Está en la página 1de 22

Universidad Tecnológica de Panamá

Facultad de Ingeniería Electrica


Comunicaciones I
Laboratorio 2 – Análisis espectral usando la DFT/FFT
Presentado por: Mario Samudio (4-781-733)
Dominick Pérez (8-886-1481)
Elías Mendieta (9-746-1755)
Facilitador: Prof. Dr. Ing. Carlos A. Medina C.
Panamá, 18. Septiembre.2018

Tabla de Contenido
Resumen
1. Introducción
2. Métodos y materiales utilizados
3. Procedimientos experimentales
4. Resultados
5. Conclusiones
6. Recomendaciones
Referencias

Resumen

En el realizado laboratorio se procedió a la utilización de los conceptos de señales discretas de Fourier por medio
del algoritmo FFT (transformada rápida de Fourier) en el caso en que el número de muestras sea una potencia de
2, de lo contrario se utiliza DFT, que se utiliza para cualquier intervalo de tiempo.
Primero se procedió al cálculo de la transformada de Fourier para un espectro de doble lado y luego de un solo
lado de una señal dada. Luego se procedió a la adición de ceros y ventanas para el mejoramiento de las
componentes de frecuencia en el análisis espectral. Ya para el siguiente paso se utilizaron estas herramientas para
encontrar diferencias entre un análisis espectral de una señal a diferentes frecuencias.
En el subpunto cuatro se procuro obtener las respuestas del filtro implementado para la reducción de la
interferencia aditiva en la señal recibida. Todo esto referenciado a la función de transferencia que refleja el filtro.
Para las dos últimas partes se utilizaron también los gráficos de espectro de magnitud y de fase para luego
implementarlos en algún tipo de filtros comunes como lo son los filtros Butterworth.

Introducción

Una de las herramientas más útiles para ale análisis y diseño de sistemas LTI, es la transformada de Fourier. Esta
representación de señales implica la descomposición de las mismas en términos de componentes sinusoidales o
exponentes complejas. Con esta descomposición, se dice que una señal esta representada en el dominio de la
frecuencia.

En este Trabajo Práctico se estudiarán las propiedades fundamentales de la Transformada de Fourier en Tiempo
Discreto en su uso para el análisis espectral de señales. Para algunas clases de señales (nominalmente aquellas
que son de longitud finita, o aquellas que tienen una transformada Z del tipo racional) es posible implementar
algoritmos que calculen exactamente la DTFT. Para estas señales se requerirá la programación de funciones
Matlab para el cómputo de la DTFT.

Página 1 de 22
Para el caso de señales de longitud infinita, o que no tengan una Transformada Z racional, no es posible
implementar algoritmos para el cómputo exacto de la DTFT. En estos casos se debe recurrir al uso de funciones
ventana que trunquen la señal a un número finito de muestras, y permitan la implementación de algoritmos que
aproximen la DTFT de la señal, se analizan las características de los algoritmos Matlab para el cálculo de la
Transformada de Fourier en Tiempo Discreto (genéricamente denominados Transformada Discreta de Fourier
(DFT)), en su versión conocida como Transformada Rápida de Fourier (FFT: Fast Fourier Transform).

Métodos y Materiales Utilizados

Para el desarrollo del laboratorio utilizamos:


 Software MATLAB®
 Laptop o Computador de Escritorio

Los métodos de investigación utilizados para llevar acabo cada parte del laboratorio fueron:

1. Primeramente, un método analítico, que nos ayudo en entender según la indicación de cada parte; los
procedimientos mínimos esperados para la obtención de resultados específicos a partir de conceptos
teóricos.
2. Posteriormente utilizamos un método empírico, de escritura del código para obtener los resultados
esperados y de acuerdo a los lineamientos.

Procedimientos y Resultados

1. Uso de FFT y FFTSHIFT en Matlab

a. Señal x(t) de 1000-puntos (N) de longitud (en el tiempo) que contiene una onda coseno de 100 Hz con
amplitud 0.8 y una onda seno de 200 Hz con amplitud 1.2. Usando una frecuencia de muestreo de 1 kHz.
b. Calcule la transformada discreta de Fourier de la señal
c. Calcule el espectro de amplitud de doble lado X2. Luego el espectro de un solo lado X1 basado en P2 y
el número de puntos de la señal.
d. Defina el dominio de la frecuencia de doble lado f2 (soporte). Sugerencia: considere usar linspace.
e. Defina el dominio de la frecuencia de un solo lado f1 (soporte). Sugerencia: considere usar linspace.
f. En una sola figura usando tres gráficas (una debajo de la otra), grafique la señal en el dominio del tiempo,
y los espectros de amplitud de doble lado P2 (use fftshift) y de un solo lado P1 de la señal.

 Desarrollo de la Sección a

N=1000;
Fs=1000;
dt=1/Fs;
a=0.8;
b=1.2;
T=N*dt;
df=1/T;
t=(0:N-1).*dt;
x=(a*cos(2*pi*100.*t))+(b*sin(2*pi.*200.*t));
plot(t,x,'Color','r');
axis([0 0.08 -2 2]);
ylabel('x(t)');

Página 2 de 22
Grafica de la señal x(t) de 1000 puntos de la Parte 1 sección a.

 Desarrollo de la Sección b

%%
X=fft(x)/N; X=abs(X);
tt=(-N/2:N/2-1);
X2=fftshift(X);
plot(tt,X2); ylabel('X(F)');

Transformada de Fourier de la señal x(t) y su espectro de frecuencia de doble lado.

 Desarrollo de la Sección c

%%
X2=fftshift(X);
X1=X(1:N./2);
tt2=(1:N/2);
subplot(2,1,1);plot(tt,X2) ;
subplot(2,1,2);plot(tt2,X1) ;

Página 3 de 22
Transformada de Fourier de la señal x(t) y su espectro de frecuencia de doble lado y de un solo lado.

 Desarrollo de la Sección d

El soporte de doble lado utilizado fue tt=(-500:499), este soporte cuenta con 1000 valores.

 Desarrollo de la Sección e

El soporte un lado utilizado fue tt2=(1:500),este soporte cuenta con 500 valores.

 Desarrollo de la Sección f

%%
subplot(3,1,1);plot(t,x);
axis([0 0.04 -2 2]);
ylabel('x(t)');
subplot(3,1,2);
plot(tt,X2);
ylabel('X(F)');
subplot(3,1,3);
plot(tt2,X1);
ylabel('X(F)/2');

Página 4 de 22
Graficas de la señal x(t) en el tiempo y los espectros de amplitud de doble lado P2 y de un lado P1

2. Adición de ceros y ventanas (rectangular, Hamming)

a. Forme una señal x(t) de 1000-puntos (N) de longitud (en el tiempo) que contiene una onda seno de 100
Hz con amplitud 1 y una onda seno de 202.5 Hz con amplitud 1. frecuencia de muestreo de 1 kHz.
b. Calcule la transformada discreta de Fourier de la señal y grafique el espectro.

Desarrollo de la Sección a
clc
clear
N=1000;
Fs=1000;
dt=1/Fs;
a=0.8;
b=1.2;
T=N*dt;
df=1/T;
t=(0:N-1).*dt;
x=(a*sin(2*pi*100.*t))+(b*sin(2*pi.*202.5.*t));
plot(t,x,'Color','r');
axis([0 0.08 -2 2]);
ylabel('x(t)');

Página 5 de 22
Grafica de la señal x(t) de 1000 puntos de la Parte 2 sección a.

Desarrollo de la Sección b
%%
X=fft(x)/N; X=abs(X);
tt=(-N/2:N/2-1);
X2=fftshift(X);
plot(tt,X2); ylabel('X(F)');

Grafica de la transformada de Fourier de la señal x(t) de la parte 2, sección b

3. Análisis espectral – relación entre la resolución de frecuencia y la fuga espectral


Una señal x(t) consiste de tres sinusoides con frecuencias de f1 = 4 kHz, f2 = 5 kHz y f3 = 6 kHz.

a. Forme la señal x(t) con N =100 muestras a una razón de muestreo de 20 kHz y una duración de 5 ms.
¿Cuál es la resolución de frecuencia df?
b. Grafica de la señal xn versus el índice de muestra n.

Página 6 de 22
c. DFT de 256 puntos (para la FFT) de la señal xn de longitud N. Grafica de la magnitud del espectro de un
solo lado de la señal con respecto a una frecuencia normalizada f/Fs, esto es, sobre el rango 0 ≤ f/Fs ≤ 1.
d. Use la ifft y calcule la transformada inversa FFT de 256 puntos del resultado en la parte (c) y verifique
que recupera la señal original en el tiempo incluyendo los ceros que han sido añadidos a la cola. En una
misma figura, grafique (una debajo de la otra) las señales de la parte (b) y (d) usando un mismo rango
horizontal [0, 256].
e. Construya una ventana wn Hamming de longitud N y aplíquela a la señal xn. En una misma figura,
grafique (una debajo de la otra) las señales de la parte (b) y la señal xn wn usando la misma escala
vertical para ambas.
f. Repita la parte (c) para la señal con ventana Hamming xn wn. Discuta el intercambio entre reducir los
niveles de los lóbulos laterales (lóbulos más pequeños) y la pérdida de la resolución de frecuencia.
g. Repita las partes (c) y (f) cuando N se reduce a N = 50, N = 25 y N = 10. Para ambas señales, con
ventana rectangular y Hammig, discuta la pérdida de la resolución de frecuencia a medida que los datos
registrados son menores.
h. Muestre en una misma figura, las gráficas (en arreglo de dos columnas) correspondientes a los casos de
ventana rectangular (columna 1) y ventana Hamming (columna 2).

 Desarrollo de la Sección a
%%a
clear; clc;
N=100;
fs=20000;
dt=1/fs;
T=0.005;
df=1/T;
t=0:dt:T-dt;
f1=4000;
f2=5000;
f3=6000;
x=sin(2*pi*f1.*t)+sin(2*pi*f2.*t)+sin(2*pi*f3.*t);
xn=x(1:N);
n=0:1:N-1;

Grafica de la señal x(t) de 100 muestras y una razón de muestreo de 20 kHz de la Parte 3 sección a

Página 7 de 22
 Desarrollo de la Sección b
%% b
figure(1)
subplot(2,1,1);
stem(n, xn);
xlabel('n muestras');
ylabel('x(n)');
title('Senal x(t) muestreada con 100 puntos');
grid on;

 Desarrollo de la Sección c
%c
nx=256;
xf=fft(xn/nx,nx);
xf1=abs(xf);
xf2=xf1(1:nx/2);
xf2(2:end-1)=2*xf2(2:end-1);
f=fs/((nx/2));
df1=f/fs;
fx=0:df1:1-df1;
subplot(2,1,2);
plot(fx, xf2, 'r');
xlabel('f(Hz)');
ylabel('|x(f)|');
title('Espectro de magnitud de x(t) con 256 puntos');
grid on;

Espectro de magnitud de la señal x(t), con el calculo de la DFT de 256 puntos de la parte 3 sección c

 Desarrollo de la Sección d
%% d
figure(2)
n1=0:1:nx-1;
xt=ifft(xf*nx,nx);
subplot(2,1,1);
stem(n1,xt,'r');
xlabel('n muestras');
ylabel('x(n)');
title('Senal x(t) recuperada con 256 puntos');
grid on;
axis([0 256 -4 4]);
Nc=256;
Página 8 de 22
fsc=20000;
dtc=1/fsc;
Tc=Nc*dtc;
dfc=1/T;
tc=0:dtc:Tc-dtc;
xc=sin(2*pi*f1.*tc)+sin(2*pi*f2.*tc)+sin(2*pi*f3.*tc);
xnc=xc(1:Nc);
nc=0:1:Nc-1;
subplot(2,1,2);
stem(nc, xnc);
xlabel('n muestras');
ylabel('x(n)');
title('Senal x(t) con 256 puntos');
grid on;
axis([0 256 -4 4]);

Parte 3 Sección d. Transformada Inversa (FFT) del resultado de la parte (c) y verificación que se recupera la
señal original de la sección a

 Desarrollo de la Sección e
%% e
L=50;
nw=0:1:L;
wn=hamming(L, 'periodic');
[z tz]=conv_n(xn, n,wn,nw);
xw=z;
nz=0:1:(N+L)-2;
figure(3)
subplot(2,1,1);

Página 9 de 22
stem(nz,xw,'r');
xlabel('n muestras');
ylabel('x(n)*xw');
title('Senal x(n)*xw');
grid on;
na=0:1:(N+L)-2;
N1=149;
fs1=20000;
dt1=1/fs;
T1=N1*dt1;
df1=1/T1;
t1=0:dt1:T1-dt;
x1=sin(2*pi*f1.*t1)+sin(2*pi*f2.*t1)+sin(2*pi*f3.*t1);
xn11=x1(1:N1);
subplot(2,1,2);
stem(na,xn11);
xlabel('n muestras');
ylabel('x(n)');
title('Senal x(n) de 150 muestras');
grid on;

Parte 3, Sección e. Ventana Wn de longitud N y aplicación a la señal xn y en la misma figura la señal obtenida de
la parte (b)

 Desarrollo de la Parte f
%% f
figure(4);
nwfft=256;
xwf=fft(xw/nwfft,nwfft);
Página 10 de 22
xwf1=abs(xwf);
xwf2=xwf1(1:(nwfft/2));
xwf2(2: end-1)=2*xwf2(2:end-1);
f11=fs/(nwfft/2);
df11=f11/fs;
fx11=0:df11:1-df11;
plot(fx11, xwf2)
xlabel('f(Hz)');
ylabel('|x(n)*xw|');
title('Espectro de magnitud de la senal x(n)*xw con 256 muestras');
grid on;

Parte 3, Sección f. Grafica de 256 puntos de la señal de la parte c, la señal XnWn

 Desarrollo de la Parte g

Parte 3, Sección g. Grafica de la función x(t) con 50 muestras

4. Una señal de un solo tono s = sin(400πt) se transmite a un amplificador de audio y bocina para producir
una señal de advertencia. Un filtro con respuesta al impulso h = 400 e–200tcos(400πt) u(t) se ha diseñado
para reducir la interferencia aditiva en la señal recibida.
Página 11 de 22
a. Determine la señal de salida del filtro, y, cuando se recibe la señal de entrada x = [cos(100 t) +
sin(400πt) – cos(800πt)] u(t).
b. Determine el espectro de magnitud de las señales de entrada y salida, y la magnitud de la respuesta en
frecuencia del filtro.
c. En una misma figura gráfica de las señales del tiempo x, h, y (en la primera columna) y sus espectros de
magnitud correspondientes en la segunda columna.

Gráficas de señales de entrada, salida y respuestas del filtro, Parte 4 secciones a, b, c.

Desarrollo de la Sección a:
N=512;
fs=1000;
dt=1/fs;
T=N*dt;
t=0:dt:T-dt;
t1=(0:dt:T-dt)/9;
s=sin(400*pi.*t);
u=(0).*(t<0)+(1).*(t>=0);
h=((400*(exp(-200.*t))).*(cos(400*pi.*t))).*u;
ht1=((400*(exp(-200.*t1))).*(cos(400*pi.*t1))).*u;
x=(cos(100*pi.*t)+sin(400*pi.*t)-cos(800*pi.*t)).*(u);
xt1=(cos(100*pi.*t1)+sin(400*pi.*t1)-cos(800*pi.*t1)).*(u);
% a
[z tz]=conv_n(x,t,h,t);
y=z;
[z1 tz1]=conv_n(xt1,t1,ht1,t1);
yt1=z1;

desarrollo de la sección b:
Página 12 de 22
xf=fft(x/N);
x1=abs(xf);
x2=x1(1:(N/2)+1);
x2(2: end-1)=2*x2(2:end-1);
hf=fft(h/N);
h1=abs(hf);
h2=h1(1:(N/2)+1);
h2(2: end-1)=2*h2(2:end-1);
N1=2*N-1;
yf=fft(y/N1, N1);
y1=abs(yf);
y2=y1(1:(N1/2)+1);
y2(2:end-1)=2*y2(2:end-1);

Desarrollo de la sección c:
subplot(3,2,1)
plot(t1,xt1)
xlabel('t(s)');
ylabel('|x(t)|');
title('Senal de entrada x(t)');
subplot(3,2,3)
plot(t1,ht1,'r')
xlabel('t(s)');
ylabel('h(t)');
title('Respuesta del filtro al impulso ');
tz2=tz1/10;
subplot(3,2,5)
plot(tz1,yt1, 'g')
xlabel('t(s)');
ylabel('y(t)');
title('Senal de salida y(t)');
fx1=(fs/2)*(linspace(0,1,length(x2)));
subplot(3,2,2)
plot(fx1,x2,'r');
xlabel('f(Hz)');
ylabel('x(f)');
title('Espectro de magnitud de un lado de x(t)');
fh1=(fs/2)*(linspace(0,1,length(h2)));
subplot(3,2,4)
plot(fh1,h2,'m')
xlabel('f(Hz)');
ylabel('h(f)');
title('Respuesta en frecuencia del filtro');
fy1=(fs/2)*(linspace(0,1,length(y2)));
subplot(3,2,6)
plot(fy1,y2,'b')
xlabel('f(Hz)');
ylabel('y(f)');
title('Espectro de magnitud de un solo lado de la salida');

Página 13 de 22
5. Considerando la señal periódica rectangular x(t), con periodo T0, definida por:

a. Se Genera la señal x para al menos 6 periodos usando la función pulstran.


b. Se Determina los espectros de magnitud y fase de la señal.
c. En una misma figura, se muestran las gráficas de la señal x(t) y los espectros de un solo lado de
magnitud y fase de la señal.

Gráficas de señal x utilizando la función pulstran, demostrando sus espectros de magnitud y fase. Parte 5,
secciones a, b, c.

desarrollo de la sección a:
T = 60;
N = 1000; % numero de muestras
dt = T/N; % periodo de muestreo
t = (0:N-1)*dt-40;
df = 1/T;
Fs = 1/dt;
f = (0:N-1)*df;
To = 10;
to = 1;
d = (-3:3)*To;
y = pulstran(t,d,'rectpuls',2*to);

Página 14 de 22
desarrollo de la sección b:
%%
Y = fft((y)/N);
Y2 = abs(fftshift(Y));
Y1 = Y2(end/2+1:end);
Q = ceil((N+1)/2);
fQ = (Q-1)*df;
f2 = f-fQ;
f1 = f2(end/2+1:end);
P = angle(fftshift(Y));

desarrollo de la sección c:
Q = ceil((N+1)/2);
fQ = (Q-1)*df;
f2 = f-fQ; %eje f doble lado
f1 = f2(end/2+1:end); %eje f de un solo lado
figure
subplot (3,1,1), plot (t,y, 'b'), title('Pulsos generados'),
xlabel('t(s)'), ylabel('Amplitud'), axis([-40 40 -0.5 1.5]);
subplot (3,1,2), plot (f1,Y1,'g'), title('Espectro de Magnitud'),
xlabel('f(Hz)'), ylabel('Magnitud'), axis([-3 4 -0.05 0.25]);
subplot (3,1,3), plot (f2,P,'r'), title('Espectro de fase'),
xlabel('f(Hz)'), ylabel('Fase (rad/s)'), axis([-4 4 -5 5]);

6. Considere la siguiente señal:

Gráfica de la señal en el intervalo -5≤ t≤50 ms. Parte 6, sección a.

desarrollo de la sección a:
N = 1000;
T = 50e-3;
dt = T/N;
fs = 1/dt;
df = 1/T;
t = (-N:N).*dt;
f = (-N:N).*df;
for i = 1:length(t)
Página 15 de 22
if (t(i)>=0 & t(i)<=45e-3)
x(i) = cos(2*47*t(i)*pi) + cos(2*219*t(i)*pi);
else
x(i) = 0;
end
end
figure (1)
plot(t,x,'r');
title('x vs t');
xlabel('t(s)');
ylabel('x(t)');
grid on;
axis([-5e-3 50e-3 -2 2]);

Gráfica de la señal muestreada resultante (stem). esta gráfica se muestra con la del punto a en una sola figura.
Parte 6, sección b.
Desarrollo de la sección b:
%% b
figure (2)
subplot(2,1,1);
plot(t,x,'r');
title('Gráfica de la señal x vs. t');
xlabel('t(s)');
ylabel('x(t)');
grid on;
axis([-5e-3 50e-3 -2 2]);
subplot(2,1,2);
stem(t,x,'r');
title('Gráfica de la señal x vs. t');
xlabel('t(s)');
ylabel('x(t)');
grid on;
axis([-5e-3 50e-3 -2 2]);

Página 16 de 22
Gráficas de espectros de amplitud y fase de la señal x(t). Parte 6, sección c.

desarrollo de la sección c:
%% c
X1 = fft(x).*dt;
X = fftshift(X1);
subplot(2,1,1);plot(f,abs(X),'m');
title('Espectro de Magnitud de la señal X(f)');
xlabel('f(Hz)');
ylabel('|Y(f)|');
grid on;
axis([-0.2e4 0.2e4 0 0.0215]);
subplot(2,1,2);plot(f,angle(X),'m');
title('Espectro de Fase de la señal X(f)');
xlabel('f(Hz)');
ylabel('°');
grid on;
axis([-500 500 -3 3]);

Página 17 de 22
Gráfica de la respuesta en frecuencia del filtro pasa bajas Butterworth de orden 4 y frecuencia de corte de 100
Hz. Parte 6, sección d.

Desarrollo de la sección d:
%% d
[B,A] = butter(4,100/fs,'low');
figure (5)
freqz(B,A);
title('Respuesta en Frecuencia del Filtro Pasa Baja de orden 8, con fc = 100Hz');

Gráfica de la respuesta al impulso del filtro de la sección d. Parte 6, sección e.

Página 18 de 22
Desarrollo de la sección e:
%% e
figure (6)
impz(B,A);
title('Respuesta al impulso');
axis([0 1000 -1.5e-3 6e-3]);
grid on;

Gráfica de la señal x(t) a través del filtro. Grafica de la señal de salida y(t), espectro de magnitud y de
fase. Parte 6, sección f.

Desarrollo de la sección f:
%% f
y = filter(B,A,x);
Y1 = fft(y).*dt;
Y = fftshift(Y1);
subplot(3,1,1);
plot(t,y);
grid on;
title('y(t)');
xlabel('t(seg)');
ylabel('y(t)');
axis([0 0.05 -4 4]);
subplot(3,1,2);
plot(f,abs(Y));
grid on;
title('Espectro de Magnitud de Y(F)');
xlabel('f(Hz)');
Página 19 de 22
ylabel('|Y(f)|');
axis([-0.2e4 0.2e4 0 0.06]);
subplot(3,1,3);
plot(f,phase(Y));
grid on;
title('Espectro de Fase de Y(F)');
xlabel('f(Hz)');
ylabel('°');
axis([-0.2e4 0.2e4 -2 8]);

Gráfica de la respuesta en frecuencia del filtro pasa bajas Butterworth de orden 8 y frecuencia de corte de 100
Hz. Parte 6, sección g.1.

Desarrollo de la sección g.1:


%% d
[B,A] = butter(8,100/fs,'low');
figure (5)
freqz(B,A);
title('Respuesta en Frecuencia del Filtro Pasa Baja de orden 8, con fc = 100Hz');

Página 20 de 22
Gráfica de la respuesta al impulso del filtro de orden 8. Parte 6, sección g.2.

Desarrollo de la sección g.2:


%% e
figure (6)
impz(B,A);
title('Respuesta al impulso');
axis([0 2000 -2.5e-2 3e-2]);
grid on;

Gráfica de la señal x(t) a través del filtro de orden 8. Grafica de la señal de salida y(t), espectro de
magnitud y de fase. Parte 6, sección g.3.
Página 21 de 22
Desarrollo de la sección g.3:
y = filter(B,A,x);
Y1 = fft(y).*dt;
Y = fftshift(Y1);
subplot(3,1,1);
plot(t,y);
grid on;
title('y(t)');
xlabel('t(seg)');
ylabel('y(t)');
axis([0 0.05 -4 4]);
subplot(3,1,2);
plot(f,abs(Y));
grid on;
title('Espectro de Magnitud de Y(F)');
xlabel('f(Hz)');
ylabel('|Y(f)|');
axis([-0.2e4 0.2e4 0 0.06]);
subplot(3,1,3);
plot(f,phase(Y));
grid on;
title('Espectro de Fase de Y(F)');
xlabel('f(Hz)');
ylabel('°');
axis([-0.2e4 0.2e4 -2 8]);

Conclusiones

Luego de haber observado y analizado los resultados obtenidos gracias a nuestro programa Matlab,
podemos concluir de acuerdo con cada sección realizada lo siguiente:

Las señales de tipo LTI y periódicas en todo intervalo de tiempo pueden tener varias formas de
analizarlas de acuerdo con las definiciones de DFT, ya que como sabemos podemos tener expansión
en el tiempo, así como también expansión en frecuencia, también podemos tener espectro de un solo
lado, pero también de doble lado, podemos tener respuesta ante un filtro y respuesta al impulso del
filtro. Etc.

Todo esto conlleva a que las señales pueden tener diferentes puntos formas de tratarlas a
conveniencia propia, ya que con esta herramienta de trabajo (Matlab), podemos observar la señal de
salida de un sistema ante una entrada conocida.

Recomendaciones

1. Al momento de realizar la programación en Matlab, resulta de gran ayuda conocer los


resultados esperados para cada sección, por ende, se debe realizar una lectura y búsqueda
previa de los gráficos y cálculos a realizar en la experiencia.
2. Es recomendable utilizar variables en vez de asignar los valores de una función
inmediatamente, ya que en ciertos subpuntos se desea ver como cambia el comportamiento de
los resultados ante distintos valores de entrada.

Página 22 de 22