyo de este
de mis tiempoyesfuerzo,as
de grficasresultamucho
ms inmediato,locual
permite hacer exploraciones que pueden promover un mejor entendimiento de lo que se

estrealizando,adems
de que conforme se vayaavanzandopermiteaplicacionesms
rpidas al estudiante.
El formato general del presente documento, es hacer una muy breve

introduccih terica de
cada tema, y enseguida una descripcin
de la formaen que dicho tpico puedeser abordado
en MATLAB con apoyode lasfunciones que ste provee.
Unaaplicacin
quese
muestraes
el diseo de filtrosFIR,medianteunarutina
de
programacin, que es otra de las posibilidades que ofrece MATLAB, el diseo de filtros
FIR se ejemplifica con un filtro pasabajas, y medianteel uso de tres diferentes herramientas
que provee el software: FFT,CONV y FILTER.
Al final se agrega un apndice en el que se hace una muy breve descripcin del uso de las
herramientasde MATLABqueutilizamosenesteproyecto,sinembargo,para
mayor
profundidad al respecto, se recomienda acudir al manual del usuario.
De esta forma, pretendemos realizar un acercamiento inicial al uso de MATLAB, como un

apoyo de algunos de los temas, que permitenavanzar en el estudiodelProcesamiento
Digital de Seales.
MUESTRE0
I.
MUESTRE0
La mayora de las seales usadas por ingenieros y cientficos son originalmente continuas
eneltiempo
o elespacio. S estassealas van aserprocesadasusandocomputadoras
digitales, entonces estas seales deben ser convertidas un

de formato continuo en el tiempo,
a uno que sea discreto en el tiempo, a travs del muestreo, debido a que las computadoras
solo procesan sucesiones de nmeros o smbolos. En general, como resultado del muestreo
alguna parte de la informacin se pierde, pero si la seal continua en el tiempo es limitada
en banda y larazndelmuestreoeslosuficientementealto,entoncespoca
o ninguna
informacin se perder.
son relacionadas
Idealmente,lasealoriginalxc(t)ylasecuenciamuestreadax(n)
simplemente por
x(n) = x,(nT)
donde T es el perodo de muestreo, lo cual es asumido para propsitos prcticos.
El muestreo usual de una seal continua en el tiempo es el que G(t) es multiplicada por un
tren de impulsoperidico p(t) con periodo T para producir la seal muestreada
x&)
= xc0) PO)
donde
-m
y tambin
-m
Haciendo la CTFT de xs(t), y substituyendo x,(nT)
= x(n),
se tiene
Pero esto es justo laDTFT ~ ( 2 " con

) o = n ~que, implica la relacin CTFT/DTFT
X,(JQ)= X(eJ"">
o alternativamente
X(&" ) = X,(jo/ T )
espectro X,(jQ) despus de muestreadoconelespectro
Se requiere ahorarelacionarel
original X,(in) antes de muestrearlo.
La relacin CTFT correspondiente est dadapor la convolucin
con
P(jQ) = a,
cs
m
(Q -m,)
k=-m
donde Q, es la frecuenciade muestre0 0, = 2n/T en radianeshegundo, y as
combinando ecuaciones, podemos expresarla DTFT en trminos de l a CTFT original

*
o equivalentemente
Estaltimaecuacinmuestracomo
la
esperidica
con periodo 2n, estoimplica
que una componente en frecuencia Q, radianes/segundo en el espectro original X , ( j Q )
sermanifestadocomo
+ Znk
ok=o,
w, = R O T radianes en el espectro X ( d w ) y tambincomo
para todos los valores diferentes de cero del entero k. Esto es, que cada
componente de entrada A&'
en xc(t) producir componentes A'e'"'' en x(n) para toda k,
donde A'=A/T. Si IQ,j<nT, entonces Jw$n y de este modo
coo
estar dentro del intervalo
Nyquist joj<x, como era de esperarse. Sin embargo si [R,l>nT, entonces, Icool>n;mientras
que
Icr>&~
para algunas otras k#O. Esto es, la componente de X,(jSZ) en 12,presenta en
X(ejw) alguna otra frecuencia o & ~ ~en

T el intervalo Nyquist I o ( < x .
En el ltimo de los casos, se dice que ha ocurrido un "aliasing",y este efecto indeseable
debe serevitado o minimizado.
a) Teorema del muestreo.
Sin embargo, para evitar
"aliasing", cada componente en frecuencia
de
X,(js2) deber
satisfacer la condicin
IRoI<.nT,
la cual es una versin del conocido teorema del muestreo, tambin conocido como teorema
de Nyquist's o teorema Shannon's. Definiendo el ancho de banda de la seal original xc(t)
para ser f i b , esto es,
lnol<Rb,
para toda Ro,

una versin alternativadel teorema del muestreo es simplemente,
Rs>2Rb,
endondeRs=2n/T.
Enotraspalabras,paramuestrearunasealanalgica
h(t), sin
"aliasing", la razn de muestreo o frecuencia Qs, debe exceder dos veces elancho de banda
de la seal Rb.El lmite ms bajo2Rb es conocido como la raznde Nyquist..
b) Teorema del muestreo en MATLAB

Con ayudas de MATLAB,es posible mostrarel teorema del muestreo, como a continuacin
se ilustra con el siguiente programa y las grficas que le corresponden.
%Este programa ilustrael Teorema del Muestreo
Idisp('Este programa ilustrael Teorema del Muestreo con unasena1 coseno');
jisp('Pu1sa una tecla para desplegar las

gr ficas resultantes');
3ause;
%Con esto se produce un tren de impulsos.
3=[1
o o o -11;
;1=[1 zeros( 1,127)];
tren=filter( 1,a,d);
n=O: 127;
plot(n,tren);
title('Tren de impulsos');
pause;
%Se genera una sena1 coseno con 32 muestras porciclo.
x=cos(2*pi*n/32);
plot(n,x);
title('Sena1 a muestrear');
pause;
%Se obtiene la respuestaen frecuencia.
[X,w]=freqz(x, 1,128,'whole');
wp=fftshift(w)/pi- 1;
pMwp,)O;
title('Respuesta en frecuencia de la seaal');
pause;
%La sena1 es muestreada tomando ocho muestraspor ciclo.
%Con esto se logra satisfacer el Teorema

del Muestreo.
y=x.*tren;
FWn,Y);
title('Seaa1 muestreada');
pause;
%Se obtiece la respuesta en Erecuencia de la sena1 muestreada.
[Y,w]=freqz(y, 1,128,'whole');
wp=fftshift(w)lpi- 1;
title('Respuesta en frecuenciade la seaal muestreada (Ws=0.5 rad/s)');

pause;
:IC;
:lose;
Tren de impulsos
40
80
1 O0
120
101
I
50
401
20
OI
-10 I
-1
r
I
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
O.8
0.8
0.6
0.4.0.2 --
O" -
-0.4
-O.';
-0.6
Respuesta
16 r
10
)[
O
'
-2
-1
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
O. 8
11.
CONVOLL L.~ N
Si una sucesin x(n) es utilizada paraproducir otra sucesin y(n), se puede pensar en estas
sucesiones como la entrada y la salida respectivamentede un sistema discreto en el tiempo
o filtro, como se muestra en la figura.
Si x(n) y y(n) pueden asumir nicamente un nmero finito de posibles valores-de amplitud,
nosotros llamaremos a este un filtro digital. Por ahora asumiremos que x(n) y y(n) pueden
tener cualquier valor (real) por
lo que se trata de unfiltro discreto en el tiempo.
Una clase ms importante de filtros son aquellos que sonlineales e invariables en el tiempo
(LTI). Un filtro discretoenel
tiempo, se dicequees
lineal si, paracualquierpar
de
sucesiones de entrada xl(n) y xz(n) que producen respectivamente las sucesiones de salida
y,(n) y yz(n), con lo que la sucesin de entrada
x(n) = axl(n) + bxz(n)
produce la sucesin desalida
para toda a y b. Un filtro invariable en el tiempo, por otro lado, implica que si x(n) produce
y(n), entonces x(n - nd) produce y(n
- Q>para toda n y cualquier valor de m.Esto significa
que un retardo en la entrada implica un retardo en la salida.
Si la entrada es la sucesin de impulsos S(n), la salida que resulta es llamada la respuesta al

impulso del filtro y es denotado por h(n).
12
La entrada y salida de un filtro discreto y linealinvariableen
el tiempopueden
ser
fcilmente relacionadas a travs de la respuesta al impulso del filtro como sigue: Cualquier
entradax(n)puedeserpensadacomolasuma
de un nmeroinfinito
de retardos y
sucesioness de impulsos, con el kth impulso 6(n -k) de x(k). Matemticamente podemos
escribir esto como
x(n) = C X ( k ) 6 ( M - k )
k =-m
Pero por la invariabilidad en el tiempo, la entrada 6(n -k) producir la salida h(n k), y por
linealidad, la salida correspondiente con respecto a la sumatoria anterior es
x(k)h(n - k )
y ( n )=
k=-oa
Esto es la suma de corzvolucio'n relacionando la entrada y salida de un filtro discreto en el

tiempo. La cual puede tambin escribirse como
c
m
y(n)=
x(n - k)h(k)
k=-m
Generalmente se utiliza el smbolo

* para denotar convolucin,y entonces
Adems la operacin de convolucin es conmutativa, por lo que
x(n) * h(n) = h(n)
* x(n)
13
tambin es asociativa y distributiva, por l o que
otra relacin til es que si y(n)= x(n) * h(n), entonces

x(n - ni)
* h(n - n2) = y(n -ni - n2)
con lo que los dos retardos nl y n2 son sumados para producir el el retardo de la salida nl +
n2.
a) Convolucin en MATLAB
MATLAB cuenta con una funcin que permite realizar la operacin de convolucin entre
dos seales. La cual est descritaen el software como sigue
C O W Convolution and polynomial multiplication.

C = CONV(A, B) convolves vectors A and B. The resulting
vector is length LENGTH(A)+LENCTH(B)- l.
If A and B are vectors of polynomial coefficients, convolving
them is equivalent to multiplying the two polynomials.
as deestaformapodemos
utilizar estoperacin
en MATLABparaprobaralgunos
aspectos tericos que seestudian en la materia de Comunicaciones I.

Ejemplo utilizando MATLAB:
Primeramente se defineun vector de npuntos
14
n=[ 1501
,)
I=
Columns 1 through 12
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2
13
14 16
15
17 20
19
18
21 24
23
22
25
26 28
27
31
30
29
32 36
35
34
33
Columns 37 through48
38
37
39
40 42
41
43
44 48
47
46
45
Columns 49 through50
49
50
pulsos
))
p=[ones( I :30) zeros( 1,20)]
P=
1
1
1
0
O
Podemos entonces observar grficamentea p y otras como se muestra a continuacin.
15
))
plot(n,p,'+')
I____]
S ahora convolucionamos ap con ella misma, entonces observamos la siguiente grfica
))
S l=conv(p,p);
plot(n,sl
,'+I)
(3.7r
0.4
C.2 1
I
I
I
G . ? ;i
0'
0
13
15
Seal p convolucionada con ella misma
30
++
+ +
+ +
+
+
+
+
+
+
+
+
+
+
+
+
20
+
+
+
+
+
+
+
+
+
+
15+
+
+
+
+
+
+
+
+
+
10 +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
O
1.:
77 :
:
O
10
30
40
20
50
60
1
70
ttk
90
90
1O0
FFT
18
111.
TRANSFORMADADISCRETA DE FOURIER
La serie y transformada de Fourier handesempeadoun
papel importante en la
representacin de seales y en el anlisis de sistemas lineales en el mundo analgico. Con

el auge de las computadorasy las posibilidades que brindan para el diseo de algoritmos, se
hizo necesario ms que necesario extender el uso de este tipo de herramientas matemticas
al mundo discreto.
a) Transformada de Fourier
La transformada de Fourier convierte una funcin continua en el tiempo a una funcin

continua en frecuencia, y es una relacin compleja
+co
~ ( f= )f~(l)[cos(zrlft)- j sen(2rcft)pt
-m
Parte Real:
Ganancia:
Fase:
b) Transformada D i s r r e t ~de Frurier

L a Transformada Discreta de Fourier convierte una funcin discreta en el tiempo a una
funcin discreta en frecuencia, y tambin constituye una relacin compleja:
19
1 N-1
2nik
2nik
F ( k ) = - X(i)[cos(-)
- j sen(-)]
=O
Para k=O a N-1

Entrada. Constituida por N muestras en el dominio del tiempo, x(O), x(l), x(2), ...,x(N-1),
que son distribuidas en la frecuencia de muestre0 fs.
Salida. Constituida por N trminos en el dominio de la frecuencia R(k), I(k), G(k), P(k),
desde k=O hasta N-l. El k-simo trmino corresponderalafrecuenciafs*k/N.
relacin entre el trmino k
calculado y la frecuencia real f se le conoce como fkecuencia
escalada. Por ejemplo:

k=O -+ O Hz, DC (la frecuenciamenor)
k= 1 -+ fs* 1/NHz (la frecuencia de la resolucin)

k=2
+ fs*2/N Hz
k=N- 1 -+ fs*(N- 1)/Hz (la frecuencia ms grande)
c) Ejemplo numrico de una funcin escaln usando la DFT.
Para k=O hasta N-1
Entrada
N=8
x(O)= x( I)= x(2)= x(3)= x(4)= x(5)= x(6)= x(7)= 1
Para fs= 1Hz
A la
20
Salida
Interpretacin
La hncin escalnen el dominio del tiempo tiene una gananciaen
el dominio de la
frecuencia de 1 en O Hz.
d) Ejemplo para una funcin senoidal de 0.125 Hz usando DFT
Para k=O hasta N-I
Entrada
N=8
x(0)=.000
x( 1)=.707
x(2)=. 1 .o00
x(3)=..707
x(4)=.000
x(5)=.707
x(6)=. 1O00
x(7)=.707
fs=l Hz
21
Salida
Interpretacin
La hncin senoidal en el dominio del tiempo tiene una ganancia de 0.5 en el dominio de la
frecuencia en 0.125 y 0.875 Hz. L a ganancia en 0.875 es debido al muestreo, asimismo, el
aliasing divide la ganancia total en dos partes iguales. L a fase resulta de operaciones con
nmeros complejos y representa el tiempo de adelanto y de retraso tanto en las seales de
entrada como de salida.
e) Caractersticas de l a Transformada Discreta de Fourier
El resultado de una DFT no puede ser el mismo que el de la transformada de Fourier.

La diferencia es debida al muestreo y al nmero limitado de muestras.
El resultado de la DFT siempre es equivalente a l resultado de la Transformada Rpida

de Fourier (FFT), salvo que sta ltima tendr 2" muestras, donde nes un entero.
L a entrada de la DFT es peridica, por definicin cada n*dt segundos, debido al nmero
limitado de muestras, sin embargo, no es posible obtener un resultado correcto

DFT de una seal no peridica.
de la
22
La salida de la DFT se "traslapa" por encima de fs/2 con un periodo de frecuencia de fs
Hz.
0
A mayor nmero de muestras (N), se obtendr un mejor resultado de la DFT.
f) Transformada Rpida de Fourier (FFT)
La FFT es simplemente la DFT optimizada para clculos rpidos. La nica limitacin es

que en l a FFT el nmero de datos a la entrada en el dominio del tiempo deber ser una
potencia de 2, esto es 2", donde n es un nmero entero. Esto permite que el algoritmo de la
FFT utilice mtodos indexados queeliminan una gran cantidad de clculos redundantes que
se requieren cuando se utiliza la DFT.
En el filtrado digital, la FFT se utiliza primero para medir la respuesta en frecuencia del
filtro a partirde los datos en el dominiodel tiempo.
La FFT puede tambin ser utilizada para medir la respuesta en frecuencia de la seal de
entrada o de salida del filtro digital.
g) Transformada de Fourier en MATLAB
En MATLAB existe una fimcin que permite el clculo de l a Transformada Rpida de

Fourier, la cual a continuacin se describe.
FFT
Discrete
Fourier
transform.
FFT(X) is the discrete Fourier transform o f vector X. I f the
length o f X is a power of two, a fast radix-2 fast-Fourier
transform algorithm i s used. If the length of X is not a
power of two, a slower non-power-of-two algorithmis employed.
FFT(X,N) is the N-point FFT, padded with zeros if X has less
than N points and truncated if it has more.
If X is a matrix, the FFT operation is applied to each column
Y como ya se ha dicho anteriormente, esta herramienta matemtica es de gran utilidad en e1
procesamiento de seales. Adems recordemos que la FFT es un algoritmo que permite
23
computar ms rpido la DFT. En MATLAB, la funcin fft es utilizada para calcular la

DFT; aqu no existe una funcin dft. Similamente l a funcin ifft es utilizada para calcular
la inversa de DFT. Por consiguiente se usaran de manera indistinta los trminos DFT y
FFT.
IFFT
InversediscreteFouriertransform.
IFFT(X) is the inverse discrete Fourier transformof vector X.
IFFT(X,N) is the N-point inverse transform.
Un ejemplo en el que se encuentre la DFT de algunas seales ms comunes -se muestra a

continuacin. Con MATLAB es bastante accesible construir las grficas
transformadas.
Primera mente se declaraun vector de valores discretos.
n=[O: 151
1=
O
12
13
14
15
1Enseguida se declara la funcin que se va a utilizar.
))
y=expCj*nB)
Y=
Columns 1 through 4
1.o000
CQ450 + 0.327210.7859
+ 3.6184i 0.5403 + 0.84151
Columns 5 through 8
0.2352 + 0.9719i -0.0957 + 0.99541 -0.4161
+ 0.9093i -0.6908 + 0.7231i
de seales y sus
24
-0.8893 + 0.4573i -0.9900 + 0.141 l i -0.9817 - 0.1906i -0.8653
- 0.5013i
-0.6536 - 0.75681 -0.3700 - 0.92901 -0.0457 - 0.99901 0.2837
- 0.95891
Y entonces se calcula la fft de dicha funcin.

z=fft(y)
-
Columns 1 through 4
-2.2083 + 1.64961 13.9054
- 6.6357i
1.9775 - 0.5026i 1.1 139 - 0.0586i
Columns 5 through S
0.7803 + 0.1 130i 0.5923 + 0.2096i 0.4637 + 0.27581 0.3636 + 0.3272i
0.2775 + 0.37151 0.1970 + 0.41291 0.1 156 + 0.45471 0.0263 + 0.5006i
-0.0804 + 0.55551 -0.2225 + 0.62861 -0.4405
+ 0.74071 -0.8615 + 0.9571i
MATLAB permite obtener nicamente la parte real o imaginaria de cantidades complejas,
como se muestra a continuacin.
w=real( z)
W =
Columns I through 7
-2.2083 13.9U54 l . Y 7 i S
1.1 13V
0.7803
0.5923 0.4637
0.3636 0.2775
0.1970
0.1 156 0.0263 -0.0804

-0.2225
25
-0.4405 -0.86 15
x=imag(z)
>
I=
Columns 1 through 7
1.6496 -6.6357 -0.5026 -0.0586
0.1
130
0.2096 0.2758
0.3272
0.3715
0.4129
0.4547
0.5006 0.5555
0.6286
0.7407
0.957 1
Ahora construyamos las grficas correspondientes a la fbncin anterior y su transformada.

Para ello utilizaremos las
fbnciones subplot(22x) y stem, para poder visualizar todas las
grficas a la vez.
))
subplot(22 1)
stem(n,a)
))
title('Parte REAL de y(n)'), xlabel('INDICE(n)')
))
subplot(223)
)>
stem(n,b)
))
title('Parte IMAGINARIA de y(n)'), xlabel('INDICE(n)')
))
subplot(222)
))
stem(n,w)
>)
title('Parte REAL de z(n) DFT'), xlabel('INDICE(k)')
))
subplot(224)
>)
stem(n,x)
5)
titJe('Pwtr IMAGIWARId- de ?(E) DFT'), xlzhd(~1NDICE~k)')
PARTE REAL DE LA SEAL

1:
0.8
0.6
+
+
+
O
1-
-0.4
-0.61
-1
'
+
I
4-
10
15
SERAL
I
0.6 -
0.4-
0.8 -
DE
PARTE
IMAGINARIA
+
+
0.2 -
o"
-0.2 -
-0.4-
-0.6 -
-0.8 -
I
4
-1
10
I
1
15
PARTE REAL DE DFT

I
+
+
PARTE IMAGINARIA DE DFT

I
-6
FILTROS FIR
30
IV.
FILTRO
FIR
a) FILTROSRIF
Los filtros de respuestaa
impulso finita (RIF) son de realizacin no recursiva y son
siempre estables. La estructura bsica de un filtro (RIF) es una lnea de retrasos , como se
muestra en la figura siguiente.
x[nI
x[n-N+1]
z-
En donde x[n] es la entrada del filtro y representa la muestra presente de la misma, x[n-i]
son muestras pasadasde la entrada h[O] ...h[N-1] representan los coeficientes de l a respuesta
a impulso del filtro y y[n] esla salida del mismo.
Un mtodo para el diseo de un filtro pasa bajas es:

l . Se obtiene la frecuencia de corte 0, y escribimos l a respuesta en frecuencia como:
O, fuera del rango -n50 In
31
esto es, se ignoran por el momento, las caractersticas de fase lineal.
para los valores del filtro FIR pasa bajas es
2. Lafuncincontinua
, n= O,
discreta es hpB=bn=
. La ecuacin
+ 1, k 2, ..., con la que se calculanloscoeficientes
del filtro.
3. Se truncan los coeficientes en +I trminos, lo cual nos da (21 +- 1) coeficientes del filtro.
hPB=
n= O,
+ 1, k 2? ...,+1
Donde h(O)=K8
El nmero de trminos usados se determina comparando las especificaciones del filtro con
las grficas derespuesta en frecuencia para diferentenmero de trminos.
4. Se desplaza hpB(n) a la derecha trminos, esto es para hacer el filtro causal,
lo cual
deja :
, n= O, 1, 2, ...,21
5. Disear el filtro digitalcon
un programa apropiado de computadora o un circuito
integrado.
Precisamente este ltimo paso par el diseo de filtros digitales pasa bajas,
en el que se
recomienda el uso de un software, es en donde se ha hecho uso de Matlab.

b) Filtros FIILen MATLAB
MATLAB un ambiente tcnico de computacin para alta ejecucin de cmputos numricos

y visualizacin. MATLAB integra anlisis numrico, cmputo de matrices, procesamiento
32
de seales, y grficas en un ambiente de fcil uso donde los problemas y soluciones son
expresados justo como ellos son escritos matemticamente.
MATLAB cuenta con una familia de aplicaciones especficas que se llama toolbox. Una de
las reas en que toolbox es disponible es en el de procesamiento de seales, quien agrega
comandos para procesamiento de seales en una y dos dimensiones (tiempo - anlisis de
series). Incluye funciones para el diseo y anlisis de filtros digitales y para la estimacin
del espectro de potencia (anlisis FFT).
Uno de los principales rasgos de MATLAB, es la de su posible extensibilidad, es decir que
permite crear aplicaciones propias.
Por ejemplonosotroshemos
desarrollado funciones (M-files) que satisfacennuestras
necesidades particulares, como el M-file sampling(k,w,n), funcin con l a que se realiza el

paso 2 para el diseo de filtros que se menciona arriba.
En el toolbox de Procesamiento de Seales, MATLAB cuenta con funciones propias para
el filtrado de datos, una de esas funciones es:
y
= filter(b, a, x)
esta funcin filtra los datos del vector x con el filtro descrito por los vectores a y 6 , creando
y.
los datos filtrados de
MATLAB provee los siguientescomentarios acerca de filter.
%FILTER
Digital filter.
YO
Y = FILTER(B, A,X) filters the data in vector X with the
filter described by vectors A and B to create the filtered
YO
data Y. The filter isa "Direct Form I1 Transposed"
implementation of the standard difference equation:
34
%
?6
%
y(n)
= b(l)*x(n)
+ b(2)*x(n-l) + ... + b(nb+l)*x(n-nb)
- a(2)*y(n-l) - ... - a(na+l)*y(n-na)
33
[Y,Zfl = FILTER(B,A,X,Zi)givesaccess to initial and final
conditions, Z i and Zf, ofthe delays.
YO
%
See alsoFILTFILT in the Signal Processing Toolbox.
Copyright(c) 1984-94 by TheMathworks, Inc.
Built-in
function.
Considerando entonces la posibilidad que brinda MATLAB de utilizar sus funciones para
aplicaciones especficas en este caso filter y de generar las propias, acorde a necesidades
particulares, se realiz el siguiente programa.
c) Programa que utiliza la funcinfilter y sampling para filtrar tres seales.
Se realiz un programa (M-file) fpbfir en el que se filtran tresseales,utilizando
una
funcin sampling que permite calcular los coeficientes del filtro y la funcin filter que es
partedeltoolbox
de procesamiento de seales y con la quese
filtranlasseales
mencionadas. Adems se realizaron seis M-files, tres para el despliegue de las seales de
entrada y otros tres para el despliegue de las seales filtradas.
El siguiente cdigo corresponde la "file
de la hncin Sampling.
function y = sampling(k,w,n)
?'oEsta es una funcion que construyeuna SAMPLING en el tiempo
%ysin#epara simuiar un fiitro pasabajas.
%
%y = sampling(k,w,n)
%
I
34
r%La ganancia delfiltro esta dadopor k,

%la frecuencia de corte (rad/s) por w y
%n el numero de muestras.
%w debe ser menor api debido al Teorema del Muestreo.

%Aqui el periodo de muestre0 es 1 segundo.
= [ 1 :2*n+l];
il
= n;
i2 = n+2;
a(n+l) = (k*w)/pi; %Calcula el valor central de la SAMPLING.
for i = 1 :n
a(i2) = (k*sin(w*i))/(pi*i);
a(i 1) = a(i2);
i2 = i2+1;
i l = il-1;
end
y = a;
stem(y);
title('Funcion SAMPLING');
xlabel('Tiempo');
I
ylabel('Amp1itud');
El siguiente cdigo es el programa que simula un filtro FIR pasabajas utilizando la funcin
filter.
_-___
?,Ests es un programa que simula un Filtro FIR Pasabajas:

%El metodo utilizado para calcular los coeficientes del filtro
?/oesel de Serie de Fourier.
35
'Se calculan los coeficientesde una Sampling en el tiempo,

6ya que el espectro en frecuenciade esta sena1 es un Rectangulo,
610 cual se aproxima a unfiltro ideal.
'Los datos se filtran haciendo uso de la hncion ''filter'' de MATLAB.

42;
1=
input(' Dame el numero de muestras, n = ');
= input('
Dame la ganancia del filtro, k =
I);
v = input(' Dame la frecuencia de corte (menor a pi), w = ');
= sampling(k,w,n);
I = [1
%Se calculan los coeficientes de la Sampling.
zeros( 1,2*n)];
; = [ 1 :(2*n)+ 13;
:1 = t;
$1 = sin(2*w*t);
$2= sin(0.5*w*t);
uido = rand(size(t));
$3= s2+ruido;
q1 = filter(b,a,sl); %Filtra
las 3 senales.
q2 = filter(b,a,s2);
~3 = filter(b,a,s3);
:h,frec] = freqz(b,a,64);
nag = abs(h);
'ase = angle(h);
%Abre una ventana ygenera varios menus para visualizar

%los resultados.
36
11 =
figure('Name','Simulacion de un Filtro Pasabajas FIR','MenuBar', 'None');
nenu 1 = uimenu('label','Ver senal');

uimenu(menu1 ,'Label','sl=sen2wt','callback','grafica4');
uimenu(menu 1,'Label','s2=sen0.8wt','callback"grafica5');
uimenu(menu 1 ,'Label','s3=s2+ruido','callback','grafica6');
nenu2 = uimenu('Label','Ver senal filtrada');
uimenu(menu2,'Label','Filtrar S l','callback','grafical');
uimenu(menu2,'Label','Filtrar s2','callback','grafica2');
uimenu(menu2,'Label','Filtrars3','callback','grafica3');
nenu3 = uimenu('Label','Ver respuesta del filtro');
uimenu(menu3,'Label','Magnitud','callback','magfir');
uimenu(menu3,'Label','Fase','callback','fasefir');
El siguiente cdigo correspondeal utilizado para l a construccin de las graficas
correspondientes al filtro FIR pasabajas.
plot(tl,yl,t,sl,'-
-I);
xlabel('Tiempo');
ylabel('Amp1itud');
title('Sena1 S I filtrada');
-1.5
10
15
20
25
Tiempo
30
35
40
45
'
O
s2 = sen(0.8wt)
\ I
,
-1
10
15
20
25
Tiempo
30
35
40
45
s3 = sen(0.8wt) + ruido
1.51
't
i
-1
'
10
15
20
25
Tiempo
30
35
40
45
Respuesta del Filtro

I
Ii( '
O
U
-1
-2i:I'
-3
-4
'
0.5
1.5
2
Frecuencia
2.5
3.5
O
O
O.5
1.5
2
Frecuencia
2.5
3.5
45
a) Programa que utiliza la funcinfft y sampling para filtrar tres seales.
Se realiz un programa (M-file) fpbfir2 en el que se filtran tres seales, utilizando un

fncin sampling que permite calcular los coeficientes del filtro y la funcin fft que es
parte del toolbox de procesamiento de seales y con la que se filtran las seales
mencionadas. Adems se realizaron ocho "files,
tres para el despliegue de las seales de
entrada, otros tres para el despliegue de las seales filtradas, uno para la magnitud y otro
para la fase.
fpbfirt.
En el siguiente cuadrose muestran el "files
%Este es un programa que simulaun Filtro FIR Pasabajas.

%es el de Serie deFourier.
%Se calculan los coeficientes de una Sampling en el tiempo,
%ya que el espectro en frecuencia de esta seaal es un Rectangulo,
%lo cual se aproxima a un filtro ideal.
%Los datos se filtran haciendo uso de la FFT.
k = input(' Dame la ganancia del filtro, k =
I);
w = input(' Dame la frecuencia de corte (menor a pi), w = ');
b = sampling(k,w,n); %Se calculan los coeficientes de l a Sampling.
t l = t;
S I = sin(2*w*t);
46
:2 = sin(0.5*w*t);
;3 = s2+ruido;
1 = ffi(s 1); %Calcula las FFT de cada senal.
$2 = fft(s2);
;3 = fft(s3);
= ffi(b);
%Calcula la FFT del filtro.
Y1 = B.*Sl;
%Filtra las 3 seaales.
Y2 = B.*S2;
Y3 = B.*S3;
s l f = ifft(Y 1); %Obtiene la IFFT de cada seaal filtrada.
52f = ifft(Y2);
j3f = iffi(Y3);
y1
= real(s1f);
%Obtiene la parte real de las IFFT.
y2 = real(s2f);
y3 = real(s3f);
[h,frec] = freqz(b,a,64);
mag = abs(h);
fase = angle(h);
%Abre una ventana y genera varios menus para visualizar

% m resultados.
"
h 1 = figure('Name','Simulacion de un Filtro Pasabajas FIR','MenuBar', 'None');
41
menu 1 = uimenu('label','Ver senal');

uimenu(menu 1,'Label','s 1=~en2wt','callback','grafica4');
uimenu(menu1 ,'Label','s2=sen0.8wt','callback','graficaS);
uimenu(menu I ,'Label','s3=s2+ruido','callback"grafica6');
menu2 = uimenu('Label','Ver senal filtrada');
uimenu(menu2,'Label','Filtrar sl','callback','grafical');
uimenu(menuZ,'Label','Filtrar s2','callback','grafica2');
uimenu(menuZ,'Label','Filtrar s3','callback','grafica3');
menu3 = uimenu('Label','Ver respuesta del filtro');
uimenu(menu3,'Label','Magnitud','callbac~,'magfir');
uimenu(menu3,'Label','Fase','calIback','fasefir');
Un ejemplo de fpbfir2 es el siguiente:

Dame el numero de muestras, n = 20
Dame la ganancia del filtro,k = 1
Dame la frecuencia de corte (menor api), w = pi/4
A continuacin se muestran las grficas.
Sena1 S ? filtrada
1-
0.8 -
"r-
0.6 -
0.4 -
0.2 D
3
U
.-
E"
<
O-
..,-
/'
-0.2 -0.4 --0.6 -
-0.8 -
-1
15
20
Tiempo
__i
30
35
0.6 -
0.40.2 U
3
.-
CI
E"
Q
0-
-0.2 -
-0.4-0.6 -0.8 -
1.2

I
0.8 U
.-
CI
E0.6 E
<
0.4-
0.2
-
O
Frecuencia
3.5
-4 L
O
0.5
i
1
1.I S
2
Frecuencia
2.5
3I
3.5
S3
a) Programa que utilizala funcion canv y sampling para filtrar tres seales.
Se realiz un programa ("file)
fpbfir3 en el que se filtran tres seales, utilizando un
funcin sampling que permite calcular los coeficientes del filtro y la hncin conv que es
parte del toolbox de procesamientode seales y con la que sefiltran las seales
mencionadas. Adems se realizaron ocho M-files, tres para el despliegue de lasseales de
entrada, otros trespara el despliegue de las sealesfiltradas, uno para la amplitud y otro
para la fase.
En el siguiente cuadrose muestran el M-files fpbfi~-3.

cS/oEstees un programa que simulaun Filtro FIR Pasabajas.
%es el de Serie deFourier.

%Se calculan los coeficientes de una Sampling en el tiempo,
%ya que el espectro en frecuencia de esta seaal es un Rectangulo,
%lo cual se aproxima a un filtro ideal.
%Los datos se filtranhaciendo uso de la convoluci#n con CONV.

clc;
n = input(' Dame el numero de muestras, n =
I);
k = input(' Dame la ganancia del filtro, k = I);
w = input(' Dame la frecuencia decorte (menor a pi), w = I);

b
= sampling(k,w,n);
%Se calculan los coeficientes de l a Sampling.
a - [ 1 Lelos( i,2*11)j;
t = [ 1 :(Z"n)+l j .
t 1 = [ i :2*length(t)- 11;
sl
= sin(2*w*t);
54
2 = sin(OS*w*t);
3 = s2+ruido;
rl
= conv(b,sl);
~2= conv(b,s2);
r 3 = conv(b,s3);
h,frec] = freqz(b,a,64);
nag = abs(h);
'ase = angle(h);
%Abre una ventanay genera varios menus para visualizar

Y01osresultados.
11
= figure('Name','Simulacion
de un Filtro Pasabajas FIR','MenuBar', 'None');
nenu 1 = uimenu('label','Ver senal');

uimenu(menu 1 ,'Label','s 1=sen2wt','callback','grafica4');
uimenu(menu1 ,'Label','s2=sen0.8wt','callback','grafica5');
uimenu(menu 1,'Label','s3=s2+ruido','callback','grafica6');
nenu2 = uimenu('Label','Ver senal filtrada');
uimenu(menu2,'Label','FiltrarS l','callback','grafical');
uimenu(menu2,'Label','Filtrars2','callback','~rafca2');
uimenu(menu2,'Label','Filtrar s3','callback','grafca3');
nenu3 = uimenu('Label','Ver respuesta dei filtro');
uimenu(menu3,'Label','Magnitud','callback','magfir');
ui1nenu(menu3,'Label','Fase','callback',r');
55
Un ejemplo de fpbfir3 es el siguiente:
Dame el numero de muestras, n = 20

Dame la ganancia del filtro,k = 1
Dame la frecuencia de corte (menor a pi), w = pi/4
A continuacin se muestran las grficas.
O.5
-1.5
10
20
30
40
50
Tiempo
60
70
80
1
90
-1
'
10
20
30
40
50
Tiempo
60
70
80
90
1.;
1:
0.8
0.21
O'
O
O.5
J
.
w
1.5
2
Frecuencia
2.5
3.5
"a
-1
I
-4
O.5
1.5
2
Frecuencia
2.5
3I
J
3.5
61
CONCLUSIONES
Al final de este trabajo hemos podido relacionar las herramientas que ofrece MATLAB,
con los contenidos que se abordan en el curso de Comunicaciones I, que se imparte en esta
Universidad, por lo cual podemos afirmar que:
MATLABofrece
un ambiente bastante amigable para simulardiferentesseales,a
travs del uso de vectores.

Adems cuenta con herramientas que permiten ilustrar al teorema de muestreo, as que
se puede observar en formagrfica la forma en que un seal es muestreada.
Por otro lado cuenta con hnciones como CONV, que permite realizar la operacin de
convolucin entre diferentesseales, y observar en forma grfica esta operacin.
MATLAB,ofrece
una funcin para uno delos
algoritmosmsutilizados
en el
procesamiento de seales, como es el de la TransformadaDiscreta de Fouriery su

versin rpida Transformada Rpida de Fourier, con la que se pueden realizar clculos
rpidos y las grficascorrespondientes.
Otra funcin til es la de filter, la cual simula un filtro, y que nosotros utilizamos para
simular un filtro FIR pasabajas, para filtrar diferentes seales; esta simulacinse realiz
desarrollando un programa en el lenguaje que ofrece MATLAB.
Adems se programaron dos filtros similares, slo que en uno se utiliz convolucin
CONV y en otro Transformada Discreta de Fourier ffi, con lo que se pudo compararel
uso de filter y estas otras dosherramientas. Obtenindose resultados similares.

Tambin se program la funcin SAMPLING, que fue de mucha utilidad al simular el
filtro FIR pasabajas.
MATLAB,permiteobservar
las seales tanto enel dominiodeltiempocomo
en la
frecuencia, con lo que laexploracin de seales se hacems completa.

Finalmente,consideramosqueMATLAB
ilustrar los contenidosdel
es una muy buena herramienta,quepermite
curso deComunicaciones
I, por lo quecreemosquelos
estudiantes que cursan esta materia, debieran usarla para desarrollar un mejor
entendimiento de este curso, a travs de prcticas que puedan serpropuestascon
anterioridad.
62
BIBLIOGFUFIA
BARRIOS, Romano Jess. Introduccin a los filtros digitales

Libros de texto y manuales de prctica
UNIVERSIDAD AUTONOMAMETROPOLITANAUNIDAD
IZTAPALAPA
1992
BURRUS, C. Sidney. Computer-Based Exercises for Signal Processing Using
MATLAB,
PRENTICE HALL, Englewood Cliffs, New Jersey
1994
LELAND, B. Jackson. Digital Filters and Sienal Processin? with MATLAB
Editorial Kluwer Academic Publishers
Tercera edicin
1996
YAEZ, Surez Oscar. Procesamiento Digital de seales,

Libros de texto y manuales de prctica
UNIVERSIDADAUTONOMAMETROPOLITANAUNIDAD
IZTAPALAPA
1992
MATLAB Users Guide

for Microsoft Windows
The Mathworks, Inc.
February 1993
APENDICE
63
USANDO MATLAB
MATLAB es una herramienta para hacerclculosmatemticos.
programacinamigablecon
Es un lenguaje de
el usuario con caractersticasmuyavanzadasymuchoms
fcil de usar quelos lenguajes de computadoras tales como BASIC, Pascalo C.

Anlogamentea
la mayora de las calculadoras cientficas, MATLAB ofrecemuchas
fimciones importantes comunes alas matemticas, a la ingeniera y las ciencias.
El tipo de dato central de MATLAB es el array. Para crear un array en MATLAB todo lo
que tiene que hacerescomenzarcon
un corchete de apertura,introducir
los valores
deseados separados por espacios (o por comas) y luego cerrar el array con un corchete de
cierre. Por ejemplo: para crear un array llamado x con 11 elementos para dividiruna
longitud de pi unidades entre diez tenemos:
>> x=[.l*pi .2*pi .3*pi .4*pi .5*pi .6*pi .7*pi .8*pi .9*pi pi]
En MATLAB, los elementos individuales de un array se accesan utilizando subindices,

P.e., x( 1) es el primer elemento en x, x(2) es el segundo elemento en x, etctera.
La funcin plot de MATLAB es extremadamente poderosa. Automticamente escoge los
lmites de los ejes, marca los puntos individuales y dibuja lneas rectas entre ellos.
Las
opciones de l a orden plot permiten hacer grficas de mltiple conjuntos de datos sobre los
mismosejes,
usar diferentestipos
simplemente los puntossindibujar
de lneas tales comopunteadasya
trazos, marcar
lneas entre ellos o usardiferentescoloresparalas
curvas.
Adems puede colocar etiquetas sobre los ejes, un ttulo en la cabecera, dibujar una rejilla,
etctera. Por ejempio:
Se crean 30 puntos entre O y 2*pi:
64
>>x=linespace(0,2*pi730);
Se calcula la funcin senode los puntos en x:
>>y=sin(x);
La orden plot genera una grfica:
"Plot(x,Y);
Para problemas simples, introducir las preguntas en la lnea de rdenes de MATLAB es
rpido y eficiente. Sin embargo, cuando aumenta el nmero de rdenes o, en el caso en que
se desee cambiar el valor de una o ms variables y reevaluar una serie de rdenes, escribir
en la lnea de rdenes deMATLAB se hace tedioso.
MATLAB proporciona una solucin lgica a este problema. Permite colocar rdenes de
MATLAB en un simple archivo de texto y a continuacin decirle a MATLAB que lo abra
y evale las rdenes exactamente comosi hubiesen sido escritas desde la lnea de rden de
MATLAB. Estos archivos se llaman script o archivos -M.El trmino archivo-M reconoce
el hecho de que los nombres de losarchivos deben finalizar conlaextensin
'm', por
ejemplo, test.m.
FUNCIONES UTILIZADAS:
fft : Trarzsformada Rpida deFourier 1-D.
y=fft(x) es la transformada de Fourier discreta del vector x, calculada con un algoritmo de

transformada rpida de Fourier (FFT).
ifft : TI-ansforkada Inversa deFozir-ier.
y=ifft(x) es la transformada inversa rpida de Fourier del vector x.
65
filter : Filtrar datos con un filtro de respuesta infinita a un impulso (IIR) o con un filtro de
respuesta finita a un impulso (FIR).
y=filter(b,a,x) filtra los datos del
vector x con el vector descrito por el vector
b de los
coeficientes del numerador y el vector a de los coeficientes del denominador para crear el
vector y con los datos filtrados. Si a( 1 ) = 1, filter normaliza los coeficientes del filtro por
a( 1). Si a( 1)=0, filter devuelve un error.
La operacin filter (filtrado) en el muestre0 m est dada por las ecuaciones en diferencias
en el dominio temporal
y(m)=b( 1)x(m)+zl (m- 1)

z l (m)=b(2)x(m)+z2(m- l)-a(2)y(m)
conv : Convolttcidn y multiplicacin depolinomios.
c=conv(a,b) realiza la convolucin de los vectores a y b. La convolucin puede verse como

la multiplicacin de los polinomios cuyos coeficientes son los elementos de a y b ya que,
algebraicamente, es la misma operacin.
freqz :Respuesta en frecuencia dejiltros digitales.
Devuelve l a respuesta en frecuencia compleja h(expjw) de un filtro digitaldandolos

coeficientes del numerador ydel denominador en los vectores b y a.
abs : Valor absoluto.
66
y=abs(x) devuelve el valor absoluto de cada uno de los elementos de x. Si x es complejo,

abs(x) devuelve el m6dulo complejo (magnitud).
angle: ngulo defase.
angle(z) devuelve el ngulo de fase, en radianes, de los elementos de la matriz compleja z.

Los ngulos estn entre -pi y pi.

UAM1119

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

UAM1119

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD AUTONOMA METROPOLITANA

REPORTE FINAL DEL PROYECTO TERMINAL

"USO DEMATLAB.EN TRANSFORMmA DE FOURIER,

PROFR. FAUSTO CASCO SANCHEZ

profesionales el estudio de este tema tan central.

Hoy en da no se requiere buscar muy

los sensores de movimiento, temperatura,

de cmo la. informacih que provienedelmedioambiente

TRANSFORMADA DISCRETA DE FOURIER (DFT)

TRANSFORMABA RAPIDA DE FOURIER (FFT)

can elapoyo de este

permite hacer exploraciones que pueden promover un mejor entendimiento de lo que se

de que conforme se vayaavanzandopermiteaplicacionesms

El formato general del presente documento, es hacer una muy breve

profundidad al respecto, se recomienda acudir al manual del usuario.

De esta forma, pretendemos realizar un acercamiento inicial al uso de MATLAB, como un

o elespacio. S estassealas van aserprocesadasusandocomputadoras

digitales, entonces estas seales deben ser convertidas un

donde T es el perodo de muestreo, lo cual es asumido para propsitos prcticos.

Haciendo la CTFT de xs(t), y substituyendo x,(nT)

Pero esto es justo laDTFT ~ ( 2 " con

original X,(in) antes de muestrearlo.

La relacin CTFT correspondiente est dadapor la convolucin

donde Q, es la frecuenciade muestre0 0, = 2n/T en radianeshegundo, y as

combinando ecuaciones, podemos expresarla DTFT en trminos de l a CTFT original

con periodo 2n, estoimplica

que una componente en frecuencia Q, radianes/segundo en el espectro original X , ( j Q )

w, = R O T radianes en el espectro X ( d w ) y tambincomo

componente de entrada A&'

en xc(t) producir componentes A'e'"'' en x(n) para toda k,

donde A'=A/T. Si IQ,j<nT, entonces Jw$n y de este modo

estar dentro del intervalo

para algunas otras k#O. Esto es, la componente de X,(jSZ) en 12,presenta en

X(ejw) alguna otra frecuencia o & ~ ~en

a) Teorema del muestreo.

Sin embargo, para evitar

"aliasing", cada componente en frecuencia

para toda Ro,

de la seal Rb.El lmite ms bajo2Rb es conocido como la raznde Nyquist..

b) Teorema del muestreo en MATLAB

%Este programa ilustrael Teorema del Muestreo

Idisp('Este programa ilustrael Teorema del Muestreo con unasena1 coseno');

jisp('Pu1sa una tecla para desplegar las

;1=[1 zeros( 1,127)];

%Con esto se logra satisfacer el Teorema

title('Respuesta en frecuenciade la seaal muestreada (Ws=0.5 rad/s)');

lineal si, paracualquierpar

produce la sucesin desalida

- Q>para toda n y cualquier valor de m.Esto significa

que un retardo en la entrada implica un retardo en la salida.

Si la entrada es la sucesin de impulsos S(n), la salida que resulta es llamada la respuesta al

La entrada y salida de un filtro discreto y linealinvariableen

Esto es la suma de corzvolucio'n relacionando la entrada y salida de un filtro discreto en el

Generalmente se utiliza el smbolo

Adems la operacin de convolucin es conmutativa, por lo que

x(n) * h(n) = h(n)

tambin es asociativa y distributiva, por l o que

otra relacin til es que si y(n)= x(n) * h(n), entonces

* h(n - n2) = y(n -ni - n2)

dos seales. La cual est descritaen el software como sigue

C O W Convolution and polynomial multiplication.

aspectos tericos que seestudian en la materia de Comunicaciones I.

p=[ones( I :30) zeros( 1,20)]

Podemos entonces observar grficamentea p y otras como se muestra a continuacin.

+ b(2)x(n-l) + ... + b(nb+l)x(n-nb)

- a(2)y(n-l) - ... - a(na+l)y(n-na)