Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UAM1119
UAM1119
(1.-
$3L
ETAPALAPA
.
,.
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
lejosparaencontrarquemuchosdelosaparatoselectrnicosquenosrodeanestn
controlados por una lgica digital, por ejemplo
soncasosclaros
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
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
de mis tiempoyesfuerzo,as
de grficasresultamucho
ms inmediato,locual
rpidas al estudiante.
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
MUESTRE0
I.
MUESTRE0
La mayora de las seales usadas por ingenieros y cientficos son originalmente continuas
eneltiempo
o ninguna
informacin se perder.
son relacionadas
Idealmente,lasealoriginalxc(t)ylasecuenciamuestreadax(n)
simplemente por
x(n) = x,(nT)
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
= x(n),
se tiene
X,(JQ)= X(eJ"">
o alternativamente
X(&" ) = X,(jo/ T )
espectro X,(jQ) despus de muestreadoconelespectro
Se requiere ahorarelacionarel
con
P(jQ) = a,
cs
m
(Q -m,)
k=-m
o equivalentemente
Estaltimaecuacinmuestracomo
la
esperidica
sermanifestadocomo
+ Znk
ok=o,
para todos los valores diferentes de cero del entero k. Esto es, que cada
coo
Nyquist joj<x, como era de esperarse. Sin embargo si [R,l>nT, entonces, Icool>n;mientras
que
Icr>&~
En el ltimo de los casos, se dice que ha ocurrido un "aliasing",y este efecto indeseable
debe serevitado o minimizado.
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,
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
o o o -11;
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.
[Y,w]=freqz(y, 1,128,'whole');
wp=fftshift(w)lpi- 1;
: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
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)
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
12
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
c
m
y(n)=
x(n - k)h(k)
k=-m
* x(n)
13
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
as deestaformapodemos
utilizar estoperacin
en MATLABparaprobaralgunos
14
n=[ 1501
,)
I=
Columns 1 through 12
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2
Columns 13 through 24
13
14 16
15
17 20
19
18
21 24
23
22
Columns 25 through 36
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=
Columns 1 through 12
1
Columns 13 through 24
1
Columns 25 through 36
1
Columns 37 through 48
0
Columns 49 through 50
O
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
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
papel importante en la
hizo necesario ms que necesario extender el uso de este tipo de herramientas matemticas
al mundo discreto.
a) Transformada de Fourier
~ ( f= )f~(l)[cos(zrlft)- j sen(2rcft)pt
-m
Parte Real:
Ganancia:
Fase:
19
1 N-1
2nik
2nik
F ( k ) = - X(i)[cos(-)
- j sen(-)]
=O
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
+ fs*2/N Hz
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.
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.
de la
22
Hz.
0
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.
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
23
InversediscreteFouriertransform.
IFFT(X) is the inverse discrete Fourier transformof vector X.
IFFT(X,N) is the N-point inverse transform.
n=[O: 151
1=
Columns 1 through 12
O
Columns 13 through 16
12
13
14
15
))
y=expCj*nB)
Y=
Columns 1 through 4
1.o000
CQ450 + 0.327210.7859
Columns 5 through 8
0.2352 + 0.9719i -0.0957 + 0.99541 -0.4161
de seales y sus
24
Columns 9 through 12
-0.8893 + 0.4573i -0.9900 + 0.141 l i -0.9817 - 0.1906i -0.8653
- 0.5013i
Columns 13 through 16
-0.6536 - 0.75681 -0.3700 - 0.92901 -0.0457 - 0.99901 0.2837
- 0.95891
Columns 1 through 4
-2.2083 + 1.64961 13.9054
- 6.6357i
Columns 5 through S
0.7803 + 0.1 130i 0.5923 + 0.2096i 0.4637 + 0.27581 0.3636 + 0.3272i
Columns 9 through 12
Columns 13 through 16
-0.0804 + 0.55551 -0.2225 + 0.62861 -0.4405
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
Columns 8 through 14
0.3636 0.2775
0.1970
Columns 15 through 16
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
Columns 8 through 14
0.3272
0.3715
0.4129
0.4547
0.5006 0.5555
0.6286
Columns 15 through 16
0.7407
0.957 1
grficas a la vez.
))
subplot(22 1)
stem(n,a)
))
))
subplot(223)
)>
stem(n,b)
))
))
subplot(222)
))
stem(n,w)
>)
))
subplot(224)
>)
stem(n,x)
5)
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
+
+
-6
FILTROS FIR
30
IV.
FILTRO
FIR
a) FILTROSRIF
Los filtros de respuestaa
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.
31
2. Lafuncincontinua
, n= O,
discreta es hpB=bn=
. La ecuacin
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.
lo cual
deja :
, n= O, 1, 2, ...,21
integrado.
Precisamente este ltimo paso par el diseo de filtros digitales pasa bajas,
en el que se
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
= 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
YO
34
%
?6
%
y(n)
= b(l)*x(n)
33
YO
%
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.
una
funcin sampling que permite calcular los coeficientes del filtro y la funcin filter que es
partedeltoolbox
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.
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
%n el numero de muestras.
= [ 1 :2*n+l];
il
= n;
i2 = n+2;
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.
_-___
35
= input('
I);
= sampling(k,w,n);
I = [1
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);
36
11 =
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
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
entrada, otros tres para el despliegue de las seales filtradas, uno para la magnitud y otro
para la fase.
fpbfirt.
I);
t l = t;
S I = sin(2*w*t);
46
:2 = sin(0.5*w*t);
uido = rand(size(t));
;3 = s2+ruido;
$2 = fft(s2);
;3 = fft(s3);
= ffi(b);
Y1 = B.*Sl;
Y2 = B.*S2;
Y3 = B.*S3;
52f = ifft(Y2);
j3f = iffi(Y3);
y1
= real(s1f);
y2 = real(s2f);
y3 = real(s3f);
[h,frec] = freqz(b,a,64);
mag = abs(h);
fase = angle(h);
41
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');
Sena1 S ? filtrada
1-
0.8 -
"r-
0.6 -
0.4 -
0.2 D
3
U
.-
E"
<
O-
..,-
/'
-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
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.
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.
I);
= sampling(k,w,n);
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);
uido = rand(size(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);
11
= figure('Name','Simulacion
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
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
algoritmosmsutilizados
en el
MATLAB,permiteobservar
en la
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
APENDICE
63
USANDO MATLAB
MATLAB es una herramienta para hacerclculosmatemticos.
programacinamigablecon
Es un lenguaje de
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]
Las
opciones de l a orden plot permiten hacer grficas de mltiple conjuntos de datos sobre los
mismosejes,
usar diferentestipos
trazos, marcar
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
'm', por
ejemplo, test.m.
FUNCIONES UTILIZADAS:
fft : Trarzsformada Rpida deFourier 1-D.
65
filter : Filtrar datos con un filtro de respuesta infinita a un impulso (IIR) o con un filtro de
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
66