Procesamiento Digital de Seales

Trabajo colaborativo Paso1

Presentado
Por
Larry Jess Palomares
Eduar Garzn
Agustn Francisco Montao De La Cruz -16510542
Jorge Alberto Garzn Rendn -14697186
Grupo-299004_19
Presentado a
Ana Isabel Bolaos

Universidad Nacional Abierta Y A Distancia (Unad)

Escuela De Ciencias Bsicas, Tecnologa E Ingeniera
Ingeniera Electrnica
Cead Palmira

Fecha De Presentacin
Marzo Del 2015

INTRODUCCION

En este trabajo se desarrollara una serie de ejercicios matemticos con transformada z e

inversa para representar seales en el tiempo en forma discreta, se dar aplicabilidad a el
software de simulacin Matlab, una poderosa herramienta que nos mostrara mediante
comandos las representacin de seales en forma grfica.

1.
CUADRO COMPARATIVO
PROCESAMIENTO ANALGICO DE
PROCESAMIENTO DIGITAL DE
SEALES
SEALES
Caracterstica
s

>Utiliza magnitudes con valores continuos en el

tiempo.
>Combina dispositivos creados para manipular
cantidades fsicas que estn representadas en
forma analgica.
>Utilizan voltajes o corrientes que varan
continuamente.

Ventajas

> An existen reas en las que la solucin

analgica sigue siendo preferible.
> El amplificador operacional o ideal sigue
mejorando y sus defectos han sido
minimizados.
> Reducido tamao de los transistores, lo cual
mejora la velocidad de respuesta.

Desventajas

> Presentan eco en las lneas de

comunicaciones
> Requiere repetidores para optimizar el
transporte de las seales.
>No es posible predecir el comportamiento
preciso de un circuito analgico.
>Requiere de componentes a bajo costo, pero
la construccin de los equipos requiere de
mayor tiempo, diseo y pruebas de
funcionamiento.
>La compresin siempre tiene perdida de
informacin.

> Utiliza magnitudes con valores

discretos
> Combina dispositivos creados para
manipular cantidades fsicas que estn
representadas en forma digital.
> Utilizan cdigos binarios o de 2
estados.
> Rapidez, procesamiento en tiempo
real.
>Facilidad para almacenamiento y
recuperacin de datos.
>Permite la construccin de filtros de
fase lineal y de ranura, que tienen una
amplia aplicacin.
> Repetibilidad
> Elevada estabilidad trmica
> Reprogramabilidad
> Adaptacin
> Transmisin de datos y
almacenamiento
> Compresin de datos
>Permiten programarse para detectar
cambios de sus componentes y ajustarse
automticamente.
>Fidelidad en la reproduccin,
disminuyendo al mximo el ruido.
> Elevado costo de equipos necesarios
para la digitalizacin de seales.
> Existen limitantes para los DSP.
>Ocupa mayor ancho de banda para
cada procesamiento, por lo cual
requieren conversores con mayores
velocidades de muestreo.
>Son limitados para aplicaciones de
control, ya que requieren de amplio
conocimiento y cuidadoso diseo.

2 Ejercicio 2. Determine la convolucin de la secuencia

[] = {1, 10 20
0,
Con
[] = {, 5 5
0, o
Aplicamos la frmula:

f Indx . min

f g ( n )=

f ( m ) g ( ( mn ) ) ; n [ f Indx . min+ g Indx . min , f Indx .max + g Indx . max ]

m=f Indx .max

xIndx. min

xh ( n ) =

x ( k ) h (( k n ) ) ; n [ x Indx .min+ h Indx . min , x Indx . max+ h Indx . max ]

k=x Indx .max

x=10,20

h= -5,5

xIndx .min=10

h Indx. min=5

x Indx . max=20

h Indx . max=5

20

xh ( n ) = x ( k ) h (( k n ) ) ; n [ 10+ (5 ) , 20+5 ]
k=10

20

xh ( n ) = x ( k ) h (( k n ) ) ; n [ 5, 25 ] intervalodominio de la secuencia
k=10

X=[10,11,12,13,14,15,16,17,18,19,20]

g= [-5,-4,-3,-2,-1, 0,1,2,3,4,5]

PARA AVERIGUAR LA SECUENCIA DE CONVOLUCION UTILIZAMOS EL MTODO DE

MALLA

MTODO DE MALLA
n=

1
0
1

1
1
1

1
2
1

1
3
1

1
4
1

1
5
1

1
6
1

1
7
1

1
8
1

1
8
1

2
0
1

-15

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

5
4
3
2
1
0

-14

-12

-9

-5

1
2

1
4

1
5

1
5

1
4

1
2

X(
n)
-5
-9
-12
-14
-15

H(n)
=
-5
-4
-3
-2
-1
0

La secuencia de convolucin
es:

f g=[-5,-9,-12,-14,-15,-15,-14,-12,-9,-5, , -0,5,9,12,14,15,15,14,12,9,5] RESPUESTA

Ejercicio 2b.
Encuentre la convolucin de las siguientes dos secuencias de longitud finita:
[] = 0.5{[] [ 6]}
[] = 2 ( 2) { [ + 3] [ 4]}

[] = 0.5{[] [ 6]}

[]

1
0.5

Para valores de 1
X[n]=0.5*n*(u(n)-u(n-6))
x[1]=0.5*(1)*(u(1)-u(1-6))
x[1]=0.5*(u(1)-u(-5))
x[1]=0.5*1-0
x[1]=0.5*1-0
x[1]=0.5

para valores de 2
X[n]=0.5*n*(u(n)-u(n-6))
X[2]=0.5*(2)*(u(2)-u(2-6))
X[2]=1*(u(2)-u(-4))
X[2]=1*1-0

2
1

3
1.5

4
2

5
2.5

X[2]=1

para valores de 3
X[n]=0.5*n*(u(n)-u(n-6))
X[3]=0.5*(3)*(u(3)-u(3-6))
X[3]=0.5*(3)*(u(3)-u(-3))
X[3]=1.5*(1-0)
X[3]=1.5*1
X[3]=1.5

Para valores de 4
X[n]=0.5*n*(u(n)-u(n-6))
X[4]=0.5*(4)*(u(4)-u(4-6))
X[4]=2*(u(4)-u(-2))
X[4]=2*(u(4)-u(-2))
X[4]=2*(1-0)
X[4]=2*1
X[4]=2

Para valores de 5
X[n]=0.5*n*(u(n)-u(n-6))
X[5]=0.5*(5)*(u(5)-u(5-6))
X[5]=2.5*(u(5)-u(-1))

X[5]=2.5*(u(5)-u(-1))
X[4]=2.5*(1-0)
X[4]=2.5*1
X[4]=2.5

[] = 2 ( /2) { [ + 3] [ 4]}
N
[]

-3
-0.16

-2
-0.10

-1
-0.05

[] = 2 ( /2) { [ + 3] [ 4]}

Valores para -3
[] = 2 ( /2) { [ + 3] [ 4]}
[-3] = 2 ( -3 /2) { [-3 + 3] [ -3 4]}
[-3] = 2 ( -3 /2) { [0] [-7]}
[-3] = 2 ( -3 /2) {1 0}
[-3] = 2 ( -4.71) {1 }
[-3] = 2( -0.08)
[-3] = -0.16

Valores para -2
[] = 2 ( /2) { [ + 3] [ 4]}
[-2] = 2 ( -2 /2) { [-2 + 3] [ -2 4]}
[-2] = 2 ( -2 /2) { [1] [-6]}

0
0

1
0.05

2
0.10

3
0.16

 [-2] = 2 ( -3.14) /2) {1 0}

[-2] = 2 ( -3.14) {1 }
[-2] = 2( -0.05)
[-2] = -0.10

Valores para -1
[] = 2 ( /2) { [ + 3] [ 4]}
[-1] = 2 ( -1 /2) { [-1 + 3] [ -1 4]}
[-1] = 2 ( -1 /2) { [2] [-5]}
[-1] = 2 ( -1(3.14) /2) {1 0}
[-1] = 2 ( -1.57) {1 }
[-1] = 2( -0.0273)
[-1] = -0.05

Valores para 0
[] = 2 ( /2) { [ + 3] [ 4]}
[0] = 2 ( 0 /2) { [0 + 3] [ 0 4]}
[0] = 2 ( 0 /2) { [3] [-4]}
[0] = 2 ( 0(3.14) /2) {1 0}
[0] = 2 ( 0) {1 }
[0] = 2(0)
[0] = 0
Valores para 1
[] = 2 ( /2) { [ + 3] [ 4]}

 [1] = 2 ( 1 /2) { [1 + 3] [ 1 4]}

[1] = 2 ( 1 /2) { [4] [-3]}
[1] = 2 ( 1(3.14) /2) {1 0}
[1] = 2 (1.57) {1 }
[1] = 2(0.0273)
[1] = 0.05

Valores para 2
[] = 2 ( /2) { [ + 3] [ 4]}
[2] = 2 ( 2 /2) { [2 + 3] [ 2 4]}
[2] = 2 ( 2 /2) { [5] [-2]}
[2] = 2 ( 3.14) /2) {1 0}
[2] = 2 ( 3.14) {1 }
[2] = 2(0.05)
[2] = 0.10

Valores para 3
[] = 2 ( /2) { [ + 3] [ 4]}
[3] = 2 ( 3 /2) { [3 + 3] [ 3 4]}
[3] = 2 ( 3 /2) { [6] [-1]}
[3] = 2 ( 3 /2) {1 0}
[3] = 2 ( 4.71) {1 }
[3] = 2(0.08)
[3] = 0.16


1
[]
0.5
[] = 0.5{[] [ 6]}

2
1

3
1.5

4
2

5
2.5

[] = 2 ( 2) { [ + 3] [ 4]}
N
[]

-3
-0.16

-2
-0.10

-1
-0.05

0
0

1
0.05

2
0.10

3
0.16

PARA AVERIGUAR LA SECUENCIA DE CONVOLUCION UTILIZAMOS EL MTODO DE

MALLA

MTODO DE
MALLA

n=

X(n)

0.5

1.5

2.5

H(n)=

-0.08

-0.08

-0.16

-0.24

-0.32

-0.4

-0.16

-3

-0.21

-0.05

-0.10

-0.15

-0.2

-0.25

-0.10

-2

-0.36

-0.02

-0.05

-0.07

-0.1

-0.12

-0.05

-1

-0.52

-0.65

0.02

0.05

0.07

0.1

0.12

0.05

-0.25

0.05

0.10

0.15

0.2

0.25

0.10

0.13

0.08

0.016

0.24

0.32

0.4

0.16

0.13

0.26

0.56

0.57

0.4

Secuencia de convolucion:

f g=[-0.08 , -0.21, -0.36, -0.52, -0.65, -0.25, 0.13, 0.13, 0.26, 0.56, 0.57, 0.4] RESPUESTA

3 Encuentre la correlacin entre las secuencias

X [ n ] =u [ n ] u [ n6 ] y
h [ n ] =u [ n2 ] u [ n5 ]

La correlacin entre las seales

x [ n ] y h [ n]

se representa como

r xh [ l ] , y se

halla mediante la ecuacin

r xh [ l ] = x [ n ] h [ nl ]
n=

Las seales x [ n ] y h [ n ]
con una flecha el lugar de

se pueden escribir en forma de vectores, indicando

n=0
x [ n ]= [ 1 11 11 1 ]
h [ n ] =[ 0 0 11 1 ]

Para

l=0 :
1 1 1 1 1 1
0 0 1 1 1
0 0 1 1 1 0
r xh [ 0 ] =3

Para

l=1 :

1 1 1 1 1 1
0 0 1 1 1
0 0 0 1 1 1

r xh [ 1 ] =3

Para

l=2 :
1 1 1 1 1 1
0 0 1 1
0 0 0 0 1 1
r xh [ 2 ] =2

Para

l=3 :

1 1 1 1 1 1
0 0 1
0 0 0 0 0 0
r xh [ 3 ]=1
Para

l=4 :
1 1 1 1 1 1
0 0
0 0 0 0 0 0
r xh [ 4 ] =0

Para

l=1 :

1 1 1 1 1 1
0 1 1 1
0 1 1 1 0 0
r xh [1 ] =3
Para

l=2 :
1 1 1 1 1 1
1 1 1

1 1 1 0 0 0
r xh [1 ] =3
Para

l=3 :
1 1 1 1 1 1
1 1
1 1 0 0 0 0
r xh [3 ] =2

Para

l=4 :

1 1 1 1 1 1
1
1 0 0 0 0 0
r xh [4 ] =1
Por lo tanto, la correlacin entre las seales x [ n ] y h [ n ]
r xh [ l ] [ 1 23 3 3 3 21 ]

x [ 1 ] =2
x [ 0 ]=1

es:

x [ 1 ] =0.5
x [ 2 ] =0.25
x [ 3 ] =0.125
x [ 4 ] =0.0625
x [ 5 ] =0.03124
y [ 0 ] = y [1 ] y [2 ] +0.5 x [ 0 ] +0.5 x [1 ]
y [ 0 ] =0.750.25+0.5+0.52=2
y [ 1 ] = y [ 0 ] y [ 1 ] +0.5 x [ 1 ] +0.5 [ 0 ]
y [ 1 ] =20.75+0.50.5+0.51=2
y [ 2 ]= y [ 1 ] y [ 0 ] + 0.5 x [ 2 ] + 0.5 [ 1 ]
y [ 2 ]=22+0.50.25+0.50.5=0.37

y [ 3 ] = y [ 2 ] y [ 1 ] + 0.5 x [ 3 ] + 0.5 [ 2 ]
y [ 3 ] =0.3752+0.50.125+ 0.50.25=1.43
y [ 4 ]= y [ 3 ] y [ 2 ] + 0.5 x [ 4 ] + 0.5 [ 3 ]
y [ 4 ]=1.430.37+0.50.0625+0.50.125=1.72
y [ 5 ] = y [ 4 ] y [ 3 ] + 0.5 x [ 5 ] + 0.5 [ 4 ]

y [ 5 ] =1.72+1.43+0.50.03+0.50.0625=0.23
y [ 0 ] =2 y [ 1 ] =2 y [ 2 ] =0.37 y [ 3 ] =1.43 y [ 4 ] =1.72 y [ 5 ] =0.23

RTA/
a)

3
=3 =2 f e ntonces f = =1.5 hz
2

2 f max =3 hz y la frecuencia de muestreo es de 20 hz por lotanto no hay aliasing

b)

T=

1
=0.05 s
20

t 1=0.05t 2=0.1 t 3=0.15 t 4=0.2 t 5=0.25 t 6=0.3

x ( 0.05 )=2 cos(3 ( 0.05 ))=1.78

x ( 0.1 ) =2cos ( 3 ( 0.1 ) ) =1.75

x ( 0.15 )=2 cos ( 3 ( 0.15 )) =0.31
x ( 0.2 ) =2cos ( 3 ( 0.2 ) ) =0.61

x ( 0.25 )=2 cos ( 3 ( 0.25 )) =1.41

x ( 0.3 )=2 cos ( 3 ( 0.3 ) )=1.92
c)

x [ n ]=2cos 3

n
3 n
=2 cos
=2cos ( 0.15 n )
fm
20

( )

Para un retraso de 4 periodos

t 4
= =T
4 fm

x [ n ]=2cos 3

4n
=2cos ( 0.6 n )
20

x [ n ]= { 2,1, 3 }
x [ 0 ]=2, x [ 1 ]=1, x [ 2 ] =3
2

1
ak = x [ n ] e
3 n=0

jk 2 n
3

K=0
a0 =

1
x[0]e
3

j 02 0
3

+ x [1 ] e

j 02 1
3

+ x [2 ] e

j 02 2
3

a0 =

1
{2 e0 1+ 3 e0 }= 1 { 21+3 }= 4
3
3
3

a1=

1
x [ 0] e
3

a1 =

1
2e
3

{
{

j020
3

j02 0
3

1
a1= 21 e
3

a1 =

+ x [1 ] e

1 e

j2
3

j 02 1
3

+3 e

j 4
3

j 02 1
3

+3 e

+ x [ 2] e

j 02 2
3

j 02 2
3

) ((

1
2
2
4
4
21 cos jsen +3 cos jsen
3
3
3
3
3

)}

( 0.5 ) j (0.86 ) }
(0.5 ) j0.86+ 3
1
a 1= {21
3
1
a1= {1+3.44 i }=0.33+ j 1.115
3

1
a2= x [ 0 ] e
3

j 22 0
3

j4
3

+ x [ 1] e

j8
3

j 22 1
3

+ x [ 2] e

j 22 2
3

a2 =

1
21 e
3

a2=

1
4
4
8
8
21 cos jsen +3 cos jsen
3
3
3
3
3

{ (

+3 e

( )

( )) ( ( )

( ))}

1
a2= {21 ( (0.5 ) j (0.86 ) ) +3 ( (0.5 )) j 0.86 }
3
a2=0.33 j1.15
4
a0 = , a1=0.33+ j1.15, a2=0.33 j1.15
3
Aplicamos la transformada inversa
2

ak =

1
x[n]e
3 n=0

1
x 0= x [ 0 ] e
3

jk 2 n
3

j 02 0
3

+ x [1 ] e

j 02 0
3

+ x [ 2] e

j 02 0
3

x 0=

1 4
1
+ ( 0.33+ j 1.15 ) + ( 0.33+ j1.15 ) = {2 }=0.66
3 3
3

x 1=

1
x [0 ] e
3

j 02 1
3

+ x [ 1] e

1 4
x 1=
+ ( 0.33+ j 1.15 ) e
3 3

j 02 1
3

j2
3

+ x [ 2] e

j02 1
3

+ ( 0.33 j 1.15 ) e

j4
3

4
2
2
4
4
+ ( 0.33+ j1.15 ) cos + jsen +0.33 j 1.15 cos + jsen
3
3
3
3
3
1
x 1= { }
3

( ( ) ( )

1
x 1= {1.01 }=0.33
3

)(

x 2=

1
x [0 ] e
3

j 02 2
3

+ x [ 1] e

0.33+1.15 e
4
e
3

j0
3

j 02 2
3

+ x [ 2] e

j 02 2
3

j8
3

+(0.33+1.15) e

j4
3

1
x 1=
3

(cos 83 + jsen 83 )}
1 4
4
4
x = { + ( 0.33+ j 1.15 ) ( co s + jsen )+(0.33 j 1.15)
3 3
3
3
2

1
x 2= ( 3.00049 )=1.00016
3

Ejercicios Practicos en Matlab

CODIGO FUENTE EN MATLAB

a=[1 -0.5 0.25 0];
b=[1 2 0 1];
n=1:100;x=(n==1);
y=filter(b,a,x);
figure(1);
stem(y(1:30));

Para 30 muestras

CODIGO FUENTE EN MATLAB

a=[1 -0.5 0.25 0];
b=[1 2 0 1];
n=1:100;x=(n==1);

y=filter(b,a,x);
figure(1);
stem(y(1:100));

Para 100 muestras

CONCLUSIONES

Podemos concluir que mediante la aplicacin de herramientas matemticas como

transformada z en inversa, transformada rpida de Fourier se puede representar seales
discretas, solo basta con obtener una muestra de determinada seal para conocer mediante
transformada rpida de Fourier y tcnicas de muestreo toda la seal completa.
La poderosa herramienta y software Matlab nos sirve para convertir las ecuaciones que se
agregan por medio de comandos en seales graficas brindndonos de qu forma se
comporta determinada seal.

REFERENCIAS BIBLIOGRAFICAS

https://maixx.files.wordpress.com/2012/10/dsp_cap03_convolucion_11_02_01.pdf
http://datateca.unad.edu.co/contenidos/299004/2015A/Web_PDS_04Mar.pdf
http://datateca.unad.edu.co/contenidos/299004/2015A/ExplicacionDFT.pdf
http://datateca.unad.edu.co/contenidos/299004/2015A/ExplicacionRtaImpulso.pdf
http://datateca.unad.edu.co/contenidos/299004/2015A/ExplicacionCorrelacion.pdf