Procesamiento Digital de Señales: Introducción

PROCESAMIENTO DIGITAL DE
SEÑALES
Profesor:
Mg. Ing. Rafael Bustamante Alvarez
Introducción:
• El procesamiento digital de señales tiene su origen en los
años 60 con el empleo de las primeras computadoras
digitales.
• El desarrollo de la FFT (Fast Fourier Transform) data de
1967.
• La guerra fría y la carrera espacial.
• 1980 aparece el primer DSP
Mg.Ing Rafael Bustamante Alvarez
1
Procesamiento Digital de Señales
• CONCEPTO.- Es el conjunto de algoritmos lógico matemáticos
que se aplican a un conjunto de números (muestras) para obtener
ciertos parámetros de una señal digitalizada; ejm, frecuencia,
ancho de banda, filtraje digital, espectro de frecuencias,
compresión, etc. Es también considerada un área de la ingeniería
que se dedica al análisis y procesamiento de señales.
• Tipos de Procesamiento Digital de señales:
• PDS de TIEMPO REAL
• PDS de TIEMPO DIFERIDO.
• CAMPOSDEESTUDIODELPROCESAMIENTODIGITALDE
SEÑALES.
PDS VOZ : Síntesis (Conversión de texto a voz), codificación,
Reconocimiento de voz,
Compresión, Filtraje digital, Encriptación.
PDS AUDIO: Sintetizadores digitales, Filtros digitales, Compresión,
Formatos.
PDS IMÁGENES: Reconocimiento de Imágenes, Detección de
Bordes,Formatos
Digitales, Filtraje Digital, Visión Artificial.
PDS OTROS: Radares, Sonares, Telecomunicaciones, Electrónica de
consumo, BIOMEDICA.
2
PDS de Audio
Las freuencias audibles de los seres humanos que está entre los 20 y los
20.000 hercios (Hz), aproximadamente
Señales Bioléctricas
• Son aquellas señales eléctricas producidas en un organismo vivo en este caso en
el ser humano.
• Principalmente:
• ECG provenientes del corazón.
• EMG provenientes de los músculos.
• EEG provenientes del cerebro.
3
Onda ECG
Procesamiento de Imágenes
4
Procesamiento de Imágenes
• COMPARACIÓN ENTRE EL PROCESADO DIGITAL Y PROCESADO

ANALÓGICO.
PROCESADO ANALOGICO:
1.- La reconfiguración en un sistema analógico implica el rediseño de Hardware.
2.- Las tolerancia de los componentes hacen del diseño extremadamente difícil de controlar la
precisión.
3.- Es muy difícil hacer operaciones matemáticas sobre señales analógicas.
4.- Mayor costo.
PROCESADO DIGIGITAL
1.- Flexibilidad a la hora de efectuar las operaciones de reconfiguración.
2.- permite mejor control de precisión.
3.- Es muy rutinario.
4.- Bajo costo.
5
Redes Neuronales
• PDS en TIEMPO REAL.- Es el proceso mediante el

cual el sistema obtiene parámetros, o modifica la señal a
la salida del sistema casi en forma simultanea a la entrada
de la señal del sistema. Utiliza poca capacidad de
memoria.
• PDS en TIEMPO DIFERIDO.- Es el proceso mediante el
cual el sistema obtiene los parámetros de la señal
analizada, luego de un tiempo considerado largo con
respecto a la entrada del sistema.
6
Señales Analógicas y Señales
Digitales
• SEÑALES DE TIEMPO CONTINUO.- Esta definido para todos
los valores y pueden tomar cualquier valor continuo en el tiempo
en un intervalo.
• SEÑALES DE TIEMPO DISCRETO.- Esta definido para
ciertos valores en el tiempo.
• SEÑALES DE VALOR CONTINUO.- Son señales que toman
todos los valores dentro de un intervalo finito como infinito.
• SEÑALES DE VALOR DISCRETO.- Si toma valores de un
conjunto finito de valores.
Señales Analógicas
sin(2*pi*f*n), f=40Hz
1
0.5
-0.5
-1
0 20 40 60 80 100
cos(2*pi*f*n), f=40Hz
1
0.5
-0.5
-1
0 20 40 60 80 100
7
Señales Digitales
sin(2*pi*(f/fs)*n), f=40Hz fs=1000
1
0.5
-0.5
-1
0 5 10 15 20 25 30
cos(2*pi*(f/fs)*n), f=40Hz fs=1000

1
0.5
-0.5
-1
0 5 10 15 20 25 30
Sistema de Procesamiento Digital

de Señales
• Es un sistema que transforma la señal analógica a
digital convirtiendo la señal analógica en datos
numéricos conocidos como muestras; a estas
muestras se le aplican una serie de algoritmos con
fines de filtraje digital, análisis en frecuencia,
monitoreo, de las señales.
8
Sistemas de Procesamiento Digital
de Señales
• Señal continua Señal Cont.
Filtro A/D Procesador D/A Filtro
fc = fs /2 Res= #bits Tiempo de Pr. Res= #bits fc = fs /2

FPL Vel= # bps Algoritmos Vel= # bps FPL

de Señales Bioeléctricas
• Aplicaciones: Ejm. en Biomédica
• Monitoreo y registro de las señales del corazón.
Ejemplo monitores cardiacos.
• Monitoreo y registro de las señales del cerebro.
Ejemplo Electroencefalógrafos computarizados.
• Monitoreo y registro de las señales de los músculos
Ejemplo Electromiógrafos y Potenciales Evocados.
9
de Señales Bioléctricas
• Etapa de Amplificación y Aislamiento
• Señales a procesar:
• ECG Vin= 0 a 1mv Banda = 0 a 100Hz.
• EEG Vin= -10uv a 100uv Banda= 10Hz a 100Hz
• Vin= 50uv a 1mv Banda= 10- 3000 Hz.
• Amplificadores de instrumentación
• Opto acoplamiento.

• Filtro PasaBajo (Entrada).- Es un filtro que
tiene la finalidad de:
• Limitar en banda la señal a ser digitalizada a una
fc= fs/2 fc= frec. Corte
fs= frec. Muestreo.
• Filtrar el ruido de la señal.
10
de Señales Bioeléctricas
•Conversión A/D.- Esta etapa se encarga de
convertir una señal analógica en digital.
Características:
• Velocidad de muestreo (muestras/seg)
• Resolución: Nº de bits por muestra
• Proceso muestreo, cuantificacion, codificación.
Conversión A/D
Comprende tres procesos:

* Muestreo
* Cuantificación
• Codificación
MUESTREO.- Toma de muestras en instantes de tiempo.
Conversión de una señal de tiempo discreto a tiempo continuo.
TEOREMA DE MUESTREO
Si la frecuencia más alta contenida en una señal
analógica Xa(t) es Fmax=B y la señal se muestrea a una
velocidad fs 2fmax=2B entonces Xa(t) se puede
recuperar totalmente a partir de sus muestras.
fs  2fmax
11
Sistema de Procesamiento Digital de
Señales Bioelectricas
• Teorema de muestreo.-
fs>= 2fm (Teoría)
fs>= 2.5fm (Práctica)
fs= 250Hz ECG,EEG 8 bits (muestra)
7500Hz EMG ó 16 bits
Teorrema de muestreo
12
TEOREMA DE MUESTREO
• ESPECTRO DE UNA SEÑAL PERIODICA
-fs -fs/2 -fs/2 fs f
• Aliasing
fs/2 fs f
CUANTIFICACIÓN
• Es la conversión de una señal de tiempo discreto con valores
continuos, a una señal de tiempo discreto con valores discretos. El
valor de cada muestra de la señal se representa mediante un valor
seleccionado ce un conjunto finito de valores posibles.
L= Niveles de Cuantificación.
= Escalón de Cuantificación.
Xmax-Xmin= Rango Dinámico
= Rango Dinámico/(L-1)
Cuantificador por Redondeo.- Asigna a cada muestra el
nivel de cuantificación mas cercano.
Cuantificador por Truncamiento.- Asigna a cada muestra el nivel
inmediatamente por debajo de la muestra.
Relación de Señal a Ruido de Cuantificación.-
SNRQ(dB)=1.76+6.02 b
b= resolución del Conversor.
13
Cuantificación
Niveles
5
4
3
2

0 1 2 3 4 5 6 7
Mg.Ing Rafael Bustamante Alvarez Nº de Muestras
CODIFICACIÓN
• Es el proceso mediante el cual cada valor discreto se representa
mediante una secuencia binaria de bits.
Código Binario
0110
010 1
0100
0011
0010
0 1 2 3 4 5 6 7
Mg.Ing Rafael Bustamante Alvarez Nº de Muestras
14
de Señales
• Procesador Digital de Señales: Se ejecutan
algoritmos de filtraje digital, analisis en
frecuencia (FFT), sobre las muestras
provenientes de la etapa de conversión A/D.
• Procesos en tiempo real. (Basados en DSPs).
• Procesos en tiempo diferido.
Sistema de Procesamiento Digital de

Señales
• Procesadores
- Computadoras
- DSP (Texas Instruments, Freescale,
Analog Device)
- FPGA (Altera, Xilinx)
- Microcontroladores de gama alta
(TI, DSPIC, Freescale, Atmega).
- ARM (32, 64 bit)
15
Aplicaciones
Sistema de Procesamiento de Señales
FLP A/D D/A FLP

1001010100 010111010
Algoritmo
de PDS
16
Aplicaciones
Program RAM RAM ROM

Primary Cache Block 0 Block 1 (boot)
Bus Expansion Bus
Internal Buses
Multiplier ALU Serial Port 0

6
(int, float) (int, float) DMA Serial Port 1
6
R0-R7 (40-bits)
Timer 0
Address Address 1
Generator Generator Timer 1
1
ARAU0 ARAU1
AR0-AR7 Peripheral Bus

12 Control Registers
CPU
17
• Producto de dos vectores:
Repeticion de un
bloque de inst.
Instrucciones en
paralelo
18
Digitales Bioléctricas
• Etapa de conversión Digital Análogo.-
Convierte las muestras procesadas en senales
continuas en el tiempo.
• Componentes:
- Conversor D/A,
- Muestreo y retención (circuito retensor de orden cero que
mantiene fijo el voltaje correspondiente a una muestra hasta que
venga otra y evita el glitch (sobrepico).
• D/A Mg.Ing Rafael Bustamante Alvarez
GLITCH
19
Características de un D/A
Resolución: Es el mínimo cambio incremental de la salida analógica. Su valor es FS/2N,
donde N es el número de bits del convertidor. Así, por ejemplo, si se trata de un convertidor
unipolar de 8 bits y el fondo de escala es 5V, la resolución sería 5/28=19.5 mV. Es frecuente
referirse a la resolución con el número de bits.
Tiempo de conversión o establecimiento (settling time): Es el tiempo que transcurre
desde que a la entrada del DAC se presenta una combinación binaria hasta que la señal
analógica de salida adquiere el valor que le corresponde,
Conversión unipolar/bipolar: Esta característica indica la posibilidad de
que los CDA acepten códigos de entrada unipolares y/o bipolares
Salida analógica: Puede ser en corriente o en tensión.
Margen dinámico de la señal de salida: Es el rango de variación de la corriente o la
tensión de salida.

Digitales Bioléctricas
• Filtro Pasabajo de Salida (Reconstructor).- Es
encargado de suavizar la señal proveniente de la
etapa de conversión Digital Análoga. Mantiene
las mismas características del filtro Pasabajo de
entrada.
• fc=fs/2
20
Muestreo
Muestreo
21
Muestreo
Muestreo
22
Secuencias de Tiempo Discreto
• 1) Impulso Unitario.-
• 2)Escalón Unitario.-
• 3)Rampa Unitaria.-
• 4)Señal Exponencial.-
PROPIEDADES DE LOS SITEMAS DE PROCESAMIENTO

DIGITAL DE SEÑALES
1.-Sistema con Memoria.- Cuando su salida depende de entradas
anteriores.
X[n] Y[n]=x[n-1]+x[n-2]
2.-Sistema sin Memoria.- Cuando su salida depende solo de la

entrada presente para cada valor de la variable independiente.
Y[n]=2x[n]
x[n]
23
DIGITAL DE SEÑALES
3.-Causalidad.- Un sistema es causal si en cualquier instante de tiempo
depende solo de los valores presente y pasados. Ejm
y(n)=x(n-1) es un sistema causal
y(n)=x(n)-x(n+1) sistema no causal
4.-Estabilidad.- Intuitivamente, un sistema estable es aquel en el que las
entradas pequeñas conducen a respuestas que no
divergen ejm.
M

1
y[n]  x[n  k]
2M  1 k   M
Si x[n] max  B
 y[n] max   El es estable

B sistema

DIGITAL DE SEÑALES
5.- Invarianza en el Tiempo.- Un sistema es invariante en el tiempo, si un

desplazamiento de la señal de entrada causa un desplazamiento en el
tiempo en la señal de salida.

x ( n )  y ( n ) - - - - - -(1)

x (n  k ) y ( n  k ) - - - -(2)

En general, podemos escribir la salida como :
y(n, k)  T[x(n - k)], debemos demostrar que : y(n, k)  y(n - k) - - (3)
Entonces el sistema es INVARIANTE EN EL TIEMPO.
24
25
DIGITAL DE SEÑALES
6.- Linealidad.- Es aquel que posee la importante propiedad de

superposición que dice: Si una entrada consiste en la suma
ponderada de varias señales, entonces la salida es solo la
superposición, esto es la suma ponderada de las respuestas del
sistema a cada una de las señales.
T[a 1 x 1 ( n )  a 2 x 2 ( n )]  a 1 T[ x 1 ( n )]  a 2 T[ x 2 ( n )]
Representación de Sistemas Discretos Mediante

Diagramas de Bloques
• A) Sumador:
• B)Multiplicador por una constante
26
C)Multiplicador de señal
D)Retardo de un elemento
X[n] Y[n]=X[n-1]
Z-1

E) Adelanto de un elemento:
X[n] Y[n]=X[n+1]
Z
Ejemplo:Y[n]=1/4Y[n-1]+1/2X[n]+1/2X[n-1]
27
SEÑALES
Profesor:

DIGITAL DE SEÑALES
1.-Sistema con Memoria.- Cuando su salida depende de entradas
anteriores.
X[n] Y[n]=x[n-1]+x[n-2]
2.-Sistema sin Memoria.- Cuando su salida depende solo de la

entrada presente para cada valor de la variable independiente.
Y[n]=2x[n]
x[n]
28
DIGITAL DE SEÑALES
3.-Causalidad.- Un sistema es causal si en cualquier instante de tiempo
depende solo de los valores presente y pasados. Ejm
y(n)=x(n-1) es un sistema causal
y(n)=x(n)-x(n+1) sistema no causal
4.-Estabilidad.- Intuitivamente, un sistema estable es aquel en el que las
entradas pequeñas conducen a respuestas que no
divergen ejm.
M

1
y[n]  x[n  k]
2M  1 k   M
Si x[n] max  B
 y[n] max   El es estable

B sistema

DIGITAL DE SEÑALES
5.- Invarianza en el Tiempo.- Un sistema es invariante en el tiempo, si un

desplazamiento de la señal de entrada causa un desplazamiento en el
tiempo en la señal de salida.

x ( n )  y ( n ) - - - - - -(1)

x (n  k ) y ( n  k ) - - - -(2)

En general, podemos escribir la salida como :
y(n, k)  T[x(n - k)], debemos demostrar que : y(n, k)  y(n - k) - - (3)
Entonces el sistema es INVARIANTE EN EL TIEMPO.
29
30
DIGITAL DE SEÑALES
6.- Linealidad.- Es aquel que posee la importante propiedad de

superposición que dice: Si una entrada consiste en la suma
ponderada de varias señales, entonces la salida es solo la
superposición, esto es la suma ponderada de las respuestas del
sistema a cada una de las señales.
T[a 1 x 1 ( n )  a 2 x 2 ( n )]  a 1 T[ x 1 ( n )]  a 2 T[ x 2 ( n )]

• A) Sumador:
• B)Multiplicador por una constante
31
C)Multiplicador de señal
D)Retardo de un elemento
X[n] Y[n]=X[n-1]
Z-1

E) Adelanto de un elemento:
X[n] Y[n]=X[n+1]
Z
Ejemplo:Y[n]=1/4Y[n-1]+1/2X[n]+1/2X[n-1]
32
Secuencias fundamentales
31
Resolver:
Resolver:
32
SEÑALES
Profesor:
SISTEMAS DE PROCESAMIENTO DIGITAL DE

SEÑALES
Son sistemas LTI.
TEOREMA.- Cada sistema LTI puede ser completamente caracterizado por su respuesta al
impulso, esto es la respuesta (salida) de un sistema lineal, frente a una señal de impulso.
Si:

x n    x k  n  k 
k  
  n  k   h k n  - -  h k n   h n  k 
   
y n    x n   T   x k  n  k    x k  n  k 
 k   k  

y n    x k h k n 
k  
33
CONVOLUCIÓN
Corolario: Si el sistema es LTI de modo que h[n] es la respuesta al sistema a

[n] entonces h[n-k] es la respuesta a [n-k], luego la secuencia de salida
resulta:

y n    x k h n  k   x n  * h n 
k  
Propiedades:
1)x[n]* [n]=x[n]
2)x[n]* [n-k]=x[n-k]
3)x[n]*y[n]=y[n]*x[n]
4)x[n]*(y[n]*z[n])=(x[n]*y[n])*z[n]
5)x[n]*(y[n]+z[n])=x[n]*y[n]+x[ n]*z[n]
La Transformada Z
Sea: [f(k)]= f(0), f(1), f(2), f(3),........
f(k)
-3T -2T -T 0T 1T 2T 3T ..... K

Cada muestra está asociada a:
Z-k f(k)
Ejm.
f(-1) Zf(-1)
f(1) --> Z-1f(1)
34
Definición de la Transformada Z
Se puede agrupar [f(k)] como una sumatoria, donde:


[f(k)]=
 f (k )Z  k
k  
[f(k)]  F(z)

F(z) es la transformada Z de f(k) y queda definida como:

F(z)=  f (k ) Z k
k  
Transformada Z de Algunas Funciones

Conocidas
Secuencia Discreta Transformada ROC
 n  1 Todo Z
n 
1
Z 1
1 - Z -1
n - m  Z -m Z excepto 0 (si m  0)

 (m  0)
1
 n  n  Z  
1 -  Z -1
 Zm
-1
n  n  n  Z  
(1 -  Z -1 ) 2
1
  n  (  n  1) Z  
1 -  Z -1
35
PROPIEDADES DE LA TRANSFORMADA Z
Secuencia Transformada
x n  X(Z)
x 1 n  X1(Z)
x2n  X2(Z)
ax1n   bx 2n  aX1(Z)  bX 2(Z )
xn  no  Z -no X (Z )
x1n * x2n  X1(Z).X2(Z )
nx n 
dX(Z)
-Z
dZ
LA TRANSFORMADA Z INVERSA
Se trata de hallar la secuencia x(k) a partir de X(z).
Métodos:
1)Por división
-1
10Z
X ( Z ) 
1  3Z 1  2 Z  2
Tras dividir:
X ( Z )  10 Z  1  30Z -2  70 Z  3  150 Z 4  .......... ...

Por inspección se obtiene:
X(0)= 0;
X(1)=10;
X(2)=30;
X(3)=70;
X(4)=150;
.
36
2) Por Fracciones parciales:
10Z  X(Z) 10 10
 
X(Z)= 
( Z  1)( Z  2 ) Z Z 1 Z 2
 1   1 
10 10
 1  1 
  
 1  2 Z 1 
X(Z)= 
 Z  
X[k]= 
 10  k   10 2 k  k  
X[k]= 10(-1  2 )  k
k
  k  1,2,3,4,.. .......
X(0)=0;
X(1)=10;
X(2)=30;
X(3)=70;
X(4)=150;
3)Método de Matlab
X k   1,0,0,0,0, .....,0 
Ejm 20 datos
B  0,10  ; A  1,-3,2 
Y k   filter(B, A, X)
37
38
Filtro Digital
Es un conjunto de operaciones lógico matemáticos que permiten el paso que permiten el paso
de una señal a través de un sistema dentro de un rango de frecuencias.
Si se tiene:
b 0 y k   ....  bmy k  m   a 0 x k   .....  a n x k  n 

donde b o  1 por convención .
En función de la transform ada Z
b 0 y z   ......  b m Z  m y ( Z )  a 0 x ( Z )  ......  a n Z  n x Z 
 M   N 
y( Z) 1 
  bmZ

 x Z 
  anZ

 m   n 
 m   n 
N N
y Z 
 anZ   n
H ( Z ) 
n a Z n
n
 n
M

x ( Z) M
1  b m Zm
1
m
b m Zm
m
Considerando los coeficientes del

denominador
Clasificación :
1) Filtros IIR (bm0)
2) Filtros FIR (bm=0)
39
40
FILTROS IIR
La salida depende tanto de las entradas presentes y previas así como las salidas previas.
bm0
X(K)
Y(k)
Z-1
N

Z-1
a n Z n
H (Z)  n
M
1  b m Z m
2 1  z 1
s 
m
T 1  z 1
Z=esT  Relación de Z con la S T=
periodo de muestreo.
Transformador bilineal
Respuesta en frecuencia de un filtro

Haciendo el respectivo reemplazo en las funciones de transferencia de los filtros Analógicos:
Butterworth, Chebyshev, Elliptic, se obtienen sus correspondientes funciones de transferencia digital.
|H(w)|
W
Wc Ws
41
FILTRO FIR
La salida es la suma de las muestras de la señal de entrada previas y presentes
bm=0.
N
H Z    a n Z n
n
x(k) y(k)
Z-1
N
y n    h k x n  k 
k
W cTsenk-W cT 
h k  
 k   W c T
  
sen  k 
0 1  4 
h k  
Ejm: Si
1
Ws
m
  4   
W c 
 k
fs
 
8 Mg.Ing Rafael Bustamante Alvarez 4
Para diferentes tipos de filtros.

A)PASA ALTO
h k HP   1k h k LP

B)PASA BANDA
h k BP  2cos kW o T h k LP

W1  W o - W c
C)PASA BANDA
h 0 BS  1 - h 0 BP
h k BS  -h k BP
METODO DE PARKS –Mc CLELLAN
m=[1 1 1 0 0 0];
f= [0 0.1 0.3 0.7 0.8 1];
42
Optimizando la respuesta del filtro fir
método de ventanas
h K   h k .w k 
1 K  N
W k R  
 0, K  N
  1   cos( k 
  N ), K  N
W k H  
0, K N
  0 .54 Ventana de Hamming
  0 .56Mg.InV
g Re
afn
aeltB
aunstaamante dAlvearezHanning

Autor:
Ing.Rafael Bustamante Alvarez
43
REPRESENTACIÓN EN EL DOMINIO DE LA
FRECUENCIA
• Objetivos:
• Introducir los conceptos del dominio en la frecuencia

(Espectros).
• Obtener una representación grafica.
• DTFT, DFS, DTF, FFT,
DTFT
• Es la Transformada de Fourier de una Secuencia Discreta.
• x[n]  X(w)
• Una condición suficiente para la convergencia de la transformada
• Discreta de Fourier de Tiempo Discreto es que x(n) sea absolutamente
• Sumable:

•  
X ( w )   x ( n )e  jwn   x ( n ) e  jwn   x (n )  
n   • n   n  
• Propiedades:
• 1.-Linealidad. ax1(n)+bx2(n)  aX1(w)+bX2(w)
• 2.-Desplazamiento. x(n-k)  e-jwkX(w)
• 3.-Convolución. x1(n)*x2(n) X1(w).X2(w)
44
DFS
• La representación en el dominio de la frecuencia de una secuencia periódica es

denominada Series Discretas de Fourier.
~ ~
•
x ( n )  x ( n  N ) es peridodica con periodo N.
2
~ N 1 ~ j   kn
1
x ( n ) 
N  X ( k ).e  N 

k 0
~

N 1
~
 2 
 j   kn
( k )   ( n ).e
• N
 
X x
• Es su transformada
k 0
DFT
• Una secuencia x(n) con 0 n N-1 muestras no cero, se puede repetir para formar
una versión periódica .
•
~  1, 0  n  N -1
X(k )  X(k).R N (n ) donde R N (n)  
0 otro caso

 2 
N 1  j   kn
X (k )  
n 0
x ( n ).e  N 
 (DFT)
N 1  2  
j  kn
1
x ( n ) 
N 
k 0
X ( k ).e  N 
(IDFT)
45
46
Propiedades de la DFT
• Periodicidad
X(k+N)=X(k) para todo k
• Linealidad
a1x (n)+ a2 x(n) DFT a1X (k)+a2 X(k)
• Simetría
x(n)  xR (n)  xR (n)  j xI (n)  j xI (n)

e o e o
b b e=par
e o e o
X(k) X R(k)  X R(k)  j X I (k b )  j X I (k) o=impar
x( N  n )   x(n) 1  n  N - 1 impar (asimetria )
x( N  n )  x(n) 1M
n g.InN
g R-af1ael Bupsa
tarma(nstiemAelvtarrieaz)
Ejemplo
Mediante la DFT, determine la convolución de las dos secuencias siguientes: x1={2,1,2,1} y
Solución: x2={1,2,3,4}
x 3 ( n )  x 1 ( n )  x 2 ( n )
x1 ( n )  DFT
,
X 1 (k ) y x2 (n )  DFT
,
X 2 ( k ) donde N  4
N
  j 2  nk
N

3
X 1 (k )   x
n0
1 (n ) e 4
k  0,1,2,3
 j 2k  j 3k
 j k
 2 e 2
 2 e  e 2
X 1 (0 )  6 X 1 (1)  0 X 1 ( 2 )  2 X 1 (3 )  0
3  j 2  nk
X 2 (k )   n0
x2 (n ) e
47
4
k  0,1,2,3
 j 2k  j k  j 3k
1 2 e 2
 3e  4e 2
X 2 ( 0 )  10 X 2 (1)   2  2 j X 2 ( 2 )   2 X 2 (3 )   2  2 j
48
Ejemplo
x 1 ( n )  x 2 ( n )  DFT
,
X 3 ( k )  X 1 ( k ). X 2 ( k )
N

X 3 ( 0 )  60 X 3 (1 )  0 X 3 (2)  4 X 3 (3)  0
2
N 1 j    kn
1
La IDFT de X

3 es x ( n )   X ( k ). e  N 
N k0
1 3 j 2  nk
x 3 ( n )  X 3 (k ) e 4
n  0,1,2,3,
4 
k 0
1 j n
 ( 60  4 e )
4
x 3 (0)  14 x 3 (1)  16 x 3 (2)  14 x 3 (3)  16
Transformada Rápida de Fourier (FFT)
49
Enfoque: “Divide y vencerás”
50
Transformada Rápida de Fourier (FFT)-
Base 2
x(0) X(0)
-1
x(2) X(1)
-1
X(2)
x(1)
-1 -1
x(3) X(0)
Transformada Rápida de Fourier (FFT) N=8

x(0) X(0)
-1
x(4) X(1)
-1
X(2)
x(2)
-1 -1
x(6) X(3)
-1
x(1) X(4)
-1 -1
x(5) X(5)
-1 -1 X(6)
x(3)
-1 -1 -1
x(7) X(7)
51
Transformada Rápida de Fourier
• Generalización
• Ejercicio: Determinar la FFT de x={2,1,2,1}
Filtros Adaptativos
• Los filtros adaptativos son sistemas variantes en el tiempo de forma que se adaptan a
cambios a su entorno , optimizando su funcionamiento de acuerdo a una serie de
algoritmos conocidos como algoritmos adaptativos.
d(n)
y(n)
x(n) Sistema
+
-
adaptativo
e(n)
Algoritmo
adaptativo
+
52
Estructura Directa
Aplicación:
Identificar
Sistema
Desconocido
sistemas
d(n)
x(n) y(n) +
Sistema -
adaptativo
e(n)
Estructura Inversa
Aplicación:
Ecualización de
canales de
comunicación
d(n)
y(n) +
x(n) Sistema
Desconocido
Sistema -
adaptativo
e(n)
53
Estructura Predictor
Aplicación:
Sistemas de control –
Control Adaptativo y
neuronal
d(n)
x(n-p) +
x(n) Retardo Sistema y(n) -
adaptativo
e(n)
Cancelador activo de ruido

Aplicación:
Eliminar ruido solapado a
la señal espectralmente
d(n)= s(n)+ro(n)
y(n) +
x(n)=r1(n) Sistema -
adaptativo
e(n)
( n )  ( d ( n )  y ( n )) 2  ( s ( n )  ro ( n )  f ( r ( n ))) 2
2
e 1
54
e
2
Algoritmo Least means square (LMS)
( n )  ( d ( n )  y ( n )) 2  ( s ( n )  r o ( n )  f ( r1( n ))) 2
J
a n 1  an  
a n
J  e 2 (n)
J  (d (n)  y(n)) 2
L 1
y(n)   wn (k ) x(n  k )
k 0
wn  [wn (0), wn (1),.....wn ( L  T )]T .xn

y(n)  wTn .x n (notación vectorial)
55

Procesamiento Digital de Señales: Introducción

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Procesamiento Digital de Señales: Introducción

Cargado por

Copyright:

Formatos disponibles

PROCESAMIENTO DIGITAL DE

Mg.Ing Rafael Bustamante Alvarez

Mg.Ing Rafael Bustamante Alvarez

Mg.Ing Rafael Bustamante Alvarez

Mg.Ing Rafael Bustamante Alvarez

Mg.Ing Rafael Bustamante Alvarez

Mg.Ing Rafael Bustamante Alvarez

Mg.Ing Rafael Bustamante Alvarez

• COMPARACIÓN ENTRE EL PROCESADO DIGITAL Y PROCESADO

Mg.Ing Rafael Bustamante Alvarez

Mg.Ing Rafael Bustamante Alvarez