Está en la página 1de 32

Asignatura:

Arquitecturas para el Tratamiento de Seal e Imagen Introduccin: Anlisis en Frecuencia de Seales y Sistemas

Depto. de Tecnologa Fotnica Facultad de Informtica de la UPM Mayo, 2001 Rev.: Mayo, 2005 Julio Gutirrez Ros

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

1.

SEALES EN TIEMPO CONTINUO ............................................................................................2 SEALES CONTINUAS PERIDICAS. ..........................................................................................................2 1.1.1. Espectro: Series de Fourier. .....................................................................................................2 1.1.2. Potencia Media: Teorema de Parseval. ....................................................................................3 1.2. SEALES APERIDICAS EN TIEMPO CONTNUO..................................................................................3 1.2.1. Transformada de Fourier..........................................................................................................3 1.2.2. Densidad Espectral de Energa de Seales Aperidicas en Tiempo Continuo: Teorema de Rayleigh. .............................................................................................................................................4 1.2.3. Caso del pulso rectangular. ......................................................................................................5 1.2.4. Convolucin. .............................................................................................................................5 1.2.5. Propiedades de simetra de la TF. ............................................................................................6 1.2.6. Relaciones en el tiempo y la frecuencia de seales aperidicas en tiempo continuo................7 1.2.7. Funciones elementales. .............................................................................................................7 1.3 TEOREMA DE MUESTREO ....................................................................................................................8 1.4. SISTEMAS ANALGICOS.....................................................................................................................9 1.4.1. Sistemas Lineales e Invariantes en el Tiempo (LTI)................................................................10 1.4.2. Transformada de Laplace .......................................................................................................10

2.

SEALES EN TIEMPO DISCRETO ...........................................................................................14 2.1. SEALES PERIDICAS EN TIEMPO DISCRETO .....................................................................................15 2.1.1. Espectro: Series de Fourier de seales en tiempo discreto (DTFS)........................................15 2.1.2. Densidad espectral de potencia: Teorema de Parseval para seales discretas......................16 2.2. SEALES APERIDICAS EN TIEMPO DISCRETO .................................................................................17 2.2.1. Espectro: Transformada de Fourier en Tiempo Discreto (DTFT)..........................................17 2.2.2. Densidad espectral de Energa ...............................................................................................18 2.2.3. Ejemplo: pulso rectangular en tiempo discreto ......................................................................18 2.2.4. Convolucin y Correlacin .....................................................................................................19 2.2.5. Propiedades de Simetra de la DTFT......................................................................................19 2.2.6. Propiedades y Teoremas de la DTFT......................................................................................20 2.2.7. Funciones elementales. ...........................................................................................................20 2.2.8. Transformada Discreta de Fourier (DFT) ..............................................................................21 2.2.9. Ejemplo de DFT: Pulso Rectangular. .....................................................................................22 2.2.10. Convolucin Circular............................................................................................................22 2.2.11. Propiedades de simetra de la DFT. .....................................................................................23 2.2.12. Propiedades y Teoremas de la DFT......................................................................................23 2.2.13. Transformada Rpida de Fourier (FFT)...............................................................................24 2.3. SISTEMAS DISCRETOS. .....................................................................................................................27 2.3.1. Sistemas Lineales e Invariantes en el Tiempo (LTI)................................................................27 2.3.2. Transformada z. ......................................................................................................................28 2.3.3. Propiedades de la Tz. ..............................................................................................................30

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

1.

Seales en tiempo Continuo

1.1. Seales Continuas Peridicas.


1.1.1. Espectro: Series de Fourier.

x p (t ) = x p (t + T0 ) ; x p (t ) =

F0 =

1 ; T0

0 = 2 F0

k =

C k exp( jk 0 t )
m =

x p (t ) exp( jk 0 t ) dt =

C m exp( j (m k ) 0 t ) dt =C k dt =C k T0
T0 T0

ya que Ck =

T exp( j (m k ) 0 t ) dt = 0
0

mk

1 T0

x p (t ) exp( jk 0 t ) dt

En consecuencia: Si una seal es continua y peridica Espectro Discreto Los Armnicos son mltiplos enteros de la frecuencia fundamental F0. A mayor perodo T0 Menor intervalo de frecuencia entre los armnicos
Si x p(t) es real x p (t ) =
* Ck = C k

k = * C k = Ck

Ck exp( jk0t )

ck

es real

En virtud de esto, se puede escribir:


x p (t ) =

c-k

k =

Ck exp( jk0t ) = C0 + 2 Ck cos(k0t + k )


k =1

siendo k = Ck

x p (t ) = C0 + =

2 Ck (cos k0t cos k senk0t sen k ) =


k =1

k =0

( Ak cos k0t + Bk senk0t )

A0 = C0 = x p (t ) donde Ak = 2 Re[Ck ]; Bk = 2 Im[Ck ]

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

1.1.2. Potencia Media: Teorema de Parseval.

1 P = T0 =

T
k

x p (t )

1 dt = T0
k

T
2

x p (t )

k =

Ck* exp( jk 0t )dt = Ck* T0 T


1
k 2 2 1 2 2 = A0 + Ak + Bk 2 k =1

x p (t ) exp( jk 0 t )dt =

Ck* Ck = Ck

Si x(t ) es real :

2 P = C0 + 2

Ck

k =1

1.2. Seales Aperidicas en Tiempo Contnuo.


1.2.1. Transformada de Fourier.

Cuando se trata de una seal no peridica, se puede obtener el espectro como si sta fuera una seal peridica pero con un periodo infinito. De esta forma se obtiene:

x(t ) = lim x p (t )
T0

x(t)

x p (t ) = Ck = 1 T0

k =

Ck exp( jk 2F0t ) T
x p (t ) exp( jk 2F0t ) dt
-T0
0

xp(t)

x(t ) = x p (t ) dado que x(t ) = 0

T0 T t 0 2 2 T t > 0 2

T0

T0

Ck

1 T0

x(t ) exp( jk 2F0t )dt

Como T0 y F0 0, kF0 F y el espectro se hace continuo. En base a esto, se define la transformada de Fourier como : X ( j 2F ) = x(t ) exp( j 2Ft )dt o bien X ( j ) =

x(t ) exp( jt )dt

La Transformada de Fourier (TF) no promedia en el perodo T0, ya que ste se prolonga hasta el infinito. En consecuencia, como se ver ms adelante, su mdulo al cuadrado no representa la potencia como en las series de Fourier, sino la densidad espectral de energa. En efecto, al considerar el perodo infinito, si la potencia fuera finita, la energa tendra que ser infinita.

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Al mismo tiempo, se puede ver que los coeficientes de Fourier de xp(t) son muestras de X(j2F) tomadas en mltiplos de F0 y escaladas por F0, esto es, 1/T0 : 1 x p (t ) = T0 x p (t ) =

k =

X (kF0 ) exp(2kF0 )

k =

X (kF ) exp(2kF )F X ( j 2F ) exp( j 2F )dF


; X ( j 2F ) = X ( j ) =

Si T0 F 0

x(t ) = lim x p (t ) =
T0

x(t ) = x(t ) =

X ( j 2F ) exp( j 2F )dF
1 2

x(t ) exp( j 2Ft )dt

O bien :

X ( j ) exp( j )d ;

x(t ) exp( jt )dt

Para que exista la TF, es necesario que Si la TF existe

x(t ) dt <

x(t ) dt < Energa finita

Se pueden enumerar tres propiedades fundamentales de la Transformada de Fourier: 1. La TF es una funcin compleja, de forma que X(j2F) es el mdulo del espectro de x(t) y arg(X(j2F)) es la fase del espectro de x(t). 2. La TF de x(t) para f = 0 es el rea de x(t) ya que X (0) =

x(t )dt

3. Si x(t) es real, X(-j2F)= X*(j2F), con lo que la amplitud X(j2F) es una funcin par, mientras que la fase arg(X(j2F)) es una funcin impar. Se dice entonces que la seal es hermitiana, o tiene simetra hermitiana.
1.2.2. Densidad Espectral de Energa de Seales Aperidicas en Tiempo Continuo: Teorema de

Rayleigh.

La energa de una seal es : Ex =

x(t )
*

dt =

X x(t ) x (t )dt = x(t )


*

( j 2F )exp( j 2ft )dF dt =


=

( j 2F )

x(t )exp( j 2ft )dt dF =


2

( j 2F ) X ( j 2F )df

X ( j 2F )

df

Con lo que X ( j 2F )

es la densidad espectral de energa.

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Caso del pulso rectangular.

En la figura se ha representado un pulso rectangular en el tiempo. Su transformada de Fourier ser la siguiente:


X ( j 2F ) = =

x(t )exp( j 2Ft )dt =

/2

2 A exp( j 2Ft )dt =

/2

A 2 = exp( j 2Ft ) 3/ 2/ -1/ j 2F 2 exp( jF ) exp( jF ) =A = j 2f sen(F ) senx = A = A sinc(F ) siendo por definicin sinc(x ) = F x En este caso la TF es una funcin real y, por tanto, par.

F
1/
2/ 3/

1.2.3. Convolucin.

Se define la convolucin de dos seales, x1 (t ) y x2 (t ), de la siguiente forma : convolucin ( x1 (t ), x2 (t )) = x1 (t ) x2 (t ) =

x1 ( ) x2 (t- )d

Se pueden comprobar las siguientes propiedades de la convolucin : Conmutativa : x1 x2 = x2 x1 Asociativa : Distributiva con la suma : x1 ( x2 + x3 ) = ( x1 x2 ) + ( x1 x3 ) x1 ( x2 x3 ) = ( x1 x2 ) x3

El teorema de la convolucin establece que la TF de la convolucin de dos funciones es igual al producto de sus trannformadas de Fourier, tal como se demuestra a continuacin : TF( x1 (t ) x2 (t )) =
=

exp( j 2Ft )dt = x1 ( ) x2 (t - )d

= X 1 ( j 2F ) X 2 ( j 2F )

x2 (t - )exp( j 2Ft )dt d = x1 ( ) X 2 ( j 2F )exp( j 2F )d = x1 ( )

Tal es as que con frecuencia es ms fcil obtener la convolucin de dos funciones haciendo la transformada inversa del producto de las transformadas. De la misma forma, la transformada inversa de la convolucin es igual al producto de las funciones : TF 1 ( X 1 ( j 2F ) X 2 ( j 2F )) = x1 (t )x2 (t )

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

1.2.4. Propiedades de simetra de la TF.

En general, se puede escribir la TF de una seal como : X ( j 2F ) = X R ( j 2F ) + jX I ( j 2F ) ( X R = Re[ X ] ; X I = Im[ X ]) X ( j 2F ) = X e ( j 2F ) + jX o ( j 2F ) X e ( j 2F ) = donde

( X e : Funcin par ;

X o : Funcin impar )

[X ( j 2F ) + X ( j 2F )] x(t )cos 2ft dt = 1 2


j[X ( j 2F ) X ( j 2F )] x(t )sen2ft dt = 1 2

X o ( j 2F ) =

ya que exp( j 2Ft ) = cos 2Ft j sen 2Ft En base a esto, si la seal x(t ) es real, se tiene : X e ( j 2F ) = X R ( j 2F ) ; X o ( j 2F ) = X I ( j 2F ) X ( j 2F ) = X * ( j 2F )

De donde se deduce la simetra hermitiana de la TF de las seales reales, ya enunciada :


Si, adems, x(t ) tuviera simetra par o impar, la integral de Fourier se simplifica as : x(t ) par x(t ) impar X ( j 2F ) = X e ( j 2F ) = 2

x(t )cos 2Ft dt

X ( j 2F ) = X o ( j 2F ) = 2 j 2

x(t )sen2Ft dt

ya que

v(t ) dt =

0 si (t ) es impar

0 v(t ) dt

si v(t ) es par

En todo esto, hay que tener en cuenta que la simetra de una seal en el tiempo depende de dnde se haya tomado el origen temporal, de forma que ste se podra elegir para que cumpla condiciones de simetra ya que el origen de tiempo no tiene un sentido fsico nico, cosa que no ocurre con la frecuencia que s tiene bien definido el origen.

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

1.2.5. Relaciones en el tiempo y la frecuencia de seales aperidicas en tiempo continuo.

A continuacin se da una serie de relaciones fundamentales que cumplen las seales consideradas en el dominio del tiempo y el de la frecuencia. Estas propiedades son fcilmente demostrables a partir de las definiciones dadas, de forma que nos limitamos a enunciarlas. x(t ) X ( j 2F ) Dualidad : Superposicin : Funciones Conjugadas : Desplazamiento en el tiempo : Traslacin en frecuencia : Modulacin : Cambio de Escala : Derivacin : X (t ) x( j 2F ) a1 x1 (t ) + a2 x2 (t ) a1 X 1 ( j 2F ) + a2 X 2 ( j 2F ) x* (t ) X * ( j 2F ) x(t t d ) exp( j 2Ft d )X ( j 2F ) exp( j 2Fa t ) x(t ) X (F Fa )
1 2

x(t ) cos(2Fa t + ) x(t ) dn dt


n

[exp( j )X (F + Fa ) + exp(+ j ) X (F Fa )]

F X 1

x(t ) ( j 2f )n X ( j 2F ) dn

Convolucin :

X ( j 2F ) dF n x1 (t ) x2 (t ) X 1 ( j 2F ) X 2 ( j 2F )

( j 2t )n x(t )

x1 (t ) x2 (t ) X 1 ( j 2F ) X 2 ( j 2F )

1.2.6. Funciones elementales.

A continuacin se definen algunas funciones elementales de utilidad. Escaln : u (t ) = Signo : sgn (t ) = 1 t>0 0 t<0 1 1 t>0 sgn (t ) = 2 u (t ) 1 2 t<0

u(t)

sgn(t)

t 1 t < t Pulso : = = u t + u t 0 t > 2 2 Delta de Dirac : (t ) : (t ) = 0 t 0


(t/)

(t ) dt = 1
(t)

La representacin utilizada para la Delta de Dirac, o impulso unidad, es meramente simblica ya que se trata de un ente de rea unidad pero infinitamente estrecho e infinitamente intenso.

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

La funcin delta de Dirac tiene las siguientes propiedades:

(t ) dt = 1

arbitrariamente pequeo
x(0) t1 < 0 < t2 de lo contrario

t2 t1 x(t ) (t ) dt = 0

x(t ) (t td ) dt = x(td ) x(t ) (t td ) = x(t td )

(t ) = lim 0 (t ) = lim sinc 0


1
1.3. Teorema de Muestreo

1 t t

Se trata de ver cul es la representacin en el dominio de la frecuencia de una seal que sea el resultado de extraer un conjunto de muestras de la seal. Una muestra es el valor que la seal toma en un instante determinado. Cuando se habla de muestreo de una seal, se entiende que se toma un conjunto de muestras de la misma y, mientras no se especifique lo contrario, se asumir que el muestreo se lleva a cabo a intervalos regulares de tiempo. El objeto del muestreo es adquirir informacin de la seal, normalmente en forma digital, para luego poder procesarla. Como se ver a continuacin, el teorema de muestreo establece que si se cumplen ciertas condiciones en la toma de muestras, se puede llegar a adquirir con el muestro toda la informacin de la seal. El procedimiento para obtener muestras de forma ideal es multiplicar la seal por un tren de deltas de Dirac. Sin embargo, el muestreo en trminos reales se puede ver como el producto de la seal por un tren de pulsos (seal de muestreo) uniforme, tal que cuanto ms estrechos sean estos pulsos ms se acerca el muestreo al caso ideal. As pues, si s(t) es el tren de pulsos, la expresin de la seal x(t) muestreada, xs(t), ser: xs (t ) = x(t ) s(t ) s (t ) es una seal peridica de periodo Ts (periodo de muestreo) y frecuencia Fs = 1 , Ts luego podr expresarse mediante una serie de Fourier : s (t ) =

k =

Ck exp( jk 2Fst )
k = +

xs (t ) = x(t )

Ck exp( jk 2Fst ) = Ck x(t )exp( jk 2Fs t )


k =

El producto de la seal por una exponencial se traduce en una traslacin en frecuencia : X s ( j 2F ) =

k =

Ck X (F kFs )

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Esto significa que el espectro de la seal muestreada es la repeticin peridica del espectro de la seal original en el dominio de la frecuencia. Ntese en la figura que X(f) las rplicas del espectro estn ponderadas con arreglo a unos supuestos coeficientes de Fourier. -BW 0 BW f En consecuencia, si la seal original Xs(f) tiene una anchura de banda limitada BW, cuando la frecuencia de muestreo es superior al doble de dicha anchura 0 de banda, el espectro se repite sin -3fs -2fs -f s fs 2fs 3fs f Xs(f) solapamiento y, en consecuencia, la seal original es recuperable a partir de la seal muestreada mediante un filtro paso bajo que separe la rplica -2fs -f s 0 fs 2fs f del espectro original que no ha sufrido traslacin en frecuencia. Este es el caso de la figura inferior donde la funcin de transferencia del filtro ideal que lo lograra ha sido sealado mediante lnea de puntos. Por lo contrario, en la figura del centro, la frecuencia de muestreo no es suficiente, con lo que las rplicas se solapan y no es posible recuperar la seal. Este es el denominado Criterio de Nyquist que determina que la frecuencia mnima de muestreo para poder recuperar la seal es

Supngase ahora que el muestreo es ideal. En este caso s (t ) es un tren de impulsos unidad : s (t ) =

f sMIN = 2 BW
+

n =

(t nTs )

y sus coeficientes de Fourier :

1 Ck = Ts

+ 1 (t nTs ) exp( jk s t ) dt = Ts Ts n = 1 Ts
k =

X s ( j 2F ) =

X (F kFs )

de forma que en este caso el espectro se repite siempre con la misma ponderacin.
1.4. Sistemas Analgicos.

Un sistema es una transformacin u operacin que se lleva a cabo sobre una seal de entrada para producir una seal de salida. Dicha transformacin se realiza con arreglo a una ley que representaremos por T[ ]. Esto es, si x(t ) es la seal de entrada, la seal de salida y (t ) vendr dada por : y (t ) = T [x(t )]
x (t ) T[ ]

y (t )

Un sistema se dice que es real si siendo x(t ) real y (t ) tambin es real Un sistema se dice que es lineal si : T [a1 x1 (t ) + a2 x2 (t )] = a1 T [x1 (t )] + a2 T [x2 (t )] Un sistema se dice que es invariante en el tiempo si : T [x(t t d )] = y (t t d ) Un sistema se dice que es causal si siendo x(t ) = 0 para t < 0 y (t ) = 0 para t < 0 9

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

1.4.1. Sistemas Lineales e Invariantes en el Tiempo (LTI)

Una clase importante dentro de los sistemas es la de los sistemas Lineales e Invariantes en el Tiempo (LTI). Dichos sistemas, que para distinguirlos los representaremos por L[], por el hecho de ser lineales cumplen el principio de superposicin. Su condicin como sistemas LTI hace que puedan ser caracterizados completamente por su respuesta al impulso unidad (delta de Dirac). En efecto, sea h(t ) la respuesta al impulso unidad : h(t ) = L[ (t )] La respuesta a una seal x(t ) cualquiera ser :
y (t ) = L[x(t )] = L[x(t ) (t )] = L x( ) (t ) dt =

(t)
x (t )

L[ ]

h(t) h(t)*x(t)

= {siendo lineal} = x( )L[ (t )] dt = {siendo invariante en el tiempo} =


= x( )h(t ) dt = x(t ) h(t )

Lo que demuestra que la respuesta de un sistema LTI a una seal cualquiera se puede obtener siempre que se conozca su respuesta al impulso unidad y, por tanto, sta caracteriza completamente el comportamiento del sistema. Esto mismo se puede ver en el dominio de la frecuencia:

y (t ) = x(t ) h(t ) Tomando la TF de esta expresin : Y ( j 2F ) = X ( j 2F ) H ( j 2F ) donde H ( j 2F ) = TF[h(t )] es la denominada Funcin de Transferencia
de forma que la respuesta en el dominio de la frecuencia se obtiene mediante el producto de la funcin de transferencia con el espectro de la seal de entrada. Una consecuencia de ello es que la funcin de transferencia equivalente de dos sistemas en cascada es el producto de las funciones de transferencia de cada uno de ellos. De la misma forma, la respuesta al impulso unidad del conjunto de los dos sistemas en cascada ser la convolucin de las respuestas impulsionales de cada uno de ellos.
1.4.2. Transformada de Laplace
h1(t) h2(t)

H1( j 2F )

H2( j 2F )

h1(t)* h2(t)

H1( j 2F ) H2( j 2F )

La transformada de Laplace (TL) L [] se define de la siguiente forma:

L[x(t )] = X (s ) =

x(t ) exp( st )dt

siendo s una variable compleja s = + j

Se hace patente su similitud con la TF, ya que realmente se trata de una generalizacin de sta a todo el plano complejo, en lugar de concretarse estrictamente en el dominio de la frecuencia. De hecho, la transformada de Fourier no siempre converge, con lo que resulta interesante una generalizacin que cubra un conjunto ms amplio de seales. As, si se sustituye s por j la expresin de la Transformada de Laplace se convierte en la TF. Ahora bien, esto no quiere decir que exista la TF pues, de hecho, la transformada de Laplace slo converge en una regin del plano complejo llamada Regin de Convergencia (RdC). En 10

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

consecuencia, si el eje j est dentro de la RdC, la TF converge y es la TL con s = j. Por otra parte, el hecho de que la TL se extienda por todo el plano complejo permite el estudio fcil de los transitorios, mientras que la TF est orientada ms bien al rgimen permanente. La RdC son franjas verticales en el plano complejo. Por ejemplo, Sea la funcin :
L [x(t )] =

x(t ) = exp( a t

)
0

exp( a t ) exp( st ) dt =
0

exp((a s )t ) dt + exp( (a + s )t ) dt =
0

1 = exp((a s )t ) as

1 exp( (a + s )t ) a+s

El primer sumando slo converge para < a, mientras que el segundo converge para > a 2s j L [x(t )] = X (s ) = 2 2 RdC : a < < a a s En la figura superior se encuentra representada la RdC para RdC esta funcin. Sin embargo, para una funcin x(t) igual a 0 para t < 0 , su TL converge en todo el semiplano a la derecha del -a a lmite de convergencia. Por ejemplo, para la funcin anterior pero anulndola para t < 0 :
x(t ) = exp( a t ) u (t ) = exp( at ) u (t ) X (s ) = L [exp( at ) u (t )] = = =

exp( at ) exp( st ) dt =

j
RdC

1 exp( (a + s ) t ) dt = exp( (a + s ) t ) = a+s 0 RdC : > a


-a

1 a+s

regin de convergencia que se encuentra representada en la figura inferior. Si por lo contrario, la funcin fuera 0 para t > 0, la RdC se extendera a la izquierda del lmite (en nuestro ejemplo sera el semiplano < a). Finalmente, si la funcin fuera 0 para todo t excepto un intervalo, la RdC sera todo el plano. En efecto, en todos los casos mencionados sucede que x(t)exp(-st) 0 cuando t . Puesto que es muy frecuente que las seales tengan un origen temporal antes del cual valen 0, se utiliza con mucha frecuencia la Transformada de Laplace Unilateral (L -): L [x(t )] = x(t ) exp( st ) dt
0

que asume que x(t ) = 0 t < 0 o bien se ignora.

El hecho de que se integre a partir de 0 y no a partir de un origen de tiempo cualquiera no supone prdida de generalidad, puesto que siempre se puede elegir la referencia temporal con el 0 en el origen. Resulta evidente que si la funcin x(t) = x(t) u(t), es decir, x(t) = 0 para t > 0, la TL unilateral es la misma que la bilateral.

11

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Se pueden comprobar las siguientes propiedades de la TL: x(t ) X (s ) Superposicin : Desplazamiento en el tiempo : Traslacin en frecuencia : Cambio de Escala : Derivacin : Integracin : Convolucin : Teorema del valor Inicial : Teorema del valor Final : Multiplicacin por tiempo :

a1 x1 (t ) + a2 x2 (t ) a1 X 1 (s ) + a2 X 2 (s ) x(t t d ) exp( st d )X (s ) exp( at )x(t ) X (s + a ) s X 1

x(t )

d x(t ) x 0 + sX (s ) dt t 1 0 x(t ) dt s X (s ) x1 (t ) x2 (t ) X 1 (s ) X 2 (s ) lim x(t ) = lim sX (s )


t 0 s s 0 t

( )

lim x(t ) = lim sX (s ) t x(t ) d X (s ) ds

Funcin de Transferencia con la TL: Si a un sistema con respuesta al impulso unidad h(t), se le aplica a su entrada una seal exp(st), la respuesta que se obtendr ser: y (t ) = x(t ) h(t ) ; Si x(t ) = exp(st ) y (t ) = exp(st ) h(t ) = = exp(st ) H (s )

Lo que significa que las funciones exp(st ) son funciones propias de los sitemas LTI y su valor es H (s ) Una clase importante de los sistemas LTI son aquellos en los que la entrada y la salida estn relacionadas mediante una ecuacin diferencial de coeficientes constantes:

h( )exp(s (t )) d = exp(st )

h( )exp( s ) d =

m =0

cm

dm y (t ) = dt m

r =0

gr

dr x(t ) dt r

con lo que, tomando la TL, la funcin de transferencia es una funcin racional : H (s ) = Y (s ) g R s R + g R 1s R 1 + + g1s + g 0 = X (s ) cM s M + cM 1s M 1 + + c1s + c0

La transformada inversa de Laplace tiene la siguiente expresin:


x(t ) = L 1 [ X (s )] = 1 2j

c + j
c j

X (s )exp(st ) ds

c RdC

sin embargo rara vez se utiliza. Lo habitual es hacerlo a partir de tablas de transformadas y de las propiedades enunciadas de la TL. En el caso habitual de las funciones racionales, stas se pueden descomponer en suma de fracciones parciales, mediante el desarrollo de Heaviside, cuya TL inversa es muy simple. 12

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

A continuacin se puede ver una tabla sencilla de pares de transformadas, donde todas las funciones x(t) son para t > 0, aunque se ha omitido la multiplicacin por u(t):

(t ) 1
u (t ) t 1 s2 m! s m+1 1 s+a 1 s

tm

exp( at )

1 1 t m 1 exp( at ) (m 1)! (s + a )m a 1- exp(-at ) s (s + a ) ba exp(-at ) exp(-bt ) (s + a )(s + b ) a sen at 2 s + a2 s cos at 2 s + a2

Vase el siguiente ejemplo: supngase un circuito RC cuya funcin de transferencia es: 1 H (s ) = s + 1 Sea tambin la seal de entrada : x(t ) = (1 cos t )u (t ) que es la superposicin de la funcin coseno con un nivel de continua de 1. Se puede, por tanto ver la respuesta del sistema por separado para u (t ) y (cos t )u (t ) Cuando la seal de entrada es u (t ) : 1 X1 (s ) = L [u (t )] = s 1 1 1 Y1(s ) = = s (s + 1) s s + 1 de donde y1 (t ) = 1 exp t
Respuesta de un circuito RC=2.7 a x(t)=(1coswt)u(t) (w=6*pi) 1.4

1.2

0.8

0.6

0.4

0.2

0.5

1.5

2.5

x (t )

y (t )

Cuando la seal de entrada es (cos t )u (t ), si utilizamos notacin compleja, x2 (t ) exp( jt )u (t ) aunque en realidad x2 (t ) = Re[exp( jt )]u (t ) 1 1 1 1 1 1 L [exp( jt )u (t )] = ; Y2 (s ) = = s j s j s + 1 1 + j s j s + 1 1 j de donde y2 (t ) = Re exp( jt ) exp t = 2 2 1 + 1 = cos t + sen t exp t 2 2 1+ De forma que la respuesta total ser la superposicin de ambas : y (t ) = y1(t ) y2 (t )

( ))

( ))

En la figura se encuentra representada la superposicin para = 6 y = 0.25. El filtro RC representado tendra la funcin de transferencia indicada con = RC. 13

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

2. Seales en tiempo discreto Una seal en tiempo discreto resulta frecuentemente del muestreo a periodo constante de una seal en tiempo continuo. Pero en cualquier caso, se trata de una secuencia de nmeros que se indicar como una funcin de la variable entera n, por ejemplo, x(n). Si x(n) procede del muestreo de una seal analgica x(t), se tendr que siendo Ts el periodo de muestreo x(n) = x(nTs) Se ha visto que una seal peridica en tiempo continuo se puede desarrollar en un nmero, que puede llegar al infinito, de componentes de frecuencia mltiplos enteros de la frecuencia fundamental F0. Sin embargo, cuando se trata de seales en tiempo discreto, existen diferencias importantes.
x(t ) = exp( j 2 F0 t ) esta misma seal muestreada con periodo Ts , sera : x(n ) = exp( j 2 F0 nTs ) el hecho de que n sea entero hace que esta funcin se repita en frecuencia : exp( j 2 (F0Ts + 1) n ) = exp( j 2 n ) exp( j 2 F0 nTs ) = exp( j 2 F0 nTs ) es decir, una vez muestreada, no se puede distinguir entre una exponencial compleja de frecuencia original F0 , y otra con frecuencia F0 + 1 = F0 + Fs , lo cual es la misma Ts consecuencia que se obtuvo con el teorema de muestreo (muestreo ideal).

En efecto, considrese una funcin exponencial: En la figura se puede ver cmo, en efecto, el muestreo de una sinusoide de frecuencia F0 es el mismo que el que corresponde a otra sinusoide de frecuencia F0 + Fs. Sin embargo, por similitud con las seales analgicas, las seales exponenciales discretas se consideran de la forma exp(j2fdn), o bien exp(jdn). Naturalmente, en este caso ya no se puede hablar de frecuencia en trminos de hertzios o ciclos por segundo, sino simplemente de ciclos, o si se prefiere, ciclos por muestra, as como la pulsacin angular tampoco se puede medir en radianes por segundo, sino en radianes o radianes por muestra. En estas condiciones, una exponencial (o una funcin sinusoidal) se repite a cada unidad de fd o, lo que es lo mismo, a cada 2 rad de d. Por tanto, el rango de frecuencias va entre 0 y 1 o entre - y + (o en cualquier rango de anchura 1), y el de pulsaciones angulares entre 0 y 2 , o entre - y +, o rango de igual anchura.
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

14

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

2.1. Seales peridicas en tiempo discreto

Una seal en tiempo discreto es peridica si cumple que: Conviene recalcar que una seal analgica peridica x p (t ) = x p (t + T0 ) = x p (t + KT0 ) no tiene necesariamente que dar lugar a una seal peridica cuando se muestrea. Esto slo ser cierto cuando KT0 = NTs ( K y N , nmeros enteros). No obstante, se puede considerar sin prdida de generalidad que K = 1. As pues, se establece que T0 = NTs . Por otra parte, tal como se ha indicado, si la seal discreta es peridica ha de cumplirse que x p (n ) = x p (nTs )
Siendo peridica la seal analgica original, se puede desartrollar en serie de Fourier : x p (t ) =

x p (n ) = x p (n + N )

donde N es el periodo (nmero entero) de la seal

k =

C k exp( jk 2 F0 t )
+

y en consecuencia, la seal discreta correspondiente ser :

2 C k exp jk n N k = k = Como se acaba de ver, una exponencial discreta se repite en frecuencia. Aqu, en concreto : x p (n ) = x p (nTs ) =

C k exp( jk 2 F0Ts n) =

2 2 n = exp j (k + N ) n de forma que si es cierta la serie anterior, es necesario exp jk N N que C k = C k + N . Por tanto, la serie de Fourier correspondiente al caso discreto slo puede tener un nmeo N de coeficientes independientes. Por tanto, el desarrollo en serie de Fourier queda convertido en la siguiente expresin : x p (n ) =
N 1

2 jk n ck exp N k =0

donde

ck =

m=

C k +mN

Si se adopta, como se indic anteriormente, la pulsacin de cada componente como :

k = k

2 ; la serie queda en la siguiente forma : N

x p (n ) =

N 1 k =0

ck exp( j k n)
2 N

con lo que el perodo del espectro en frecuencia sera de 2 , y k +1 k =

2.1.1. Espectro: Series de Fourier de seales en tiempo discreto (DTFS)

Obsrvese que el nmero de muestras del perodo temporal es igual al nmero de coeficientes ck o componentes de un perodo en el dominio de la frecuencia. El procedimiento para encontrar los coeficientes ck ser similar al caso analgico: en efecto, si se efecta la siguiente suma de muestras en un perodo temporal:

15

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros N 1 N 1 N 1 2 n = c k exp jk N n =0 k =0

2 jl x p (n ) exp N n =0
N 1 N 1 k =0 n =0

2 n exp jl N

n =

j (k l ) ck exp N
N 1

2 n =N cl

ya que :

N ; a = 1 (k = l ) N 1 2 n j (k l ) n = ck a = 1 a N 2 c k exp N n =0 n =0 c k 1 a = 0 ; a = exp jm N
N 1

Es decir, la sumatoria es nula para k l (m 0) por ser a N = 1. ck = 2 n N n =0 Evidentemente, se cumple que c k = c k + N 1 N jk x p (n ) exp

en el caso de que x(n ) sea real x(n ) = x * (n ) :


* Como consecuencia de esto : c k = c N-k = c k

as como
* c k = ck

ck = c* N-k

En la figura adjunta se puede ver un ejemplo de serie de Fourier, en mdulo y fase. Se trata de una secuencia discreta que conforma un tren de pulsos tirangulares.
2.1.2. Densidad

1
Seal

0.5

0 30 0.4 0.3

20

10

10

20

30

40

50

espectral de potencia: Teorema de Parseval para seales discretas

Mdulo

0.2 0.1 0 30 4 2 20 10 0 10 20 30 40 50

Para una seal peridica en tiempo discreto, la potencia viene dada por el promedio a lo largo de un perodo del mdulo al cuadrado de los valores discretos de dicha seal: P= P= = 1 N 1 N

Fase

0 2 4 30 20 10 0 10 20 30 40 50

x
n =0

N 1

(n )

De forma anloga al caso de seales en tiempo continuo : 1 N

n =0

N 1

x p (n ) =
2

n =1

N 1

x p (n ) x * p (n ) =

1 N

N 1

N 1 2 * ( ) x n ck n = exp jk p N n =0 k =0

N 1

* 1 c k N k =0

N 1

N 1 2 N 1 * x p (n )exp jk n = ck ck = ck N n =0 k =0 k =0

16

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

2.2. Seales Aperidicas en Tiempo Discreto


2.2.1. Espectro: Transformada de Fourier en Tiempo Discreto (DTFT)

As como en las seales en tiempo continuo se llega a la definicin de TF a partir de las series de Fourier para seales peridicas haciendo tender el perodo al infinito, en las seales discretas este mismo proceso desemboca en la Transformada de Fourier en tiempo discreto (DTFT). Es decir, en el caso discreto, lo que se hace tender al infinito es el periodo numrico N y en consecuencia, el espectro discreto definido en 2.1 se convierte en un espectro continuo. En efecto, k+1 - k = 2 /N 0. Ser por tanto la pulsacin k la que adquiere carcter continuo y denominaremos : 2 k = 2 f f = N k = k
N N

De la misma forma que en las seales en tiempo continuo, la DTFT no debe promediar en el periodo N puesto que entonces el espectro quedara reducido a cero cuando el periodo se extiende hasta el infinito. Esto es, como se ver ms adelante, en este caso no representamos la potencia, sino la energa. As pues, si los coeficientes espectrales ck de las seales peridicas discretas tenan la expresin:
ck = 1 N
N 1 n =0

jk x p (n ) exp

2 n N

la DTFT tendr la que sigue:


X e j 2 f =

) x(n)exp( j 2fn )
+ n =

o bien

X e j =

( ) x(n)exp( jn)
+ n =

El hecho de que la DTFT se simbolice como funcin de una exponencial ej o su equivalente en trminos de frecuencia, obedece a ser, como se ver ms adelante, una particularizacin de la transformada Z. Es importante observar que el espectro de las seales discretas aperidicas es continuo. Adems, el espectro es peridico en frecuencia pues consiste en una suma de exponenciales discretas que, como se ha visto, son peridicas con perodo de 2 radianes segn la pulsacin . Esta periodicidad es tambin una consecuencia del teorema de muestreo. Siendo funcin peridica respecto a la variable , X(ej ) es susceptible de ser desarrollada en serie de Fourier y, de hecho, la expresin arriba indicada de la TF tiene la forma de desarrollo en serie de Fourier de X() cuyos coeficientes son los valores de x(n). En consecuencia, la obtencin de la transformada inversa es inmediata:

2
=

X e j exp( jm ) d =

( )

+ x(n ) exp( jn ) exp( jm ) d = 2 n =

x(n ) exp( j (n m )) d 2 n =

Es sabido que

2 exp( j (n m )) d = 2

para

nm

para n = m

17

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

2.2.2. Densidad espectral de Energa

E= = = 1 2 1 2

n =

x (n ) 2 2

1 X * (e j )exp ( x (n ) x * (n ) = x (n ) 2 2 n = n =
+ +

j n ) d =
j

+ 1 X * e j x (n ) exp ( j n ) d = 2 n = X e j

( )

2 X

(e ) X (e ) d =
j

( )

La funcin S xx ( ) = X e j

( )

se denomina Densidad E spectral d e Energa .

X e j exp( jm ) d =

( )

1 X e j exp( jn ) d = X e j 2 f exp( j 2fn) df 1 2 2 La TF converge siempre que la secuencia x(n ) sea absolutamente sumable :

x(n ) =

( )

x(n ) exp( j (n m )) d = 2 x(m ) 2 n =

n =

x(n ) <

lo que, a su vez, garantiza que la energa es finita :

E=

n =

x(n)

<

Otras consideraciones similares a las que se hicieron en tiempo continuo son : para = 0; X (0) =

Si x(n ) es real

X e j = X * e j

mientras que arg X e j

( ( )) es una funcin impar, es decir, X (e ) es hermitiana.


j

n =-

x(n )

( )

con lo que X e j es una funcin par

( )

2.2.3. Ejemplo: pulso rectangular en tiempo discreto

En la figura se puede ver un pulso rectangular de amplitud unidad y una anchura de doce muestras (L = 12). La TF de esta seal se puede cuantificar de la siguiente forma:
X e j =
L 1

1
Seal

0.5

0 15 10 5

10

15

20

25

30

35

40

1 exp( jL ) = exp( jn ) = = 1 exp( j ) n =0

n =

Mdulo

( ) x(n)exp( jn) =
+

0 10 4 2
Fase

10

(L 1) = exp j 1 2

(1 ) ) sen (21L)
sen 2

0 2 4 10 8 6 4 2 0 2 4 6 8 10

18

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Funcin que se encuentra representada en la figura en mdulo y fase. El resultado de la transformada inversa se ha representado mediante pequeos crculos sobre la seal original, pudindose comprobar que coincide exactamente con ella.
2.2.4. Convolucin y Correlacin

Se define la convolucin para seales discretas de la siguiente forma:


x1 (n ) x2 (n ) =

m=

x (m)x (n m)
1 2

La convolucin es conmutativa, asociativa y distributiva con la suma. Asimismo, se define la correlacin cruzada rxy(n) entre dos seales x(n) e y(n) como: rxy(n) = x(n) y(-n) En el caso en que y(n) = x(n) , se denomina autocorrelacin (rxx(n)).
2.2.5. Propiedades de Simetra de la DTFT

En el caso ms general en que la seal discreta sea compleja, denotando con el subndice R la parte real y con I la Parte imaginaria, se puede escribir:
x(n ) = x R (n ) + jx I (n ) X e j = X R e j + jX I e j

( )
j

( )
j

( ) ( ) ( )
j

Y de forma completamente anloga a lo que se se hizo para seales en tiempo continuo,

tambin en genral X e j se puede descomponer en partes par X e e j e impar X o e j :


e o +

( ) X (e ) = X (e ) + jX (e ) X (e ) = x(n ) cos n = [X (e ) + X (e )]
e j

siendo :

X o e j =

( ) x(n)senn = j[X (e ) X (e )]
n = 1 2 j j

n = +

1 2

ya que exp( jn ) = cosn jsenn Ahora bien, en el caso habitual en que x(n ) sea real, ha de cumplirse que : X e e j = X R e j ;

( )

( )

X o e j = X I e j

( )

( )

lo que viene a demostrar la simetra hermitiana de la TF de las seales discretas reales, ya enunciada :

X e j = X * e j

( )

( ) ( ) arg[ X (e ) ] = arg[ X (e ) ] S ( ) = X (e ) = S (e )
X e j = X e j
j j xx j 2 xx j

En la siguiente Tabla se encuentran resumidas las propiedades de simetra ms importantes

19

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

para cualquier seal x (n ) : x (n ) X e j


* * * *

Propiedade s de Simetra de la DTFT

Propiedade s de Simetra de la DTFT para x (n ) Real :

( ) x (n ) X (e ) x ( n ) X (e ) x (n ) [X (e )+ X (e )] jx (n ) [X (e ) X (e )] [x(n ) + x ( n )] X (e ) [x(n ) x ( n )] jX (e )
j j R 1 2 j * j I 1 2 1 2 * j * j R j 1 2 * I j

( ) ( ) X (e ) = X (e ) X (e ) = X (e ) X (e ) = X (e ) arg [X (e )] = arg [X (e )] [x (n ) + x ( n )] X (e ) [x (n ) x ( n )] jX (e )
X e j = X * e j
R I j R j j I j j j j j 1 2 1 2 R j I j

2.2.6. Propiedades y Teoremas de la DTFT.

Se pueden comprobar las siguientes propiedades y teoremas: Notacin : Superposicin : Conjugadas : x(n ) X e j

( ) ( )

a1x1 (n ) + a2 x2 (n ) a1 X1 e j + a2 X 2 e j x* (n ) X * e j

( )

( )

Desplazamiento en el tiempo : x(n l ) exp( jl )X e j Inversin en el tiempo : x( n ) X ( ) Traslacin en frecuencia : exp( j n ) x(n ) X e j ( 0 )
0

( )

Modulacin : Derivacin en frecuencia : Convolucin : Correlacin : Wiener - Khintchine :


2.2.7. Funciones elementales.

x(n )cos 0n nx(n ) j

x1 (n ) x2 (n ) X1 e j X 2 e j rx1 x2 rxx (n ) S xx ( )
1 2 1

( ) ( ) (n ) = x (n ) x ( n ) X (e ) X (e )
j

dX e j d

( )

1 2

[X (e (

j +0 )

)+ X (e ( ) )]
j

Las funciones elementales ms comnmente utilizadas son la funcin impulso unidad en tiempo discreto y la funcin escaln unidad. El impulso unidad viene a sustituir a la delta de Dirac, pero es un concepto ms sencillo y su uso matemtico menos complejo. Se define as:

(n)

u(n)

para n = 0 1 para n 0 0 Igual que la delta de Dirac, (n) tiene la propiedad: x(n) = x(n) * (n)

(n ) =

20

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

El escaln unidad o escaln simplemente se define como: 1 u (n ) = 0 para n 0 para n < 0 u (n ) = (n m )


m =0

Igual que en tiempo continuo, se pueden definir la funcin signo y la funcin pulso, pero tienen algunas peculiaridades: la funcin signo se define con valor 1 para n positivo, -1 para n negativo y 0 para n = 0. La funcin pulso no se centra en el origen a no ser que el nmero de muestras sea impar. Resultan tiles tambin algunas otras funciones, tales como:

Funcin rampa unidad Funcin exponencial :

n u r (n ) = 0 an

para n 0 para n < 0

2.2.8. Transformada Discreta de Fourier (DFT)

Hasta ahora se han visto diversas formas de estimacin espectral dependiendo de la naturaleza de las seales, si se trata de funciones en tiempo continuo o en tiempo discreto o si son peridicas o aperidicas. Quiz convenga recapitular en este punto algunas consideraciones: - Las seales en tiempo continuo tienen espectros aperidicos. - Las seales en tiempo discreto tienen espectros peridicos. - Las seales peridicas tienen espectros discretos. - Las seales aperidicas tienen espectros continuos. La discretizacin y digitalizacin de las seales o el muestreo es el recurso fundamental para poder procesar seales mediante un computador o procesador digital, ya que con ello se consigue convertir las seales en secuencias de nmeros. Es a esto a lo que realmente se denomina Procesado Digital de Seal (DSP) y que tanta relevancia ha cobrado en los ltimos aos. Pero como se ha visto y se acaba de sealar, slo las seales peridicas tienen espectros discretos, de forma que la DTFT o Transformada de Fourier de seales aperidicas en tiempo discreto da lugar a funciones continuas que no son fcilmente tratables mediante computador a no ser que se discreticen. Este es justamente el propsito de la Transformada Discreta de Fourier (DFT).

Supngase que x(n ) es de longitud limitada L. En este caso la TF ser : X e j =

( )

L 1 n =0

x(n )exp( jn )

Si muestreamos X e j con muestras equiespaciadas, se puede hacer : 2k k = k = 0, 1, 2, , N 1 siendo N L el nmero de muestras por periodo. N 2k L 1 2k N ( ) X e = X k = x(n )exp j n k = 0, 1, 2, , N 1 N = n 0

( )

21

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Ya que N L s puede extender por conveniencia la TF hasta N : X (k ) = x(n ) =


N 1

1 N

n =0 N 1 k =0

j x(n)exp N

kn kn

k = 0, 1, 2, , N 1 n = 0, 1, 2, , N 1

j X (k )exp N

2 N y haciendo exp j = WN = 1 , se puede escribir : N X (k ) = x(n ) =


N 1 n =0 N 1 kn x(n)WN

k = 0, 1, 2, , N 1

1 kn n = 0, 1, 2, , N 1 X (k )WN N k =0 Realmente, el hecho de haber discretizado el espectro resulta equivalente a haber convertido la seal x(n) en una seal peridica xp(n), haciendo que x(n) se repita cada N muestras. Por eso es importante que N sea superior a la longitud L de la secuencia x(n), pues de lo contrario, existira solapamiento entre los sucesivos perodos y ya no se podra recuperar x(n) a partir de xp(n).
x p (n ) =

r =

x(n rN )

En efecto, si se comparan las expresiones de la DFT con las que se obtuvieron para las DTFS, se puede comprobar que son idnticas.
2.2.9. Ejemplo de DFT: Pulso Rectangular.

Se tiene un pulso rectangular de 9 puntos. La DFT la hacemos para N = 80 puntos, tal como se ve en la figura.
2 X (k ) = x(n ) exp j nk = N n =0
N 1 L 1

Seal

0.5

0 8 6

10

20

30

40

50

60

70

80

( ) 2 N = = exp j nk = N 1 exp( jk 2 ) N sen (k 9 ) 80 = exp( jk ) 10 sen (k ) 80


1 exp jk 2L
n =0

Mdulo

4 2 0 4 2 0 10 20 30 40 50 60 70 80

Fase

0 2 4 0 10 20 30 40 50 60 70 80

2.2.10. Convolucin Circular.

Cuando se aplica la DFT de N puntos, se puede comprobar que la DFT-1 del producto de dos funciones en el dominio de la frecuencia no se corresponde con la convolucin lineal de las correspondientes seales en el dominio del tiempo. Lo que resulta, sin embargo, es la denominada convolucin circular que se define de la siguiente forma:
x1 (n ) N x2 (n ) = x (m ) x ((n m ))N m
1 2 =0

N 1

donde x((n ))N x(n, mdulo N )

Al igual que la convolucin lineal, la convolucin circular es conmutativa, distributiva y asociativa respecto a la suma. 22

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

2.2.11. Propiedades de simetra de la DFT.

Son similares a las vistas para la DTFT, pero con las diferencias inherentes a la traslacin circular. En estas circunstancias, para secuencias de N puntos se tiene:
Inversin temporal : x(( n ))N = x( N n ) x(n ) = x( N n )

Funcin circularmente par : Funcin circularmente impar :

x(n ) = x( N n )

En la tabla que se da a continuacin se encuentran las principales propiedades de simetra de la Transformada Discreta de Fourier. Propiedades de Simetra de la DFT para cualquier seal x(n ) : x(n ) X (k ) x * (n ) X * ( N k ) x ( N n ) X (k )
* *

Propiedades de Simetra de la DFT para x(n ) Real :

X (k ) = X * ( N k )

X R (k ) = X R ( N k )
*

x R (n )
I
1 2 1 2

[X (k ) + X (N k )] jx (n ) [X (k ) X ( N k )] [x(n) + x (N n)] X (k ) [x(n) x (N n)] jX (k )


1 2 1 2 * *

X I (k ) = X I ( N k ) X (k ) = X ( N k )

arg[ X (k )] = arg[X ( N k )]
1 2

[x(n ) + x(N n )] X R (k ) 1[ ( ) x n x( N n )] jX I (k ) 2

2.2.12. Propiedades y Teoremas de la DFT

Notacin : Periodicidad : Superposicin : Conjugadas :

x(n ) X (k ) x(n ) = x(n + N ) X (k ) = X (k + N ) a1 x1 (n ) + a 2 x 2 (n ) a1 X 1 (k ) + a 2 X 2 (k ) x * (n ) X * ( N k )

2 Desplazamiento en el tiempo : x((n l )) N exp j kl X (k ) N Inversin en el tiempo : x( N n ) X ( N k ) Traslacin en frecuencia : Convolucin circular : Correlacin circular : 2 exp j l n x(n ) X ((k l )) N N x1 (n ) N x 2 (n ) X 1 (k ) X 2 (k )
* * ( n ) X 1 (k ) X 2 (k ) x1 (n ) N x 2

Producto de dos secuencias : x1 (n ) x 2 (n ) Teorema de Parseval :

1 X 1 (k ) N X 2 (k ) N 1 N
k =0

n =0

x(n ) y * (n) =

N-1

X (k ) Y * (k )

N-1

23

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

2.2.13. Transformada Rpida de Fourier (FFT).

Como se ha podido ver, la transformada discreta de Fourier (DFT) es un proceso que involucra una cantidad de sumas y multiplicaciones de nmeros complejos. stas ltimas que son las que representan la mayor parte del costo computacional se producen en un nmero igual al cuadrado de la longitud de la secuencia a procesar (N2), de forma que los algoritmos capaces de aligerar esta carga son de gran importancia en el proceso digital de seales y se enmarcan en lo que se denomina Transformada Rpida de Fourier o FFT. Lo que se describe a continuacin es el algoritmo Danielson y Runga. El algoritmo consiste en separar la suma de la transformada en pares e impares y parte de la base de que el nmero de puntos es una potencia de dos: N = 2p con p entero. X (k ) = X (k ) =

x(n)W
n =0 N 2 n =0 n par

N 1

kn N

k = 0, 1, 2, , N 1

kn + x(n )WN

n =1 n impar

x(n)W x(2r
r =0
N 1 2

N 1

kn N

Haciendo el cambio de variable n = 2r en la suma de los pares y n = 2r + 1 en la de impres : X (k ) =

x(2r )
r =0

N 1 2

2 kr WN

k (2 r +1) + 1 WN

x(2r )
r =0

N 1 2

2 kr WN

k + WN

x(2r + 1)W
r =0

N 1 2

2 kr N

2 2 2 kr j = exp j WN 2kr = exp kr = WNkr 2 N N 2 X (k ) =

x(2r )W
r =0

N 1 2

kr
2

k + WN

x(2r + 1)W
r =0

N 1 2

kr
2

la primera de las sumas de la expresin anterior es la DFT de la secuencia formada por las muestras de ndice par de x(n), mientras que la segunda es la DFT de la secuencia formada por las muestras de ndice impar. Representaremos como G(k) la DFT de la secuencia de los N/2 puntos pares, y como H(k) la DFT de la secuencia de los N/2 puntos impares: En estas circunstancias, para realizar la DFT se puede emplear el esquema de la siguiente

G (k ) y H (k ) han de ser peridicas con periodo N 2 , para k > N 2 se puede hacer :


k X (k ) = G (k N 2 ) + W N H (k N 2 )

Pero con sto slo se han obtenido la mitad de las muestras de X (k ). Sin embargo, dado que k = N 2 , N 2 + 1, N 2 + 2, , N 1

k X (k ) = G (k ) + WN H (k )

k = 0, 1, 2, , N 2 1

figura, en la que las flechas que no llevan un peso asociado significa que el peso es igual a 1. En cada rama la variable se multiplica por su peso y se suman en los puntos de convergencia.

24

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

x(0) x(2) x(4) x(N-2) DFT de N/2 puntos

G(0) G(1) G(2) G(N/2-1)

W N0 W N1 W N2 WNN/2-1

X(0) X(1) X(2) X(N/2-1)

x(1) x(3) x(5) x(N-1) DFT de N/2 puntos

H(0) H(1) H(2) H(N/2-1)

WNN/2 WNN/2+1 WNN/2+2 WNN-1

X(N/2) X(N/2+1) X(N/2+2) X(N-1)

Una vez hecho esto, se puede repetir el mismo procedimiento con x(0), x(2), x(4), , x(N2) para obtener G(0), G(1), G(2), , G(N/2-1), as como con x(1), x(3), x(5), , x(N-1) para obtener H(0), H(1), H(2), , H(N/2-1). De esta forma, cada uno de los bloques generadores de DFT de la figura quedaran convertidos en un esquema anlogo al de la figura completa, cuyos bloques, a su vez, tendran longitud N/4. Realizando esta sustitucin sucesivamente, el algoritmo para la realizacin de FFT seguira el esquema de la siguiente figura:
x(0) X(0)

x(4)

X(1)

x(2)

X(2)

r WM

x(6)

X(3) (r+M/2) WM

x(1)

X(4)

x(5)

X(5)

x(3)

X(6)

x(7)

X(7)

en la que la estructura bsica es la que se ha aislado a la derecha y que recibe el nombre de mariposa, donde le subdice M de W representa la fraccin de N que corresponde a la etapa donde se encuentre.

25

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Conviene recalcar que el orden en que aparecen las entradas es el resultado de hacer un barajado perfecto del orden primitivo y ste se obtiene fcilmente escribiendo al revs los bits del nmero de orden en binario. Esto es, por ejemplo, en el caso de la figura con N = 8: 000 001 010 011 100 101 110 111 000 100 010 110 001 101 011 111 0 1 2 3 4 5 6 7

Es posible todava realizar mejoras sensibles en el algoritmo descrito. En efecto, si se observan los pesos que aparecen en la mariposa:

2 M (r + M ) r r r exp j = WM exp( j ) = WM WM 2 = WM 2 M Por consiguiente, la mariposa puede ser sustituida ms eficiente mente por otra con la estructura de la figura que se ve a continuacin:

r WM


r WM

(r+M/2) WM

-1

evidentemente, el factor 1 tambin representa una multiplicacin, pero no es compleja y slo consiste en un cambio de signo, con lo cual, dos multiplicaciones complejas se ha reducido a solamente una.

x(0) W20 -1 x(2) W20 -1 x(1) W20 -1 x(3) W20 -1 W40 -1 x(7) W41 -1 W83 -1 W82 -1 W40 -1 x(6) W41 -1 W80 -1 x(5) W81 -1

X(0)

x(4)

X(1)

X(2)

X(3)

X(4)

X(5)

X(6)

X(7)

En la figura se han sealado todos los factores, sin embargo, si se tiene en cuenta que
0 WM = 1;

del diagrama desaparecen W20 , W40 y W80


26

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

A medida que la longitud de la cadena N se hace mayor, la proporcin de factores que se reducen a la unidad disminuye. As pues, en un caso general se puede afirmar que el nmero de multiplicaciones complejas que representa la mayor parte de la carga computacional del algoritmo descrito para FFT, es inferior a

N log 2 N 2

lo que representa una importante reduccin puesto que inicialmente era N 2 .

2.3. Sistemas Discretos.

Un sistema discreto es un transformacin u operador que asigna a una secuencia de entrada x(n) una secuencia de salida y(n). Las caractersticas de los sistemas que se ven a continuacin son prcticamente una repeticin de lo que se vio para sistemas analgicos.
2.3.1. Sistemas Lineales e Invariantes en el Tiempo (LTI).

Esto es, si x(n ) es la seal de entrada, la seal de salida y (n ) vendr dada por : y (n ) = T [x(n )]
x(n) T[ ]

y(n)

Un sistema se dice que es real si siendo x(n ) real y (n ) tambin es real Un sistema se dice que es lineal si : T [a1 x1 (n ) + a2 x2 (n )] = a1 T [x1 (n )] + a2 T [x2 (n )] Un sistema se dice que es invariante en el tiempo si : T [x(n nd )] = y (n nd ) Un sistema se dice que es causal si siendo x(n ) = 0 para n < 0 y (n ) = 0 para n < 0

En efecto, si x (n ) es la entrada del sistema L[

h (n ) = L[ (n )]

]:

+ + y (n ) = L[x (n )] = L[x (n ) (n )] = L x (m ) (n m ) = {lineal} = x (m ) L[ (n m )] = m = m =

= {invariante temporal } =

Lo que deja claro que con la respuesta al impulso h (n ) es posible obtener la respuesta a cualquier funcin de entrada. Si adems se toma en ambos mienbros la transform ada de Fourier (DTFT) :

m =

x(m ) h(n m ) =x(n ) h(n )

h1(n)

h2(n)

H1()

H2()

Y ( ) = X ( ) H ( ) donde H ( ) = TF [h (n )] es la Funcin de Transferen cia del sistema.

h1(n)* h2(n)

Esta circunstan cia pone de manifiesto que las funciones de H1() H2() transfere ncia en cascada se multiplica n como indica la figura. Si un sistema es lineal e invariante en el tiempo (para distinguirlo L[ ] ), quedar completamente caracterizado por su respuesta al impulso unidad:

Se denomina sistema BIBO (Bounded input Bounded output) a todo sistema tal que a cualquier secuencia acotada de entrada responde con una secuencia acotada de salida. Un sistema BIBO es estable si y slo si
S=

n =

h(n)

es finito.

27

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Una subclase importantsima de los sistemas LTI son los que se caracterizan por una ecuacin en diferencias finitas con coeficientes constantes:

a y(n k ) = a y(n r )
k =0 k r =0 r

a0 0

2.3.2. Transformada z.

La Transformada z juega para los sistemas discretos el mismo papel que la transformada de Laplace para los sistemas analgicos. Si se introduce a la entrada de un sistema LTI una secuencia exponencial de la forma: x(n ) = z n se tendr, siendo h(n ) la respuesta al impulso del sistema en cuestin :
m = + m =

y (n ) = x(n ) h(n ) = Llamando H ( z ) =

h(m)z

nm

=z

m =

h(m)z m

h(m)z m

y (n ) = z n H ( z )

luego la respuesta a una funcin exponencial, sea cual fuere el sistema LTI, es otra funcin exponencial cuyo mdulo y fase depende del sistema. Si se hace z = exp( j ), se obtiene la respuesta en frecuencia : y (n ) = exp( jn )H e j Se define la Transformada z de la siguiente forma :

( )

[x(n )] =

Si se hace aqu de nuevo la sustitucin z = exp( j ), se llega a la misma expresin que la Transformada de Fourier (DTFT) : Y e j =

n =

x(n)z n

( )

n =

x(n)exp( jn)

As pues, como suceda con la TL, la Transformada z (Tz) se puede considerar como una extensin de la TF a todo el plano complejo: rexp(j). Por esta razn se ha empleado la siguiente notacin en seales y sistemas discretos X(ej) pues de esta forma se pone de manifiesto la particularizacin que se lleva a cabo en la Tz para obtener la TF. Im[z] En la disposicin sobre el plano complejo existen diferencias sustanciales entre la TL y la Tz. Como se puede observar en 1 la figura, cuyos ejes son la parte real de z y la parte imaginaria Re[z] de z, cuando se representa el dominio particular de la frecuencia: z = exp(j) lo que se dibuja es la circunferencia de radio unidad representada con linea discontinua en la figura. No es sta uno de los ejes como suceda con la TL. Esto confirma la naturaleza peridica del espectro de las funciones discretas. Naturalmente, la TF existir siempre y cuando la circunferencia de radio unidad se encuentre dentro de la regin de convergencia (RdC) de la Tz. 28

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Como ejemplo, considerese la siguiente funcin: x(n ) = a n

a que no converge para ningn valor de z. n = n = z Sin embargo, la misma funcin, haciendo x(n ) = 0 para t < 0 (secuencia a derechas ) :
X (z ) = [x(n )] = a n =
n

[ ] a
+ + n

z n =

para z a n a z X (z ) = a u (n ) = a z = = 1 = para z > a z n =0 n =0 1 a za z luego la RdC en este caso es z > a. Im[z] En la figura se ha representado esta RdC para par un valor de a < 1, caso en el que la circunferencia de radio unidad RdC se encuentra dentro de la RdC existe la TF. a 1 Ahora bien, si por lo contrario, la secuencia existiera para n < 0 pero fuera 0 para n 0 (secuencia a izquierdas), la RdC sera entonces la complementaria a la del caso anterior, como se ve a continuacin y se representa en la figura, donde tambin en este caso se ha elegido un valor de a tal que la RdC incluya la circunferencia de radio 1: Im[z]

( )

Re[z]

X (z ) = a u ( n 1) =
n

] a
n = 1

a = = n =1 z

RdC

para z a z = 1 para z < a = a 1 a z z

1 a Re[z]

( )

Im[z]

En ambos casos la funcin de transferencia tiene un polo (lugar donde la funcin se hace infinita el denominador se hace 0) en z = a. Los polos se han sealado con un aspa en cada figura. Sin embargo, la secuencia a derechas converge en el exterior de la circunferencia que, con centro en el origen, pasa por el lugar del polo. Por lo contrario, la secuencia a izquierdas converge en el interior de dicha circunferencia.

1 b Re[z]

La RdC de una suma de funciones es como mnimo la interseccin de las RdC de cada una de las funciones. As pues para una secuencia de la forma
x(n ) = a n u (n ) + b n u ( n 1) X (z ) = Segn lo visto, su Tz ser la siguiente : z z RdC : a < z < b (ver figura ) z a z b puesto que la RdC del primer sumando es z > a y la del segundo z < b.

29

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

La transformada z inversa se puede obtener mediante la integracin a lo largo de una linea cerrada que encierre al origen de coordenadas, de la siguiente expresin: x(n ) = 1 X ( z )z n1 dz C 2j

Sin embargo, ta Tz inversa rara vez se lleva a cabo mediante esta integral. Lo ms normal es hacer uso tablas de transformadas junto con las propiedades de al Tz que se dan a continuacin, y la descomposicin de las expresiones racionales en fracciones parciales mediante el desarrollo de Heaviside. Dado que las ecuaciones en diferencias finitas con coeficientes constantes siempre dan lugar a expresiones racionales, la descomposicin en fracciones resulta el procedimiento ms usado. No obstante, puesto que es deseable que las fracciones parciales queden en la forma Kz/(z-a) debido a que su (Tz) 1 es una funcin exponencial como se acaba de ver, y no en la forma del desarrollo de Heaviside K/(z-a), el procedimiento consistir en realizar dicho desarrollo no sobre la funcin X(z) cuya (Tz) 1 se pretende obtener, sino sobre X(z)/z. Volviendo a la RdC, se puede deducir que la RdC de una secuencia a derechas ser el exterior de la circunferencia que, con centro en el origen de coordenadas, pase por el polo ms distante del mismo. En efecto, que si se hace la descomposicin en fracciones parciales, resulta una suma de funciones, cada cual con RdC establecida por sus respectivos polos. El exterior de la mayor circunferencia es la interseccin de dicahs regiones. En el caso de secuencia a izquierdas, la RdC sera el interior de la circunferencia que pase por el polo ms cercano al origen. Si fuese suma de secuencias unas a derechas y otras a izquierdas, habra que separar unas de otras y hacer la interseccin de las regiones de convergencia de ambas partes.
2.3.3. Propiedades de la Tz.

A continuacin se presenta una tabla resumen de las propiedades de la Tz. En dicha tabla se seala tambin la RdC asociada.
x(n ) X ( z ) Superposicin : Despl. en el tiempo : Escalado en dominio z : RdC : r2 < z < r1 a1x1 (n ) + a2 x2 (n ) = a1 X 1 ( z ) + a2 X 2 ( z ) RdC : RdC1 RdC 2

x(n k ) z k X ( z ) RdC : a n x(n ) X a 1z


1

( ) RdC : a r < z < a r 1 1 Inversin temporal : RdC : x( n ) X (z ) < z < r r Conjugados : x (n ) X (z ) RdC : r < z < r Parte real : Re [x(n )] [X ( z ) + X (z )] RdC : Incluye a r < z < r Parte imaginaria : Im [x(n )] [X ( z ) X (z )] RdC : Incluye a r < z < r
2 1 1 2

k > 0 la de X ( z ) excepto z = 0 k < 0 la de X ( z ) excepto z =

1 2

1 2

30

Arquitecturas para el Tratamiento de Seal e Imagen Anlisis en Frecuencia de Seales y Sistemas J. Gutirrez Ros

Diferenciacin en z : Convolucin :

Correlacin : x1 (n ) x2 ( n ) X 1 ( z ) X 2 z 1 Teorema del valor final :

dX ( z ) dz x1 (n ) x2 (n ) X 1 ( z ) X 2 ( z ) nx(n ) z

RdC : r2 < z < r1 RdC : Como mnimo RdC1 RdC 2 RdC : Como mnimo RdC1 RdC 2
z

Teorema del valor inicial : Si x(n ) es causal x(0 ) = lim X ( z )

( )

z 1 X ( z ) Si los polos de X ( z ) estn dentro del crculo unidad : lim x(n ) = lim n z 1 z

Algunos pares tiles de Transforma das z (n ) 1 RdC : Todo z (n k ) z k u (n ) z z 1 RdC : z >0 z < si k > 0 si k < 0

RdC : z > 1 z z 1 RdC : z < 1 RdC : z > a z za RdC : z < a RdC : z < 1 z sen 0 z 2 z cos 0 + 1
2

u ( n 1) a n u (n )

z za

a n u ( n 1) n u (n ) z (z 1)2

(sen 0 n )u (n ) (cos 0 n )u (n )

RdC : z < 1 RdC : z < 1

z 2 z cos 0 z 2 2 z cos 0 + 1

31