Principios de Comunicaciones Sistemas, Modulacion y Ruido - Rodger E. Ziemer, William H. Tranter - 7ma Ed PDF

Séptima Edición
Principios de
COMUNICACIONES
Sistemas, Modulación y Ruido
CAPÍTULO 1
INTRODUCCIÓN
Se nos dice que vivimos en una era llamada la economía intangible, impulsada no por el flujo físico de bienes materiales
sino más bien por el flujo de información. Si, por ejemplo, estamos considerando hacer una adquisición importante, las
probabilidades son que buscaremos información acerca del producto mediante una búsqueda en Internet. Esta
recolección de información se hace posible por un acceso casi instantáneo a una miríada de datos sobre el producto, y de
esta manera haciendo que nuestra selección de una marca en particular esté más informada. Cuando se consideran los
desarrollos tecnológicos que posibilitan este acceso instantáneo a la información, aparecen dos ingredientes primordiales
– un medio de comunicación rápido y confiable y un medio de almacenamiento de información de acceso rápido,
conocido algunas veces como la convergencia de las comunicaciones y la computación.
Este libro se ocupa de la teoría de sistemas para la transferencia de información. Un sistema es una combinación de
circuito y/o dispositivos que se ensamblan para lograr una tarea deseada, como por ejemplo la transmisión de inteligencia
de un punto a otro. A través del tiempo se han usado muchos medios para la transmisión de información, medio que van
desde el uso de la luz solar reflejada en espejos por los Romanos hasta nuestra era moderna de comunicaciones eléctricas
que comenzó con la invención del telégrafo en los años 1800. Casi no es necesario decir que en este libro estamos
interesados en la teoría de sistemas para las comunicaciones eléctricas.
Una característica de los sistemas de comunicaciones eléctricas es la presencia de incertidumbre. Esta

incertidumbre se debe en parte a la presencia inevitable en cualquier sistema de perturbaciones no deseadas de
una señal, conocidas generalmente como ruido, y parte a la naturaleza impredecible de la propia información. El
análisis de sistemas en la presencia de esta incertidumbre requiere del uso de técnicas probabilísticas.
El ruido ha sido un problema siempre presente desde los primeros días de la comunicación eléctrica, pero no
fue hasta los años 1940 que se utilizaron procedimientos de análisis de sistemas probabilistas para analizar y
optimizar sistemas de comunicación operando en su presencia [Wiener 1949; Rice 1944, 1945]. También es algo
sorprendente que la naturaleza impredecible de la información no fue ampliamente reconocida sino hasta
después de la publicación de la teoría matemática de la comunicación de Claude Shannon [1948] al final de los
años 1940. Este trabajo fue el comienzo de la ciencia de la teoría de la información, un tópico que se considerará
en detalle más adelante.
En la Tabla 1.1 se dan los hechos históricos más importantes relacionados con el desarrollo de las
comunicaciones eléctricas. La tabla proporciona una apreciación por el desarrollo acelerado de las invenciones y
eventos relacionados con las comunicaciones a través de los años.
Ziemer, R., Tranter, W. : Principles of Communications 2
Tabla 1.1 Eventos e Invenciones Más Importantes en el Desarrollo de las Comunicaciones Eléctricas
Año Evento
Un dato interesante es que el primer sistema de comunicaciones eléctricas, el telégrafo, fue digital – esto es,
transfirió información entre dos puntos mediante un código digital consistente de palabras compuestas de
puntos y rayas.2 La invención posterior del teléfono, 38 años después del telégrafo, en donde se transfieren
ondas de voz mediante una corriente analógica, desvió el péndulo a favor de este medio más conveniente de
comunicación de palabras por aproximadamente 75 años.3
Se podría preguntar con justicia, en vista de esta historia, ¿Por qué la casi completa dominación por el formato
digital en el mundo actual? Hay varias razones, entre ellas tenemos: (1) Integridad de medios – un formato
digital sufre mucho menos deterioro en su reproducción que un registro analógico; (2) Integración de medios –
ya sea un sonido, una imagen o datos naturalmente digitales como por ejemplo un archivo de palabras, todos
son tratados en la misma forma cuando están en formato digital; (3) Interacción flexible – el dominio digital es
mucho más conveniente para soportar cualquier cosa desde una a una a muchas a muchas interacciones; (4)
Edición – ya sea texto, sonido, imágenes o video, todos son editados convenientemente y fácilmente cuando
están en formato digital.
Con esta breve introducción e historia, ahora miraremos con más detalle a las diferentes componentes que
conforman un sistema de comunicación típico.
1.1 EL DIAGRAMA DE BLOQUES DE UN SISTEMA DE COMUNICACIÓN
La Fig. 1.1 muestra un modelo comúnmente usado para un sistema de comunicación de un solo enlace.4 Aunque
el modelo sugiere un sistema para comunicación entre dos puntos ubicados remotamente, este diagrama de
2 En el sistema telegráfico físico, un punto se transmitía mediante un doble click corto mediante el cierre y apertura del
circuito con la llave (un conmutador) del telegrafista, en tanto que una raya se transmitía con un doble click más largo
extendiendo el tiempo de cierre del circuito mediante el conmutador del telegrafista.
3 Véase B. Oliver, J. Pierce y C. Shannon, “The Philosophy of PCM”, Proc. IRE, Vol. 16, pp. 1324-1331, Noviembre 1948.
4
Los sistemas de comunicación más complicados son la regla y no la excepción; un sistema de radiodifusión, como la
televisión o la radio comercial, es un tipo de situación de uno a muchos compuesta de varios sumideros que reciben la misma
información desde una única fuente; un sistema de comunicación de acceso múltiple es donde muchos usuarios comparte el
mismo canal y es tipificado por sistemas de comunicación satelitales; un tipo de escenarios de comunicaciones de muchos a
muchos es el más complejo y es ilustrado por ejemplos tales como el sistema telefónico y la Internet, donde ambos permiten
comunicación entre cualquier par en una multitud de usuarios. En la mayoría de los casos, en este libro sólo consideramos la
solución más sencilla de un solo transmisor a un solo receptor, aunque se tratarán los medios para compartir un recurso
comunicacional bajo los tópicos de multiplexado y acceso múltiple.
bloques también es aplicable a sistemas localización remota, tales como radar o sonar, en los cuales la entrada y
la salida del sistema pueden estar ubicadas en el mismo sitio. Indiferentemente de la aplicación y configuración
particulares, todos los sistemas de transmisión de información invariablemente involucran tres subsistemas
principales – un transmisor, el canal y un receptor. En este libro usualmente estaremos pensando en términos de
sistemas para la transferencia de información entre puntos ubicados remotamente. Sin embargo, se debe recalcar
que las técnicas de análisis de sistemas desarrolladas no están limitadas a tales sistemas.
Mensaje Señal Señal Señal de

digital transmitida recibida salida
Mensaje Mensaje
de entrada Transductor Transductor de salida
Transmisor Canal Receptor
de entrada de salida
Portadora Ruido aditivo, interferencia,

distorsión resultante debida a
banda limitada y a no linealidades,
ruido de conmutación en redes,
descargas electromagnéticas tales
como relámpagos, descarga
corona en líneas de potencia, etc.
Figura 1.1 El Diagrama de Bloques de un Sistema de Comunicaciones.
Ahora analizaremos con más detalle cada elemento funcional mostrado en la Fig. 1.1.
Transductor de Entrada La amplia variedad de fuentes de información resulta en muchas formas diferentes
para los mensajes. Sin embargo, indiferentemente de su forma exacta, los mensajes pueden catalogarse como
análogos o digitales. Los primeros pueden modelarse como funciones de una variable de tiempo continuo (por
ejemplo, presión, temperatura, audio), en tanto que los últimos consisten de símbolos discretos (por ejemplo,
texto escrito o una señal analógica muestreada y cuantizada como por ejemplo audio). Casi invariablemente, el
mensaje producido por una fuente debe ser convertido por transductor en una forma adecuada para el tipo
particular de sistema de comunicación empleado. Por ejemplo, en las comunicaciones eléctricas, las ondas de
audio son convertidas por un micrófono en variaciones de voltaje. El mensaje convertido se conoce como la señal
del mensaje. En este libro, por tanto, una señal puede interpretarse como la variación de una cantidad, a menudo
un voltaje o una corriente, con el tiempo.
Transmisor El objetivo del transmisor es acoplar el mensaje al canal. Aunque no es extraño hallar el transductor
de entrada acoplado directamente al medio de transmisión, como por ejemplo en algunos sistemas de
intercomunicación, con frecuencia es necesario modular una onda portadora con la señal proveniente del
transductor de entrada. La modulación es la variación sistemática de algún atributo de la portadora, como la
amplitud, fase o frecuencia, de acuerdo con una función de la señal del mensaje. Hay varias razones para usar
una portadora y modularla. Las más importantes son (1) para facilidad de radiación, (2) para reducir ruido e
interferencia, (3) para asignación de canales, (4) para multiplexado o transmisión de varios mensajes por un solo
canal y (5) para superar limitaciones en el equipo. Varias de estas razones se explican por sí solas; otras, tales
como la segunda, mostrarán su razón de ser más adelante.
Además de la modulación, otras funciones primarias realizadas por el transmisor son el filtrado, amplificación
y acoplamiento de la señal modulada al canal (por ejemplo, a través de la antena u otro elemento apropiado).
Canal El canal puede tener muchas formas diferentes; quizás la más conocida es el canal que existe entre la
antena transmisora de una estación de radio comercial y la antena receptora de un radio. En este canal, la señal
transmitida se propaga a través de la atmósfera o el espacio libre, hasta la antena receptora. Sin embargo, con
frecuencia encontramos el transmisor en el mismo circuito del receptor, como en la mayoría de los sistemas
telefónicos locales. Esta canal es muy diferente del ejemplo de la radio. Sin embargo, todos los canales tienen una
cosa en común: la señal sufre degradación entre el transmisor y el receptor. Aunque esta degradación puede
ocurrir en cualquier punto del diagrama de bloques del sistema de comunicación, se acostumbra asociarlo con el
canal solamente. Esta degradación a menudo se debe al ruido y a otras señales o interferencias indeseables, pero
también puede incluir otros efectos de distorsión tales como niveles de desvanecimiento de la señal, trayectorias
de transmisión múltiples, y filtrado. Dentro de poco diremos más sobre estas perturbaciones no deseadas.
Receptor La función del receptor es extraer de la señal recibida el mensaje deseado en el canal y convertirla en
una forma adecuada para el transductor de salida. Aunque la amplificación puede ser una de las primeras
operaciones realizadas por el receptor, especialmente en la comunicación por radio, donde la señal puede ser
extremadamente débil, la función principal del receptor es demodular la señal recibida. Con frecuencia se desea
que la salida del receptor sea una versión escalada y posiblemente retardada de la señal del mensaje en la
entrada del modulador, aunque en algunos casos se desea una función más general del mensaje de entrada. Sin
embargo, como un resultado de la presencia de ruido y distorsión, esta operación es poco menos que ideal.
Conforme procedamos en nuestro estudio, se analizarán formas posibles de enfocar el caso ideal de una
recuperación perfecta.
Transductor de Salida El transductor de salida completa el sistema de comunicación. Este dispositivo convierte
la señal eléctrica en su entrada en la forma deseada por el usuario del sistema. Quizás el transductor de salida
más común es una bocina o un audífono.
1.2 CARACTERÍSTICAS DEL CANAL
1.2.1 Fuentes de Ruido
El ruido en un sistema de comunicación puede clasificarse en dos amplias categorías, dependiendo de su fuente.
El ruido generado por componentes en un sistema de comunicación, tales como resistores y elementos activos de
estado sólido, se conoce como ruido interno. La segunda categoría, ruido externo, resulta de fuentes externas a un
sistema de comunicación, incluyendo fuentes atmosféricas, humanas y extraterrestres.
El ruido atmosférico proviene principalmente de ondas de radio espurias generadas por las descargas
eléctricas naturales en la atmósfera asociadas con tormentas eléctricas. Comúnmente se les refiere como estática o
esféricas. Debajo de aproximadamente 100 MHz, la intensidad del campo de esas ondas de radio es inversamente
proporcional a la frecuencia. El ruido atmosférico es caracterizado en el dominio del tiempo por pulsos de gran
amplitud y corta duración y uno de los ejemplos primarios de ruido conocido como impulsivo. Debido a su
dependencia inversa de la frecuencia, el ruido atmosférico afecta la radiodifusión de AM comercial, la cual
ocupa l banda de frecuencias de 540 kHz a 1.6 MHz, más que a la televisión y la radio FM, la cual opera en
bandas de frecuencia superiores a 50 MHz.
Las fuentes humanas de ruido incluyen la descarga corona en líneas de potencia de alto voltaje, ruido
generado por conmutadores en motores eléctricos, ruido de ignición en automóviles y aviones y ruido de
conmutación. El ruido de ignición y el de conmutación, como el ruido atmosférico, son impulsivos en carácter.
El ruido impulsivo es el tipo predominante de ruido en canales de conmutación alámbricos, tales como canales
telefónicos. Para aplicaciones como transmisión de voz, el ruido de impulso es sólo un factor irritante, sin
embargo, puede ser una fuente de error seria en aplicaciones que involucren la transmisión de datos digitales.
Otras fuente importante de ruido de proveniencia humana es los transmisores de radio frecuencia diferentes
del que nos interesa. El ruido debido a transmisores que se interfieren se conoce comúnmente como interferencia
de radio frecuencia (RFI, por sus siglas en inglés). La RFI es particularmente preocupante en situaciones en las
cuales una antena receptora está sometida a un ambiente con alta densidad de transmisores, como en las
comunicaciones móviles en una gran ciudad.
Las fuentes de ruido extraterrestre incluyen nuestro sol y otros cuerpos celestiales calientes, como por ejemplo
estrellas. Debido a su alta temperatura (6000°C) y relativa cercanía a la tierra, el sol es fuente interna, pero
afortunadamente localizada, de energía de radio que se extiende por un amplio espectro de frecuencias. En
forma similar, las estrellas son fuentes de energía de radio de banda amplia. Aunque mucho más distantes y por
tanto menos intensas que el sol, no obstante colectivamente son una fuente importante de ruido debido a su
gran número. Las estrellas de radio, como los quasares y pulsares, son también fuentes intensas de energía de
radio. Consideradas como una fuente de señales por radio astrónomos, tales estrellas son vistas como otra fuente
de ruido por los ingenieros de comunicaciones. La banda de frecuencias del ruido solar y cósmico se extiende
desde unos pocos megahertz hasta unos pocos gigahertz.
Otra fuente de interferencia en los sistemas de comunicación son las trayectorias de transmisión múltiples.
Éstas pueden resultar de reflexiones en edificios, la tierra, aeronaves y barcos o de refracción por
estratificaciones en el medio de transmisión. Si el mecanismo de dispersión resulta e muchas componentes
reflejadas, la señal de multitrayectoria recibida es parecida a ruido y se denomina difusa. Si la componente de la
señal de multitrayectoria está compuesta de solamente uno o dos rayos reflejados con fuerza, se denomina
especular. Finalmente, la degradación de la señal en un sistema de comunicación puede ocurrir debido a cambios
aleatorios en la atenuación en el medio de transmisión. Tales perturbaciones de la señal se conocen como
desvanecimiento, aunque debe señalarse que la multitrayectoria especular también resulta en desvanecimiento
debido a la interferencia constructiva y destructiva de las múltiples señales recibidas.
El ruido interno resulta del movimiento aleatorio de portadores de carga en componentes electrónicos. Puede
ser de tres tipos generales: el primero se conoce como ruido térmico, el cual es producido por el movimiento
aleatorio de electrones libres en un conductor o semiconductor excitado por la agitación térmica; el segundo se
denomina ruido de golpeteo y es causado por la llegada aleatoria de portadores de carga discretos en dispositivos
tales como tubos termiónicos o elementos de unión semiconductores; el tercero, conocido como ruidote látigo, es
producido en semiconductores por un mecanismo no bien entendido y es más severo para frecuentas más bajas.
El primer tipo de ruido, ruido térmico, se modela analíticamente en el Apéndice A, y allí se dan ejemplos de
caracterización de un sistema usando este modelo.
1.2.2 Tipos de Canales de Transmisión
Hay muchos tipos de canales de transmisión. Estudiaremos las características, ventajas y desventajas de tres
tipos comunes: canales de propagación de ondas electromagnéticas, canales de ondas electromagnéticas guiadas
y canales ópticos. Las características de estos tres canales se pueden explicar con base en los fenómenos de
propagación de ondas electromagnéticas. Sin embargo, las características y aplicaciones de cada uno son lo
suficientemente diferentes para que sean considerados porseparado.
Canales de Propagación de Ondas Electromagnéticas
La posibilidad de la propagación de ondas electromagnéticas la predijo en 1864 James Clerk Maxwell

(1831−1879), un matemático escocés quien basó su teoría en el trabajo experimental de Michael Faraday.
Heinrich Hertz (1857−1894), un físico alemán, realizó experimentos entre 1886 y 1888 usando una chispa de
rápida oscilación para producir ondas electromagnéticas, demostrando así experimentalmente las predicciones
de Maxwell. Por tanto, para la última parte del siglo diecinueve, ya estaban establecidas las bases físicas para
muchas invenciones modernas utilizando la propagación de ondas electromagnéticas – tales como radio,
televisión y radar.
El principio básico involucrado es el acoplamiento de la energía electromagnética con un medio de
propagación, el cual puede ser el especio libre o la atmósfera, mediante un elemento de radiación conocido como
una antena. Muchos diferentes tipos de propagación son posibles, dependiendo de la configuración física de la
antena y las características del medio de propagación. El caso más sencillo – el cual nunca ocurre en la práctica –
es la propagación desde una fuente puntual en un medio de extensión infinita. Los frentes de propagación de la
onda (superficies de fase constante) en este caso serían esferas concéntricas. Un modelo así podría usarse para la
propagación de energía electromagnética entre una nave espacial y la tierra. Otro modelo idealizado, el cual
aproxima la propagación de ondas de radio de una antena de radiodifusión comercial, es el de una línea
conductora perpendicular a un plano conductor infinito. Estos y otros casos idealizados han sido analizados en
libros de teoría electromagnética. Nuestro objetivo no es resumir todos los modelos idealizados, sino puntualizar
aspectos básicos de los fenómenos de propagación en canales prácticos.
Excepto por el caso de propagación entre dos naves espaciales en el espacio exterior, el medio presente entre el
transmisor y el receptor nunca es bien aproximado por el espacio libre. Dependiendo de la distancia involucrada
y la frecuencia de la forma de onda radiada, un enlace de comunicación terrestre pueden depender de

propagación de línea de vista, de onda terrestre o de onda de rebote ionosférica (véase la Fig. 1.2). La Tabla 1.2
da una lista de las bandas de frecuencia desde 3 kHz hasta 107 GHz, junto con las designaciones con letras para
las bandas de microondas usadas en radar entre otras aplicaciones. Observe que las bandas de frecuencia se dan
en décadas; la banda VHF tiene 10 veces tanto espacio en frecuencias como la banda HF. La Tabla 1.3 muestra
bandas de interés especial.
Satélite de comunicación
Ionósfera
Transionósfera
(LOS)
Onda de rebote
Onda terrestre
Tierra
Figura 1.2 Los diferentes modos de propagación para ondas electromagnéticos (LOS representa línea de vista).
Las asignaciones para aplicaciones generales se distribuyen por acuerdos internacionales. El sistema actual de
asignaciones de frecuencias es administrado por la Unión Internacional de Telecomunicaciones (UIT), la cual es
responsable de la convocación periódica de las Conferencias Administrativas de Radio en una base regional o
mundial (WARC antes de 1995; WRC desde 1995 y las siglas significan, en inglés, Conferencia Mundial de
Radiocomunicaciones). La responsabilidad de las WRC es la revisión de las propuestas y la adopción de la
Regulación de Radio, que es un instrumento para la administración del espectro de radio.
En los Estados Unidos, la Comisión Federal de Comunicaciones (FCC, por sus siglas en inglés) asigna
aplicaciones específicas dentro de una banda y también da licencias para su uso. La FCC está dirigida por cinco
comisionados nombrados por términos de cinco años por el Presidente y confirmado por el Senado. Un
comisionado es nombrado como presidente por el Presidente.
A frecuencias más bajas, o longitudes de onda más largas, las ondas de radio propagándose tienden a seguir la
superficie de la tierra. A frecuencias más altas, o longitudes de onda más cortas, las ondas de radio se propagan
en líneas rectas. Otro fenómeno que ocurre a frecuencias más bajas es la reflexión (o refracción) de ondas de
radio por la ionosfera (una serie de capas de partículas cargadas en altitudes entre 30 y 250 millas sobre la
superficie de la tierra). Por tanto, para frecuencias inferiores a aproximadamente 100 MHz, es posible tener una
propagación de onda de rebote. En la noche, cuando desaparecen las capas ionosféricas más bajas debido a una
menor ionización del sol (las capas E, F1 y F2 se unen en una sola capa – la capa F), ocurre propagación más larga
de ondas de rebote como un resultado de la única capa reflectora más alta de la ionosfera.
Por encima de aproximadamente 300 MHz, la propagación de ondas de radio es por línea de vista, ya que la
ionosfera no doblará lo suficiente las ondas de radio en esta región para reflejarlas de regreso a la tierra. A
todavía frecuencias más altas, digamos sobre 1 o 2 GHz, los gases atmosféricos (principalmente oxígeno), el
vapor de agua y precipitación absorben y dispersan las ondas de radio. Este fenómenos se manifiesta como
atenuación de la señal recibida, con la atenuación generalmente siendo más severa mientras más alta sea la
frecuencia (hay regiones de resonancia para la absorción por gases que alcanzan picos a ciertas frecuencias). La
Fig. 1.3 muestra curvas de atenuación específicas como una función de la frecuencia para el oxígeno, vapor de
agua y lluvia. Se debe tomar en cuenta la posible atenuación por esos constituyentes de la atmósfera en el diseño
de enlaces de microondas, los cuales se usan, por ejemplo, en enlaces telefónicos transcontinentales y en enlaces
de comunicaciones entre la tierra y satélites.
Tabla 1.2 Bandas de Frecuencia con Designaciones
Banda de Designación en
Nombre Banda de microondas (GHz)
frecuencias letras
3−30 kHz Frecuencia muy baja (VLF)
30−300 kHz Baja frecuencia (LF)
300−3000 kHz Frecuencia media (MF)
3−30 MHz Alta frecuencia (HF)
30−300 MHz Frecuencia muy alta (VHF)
0.3−3GHz Frecuencia ultra alta (UHF) 1.0−2-0 L

2.0−3.0 S
3-30 GHz Frecuencia súper alta 3.0−4.0 S

4.0−6.0 C
6.0−8.0 C
8.0−10.0 X
10.0−12.4 X
12.4−18.0 Ku
18.0−20.0 K
20.0−26.5 K
30−300 GHz Frecuencia extremadamente alta 26.5−40.0 Ka

(EHF)
43−430 THz Infrarrojo (0.7−7 µm)
430−750 THz Luz visible (0.4−0.7 µm)
750−3000 THz Ultravioleta (0.1−0.4 µm)
Observación: kHz = kilohertz = ×103; MHz = megahertz = ×106: GHz = gigahertz = ×109, THz = terahertz 0 ×1012; µm =
micrometros = ×10−6 metros.
En aproximadamente 23 GHz ocurre la primera resonancia por absorción debida al vapor de agua y en
aproximadamente 62 GHz ocurre una segunda debida a la absorción de oxígeno. Estas frecuencias deben
evitarse en la transmisión de señales a través de la atmósfera o se utilizará potencia indebida (se podría, por
ejemplo, usar 62 GHz como una señal para un enlace cruzado entre dos satélites, donde la absorción atmosférica
no sea problema y prevenir de este modo que un enemigo en tierra escuche la transmisión). Otra frecuencia de
absorción para el oxígeno ocurre en 120 GHz y otras dos frecuencias de absorción para el vapor de agua ocurren
en 180 y 350 GHz.
Tabla 1.3 Bandas de Frecuencias Seleccionadas para Uso Público y Comunicaciones Militares
Uso Frecuencia
Radio navegación
Navegación Loran C
Radiodifusión (AM) estándar
Banda ISM Calentadores industriales;

soldadores
Televisión Canales 2−4

Canales 5−6
Radiodifusión FM
Televisión Canales 7−13

Canales 14−83
(En los Estados Unidos, los canales 2−36 y
38−51 son usados para transmisión de TV
digital; otros fueron reasignados
Radio celular móvil
Wi−Fi (IEEE 802.11 2.4/5 GHz

Wi−MAX (IEEE 802.16 2−11 GHz
Banda ISM Hornos de microondas; médica 902−928MHz
Sistema de Posicionamiento Global 1227.6, 1575.4 MHz

Microonda de punto a punto 2.11−2.13 GHz
Microonda de punto a punto Interconexión de estaciones base 2.16−2.18 GHz
Banda ISM Hornos de microondas; espectro de 2.4−2.4835 GHz
dispersión sin licencia, médica 23.6−24 GHz
244−246 GHz
La comunicación en frecuencias de ondas milimétricas (esto es, a 30 GHz y más altas) se está volviendo más
importante ahora que hay tanta congestión a frecuencias más bajas (el Satélite de Tecnología Avanzada, lanzado
a mitad de los 1990, emplea una banda de frecuencias en el enlace ascendente de alrededor de 20 GHz y una
banda de frecuencias en el enlace descendente de aproximadamente 30 GHz). La comunicación en frecuencias
de ondas milimétricas se está haciendo más posible debido a los avances tecnológicos en componentes y
sistemas. Se han identificado dos bandas en 30 y 60 GHz, las bandas LMDS (“Local Multipoint Distribution
System”) y la MMDS (“Multichannel Multipoint Distribution System”) para la transmisión terrestre de señales de
banda ancha. Se debe tener mucho cuidado en el diseño de sistemas que utilicen estas bandas debido a la alta
absorción atmosférica y por lluvia como también por el bloqueo de objetos tales como árboles y edificios. En
gran parte, el uso de estas bandas se ha vuelto obsoleto debido a estándares más recientes tales como el WiMAX
(“Worldwide Interoperability for Microwave Access”), algunas veces llamado Wi-Fi con esteroides.
Vapor de agua
Oxígeno
Atenuación. dB/km
Frecuencia, GHz
(a)
Atenuación. dB/km
Tasa de lluvia
= 100 mm/h
= 50 mm/h
= 10 mm/h
Frecuencia, GHz
(b)
Figura 1.3 Atenuación específica para gases atmosféricos y lluvia. (a) Atenuación específica
debida al oxígeno y al vapor de agua (concentración de 7.5 g/m3). (b) Atenuación específica
debida a lluvias con tasas de 10, 50 y 100 mm/h.
Un poco por encima de 1 THz (1000 GHz), la propagación de ondas de radio se torna de carácter óptico. Para
una longitud de onda de 10 µm (0.00001 m), el láser de dióxido de carbono proporciona una fuente de radiación
coherente y los láseres de luz visible (por ejemplo, de helio-neón) irradian en región de longitud de onda de 1
µm y más corta. Los sistemas de comunicación terrestres que emplean esas frecuencias experimentan una
atenuación considerable en días nublados y las comunicaciones por láser en enlaces terrestres están restringidas
a fibras ópticas en su mayor parte. Se han realizado análisis para el empleo de enlaces cruzados para
comunicaciones con láser entre satélites.
Canales para Ondas Electromagnéticas Guiadas
Hasta la parte final del siglo veinte, el mayor ejemplo de canales de ondas electromagnéticas guiadas es la parte
de la red telefónica de larga distancia que usa líneas de alambres, pero ésta ha sido reemplazada casi
exclusivamente por la fibra óptica. La comunicación entre personas separadas por un continente fue lograda por
primera vez mediante la transmisión en frecuencia de voz (debajo de 10000 Hz) por alambre a la vista. La
calidad de la transmisión fue bastante pobre. Ya para 1952 se había establecido el uso de los tipos de modulación
conocidos como banda lateral doble y banda lateral única con portadoras de alta frecuencia. La comunicación
por predominantemente líneas de cables multipares y coaxiales produjo transmisión de mucho mejor calidad.
Cuando se concluyó la instalación del primer cable tras-atlántico en 1956, la comunicación telefónica
intercontinental dejó de depender de la radio de alta frecuencia y la calidad del servicio telefónico
intercontinental mejoró considerablemente.
Los anchos de banda de enlaces de cable coaxial son de unos pocos megahertz. La necesidad por un mayor
ancho de banda inició el desarrollo de los sistemas de transmisión con guías de ondas para ondas milimétricas.
Sin embargo, con el desarrollo de las fibras ópticas de bajas pérdidas, cesaron los esfuerzos para mejor los
sistemas de ondas milimétricas para lograr un mayor ancho de banda. De hecho, el desarrollo de las fibras
ópticas ha hecho casi una realidad el concepto de una ciudad interconectada por cable – en la cual se pueden
enviar datos digitales y video a cualquier residencia o negocio dentro de la ciudad. Los sistemas modernos de
cable coaxial pueden transportar solamente 13000 canales de voz por cable, pero los enlaces ópticos son capaces
de transportar varias veces este número (el factor limitante es el motor actual para la fuente de luz).
Enlaces Ópticos El uso de enlaces ópticos estuvo, hasta muy recientemente, limitado a distancias cortas e
intermedias. Con la instalación de los cables trans-Pacífico y trans-Atlántico en 1988 y principios de 1989, esto
dejó de ser cierto. Los avances tecnológicos que precedieron el uso extensivo de ondas luminosas para las
comunicaciones fueron el desarrollo de pequeñas fuentes de luz coherente (láseres semiconductores), fibras o
guías de ondas ópticas de bajas pérdidas y detectores de bajo ruido.
Un sistema de comunicación de fibra óptica típico tiene una fuente luminosa, la cual puede ser ya sea un diodo
emisor de luz o un láser semiconductor, en el cual la intensidad de la luz es variada por la fuente del mensaje.
La salida de este modulador es la entrada a una fibra conductora de luz. El receptor, o sensor de luz, consiste
típicamente de un fotodiodo. En un fotodiodo, fluye una corriente promedio que es proporcional a la potencia
óptica de la luz incidente. Sin embargo, el número exacto de portadores de carga (esto es, electrones) es
aleatorio. La salida del detector es la suma de la corriente promedio que es proporcional a la modulación y una
componente de ruido. Esta componente de ruido difiere del ruido térmico generado por la electrónica del
receptor en que tiene un carácter de “ráfagas”. Se conoce como ruido de golpeteo o disparo, en analogía con el
ruido que hace un disparo cuando golpea una placa de metal. Otra fuente de degradación es la dispersión de la
propia fibra óptica. Por ejemplo, las señales de tipo pulso que se envían por la fibra se observan como “untadas”
en el receptor. También ocurren pérdidas como un resultado de las conexiones entre tramos de cables y entre
cables y componentes del sistema.
Finalmente, se debe mencionar que las comunicaciones ópticas pueden ocurrir a través del espacio libre.
1.3 RESUMEN DE TÉCNICAS DE ANÁLISIS DE SISTEMAS
Habiendo identificado y estudiado los principales subsistemas en un sistema de comunicación y ciertas

características de los medios de transmisión, examinemos ahora las técnicas que tenemos disponibles para el
análisis y diseño de sistemas.
1.3.1 Análisis en los Dominios de Tiempo y Frecuencia
De cursos de circuitos u otros cursos sobre análisis de sistemas lineales, usted está consciente que el ingeniero
electricista vive, por así decirlo, en dos mundos, de tiempo y frecuencia. También debe recordar que las técnicas
de análisis duales de tiempo-frecuencia son especialmente valiosas para sistemas lineales en los cuales se cumple
el principio de superposición. Aunque muchos de los subsistemas y operaciones encontradas en los sistemas de
comunicaciones son en su mayor parte lineales, mucho no lo son. Sin embargo, el análisis en el dominio de la
frecuencia es una herramienta de extraordinario valor para el ingeniero de comunicaciones, quizás más que para
cualquier otro analista de sistemas. Como el ingeniero de comunicaciones se ocupa principalmente de anchos de
bandas de de localizaciones de señales en el dominio de la frecuencia en vez del análisis transitorio, se usa
esencialmente el enfoque del estado estacionario o de régimen permanente de la serie y transformada de
Fourier. En consecuencia, en el Capitulo 2 se presenta un panorama de las series de Fourier, la integral de
Fourier y su papel en el análisis de sistemas.
1.3.2 Teorías de Modulación y Comunicación
La teoría de modulación emplea análisis en los dominios de tiempo y frecuencia para analizar y diseñar sistemas
para la modulación y demodulación de señales portadoras de información. Para ser específicos, considere la
señal de mensaje m(t), la cual se va a transmitir por un canal usando el método de modulación de banda lateral
doble. La portadora modulada para modulación de banda lateral doble es de la forma xc (t ) = Ac m(t ) cos ωc t ,
donde ωc es la frecuencia portadora en radianes por segundo y Ac es la amplitud de la portadora. No solamente
se debe construir un modulador que pueda multiplicar las dos señales, sino que se requieren amplificadores
para proporcionar el nivel de potencia adecuado de la señal transmitida. El diseño exacto de tales amplificadores
no es preocupación del enfoque de sistemas. Sin embargo, el contenido de frecuencia de la portadora modulada,
por ejemplo, es importante para su diseño y por tanto debe especificarse. El enfoque del análisis dual de tiempo-
frecuencia es especialmente útil en proporcionar esa información.
En el otro extremos del canal, debe haber una configuración de receptor capaz de extraer de la señal modulada
una réplica de m(t), y una vez más se pueden aplicar técnicas en los dominios de tiempo y frecuencia con buenos
resultados.
El análisis del efector se señales interferentes sobre el desempeño de un sistema y las modificaciones
subsiguientes en el diseño para mejorar ese desempeño para enfrentar las señales interferentes son parte de la
teoría de la comunicación, la cual, a su vez, utiliza la teoría de la modulación.
Este análisis, aunque menciona las señales interferentes, no ha recalcado en forma explícita el aspecto de
incertidumbre del problema de la transferencia de información. En efecto, se ha logrado mucho sin la aplicación
de métodos probabilistas. Sin embargo, como se señaló previamente, la aplicación de métodos probabilistas,
acoplados a los procedimientos de optimización, ha sido uno de los ingredientes claves de la era de las
comunicaciones modernas y ha llevado al desarrollo durante la última etapa del siglo veinte de nuevas técnicas
y sistemas totalmente diferentes en concepto de aquellas que existían antes de la Segunda Guerra Mundial.
Ahora revisaremos algunos métodos de optimización estadística de sistemas de comunicaciones.
1.4 MÉTODOS PROBABILISTAS EN LA OPTIMIZACIÓN DE SISTEMAS
Los trabajos de Wiener y Shannon, citados previamente, fueron el comienzo de la teoría estadística moderna de
las comunicaciones. Estos dos investigadores aplicaron métodos probabilistas al problema de extraer señales
portadoras de información de ambientes ruidosos, pero ellos trabajaron desde puntos de vista diferentes. En esta
sección examinaremos brevemente estos dos enfoques al diseño óptimo de sistemas.
1.4.1 Detección Estadística de Señales y Teoría de la Estimación
Wiener consideró el problema del filtrado óptimo de señales eliminando ruido, donde se usa “óptimo” en el
sentido de minimizar el promedio del cuadrado del error entre la salida deseada y la real. La estructura del filtro
resultante se conoce como el filtro de Wiener. Este tipo de enfoque es más apropiado para los sistemas de
comunicación analógica, en los cuales la salida demodulada del receptor debe ser una réplica fiel del mensaje de
entrada al transmisor.
El enfoque de Wiener es razonable para las comunicaciones analógicas. Sin embargo, el comienzo de los años
1940 [North 1943] proporcionó un método más fructífero en el problema de las comunicaciones digitales, en el
cual el receptor debe distinguir entre varias señales discretas en un ambiente ruidoso. En realidad, North estaba
trabajando en el radar, el cual requiere sólo la detección de la presencia o ausencia de un pulso. Como la
fidelidad de la señal detectada en el receptor no es de importancia en estos problemas de detección de señales,
North buscaba el filtro que maximizaría la relación pico de la señal a su raíz media cuadrática (rms) en su salida.
El filtro óptimo resultante se denomina el filtro sintonizado, por razones que se aclararán en el Capítulo 9, donde
consideraremos la transmisión de datos digitales. Aplicaciones posteriores de las ideas del filtro de Wiener y el
sintonizado a ambientes variables en el tiempo produjeron los filtros adaptativos. En el Capitulo 9 se considerará
una subclase de estos filtros cuando se estudie compensación de señales de datos digitales.
Los métodos de extracción de señales de Wiener y North, formalizados en el lenguaje de la estadística a

principios de los 1950 por varios investigadores (véase [Middleton 1960], p. 832, para varias referencias), fueron
los comienzos de lo que se conoce hoy como teoría estadística de detección y estimación de señales. Al considerar el
diseño de receptores utilizando toda la información disponible en la salida del canal [Woodward y Davies 1952 y
Woodward, 1953] se determinó que este llamado receptor ideal calcula las probabilidades de la forma de onda
recibida dados los posibles mensajes transmitidos. Estas probabilidades calculadas se conocen como
probabilidades a posteriori. El receptor ideal toma entonces la decisión de que el mensaje transmitido fue el que
se corresponde con la mayor probabilidad a posteriori. Aunque quizás algo vago en este punto, este principio de
maximun a posterior (MAP), como se denomina, es una de las piedras angulares de la teoría de detección y
estimación. Otro desarrollo que tuvo consecuencias de mucho alcance en el desarrollo de la teoría de detección
fue la aplicación de las ideas de los espacios vectoriales generalizados ([Kotelnikov 1959] y [Wozencraft y Jacobs
1965]). Estas ideas se examinarán con más detalle en los Capítulos 9 a 11.
1.4.2 Teoría de la Información y Codificación
El problema básico que Shannon consideró es, “Dada una fuente de mensajes, ¿cómo se deben representar los
mensajes producidos para maximizar la información transferida a través de un canal dado?” Aunque Shannon
formuló su teoría para fuentes tanto discretas como analógicas, aquí pensaremos en términos de sistemas
discretos. Claramente, una consideración básica en esta teoría es una medida de la información. Una vez que se
haya definido una medida adecuada (y eso haremos en el Capítulo 12), el paso siguiente es definir la capacidad
de transportar información, o simplemente capacidad, de un canal como la máxima tasa con la cual se puede
transferir información por el canal. La pregunta obvia que surge ahora es, “Dado un canal, ¿cuán cerca podemos
aproximarnos a la capacidad del canal y cuál es la calidad del mensaje recibido?” Un resultado muy
sorprendente, y singularmente el más importante, de la teoría de Shannon es que mediante una reestructuración
adecuada de la señal transmitida, podemos transmitir información a través de una canal con cualquier tasa menor
que la capacidad del canal con un error arbitrariamente pequeño, a pesar de la presencia de ruido, siempre y cuando
tengamos disponible un tiempo arbitrariamente largo para la transmisión. Ésta es la esencia del segundo teorema
de Shannon. Limitando nuestra discusión en este punto a fuentes discretas binarias, una demostración del
segundo teorema de Shannon procede mediante una selección aleatoria de palabras de código del conjunto de
2 n secuencias binarias posibles de n dígitos de longitud en la entrada del canal. La probabilidad de error al
recibir una secuencia dada de n dígitos, cuando se promedia sobre todas las selecciones de códigos posibles, se
vuelve arbitrariamente pequeña a medida que n se vuelve arbitrariamente grande. Por tanto, existen muchos
códigos adecuados, pero no se nos dice cómo hallar estos códigos. En efecto, éste ha sido el dilema de la teoría de
información desde su comienzo y un área de investigación activa. En años recientes, se han hecho grandes
avances para hallar buenas técnicas de codificación e investigación que se pueden implementar con una
cantidad razonable de hardware y que requieren sólo una cantidad razonable de tiempo para decodificar.
En el Capítulo 12 se estudiarán varias técnicas de codificación básicas. Quizás el desarrollo más asombroso en
la historia reciente de la codificación fue la invención de la turbo codificación y su publicación subsiguiente por
investigadores franceses en 1993. Sus resultados, los cuales fueron verificados posteriormente por varios
investigadores, mostraron un desempeño con una diferencia de una fracción de un decibel del límite de
Shannon.19
1.4.3 Avances Recientes
En las últimas décadas se han hecho grandes avances en la teoría de las comunicaciones y su implementación
práctica. Algunos de éstos se señalarán más adelante en este libro. Para captar la esencia de estos avances en este
punto, retardaría la cobertura de conceptos básicos de la teoría de las comunicaciones, que es la intención
subyacente de este libro. Para aquellos que desean lecturas adicionales en este punto, dos números recientes de
19En realidad, los códigos de verificación de paridad de baja densidad, inventados y publicados por Robert Gallager en 193,
fueron los primeros códigos en permitir tasas cercanas al límite teórico ([Gallager, 1963]). Sin embargo, su implementación
era impráctica en 1963 y fueron olvidados por los últimos 10-20 años, cuando los avances prácticas en su teoría y
procesadores sustancialmente avanzados han estimulado un resurgimiento de interés en ellos.
los IEEE Proceedings proporcionarán información en dos áreas, procesamiento con turbo información (usada en
la decodificación de turbo códigos entre otras aplicaciones) y teoría de comunicaciones de entradas múltiples –
salidas múltiples (MIMO, por sus iniciales en inglés), que se espera tendrá un gran impacto en el desarrollo de
redes inalámbricas de áreas locales y amplias.
CAPÍTULO 2
ANÁLISIS DE SEÑALES Y SISTEMAS LINEALES
El estudio de los sistemas de transmisión de información se ocupa inherentemente de la transmisión de señales a través
de sistemas. Recuerde que en el Capítulo 1 una señal se definió como la historia en el tiempo de alguna cantidad,
usualmente un voltaje o una corriente. Un sistema es una combinación de elementos o dispositivos y redes
(subsistemas) escogidos para realizar una función deseada. Debido a la sofisticación de los sistemas de comunicación
modernos, ocurre una gran cantidad de análisis y experimentación con subsistemas de ensayo antes de la construcción
real del sistema deseado. Por tanto, las herramientas del ingeniero de comunicaciones son modelos matemáticos de las
señales y sistemas.
En este capítulo se repasan técnicas útiles para el modelado y análisis de las señales y sistemas usadas en la ingeniería
1
de comunicaciones. De interés primario será el punto de vista dual de tiempo- frecuencia para la representación de
señales y los modelos para sistemas de dos puertos, lineales e invariables en el tiempo. Es importante tener siempre en
mente que un modelo no es la señal ni el sistema, sino una idealización matemática de ciertas características que son
más relevantes para el problema bajo estudio.
Con esta breve introducción, ahora consideramos clasificaciones de señales y algunos métodos para modelar señales y
sistemas. Estos incluyen representaciones en el dominio de la frecuencia para señales usando la serie de Fourier
exponencial compleja y la transformada de Fourier, seguidas por modelos de sistemas lineales y técnicas para analizar
los efectos de estos sistemas sobre las señales.
2.1 MODELOS DE SEÑALES
2.1.1 Señales Deterministas y Aleatorias
En este texto estamos interesados en dos amplias clases de señales, conocidas como deterministas y aleatorias.
Las señales deterministas pueden modelarse como funciones del tiempo especificadas completamente. Por
ejemplo, la señal
x(t ) = A cos ( ω0 t ) , −∞ < t < ∞ (2.1)
donde A y ωo son constantes, es un ejemplo conocido de una señal determinista. Otro ejemplo de una señal
determinista es el pulso rectangular unitario, denotado como Π(t) y definido como
 1, t ≤ 1
2
Π(t ) =  (2.2)
 0, otros valores de t
Las señales aleatorias son señales que toman valores aleatorios en cualquier instante y deben modelarse
probabilísticamente. Ellas se considerarán en los Capítulos 6 y 7. La Fig. 2.1 ilustra los diferentes tipos de señales
que acabamos de presentar.
1
Se pueden encontrar tratamientos más completos de estos tópicos en textos sobre la teoría de sistemas lineales. Vea las
referencias para este capítulo para sugerencias.
Figura 2.1 Ejemplos de varios tipos de señales. (a) Señal determinista (sinusoidal). (b) Señal
pulso rectangular unitario. (c) Señal aleatoria.
2.1.2 Señales Periódicas y Aperiódicas
La señal definida por (2.1) es un ejemplo de una señal periódica. Una señal x(t) es periódica si y sólo si
x ( t + T0 ) = x(t ), −∞ < t < ∞ (2.3)
donde la constante T0 es el periodo. El número más pequeño que satisface (2.3) se conoce como el periodo
fundamental. Cualquier señal que no satisfaga (2.3) se denomina aperiódica.
2.1.3 Señales Fasoriales y Espectros
Una señal periódica útil en el análisis de señales es la señal
xɶ (t ) = Ae ( 0 ) ,
j ω t +θ
−∞ < t < ∞ (2.4)
la cual es caracterizada por tres parámetros: la amplitud A, la fase θ en radianes y la frecuencia ω0 en radianes
por segundo o f0 = ω0/2π hertz. Nos referiremos a xɶ (t ) como un fasor rotativo para diferenciarlo del fasor Ae jθ ,
para el cual está implícito el factor e jω0t . Si se usa el teorema de Euler2, podemos demostrar fácilmente que
xɶ ( t ) = xɶ ( t + T0 ) , donde T0 = 2 π ω0 .
El factor rotativo Ae ( 0 ) puede ser relacionado con una señal real sinusoidal A cos ( ω0 t + θ ) en dos formas.
j ω t +θ
La primera, tomando su parte real

x(t ) = A cos ( ω0 t + θ ) = Re xɶ (t )
(2.5)
= Re Ae ( 0 )
j ω t +θ
y la segunda es tomando la mitad de la suma de xɶ (t ) y su conjugado complejo,
2 Recuerde que el teorema de Euler es e ± ju = cos u ± j sen u . Recuerde también que e j 2 π = 1 .

1 1
A cos ( ω0 t + θ ) = xɶ (t ) + xɶ * (t )
2 2 (2.6)
1 j ( ω0t +θ ) 1 − j ( ω0t +θ )
= Ae + Ae
2 2
La Fig. 2.2 ilustra gráficamente estos dos procedimientos.
Figura 2.2 Dos formas de relacionar una señal fasorial con una sinusoidal. (a) Proyección del fasor
rotativo sobre el eje real. (b) Suma de fasores rotativos conjugados complejos.
Las Ecs. (2.5) y (2.6), las cuales dan representaciones alternas de la señal sinusoidal x(t ) = A cos ( ω0 t + θ ) en
términos del fasor rotativo xɶ (t ) = A exp  j ( ω0 t + θ )  , son representaciones en el dominio del tiempo para x(t). Se
pueden obtener dos representaciones equivalentes de x(t) en el dominio de la frecuencia observando que la señal
fasorial rotativa está completamente especificada si se dan los parámetros A y θ para una f0 particular. Por tanto,
las gráficas de la magnitud y el ángulo de Ae jθ versus la frecuencia dan suficiente información para caracterizar
a x(t) completamente. Como xɶ (t ) existe solamente para la frecuencia única f0, para el caso de una sola señal
sinusoidal, las gráficas resultantes consisten de líneas discretas y se conocen como espectros de líneas. Las gráficas
resultantes se conocen como el espectro de líneas de la amplitud y el espectro de líneas de la fase para x(t) y se
muestran en la Fig. 2.3(a). Éstas son representaciones en el dominio de la frecuencia no sólo de xɶ (t ) sino también
de x(t), en virtud de la Ec. (2.5). Adicionalmente, a las gráficas de la Fig. 2.3(a) se les refiere como los espectros
unilaterales de amplitud y de fase de x(t) porque existen solamente para frecuencias positivas. Para una señal
consistente de una suma de sinusoides de frecuencias diferentes, el espectro unilateral está formado por una
multiplicidad de líneas, con una línea para cada componente sinusoidal de la suma.
Por tanto, las Figs. (2.3(a) y 2.3(b) son representaciones espectrales equivalentes para la señal
x(t ) = A cos ( ω0 t + θ ) , formadas por líneas en la frecuencia f = f0 (y su negativa). Para este caso sencillo, el uso de
gráficas espectrales no parece una complicación necesaria, pero más adelante veremos cómo la serie y la
transformada de Fourier conducen a representaciones espectrales para señales más complejas.
EJEMPLO 2.1
(a) Para dibujar los espectros, unilateral y bilateral, de
 1 
x(t ) = 2 sen  10πt − π  (2.7)
 6 
observamos que x(r) puede escribirse como
 1 1   2 
x(t ) = 2 cos  10πt − π − π  = 2 cos  10 πt − π 
 6 2   3  (2.8)
j ( 10 πt − 2 π 3 ) j ( 10 πt − 2 π 3 ) − j ( 10 πt − 2 π 3 )
= Re 2 e =e +e
Amplitud Fase Amplitud Fase
Figura 2.3 Espectros de amplitud y de fase para la señal A cos ( ω0t + θ ) . (a) Unilateral. (b) Bilateral.
Por tanto, los espectros unilateral y bilateral son como se muestra en la Fig. 2.3, con A = 2, θ = − 23 π rad y f 0 = 5
Hz.
(b) Si está presente más de una componente sinusoidal en una señal, sus espectros consisten de múltiples
líneas. Por ejemplo, la señal
 1 
y(t ) = 2 sen  10πt − π  + cos ( 20πt ) (2.9)
 6 
puede reescribirse como
 2 
y(t ) = 2 cos  10πt − π  + cos ( 20πt )
 3 
= Re  2 e + e j 20 πt 
j ( 10 πt − 2 π 3)
(2.10)
j ( 10 πt − 2 π 3 ) − j ( 10 πt − 2 π 3 ) 1 1
=e +e + e j 20 πt + e − j 20 πt
2 2
Su espectro de amplitud unilateral está formado por una línea de amplitud 2 en f = 5 Hz y una línea de amplitud
1 en f = 10 Hz. Su espectro de fase unilateral consiste de una sola línea de amplitud −2π/3 radianes en f = 5 Hz
(la fase en 10 Hz es cero). Para obtener el espectro de amplitud bilateral, simplemente disminuye a la mitad la
amplitud de las líneas en el espectro de amplitud bilateral y toma la imagen especular de este resultado en torno
a f = 0 (las líneas de amplitud en f = 0, si las hay, permanecen iguales). El espectro de fase bilateral se obtiene
tomando la imagen especular del espectro de fase unilateral en torno a f = 0 e invirtiendo la porción en la
izquierda (frecuencia negativa).
2.1.4 Funciones de Singularidad
Una subclase importante de señales no periódicas es la de funciones de singularidad. En este libro estaremos
interesados en sólo dos de ellas: la función impulso unitario δ(t) y la función escalón unitario u(t). La función
impulso unitario se define en términos de la integral
∞
∫
−∞
x(t ) δ(t ) dt = x(0) (2.11)
donde x(t) es cualquier función de prueba que sea continua en t = 0. Un cambio de variables y la redefinición de
x(t) resultan en la propiedad de selección
∞
∫ −∞
x(t ) δ ( t − t0 ) dt = x ( t0 ) (2.12)
donde x(t) es continua en t = t0. Usaremos considerablemente la propiedad de selección en el análisis de

sistemas. Si se considera el caso especial de x(t) = 1 para t1 ≤ t ≤ t2 y x(t) = 0 para t < t1 y t > t2, se obtienen las dos
propiedades
t2
∫
t1
δ ( t − t0 ) dt = 1, t1 < t0 < t 2 (2.13)
y
δ ( t − t0 ) = 0, t ≠ t0 (2.14)
las cuales proporcionan una definición alterna del impulso unitario. La Ec. (2.14) permite que el integrando en la
Ec. (2.12) sea reemplazado por x ( t0 ) δ ( t − t0 ) y la propiedad de selección se deduce entonces a partir de la Ec.
(2.13).
Otras propiedades de la función impulso unitario que pueden demostrarse a partir de la definición (2.11) son
las siguientes:
1
1. δ ( at ) = δ ( t ) , a es una constante.
a
2. δ ( −t ) = δ ( t )
 x ( t0 ) , t 1 < t 0 < t 2
t2 
3.
∫ t1
x(t ) δ ( t − t0 ) dt =  0, otros valores de t
 indefinida para t = t o t
(una generalización de la propiedad de selección)
 0 1 2
4. x(t ) δ ( t − t0 ) = x ( t0 ) δ ( t − t0 ) , donde x(t) es continua en t = t0.
t2
∫
( ) n (n)
5. x(t ) δ n ( t − t0 ) dt = ( −1 ) x ( t0 ) , t1 < t0 < t2 . En esta ecuación, el supraíndice (n) denota la n-ésima
t1
derivada; se supone que x(t) y sus primeras n derivadas son continuas en t = t0.
Si f (t ) = g(t ) , donde f (t ) = a0 δ(t ) + a1 δ 1 (t ) + ⋯ + an δ n (t ) y g(t ) = b0 δ(t ) + b1 δ 1 (t ) + ⋯ + bn δ n (t ) , ello

( ) ( ) ( ) ( )
6.
implica que a0 = b0 , a1 = b1 , … , an = bn .
Es reconfortante observar que las Ecs. (2.13) y (2.14) corresponden a la noción intuitiva de una función impulso
unitario como el límite de una función convencional escogida apropiadamente que tiene área unitaria en una
anchura infinitesimalmente pequeña. Un ejemplo es la señal
1  t   21ε , t <ε
δ ε (t ) = Π  =  (2.15)
2ε  2ε   0, otros valores de t
1
la cual se muestra en la Fig. 2.4(a) para ε = 4
y ε = 21 . Parece obvio que cualquier señal que tenga área unitaria y
ancho cero en el límite conforme algún parámetro tiende a cero es una representación adecuada para δ(t); por
ejemplo, la señal
2
 1 πt 
δ1ε (t ) = ε  sen  (2.16)
 πt ε 
que se dibuja en la Fig. 2.4(b).
1
Figura 2.4 Dos representaciones para la función impulso unitario en el límite conforme ε → 0 . (a) 2ε
Π (t 2ε ) y
2
(b) ε ( 1 πt ) sen ( πt ε )  .
Se pueden definir otras funciones de singularidad como integrales o derivadas de impulsos unitarios. Sólo
necesitaremos el escalón unitario u(t), definido como la integral del impulso unitario. Así,
 0, t<0
t

u(t ) ≜
∫−∞
δ(t ) dr =  1, t>0
 indefinido, t = 0
(2.17)

o
du(t )
δ(t ) = (2.18)
dt
(Para ser consistentes con la definición de la función pulso unitario, se definirá u(0) = 1). Sin duda, usted está
familiarizado con la utilidad del escalón unitario para “encender” señales de duración doblemente infinita y
para representar señales del tipo escalonado. Por ejemplo, la función pulso rectangular unitario definida por
(2.2) puede escribirse en términos de escalones unitarios como
 1  1
Π(t ) = u  t +  − u  t −  (2.19)
 2  2
EJEMPLO 2.2
Para ilustrar cálculos con la función impulso unitario, considérese la evaluación de las expresiones siguientes:
5
1.
∫ 2
cos ( 3πt ) δ ( t − 1 ) dt ;
5
2.
∫0
cos ( 3πt ) δ ( t − 1 ) dt ;
5 δ ( t − 1)
3.
∫0
cos ( 3πt )
dt
dt :
10
4.
∫ −10
cos ( 3πt ) δ ( 2t ) dt ;
dδ(t ) δ(t ) (t )
5. 2 δ(t ) + 3 = aδ(t ) + b +c , hallar a, b y c;
dt dt dt
d −4 t
6.  e u(t ) .
dt
Solución
1. El valor de esta integral es 0 porque la función impulso unitario está fuera de los límites de integración;
2. El valor de esta integral es cos ( 3πt ) t =1

= cos ( 3π ) = −1 ;
5 δ ( t − 1)
∫
d
3. cos ( 3πt ) dt = ( −1) [ cos ( 3πt )] = 3π sen ( 3π ) = 0 ;
0 dt dt t =1
10 10 1 1 1
4.
∫−10
cos ( 3πt ) δ ( 2t ) dt =
∫
−10
cos ( 3πt ) δ ( t ) dt = cos(0) = usando la propiedad 1;
2 2 2
dδ(t ) δ(t ) (t )
5. 2 δ(t ) + 3 = aδ(t ) + b +c da a = 2, b = 3 y c = 0 usando la propiedad 6.
dt dt dt
du(t )
6. Si se usa la regla de la cadena para diferenciación y δ(t ) = , se obtiene
dt
d −4 t du(t )
 e u(t ) = −4 e −4 t u(t ) + e −4t
dt dt
= −4 e −4 t u(t ) + e −4t δ(t )
= −4 e −4 t u(t ) + δ(t )
donde se utilizó la propiedad 4 y la Ec. (2.18).
Ahora estamos listos para considerar clasificaciones de señales de potencia y energía.
2.2 CLASIFICACIÓN DE SEÑALES
Como la representación particular utilizada para una señal depende del tipo de señal involucrada, resulta útil
detenernos en este punto e introducir clasificaciones de las señales. En este capítulo estaremos considerando dos
clases de señales, aquellas con energía finita y aquellas con potencia finita. Como un ejemplo específico,
supóngase que e(t) es el voltaje en una resistencia R, el cual produce una corriente i(t). La potencia instantánea
por ohmio es p(t ) = e(t )i(t ) R = i 2 (t ) . Integrando en el intervalo t ≤ T , la energía total y la potencia promedio
en una base por ohmio se obtiene como los límites
T
E = lím
∫
T →∞ −T
i 2 (t ) dt (2.20)
1 T
P = lím
T →∞ 2T ∫ −T
i 2 (t ) dt (2.21)
respectivamente.
Para una señal arbitraria x(t) que, en general, podría ser compleja, definimos la energía total (normalizada)
como
T ∞
∫ ∫
2 2
E ≜ lím x(t ) dt = x(t ) dt (2.22)
T →∞ −T −∞
y la potencia (normalizada) como
1 T
∫
2
P ≜ lím x(t ) dt (2.23)
T →∞ 2T −T
Con base en las definiciones (2.22) y (2.23), podemos definir dos clases distintas de señales:
1. Decimos que x(t) es una señal de energía si y sólo si 0 < E < ∞, de modo que P = 0.
2. Clasificamos a x(t) como una señal de potencia si y sólo si 0 < P < ∞, lo que implica que E = ∞.3
EJEMPLO 2.3
Como un ejemplo de la determinación de la clasificación de una señal considérese a
x1 (t ) = Ae −αt u(t ), α > 0 (2.24)
donde A y α son constantes positivas. Usando la Ec. (2.22) podemos verificar rápidamente que x1(t) es una señal
de energía, puesto que E = A2 2 α al aplicar (2.22). Haciendo que α → 0, se obtiene la señal x2 (t ) = Au(t ) , la cual
tiene energía infinita. Aplicando la Ec. (2.23), se encuentra que P = 12 A2 para Au(t), verificando así que x2(t) es
una señal de potencia.
EJEMPLO 2.4
Considérese la señal fasorial rotativa dada por la Ec. (2.4). Es posible verificar que xɶ (t ) es una señal de potencia,
ya que
1 T 1 ∞ 2 1 T
∫ ∫ ∫
2
Ae ( 0 ) dt = lím A2 dt = A2
j ω t +θ
P = lím xɶ (t ) dt = lím (2.25)
T →∞ 2T −T T →∞ 2T −∞ T →∞ 2T −T
es finita.
Se observa que no es necesario realizar la operación de pasar al límite para hallar P para una señal periódica,
ya que un promedio calculado para un solo periodo da el mismo resultado que la Ec. (2.23); es decir, para una
señal periódica xp(t),
1 t0 +T0
∫
2
P= x p (t ) dt (2.26)
T0 t0
donde T0 es el periodo y t0 es un tiempo inicial arbitrario, (se escoge por conveniencia). La demostración de
(2.26) se deja para los problemas.
EJEMPLO 2.5
La señal sinusoidal
x p (t ) = A cos ( ω0 t + θ ) (2.27)
tiene potencia promedio

1 t0 +T0
P=
T0 ∫ t0
A2 cos 2 ( ω0 t + θ ) dt
t + 2 π ω0 ) 2 t0 + ( 2 π ω0 ) 2
ω0 ⌠ 0 (
dt + 0 ⌠
A ω A
= cos  2 ( ω0 t + θ )  dt (2.28)
2 π ⌡0 2 2 π ⌡0 2
A2
=
2
−1 4
3 Se pueden encontrar fácilmente señales que no son ni de energía ni de potencia. Por ejemplo, x(t ) = t , t ≥ t0 > 0 , y cero
para otros valores de t.
donde se utilizó la identidad cos 2 u = 12 + 21 cos ( 2u ) y la segunda integral es cero porque la integración es sobre
dos periodos completos del integrando.
2.3 SERIES DE FOURIER

2.3.1 Series de Fourier Exponenciales Complejas
2π
Dada una señal x(t) definida en el intervalo ( t0 , t0 + T0 ) , con la definición ω0 = 2 πf 0 = T0
, definimos la serie de
Fourier exponencial compleja como
∞
x( t ) = ∑X e
n =−∞
n
jnω0 t
, t0 ≤ t < t + T0 (2.29)
donde
1 t0 +T0
Xn =
T0 ∫ t0
x(t ) e − jnω0t dt (2.30)
Es posible demostrar que la serie representa la señal x(t) exactamente en el intervalo ( t0 , t0 + T0 ) , excepto en
un punto de discontinuidad de salto donde converge a la media aritmética de los límites por los lados izquierdo
y derecho.5 Por supuesto, fuera del intervalo ( t0 , t0 + T0 ) , no se garantiza nada. Sin embargo, observamos que el
lado derecho de la Ec. (2.29) es periódico con periodo T0, ya que es la suma de fasores rotativos periódicos con
frecuencias armónicas. Por tanto, si x(t) es periódica con periodo T0, la serie de Fourier de (2.29) es una
representación precisa para x(t) para todo t (excepto en el punto de discontinuidad). La integración de la Ec.
(2.30) puede realizarse sobre un periodo.
Una observación útil acerca de una expansión en serie de Fourier de una señal es que la serie es única. Por
ejemplo, si de alguna forma determinamos una expansión de Fourier para una señal x(t), sabemos que no existe
otra expansión de Fourier para esa x(t). La utilidad de esta observación se ilustra con el ejemplo siguiente.
EJEMPLO 2.6
Considérese la señal
x(t ) = cos ( ω0 t ) + sen 2 ( 2ω0 t ) (2.31)
donde ω0 = 2 π T0 . Hallar la serie de Fourier exponencial compleja.
Solución
Podríamos calcular los coeficientes de Fourier usando la Ec. (2.30), pero usando las identidades trigonométricas
apropiadas y el teorema de Euler, obtenemos
1 1
x(t ) = cos ( ω0 t ) + − cos ( 4ω0 t )
2 2
1 jω0t 1 1 1 1
= e + e − jω0t + − e j 4 ω0t − e − j 4 ω0t (2.32)
2 2 2 4 4
∑
∞
Invocando unicidad e igual el término de la segunda línea término por término con Xn e jnω0t , se
n =−∞
encuentra que
5
Las condiciones de Dirichlet establecen que condiciones suficientes para la convergencia son que x(t) esté definida y acotada en el
intervalo ( t0 , t0 + T0 ) y que tenga sólo un número finito de máximos y mínimos de discontinuidades en este intervalo.
1
X0 =
2
1
X 1 = = X −1 (2.33)
2
1
X 4 = − X −4
4
con todas las otras Xn iguales a cero. Se ha ahorrado bastante trabajo al observar que la serie de Fourier de una
señal es única.
2.3.2 Propiedades de Simetría de los Coeficientes de Fourier
Suponiendo que x(t) es real, de la Ec. (2.30) se deduce que
Xn∗ = X −n (2.34)
al tomar el conjugado complejo dentro de la integral y notando que se obtiene el mismo resultado al reemplazar
n por −n. Escribiendo Xn como
Xn = Xn e j∠Xn (2.35)
obtenemos
Xn = X − n y ∠Xn = −∠X −n (2.36)
Por tanto, para señales reales, la magnitud de los coeficientes de Fourier es una función par de n y el argumento
es impar.
Se pueden deducir varias propiedades de simetría para los coeficientes de Fourier, dependiendo de la simetría
de x(t). Por ejemplo, supóngase que x(t) es par; esto es, x(t ) = x( −t ) . Entonces, usando el teorema de Euler para
escribir la expresión para los coeficientes de Fourier como (escoja t0 = − T0 2 )
1 T0 2 j T0 2
Xn =
T0 ∫
−T0 2
x(t ) cos ( nω0 t ) dt −
T0 ∫
−T0 2
x(t )sen ( nω0 t ) dt (2.37)
vemos que el segundo término es cero, ya que x(t )sen ( nω0 t ) es una función impar. Por tanto, Xn es puramente
real y, adicionalmente, Xn es una función par de n ya que cos ( nω0 t ) es una función par de n. Estas
consecuencias de que x(t) sea par se ilustran mediante el Ejemplo 2.6.
Por otra parte, si x(t ) = −x( −t ) [esto es, x(t ) es impar], se deduce rápidamente que Xn es puramente
imaginaria, ya que el primer término en (2.37) es cero en virtud de que x(t ) cos ( nω0 t ) es impar. Adicionalmente,
Xn es un función impar de n, ya que sen ( nω0 t ) es una función impar de n.
Otro tipo de simetría es la simetría de media onda (impar), definida como
 1 
x  t ± T0  = −x(t ) (2.38)
 2 
donde T0 es el periodo de x(t ) . Para señales con simetría impar de media onda,
Xn = 0, n = 0, ± 2, ± 4, … (2.39)
la cual dice que la serie de Fourier para una señal de este tipo consiste solamente de términos de indexado
impar. La demostración de esta propiedad se deja para los problemas.
2.3.3 Forma Trigonométrica de la Serie de Fourier
Usando la Ec. (2.36) y suponiendo que x(t ) es real, podemos reagrupar la serie de Fourier exponencial compleja
por pares de términos de la forma
Xn e jnω0t + X −n e − jnω0t = Xn e ( 0
j nω t +∠Xn )
+ Xn e ( 0
− j nω t +∠Xn )
= 2 Xn cos ( nω0 t + ∠Xn ) (2.40)
donde se utilizaron las propiedades de que Xn = X − n y ∠Xn = −∠X − n . Por tanto, la Ec. (2.29) puede
escribirse en la forma trigonométrica equivalente
∞
x( t ) = X 0 + ∑2 X
n =1
n cos ( nω0 t + ∠Xn ) (2.41)
Al expandir el coseno en la Ec. (2.41), obtenemos otra serie equivalente de la forma

∞ ∞
x( t ) = X 0 + ∑
n=1
An cos ( nω0 t ) + ∑ B sen ( nω t )
n=1
n 0 (2.42)
donde
An = 2 Xn cos ( ∠Xn )
2 t0 +T0
=
T0 ∫t0
x(t ) cos ( nω0 t ) dt (2.43)
y
Bn = −2 Xn sen ( ∠Xn )
2 t0 +T0
=
T0 ∫ t0
x(t )sen ( nω0 t ) dt (2.44)
En cualquiera de las formas de la serie de Fourier, trigonométrica o exponencial, X0 representa la componente

promedio o de CD de x(t ) . El término para n = 1 se denomina el término fundamental (junto con el término para
n = −1 si estamos tratando con la serie exponencial compleja). El término para n = 2 se denomina el segundo
armónico y así sucesivamente.
2.3.4 Teorema de Parseval
Usando la Ec. (2.26) para la potencia promedio de una señal periódica6, sustituyendo (2.29) por x(t) e
intercambiando el orden de integración y de la suma, obtenemos
∗
1 1 ⌠  ∞  ∞  ∞
 ∑ Xm e jmω t   ∑ Xn e jnω t  ∑X
∫
2 2
x(t ) dt = (2.45)
 
0 0
P= dt =
T0 T0   n
T0
⌡T  m=−∞
0
  n =−∞  n =∞
o
∞
P = X02 + ∑2 X
n =1
n
2
(2.46)
que es el teorema de Parseval. En palabras, la Ec. (2.45) simplemente establece que la potencia promedio de una
señal periódica x(t) es la suma de las potencias en las componentes fasoriales de su serie de Fourier, o la Ec.
(2.46) dice que su potencia promedio es la suma de las potencias en su componente de CD más las de sus
componentes de CA [de la Ec. (2.41), la potencia en cada componente coseno es su amplitud elevada al cuadrado
2 2
dividida por 2, o (2 Xn ) 2 = 2 Xn ]. Observe que las potencias de las componentes de Fourier pueden
sumarse porque son ortogonales (esto es, la integral del producto de dos armónicos es cero).
∫T0 ( ) representa integración en cualquier periodo.

6
2.3.5 Ejemplos de Series de Fourier
La Tabla 2.1 da las series de Fourier para varias señales periódicas que ocurren comúnmente. La columna
izquierda especifica la señal por un periodo. La definición de periodicidad,
x(t ) = x ( t + T0 )
la especifica para todo t. La derivación de los coeficientes de Fourier dados en la columna del lado derecho de la
Tabla 2.1 se deja para los problemas. Observe que la onda seno de rectificación completa en realidad tiene el
periodo 21 T0 .
Tabla 2.1 Series de Fourier para Varias Señales Periódicas
Coeficientes para la Series de Fourier

Señal (un periodo)
Exponencial
1. Tren de pulsos asimétricos; periodo = T0::

Aτ
 t − t0  Xn = sinc ( nf 0 τ ) e − j 2 πmf 0t0
x(t ) = AΠ   , τ < T0 T0
 τ  n = 0, ± 1, ± 2, …
x(t ) = x ( t + T0 ) , todo t
2. Onda seno semirectificada; periodo = T0 = 2 π ω0 ;

 A
 ( , n = 0, ± 2, ± 4, …
2)
 A sen ( ω0 t ) , 0 ≤ t ≤ T0 2  π 1 − n
x( f ) =  Xn =  0, n = ±3, ± 5, …
 0, − T0 2 ≤ t ≤ 0
 1
x(t ) = x ( t + t0 ) , todo t  − jnA, n = ±1
 4
3. Onda seno, rectificación de onda completa; periodo = T0′ = π ω0 ;

2A
Xn = , n = 0, ± 1, ± 2, …
x(t ) = A sen ( ω0 t ) π ( 1 − 4n2 )
4. Onda triangular:
 4A
 − T t + A, 0 ≤ t ≤ T0 2  4A
 , n impar
 0 X n =  π2 n 2
x( t ) = 
 4 A t + A, − T0 2 ≤ t ≤ 0  0, n par
 T0
x(t ) = x ( t + T0 ) , todo t
Para el tren de pulsos periódicos, es conveniente expresar los coeficientes en términos de la función sinc,
definida como
sen ( πz )
sinc z = (2.47)
πz
La función sinc es una función par oscilatoria amortiguada con cruces por cero en valores enteros de su
argumento.
EJEMPLO 2.7
Especialice los resultados para el tren de pulsos (No. 1) de la Tabla 2.1 a la series de Fourier exponencial
compleja y trigonométrica de una onda cuadrada con simetría par y amplitudes cero y A.
Solución
La solución procede tomando t0 = 0 y τ = 21 T0 en la entrada 1 de la Tabla 2.1. Así,
1 1 
Xn = A sinc  n  (2.48)
2 2 
Pero
 n  sen ( nπ 2 )
sinc   =
2 nπ 2
 1, n=0
 0, n = par

=
2 nπ , n = ±1, ± 5, ± 9, …

− 2 nπ , n = ±3, ± 5, …
Por tanto,
A − j 5ω0t A − j 3ω0t A − jω0t
x( t ) = ⋯ + e − e + e
5π 3π π
A A jω0t A j 3ω0t A j 5ω0t
+ + e − e + e + ⋯ (2.49)
2 π 3π 5π
A 2A  1 1 
= + cos ( ω0 t ) − cos ( 3ω0 t ) + cos ( 5ω0 t ) − ⋯
2 π  3 5 
La primera ecuación es la forma exponencial compleja de la serie de Fourier y la segunda es la forma
trigonométrica. La componente de CD de esta onda cuadrada es X0 = 12 A . Igualando a cero este término en la
serie precedente, tenemos la serie de Fourier de una onda cuadrada de amplitud ± 21 A . Una onda cuadrada así
tiene simetría de media onda y ésta es precisamente la razón de que no estén presentes armónicos pares en su
serie de Fourier.
2.3.6 Espectros de Líneas
La serie de Fourier exponencial compleja (2.29) de una señal es simplemente una sumatoria de fasores. En la
Sección 2.1 se demostró cómo se podía caracterizar un fasor en el dominio de la frecuencia mediante dos
gráficas: una que muestra la amplitud versus la frecuencia y la otra que muestra su fase. En la misma forma, una
señal periódica puede ser caracterizada en el dominio de la frecuencia mediante dos gráficas: una que muestre
las amplitudes de las diferentes componentes fasoriales versus la frecuencia y la otra que muestre sus fases
versus la frecuencia. Las gráficas resultantes se denominan los espectros bilaterales de amplitud7 y de fase,
respectivamente de la señal. De la Ec. (2.36) se deduce que, para una señal real, el espectro de amplitud es par y
el espectro de fase es impar, que es sencillamente un resultado de la suma de fasores conjugados complejos para
obtener una señal sinusoidal real. La Fig. 2.5(a) muestra el espectro bilateral para una onda seno con rectificación
de media onda, graficada a partir de los resultados dados en la Tabla 2.1. Para n = 2, 4, … , Xn es representada en
la forma siguiente:
A A
Xn = − = e − jπ (2.50)
π(1 − n 2 ) π ( n2 − 1)
Para n = −2, −4, … , es representada como

A A
Xn = − = e jπ (2.51)
π(1 − n 2 ) π ( n2 − 1 )
7
Espectro de magnitud sería un término más preciso, aunque espectro de amplitud es el término común.
Amplitud, X n
Fase (rad); ∠Xn
Fase (rad)
Amplitud
Figura 2.5 Espectros de líneas para onda seno semirectificada. (a) Bilateral. (b) Unilateral.
para asegurar que la fase es impar, como debe ser (observe que e ± jπ = −1 . Por tanto, juntando todo esto con
X ±1 = j A 4 , obtenemos
 14 A , n = ±1

Xn = A (2.52)
 ( , toda n par
 π 1−n )
2
 − π, n = 2, 4,…
 1
 − 2 π, n=1
∠Xn =  0, n=0 (2.53)
 1 π, n = −1
2
π, n = −2, − 4, …
Los espectros de líneas unilaterales se obtienen graficando las amplitudes y los ángulos de fase de los términos
en la serie de Fourier trigonométrica (2.41) versus nf0. Como la serie (2.41) tiene sólo términos de frecuencia no
negativos, los espectros unilaterales existen solamente para nf0 ≥ 0. De (2.41) es obvio que el espectro de fase
unilateral de una señal periódica es idéntico al espectro de fase bilateral para nf0 ≥ 0 y cero para nf0 < 0. El
espectro de amplitud unilateral se obtiene a partir del espectro de amplitud bilateral duplicando las amplitudes
de todas las líneas para nf0 > 0. La línea en nf0 = 0 permanece igual. Los espectros unilaterales para la onda sena,
rectificación de media onda, se muestran en la Fig. 2.5(b).
Como un segundo ejemplo, considere el tren de pulsos
∞
 t − nT0 − 12 τ 
x( t ) = ∑
n =−∞
AΠ 
 τ


(2.54)
De la Tabla 2.1, con t0 = 12 τ sustituido en la entrada 1, los coeficientes de Fourier son
Aτ
Xn = sinc ( nf 0 τ ) e − jπnf 0 τ (2.55)
T0
Los coeficientes de Fourier pueden escribirse en la forma Xn exp ( j∠Xn ) , donde
Aτ
Xn = sinc ( nf 0 τ ) (2.56)
T0
y
 − πnf 0 τ si sinc ( nf 0 τ ) > 0


∠Xn =  − πnf 0 τ + π si nf 0 > 0 y sinc ( nf 0 τ ) > 0 (2.57)
 − πnf τ − π si nf < 0 y sinc nf τ < 0
 0 0 ( 0 )
El valor ±π en el lado derecho de (2.57) en las líneas segunda y tercera toma en cuenta al término
sinc ( nf 0 τ ) = − sinc ( nf 0 τ ) siempre que sin c ( nf 0 τ ) < 0 . Puesto que el espectro de fase debe tener simetría impar
si x(t) es real, π se resta si nf0 < 0 y se suma si nf0 > 0. Se pudo hacer lo contrario – la selección es arbitraria. Con
estas consideraciones, ahora se pueden graficar los espectros bilaterales de amplitud y de fase. Ellos se muestran
en la Fig. 2.6 para varias selecciones de τ y T0. Observe que se añaden o sustraen múltiplos apropiados de 2π de
las líneas en el espectro de fase ( e ± j 2 π = 1 ) .
Al comparar las Figs. 2.6(a) y (2.6(b), se observa que los ceros de la envolvente del espectro de amplitud, los
cuales ocurren en múltiplos de 1/τ Hz, se alejan a lo largo del eje de frecuencia a medida que disminuye el
ancho del pulso. Esto es, la duración en el tiempo de una señal y su ancho espectral son inversamente proporcionales, una
propiedad que más adelante demostrará ser cierta en general. En segundo lugar, si se comparan las Figs. 2.6(a) y
(2.6(c), se observa que la separación entre líneas en los espectros es 1/T0. Por tanto, la densidad de las líneas
espectrales con la frecuencia aumenta conforme el periodo de x(t) aumenta.
2.4 LA TRANSFORMADA DE FOURIER
Para generalizar la representación en serie de Fourier (2.29) a una representación válida para señales no
periódicas, consideraremos las dos relaciones básicas (2.29) y (2.30). Supóngase que x(t) no es periódica pero es
una señal de energía, de modo que es cuadrado integrable en el intervalo (−∞, ∞).8 En el intervalo t < 21 T0 ,
podemos representar a x(t) como la serie de Fourier
∞
8 En realidad si ∫−∞ x(t ) dt < ∞ , la integral de la transformada de Fourier converge. Es más que suficiente si x(t) es una señal
de energía. Las condiciones de Dirichlet dan condiciones suficientes para que una señal tenga una transformada de Fourier.
Además de ser absolutamente integrable, x(t) debe ser uno a uno con un número finito de máximos y mínimos y un número
finito de discontinuidades en cualquier intervalo de tiempo finito.
Figura 2.6 Espectros para un tren de pulsos periódicos. (a) τ = 14 T0 . (b) τ = 81 T0 ; T0 es el mismo que en
(a). (c) τ = 81 T0 , τ es el mismo que en (a).
∞
1 T0 2 
∑ ∫
T0
x( t ) =  x ( λ ) e − j 2 πnf 0 λ dλ  e j 2 πnf 0t , t < (2.58)
T
n =−∞  0
−T0 2  2
donde f0 = 1/T0. Para representar a x(t) para todo el tiempo, simplemente permitimos que T0 → ∞ de modo que
nf 0 = n T0 se convierta en la variable continua f, 1/T0 se convierta en el diferencial df y la sumatoria se vuelva
una integral. Por tanto,
∞  ∞ 
x( t ) = 
−∞  −∞ ∫ ∫
x(λ ) e − j 2 πf λ dλ  e j 2 πft df

(2.59)
Definiendo la integral interna como

∞
X( f ) =
∫ −∞
x(λ ) e − j 2 πf λ dλ (2.60)
podemos escribir (2.59) como

∞
x( t ) =
∫
−∞
X( f ) e j 2 πf λ df (2.61)
La existencia de estas integrales está asegurada, puesto que x(t) es una señal de energía. Observamos que
X ( f ) = lím T0 Xn (2.62)
T0 →∞
lo que evita el problema de que Xn → 0 conforme T0 → ∞ .
La descripción de x(t) en el dominio de la frecuencia por la Ec. (2.60) se conoce como la transformada de Fourier
de x(t), escrita simbólicamente como X ( f ) = ℑ [ x(t )] . La conversión de regreso al dominio del tiempo se logra
mediante la transformada de Fourier inversa (2.61), escrita simbólicamente como x(t ) = ℑ−1 [ X ( f )] .
Si expresamos (2.60) y (2.61) en términos de f = ω 2 π , se obtienen expresiones simétricas fáciles de recordar.

−1
Integrando (2.61) con respecto a la variable ω requiere de un factor igual a ( 2 π ) .
2.4.1 Espectros de Amplitud y de Fase
Si escribimos X ( f ) en términos de su amplitud y fase como
X ( f ) = X ( f ) e jθ( f ) , θ( f ) = ∠ X(f) (2.63)
se puede demostrar, para x(t) real, que

X( f ) = X( − f ) y θ( f ) = −θ( − f ) (2.64)
igual que para la serie de Fourier. Esto se hace usando el teorema de Euler para escribir (2.60) en términos de las
partes real e imaginaria:
∞
R = Re X ( f ) =
∫
−∞
x(t )cos ( 2 πft ) dt (2.65)
e
∞
I = Im X( f ) =
∫ −∞
x(t )sen ( 2 πft ) dt (2.66)
Por tanto, la parte real de X ( f ) es par y la parte imaginaria es impar si x(t) es una señal real. Puesto que
2
X( f ) = R 2 + I 2 y tan θ( f ) = I R , se deducen las propiedades de simetría (2.64). Una gráfica de X ( f ) versus f
se conoce como el espectro de amplitud9 de x(t), y una gráfica de ∠X( f ) = θ( f ) versus f se denomina el espectro de
fase.
2.4.2 Propiedades de Simetría
Si x(t ) = x( −t ) , esto es, si x(t) es par, entonces x(t )sen ( 2 πft ) es impar en (2.66) e Im X( f ) = 0 . Además, Re X ( f ) es
una función par de f porque el coseno es una función par. Por tanto, la transformada de Fourier de una función
real y par es real y par.
Por otra parte, si x(t) es impar, x(t ) cos ( 2 πft ) es impar en (2.65) y Re X ( f ) = 0 . Por tanto, la transformada de
Fourier de una función real e impar es imaginaria. Adicionalmente, Im X( f ) es una función impar de la
frecuencia porque sen ( 2 πft ) es una función impar.
9 Espectro de la densidad de amplitud sería más correcto, ya que sus dimensiones son (unidades de amplitud)(tiempo) =
(unidades de amplitud)/(frecuencia), pero usaremos el término espectro de amplitud por sencillez.
EJEMPLO 2.8
Considere el pulso
 t − t0 
x(t ) = AΠ   (2.67)
 τ 
La transformada de Fourier es
∞
 t − t0  j 2 πft
X( f ) =
∫−∞
AΠ 
 τ 
e dt
t0 +τ 2
=A
∫ t0 −τ 2
e − j 2 πft dt = Aτ sinc ( f τ ) e − j 2 πft0 (2.68)
El espectro de amplitud de x(t) es

X( f ) = Aτ sinc ( f τ ) (2.69)
y el espectro de fase es
 − 2 πt0 f si sinc ( f τ ) > 0
θ( f ) =  (2.70)
 − 2 πt0 f ± π si sinc ( f τ ) < 0
El término ±π se usa para cubrir la parte cuando sinc ( f τ ) es negativo, y si se usa +π para f > 0, −π se usa para
f < 0 , o viceversa, para asegura que θ(f) sea impar. Cuando θ( f ) excede a 2π, se debe añadir o sustraer de θ(f)
un múltiplo apropiado de 2π. La Fig. 2.7 muestra los espectros de amplitud y fase para la señal (2.67). Se debe
notar la semejanza con la Fig. 2.6, especialmente la relación inversa entre el ancho espectral y la duración del
pulso.
Figura 2.7 Espectros de amplitud y de fase para una señal de pulso. (a) Espectro de amplitud. (b) Espectro de
fase (se supone t0 = 21 τ ).
2.4.3 Densidad Espectral de Energía
La energía de una señal, definida por (2.22), puede expresarse en el dominio de la frecuencia como
∞ ∞  ∞ 
∫ ∫ ∫
2
E≜ x(t ) dt = x * (t )  X( f ) e j 2 πft df  dt (2.71)
−∞ −∞  −∞ 
donde se escribió x(t) en términos de su transformada de Fourier. Invirtiendo el orden de la integración,
obtenemos
∗
∞  ∞  ∞  ∞ 
E=
∫−∞
X( f ) 
 ∫ −∞
x * (t ) e j 2 πft dt  df =
 ∫ −∞
X( f ) 
 ∫ −∞
x(t ) e − j 2 πft dt  df

∞
=
∫−∞
X( f )X * ( f ) df
o
∞ ∞
∫ ∫
2 2
E= x(t ) dt = X( f ) df (2.72)
−∞ −∞
Éste se conoce como el teorema de la energía de Rayleigh o teorema de Parseval para las transformadas de Fourier.
2
Si se examina X( f ) y recordando la definición de X ( f ) dada por (2.60), observamos que la primera tiene
las unidades de (voltios-segundos) o, como estamos considerando potencia en una base por ohmio, (vatios-
2
segundos/hertz = julios/hertz. Por tanto, vemos que X( f ) tiene las unidades de densidad de energía y
definimos la densidad espectral de energía de una señal como
2
G( f ) ≜ X ( f ) (2.73)
Al integrar G( f ) sobre toda la frecuencia, obtenemos la energía total de la señal.
EJEMPLO 2.9
El teorema de la energía de Rayleigh (teorema de Parseval para la transformada de Fourier) es conveniente para
hallar la energía en una señal cuyo cuadrado no es integrable fácilmente en el dominio del tiempo, o viceversa.
Por ejemplo, la señal
 f 
x(t ) = 40 sinc ( 20t ) ↔ X( f ) = 2Π   (2.74)
 20 
tiene una densidad de energía
2
2   f   f 
G( f ) = X ( f ) =  2 Π    = 4Π   (2.75)
  20    20 
donde Π ( f 20 ) no tiene por qué elevarse al cuadrado ya que tiene amplitud 1 en todas partes donde no es cero.
Usando el teorema de la energía de Rayleigh, hallamos que la energía de x(t) es
∞ 10
E=
∫ −∞
G( f ) df =
∫−10
4 df = 80 J (2.76)
Esto concuerda con el resultado que se obtiene al integrar x 2 (t ) sobre toda t usando la integral definida
∞ 2
∫−∞ sinc (u)du = 1 .
La energía contenida en el intervalo de frecuencia (0, W) puede hallarse a partir de la integral
W 2
= 2⌠
∞   f 
EW =
∫ −∞
G( f ) df 
⌡0
 2 Π    df
  20  
(2.77)
 8W , W ≤ 10
=
 80, W > 10
esto debido a que Π ( ) = 0,

f
20
f > 10 .
2.4.4 Convolución
Nos desviaremos un poco de nuestra consideración de la transformada de Fourier para definir la operación de
convolución e ilustrarla con un ejemplo.
La convolución de dos señales, x1(t) y x2(t), es una nueva función del tiempo, x(t), escrita simbólicamente en
términos de x1 y x2 es
∞
x( t ) = x1 ( t ) ∗ x 2 ( t ) =
∫ −∞
x 1 ( λ )x 2 ( t − λ ) d λ (2.78)
Observe que t es un parámetro en lo que respecta a la integración. El integrando se forma a partir de x1 y x2

mediante tres operaciones: (1) inversión del tiempo para obtener, (2) desplazamiento en el tiempo para obtener
x2 (t − λ ) y (3) multiplicación de x1(λ) y x2 (t − λ ) para formar el integrando. Un ejemplo ilustrará la
implementación de esta operación para formar x1 ∗ x2 . Observe que a menudo se suprime la dependencia del
tiempo.
EJEMPLO 2.10
Hallar la convolución de las dos señales
x1 (t ) = e −αt u(t ) y x2 (t ) = e −βt u(t ), α > β > 0 (2.79)
Solución
Los pasos involucrados en la convolución se ilustran en la Fig. 2.8 para α = 4 y β = 2. Matemáticamente,
podemos formar el integrando por sustitución directa:
∞
∫
( )
x( t ) = x1 ( t ) ∗ x 2 ( t ) = e −αλ u(λ ) e −β t −λ u(t − λ ) dλ (2.80)
−∞
Pero
 0, λ<0

u(λ ) u(t − λ ) =  1, 0<λ<t (2.81)
 0, λ>t

Por tanto,
 0, t<0

x( t ) =  t 1 ( −βt −αt ) (2.82)
∫e
−βt − ( α−β ) λ
 e dλ = e −e , t≥0
 0 α −β
Este resultado para x(t) también se muestra en la Fig. 2.8.
Figura 2.8 Operaciones involucradas en la convolución de dos señales con decadencia exponencial.
2.4.5 Teoremas de Transformadas: Demostraciones y Aplicaciones
Se pueden demostrar varios teoremas útiles que involucran la transformada de Fourier. Éstos son útiles para
deducir pares de transformadas de Fourier y también para deducir relaciones generales en el dominio de la
frecuencia. Se utilizará la notación x(t) ↔ X ( f ) para denotar un par de transformadas de Fourier.
Cada teorema se enunciará con una demostración en la mayoría de los casos. Se darán varios ejemplos después
de los enunciados de todos los teoremas. En los enunciados de los teoremas, x(t), x1(t) y x2(t) denotan señales con
X ( f ), X1 ( f ) y X 2 ( f ) denotan las transformadas de Fourier respectivas. Las constantes se denotan por a1, a2, t0 y
f0 .
Teorema de Superposición
a1 x1 (t ) + a2 x2 (t ) ↔ a1 X1 ( f ) + a2 X 2 ( f ) (2.83)
Demostración: Por la integral de definición de la transformada de Fourier,

∞
ℑ{a1 x1 (t ) + a2 x2 (t )} =
∫ −∞
[ a1 x1 (t ) + a2 x2 (t )] e − j 2 πft dt
∞ ∞
= a1
∫ −∞
x1 (t ) e − j 2 πft dt + a2
∫−∞
x2 (t ) e − j 2 πft dt
= a1 X1 ( f ) + a2 X 2 ( f ) (2.84)
Teorema de Retardo (Temporal)

x ( t − t0 ) ↔ X( f ) e − j 2 πft0 (2.85)
Demostración: Usando la integral de definición de la transformada de Fourier, tenemos

∞
ℑ{x ( t − t0 )} =
∫ −∞
x ( t − t0 ) e − j 2 πft dt
∞
∫
− j 2 πf ( λ+ t0 )
= x (λ) e dλ
−∞
∞
= e − j 2 πft0
∫ −∞
x ( λ ) e − j 2 πf λ dλ
− j 2 πft0
= X( f ) e (2.86)
donde se usó la sustitución λ = t − t0 en la primera integral.
Teorema de Cambio de Escala

1 f
x ( at ) ↔ X  (2.87)
a a
Demostración: Supóngase primero que a > 0. Entonces

∞
ℑ{x ( at )} =
∫ −∞
x( at ) e − j 2 πft dt
∞ dλ 1  f 
=
∫ −∞
x(λ ) e − j 2 πf λ a
a
= X 
a a
(2.88)
donde se usó la sustitución λ = at . Considérese ahora el caso a < 0 y escriba

∞
x ( − a t ) e − j 2 πtf dt = ⌠
∞
∫
+ j 2 πf λ a dλ
ℑ{x ( at )} = x(λ )e
−∞ ⌡−∞ a
1  f  1 f
= X − = X  (2.89)
a  a  a  a 
donde se utilizó la relación − a = a si a < 0.
Teorema de Dualidad
X (t ) ↔ x( − f ) (2.90)
Esto es, si la transformada de Fourier de x(t) es X ( f ) , entonces la transformada de Fourier de X ( f ) , con f

reemplazada por t es la señal original en el dominio del tiempo con t reemplazada por −f.
Demostración: La demostración se deduce en virtud del hecho de que la única diferencia entre la integral de la
transformada de Fourier y la integral de la transformada inversa es un signo menos en la exponente del
integrando.
Teorema de Traslación de Frecuencia

x(t )e j 2 πf 0t ↔ X ( f − f 0 ) (2.91)
Demostración: Para demostrar el teorema de traslación de frecuencia, observamos que

∞ ∞
∫ ∫
− j 2 π( f − f 0 )t
x(t ) e j 2 πf 0t dt = x (t ) e dt = X ( f − f 0 ) (2.92)
−∞ −∞
Teorema de Modulación
1 1
x(t ) cos ( 2 πf 0 t ) ↔ X ( f − f0 ) + X ( f + f0 ) (2.93)
2 2
Demostración: La demostración de este teorema se hace escribiendo cos ( 2 πf 0 t ) en forma exponencial como
1
2
( e j 2 πf t + e − j 2 πf t )
0 0
y aplicando los teoremas de superposición y traslación de frecuencia.
Teorema de Diferenciación
d n x (t )
↔ ( j 2 πf )n X( f ) (2.94)
dt n
Demostración: Demostramos el teorema para n = 1 usando integración por partes en la integral de definición de la
transformada de Fourier en la forma siguiente:
ℑ { } dx(t )
dt
=
∫
dx(t ) − j 2 πft
∞
−∞ dt
e dt
∞
∫
∞
= x(t ) e − j 2 πft −∞
+ j 2 πf x(t ) e − j 2 πft dt
−∞
= j 2 πf X( f ) (2.95)
donde se usó u = e − j 2 πft y dv = ( dx dt ) dt en la fórmula de integración por partes, y el primer término en la

ecuación en el medio se anula en virtud de que x(t) es una señal de energía. La demostración para valores de
n > 1 se sigue por inducción.
Teorema de Integración
t 1
∫−∞
x( λ ) dλ ↔ ( j 2 πf )−1 X( f ) +
2
X(0) δ( f ) (2.96)
Demostración: Si X(0) = 0, la demostración de este teorema se puede hacer usando integración por partes como en
el caso del teorema de diferenciación. Obtenemos
∞
 t   t  1 − j 2 πf  1 ∞
ℑ
 ∫
−∞
x( λ ) dλ  = 
  ∫−∞
x(λ ) dλ   −
  j 2 πf
e 
 −∞
+
j 2 πf ∫
−∞
x(t ) e − j 2 πft dt (2.97)
∞
El primer término se anula si X (0) = ∫−∞ x(t ) dt = 0 , y el segundo término es precisamente X ( f ) ( j 2 πf ) . Para
X (0) ≠ 0 , se debe usar un argumento de límite para tomar en cuenta la transformada de Fourier del valor
promedio diferente de cero de x(t).
Teorema de Convolución
∞ ∞
∫−∞
x 1 ( λ )x 2 ( t − λ ) d λ ≜
∫
−∞
x1 (t − λ )x2 (λ ) dλ ↔ X1 ( f )X 2 ( f ) (2.98)
Demostración: Para demostrar el teorema de convolución para la transformada de Fourier, representamos a

x2 (t − λ ) en términos de la integral de la transformada de Fourier inversa como
∞
∫ X 2 ( f ) e j 2 πf
( t −λ )
x2 ( t − λ ) = df (2.99)
−∞
Si se denota la operación de convolución como x1 (t ) ∗ x2 (t ) , se tiene que

∞  ∞ 
∫ ∫
X 2 ( f ) e j 2 πf t −λ df  dλ
( )
x 1 ( t ) ∗ x 2 (t ) = x1 ( λ ) 
−∞  −∞ 
∞  ∞ 
=
−∞∫X2 ( f ) 
 −∞ ∫
x1 (λ ) e − j 2 πf λ dλ  e j 2 πft df

(2.100)
donde el último paso se obtuvo al invertir el orden de integración. El término entre corchetes dentro de la
integral es X1 ( f ) , la transformada de Fourier de x1(t). Por tanto
∞
x1 (t ) ∗ x2 (t ) =
∫ −∞
X1 ( f ) X 2 ( f ) e j 2 πft df (2.101)
que es la transformada inversa de X1 ( f )X 2 ( f ) . Tomando la transformada de Fourier de este resultado produce

el par de transformadas deseado.
Teorema de Multiplicación
∞
x1 (t ) x2 (t ) ↔ X 1 ( f ) ∗ X 2 ( f ) =
∫ −∞
X1 (λ ) X 2 ( f − λ )d λ (2.102)
Demostración: La demostración de este teorema procede en una forma similar a la del teorema de convolución.
EJEMPLO 2.11
Use el teorema de dualidad para demostrar que
 f 
2 AW sinc ( 2 Wt ) ↔ AΠ   (2.103)
 2W 
Solución
Por el Ejemplo 2.8 sabemos que
t
x(t ) = AΠ   ↔ Aτ sinc f τ = X ( f ) (2.104)
τ
Considerando a X(t) y usando el teorema de dualidad, obtenemos
 f
X (t ) = Aτ sinc ( τt ) ↔ AΠ  −  = x ( − f ) (2.105)
 τ
donde τ es un parámetro con dimensión ( s −1 ) , lo cual puede ser algo confuso a primera vista. Permitiendo que
τ = 2W y notando que Π(u) es par, se obtiene la relación dada.
EJEMPLO 2.12
Obtenga los siguientes pares de transformadas de Fourier.
1. Aδ(t ) ↔ A
2. Aδ(t − t0 ) ↔ Ae − j 2 πft0
3. A ↔ Aδ( f )
4. A e j 2 πf0 t ↔ A δ ( f − f 0 )
Solución
Aunque estas señales no son señales de energía, podemos deducir formalmente la transformada de Fourier de
cada una de ellas obteniendo la transformada de Fourier de una señal de energía “apropiada” que se aproxime a
la señal dada en el límite conforme algún parámetro tiende a cero o a infinito. Por ejemplo, formalmente,
  A   t 
ℑ [ Aδ(t )] = ℑ lím   Π    = lím A sinc ( f τ ) = A (2.106)
 τ→ 0  τ   τ   τ→0
Podemos usar también un procedimiento formal como éste para definir las transformadas de Fourier para otras
tres señales. Sin embargo, es más fácil usar la propiedad de selección de la función delta y los teoremas
apropiados de la transformada de Fourier. Se obtienen los mismos resultados. Por ejemplo, obtenemos el primer
par de transformadas directamente al escribir la integral de la transformada de Fourier con x(t ) = δ(t ) e
invocando la propiedad de selección:
∞
ℑ [ Aδ(t )] = A
∫
−∞
δ(t ) e − j 2 πft dt = A (2.107)
El par de transformadas 2 se obtiene aplicando el teorema del retardo al par 1.

El par de transformadas 3 puede obtenerse usando la relación de la transformada inversa o el primer par de
transformadas y el teorema de dualidad. Usando este último, obtenemos
X (t ) = A ↔ Aδ ( − f ) = Aδ ( f ) = x ( − f ) (2.108)
donde se usó la propiedad de paridad de la función impulso.

El par de transformadas 4 se deduce mediante la aplicación del teorema de traslación de frecuencia al par 3.
Los pares de transformadas de Fourier del Ejemplo 2.12 se usarán con frecuencia en el estudio de modulación.
EJEMPLO 2.13
Use el teorema de diferenciación para obtener la transformada de Fourier de la señal triangular, definida como
 t   1− t τ, t < τ
Λ  ≜  (2.109)
 τ   0, otros valores de t
Solución
Diferenciando Λ ( t τ ) dos veces, obtenemos, como se muestra en la Fig. 2.9,
d2 Λ ( t τ) 1 2 1
2
= δ (t + τ) − δ (t ) + δ (t − τ) (2.110)
dt τ τ τ
Usando ahora los teoremas de diferenciación, superposición y desplazamiento en el tiempo y el resultado del
Ejemplo 2.12, obtenemos
 d2 Λ (t τ)  2   t   1 j 2 πf τ
ℑ 2
 = ( j 2 πf ) ℑ  Λ    = ( e − 2 + e − j 2 πf τ ) (2.111)
 dt    τ  τ
Figura 2.9 Señal triangular y sus primeras dos derivadas. (a) Señal triangular. (b) Primera derivada de la señal
triangular. (c) Segunda derivada de la señal triangular.
  t 
o, resolviendo por ℑ  Λ    y simplificando, obtenemos
  τ 
  t   2 cos ( 2 πf τ ) − 2 sen 2 ( πf τ )
ℑ  Λ   = 2
= τ (2.112)
  τ  τ ( j 2 πf ) ( πf τ )2
donde se usó la identidad 1
2
1 − cos ( 2 πft )  = sen 2 ( πft ) . Resumiendo, hemos demostrado que
t
Λ   ↔ τ sinc2 ( f τ ) (2.113)
τ
donde se reemplazó sen ( πf τ )  ( πf τ ) por sinc ( f τ ) .
EJEMPLO 2.14
Como otro ejemplo de obtener las transformadas de Fourier de señales que involucran impulsos, consideremos
la señal
∞
ys (t ) = ∑ δ (t − mT )
m =−∞
s (2.114)
Ésta es una forma de onda periódica conocida como la señal de muestreo ideal y consiste de una secuencia
bilateral infinita de impulsos separados por Ts segundos.
Solución
Para obtener la transformada de Fourier de ys(t), observamos que se periódica y por tanto, en un sentido formal,
puede representarse mediante una serie de Fourier. Entonces,
∞ ∞
∑ δ (t − mT ) = ∑ Y e jn 2 πf s t 1
ys (t ) = s n , fs = (2.115)
m =−∞ n =−∞
Ts
donde
1
Yn =
Ts ∫
Ts
δ(t ) e − jn 2 πf s t dt = f s (2.116)
por la propiedad de selección de la función impulso. Por tanto,

∞
ys = f s ∑e
n =−∞
jn 2 πf s t
(2.117)
Tomando ahora la transformada de Fourier término por término, obtenemos

∞ ∞
Ys ( f ) = f s ∑
n =−∞
ℑ  1 . e j 2 πnf st  = f s ∑ δ ( f − nf )
n =−∞
s (2.118)
donde hemos usado los resultados del Ejemplo 2.12. Resumiendo, hemos demostrado que
∞ ∞
∑ δ (t − mT )
m =−∞
s ↔ fs ∑ δ ( f − nT )
n =−∞
s (2.119)
El par de transformadas (2.119) es útil en la representación espectral de señales periódicas mediante la

transformada de Fourier, lo cual se considerará dentro de poco.
A partir de (2.119) se puede deducir una representación útil. Tomando la transformada de Fourier del lado
izquierdo de (2.119), se obtiene
∞
 ∞  ⌠  ∞ 
ℑ ∑
 m =−∞
δ ( t − mTs )  =  
 ⌡−∞  m =−∞
∑
δ ( t − mTs )  e − j 2 πft dt

∞
∑∫
∞
= δ ( t − mTs ) e − j 2 πft dt
−∞
m =−∞
∞
= ∑e
m =−∞
− j 2 πmTs f
(2.120)
donde intercambiamos el orden de integración y de suma y utilizamos la propiedad de selección de la función

impulso para realizar la integración. Reemplazando m por −m e igualando el resultado al lado derecho de (2.119)
da
∞ ∞
∑
m =−∞
e j 2 πmTs f = f s ∑ δ ( f − nf )
m =−∞
s (2.121)
Este resultado se usará en el Capítulo 7.
EJEMPLO 2.15
Se puede usar el teorema de convolución para obtener la transformada de Fourier el triángulo Λ ( t τ ) definido
por (2.109).
Solución
Procedemos demostrando primero que la convolución de dos pulsos rectangulares es un triángulo. Los pasos en
el cálculo de
∞
t−λ  λ 
y (t ) =
∫ −∞
Π  Π   dλ
 τ  τ
(2.122)
se dan en la Tabla 2.2. Resumiendo los resultados, tenemos
 0, t < −τ
t t t 
τΛ   = Π   ∗ Π   = τ − t , t ≤τ (2.123)
τ τ τ 
 0, t>τ
o
t 1 t t
Λ  = Π  ∗ Π  (2.124)
τ τ τ τ
Usando el par de transformadas
t
Π   ↔ τ sinc ( f τ ) (2.125)
τ
Tabla 2.2 Cálculo de Π ( t τ ) ∗ Π ( t τ )
Recorrido Integrando Límites Área
y el teorema de convolución de las transformadas de Fourier (2.98), obtenemos el par de transformadas
t
Λ   ↔ τ sinc2 ( f τ ) (2.126)
τ
igual que en el Ejemplo 2.13 al aplicar el teorema de diferenciación.
Un resultado útil es la convolución de un impulso δ ( t − t0 ) con una señal x(t), donde se supone que x(t) es
continua en t = t0. Realizando la operación, obtenemos
∞
δ ( t − t 0 ) ∗ x( t ) =
∫
−∞
δ ( λ − t 0 ) x ( t − λ ) dλ = x ( t − t 0 ) (2.127)
por la propiedad de selección de la función delta. Esto es, la convolución de x(t) con un impulso que ocurre en el
instante t0 simplemente desplaza x(t) hasta t0.
EJEMPLO 2.16
Considere la transformada de Fourier del pulso cosenoidal
t
x(t ) = AΠ   cos ( ω0 t ) , ω0 = 2 πf 0 (2.128)
τ
Usando el par de transformadas (véase el Ejemplo 2.12, Ítem 4)
e ± j 2 πf 0t ↔ δ ( f ∓ f 0 ) (2.129)
obtenida anteriormente y el teorema de Euler, encontramos que

1 1
cos ( 2 πf 0 t ) ↔ δ ( f − f0 ) + δ ( f + f0 ) (2.130)
2 2
También hemos demostrado que
AΠ ( t τ ) ↔ Aτ sinc ( f τ )
Por tanto, usando el teorema de multiplicación de la transforma de Fourier (2.102), obtenemos


t 
{
1
X ( f ) = ℑ  AΠ   cos ( ω0 t )  =  Aτ sinc ( f τ )  ∗  δ ( f − f 0 ) + δ ( f + f 0 ) 
τ  2 }
1
{
= Aτ sinc ( f − f 0 ) τ  + sinc ( f + f 0 ) τ 
2
} (2.131)
donde se usó el hecho de que δ ( f − f 0 ) ∗ Z( f ) = Z ( f − f 0 ) para Z( f ) continua en f = f0. La Fig. 2.10(c) muestra a
X ( f ) . Se puede obtener el mismo resultado usando el teorema de modulación.
2.4.6 Transformadas de Fourier de Señales Periódicas
La transformada de Fourier de una señal periódica, en un sentido matemático estricto, no existe, ya que las
señales periódicas no son señales de energía. Sin embargo, usando los pares de transformadas obtenidos en el
Ejemplo 2.12 para una señal constante y un fasor, pudiésemos, en un sentido formal, escribir la transformada de
Fourier de una señal periódica tomando la transformada de Fourier de la serie de Fourier compleja término por
término.
Una forma algo más útil para la transformada de Fourier de una señal periódica se obtiene mediante la
aplicación del teorema de convolución y el par de transformadas (2.119) para la forma de onda de muestreo
ideal. Para obtenerla, considérese el resultado de determinar la convolución de la señal de muestreo ideal con
una señal de tipo pulso p(t) para obtener una nueva señal x(t), donde x(t) es una señal de potencia periódica.
Esto es obvio cuando se calcula la convolución con la ayuda de (2.127):
 ∞  ∞ ∞
x( t ) =  ∑
 m =−∞
δ ( t − mTs )  ∗ p(t ) =

∑
m =−∞
δ ( t − mTs ) ∗ p(t ) = ∑
m =−∞
p ( t − mTs ) (2.132)
Si aplicamos el teorema de convolución y el par de transformadas de (2.119), encontramos que la transformada

de Fourier de x(t) es
 ∞ 
X( f ) = ℑ 
m =−∞
∑
δ ( t − mTs )  P( f )

 ∞  ∞
=  fs
 n =−∞
∑δ ( f − nf s )  P( f ) = f s

∑
n =−∞
δ ( f − nf s ) P( f )
∞
= ∑ f P ( nf ) δ ( f − nf )
n =−∞
s s s (2.133)
donde se usó P( f ) = ℑ [ p(t )] y el hecho de que P( f ) δ ( f − nf s ) = P(nf s ) δ ( f − nf s ) . Resumiendo, hemos obtenido

el par de transformadas de Fourier
∞ ∞
∑
m =−∞
p ( t − mTs ) ↔ ∑ f P ( nf ) δ ( f − nf )
n =−∞
s s s (2.134)
La utilidad de (2.134) se ilustrará mediante un ejemplo.
EJEMPLO 2.17
La transformada de Fourier de un solo pulso cosinusoidal se determinó en el Ejemplo 2.16 y se muestra en la Fig.
2.10(a). La transformada de Fourier de un tren de pulsos cosinusoidales periódicos, que podría representar la
salida de un transmisor de radar, se obtiene escribiéndolo como
 ∞ 
y (t ) =  ∑
 m =−∞
t
δ ( t − mTs )  ∗ Π   cos ( 2 πf 0 t ) , f 0 ≫ 1 τ
 τ
∞
∑ Π 
t − mTs  −1
=  cos  2 πf 0 ( t − mTs )  , f s ≤ τ (2.135)
m =−∞
τ 
Esta señal se ilustra en la Fig. 2.10(c). Identificando a p(t ) = Π ( t τ ) cos ( 2 πf 0 t ) , obtenemos, por el teorema de
modulación, que P( f ) = Aτ
2
sinc ( f − f 0 ) τ + sinc ( f + f 0 ) τ . Aplicando (2.134), la transformada de Fourier de y(t)
es
∞
∑
Af s τ
Y( f ) = sinc ( nf s − f 0 ) τ + sinc ( nf s + f 0 )  δ ( f − nf s ) (2.136)
n =−∞
2 
El espectro se ilustra en el lado derecho de la Fig. 2.10(e).
Señal Espectro
Figura 2.10 (a)−(c) Aplicación del teorema de multiplicación. (c)−(e) Aplicación del teorema de convolución.
Observación: × denota multiplicación; ∗ denota convolución; ↔ denota pares de transformadas.
2.4.7 Fórmula de la Suma de Poisson
Podemos desarrollar la fórmula de la suma de Poisson tomando la transformada de Fourier inversa del lado
derecho de (2.134). Cuando usamos el par de transformadas exp ( − j 2 πnf s t ) ↔ δ ( f − nf s ) (véase el Ejemplo
2.12), se sigue que
 ∞  ∞
−1
ℑ 
n =−∞
∑f s P ( nf s ) δ ( f − f s )  = f s
 n =−∞
∑
P ( nf s ) e j 2 πnf s t (2.137)
Igualando ésta al lado derecho de (2.134), obtenemos la fórmula de la suma de Poisson:

∞ ∞
∑ p (t − mT ) = f ∑ P ( nf ) e
m =−∞
s s
n =−∞
s
j 2 πnf s t
(2.138)
La fórmula de la suma de Poisson es útil cuando uno pasa de la transformada de Fourier a sus aproximaciones
muestreadas. Por ejemplo, la Ec. (2.138) dice que los valores de las muestras P ( nf s ) de P( f ) = ℑ{ p(t )} son los
∑
∞
coeficientes de la serie de Fourier de la función periódica Ts p ( t − mTs ) .
n =−∞
2.5 DENSIDAD ESPECTRAL DE POTENCIA Y CORRELACIÓN
Recordando la definición de la densidad espectral de energía, Ec. (2.73), vemos que sólo tiene uso con señales de
energía para las cuales la integral de G( f ) sobre todas las frecuencias da energía total, una cantidad finita. Para
señales de potencia, tiene sentido hablar en términos de densidad espectral de potencia. En analogía con la G( f ) ,
definimos la densidad espectral de potencia S( f ) de una señal x(t) como una función real, par y no negativa de
la frecuencia, la cual da potencia promedio total por ohmio cuando se integra; esto es,
∞
P=
∫ −∞
S( f ) df = x 2 (t ) (2.139)
1 T 2
donde x 2 (t ) = límT →∞ ∫
2 T −T
x (t ) dt . Como S( f ) es una función que da la variación de la densidad de la
potencia con la frecuencia, concluimos que debe consistir de una serie de impulsos para las señales de potencia
periódicas que hemos considerado hasta ahora. Más adelante, en el Capítulo 7, consideraremos los espectros de
potencia de señales aleatorias.
EJEMPLO 2.18
Si consideramos la señal cosinusoidal
x(t ) = A cos ( 2 πf 0 t + θ ) (2.140)
observamos que la potencia promedio por ohmio, 1

2
A2 , está concentrada en la frecuencia única f0 hertz. Sin
embargo, como la densidad espectral de potencia debe ser una función par de la frecuencia, dividimos esta
potencia igualmente entre +f0 y −f0 hertz. Por tanto, la densidad espectral de potencia de x(t) es, por intuición,
dada por
1 1
S( f ) = A2 δ ( f − f 0 ) + A2 δ ( f + f 0 ) (2.141)
4 4
Si se verifica esto usando (2.139), vemos que la integración sobre todas las frecuencias resulta en una potencia
promedio por ohmio de 21 A2 .
2.5.1 El Promedio en el Tiempo de la Función de Autocorrelación
Para introducir la función de autocorrelación promedio, regresamos a la densidad espectral de energía de una
señal de energía, (2.73). Sin ninguna razón aparente, supóngase que tomamos la transformada de Fourier
inversa de G( f ) , permitiendo que la variable independiente sea τ,
φ( τ) ≜ ℑ−1 [G( f )] = ℑ−1 [ X( f )X * ( f )]

= ℑ−1 [ X ( f )] ∗ ℑ−1 [ X * ( f )] (2.142)
El último paso se obtiene por aplicación del teorema de convolución. Si se aplica el teorema de inversión en el
tiempo para escribir ℑ−1 [ X * ( f )] = x ( −τ ) y entonces el teorema de convolución, obtenemos
∞
φ( τ) = x( τ) ∗ x( −τ) =
∫−∞
x( λ ) x( λ + τ ) dλ
(2.143)
T
= lím
∫
T →∞ −T
x(λ ) x(λ + τ) dλ (señal de energía)
A la Ec. (2.143) se le referirá como la función de autocorrelación promedio (en el tiempo) para señales de energía.
Vemos que da una medida de la semejanza, o coherencia, entre una señal y una versión retardada de la señal.
Observe que φ(0) = E , la energía de la señal. Observe también la semejanza de la operación de correlación con la
convolución. El punto importante de (2.142) es que la función de autocorrelación y la densidad espectral de
energía son pares de transformadas de Fourier. Dejamos cualquier estudio adicional de la función de
autocorrelación promedio para señales de energía a favor del estudio de resultados análogos para señales de
potencia.
La función de autocorrelación promedio (en el tiempo) R(τ) se define como el promedio en el tiempo
R( τ) = x(t ) x(t + τ
1 T (2.144)
≜ lím
T →∞ 2T ∫ −T
x(t ) x(t + τ) dt (señal de potencia)
Si x(t) es periódica con periodo T0, el integrando de (2.144) es periódico y el promedio en el tiempo puede
tomarse durante un solo periodo:
1
R( τ) =
T0 ∫ T0
x(t )x(t + τ) dt [x(t ) periódica]
En la misma forma que φ(τ), R(τ) da una medida de la semejanza entre una señal de potencia en el instante t y
en el instante t + τ; es una función de la variable de retardo τ, ya que el tiempo, t, es la variable de integración.
Además de ser una medida de la semejanza entre una señal y su desplazamiento en el tiempo, observamos que
la potencia promedio total de la señal es
∞
R(0) = x 2 (t ) =
∫ −∞
S( f ) df (2.145)
Por tanto, sospechamos que la función de autocorrelación promedio y la densidad espectral de potencia de una
señal de potencia están íntimamente relacionadas, como lo están para señales de energía. Esta relación la expresa
formalmente el teorema de Wiener-Khinchine, el cual dice que la función de autocorrelación promedio de una señal
y su densidad espectral de potencia forman pares de transformadas de Fourier:
∞
S( f ) = ℑ [ R( τ)] =
∫ −∞
R( τ) e − j 2 πf τ dτ (2.146)
y
∞
R( τ) = ℑ−1 [S( f )] =
∫−∞
S( f ) e j 2 πf τ df (2.147)
En el Capítulo 7 se da una demostración formal del teorema de Wiener-Khinchine. Aquí simplemente

tomamos a (2.146) como la definición de la densidad espectral de potencia. Observamos que (2.145) se deduce de
inmediato a partir de (2.147) haciendo τ = 0.
2.5.2 Propiedades de R(τ)
La función de autocorrelación promedio tiene varias propiedades útiles, las cuales se dan a continuación:
1. R(0) = x 2 (t ) ≥ R( τ) , para todo τ; es decir, en τ = 0 existe un máximo absoluto de R(τ).
2. R( −τ) = x(t ) x(t − τ) = R( τ) ; esto es, R(τ) es par.
2
3. lím τ →∞ R( τ) = x(t ) si x(t) no contiene componentes periódicas.
4. Si x(t) es periódica en t con periodo T0, entonces R(τ) es periódica en τ con periodo T0.
5. La función de autocorrelación promedio de cualquier señal de potencia tiene una transformada de Fourier
que es no negativa.
La propiedad 5 resulta en virtud del hecho de que la potencia normalizada es una cantidad no negativa. Estas
propiedades se demostrarán en el Capítulo 7.
La función de autocorrelación y la densidad espectral de potencia son herramientas importantes para el
análisis de sistemas que involucran señales aleatorias.
EJEMPLO 2.19
Queremos la función de autocorrelación y la densidad espectral de potencia de la señal
x(t ) = Re  2 + 3e j 10 πt + 4 j e j 10 πt 
= 2 + 3 cos ( 10πt ) − 4 sen ( 10πt )
El primer paso es escribir la señal como una constante más un solo sinusoide. Para hacer esto, observe que
x(t ) = Re  2 + 32 + 4 2 exp  j tan −1 ( 4 3 )  exp ( j 10πt )  = 2 + 5 cos 10πt + tan −1 ( 4 3 ) 
Ahora podemos proceder en dos formas. La primera es hallar la función de autocorrelación de x(t) y su
transformada de Fourier para obtener la densidad espectral de potencia. La segunda es escribir la densidad
espectral de potencia y hallar su transformada de Fourier inversa para obtener la función de autocorrelación.
Siguiendo el primer método, hallamos la función de autocorrelación:
1
R( τ) =
T0 ∫ x(t) x(t + τ) dt
T0
1 0.1
∫ {2 + 5 cos 10πt + tan ( 4 3 ) }{2 + 5 cos 10 π ( t + τ ) + tan −1 ( 4 3 ) } dt

−1
=
0.2 0
0.2
⌠  4 + 10 cos 10πt + tan −1 ( 4 3 )  + 10 cos  10 π ( t + τ ) + tan −1 ( 4 3 )  
    
=5   dt
 + 25 cos 10πt + tan ( 4 3 )  cos 10π ( t + τ ) + tan ( 4 3 )  
− 1 − 1
⌡0 
0.2 0.2 0.2
=5
∫0
4dt + 50
∫
0
cos 10πt + tan −1 ( 4 3 )  dt + 50
∫ 0
cos 10π ( t + τ ) + tan −1 ( 4 3 )  dt
125 0.2 125 0.2

+
2 0 ∫
cos ( 10πτ ) dt +
2 0 ∫
cos  20πt + 10πτ + 2 tan −1 ( 4 3 )  dt
0.2 125 0.2
+5
0 ∫4dt + 0 + 0 +
2 0 ∫
cos ( 10πτ ) dt
25
= 4 + cos ( 10πτ ) (2.148)
2
donde las integrales que involucran cosenos de t son iguales a cero en virtud de la integración de un coseno
sobre un número entero de períodos y se usó la relación trigonométrica cos x cos y = 21 cos( x + y ) + 12 cos( x − y ) . La
densidad espectral de potencia es la transformada de Fourier de la función de autocorrelación, o
 25 
S( f ) = ℑ  4 + cos ( 10 πτ ) 
 2 
25
= 4ℑ [ 1] + ℑ [ cos(10 πτ)]
2
25 25
= 4 δ( f ) + δ( f − 5) + δ( f + 5) (2.149)
4 4
Observe que la integración de ésta sobre toda f da P = 4 + 15

2
= 16.5 vatios/ohmio, que es la potencia de CD más
la potencia de CA (esta última dividida entre 5 y −5 hertz). Pudimos haber procedido escribiendo primero la
densidad espectral de potencia, usando argumentos de potencia, y después hallando la transformada de Fourier
inversa para obtener la función de autocorrelación.
Observe que se satisfacen todas las propiedades de la función de autocorrelación excepto la tercera, la cual no
aplica.
EJEMPLO 2.20
La secuencia 1110010 es un ejemplo de un pseudo ruido o m-secuencia; ellas son importantes en la
implementación de sistemas de comunicación digital y se analizarán en el Capítulo 9. Por ahora, usamos esta m-
secuencia como otra ilustración para comparar las funciones de autocorrelación y los espectros de potencia.
Considérese la Fig. 2.11(a), la cual muestra la forma de onda equivalente de esta m-secuencia obtenida al
reemplazar cada 0 por −1, multiplicar cada miembro de la secuencia por una función de pulso cuadrado
Π ( ) , sumar y suponer que la forma de onda resultante se repite por siempre, volviéndola de este modo
t − t0
∆
periódica. Para calcular la función de autocorrelación, aplicamos (2.145), la cual es
1
R( τ) =
T0 ∫
T0
x(t ) x ( t + τ ) dt
ya que se supone una repetición periódica de repetición. Considérese la forma de onda x(t) multiplicada por
x(t + n∆ ) [mostrada en la Fig. 2.11(b) para n = 2]. El producto se muestra en la Fig. 2.11(c), donde se ve que el
área neta bajo el producto x(t ) x(t + n∆ ) es −∆, lo cual da R ( 2 ∆ ) = − ∆ = − 1 para este caso. De hecho, esta
7∆ 7
respuesta se obtiene para cualquier τ igual a un múltiplo entero no cero de ∆. Para τ = 0, el área neta bajo el
producto x(t ) x(t + 0) es 7∆, lo cual da R ( 0 ) = 77 ∆∆ = 1 . Estos resultados para la correlación se muestran en la Fig.
2.11(d) con los círculos claros donde se observa que se repiten cada τ = 7∆. Para un valor dado de retardo no
entero, la función de autocorrelación se obtiene como la interpolación lineal de los valores de la función de
autocorrelación para los retardos enteros que encierran el valor de retardo deseado. Se puede ver que éste es el
caso si se considera la integral ∫T x(t ) x ( t + τ ) dt y notando que el área bajo el producto x(t ) x(t + τ) debe ser una
0
función lineal de τ debido a que x(t) está compuesta de pulsos cuadrados. Por tanto, la función de
autocorrelación es como se muestra con la línea sólida en la Fig. 2.11(d). Para un periodo se puede expresar
como
8 τ 1 T0
R( τ) = Λ − , τ ≤
7 ∆ 7 2
La densidad espectral de potencia es la transformada de Fourier de la función de autocorrelación, la cual puede
obtenerse aplicando la Ec. (2.146). La deducción detallada se deja para los problemas. El resultado es
∞
∑
8  n   n  1
S( f ) = sinc2  δ f −  − δ( f )
49 n0 −∞  7∆   7∆  7
Figura 2.11 Forma de onda adecuada para calcular la función de autocorrelación y el espectro de potencia de
una m-secuencia de longitud 7.
y se muestra en la Fig. 2.11(e). Observe que cerca de f = 0, S( f ) = ( 498 − 71 ) δ( f ) = 491 δ( f ) , lo cual dice que la
1 1
potencia de CD es 49
= vatios. El estudiante debe pensar de por qué éste es el resultado correcto. (Sugerencia:
72
¿Cuál es el valor de CD de x(t) y a qué potencia corresponde esto?)
2.6 SEÑALES Y SISTEMAS LINEALES
En esta sección nos ocuparemos de la caracterización de sistemas y sus efectos sobre señales. En el modelado de
sistemas, los elementos reales, tales como resistores, capacitores, inductores, resortes y masas, que componen un
sistema particular normalmente no son de interés. Más bien, consideramos un sistema en términos de la
operación que realiza sobe una entrada para producir una salida. Simbólicamente, esto se logra, para un sistema
de una sola entrada y una sola salida, escribiendo
y (t ) = H [ x ( t )] (2.150)
donde H[⋅] es el operador que produce la salida y(t) a partir de la entrada x(t), como se ilustra en la Fig. 2.12.
Ahora consideraremos ciertas clases de sistemas, la primera de las cuales es la de sistemas lineales invariables en
el tiempo.
Figura 2.12 Representación de operador de un sistema lineal.

2.6.1 Definición de un Sistema Lineal Invariable en el Tiempo
Si un sistema es lineal, se cumple la superposición. Esto es, si x1 produce la salida y1(t) y x2(t) resulta en la salida
y2(t), entonces la salida debida a α 1 x1 (t ) + α 2 x2 (t ) , donde a1 y a2 son constantes, es dada por
y (t ) = H [ α 1 x 1 (t ) + α 2 x 2 ( t )] = α 1 H [ x 1 (t )] + α 2 H [ x 2 ( t )]
= α 1 y 1 ( t ) + α 2 y 2 (t ) (2.151)
Si el sistema es invariable en el tiempo, o fijo, la entrada retardada x ( t − t0 ) da la salida retardada y ( t − t0 ) ; es

decir,
y ( t − t0 ) = H  x ( t − t0 )  (2.152)
Con estas propiedades expresadas de forma explícita, ahora estamos en condiciones para obtener descripciones
más concretas d sistemas lineales invariables en el tiempo (LIT).
2.6.2 Respuesta al Impulso y la Integral de Superposición
La respuesta al impulso h(t) de un sistema LIT se define como la respuesta del sistema a un impulso aplicado en
t = 0 , esto es,
h(t ) ≜ H [ δ(t )] (2.153)
Por la propiedad de invariabilidad en el tiempo del sistema, la respuesta a un impulso aplicada en cualquier
instante t0 es h ( t − t0 ) , y la respuesta de la combinación lineal de impulsos α 1 δ ( t − t1 ) + α 2 δ ( t − t2 ) es
α 1 h ( t − t1 ) + α 2 h ( t − t2 ) por las propiedades de superposición e invariabilidad en el tiempo. Por inducción se
puede demostrar que la respuesta a la entrada
N
x( t ) = ∑ α δ (t − t )
n=1
n n (2.154)
es
N
y (t ) = ∑ α h (t − t )
n =1
n n (2.155)
Usaremos (2.155) para obtener la integral de superposición, la cual expresa la respuesta de un sistema LIT a
una entrada arbitraria (con restricciones apropiadas) en términos de la respuesta al impulso del sistema. Si
consideramos la señal de entrada arbitraria x(t) de la Fig. 2.13(a), la podemos representar como
∞
x( t ) =
∫ −∞
x(λ ) δ(t − λ ) dλ (2.156)
usando la propiedad de selección del impulso unitario. Si se aproxima la integral en (2.156) como una suma,
obtenemos
N2
x( t ) ≅ ∑ x ( n∆t ) δ(t − n∆t ∆t ,
n =N1
∆t ≪ 1 (2.157)
donde t1 = N 1 ∆t es el tiempo inicial de la señal y t2 = N 2 ∆t es el tiempo final. La salida, usando (2.155) con
α n = x(n∆t ) ∆t y tn = n∆t , es
N2
yɶ (t ) = ∑ x(n∆t ) h(t − n∆t) ∆t
n= N1
(2.158)
donde la tilde denota la salida que resulta de la aproximación a la entrada dada por (2.157). En el límite,
conforme ∆t tiende a cero y n∆t tiende a la variable continua λ, la suma se convierte en una integral y obtenemos
∞
y (t ) =
∫ −∞
x(λ ) h(λ ) dλ (2.159)
donde los límites se han cambiado a ±∞ para permitir tiempos iniciales y finales arbitrarios para x(t). Si se hace la
sustitución σ = t − λ , se obtiene el resultado equivalente
∞
y (t ) =
∫ −∞
x( t − σ ) h( σ ) d σ (2.160)
Como estas ecuaciones se obtuvieron por superposición de varias respuestas elementales debidas a cada
impulso individual, ellas se conocen como integrales de superposición. Se obtiene una simplificación si el
sistema bajo consideración es causal, esto es, un sistema que no responde antes de que se aplique una entrada.
Para un sistema causal, h ( t − λ ) = 0 para t < λ y el límite superior en (2.159) puede hacerse igual a t.
Adicionalmente, si x(t) = 0 para t < 0, el límite inferior se hace cero.
Figura 2.13 Una señal y una representación aproximada. (a) Señal. (b) Aproximación con una secuencia
de impulsos.
2.6.3 Estabilidad
Un sistema lineal y fijo es estable del tipo entrada acotada, salida acotada (EASA) si toda entrada acotada resulta
en una salida acotada. Se puede demostrar que un sistema es EASA estable si y sólo si
∞
∫ −∞
h(t ) dt < ∞ (2.161)
2.6.4 Función de Transferencia (Respuesta de Frecuencia)
Aplicando el teorema de convolución de la transformada de Fourier a ya sea la Ec. (2.159) o a la Ec. (2.160),
obtenemos
Y ( f ) = H ( f ) X( f ) (2.162)
donde X ( f ) = ℑ{x(t )} , Y ( f ) = ℑ{y(t )} y
∞
H ( f ) = ℑ{h(t )} =
∫ −∞
h(t ) e − j 2 πft dt (2.163)
o
∞
h(t ) = ℑ−1 {H (f t )} =
∫−∞
H ( f ) e j 2 πft df (2.164)
H ( f ) se conoce como la función de (respuesta de) frecuencia del sistema. Vemos que ya sea h(t) o H ( f ) es una
caracterización igualmente buena del sistema. Mediante una transformada inversa de (2.162), la salida se
convierte en
∞
y (t ) =
∫ −∞
X ( f ) H ( f ) e j 2 πft df (2.165)
2.6.5 Causalidad
Un sistema causal no anticipa su entrada. En términos de la respuesta al impulso, se sigue que para un sistema
causal invariable en el tiempo,
h(t ) = 0, t < 0 (2.166)
Cuando se considera la causalidad desde el punto de vista de la función de la respuesta de frecuencia del
sistema, un célebre teorema por Wiener y Paley establece que si
∞ ∞
∫ ∫
2 2
h(t ) dt = H ( f ) df < ∞ (2.167)
−∞ −∞
con h(t ) ≡ 0 para t < 0, es entonces necesario que

∞
⌠ ln H ( f )
 df < ∞ (2.168)
⌡−∞ 1+ f 2
Inversamente, si H ( f ) es cuadrado integrable y si la integral en (2.168) no está acotada, entonces no podemos

hacer h(t ) ≡ 0, t < 0 , no importa lo que escojamos para ∠H ( f ) . Una consecuencia de (2.168) es que ningún filtro
causal puede tener H ( f ) ≡ 0 en una banda finita de frecuencias (esto es, un filtro causal no puede rechazar de
forma perfecta cualquier banda finita de frecuencias). De hecho, el criterio de Paley-Wiener restringe la tasa con
la cual la H ( f ) para un sistema LIT causal puede anularse. Por ejemplo,
− k1 f
H1 ( f ) = e ⇒ ln H 1 ( f ) = k1 f (2.169)
y
ln H 2 ( f ) = k2 f 2
− k2 f
H2 ( f ) = e ⇒ (2.170)
donde k1 y k2 son constantes positivas, no son respuestas de amplitud permisibles para filtros LIT causales
porque (2.168) no da un resultado finito en cualquiera de los casos.
La afirmación de suficiencia del criterio de Paley-Wiener se expresa en la forma siguiente: Dada cualquier
función cuadrado integrable H ( f ) para la cual se satisface la Ec. (2.168), existe un ∠H ( f ) tal que
H ( f ) = H ( f ) exp [ j ∠H ( f )] es la transformada de Fourier de h(t) para un filtro causal.
EJEMPLO 2.21
(a) Demuestre que el sistema con respuesta al impulso
h(t ) = e −2 t cos ( 10πt ) u(t )

es estable.
(b) ¿Es causal este sistema?
Solución
(a) Consideramos la integral
∞ ∞ ∞
∫−∞
h(t ) dt =
∫ −∞
e −2 t cos ( 10πt ) u(t ) dt =
∫
0
e −2 t cos ( 10πt ) dt
∞
∞ 1 1
∫ e
−2 t
≤ = − e −2 t = <∞
0 2 0 2
Por tanto, es EASA estable. Observe que la tercera línea sale de la segunda línea en virtud de que
cos ( 10 πt ) ≤ 1 .
(b) El sistema es causal porque h(t) = 0 para t < 0.

2.6.6 Propiedades de Simetría de H(f)
La función de la respuesta de frecuencia, H ( f ) , de un sistema LIT es, en general, una cantidad compleja. Por
tanto, la escribimos en términos de su magnitud y argumento como
H ( f ) = H ( f ) exp [ j ∠H ( f )] (2.171)
donde H ( f ) se denomina la función de la respuesta reamplitud (magnitud) y ∠ H ( f ) se llama la función de la

respuesta de fase del sistema LIT. También, H ( f ) es la transformada de Fourier de una función real del tiempo
h(t). Por tanto, se deduce que
H( f ) = H(− f ) (2.172)
y
∠ H ( f ) = −∠ H ( − f ) (2.173)
Esto es, la respuesta de amplitud de un sistema cuya respuesta al impulso de valores reales es una función par
de la frecuencia y su respuesta de fase es una función impar de la frecuencia.
EJEMPLO 2.22
Considere el filtro RC de pasabajas en la Fig. 2.14. Podemos hallar la función de su respuesta de frecuencia por
varios métodos.
Figura 2.14 Un filtro RC de pasabajas.
Primero, podemos escribir la ecuación diferencial (en general, una ecuación integro-diferencial) que rige el
sistema como
dy(t )
RC + y(t ) = x(t ) (2.174)
dt
y aplicamos la transformada de Fourier para obtener
( j 2 πf RC + 1 ) Y ( f ) = X( f )
o
Y( f ) 1
H( f ) = =
X( f ) 1 + j ( f f 3 )
1 − j tan −1 ( f f3 )
= e (2.175)
2
1 + ( f f3 )
donde f 3 = 1 ( 2 πRC ) es la frecuencia de 3 dB o frecuencia de potencia mitad. Segundo, podemos usar la teoría
de la transformada de Laplace con s reemplazando a j2πf. Tercero, podemos usar análisis de régimen
permanente sinusoidal de CA. Las respuestas de amplitud y fase de este sistema se ilustran en la Fig. 2.15(a) y
(b), respectivamente.
Figura 2.15 Respuestas de amplitud y de fase del filtro RC de pasabajas. (a) Respuesta de amplitud. (b) Respuesta de fase.
Usando el par de transformadas de Fourier

a
ae −αt u(t ) ↔ (2.176)
a + j 2 πf
hallamos que la respuesta al impulso del filtro es

1 −t RC
h( t ) = e u(t ) (2.177)
RC
Finalmente, consideramos la respuesta del filtro al pulso
 t − 21 T 
x(t ) = AΠ   (2.178)
 T 
Si usamos los pares apropiados de transformadas de Fourier, podemos hallar rápidamente a Y ( f ) , pero su
transformada de Fourier inversa requiere de cierto esfuerzo. Por tanto, parece ser que la integral de
superposición es el mejor método en este caso. Escogiendo la forma
∞
y (t ) =
∫
−∞
h( t − σ ) x( σ ) d σ (2.179)
hallamos, por sustitución directa en h(t), que
 1 −( t −σ ) RC
1 −( t −σ ) RC  e , σ<t
h( t − σ ) = e u(t − σ) =  RC (2.180)
RC  0, σ>t
Puesto que x(σ) es cero para σ < 0 y σ > T, encontramos que
 0, t<0
 t A
y (t ) = 
∫
( )
e − t −σ RC dσ , 0 ≤ t ≤ T (2.181)
 0 RC
 t A ( )

∫
 0 RC
e − t −σ RC dσ , t > T
Al realizar la integración, se obtiene

 0, t<0

y(t ) =  A ( 1 − e −t RC ) , 0<t <T (2.182)
 ( −( t −T ) RC ),
A e − e −t RC
t >T
Este resultado se grafica en la Fig. 2.16 para varios valores de T/RC. También se muestran X ( f ) y H ( f ) .
Observe que T RC = 2 πf 3 T −1 es proporcional a la relación entre la frecuencia de 3 dB del filtro y el ancho
espectral (T −1 ) del pulso. Cuando esta relación es grande, el espectro del pulso de entrada es esencialmente
pasado sin distorsión por el sistema y la salida se asemeja a la entrada. Por otra parte, para 2 πf 3 T −1 ≪ 1 , el
sistema distorsiona el espectro de la señal de entrada y y(t) no se parece en nada a la entrada. Estas ideas se
pondrán sobre una base más firme cuando se estudie la distorsión de señales.
Pulso de entrada
Figura 2.16 (a) Formas de ondas y (b)−(d) espectros para un filtro RC de pasabajas con entrada de pulso. (a)
señales de entrada y salida. (b) T/RC = 2. (d) T/RC = 10.
Observe que la salida pude haberse determinado escribiendo la entrada como x(t ) = A [ u(t ) − u(t − T )] y usando
superposición para escribir la salida en término de la respuesta al escalón como y(t ) = ys (t ) − ys (t − T ) . El
estudiante puede demostrar que la respuesta al escalón es ys (t ) = A ( 1 − e −t RC ) u(t ) . Por tanto, la salida es
y(t ) = A ( 1 − e −t RC ) u(t ) − A ( 1 − e −( t −T ) RC ) u(t − T ) y se puede demostrar que ésta es equivalente al resultado
obtenido en (2.182).
2.6.7 Relaciones de Entrada-Salida para las Densidades Espectrales
Considérese un sistema de dos puertos lineal y fijo con función de respuesta de frecuencia H ( f ) , entrada x(t) y
2
salida y(t). Si x(t) y y(t) son señales de energía, sus densidades espectrales de energía son Gx ( f ) = X( f ) y
2
Gy ( f ) = Y ( f ) , respectivamente. Puesto que Y ( f ) = H ( f )X ( f ) , se deduce que
2
Gy ( f ) = H ( f ) Gx ( f ) (2.183)
Una relación similar se cumple para señales de potencia y sus espectros:

2
Sy ( f ) = H ( f ) Sx ( f ) (2.184)
Esto se demostrará en el Capítulo 7.
2.6.8 Respuesta a Entradas Periódicas
Considérese la respuesta de régimen permanente de un sistema lineal fijo cuando la entrada es la señal
exponencial compleja Ae j 2 πf 0t . Si usamos la integral de superposición, obtenemos
∞ ∞
∫ h(λ ) A e j 2 πf 0 dλ = A e j 2 πf 0t
∫ h(λ ) A e − j 2 πf 0 λ dλ
( t −λ )
yss (t ) =
−∞ −∞
= H ( f 0 ) A e j 2 πf 0t (2.185)
Esto es, la salida es una señal exponencial compleja de la misma frecuencia pero con amplitud escalada por
H ( f 0 ) y fase desplazada por ∠H ( f 0 ) en relación con la amplitud y la fase de la entrada. Usando
superposición, concluimos que la salida de régimen permanente debida a una entrada periódica arbitraria es
representada por la serie de Fourier exponencial compleja
∞
y (t ) = ∑ X H ( nf ) e
n =−∞
n 0
jn 2 πf 0 t
(2.186)
o
∞
y (t ) = ∑
n =−∞
{
Xn H ( nf 0 ) exp j  2 πnf o t + ∠ Xn + ∠ H ( nf 0 )  } (2.187)
∞
= X0 H (0) + 2 ∑X
n=1
n H ( nf 0 ) cos  2 πnf 0 t + ∠ Xn + ∠ H ( nf 0 )  (2.188)
donde se usaron las Ecs. (2.172) y (2.173) para obtener la segunda ecuación. Por tanto, para una entrada
periódica, la magnitud de cada componte espectral de la entrada es atenuada (o amplificada) por la función de
la respuesta de amplitud en la frecuencia de la componente espectral particular y la fase de cada componente
espectral es desplazada por el valor de la función de desplazamiento de fase del sistema en la frecuencia de la
componente espectral respectiva.
EJEMPLO 2.23
Considérese la respuesta de un filtro que tiene la función de respuesta de frecuencia
 f  10
H ( f ) = 2 Π   e − jπ f (2.189)
 42 
a una señal triangular de amplitud unitaria con periodo 0.1 s. De la Tabla 2.1 y la Ec. (2.29), la serie de Fourier
exponencial de la señal de entrada es
4 4 4 4 4 4
x( t ) = ⋯ 2
e − j 100 πt + 2
e − j 60 πt + 2
e − j 20 πt + 2
e j 20 πt + 2
e j 60 πt + e j 100 πt + ⋯
25π 9π π π 9π 25π2
8  1 1 
= 2  cos ( 20 πt ) + cos ( 60πt ) + cos ( 100πt ) + ⋯ (2.190)
π  9 25 
El filtro elimina todos los armónicos por encima de 21 Hz y pasa todos los inferiores a 21 Hz, imponiendo un
factor de escala en la amplitud de 2 y un desplazamiento de fase de −πf/10 rad. El único armónico de la onda
triangular que pasa por el filtro es el fundamental, el cual tiene una frecuencia de 10 Hz, dando un corrimiento
de fase de −π(10)/10 rad. Por tanto, la salida es
16  1 
y (t ) = cos 20 π  t −  (2.191)
π2  20 
1
donde se observa que el corrimiento de fase es equivalente a un retardo de 20
s.
2.6.9 Transmisión Sin Distorsión
La Ec. (2.188) muestra que tanto las amplitudes como las fases de las componentes espectrales de una señal de
entrada periódica será, en general, alterada a medida que la señal es enviada a través de un sistema LIT de dos
puertos. Esta modificación puede ser deseable en aplicaciones de procesamiento de señales, ella es equivalente a
una distorsión en aplicaciones de transmisión de señales. Aunque a primera vista puede parecer que una
transmisión ideal de señales resulta sólo si no hay atenuación ni desplazamiento de fase de las componentes
espectrales de la entrada, este requerimiento es demasiado fuerte. Un sistema se clasificará como sin distorsión si
introduce la misma atenuación y el mismo retardo a todas las componentes espectrales de la entrada, ya que
entonces la salida se asemeja a la entrada. En particular, si la salida de un sistema se da en términos de la
entrada como
y (t ) = H 0 x ( t − t 0 ) (2.192)
donde H0 y t0 son constantes, la salida es una réplica escalada y retardada de la entrada (t0 > 0 para causalidad).
Si se emplea el teorema del retardo a la transformada de Fourier de (2.192) y se usa la definición
H ( f ) = Y ( f ) X( f ) , obtenemos
H ( f ) = H 0 e − j 2 πft0 (2.193)
como la función de la respuesta de frecuencia de un sistema sin distorsión; esto es, la respuesta de amplitud de
un sistema sin distorsión es constante y el corrimiento de fase es lineal con la frecuencia. Por supuesto, estas
restricciones son necesarias solamente dentro de las bandas de frecuencia donde la entrada tiene un contenido
espectral significativo. La Fig. 2.17 y el Ejemplo 2.24 considerado dentro de poco, ilustrará estos comentarios.
En general, podemos aislar tres tipos principales de distorsión. Primero, si el sistema es lineal pero la respuesta
de amplitud no es constante con la frecuencia, se dice que el sistema introduce distorsión de amplitud. Segundo, si
el sistema es lineal pero el desplazamiento de fase no es una función lineal de la frecuencia, el sistema introduce
distorsión de fase o de retardo. Tercero, si el sistema no es lineal, tenemos distorsión no lineal. Por supuesto, estos tres
tipos de distorsión pueden ocurrir en combinaciones.
2.6.10 Retardo de Grupo y de Fase
Con frecuencia, la distorsión de fase en un sistema lineal se puede identificar si se considera la derivada de la
fase con respecto a la frecuencia. Un sistema sin distorsión exhibe una respuesta de fase en la cual la fase es
directamente proporcional a la frecuencia. Por tanto, la derivada de la función de la respuesta de fase con
respecto a la frecuencia de un sistema sin distorsión es una constante. El negativo de esta constante se denomina
el retardo de grupo del sistema LIT. En otras palabras, el retardo de grupo se define por la ecuación
1 dθ( f )
Tg ( f ) = − (2.194)
2 π df
en la cual θ( f ) es la respuesta de fase del sistema. Para un sistema sin distorsión, la función de la respuesta de
fase es dada por (2.193) como
θ( f ) = −2 πft0 (2.195)
Esto produce un retardo de grupo de
1 d
Tg ( f ) = − ( −2 πft0 )
2 π df
o
Tg ( f ) = t0 (2.196)
Esto confirma la observación anterior de que el retardo de grupo de un sistema LIT sin distorsión es una
constante.
El retardo de grupo es el retardo que un grupo de dos o más componentes de frecuencia experimenta al pasar
a través de un sistema lineal. Si un sistema lineal tiene una componente de una sola frecuencia como la entrada,
el sistema siempre es de tipo sin distorsión, ya que la salida puede escribirse como una versión escalada en
amplitud y desplazada en fase (retardada en el tiempo) de la entrada. Como un ejemplo, supóngase que la
entrada a un sistema lineal es dada por
x(t ) = A cos ( 2 πf 1t ) (2.197)
De (2.188) se deduce que la salida puede escribirse como

y(t ) = A H ( f 1 ) cos  2 πf 1t + θ ( f 1 )  (2.198)
donde θ ( f 1 ) es la respuesta de fase del sistema evaluada en f = f1. La Ec. (2.198) puede escribirse como
  θ ( f 1 )  
y(t ) = A H ( f 1 ) cos 2 πf 1 t +  (2.199)
  2 πf 1  
El retardo de la única componente se define como el retardo de fase:
θ( f )
Tp ( f ) = − (2.200)
2π f
Por tanto, la Ec. (2.199) puede escribirse como
{
y(t ) = A H ( f 1 ) cos 2 πf 1 t − Tp ( f 1 )  } (2.201)
El uso de (2.195) muestra que para un sistema sin distorsión, el retardo de fase es dado por
1
Tp ( f ) = − ( −2 πft0 ) = t0 (2.202)
2π f
Por tanto, vemos que los sistemas sin distorsión tienen iguales retardos de grupo y de fase. El ejemplo siguiente
debe aclarar las definiciones anteriores.
EJEMPLO 2.24
Considérese un sistema con respuesta de amplitud y corrimiento de fase como se muestra en la Fig. 2.17 y las
cuatro entradas siguientes:
1. x1 (t ) = cos ( 10 πt ) + cos ( 12 πt ) 2. x 2 (t ) = cos ( 10 πt ) + cos ( 26 πt )
3. x 3 (t ) = cos ( 26 πt ) + cos ( 34 πt ) 4. x 4 (t ) = cos ( 32 πt ) + cos ( 34 πt )
Aunque este sistema es algo irreal desde un punto de vista práctico, podemos usarlo para ilustrar varias
combinaciones de de distorsión de amplitud y de fase. Usando la Ec. (2.188), obtenemos las siguientes salidas
correspondientes:
 1   1 
1. y1 (t ) = 2 cos  10π t − π  + 2 cos  12 π t − π 
 6   5 
  1    1 
= 2 cos 10π  t −   + 2 cos 12 π  t −  
  60     60  
 1   13 
2. y2 (t ) = 2 cos  10π t − π  + cos  26π t − π 
 6   30 
  1    1 
= 2 cos 10π  t −   + cos  26π  t −  
  60     60  
 13   1 
3. y3 (t ) = cos  26 π t − π  + cos  34 π t − π 
 30   2 
  1    1 
= cos  26π  t −   + cos  34π  t −  
  60     68 
 1   1 
4. y 4 (t ) = cos  32 π t − π  + cos  34π t − π 
 2   2 
  1    1 
= cos  32 π  t −   + cos  34π  t −  
  64     68  
Al verificar estos resultados con la Ec. (2.192), vemos que sólo la entrada x1(t) es pasada sin distorsión por el
sistema. Para x2(t), resulta una distorsión de amplitud y para x3(t) y x4(t), se introduce distorsión de fase
(retardo).
El retardo de grupo y el de fase también se ilustran en la Fig. 2.17. Se puede ver que para f ≤ 15 Hz, los
1
retardos de grupo y de fase son ambos iguales a 60
s. Para f > 15 Hz, el retardo de grupo es cero y el retardo
de fase es
1
Tp ( f ) = , f < 15 Hz (2.203)
4 f
Figura 2.17 Respuestas de amplitud y de fase y retardos de grupo y de fase del filtro para el Ejemplo
2.24. (a) Respuesta de amplitud. (b) Respuesta de fase. (c) Retardo de grupo. (d) Retardo de fase.
2.6.11 Distorsión No Lineal
Para ilustrar la idea de la distorsión no lineal, consideremos un sistema no lineal con la característica de entrada-
salida:
y(t ) = a1 x(t ) + a2 x 2 (t ) (2.204)
donde a1 y a2 son constantes y con la entrada

x(t ) = A1 cos ( ω1t ) + A2 cos ( ω2 t ) (2.205)
Por tanto, la salida es
2
y(t ) = a1  A1 cos ( ω1t ) + A2 cos ( ω2 t )  + a2  A1 cos ( ω1t ) + A2 cos ( ω2 t )  (2.206)
Si se usan identidades trigonométricas, podemos escribir la salida como
y(t ) = a1  A1 cos ( ω1t ) + A2 cos ( ω2 t ) 

1 1
+ a2 ( A12 + A22 ) + a2  A12 cos ( 2 ω1t ) + A22 cos ( 2 ω2 t ) 
2 2
{
+ a2 A1 A2 cos ( ω1 + ω2 ) t  + cos ( ω1 − ω2 ) t  } (2.207)
Como puede verse en la Ec. (2.207) y como se ilustra en la Fig. 2.18, el sistema ha producido frecuencias en la
salida diferentes de las frecuencias de la entrada. Además del primer término en (2.207), el cual puede
considerarse como la salida deseada, hay términos de distorsión en armónicos de las frecuencias de entrada (en
este caso, segundos) y también como términos de distorsión que involucran sumas y diferencias de los
armónicos (en este caso, primeros) de las frecuencias de entrada. Los primeros se conocen como términos de
distorsión armónica y los últimos se conocen como términos de distorsión por intermodulación. Observe que se podría
usar una no linealidad de segundo orden como un dispositivo para producir una componente con una
frecuencia que duplica la frecuencia de una sinusoide de entrada. Se pueden usar no linealidades de tercer orden
como triplicadores, y así sucesivamente.
Figura 2.18 Espectros de entrada y salida para un sistema no lineal con entrada de frecuencia
discreta. (a) Espectro de entrada. (b) Espectro de salida.
Se puede manipular una señal de entrada general aplicando el teorema de multiplicación dado en la Tabla F.6
en el Apéndice F. Por tanto, para el sistema no lineal con la característica de transferencia dada por (2.204), el
espectro de salida es
Y ( f ) = a1 X ( f ) + a2 X( f ) ∗ X( f ) (2.208)
El segundo término es considerado distorsión y se ve que produce interferencia para todas las frecuencias
ocupadas por la salida deseada (el primer término). Es imposible aislar las componentes de distorsión armónica
y de intermodulación como antes. Por ejemplo, si
 f 
X ( f ) = AΠ   (2.209)
 2W 
entonces el término de distorsión es
 f 
a2 X( f ) ∗ X( f ) = 2 a2 WA2 Λ   (2.210)
 2W 
Los espectros de entrada y salida se muestran en la Fig. 2.19. Observe que el ancho espectral del término de
distorsión es el doble de la entrada.
Figura 2.19 Espectros de entrada y salida para un sistema no lineal con una entrada cuya
espectro no es cero en una banda continua de frecuencias. (a) Espectro de entrada. (b) Espectro
de salida.
2.6.12 Filtros Ideales
Con frecuencia es conveniente trabajar con filtros que tengan funciones de respuesta de frecuencia idealizadas
con funciones de respuesta de amplitud rectangulares que sean constantes dentro de la banda de paso y cero
para el resto de las frecuencias. Consideraremos tres tipos generales de filtros ideales: pasabajas, pasa altas y
pasabanda. Se supone que dentro de la banda de paso, la respuesta de fase es lineal. Por tanto, si B es el ancho
de banda unilateral (ancho de la banda de rechazo13 para el filtro de pasa altas) del filtro en cuestión, las funciones de
transferencia de los filtros ideales de pasabajas, pasa altas y pasabanda se expresan fácilmente.
1. Para el filtro de pasabajas ideal
H LP ( f ) = H 0 Π ( f 2 B ) e − j 2 πft0 (2.211)
2. Para el filtro de pasa altas ideal
H HP ( f ) = H 0  1 − Π ( f 2 B )  e − j 2 πft0 (2.212)
3. Finalmente, para el filtro de pasabanda ideal
H BP ( f ) =  H 1 ( f − f 0 ) + H 1 ( f + f 0 )  e − j 2 πft0 (2.213)
donde H 1 ( f ) = H 0 Π ( f B ) .
Las funciones de las respuestas de amplitud y de fase para estos filtros se muestran en la Fig. 2.20.
Las respuestas al impulso correspondientes se obtienen determinando la transformada de Fourier inversa de la
respectiva función de respuesta de frecuencia. Por ejemplo, la respuesta al impulso de un filtro de pasabajas
ideal es, por el Ejemplo 2.12 y el teorema del retardo en el tiempo, dada por
hLP (t ) = 2 BH 0 sinc  2 B ( t − t0 )  (2.214)
Como hLP(t) no es cero para t < 0, vemos que un filtro de pasabajas ideal es no causal. No obstante, los filtros
ideales son conceptos útiles porque simplifican cálculos y pueden dar resultados satisfactorios para
consideraciones espectrales.
Empezando con el filtro de pasa banda ideal, podemos usar el teorema de modulación para escribir su
respuesta al impulso como
hBP (t ) = 2 h1 ( t − t0 ) cos  2 π f 0 ( t − t0 )  (2.215)

donde
h1 (t ) = ℑ−1 [ H 1 ( f )] = H 0 B sinc ( Bt ) (2.216)
Por tanto, la respuesta al impulso de un filtro de pasa banda ideal es la señal oscilatoria
hBP (t ) = 2 H 0 B sinc  B ( t − t0 )  cos  2 π f 0 ( t − t0 )  (2.217)
La Fig. 2.21 ilustra a hLP(t) y hBP(t). Si f0 >> B, es conveniente considerar a hBP(t) como la envolvente de variación
lenta 2 H 0 sinc ( Bt ) que modula la señal oscilatoria de alta frecuencia cos ( 2 π f 0 t ) y desplazada hacia la derecha
por t0 segundos.
La deducción de la respuesta al impulso de un filtro de pasa altas ideal se deja para los problemas (Problema
2.63).
13 La banda de rechazo de un filtro se definirá aquí como la banda o bandas de frecuencias para las cuales H ( f ) está 3 dB por
debajo de su valor máximo.
Figura 2.20 Funciones de respuestas de amplitud y de fase para filtros ideales.
Figura 2.21 Respuestas al impulso para filtros de pasa altas y pasa banda. (a) hLP(t). (b) hBP(t).
2.6.13 Aproximaciones de Filtros de Pasabajas Ideales por Filtros Realizables
Aunque los filtros ideales son no causales y por tantos dispositivos no realizables, hay varios tipos de filtros
prácticos que pueden diseñarse para aproximar las características de filtros ideales tan cercanamente como se
desee. En esta sección consideraremos tres de esas aproximaciones para el caso de pasabajas. Las
aproximaciones a pasa banda y pasa altas pueden obtenerse mediante transformaciones apropiadas de
frecuencia. Los tres tipos de filtros que consideraremos son (1) Butterworth, (2) Chebyshev y (3) Bessel.
El filtro de Butterworth es un diseño de filtro escogido para mantener una respuesta de amplitud constante en
la pasabanda al costo de menor atenuación en la banda de rechazo. Un filtro de Butterworh de n-ésimo es
caracterizado por una función de transferencia, en términos de la frecuencia compleja s, de la forma
ωn3
H BW (s ) = (2.218)
( s − s1 )( s − s2 ) ⋯ ( s − sn )
donde los polos s1, s2, … , sn son simétricos con respecto al eje real e igualmente espaciados en torno a un
semicírculo de radio ω3 en el semiplano s izquierdo y f 3 = ω3 2 π es la frecuencia de corte de 3 dB.15 En la Fig.
2.22(a) se muestran ubicaciones típicas de polos. Por ejemplo, la función del sistema de un filtro de Butterworth
de segundo orden es
ω23 ω23
H BW de 2do. orden (s ) = = 2 (2.219)
 1 + j   1 − j  s + 2 ω3 + ω23
s + ω3   s + ω3 
 2  2 
donde f 3 = ω3 2 π es la frecuencia de corte de 3 dB en Hertz. La respuesta de amplitud para un filtro de
Butterworth de n-ésimo orden es de la forma
1
H BU ( f ) = (2.220)
2n
1 + ( f f3 )
Observe que conforme n tiende a infinito, H BU ( f ) se aproxima a la característica del filtro de pasabajas ideal.
Sin embargo, el retardo del filtro también tiende a infinito.
Respuesta de amplitud
Figura 2.22 Posiciones de los polos y respuestas de amplitud para filtros de Butterwortth y Chebyshev
de cuarto orden. (a) Filtro de Butterworth. (b) Filtro de Chebyshev.
15De los cursos básicos de teoría de circuitos se recordará que los polos y ceros de una función racional de s, H(s) = N(s)/D(s)
son aquellos valores de la frecuencia compleja s ≜ σ + jω para los cuales D(s) = 0 y N(s) = 0, respectivamente.
El filtro de pasabajas de Chebyshev (tipo 1) tiene una respuesta de amplitud escogida para que mantenga una
atenuación mínima permisible en la pasabanda y al mismo tiempo maximice la atenuación en la banda de
rechazo. En la Fig. 2.22(b) se muestra en diagrama típico de polos y ceros. La respuesta de amplitud de un filtro
de Chebyshev tiene la forma
1
HC ( f ) = (2.221)
1 + ε 2C n2 ( f )
El parámetro ε es especificado por la atenuación mínima permisible en la pasabanda y Cn(f), conocida como un
polinomio de Chebyshev, es dada por la relación recursiva
 f 
C n ( f ) = 2   C n −1 ( f ) − C n − 2 ( f ), n = 2, 3, … (2.222)
 fc 
donde
f
C1 ( f ) = y C0 ( f ) = 1 (2.223)
fc
−1 2
Indiferentemente del valor de n, resulta que C n ( f c ) = 1 , de modo que HC ( f c ) = ( 1 + ε 2 ) . (Observe que fc aquí
no es necesariamente la frecuencia de 3 dB.)
El filtro de pasabajas de Bessel es un diseño que intenta mantener una respuesta de fase lineal en la pasabanda
a costas de la respuesta de amplitud. La frecuencia de corte de un filtro de Bessel se define por
−1 ωc
f c = ( 2 π t0 ) = (2.224)
2π
donde t0 es el retardo nominal del filtro. La función de respuesta de frecuencia de un filtro de Bessel de n-ésimo
orden es dado por
Kn
H BE ( f ) = (2.225)
Bn ( f )
donde Kn es una constante escogida para producir H(0) = 1 y Bn(f) es un polinomio de orden n definido por
2
 f 
Bn ( f ) = ( 2n − 1 ) Bn −1 ( f ) −   Bn − 2 ( f ) (2.226)
 fc 
donde
 f 
B0 ( f ) = 1 y B1 ( f ) = 1 + j   (2.227)
 fc 
La Fig. 2.23 ilustra las características de la respuesta de amplitud y de retardo de grupo de filtros de tercer
orden de Butterworth, Bessel y Chebyshev. Todos los tres filtros están normalizados para tener 3 dB de
atenuación a una frecuencia de fc Hz. Las respuestas de amplitud muestran que los filtros de Chebyshev tienen
más atenuación que los filtros de Butterworth y de Bessel para frecuencias mayores que las frecuencias de 3 dB.
Si se incrementa el rizo de la pasabanda (f < fc) de un filtro de Chebyshev, aumenta la atenuación de la banda de
rechazo (f > fc).
Las características de retardo de grupo mostradas en la Fig. 2.23(b) ilustran, como se esperaba, que el filtro de
Bessel tiene el retardo de grupo más constante. Una comparación de los retardos de grupo del Butterworth del
Chebyshev de rizo 0.1 dB muestra que aunque el retardo de grupo del filtro de Chebyshev tiene un pico más
alto, tiene un retardo más constante para frecuencias menores que aproximadamente 0.4fc.
Respuesta de amplitud, dB
Frecuencia, Hz
(a)
Retardo de grupo, s
Frecuencia, Hz
(b)
Figura 2.23 Comparación de los filtros de tercer orden de Butterworth, Chebyshev (rizo de 0.1
dB) y Bessel. (a) respuesta de amplitud. (b) Retardo de grupo. Todos los filtros están diseñados
para tener un ancho de banda de 3 dB de 1 Hz.
2.6.14 Relación entre la Resolución de un Pulso y del Tiempo de Elevación con el Ancho de Banda
En nuestra consideración de la distorsión de la señal, se supuso un espectro limitado en banda para la señal. Se
encontró que la señal de entrada a un filtro es simplemente retardada y atenuada si el filtro tiene una respuesta
de amplitud constante y una respuesta de fase lineal en toda la pasabanda de la señal. Pero supóngase que la
señal no está limitada en banda. ¿Qué regla empírica podemos usar para estimar el ancho de banda requerido?
Éste es un problema de particular importancia en la transmisión de pulsos, donde la detección y la resolución de
pulsos en la salida de un filtro son de interés.
Una definición satisfactoria para la duración y el ancho de banda de un pulso y la relación entre ella, se obtiene
consultando la Fig. 2.24. En la Fig. 2.24(a) se muestra un pulso con un solo máximo, tomado en t = 0 por
conveniencia, con una aproximación rectangular de altura x(0) y duración T. Se requiere que el pulso de
aproximación y x (t ) tengan áreas iguales. Por tanto,
∞ ∞
Tx(0) =
∫
−∞
x(t ) dt ≥
∫ −∞
x(t ) dt = X (0) (2.228)
donde se usó la relación

∞
X (0) = ℑ [ x(t )]
f =0
=
∫
−∞
x(t ) e − j 2 πt ⋅0 dt (2.229)
Áreas
Áreas iguales
iguales
Figura 2.24 Señal de pulso arbitraria y su especto. (a) Pulso y aproximación rectangular. (b)
Espectro de amplitud y aproximación rectangular.
Examinando ahora la Fig. 2.24(b), obtenemos una desigualdad similar para la aproximación rectangular al
espectro del pulso. Específicamente, podemos escribir
∞ ∞
2 W X(0) =
∫
−∞
X( f ) df ≥
∫ −∞
X ( f ) df = x(0) (2.230)
donde se usó la relación

∞
x(0) = ℑ−1 [ X( f )]
t =0
=
∫ −∞
X ( f ) e j 2 πf ⋅0 df (2.231)
Por tanto, tenemos el par de desigualdades

x(0) 1 x(0)
≥ y 2W ≥ (2.232)
X(0) T X (0)
que, al combinarse, resultan en la relación entre la duración del pulso y el ancho de banda:
1
2W ≥ (2.233)
T
o
1
W≥ Hz (2.234)
2T
Se han usado otras definiciones de duración del pulso y ancho de banda, pero habría resultado una relación
similar a (2.233) y (2.234).
Esta relación inversa entre la duración del pulso y el ancho de banda se ha ilustrado en todos los ejemplos que
involucran espectros de pulsos que hemos considerado hasta ahora (por ejemplo, los Ejemplos 2.8, 2.11, 2.13).
Si se consideran pulsos con espectros de pasabanda, la relación es
1
W≥ Hz (2.235)
T
Esto se ilustra en el Ejemplo 2.18.
Un resultado similar a (2.233) y (2.234) también se cumple entre el tiempo de elevación TR y el ancho de banda de
un pulso. Una definición adecuada del tiempo de elevación es el tiempo requerido para que el borde delantero de
un pulso pase de 10% a 90% de su valor final. Para el caso de pasabanda, la Ec. (2.235) se cumple con T
reemplazada por TR, donde TR es el tiempo de elevación de la envolvente del pulso.
El tiempo de elevación se puede usar como una media de la distorsión de un sistema. Para ver como se logra
esto, expresaremos la respuesta al escalón de un filtro en término de su respuesta al impulso. Por la integra de
superposición de (2.160), con x(t − σ) = u(t − σ) , la respuesta al escalón de un filtro con respuesta al impulso h(t)
es
∞
ys (t ) =
∫ −∞
h(σ) u(t − σ) dσ
t
=
∫ −∞
h(σ) dσ (2.236)
Esto se debe a que u(t − σ) = 0 para σ > t. Por tanto, la respuesta al escalón de un sistema LIT es la integral de su
respuesta al impulso. Esto no muy sorprendente, ya que la función escalón unitario es la integral de una función
impulso unitario.16
Los Ejemplos 2.25 y 2.26 demuestran cómo el tiempo de elevación de la salida de un sistema debida a una
entrada en escalón es una medida de la fidelidad de un sistema.
EJEMPLO 2.25
La respuesta al impulso de filtro RC de pasabajas es dada por
1 −t RC
h( t ) = e u(t ) (2.237)
RC
para la cual se determina que la respuesta al escalón es
ys (t ) = ( 1 − e −2 πf 3t ) u(t ) (2.238)
donde se usó el ancho de banda de 3 dB del filtro, definida después de (2.175). La respuesta al escalón se grafica
en la Fig. 2.25(a), donde se ve que el tiempo de elevación de 10% a 90% es aproximadamente
0.35
TR = = 2.2 RC (2.239)
f3
la cual demuestra la relación inversa entre el ancho de banda y el tiempo de crecimiento.
Tiempo
(b)
Figura 2.25 Respuesta al escalón de (a) un filtro RC de pasabajas y (b) un filtro de pasabajas ideal, donde se ilustra el tiempo
de elevación de 10% a 90% de cada filtro.
16 Este resultado es un caso especial de uno más general para un sistema LIT: si se conoce la respuesta de un sistema a una
entrada dada y esa entrada es modificada mediante una operación lineal, como por ejemplo una integración, entonces la
salida a la entrada modificada se obtiene realizando la misma operación sobre la salida debida a la entrada original.
EJEMPLO 2.26
Si se usa la Ec. (2.214) con H0 = 1, la respuesta al escalón de un filtro de pasabajas ideal es
t
ys (t ) =
∫−∞
2 B sin c  2 B ( σ − t0 )  dσ
t (2.240)
sen  2 πB ( σ − t0 ) 
=⌠
 2B dσ
⌡−∞ 2 πB ( σ − t0 )
Cambiando variables en el integrando a u = 2 πB ( σ − t0 ) , la respuesta al escalón se convierte en
1 2 πB( t −t0 ) sen u 1 1

ys (t ) =
2π ∫−∞ u
du = + Si  2 πB ( t − t0 ) 
2 π 
(2.241)
x
donde Si( x ) = ∫0 ( sen u u ) du = − Si( −x ) es la función integral seno. Una gráfica de ys(t) para un filtro de pasabajas
ideal, tal y como se muestra en la Fig. 2.25(b), revela que el tiempo de elevación de 10% a 90% es
aproximadamente
0.44
TR ≅ (2.242)
B
Una vez más, queda en evidencia la relación inversa entre el ancho de banda y el tiempo de elevación.
2.7 TEORÍA DEL MUESTREO
En muchas aplicaciones, es útil representar una señal en términos de valores de muestra tomados en intervalos
separados adecuadamente. Tales sistemas de muestreo de datos tienen aplicación en sistemas de control y en
sistemas de comunicación de modulación de pulsos.
En esta sección consideramos la representación de una señal x(t) mediante una llamada forma de onda con
muestreo instantáneo ideal de la forma
∞
x δ (t ) = ∑ x ( nT ) δ (t − nT )
n =−∞
s s (2.243)
donde Ts es el intervalo de muestreo. Las dos preguntas que se deben resolver en conexión con tal muestreo son:
“¿Cuáles son las restricciones sobre x(t) y Ts que permitan una recuperación perfecta de x(t) a partir de y
“¿Cómo se recupera x(t) a partir de xδ(t)?” Ambas preguntas son respondidas por el teorema de muestreo
uniforme para señales de pasabajas, el cual puede enunciarse en la forma siguiente:
Teorema
Si una señal x(t) no contiene componentes de frecuencias para frecuencias superiores a f = W hertz, entonces es
descrita completamente por valores de muestra instantáneos separados uniformemente en el tiempo con
periodo Ts < 1 2 W . La señal puede ser reconstruida exactamente a partir de la forma de onda muestreada dada
por (2.243) si se pasa por un filtro de pasabajas ideal con ancho de banda B, donde W < B < fs − W con f s = Ts−1 .
La frecuencia 2W se conoce como la frecuencia de Nyquist.
Para demostrar el teorema de muestreo, hallamos el espectro de (2.243). Como δ ( t − nTs ) es cero en todas
partes excepto en t = nTs, la Ec. (2.243) puede escribirse como
∞ ∞
x δ (t ) = ∑
n =−∞
x(t ) δ ( t − nts ) = x(t ) ∑ δ (t − nT )
n =−∞
s (2.244)
Si se aplica el teorema de multiplicación de la transformada de Fourier, Ec. (2.102), la transformada de Fourier

de (2.244) es
 ∞ 
Xδ ( f ) = X( f ) ∗  f s
 n =−∞
∑
δ ( f − nf s ) 

(2.245)
donde se usó el par de transformadas (2.119). Intercambiando los órdenes de la sumatoria y la convolución y
observando que
∞
X ( f ) ∗ δ ( f − nf s ) =
∫ −∞
X(u) δ ( f − u − nf s ) du = X ( f − nf s ) (2.246)
por la propiedad de selección de la función delta, obtenemos

∞
Xδ ( f ) = f s ∑ X ( f − nf )
n =−∞
s (2.247)
Por tanto, suponiendo que el espectro de x(t) está limitado en banda a W y que fs > 2W como se estableció en el
teorema de muestreo, podemos dibujar rápidamente a Xδ ( f ) . La Fig. 2.26 muestra una selección típica para X(f)
y la Xδ ( f ) correspondiente. Se observa que el muestreo resulta simplemente en una repetición periódica de
X ( f ) en el dominio de la frecuencia con una separación fs. Si fs < 2W, los términos separados en (2.247) se
solapan y no hay una forma clara para recuperar x(t) a partir de xδ(t) sin distorsión. Por otra parte, si fs > 2W, el
término en (2.247) para n = 0 se puede separar fácilmente del resto mediante filtrado ideal de pasabajas.
Suponiendo entonces un filtro de pasabajas ideal con la función de respuesta de frecuencia
 f  − j 2 πft0
H( f ) = H0Π  e . W ≤ B ≤ fs − W (2.248)
 2B 
el espectro de salida, con xδ(t) en la entrada es,
Y ( f ) = f s H 0 X ( f ) e − j 2 πft0 (2.249)
y por el teorema del retardo, la forma de onda de salida es

y (t ) = f s H 0 x ( t − t0 ) (2.250)
Figura 2.26 Espectro de señal para muestreo de pasabajas. (a) Espectro supuesto para x(t). (b)
Espectro de la señal muestreada
Por tanto, si se satisfacen las condiciones del teorema de muestreo, vemos que es posible una recuperación sin
distorsión de x(t) a partir de xδ(t). Inversamente, si no se cumplen las condiciones del teorema de muestreo, ya
sea porque x(t) no está limitada en banda o porque fs < 2W, vemos que la distorsión en la salida del filtro de
reconstrucción es inevitable. Tal distorsión, conocida como distorsión por alias, se ilustra en la Fig. 2.27(a). Se
puede combatir mediante filtrado de la señal antes del muestreo o incrementando la frecuencia de muestreo. En
la Fig. 2.27 (b) se ilustra un segundo tipo de error, el cual ocurre en el proceso de reconstrucción y se debe a las
características no ideales de la respuesta de frecuencia de los circuitos prácticos. Este tipo de error puede
minimizarse seleccionando filtros de reconstrucción con características de caída más agudas o incrementando la
tasa de muestreo. Observe que el error debido al efecto de alias y el debido a filtros de reconstrucción
imperfectos son ambos proporcionales al nivel de la señal. Por tanto, si se incrementa la amplitud de la señal, no se
mejora la razón señal-a-error.
Una expresión alterna para la salida reconstruida del filtro de pasabajas ideal puede obtenerse notando que
cuando (2.243) se pasa por un filtro con respuesta al impulso h(t), la salida es
∞
y (t ) = ∑ x ( nT ) h (t − nT )
n =−∞
s s (2.251)
Pero la h(t) correspondiente a (2.248) es dada por (2.214). Por tanto,

∞
y(t ) = 2 BH 0 ∑ x ( nT ) sinc 2B (t − t
n =−∞
s 0 − nTs )  (2.252)
Espectro de la Respuesta de amplitud del

señal muestreada filtro de reconstrucción
Contribuye al error de alias
Respuesta de amplitud del

Espectro de la filtro de reconstrucción
señal muestreada Contribuye al error
en reconstrucción
Figura 2.27 Espectros que ilustran dos tipos de error encontrados en la reconstrucción de
señales muestreadas. (a) Ilustración del error de alias en la reconstrucción de señales
muestreadas. (b) Ilustración del error debido al filtro de reconstrucción no ideal.
y vemos que en la misma forma que una señal periódica puede ser completamente recuperada por sus
coeficientes de Fourier, una señal limitada en banda puede ser recuperada completamente por los valores de sus muestras.
1
Haciendo B = 2
f s , H0 = T0 y t0 = 0 para simplificar, la Ec. (2.252) se convierte en
∞
y (t ) = ∑ x ( nT ) sinc ( f t − n )
n =−∞
s s (2.253)
Esta expansión es equivalente a una serie de Fourier generalizada, ya que se puede demostrar que
∞
∫−∞
sinc ( f s t − n ) sin c ( f s t − m ) dt = δmn (2.254)
donde δnm = 1 , n = m y 0 para n ≠ m.
Atendiendo a continuación los espectros de pasabanda, para los cuales el límite superior en frecuencia fu es
mucho mayor que el ancho de banda unilateral W, se puede preguntar de forma natural sobre la posibilidad de
muestrear a frecuencias menores que fs > 2fu. El teorema de muestreo uniforme para espectros de pasabanda da las
condiciones para las cuales esto es posible.
Teorema
Si una señal tiene un espectro de ancho de banda W Hz y límite de frecuencia superior fu, entonces una
frecuencia fs con la cual la señal puede ser muestreada es 2fu/m, donde m es el mayor entero que no excede a
f u W . Todas las tasas de muestreo más altas no son necesariamente útiles a menos que ellas excedan a 2fu.
EJEMPLO 2.27
Considérese la señal de pasabanda x(t) con el espectro mostrado en la Fig. 2.28. De acuerdo con el teorema de
muestreo, es posible reconstruir a x(t) a partir de valores de muestra tomados con una frecuencia de
2 fu 2 ( 3)
fs = = = 3 muestras por segundo (2.255)
m 2
en tanto que el teorema del muestreo de pasabajas requiere 6 muestras por segundo.
Para demostrar que esto es posible, dibujamos el espectro de la señal muestreada. De acuerdo con (2.247), la
cual se cumple en general,
∞
Xδ ( f ) = 3 ∑ X ( f − 3n )
n =−∞
(2.256)
El espectro resultante se muestra en la Fig. 2.28(b) y vemos que teóricamente es posible recuperar a x(t) a partir
de xδ (t ) mediante filtrado de pasabanda.
X(f) centrada en Espectro Espectro

torno a f = −fc deseado deseado
Figura 2-28 Espectros de señales para muestreo de pasabanda. (a) Espectro supuesto de la señal
de pasabanda. (b) Espectro de la señal muestreada.
Otra forma de muestrear una señal de pasabanda de ancho de banda W es resolverla en dos señales de
cuadratura de pasabajas de ancho de banda 21 W . Éstas pueden entonces muestrearse con una tasa mínima de
2 ( 21 W ) = W muestras por segundo, resultado así en una tasa de muestreo mínima total de 2W muestras por
segundo.
2.8 LA TRANSFORMADA DE HILBERT
(Puede ser de provecho posponer esta sección hasta que se consideren los sistemas de banda lateral única en el
Capítulo 3.)
2.8.1. Definición
Considérese un filtro que simplemente desplaza la fase de todas las componentes de frecuencia de su entrada
por − 21 π radianes; esto es, su función de respuesta de frecuencia es
H ( f ) = − j sgn f (2.257)
donde la función sgn (“función signo”) se define como

 1, f >0

sgn( f ) =  0, f =0 (2.258)
 − 1, f < 0

Observamos que H ( f ) = 1 y ∠ H ( f ) es impar, como debe ser. Si X ( f ) es el espectro de la entrada al filtro, el

espectro de la salida es − j sgn( f ) X ( f ) y la función del tiempo correspondiente es
xˆ (t ) = ℑ−1  − j sgn ( f ) X ( f ) 
(2.259)
= h( f ) ∗ x(t )
donde h(t ) = ℑ−1 [ sgn f ] es la respuesta al impulso del filtro. Para obtener ℑ−1 [ sgn f ] sin recurrir a una
integración de contorno, consideramos la transformada inversa de la función
 e ,
−αf
f >0
G ( f ; α ) =  −αf (2.260)
 − e , f < 0
Observe que lím α → 0 G ( f ; α ) = sgn f . Por tanto, nuestro procedimiento será hallar la transformada de Fourier
inversa de G(f; α) y tomar el límite conforme α tiende a cero. Realizando la transformación inversa, obtenemos
∞ 0 j 4πt
g ( t ; α ) = ℑ−1 G ( f ; α )  =
∫0
e −αf e j 2 πft df −
∫−∞
eαf e j 2 πft df =
2
α + ( 2 πt )
2
(2.261)
Tomando el límite conforme α tiende a cero, obtenemos el par de transformadas

j 4π ↔ sgn( f ) (2.262)
Si se usa este resultado en (2.259), obtenemos la salida del filtro:

∞ ∞
x( λ ) x ( t − η)
xˆ (t ) = ⌠ dλ = ⌠ dη (2.263)
⌡−∞ π ( t − λ ) ⌡−∞ πη
La señal xˆ (t ) se define como la transformada de Hilbert de x(t). Como la transformada de Hilbert corresponde a
un desplazamiento de fase de − 21 π , notamos que la transformada de Hilbert de xˆ (t ) corresponde a la función
2
de la respuesta de frecuencia ( − j sgn f ) = −1 , o un corrimiento de fase de π radianes. Por tanto,
xˆˆ (t ) = −x(t ) (2.264)
EJEMPLO 2.28
Para una entrada a un filtro de transformada de Hilbert de
x(t ) = cos ( 2 πf 0 t ) (2.265)
que tiene un espectro dado por
1 1
X( f ) = δ ( f − f0 ) + δ ( f + f0 ) (2.266)
2 2
obtenemos un espectro de salida en el transformador de Hilbert de
1 1
Xˆ ( f ) = δ ( f − f 0 ) e − j π 2 + δ ( f + f 0 ) e j π 2 (2.267)
2 2
Si tomamos la transformada de Fourier inversa de (2.267), hallamos que la señal de salida es
1 j 2 πf0t − j π 2 1 − j 2 πf 0t j π 2
xˆ (t ) = e e + e e
2 2
= cos ( 2 πf 0 t − π 2 )
o
( 2 πf t ) = sen ( 2 πf t )
cos (2.268)
0 0
1
Por supuesto, la transformada de Hilbert se pude haber determinado por inspección en este caso restando 2
π
del argumento del coseno. Al hacer esto para sen ω0 t , encontramos que
( 2 πf t ) = sen  2 πf t − 1 π  = − cos ( 2 πf t )
sen (2.269)
0  0  0
 2 
Podemos usar los dos resultados obtenidos para demostrar que

e j 2 πf 0t = − j sgn ( f 0 ) e j 2 πf 0t (2.270)
Esto se hace si se consideran los dos casos: f0 > 0 y f0 < 0 y se usa el teorema de Euler en conjunto con los
resultados de (2.268) y (2.269). El resultado (2.270) también se deduce directamente considerando la respuesta de
un filtro de transformada de Hilbert con respuesta de frecuencia H TH ( f ) = − j sgn ( 2 πf ) a la entrada x(t ) = e j 2 πf 0t .
2.8.2. Propiedades
La transformada de Hilbert tiene varias propiedades útiles que se ilustrarán más adelante. Aquí se demostrarán
tres de esas propiedades.
1. La energía (o potencia) en una señal x(t) y su transformada de Hilbert xˆ (t ) son iguales. Para demostrar esto,
consideramos las densidades espectrales de energía en la entrada y salida de un transformador de Hilbert.
Puesto que H ( f ) = − j sgn f , estas densidades están relacionadas por
2 2 2 2 2

( f )
X ≜ ℑ [ xˆ (t )] = − j sgn ( f ) X( f ) = X( f ) (2.271)

( f ) = ℑ [ xˆ (t )] = − j sgn ( f ) X ( f ) . Por tanto, como las densidades espectrales de energía en la entrada
donde X
y en la salida son iguales, las energías totales también lo son. Una demostración similar es válida para
señales de potencia.
2. Una señal y su transformada de Hilbert son ortogonales; esto es,
∞
∫
−∞
x(t ) xˆ (t ) dt = 0 (señales de energía) (2.272)
o
1 T
lím
T → ∞ 2T ∫ −T
x(t ) xˆ (t ) dt = 0 (señales de potencia) (2.273)
Si se considera la Ec. (2.272), se observa que el lado izquierdo puede escribirse como
∞ ∞
∫ −∞
x(t ) xˆ (t ) dt =
∫−∞

* ( f ) df
X( f ) X (2.274)

( f ) = ℑ [ xˆ (t )] = − j sgn ( f ) X ( f ) . Por tanto, se deduce que
por el teorema de Parseval generalizado, donde X
∞ ∞
∫ ∫
2
x(t ) xˆ (t ) dt = ( + j sgn f ) X( f ) df (2.275)
−∞ −∞
2
Pero el integrando del lado derecho de (2.275) es impar, ya que es el producto de la función par X( f ) y
la función impar j sgn f . Por tanto, la integral es cero y (2.272) queda demostrada. Se seguir un
procedimiento similar para demostrar (2.273).
3. Si c(t) y m(t) son señales con espectros que no se solapan, donde m(t) es de pasabajas y c(t) es de pasa altas,
entonces
m (t )c(t ) = m(t ) cˆ(t ) (2.276)
Para demostrar esta relación, usamos la integral de Fourier para representar c(t) y m(t) en términos de sus
espectros, M ( f ) y C ( f ) , respectivamente. Entonces,
∞ ∞
m(t )c(t ) =
∫ ∫
−∞ −∞
M ( f )C ( f ′)exp  j 2 π ( f + f ′) t  df df ′ (2.277)
donde suponemos que M ( f ) = 0 para f > W y C ( f ′) = 0 para f ′ > W . La transformada de Hilbert de

(2.277) es
∞ ∞

m(t )c(t ) =
∫ ∫
−∞ −∞
M ( f ) C ( f ′ ) exp[ j 2 π
( f + f ′)t ] df df ′
(2.278)
∞ ∞
=
∫ ∫
−∞ −∞
M ( f )C ( f ′)  − j sgn ( f + f ′ )  exp  j 2 π ( f + f ′ ) t  df df ′
donde se usó (2.270). Sin embargo, el producto M ( f )C ( f ′) se anula solamente para f >W y f′ >W y
podemos reemplazar sgn ( f + f ′ ) por sgn ( f ′ ) en este caso. Por tanto,
∞ ∞

m(t )c(t ) =
∫ −∞
M ( f )exp ( j 2 πf t ) df
∫ −∞
C ( f ′ )  − j sgn ( f ′ ) exp ( j 2 πf ′ t )  df ′ (2.279)
Sin embargo, la primera integral en el lado derecho es precisamente m(t) y la segunda integral es cˆ(t ) ,
puesto que
∞
c(t ) =
∫
−∞
C ( f ′ ) exp ( j 2 πf ′ t ) df ′
y
∞
cˆ(t ) =
∫−∞
C ( f ′ ) exp (
j 2 πf ′ t ) df ′
(2.280)
∞
=
∫ −∞
C ( f ′ )  − j sgn ( f ′ ) exp ( j 2 πf ′ t )  df ′
Por tanto, (2.279) es equivalente a (2.276), que era la relación a demostrar.
EJEMPLO 2.29
Dado que m(t) es una señal de pasabajas con M ( f ) = 0 para f > W , podemos aplicar directamente la Ec.
(2.276) en conjunto con (2.275) y (2.269) para demostrar que
ω t = m(t ) sen ω t
m(t ) cos (2.281)
0 0
y
ω t = −m(t ) cos ω t
m(t )sen (2.282)
0 0
si f 0 = ω0 2 π > W .
2.8.3. Señales Analíticas
Una señal analítica xp(t) correspondiente a la señal real x(t) se define como
x p (t ) = x(t ) + jxˆ (t ) (2.283)
donde xˆ (t ) es la transformada de Hilbert de x(t). Ahora se considerarán varias propiedades de una señal
analítica.
El término envolvente lo usamos en conexión con el filtro de pasabanda ideal. La envolvente de una señal se
define matemáticamente como la magnitud de la señal analítica xp(t). El concepto de una envolvente adquirirá
más importancia cuando estudiemos modulación en el Capítulo 3.
EJEMPLO 2.30
En la Sección 2.6.12, Ec. (2.217), se demostró que la respuesta al impulso de un filtro de pasabanda ideal con
ancho de banda B, retardo t0 y frecuencia central f0 es dada por
hBP (t ) = 2 H 0 B sinc  B ( t − t0 ) cos  ω0 ( t − t0 )   (2.284)
Si se supone que B < f0, podemos usar el resultado del Ejemplo 2.29 para determinar la transformada de Hilbert
de hBP(t). El resultado es
hˆBP (t ) = 2 H 0 B sinc  B ( t − t0 ) sen ω0 ( t − t0 )   (2.285)
Por tanto, la envolvente es
hBP (t ) = x(t ) + j xˆ (t )
= [ x(t )]2 + [ xˆ(t )]2

= {2 H B sinc B (t − t ) {cos
0 0
2 2
}}
ω0 ( t − t0 )  + sen 2 ω0 ( t − t0 )  (2.286)
o
hBP (t ) = 2 H 0 B sinc  B ( t − t0 )  (2.287)
como se muestra en la Fig. 2.22(b) por las líneas punteadas. La envolvente es obviamente fácil de identificar si la
señal está compuesta de una señal de pasabajas multiplicada por una sinusoide de alta frecuencia. Sin embargo,
observe que la envolvente se define matemáticamente para cualquier señal.
El espectro de la señal analítica también es de interés. Lo usaremos como un beneficio en el Capítulo 3 cuando
estudiemos la modulación de banda lateral única. Como la señal analítica, en (2.283), se define como
x p (t ) = x(t ) + jxˆ (t )
se deduce que la transformada de Fourier de xp(t) es

X p ( f ) = X( f ) + j {− j sgn( f ) X ( f )} (2.288)
donde el término entre llaves es la transformada de Fourier de xˆ (t ) . Por tanto,
X p ( f ) = X( f ) 1 + sgn ( f )  (2.289)

o
 2 X ( f ), f >0
Xp ( f ) =  (2.290)
 0, f <0
El subíndice p se usa para denotar que el espectro es diferente de cero solamente para frecuencias positivas.
En forma similar, se puede demostrar que la señal
xn (t ) = x(t ) − j xˆ (t ) (2.291)
es diferente de cero sólo para frecuencias negativa. Reemplazando xˆ (t ) con −xˆ (t ) en el análisis anterior, se
obtiene como resultado que
Xn ( f ) = X( f ) 1 − sgn ( f )  (2.292)

Figura 2.29 Espectros de señales analíticas. (a) Espectro de x(t). (b) Espectro de x p (t ) = x(t ) + j xˆ (t ) . (c)
Espectro de xn (t ) = x(t ) − j xˆ (t ) .
o
 0, f >0
Xn ( f ) =  (2.293)
 2 X ( f ), f <0
Estos espectros se ilustran en la Fig. 2.30.

En este punto se deben hacer dos observaciones. Primero, si X ( f ) es diferente de cero en f = 0, entonces X p ( f )
y Xn ( f ) serán discontinuas en f = 0. También, no debe crearse confusión con que Xn ( f ) y X p ( f ) no sean
pares, ya que las señales correspondientes en el dominio del tiempo no son reales.
2.8.4. Representación de Envolvente Compleja de Señales de Pasabanda
Si X ( f ) en (2.288) corresponde a una señal con un espectro de pasabanda, como se muestra en la Fig. 2.29(a),
entonces se deduce por (2.290) que X p ( f ) es precisamente el doble de la porción de frecuencia positiva de
X ( f ) = ℑ{x(t )} , como se muestra en la Fig. 2.29(b). Por el teorema de traslación de frecuencia, se obtiene que
xp(t) puede escribirse como
x p (t ) = xɶ (t ) e j 2 πf0 t (2.294)
donde xɶ (t ) es una señal de pasabajas de valores complejos (llamada de aquí en adelante la envolvente compleja) y
f0 es una frecuencia de referencia seleccionada por conveniencia.18 El espectro (supuesto real para facilidad de
graficar) de xɶ (t ) se muestra en la Fig. 2.298(c).
Figura 2.30 Espectros pertenecientes a la formación de una envolvente compleja de una señal x(t). (a) Espectro
de una señal de pasabanda. (b) El doble de la porción de frecuencia positiva de X( f ) corresponde a
ℑ[ x(t ) + j xˆ )t )] . (c) Espectro de xɶ (t ) .
18 Si el espectro de xp(t) tiene un centro de simetría, una selección natural para f0 sería este punto de simétrica, pero esto no
tiene por qué ser así.
Para hallar xɶ (t ) , procedemos por una de dos vías [observe que simplemente tomando la magnitud de (2.294)
da solamente xɶ (t ) pero no su argumento]. Primero, usando (2.283), podemos hallar la señal analítica xp(t) y
entonces resolver (2.294) por xɶ (t ) . Esto es
xɶ (t ) = x p (t ) e − j 2 πf 0t (2.295)
Segundo, podemos hallar xɶ (t ) usando un método del dominio de la frecuencia para obtener X ( f ) . luego
escalar sus componentes de frecuencia positivas por un factor de 2 para dar X p ( f ) y traslada el espectro
resultante por f0 Hz hacia la izquierda. La transformada de Fourier inversa de este espectro trasladado es
entonces xɶ (t ) . Por ejemplo, para los espectros mostrados en la Fig. 2.30, la envolvente compleja, usando la Fig.
2.30(c), es
  2 f 
xɶ (t ) = ℑ−1  2 AΛ  2
  = AB sinc ( Bt ) (2.296)
  B 
En este caso la envolvente compleja es real porque el espectro X ( f ) es simétrico alrededor de f = f0.
Como x p (t ) = x(t ) + j xˆ (t ) , donde x(t) y xˆ (t ) son las partes real e imaginaria, respectivamente de x p (t ) , de la Ec.
(2.294) se deduce que
x p (t ) = xɶ (t ) e j 2 πf0 t ≜ x(t ) + j xˆ (t ) (2.297)
o
x(t ) = Re  xɶ (t ) e j 2 πf 0t  (2.298)
y
xˆ (t ) = Im  xɶ (t ) e j 2 πf0t  (2.299)
Por tanto, por la Ec. (2.298), la señal real x(t) puede expresarse en términos de su envolvente compleja como
x(t ) = Re  xɶ (t ) e j 2 πf 0t 
= Re [ xɶ (t )] cos ( 2 πf 0 t ) − Im [ xɶ (t )] sen ( 2 πf 0 t )
= xR (t) cos ( 2 πf 0 t ) − x I (t)sen ( 2 πf 0 t ) (2.300)
donde
xɶ (t ) ≜ x R (t ) + j x I (t ) (2.301)
Las señales xR(t) y xI(t) se conocen como las componentes en fase y de cuadratura de x(t).
EJEMPLO 2.31
Considérese la señal de pasabanda real
x(t ) = cos ( 22 π t ) (2.302)
Su transformada de Hilbert es
xˆ (t ) = sen ( 22 π t ) (2.303)
de modo que la señal analítica correspondiente es

x p (t ) = x(t ) + j xˆ (t )
= cos ( 22 π t ) + j sen ( 22 π t )
= e j 22 π t (2.304)
Para hallar la envolvente compleja correspondiente, necesitamos especificar f0, que, para los propósitos de este
ejemplo, tomamos como f0 = 10 Hz. Por tanto, de la Ec. (2.295), tenemos
xɶ (t ) = x p (t ) e − j 2 πf 0t
= e j 22 π t e − j 20 π t
= e j2πt
= cos ( 2 π t ) + j sen ( 2 π t ) (2.305)
de manera que, por la Ec. (2.301), obtenemos

x R (t ) = cos ( 2 π t ) y xI (t ) = sen ( 2 π t ) (2.306)
Insertando éstas en (2.300), se obtiene

x(t ) = xR (t ) cos ( 2 πf 0 t ) − xI (t )sen ( 2 πf 0 t )
= cos ( 2 π t ) cos ( 20 π t ) − sen ( 2 π t ) sen ( 20π t )
= cos ( 22 π t ) (2.307)
que es, y no sorprende, con lo que comenzamos en la Ec. (2.302).
2.8.5. Representación de Envolvente Compleja de Sistemas de Pasabanda
Considérese un sistema de pasabanda con respuesta al impulso h(t), el cual se representa en términos de una
envolvente compleja hɶ(t ) como
h(t ) = Re  hɶ(t ) e j 2 πf 0t  (2.308)
donde hɶ(t ) = hR (t ) + j hɶ I (t ) . Supóngase que la entrada también es de pasabanda con representación dada por la
Ec. (2.298). La salida, por la integral de superposición, es
∞
y (t ) = x ( t ) ∗ h ( t ) =
∫ −∞
h ( λ ) x (t − λ ) d λ (2.309)
Por el teorema de Euler, podemos representar a h(t) y x(t) como

1ɶ
h( t ) = h(t ) e j 2 πf 0t + c.c. (2.310)
2
y
1
x( t ) = xɶ (t ) e j 2 πf 0t + c.c. (2.311)
2
respectivamente, donde c.c. representa el conjugado complejo del término que lo precede. Usando éstas en la Ec.
(2.309), la salida puede expresarse como
1 ɶ
∞
 1 
∫ h(λ ) e j 2 πf0 λ + c.c.  xɶ ( t − λ ) e j 2 πf0 t −λ + c.c. dλ
( )
y (t ) = 
−∞  2  2 
1 ∞ ɶ 1 ∞
=
4 −∞ ∫
h(λ )xɶ ( t − λ ) dλ e j 2 πf 0t + c.c. +
4 −∞ ∫
hɶ (λ )xɶ * ( t − λ ) e j 4 πf 0 λ dλ e − j 2 πf0 t + c.c. (2.312)
1 ∞
El segundo par de términos,
4 ∫−∞
hɶ (λ )xɶ * ( t − λ ) e j 4 πf 0t dλ e − j 2 πf 0t + c.c. , es aproximadamente cero en virtud del
factor e j 4 πf 0 λ
= cos ( 4πf 0 λ ) + j sen ( 4πf 0 λ ) en el integrando ( hɶ y xɶ varían lentamente con respecto a esta
exponencial compleja y, por tanto, el integral se cancela a cero cada medio ciclo. Entonces
1 ∞ ɶ
y (t ) ≅
4 −∞∫h(λ ) xɶ (t − λ ) dλe j 2 πf0 t + c.c.
1 1
2
{ 2
}
= Re  hɶ(t ) ∗ xɶ (t ) e j 2 πf0t ≜ Re {yɶ (t ) e j 2 πf 0t } (2.313)
donde
yɶ (t ) = hɶ(t ) ∗ xɶ (t ) = ℑ−1  H
( f )X
( f )
 (2.314)
( f ) y X
en la cual H ( f ) son las transformadas de Fourier respectivas de hɶ(t ) y xɶ (t ) .
EJEMPLO 2.32
Como un ejemplo de la aplicación de (2.313), considérese la entrada
x(t ) = Π ( t τ ) cos ( 2 πf 0 t ) (2.315)
a un filtro cuya respuesta al impulso es
h(t ) = αe −αt cos ( 2 πf 0 t ) (2.316)
Usando el análisis de envolvente compleja que se acaba de desarrollar con xɶ (t ) = Π ( t τ ) y hɶ(t ) = αe −αt u(t ) ,
tenemos como envolvente compleja de la salida del filtro
yɶ (t ) = Π ( t τ ) ∗ αe −αt u(t )
=  1 − e (
−α t +τ 2 ) 
 u ( t + τ 2 ) − 1 − e (
−α t −τ 2 ) 
 u (t − τ 2 ) (2.317)
Si se multiplica ésta por 1

2
e j 2 πf 0t y se toma la parte real, en la salida del filtro se obtiene, de acuerdo con la Ec.
(2.313),
1 
y (t ) =
2
{ −α t +τ 2 ) 
1 − e (  u ( t + τ 2 ) −  1 − e (
−α t −τ 2 ) 
}
 u ( t − τ 2 ) cos ( 2 πf 0 t ) (2.318)
Para verificar este resultado, se determina directamente la convolución de (2.315) con (2.316). La integral de
superposición se convierte en
y(t ) = x(t ) ∗ h(t )
λ
∞ (2.319)
∫
( )
= Π   cos ( 2 πf 0 λ ) αe −α t −λ u ( t − λ ) cos  2 πf 0 ( t − λ )  dλ
−∞  τ 
Pero
1 1
cos ( 2 πf 0 λ ) cos [ 2 πf 0 (t − λ )] = cos ( 2 πf 0 t ) + cos [ 2 πf 0 (t − 2λ )] (2.320)
2 2
y la integral de superposición se convierte en
1 λ
∞
∫
( )
y (t ) = Π   αe −α t −λ u(t − λ ) λ cos ( 2 πf 0 t )
2 −∞  τ 
(2.321)
1 ∞  λ  −α( t −λ )
+
∫
Π   αe
2 −∞  τ 
u(t − λ ) cos [ 2 πf 0 (t − 2λ ] λ
Si f 0−1 ≪ τ y f 0−1 ≪ α −1 , la segunda integral es aproximadamente cero, de modo que tenemos solamente la
1
primera integral, que es la convolución de Π ( t τ ) con αe −αt u(t ) y el resultado multiplicado por 2
cos ( 2 πf 0 t ) ,
que da lo mismo que (2.318).
2.9 LA TRANSFORMADA DE FOURIER DISCRETA

Y LA TRANSFORMADA RÁPIDA DE FOURIER
Para calcular el espectro de Fourier de una señal mediante una computadora digital, la señal en el dominio del
tiempo debe representarse por valores de muestras y el espectro debe calcularse en un número discreto de
frecuencias. Se puede demostrar que la siguiente suma da una aproximación al espectro de Fourier de una señal
en las frecuencias k ( NTs ) , k = 0, 1, … , N − 1.:
N −1
Xk = ∑x e
n =0
n
− j 2 πnk N
, k = 0, 1, … , N − 1 (2.322)
donde x0, x1, x2, … , xN − 1 son N valores de muestras de la señal tomadas en intervalos de Ts segundos para los
cuales se desea el espectro de Fourier. La suma (2.322) se llama la transformada de Fourier discreta (TFD) de la
secuencia {xn } . De acuerdo con el teorema de muestreo, si las muestras están separadas por Ts segundos, el
espectro se repite cada f s = Ts−1 Hz. Como hay N muestras en frecuencia en este intervalo, se sigue que la
resolución de frecuencia de (2.322) es f s N = 1 ( NTs ) ≜ 1 T . Para obtener la secuencia de muestras {xn } a partir
de la secuencia de la TFD {X k } , se usa la suma
N −1
∑X e
1 j 2 πnk N
xn = k , k = 0, 1, 2, … , N − 1 (2.323)
N k =0
Se puede demostrar que (2.322) y (2.323) forman un par de transformadas si se sustituye (2.322) en (2.323) y se
usa la fórmula de la suma para una serie geométrica:
 1 − xN
N −1

SN ≡
k =0
∑ k
x =  1− x
 N,
, x≠1
x=1
(2.324)

Como se indica arriba, la TFD y la TFD inversa son aproximaciones al verdadero espectro de Fourier de una
señal x(t) en el conjunto discreto de frecuencias {0, 1/T, 2/T, … , (N − 1)/T}. El error puede ser pequeño si la TFD
y su inversa se aplican apropiadamente a una señal. Para indicar las aproximaciones involucradas, debemos
visualizar el espectro de una señal muestreada que es truncada a un número finito de valores de muestra y cuyo
espectro es entonces muestreado en un número discreto N de puntos. Para ver las aproximaciones involucradas,
usamos los siguientes teoremas de la transformada de Fourier:
1. La transformada de Fourier de una señal con muestreo ideal (Ejemplo 2.14):
∞ ∞
ys (t ) = ∑
m =−∞
δ ( t − mT ) ↔ f s−1 ∑ δ ( f − nf ),
n =−∞
s f s = Ts−1
2. La transformada de Fourier de una función ventana rectangular:

Π ( t T ) ↔ T sinc ( fT )
3. El teorema de convolución de la transformada de Fourier:

x 1 ( t ) ∗ x 2 (t ) ↔ X 1 ( f )X 2 ( f )
4. El teorema de multiplicación de la transformada de Fourier:

x 1 ( t )x 2 ( t ) ↔ X 1 ( f ) ∗ X 2 ( f )
Las aproximaciones involucradas se ilustran mediante el ejemplo siguiente.
EJEMPLO 2.33
Se muestrea una señal exponencial, las muestras se truncan a un número finito y el resultado se representa
mediante un número finito de muestras del espectro de Fourier de las muestras de la señal truncada. La señal en
tiempo continua y su transformada de Fourier son
−t τ 2τ
x( t ) = e ↔ X( f ) = 2
(2.325)
1 + 2 ( πf τ )
Esta señal y su espectro se muestran en la Fig. 2.31(a). Sin embargo, estamos representando la señal por valores
de muestra separados por Ts segundo, lo cual implica multiplicar la señal original por la señal de muestreo ideal
ys(t) dada por (2.114). El espectro resultante de la señal muestreada es la convolución de X ( f ) con la
∑
∞
transformada de Fourier de ys(t) dada por (2.119), que es Y ( s ) ( f ) = f s δ ( f − nf s ) . El resultado de esta
n =−∞
convolución en el dominio de la frecuencia es
∞
∑ 1 + 2πτ ( f − f )
2τ
Xs ( f ) = f s 2
(2.326)
n =−∞  s 
La señal muestreada resultante y su espectro se muestran en la Fig. 2.31(b).
Figura 2.31 Señales y espectros que ilustran el cálculo de la TFD. (a) Señal a muestrear y su
espectro (τ = 1 s). (b) Señal muestreada y su espectro (fs = 1 Hz). (c) Ventana muestreada de la señal
y su espectro (T = 4+ s). d) Espectro de la señal muestreada y repetición periódica correspondiente
de la ventana muestreada de la señal.
Al calcular la TFD, sólo se puede usar el trozo de T segundos de x(t) (N muestras separadas por Ts = T N ).
Esto significa que la señal muestreada en el dominio del tiempo es efectivamente multiplicada por la función
ventana Π ( t T ) . En el dominio de la frecuencia, esto corresponde a una convolución con la transformada de
Fourier de la función ventana rectangular, que es T sinc ( fT ) . La ventana muestreada resultante de la señal y su
espectro se dibujan en la Fig. 2.31(c). Finalmente, el espectro está disponible solamente en N frecuencias
discretas separadas por el recíproco de la duración de la ventana 1/T. Esto corresponde a una convolución en el
dominio del tiempo con una secuencia de funciones delta. La señal resultante y su espectro se muestran en la
Fig. 2.31(d). Se puede ver que a menos que se sea cuidadoso, existe efectivamente una posibilidad considerable
de que el espectro de la TFD no se parecerá en nada al espectro de la señal original en tiempo continuo.
Cierta consideración indicará que para calcular el espectro completo de la TFD de una señal, se requieren
aproximadamente N 2 multiplicaciones complejas además de varias sumas complejas adicionales. Es posible
hallar algoritmos que permitan el cálculo del espectro de la TFD de una señal usando solamente N log 2 N
multiplicaciones complejas, lo que da ahorros computacionales significativos para N grande. Tales algoritmos se
conoce como algoritmos de la transformada de Fourier rápida (FFT, por sus siglas en inglés). Dos tipos principales de
algoritmos FFT son los basados en diezmar en el tiempo (DIT, por sus siglas en inglés) y los basados en diezmar en
frecuencia (DIF, por sus siglas en inglés).
Afortunadamente, se incluyen algoritmos FFT en la mayoría de los paquetes matemáticos de cálculo como el
MATLABTM , de modo que no que pasar por el problema de escribir nuestros propios programas FFT aunque es
un ejercicio instructivo el hacerlo.
Problemas de Práctica
2.1 Halle los periodos fundamentales de las señales siguientes:

(a) x1 (t ) = 10 cos ( 5π t )
(b) x2 (t ) = 10 cos ( 5π t ) + 2 sen ( 7 π t )
(c) x3 (t ) = 10 cos ( 5π t ) + 2 sen ( 7 π t ) + 3 cos ( 6.5π t )
(d) x 4 (t ) = exp ( j 6 π t )
(e) x5 (t ) = exp ( j 6π t ) + exp ( − j 6π t )
(f) x5 (t ) = exp ( j 6π t ) + exp ( j7 π t )
2.2 Grafique los espectros bilaterales de amplitud y de fase de las señales periódicas en el Problema 2.1.
2.3 Grafique los espectros unilaterales de amplitud y de fase de las señales periódicas en el Problema 2.1.
2.4 Evaluar las integrales siguientes:
10 10
(a) I1 =
∫ −10
u(t ) dt (b) I 2 =
∫ −10
δ ( t − 1 ) u(t ) dt
10 10
(c) I 3 =
∫−10
δ ( t + 1 ) u(t ) dt (d) I 4 =
∫ −10
δ ( t − 1 ) t 2 dt
10 10
(e) I 5 =
∫ −10
δ ( t + 1 ) t 2 dt (f) I6 =
∫
−10
t 2 u ( t − 1) dt
2.5 Halle las potencias y energías de las señales siguientes (0 e ∞ son respuestas posibles):
(a) x1 (t ) = 1 + cos ( 2 π t ) (b) x2 (t ) = sen ( 2 π t )
(c) x3 (t ) = 2 cos ( 2 π t ) + 2 sen ( 2 π t ) (d) x 4 (t ) = 2 cos ( 2 π t ) + 2 sen ( 4 π t )
(e) x5 (t ) = 2 cos ( 2 π t ) + 2 sen ( 4π t ) + 3 cos ( 6π t )
2.6 Diga si las afirmaciones siguientes son falsas o verdaderas y por qué.
(a) X1 = 1 + j, X −1 = 1 − j ; todos los demás coeficientes de Fourier son cero.
(b) X1 = 1 + j, X −1 = 2 − j ; todos los demás coeficientes de Fourier son cero.
(c) X1 = exp ( − j π 2 ) ; X −1 = exp ( j π 2 ) ; todos los demás coeficientes de Fourier son cero.
(d) X1 = exp ( j 3π 2 ) ; X −1 = exp ( j π 2 ) ; todos los demás coeficientes de Fourier son cero.
(e) X1 = exp ( j 3π 2 ) ; X −1 = exp ( j 5π 2 ) ; todos los demás coeficientes de Fourier son cero.
2.7 Recurriendo a la unicidad de las series de Fourier, dé los coeficientes de la serie de Fourier exponencial
compleja para las señales siguientes:
(a) x1 (t ) = 1 + cos ( 2 πt ) (b) x 2 (t ) = sen ( 2 πt )
(c) x 3 (t ) = 2 cos ( 2 πt ) + 2 sen ( 2 π ) (d) x 4 (t ) = 2 cos ( 2 πt ) + 2 sen ( 4 π )
(e) x 5 (t ) = 2 cos ( 2 πt ) + 2 sen ( 4 π ) + 3 cos ( 6 πt )
2.8 Diga si las afirmaciones siguientes son verdaderas o falsas y por qué:
(a) Una onda triangular tiene sólo armónicos impares en su serie de Fourier.
(b) El contenido espectral de un tren de pulsos tiene más contenido de frecuencias más altas mientras
más ancho sea el pulso.
(c) Una onda seno con rectificación de onda completa tiene una frecuencia fundamental que es la mitad
de la sinusoide que fue rectificada.
(d) Los armónicos de una onda cuadrada decrecen más rápidamente con el número armónico n que los
de una onda triangular.
(e) El retardo de un tren de pulsos afecta su espectro de amplitud.
(f) Los espectros de amplitud de una onda seno con rectificación de media onda y de una onda seno con
rectificación de media onda son idénticos.
2.9 Dados los pares de transformadas de Fourier Π(t ) ↔ sinc ( f ) y Λ(t ) ↔ sinc 2 ( f ) , use teoremas
apropiados para hallar las transformadas de Fourier de las señales siguientes. Diga cuáles teorema o
teoremas usó en cada caso. Dibuje las señales y sus transformadas.
(a) x1 (t ) = Π ( 2t ) (b) x2 (t ) = sinc 2 ( 4t )
t−3
(c) x 3 (t ) = Π ( 2t ) cos ( 6 πt ) (d) x 4 (t ) = Λ  
 2 
(e) x 5 (t ) = Π ( 2t ) ∗ Π ( 2t ) (f) x6 (t ) = Π ( 2t ) exp ( j 4 πt )
t d Λ( t )
(g) x7 (t ) = Π   + Λ ( t ) (h) x8 (t ) =
2 dt
t
(i) x9 (t ) = Π   Λ ( t )
2
∑
∞
2.10 Obtenga la transformada de Fourier de la señal x(t ) = Λ ( t − 3m ) . Dibuje la señal y su
m =−∞
transformada.
2.11 Obtenga las densidades espectrales de potencia correspondientes a las funciones de autocorrelación dadas
a continuación. Verifique en cada caso que la densidad espectral de potencia se integra para dar la
potencia promedio total [esto es, R(0)]. Dé un dibujo de cada función de autocorrelación y la densidad
espectral de potencia correspondiente.
(a) R1 ( τ) = 3Λ ( τ 2 ) (b) R2 ( τ) = 2 cos ( 4 πτ ) (c) R3 ( τ) = 2 Λ ( τ 2 ) cos ( 4 πτ )
(d) R4 ( τ) = exp ( −2 τ ) (e) R5 ( τ) = 1 + cos ( 2 πτ )
2.12 Halle la respuesta al impulso de un sistema con respuesta de frecuencia H ( f ) = 2 ( 3 + j 2 πf ) + 1 ( 2 + j 2 πf ) .

Grafique la respuesta la respuesta al impulso y las respuestas de amplitud y fase.
2.13 Diga si o no los sistemas siguientes son (1) estables y (2) causales. Dé razones para sus respuestas.
3 1
(a) h1 (t ) = (b) H 2 ( f ) = 1 + j 2 πf (c) H 3 ( f ) =
4+ t 1 + j 2 πf
(d) h4 (t ) = exp ( −2 t ) (e) h5 (t ) =  2 exp ( −3t ) + exp ( −2t )  ut )
2.14 Halle los retardos de grupo y de fase para los sistemas siguientes:
1
(a) h1 (t ) = exp ( −2t ) u(t ) (b) H 2 ( f ) = 1 + j 2 πf (c) H 3 ( f ) =
1 + j 2 πf
(d) h4 (t ) = 2t exp ( −3t ) u(t )
2.15 Un filtro tiene una función de respuesta de frecuencia
  f   f 
H ( f ) =  Π   + Π    exp  − jπf Π ( f 15 ) 20 
  30   10  
La entrada es x(t ) = 2 cos ( 2 πf 1t ) + cos ( 2 πf 2 t ) . Para los valores de f1 y f2 dados más adelante, diga si existe
(1) no distorsión, (2) distorsión de amplitud, (3) distorsión de fase o de retardo, o (4) tanto distorsión de
amplitud como de fase (retardo).
(a) f 1 = 2 Hz y f 2 = 4 Hz (b) f 1 = 2 Hz y f 2 = 6 Hz (c) f 1 = 2 Hz y f 2 = 8 Hz
(d) f 1 = 6 Hz y f 2 = 7 Hz (e) f 1 = 6 Hz y f 2 = 8 Hz (f) f 1 = 8 Hz y f 2 = 16 Hz
2.16 Un filtro tiene la característica de transferencia de entrada salida dada por y(t ) = x(t ) + x 2 (t ) . Para la
entrada x(t ) = cos ( 2 πf 1t ) + cos ( 2 πf 2 t ) , diga cuáles componentes de frecuencia aparecerán en la salida.
¿Cuáles son los términos d distorsión.
2
2.17 Un filtro tiene la función de respuesta de frecuencia H ( j 2 πf ) = 2
. Halle su tiempo de
− ( 2 πf ) + j 4 πf + 1
elevación de 10% a 90%.
2.18 La señal x(t ) = cos ( 2 πf 1t ) se muestrea con una frecuencia fs = 9 muestras por segundo. Dé la frecuencia
más baja presente en el espectro de la señal muestreada para los valores siguientes de f1: (a) f1 = 2 Hz; (b) f1
= 4 Hz; (c) f1 = 6 Hz; (d) f1 = 8 Hz; (e) f1 = 10 Hz; (f) f1 = 12 Hz.
2.19 Determine las transformadas de Hilbert de las señales siguientes:
(a) x1 (t ) = cos ( 4 πt ) (b) x 2 (t ) = cos ( 6 πt ) (c) x3 (t ) = exp ( j 5πt ) (d) x 4 (t ) = exp ( − j 8πt )
(e) x1 (t ) = 2 cos 2 ( 4πt ) (f) x6 (t ) = cos ( 2 πt ) cos ( 10 πt )
(g) x7 (t ) = 2 sen ( 4 πt ) cos ( 4 πt )
2.20 Obtenga la señal analítica y la envolvente compleja de la señal x(t ) = cos ( 10 πt ) , donde f0 = 6 Hz.
Problemas
Sección 2.1
2.1 Dibuje los espectros unilaterales y bilaterales de amplitud y de fase de las señales siguientes:
(a) x1 (t ) = 10 cos ( 4 πt + π 8 ) + 6 sen ( 8πt + 3π 4 )
(b)
2.2 Una señal tiene los espectros bilaterales de amplitud y fase mostrados en la Fig. 2.33. Escriba una
expresión en el dominio del tiempo para la señal.
Amplitud
Fase
Figura 2.33
2.3 La suma de dos o más sinusoides puede o no ser periódica, dependiendo de la relación entre sus
diferentes frecuencias. Para la suma de dos sinusoides, sean f1 y f2 las frecuencias de los términos
individuales, respectivamente. Para que la suma sea periódica, f1 y f2 deben ser conmensurables; esto es,
debe haber un número f0 contenido en cada una un número entero de veces. Por tanto, si f0 es el menor de
tales números,
f 1 = n1 f 0 y f 2 = n2 f 0
donde n1 y n2 son enteros; f0 es la frecuencia fundamental. ¿Cuáles de las señales dadas a continuación son
periódicas? Halle el periodo de aquellas que son periódicas.
(a) x1 (t ) = 2 cos ( 2t ) + 4 sen ( 6 πt ) (b) x 2 (t ) = cos ( 6 πt ) + 7 cos ( 30 πt )
(c) x 3 (t ) = cos ( 4 πt ) + 9 sen ( 21πt ) (d) x 4 (t ) = 3 sen ( 4 πt ) + 5 cos ( 7 πt ) + 6 sen ( 11πt )
(e) x 5 (t ) = cos ( 17 πt ) + 5 cos ( 18πt ) (f) x6 (t ) = cos ( 2 πt ) + 7 cos ( 3πt )
(g) x7 (t ) = 4 cos ( 7 πt ) + 5 cos ( 11πt ) (h) x8 (t ) = cos ( 120 πt ) + 3 cos ( 377 πt )
(i) x9 (t ) = cos ( 19 πt ) + 2 sen ( 21πt ) (j) x10 (t ) = 5 cos ( 6 πt ) + 6 sen ( 7 πt )
2.4 Dibuje los espectros unilaterales y bilaterales de amplitud y de fase de

(a) x1 (t ) = 5 cos ( 12 πt − π 6 ) (b) x 2 (t ) = 5 cos ( 12 πt ) + 4 cos ( 16 πt )
(c) x 3 (t ) = 4 cos ( 8πt ) cos ( 12 πt )
(Sugerencia: Use una identidad trigonométrica apropiada.)
(d) x 4(t ) = 8 sen ( 2 πt ) cos 2 ( 5πt ) (Sugerencia: Use identidades trigonométricas apropiadas.)
(e) x 5 (t ) = cos ( 6 πt ) + 7 cos ( 30 πt ) (f) x6 (t ) = cos ( 4 πt ) + 9 sen ( 21πt )
(g) x7 (t ) = 2 cos ( 4 πt ) + 4 cos ( 6 πt ) + 6 sen ( 17 πt )
2.5 (a) Demuestre que la función δε(t) dibujada en la Fig. 2.4(b) tiene área unitaria.
(b) Demuestre que
δε (t ) = ε −1 e −t ε u(t )
1 1
tiene área unitaria. Dibuje esta función para ε = 1, 2
y 4
. Comente sobre su si es adecuada como una
aproximación para la función impulso unitario.
(c) Demuestre que una aproximación adecuada para la función impulso unitario conforme ε → 0 es dada
por
 ε −1 ( 1 − t ε ) , t ≤ε
δ ε (t ) = 
 0, t >ε
2.6 Use las propiedades dadas de la función impulso unitario después de la Ec. (2.14) para evaluar las
relaciones siguientes:
∞
(a)
∫−∞
t 2 + exp ( −2t )  ( 2t − 5 ) dt
10 +
( t 2 + 1 ) ∑ ∞ δ ( t − 5n )  dt (Nota: 10 + significa justo a la derecha de 10; −10− significa justo a
(b)
∫ −10 −  n =−∞ 
la izquierda de −10)
dδ(t ) d 2 δ(t ) dδ(t ) d 2 δ(t )

(c) 10δ(t ) + A +3 = B δ( t ) + 5 + C ; hallar A, B y C.
dt dt 2 dt dt 2
11 ∞ 2
⌠ [ cos ( 5πt ) + e−3t ] dδ (t ) dt
(d)
∫ −2
[ e−4 πt + tan ( 10πt )] δ ( 4t + 3 ) dt (e)
⌡−∞ dt 2
2.7 ¿Cuáles de las señales siguientes son periódicas y cuáles no lo son? Halle los periodos de las que son
periódicas. Dibuje todas las señales.
∑
∞
(a) x a (t ) = cos ( 5πt ) + sen ( 7 πt ) (b) xb (t ) = Λ ( t − 2n )
n=0
∑
∞
(c) xc (t ) = Λ ( t − 2n ) (d) x d (t ) = sen ( 3t ) + cos ( 2 πt )
n =−∞
∑ ∑
∞ ∞
(e) x e (t ) = Π ( t − 3n ) (f) x f (t ) = Π ( t − 3n )
n =−∞ n =0
2.8 Escriba la señal x(t ) = cos ( 6 πt ) + 2 sen ( 10 πt ) como
(a) La parte real de una suma de fasores rotativos.

(b) Una suma de fasores rotativos más sus conjugados complejos.
(c) A partir de sus resultados en las partes (a) y (b), dibuje los espectros unilaterales y bilaterales de
amplitud y fase de x(t).
Sección 2.2
2.9 Halle la potencia normalizada para cada señal dada que sea una señal de potencia y la energía
normalizada para cada señal que sea una señal de energía. Si una señal no es ni de potencia ni de energía,
indíquela. Dibuje cada señal (α es una constante positiva.
(a) x1 (t ) = 2 cos ( 4πt + 2 π 3 ) (b) x2 (t ) = e − at u(t )
−1 2
(c) x3 (t ) = e at u( −t ) (d) x 4 (t ) = ( α 2 + t 2 )
(f) x6 (t ) = e −αt u(t ) − e −α t − 1 u(t − 1)

−α t ( )
(e) x5 (t ) = e
2.10 Clasifique cada una de las señales siguientes como una señal de energía o una de potencia calculando E, la
energía, o P, la potencia (A, B, θ, ω y τ son constantes positivas).
(a) x1 (t ) = A sen ( ωt + θ ) (b) x2 (t ) = Aτ τ + jt , j = −1
(c) x3 (t ) = At e −t τ u(t ) (d) x 4 (t ) = Π ( t τ ) + Π ( t 2 τ )
(e) x 4 (t ) = Π ( t 2 ) + Λ ( t ) (f) x (t ) = A cos ( ωt ) + B sen ( 2 ωt )
2.11 Halle las potencias de las señales periódicas siguientes. En cada caso, haga un dibujo de la señal y dé s
periodo.
 t − 4n 
∑
∞
(a) x1 (t ) = 2 cos ( 4 πt − π 3 ) (b) x2 (t ) = 3Π  
n =−∞  2 
 t − 6n    t − 4n  
∑ ∑
∞ ∞
(c) x3 (t ) = Λ  (d) x 4 (t ) = Λ ( t − 4n ) + Π  
n =−∞  2  n =−∞ 
  2  
2.12 Para las señales siguientes, determine la energía y la potencia normalizadas. Diga cuáles son las señales de
potencia y cuáles las de energía y las que no son de ninguno de estos tipos. (Observación: 0 e ∞ son
respuestas posibles.)
−3 + j 4 π )t t−3 t−3
(a) x1 (t ) = 6 e( u(t ) (b) x2 (t ) = Π  +Π  (c) x3 (t ) = 7 e j 6 πt u(t )
 2   6 
(d) x 4 (t ) = 2 cos ( 4 πt ) (e) x5 (t ) = t (f) x6 (t ) = t −1 2 u(t − 1)
2.13 Demuestre que las señales siguientes son de energía. Dibuje cada señal.
 t  −t 3
(a) x1 (t ) = Π   cos ( 6πt ) (b) x2 (t ) = e (c) x3 (t ) = 2u(t ) − 2 u(t − 8)
 12 
t t − 10 t − 20
(d) x 4 (t ) =
∫−∞
u(λ ) dλ − 2
∫
−∞
u(λ ) dλ +
∫
−∞
u(λ ) dλ
(Sugerencia: Considere primero cuál la integral indefinida de una función escalón).

2.14 Halle las energías y potencias de las señales siguientes (observe que 0 e ∞ son respuestas posibles). Diga
cuáles son señales de energía y cuáles de potencia.
∑ t−n
∞
(a) x1 (t ) = cos ( 10 πt ) u(t ) u(2 − t ) (b) x2 (t ) = Λ 
n =−∞  2 
−t t
(c) x3 (t ) = e cos ( 2 πt ) (d) x 4 (t ) = Π   + Λ ( t )
2
Sección 2.3
2.15 Use la propiedad de unicidad de las series de Fourier para hallar la serie de Fourier exponencial para las
señales siguientes (f0 es una frecuencia arbitraria):
(a) x1 (t ) = sen 2 ( 2 πf 0 t ) (b) x2 (t ) = cos ( 2 πf 0 t ) + sen ( 4πf 0 t )
(c) x3 (t ) = sen ( 4 πf 0 t ) cos ( 4πf 0 t ) (d) x 4 (t ) = cos 3 ( 2 πf 0 t )
(e) x5 (t ) = sen ( 2 πf 0 t ) cos 2 ( 4 πf 0 t ) (f) x6 (t ) = sen 2 ( 3πf 0 t ) cos ( 5πf 0 t )
(Sugerencia: Use las identidades trigonométricas apropiadas y el teorema de Euler.)
2.16 Expanda la señal x(t ) = 2t 2 en una serie de Fourier exponencial compleja en el intervalo t ≤ 2 . Dibuje la
señal a la cual converge la serie de Fourier para todo t.
2.17 Si Xn = Xn exp ( j ∠X )n son los coeficientes de Fourier de una señal real x(t), complete todos los pasos
necesarios para demostrar que
(a) Xn = X − n y ∠Xn = −∠X − n .
(b) Xn es una real y par de n para x(t) par.

(c) Xn una función imaginaria e impar de n para x(t) impar.
(d) x(t ) = −x ( t + T0 2 ) (simetría impar de media onda) implica que Xn = 0, n par.
2.18 Obtenga los coeficientes de la serie de Fourier compleja exponencial para (a) el tren de pulsos, (b) la onda
seno con rectificación de media onda, (c) la onda seno con rectificación de onda completa y (d) la forma de
onda triangular en las formas dadas en la Tabla 2.1.
2.19 Halle la relación entre la potencia contenida en un tren de pulsos rectangulares para nf 0 ≤ τ−1 y la
potencia total para cada uno de los casos siguientes:
τ 1 τ 1 τ 1 τ 1
(a) = (b) = (c) = (d) =
T0 2 T0 5 T0 10 T0 20
(Sugerencia: Puede ahorrarse trabajo observando que los espectros se dan en torno a f =0.)
2.20 (a) Si x(t) tiene la serie de Fourier
∞
x( t ) = ∑X e
n =−∞
n
j 2 πnf 0 t
y y(t ) = x ( t − t0 ) , demuestre que

Yn = Xn e j 2 πnf0t0
donde los Yn son los coeficientes de Fourier para y(t).

(b) Verifique el teorema demostrado en la parte (a) examinando los coeficientes de Fourier para
x(t ) = cos ( ω0 t ) y y(t ) = sen ( ω0 t ) .
(Sugerencia: ¿Qué retardo t0 convertirá un coseno en un seno? Use la propiedad de unicidad para escribir
la serie de Fourier correspondiente.)
2.21 Use las expansiones en series de las señales periódicas correspondientes a una onda cuadrada y una onda
triangular para hallar la suma de las series siguientes:
1 1 1
(a) 1 − + − + ⋯
3 5 7
1 1 1
(b) 1 + + + + ⋯
9 25 49
(Sugerencia: Escriba la serie de Fourier en cada caso y evalúela para un valor particular escogido
adecuadamente de t.)
2.22 Use los resultados dados en la Tabla 2.1 para los coeficientes de Fourier de un tren de pulsos para graficar
los espectros bilaterales de amplitud y de fase para las formas de onda en la Fig. 2.34.
(Sugerencia: Observe que xb (t ) = −xa (t ) + A . ¿Cómo se manifiesta un cambio de signo y del nivel de CD en
el espectro de la forma de onda?
2.23 (a) Grafique los espectros unilateral y bilateral de amplitud y de fase de la onda cuadrada mostrada en la
Fig. 2.35(a).
(b) Obtenga una expresión que relaciones los coeficientes de la serie de Fourier exponencial compleja de
la forma de onda triangular mostrada en la Fig. 2.35(b) y aquellos de xz(t) mostrada en la Fig. 2.35(a).
(Sugerencia: Observe que x a (t ) = K [ dxb (t ) dt ] , donde K es un cambio de escala apropiado.
(c) Grafique los espectros bilaterales de amplitud y de fase para xa(t).
Figura 2.34
Figura 2.35
Sección 2.4
2.24 Dibuje cada señal dada a continuación y halle su transformada de Fourier. Grafique los espectros de
amplitud y de fase de cada señal (A y τ son constantes positivas).
(a) x1 (t ) = A exp ( − t τ ) u(t ) (b) x2 (t ) = A exp ( t τ ) u( −t ) (c) x3 (t ) = x1 (t ) − x2 (t )
(d) x3 (t ) = x1 (t ) + x2 (t ) . ¿Coincide el resultado con la respuesta hallada usando las tablas de la

transformada de Fourier?
(e) x 5 (t ) = x1 ( t − 5 ) (f) x6 (t ) = x1 (t ) − x1 (t − 5)
2.25 (a) Use la transformada de Fourier de

x(t ) = exp ( −αt ) u(t ) − exp ( αt ) u( −t )
donde α > 0 para hallar la transformada de Fourier de la función signo definida como
 1, t>0
sgn(t ) = 
 − 1, t<0
(Sugerencia: Halle el límite conforme α → 0 de la transformada de Fourier calculada.)
(b) Use el resultado anterior y la relación u(t ) = 21  sgn ( t ) + 1 para hallar la transformada de Fourier del
escalón
(c) Use el teorema de integración y la transformada de Fourier de la función impulso para hallar la
transformada de Fourier del escalón unitario. Compare el resultado con la parte (b).
2.26 Usando solamente la transformada de Fourier de la función impulso unitario y el teorema de
diferenciación, halle las transformadas de Fourier de las señales mostradas en la Fig. 2.36.
xa (t) xb(t)
xc(t) xd(t)
Figura 2.36
2.27 (a) Escriba las señales de la Fig. 2.36 como la combinación lineal de dos funciones triangulares
retardadas. Es decir, escriba x a (t ) = a1 Λ ( ( t − t1 ) T1 ) + a2 Λ ( ( t − t2 ) T2 ) encontrando valores
apropiados para a1, a2, t1, t2, T1 y T2. Haga lo mismo para todas las cuatro señales en la Fig. 2.36.
(b) Dado el par de transformadas de Fourier Λ(t ) ↔ sinc 2 ( f ) , halle su transformada de Fourier
usando los teoremas de superposición, cambio de escala y retardo en el tiempo. Compare sus
resultados con las respuestas obtenidas en el Problema 2.26.
2.28 (a) Dado Π(t ) ↔ sinc( f ) halle las transformadas de Fourier de las señales siguientes usando el
teorema de traslación en frecuencia seguido por el teorema de retardo en el tiempo.
(i) x1 (t ) = Π ( t − 1 ) exp  j 4 π ( t − 1 )  (ii) x2 (t ) = Π ( t + 1 ) exp  j 4 π ( t + 1 ) 
(b) Repita lo anterior, pero aplicando ahora el teorema de retardo en el tiempo seguido por el teorema de
traslación en frecuencia
2.29 Mediante la aplicación de los teoremas apropiados y usando las señales definidas en el Problema 2.28,
halle las transformadas de Fourier de las señales siguientes:
(a) x a (t ) = 21 x1 (t ) + 21 x1 ( −t ) (b) xb (t ) = 12 x2 (t ) + 21 x2 ( −t )
2.30 Use los teoremas de superposición, cambio de escala y retardo en el tiempo con los pares de
transformadas Π(t ) ↔ sinc( f ) , sinc(t ) ↔ Π( f ) , Λ(t ) ↔ sinc 2 ( f ) y sinc 2 (t ) ↔ Λ( f ) para hallar
las transformadas de Fourier de las señales siguientes:
t−1 t−2
(a) x1 (t ) = Π   (b) x2 (t ) = 2 sinc [ 2 ( t − 1 )] (c) x3 (t ) = Λ  
 2   8 
t−3
(d) x 4 (t ) = sinc   (e) x5 (t ) = 5 sinc [ 2 ( t − 1 )] + 5 sinc [ 2 ( t + 1)]
 4 
t−2 t+2
(f) x6 (t ) = 2 Λ   + 2Λ  
 8   8 
2.31 Sin calcularlas realmente, pero usando dibujos aproximados, diga si las transformadas de Fourier de las
señales dadas a continuación son reales, imaginarias o de ningún tipo; pares, impares o de ningún tipo.
Dé su razonamiento en cada caso.
(a) x1 (t ) = Π ( t + 1 2 ) − Π ( t − 1 2 ) (b) x2 (t ) = Π ( t 2 ) + Π ( t )
(c) x 3 (t ) = sen ( 2 πt ) Π ( t ) (d) x 4 (t ) = sen ( 2 πt + π 4 ) Π ( t )
(f) x6 (t ) = 1 1 + ( t 5 ) 
4
(e) x 5 (t ) = cos ( 2 πt ) Π ( t )
2.32 Use la fórmula de la suma de Poisson para obtener la serie de Fourier de la señal
∞
∑ Π 
t − 4m 
x( t ) = 
m =−∞
2 
2.33 Halle y grafique las densidades espectrales de energía de las señales siguientes. Dimensiones sus gráficas
completamente. Use pares de transformadas de Fourier y teoremas apropiados.
(a) x1 (t ) = 10 e −3t u(t ) (b) x 2 (t ) = 10 sinc ( 2t ) (c) x 3 (t ) = 3Π ( 2t ) (d) x 4 (t ) = 3Π(2t ) cos ( 10 πt )
2.34 Evaluar las integrales siguientes usando el teorema de la energía de Rayleigh (teorema de Parseval para la
transformada de Fourier):
∞
(a) I1 = ⌠
df
 [Sugerencia: considere la transformada de Fourier de exp ( −αt ) u(t ) ]
⌡−∞ α 2
+ ( 2 πf )
2
∞
∞ ⌠ df ∞
∫ ∫
2
(b) I 2 = sinc ( τf ) df (c) I3 =  2
(d) I 4 = sinc 4 ( τf ) df
−∞
⌡−∞ α 2 + ( 2 πf )2  −∞
2.35 Obtenga y dibuje la convolución de las señales siguientes:

(a) y1 (t ) = e −αt u(t ) ∗ Π ( t − τ ) , α y τ son constantes positivas.
−α t
(b) y 2 (t ) =  Π ( t 2 ) + Π ( t )  ∗ Π ( t ) (c) y 3 (t ) = e ∗ Π (t ) , α > 0
(d) y 4 (t ) = x(t ) ∗ u(t ) , donde x(t) es cualquier señal de energía [tendrá que suponer una forma particular
para x(t) para poder hacer un dibujo, pero obtenga el resultado general antes de hacerlo]
2.36 Halle las señales correspondientes a los espectros siguientes. Utilice los teoremas apropiados de la
transformada de Fourier.
(a) X1 ( f ) = 2 cos ( 2 πf ) Π ( f ) exp ( − j 4πf ) (b) X 2 ( f ) = 2 cos ( 2 πf ) Π ( f ) exp ( − j 4πf )
  f +4  f − 4 
(c) X 3 ( f ) = Π  +Π   exp ( − j 8πf )
  2   2 
2.37 Dadas las señales siguientes, supóngase que todas las componentes espectrales de energía fuera del ancho
de banda f ≤ W son removidos por un filtro ideal, en tanto que se mantienen todas las componentes
espectrales de energía dentro de este ancho de banda. Halle la razón entre la energía guardada con la
energía total en cada caso. (α, β y τ son constantes positivas.)
(a) x1 (t ) = e −αt u(t ) (b) x2 (t ) = Π ( t τ ) (requiere de integración numérica)
(c) x3 (t ) = e −αt u(t ) − e − jβt u(t )
2.38 (a) Halle la transformada de Fourier del pulso coseno
 2t  2π
x(t ) = AΠ   cos ( ω0 t ) , donde ω0 =
T
 0 T0
Exprese su respuesta en términos de una suma de funciones sinc.

(b) Obtenga la transformada de Fourier del pulso coseno levantado
1  2t 
y (t ) = AΠ    1 + cos ( 2ω0 t ) 
2  T0 
(c) Use la Ec. (2.134) con el resultado de la parte (a) para hallar la transformada de Fourier de la onda
coseno con rectificación de media onda.
2.39 Obtenga gráficas de las funciones de tiempo siguientes y halle sus transformadas de Fourier. Diga cuáles
deben ser funciones reales y pares de f y cuáles deben ser funciones imaginarias e impares de f.
¿Confirman esto sus resultados?
t t t t

(a) x1 (t ) = Λ   + Π   (b) x2 (t ) = Π   − Λ  
2 2 2 2
 1  1
(c) x3 (t ) = Π  t +  − Π  t −  (d) x 4 (t ) = Λ ( t − 1 ) − Λ ( t + 1 )
 2  2
(e) x 5 (t ) = Λ ( t − 1 ) sgn ( t ) (f) x6 (t ) = Λ ( t ) cos ( 2 πt )
Sección 2.5
2.40 (a) Obtenga la función de autocorrelación promedio de x(t ) = 3 + 6 cos ( 20 πt ) + 3 sen ( 20 πt )
(Sugerencia: Combine los términos coseno y seno en un solo coseno con un ángulo de fase.)
(b) Obtenga la densidad espectral de potencia de la señal de la parte (a). ¿Cuál es la potencia promedio
total?
2.41 Halle las densidades espectrales de potencia y la potencia promedio de las señales siguientes:
(a) x1 (t ) = 2 cos ( 20πt + π 3 ) (b) x 2 (t ) = 3 sen ( 30 πt )
(c) x3 (t ) = 5 sen ( 10πt − π 6 ) (d) x 4 (t ) = 3 sen ( 30 πt ) + 5 sen ( 10πt − π 6 )
2.42 Hallar las funciones de autocorrelación de las señales que tienen las siguientes densidades espectrales de
potencia. Dé también sus potencias promedio.
(a) S1 ( f ) = 4δ ( f − 15 ) + 4δ ( f + 15 ) (b) S2 ( f ) = 9δ ( f − 20 ) + 9δ ( f + 20 )
(c) S3 ( f ) = 16δ ( f − 5 ) + 16δ ( f + 5 ) (d) S4 ( f ) = 9δ ( f − 20 ) + 9δ ( f + 20 ) + 16δ ( f − 5 ) + 16δ ( f + 5 )
2.43 Mediante la aplicación de las propiedades de la función de autocorrelación, determine si las

combinaciones siguientes son funciones aceptables para autocorrelación. En cada caso, diga por qué o por
qué no.
(a) R1 ( τ) = 2 cos ( 10 πτ ) + cos ( 30 πτ ) (b) R2 ( τ) = 1 + 3 cos ( 30 πτ )
(c) R3 ( τ) = 3 cos ( 20πτ + π 3 ) (d) R4 ( τ) = 4Λ ( τ 2 )
(e) R5 ( τ) = 3Π ( τ 6 ) (f) R6 ( τ) = 2 sen ( 10 πτ )
2.44 Determine las funciones de autocorrelación correspondientes a las señales siguientes:

(a) x1 (t ) = 2 cos ( 10πt + π 3 ) (b) x2 (t ) = 2 sen ( 10πt + π 3 )
(c) x3 (t ) = Re  3 exp ( j 10 πt ) + 4 j exp ( j 10 πt ) 
(d) x 4 (t ) = x 1 ( t ) + x 2 (t )
2.45 Demuestre que la R(τ) del Ejemplo 2.20 tiene la transformada de Fourier S( f ) que se da allí.
Sección 2.6
2.46 Un sistema es regido por la ecuación diferencial (a, b y c son constantes no negativas)
dy(t ) dx(t )
+ ay(t ) = b + cx(t )
dt dt
(a) Halle H ( f ) .
(b) Halle y grafique H ( f ) y ∠ H ( f ) para c = 0.
(c) Halle y grafique H ( f ) y ∠ H ( f ) para b = 0.
2.47 Para cada una de las funciones de transferencia, determine la respuesta al impulso unitario del sistema.
1 j 2 πf
(a) H1 ( f ) = (b) H 2 ( f ) = (Sugerencia: Divida primero)
7 + j 2 πf 7 + j 2 πf
e − j 6 πf 1 − e − j 6 πf
(c) H3 ( f ) = (d) H 4 ( f ) =
7 + j 2 πf 7 + j 2 πf
2.48 Un filtro tiene la función de respuesta de frecuencia H ( f ) = Π ( f 2 B) y una entrada

x(t ) = 2 W sinc ( 2 W t ) .
(a) Halle la salida y(t) para W < B.

(b) Halle la salida y(t) para W > B.
(c) ¿En cuál caso sufre distorsión la salida? ¿Qué influyó en su respuesta?
2.49 Un filtro de pasabanda (BPF) activo de segundo orden conocido como un circuito de pasabanda de Sallen-
Key, se muestra en la Fig. 2.37.
(a) Demuestre que la función de la respuesta de frecuencia de este filtro es dada por
H ( jω ) =
( K ω0 2 ) ( jω )
, ω = 2 πf
−ω + ( ω0 Q )( jω) + ω02
2
donde
−1
ω0 = 2 ( RC )
2
Q=
4−K
R
K = 1+ a
Rb
(b) Graficar H ( f ) ,
(c) Demuestre que el ancho de banda de 3 dB del filtro puede expresarse como B = f 0 Q , donde
f 0 = ω0 2 π .
(d) Diseñe un BPF usando este circuito con frecuencia central f0 = 1000 Hz y ancho de anda de 3 dB de
300 Hz. Hallar valores de Ra, Rb, R y C que dará estas especificaciones.
Entrada Salida
Figura 2.37
2.50 Para los dos circuitos mostrados en la Fig. 2.38, determinar H ( f ) y h(t). Dibuje con precisión las
respuestas de amplitud y de fase. Grafique la respuesta de amplitud en decibeles. Use un eje logarítmico
para la frecuencia.
Figura 2.38
2.51 Use el criterio de Paley-Wiener para demostrar que
H ( f ) = exp ( −β f 2 )
no es una respuesta de amplitud adecuada para un filtro lineal, invariable en el tiempo y causal.
2.52 Determinar si los filtros con respuesta de amplitud dada a continuación son o no EASA estables; α y f son
constantes positivas.
(a) h1 (t ) = exp ( −α t ) cos ( 2 πf 0 t ) (b) h2 (t ) = cos ( 2 πf 0 t ) u(t )
h 3 ( t ) = t −1 u ( t − 1 ) (d) h4 (t ) = e −t u(t ) − e − t −1 u(t − 1)

( )
(c)
(e) h5 (t ) = t −2 u(t ) − 1 (f) h6 (t ) = sinc ( 2t )
2.53 Dado un filtro con función de respuesta de frecuencia

5
H( f ) =
4 + j ( 2 πf )
y entrada x(t ) = e −3t u(t ) , obtenga y grafique con precisión las densidades espectrales de energía de la
entrada y la salida.
2.54 Un filtro con función de respuesta de frecuencia
 f 
H ( f ) = 3Π  
 62 
tiene como entrada una forma de onda coseno con rectificación de media onda de frecuencia fundamental
10 Hz. Determinar una expresión analítica para la salida del filtro. Grafique la salida usando MATLAB.
2.55 Otra definición del ancho de banda de una señal es el ancho de banda que contiene 90% de la energía.
2
Para una señal con densidad espectral de energía G( f ) = X ( f ) , es dada por B90 en la relación
B90 B90
0.9ETotal =
∫ − B90
G( f ) df = 2
∫0
G( f ) df
∞ ∞
ETotal =
∫−∞
G( f ) df = 2
∫0
G( f ) df
Obtenga G90 para las señales siguientes si está definida. Si no está definida para una señal particular,
exponga por qué no lo está.
(a) x1 (t ) = e −αt u(t ) , donde α es una constante positiva.
(b) x2 (t ) = 2 W sinc ( 2 W t ) , donde W es una constante positiva.
(c) x3 (t ) = Π ( t τ ) (requiere de integración numérica)
(d) x 4 (t ) = Λ ( t τ ) (requiere de integración numérica)
−α t
(e) x5 = e
2.56 Un corredor de fase de cuadratura tiene una función de respuesta de frecuencia
 e − j π 2 , f >0
H( f ) =  + jπ 2
 e , f <0
Halle las salidas para las entradas siguientes:

(a) x1 (t ) = exp ( j 100πt ) (b) x 2 (t ) = cos ( 100 πt )
(c) x 3 (t ) = sen ( 100 πt ) (d) x 4 (t ) = Π ( t 2 )
2.57 Un filtro tiene la respuesta de amplitud y corrimiento de fase mostrados en la Fig. 2.39. Halle la salida
para cada una de las entradas dadas a continuación. ¿Para cuáles casos es la transmisión libre de
distorsión? Diga qué tipo de distorsión se impone a las demás.
(a) cos ( 48πt ) + 5 cos ( 126 πt )
(b) cos ( 126 πt ) + 0.5 cos ( 170 πt )
(c) cos ( 126 πt ) + 3 cos ( 144 πt )
(d) cos ( 10 πt ) + 4 cos ( 50 πt )
Figura 2.39
2.58 Determinar y graficar con precisión, en el mismo conjunto de ejes, los retardos de grupo y de fase para los
sistemas con respuestas al impulso unitario:
(a) h1 (t ) = 3 e −5t u(t )
(b) h2 (t ) = 5e −3t u(t ) − 2 e −5t u(t )
(c) h3 (t ) = sinc  2 B ( t − t0 )  , donde By t0 son constantes positivas.
−3 t − t
(d) h4 (t ) = 5e −3t u(t ) − 2 e ( 0 ) u ( t − t0 ) , donde t0 es una constante positiva.
2.59 Un sistema tiene la función de respuesta de frecuencia

j 2 πf
H( f ) =
( 8 + j 2 πf )( 3 + j 2 πf )
Determinar y graficar con precisión lo siguiente: (a) La respuesta de amplitud; (b) La respuesta de fase; (c)
El retardo de fase;(d) El retardo de grupo.
2.60 El sistema no lineal definido por
y(t ) = x(t ) + 0.1x 2 (t )
tiene una señal de entrada con el espectro de pasabanda
 f − 10   f + 10 
X( f ) = 2Π   + 2Π  
 4   4 
Dibuje el espectro de la salida y marque todas las frecuencias y amplitudes importantes.
2.61 Dado un filtro con función de respuesta de frecuencia
j 2 πf
H( f ) =
( 9 − 4π 2
f 2 ) + j 0.3πf
Determinar y graficar con precisión lo siguiente: (a) La respuesta de amplitud; (b) La respuesta de fase; (c)
El retardo de fase; El retardo de grupo.
2.62 Dado un dispositivo no lineal de memoria cero con característica de transferencia
y (t ) = x 3 ( t )
hallar su salida debida a la entrada

x(t ) = cos ( 2 πt ) + cos ( 6 πt )
Haga una lista de todas las componentes de frecuencia y diga si ellas se deben a una generación de
armónicos o a términos de intermodulación.
2.63 Hallar la respuesta al impulso de un filtro ideal de asa altas con la función de respuesta de frecuencia
  f   − j 2 πft0
H HP ( f ) = H 0  1 − Π   e
  2 W 
2.64 Verificar la relación ancho de pulso-ancho de banda de la Ec. (2.234) para las señales siguientes. Dibuje
cada señal y su espectro.
(a) x(t ) = A exp ( − t 2 2 τ2 ) (pulso gaussiano)
(b) x(t ) = A exp ( −α t ) , α > 0 (exponencial bilateral)
2.65 (a) Demuestre que la función de respuesta de frecuencia de un filtro de Butterworth de segundo orden
es
f 32
H( f ) =
f 32 + j 2 f 3 f − f 2
(b) Halle una expresión para el retardo de grupo de este filtro. Grafique el retardo de grupo como una
función de f f 3 .
(c) Dado que la respuesta al escalón para un filtro de Butterworth de segundo orden es
  2 πf 3 t  2 πf 3 t 2 πf 3t  
ys (t ) = 1 − exp  −  cos + sen   u(t )
  2  2 2 
donde u(t) es la función escalón unitario, Hallar el tiempo de elevación de 10% a 90% en términos de
f3 .
Sección 2.7
2.66 Una señal sinusoidal de frecuencia 1 Hz se muestrea periódicamente.

(a) Halle el intervalo de tiempo máximo permisible entre muestras.
1
(b) Se toman muestras en intervalos de 3
s (esto es, con una tasa de fs = 3 sps). Construya una gráfica del
espectro de la señal muestreada que ilustre que ésta es una tasa de muestreo aceptable que permite la
recuperación de la sinusoide original.
2
(c) Las muestras tienen una separación de 3
s. Construya una gráfica del espectro de la señal
muestreada que ilustre cómo será la señal recuperada si las muestras se pasan a través de un filtro de
pasabajas de manera que sólo se pasen las líneas espectrales de más bajas frecuencias.
2.67 Un muestreador de tope plano puede representarse como el diagrama de bloques de la Fig. 2.40.
(a) Supóngase que τ << Ts y dibuje la salida para una x(t) típica.
(b) Hallar el espectro de la salida, Y ( f ) , en términos del espectro de la entrada, X ( f ) . Determinar la
relación requerida entre τ y Ts para minimizar la distorsión en la forma de onda recuperada.
Figura 2.40
2.68 La Fig. 2.41 ilustra la llamada reconstrucción de retención de orden cero.

(a) Dibuje y(t) para una x(t) típica. ¿Bajo qué condiciones es y(t) una buena aproximación a x(t)?
(b) Halle el espectro de y(t) en términos del espectro de x(t). Analice la aproximación de y(t) a x(t) en
términos de argumentos en el dominio de la frecuencia.
Figura 2.41
2.69 Determine la banda de frecuencias de corte permisibles para el filtro ideal de pasabajas usado para
reconstruir la señal
x(t ) = 10 cos 2 ( 600 πt ) cos ( 2400πt )
la cual es muestreada a 4500 muestras por segundo, Dibuje X ( f ) y Xδ ( f ) . Halle la mínima frecuencia de
muestreo permitida.
2.70 Dado el espectro de la señal de pasabanda mostrado en la Fig. 2.42, dibuje los espectros para las siguientes
tasas de muestreo fs e indique cuáles son adecuadas.
(a) 2B; (b) 2.5B; (c) 3B; (d) 4B; (e) 5B; (f) 6B
Figura 2.42
Sección 2.8
2.71 Use teoremas de la transformada y pares de Fourier apropiados para expresar el espectro Y ( f ) de
y(t ) = x(t ) cos ( ω0 t ) + xˆ (t )sen ( ω0 t )
en términos del espectro X ( f ) de x(t), donde X ( f ) es de pasabajas con ancho de banda

ω0
B < f0 =
2π
Dibujar Y ( f ) para una X ( f ) típica.
2.72 Demuestre que x(t) y xˆ (t ) son ortogonales para las señales siguientes:
(a) x1 (t ) = sen ( ω0 t ) (b) x2 (t ) = 2 cos ( ω0 t ) + sen ( ω0 t ) cos ( 2ω0 t )
(c) x3 (t ) = A exp ( jω0 t )
2.73 Suponga que la transformada de Fourier de x(t) es real y tiene la forma mostrada en la Fig. 2.43.
Determine y grafique el espectro de cada una de las señales siguientes:
(a) x1 (t ) = 23 x(t ) + 13 jxˆ (t ) (b) x2 (t ) =  43 x(t ) + 31 jxˆ (t ) e j 2 πf 0t , f 0 ≫ W
(c) x3 (t ) =  23 x(t ) + 13 jxˆ (t ) e j 2 πW t (d) x 4 (t ) =  23 x(t ) − 31 jxˆ (t ) e jπW t
Figura 2.43
2.74 Siguiendo el Ejemplo 2.30, considérese a

x(t ) = 2 cos ( 52 πt )
Hallar xˆ (t ), x p (t ), xɶ (t ), x R (t ) y xI (t ) para los casos siguientes: (a) f0 = 25 Hz; (b) f0 = 27 Hz; (c) f0 = 10 Hz;
(d) f0 = 15 Hz; (e) f0 = 30 Hz; (f) f0 = 20 Hz.
2.75 Considérese la entrada
x(t ) = Π ( t τ ) cos  2 π ( f 0 + ∆f ) t  , ∆f ≪ f 0
a un filtro con respuesta al impulso
h(t ) = αe −αt cos ( 2 πf 0 t ) u(t )
Halla la salida usando técnicas de envolvente compleja.

CAPÍTULO 3
TÉCNICAS DE MODULACIÓN LINEAL
Antes de que una señal portadora de información sea transmitida por un canal de comunicación, típicamente se utiliza
algún tipo de proceso de modulación para producir una señal que pueda adaptarse fácilmente al canal. En este capítulo
se estudiarán varios tipos de técnicas de modulación lineal. El proceso de modulación comúnmente traslada una señal
portadora de información, usualmente conocida como la señal del mensaje, a una nueva posición espectral
dependiendo de la frecuencia deseada para la transmisión. Por ejemplo, si la señal se va a transmitir a través de la
atmósfera o el espacio libre, la traslación de frecuencia es necesaria para elevar el espectro de la señal a una frecuencia
que pueda radiarse en forma eficiente con antenas de tamaño razonable. Si más de una señal utiliza un cana, la
modulación permite la traslación de señales diferentes a posiciones espectrales diferentes, permitiendo así que el
receptor seleccione la señal deseada. La multicanalización (“multiplexado”) permite que dos o más señales de mensaje
sean transmitidas por un solo transmisor y recibidas simultáneamente por un solo receptor. La selección lógica de un
técnica de modulación para una aplicación específica es influenciada por las características de la señal del mensaje, las
características del canal, el desempeño deseado del sistema de comunicación como un todo, el uso que se va a hacer de
los datos transmitidos y los factores económicos que siempre son importantes en las aplicaciones prácticas.
Los dos tipos básicos de modulación analógica son la modulación de onda continua y la modulación de pulsos. En la
modulación de onda continua, que es el tema principal de este capítulo, se varía un parámetro de una portadora de alta
frecuencia proporcionalmente a la señal del mensaje de modo que exista una correspondencia uno a uno entre el
parámetro y la señal del mensaje. Usualmente se supone que la portadora es sinusoidal, pero como se ilustrará, ésta no
es una restricción necesaria. Sin embargo, para una portadora sinusoidal, una portadora modulada general puede
representarse matemáticamente por
xc (t ) = A(t )cos [ 2πfc t + f (t )] (3.1)
donde fc es la frecuencia portadora. Puesto que una sinusoide es especificada completamente por su amplitud, A(t), y
fase instantánea, 2ππfct + φ(t), se deduce que una vez especificada la frecuencia de la portadora, fc, sólo dos parámetros
son candidatos para ser variados en el proceso de modulación: la amplitud instantánea A(t) y la desviación de fase φ(t).
Cuando la amplitud A(t) está linealmente relacionada con la señal moduladora, el resultado es modulación lineal. Si se
toma φ(t) o la derivada con respecto al tiempo de φ(t) linealmente relacionada con la señal moduladora, se obtiene
respectivamente modulación de fase o de frecuencia. Colectivamente, la modulación de fase y la de frecuencia se
conocen como modulación angular, ya que el ángulo de fase instantáneo de la portadora modulada transfiere la
información.
En este capítulo dedicamos atención a la modulación lineal de onda continua. Sin embargo, al final de este
capítulo, consideramos brevemente la modulación de amplitud de pulsos, el cual es un proceso lineal y una
aplicación sencilla del teorema de muestreo estudiado en el capítulo anterior. En el capítulo siguiente
consideraos la modulación angular, tanto de onda continua como de pulsos.
3.1 MODULACIÓN DE BANDA LATERAL DOBLE
Una portadora modulada linealmente general se representa igualando a cero la desviación de fase instantánea
φ(t) en la Ec. (3.1). Por tanto, una portadora modulada linealmente es representada por
xc (t ) = A(t ) cos ( 2 πf c t ) (3.2)
en la cual la amplitud de la portadora A(t) varía en una correspondencia uno a uno con la señal del mensaje. A
continuación estudiamos diferentes tipos de modulación lineal y también técnicas que pueden usarse para la
demodulación.
La modulación de banda lateral doble (DSB, por sus siglas en inglés) resulta cuando A(t) es proporcional a la
señal del mensaje m(t). Por tanto, la salida de un modulador DSB puede representarse como
xc (t ) = Ac m(t ) cos ( 2 πf c t ) (3.3)
la cual ilustra que la modulación DSB es simplemente la multiplicación de una portadora, Ac cos ( 2 πf c t ) , por la
señal del mensaje. Por el teorema de la modulación para la transformada de Fourier se deduce que el espectro de
una señal DSB es dado por
1 1
Xc ( f ) = Ac M ( f + f c ) + Ac M ( f − f c ) (3.4)
2 2
El proceso de la modulación DSB se ilustra en la Fig. 3.1. La Fig. 3.1(a) muestra un sistema DSB y también que
una señal DSB es demodulada al multiplicar la señal recibida, denotada por xr(t), por la portadora de
demodulación 2 cos ( 2 πf c t ) y filtrar a pasabajas. Para el sistema idealizado que estamos considerando aquí, la
señal recibida xr(t) es idéntica a la señal transmitida xc(t). La salida del multiplicador es
d(t ) = 2 Ac m(t ) cos ( 2 πf c t )  cos ( 2 πf c t ) (3.5)

o
d(t ) = Ac m(t ) + Ac m(t ) cos ( 4 πf c t ) (3.6)
donde se usó la identidad trigonométrica 2 cos 2 x = 1 + cos 2 x .

Las señales en el dominio del tiempo se muestran en la Fig. 3.1(b) para una m(t) supuesta. La señal del mensaje
m(t) forma la envolvente, o magnitud instantánea, de xc(t). La forma de onda para d(t) puede entenderse mejor si
nos damos cuenta que, como cos 2 ( 2 πf c t ) es no negativo para toda t, entonces d(t) es positiva si m(t) es positiva y
d(t) es negativa si m(t) es negativa. Observe también que m(t) (escalada apropiadamente) forma la envolvente de
d(t) y que la frecuencia de la sinusoide bajo la envolvente es 2fc y no fc.
Los espectros de las señales m(t), xc(t) y d(t) se muestran en la Fig. 3.1(c) para una M(f) supuesta que tiene un
ancho de banda W. Los espectros M ( f + f c ) y M ( f − f c ) son simplemente el espectro del mensaje trasladado a
f = ± f c . La porción de M ( f − f c ) por encima de la frecuencia portadora se llama la banda lateral superior (USB,
por sus siglas en inglés) y la porción por debajo de la frecuencia portadora se denomina la banda lateral inferior
(LSB, por sus siglas en inglés). Como la portadora modulada fc es típicamente mucho mayor que el ancho de
banda W de la señal del mensaje, los espectros de los dos términos en d(t) no se solapan. Por tanto, d(t) puede
filtrarse a pasabajas y escalada en amplitud por Ac para producir la salida demodulada yD(t). En la práctica, se
puede usar cualquier factor de escalamiento de la amplitud ya que, como se vio en el Capítulo 2, la
multiplicación por una constante no introduce distorsión de amplitud y la amplitud puede ajustarse al valor que
se desee. Un control de volumen es un ejemplo. Entonces, por conveniencia, Ac normalmente se escoge igual a
uno en la salida del demodulador. Para este caso, la salida demodulada yD(t) será igual a la señal del mensaje
m(t). El filtro de pasabajas que remueve el término 2fc debe tener un ancho de banda mayor que o igual al ancho
de banda del mensaje W. En el Capítulo 8 se verá que cuando hay ruido presente, este filtro de pasabajas,
conocido como filtro de posdetección, debe tener el menor ancho de banda posible ya que minimizar el ancho de
banda del filtro de posdetección es importante para eliminar el ruido de fuera de banda o la interferencia.
Filtro de
pasabajas
Modulador Demodulador
Figura 3.1 Modulación de banda lateral doble. (a) Sistema. (b) Ejemplo de formas de ondas. (c) Espectros.
Más adelante veremos que la DSB tiene un 100% de eficiencia porque toda la potencia transmitida está en las
bandas laterales y son las bandas laterales las que llevan la señal del mensaje m(t). Esto hace que la modulación
DSB sea eficiente en potencia y por ello atractiva, especialmente en aplicaciones de potencia limitada. Sin
embargo, la demodulación de la DSB es difícil porque en el receptor se requiere la presencia de una portadora de
demodulación, coherente en fase con la portadora usada para la modulación en el transmisor. La demodulación
que usa una referencia coherente se conoce como demodulación sincrónica o coherente. La generación de una
portadora de demodulación coherente en fase puede lograrse utilizando una variedad de técnicas, incluyendo el
uso de un lazo de encaje de fase de Costas, el cual se considerará en el capítulo que sigue. El uso de estas
técnicas complica el diseño del receptor. Adicionalmente, se requiere de una atención cuidadosa para asegura
que los errores de fase en la portadora de demodulación son minimizados ya que hasta errores de fase pequeños
pueden resultar en una distorsión seria de la forma de onda demodulada. Este efecto se analizará por completo
en el Capítulo 8, pero se puede realizar un análisis simplificado suponiendo una portadora de demodulación en
la Fig. 3.1(a) de la forma 2 cos [ 2 πf c t + θ(t )] , donde θ(t) es un error de fase que varía con el tiempo. Si se aplica la
identidad trigonométrica
2 cos( x ) cos( y ) = cos( x + y ) + cos( x − y )
se obtiene
d(t ) = Ac m(t ) cos θ(t ) + Ac m(t ) cos [ 4 πf c t + θ(t )] (3.7)
que, luego de filtrar a pasabajas y escalar en amplitud para remover la amplitud de la portadora, se convierte en
yD (t ) = m(t ) cos θ(t ) (3.8)
suponiendo, una vez más, que los espectros de los dos términos de d(t) no se solapan. Si el error de fase θ(t) es
una constante, el efecto del error es una atenuación de la señal del mensaje demodulada. Esto no representa
distorsión, ya que el efecto del error de fase puede removerse mediante un escalamiento de amplitud a menos
que θ(t) sea π/2. Sin embargo, si θ(t) es variable en el tiempo en una forma desconocida e impredecible, el efecto
del error de fase puede resultar en una distorsión seria de la salida demodulada.
Una técnica sencilla para generar una portadora de demodulación coherente en fase es elevar al cuadrado la
señal DSB recibida, lo cual produce
xr2 (t ) = Ac2 m2 (t ) cos 2 ( 2 πf c t )
1 1
= Ac2 m2 (t ) + Ac2 m2 (t ) cos ( 4πf c t ) (3.9)
2 2
Si m(t) es una señal de potencia, m2 (t ) tiene un valor de CD diferente de cero. Por tanto, por el teorema de
modulación, xr2 (t ) tiene una componente de frecuencia discreta en 2fc, la cual puede extraerse del espectro de
xr2 (t ) usando filtro de pasabanda de banda angosta. El frecuencia de esta componente puede dividirse por 2
para producir la portadora de demodulación deseada. Más adelante se estudiará una técnica convencional para
implementar el divisor de frecuencia requerido.
El análisis de la DSB ilustra que el espectro de una señal DSB no contiene una componente espectral discreta
en la frecuencia de la portadora a menos que m(t) tenga una componente de CD. Por esta razón, los sistemas
DSB sin componente de frecuencia portadora presente se conocen como sistemas con portadora suprimida. Sin
embargo, si se transmite una componente de portadora junto con la señal DSB, se puede simplificar la
demodulación. La componente de portadora recibida puede extraerse usando un filtro de pasabanda de banda
angosta y puede usarse como la portadora de demodulación. Si la amplitud de la portadora es lo
suficientemente grande, se evita por completo la necesidad de generar una portadora de demodulación. Esto
conduce de forma natural al tema de la modulación de amplitud.
3.2 MODULACIÓN DE AMPLITUD (AM)
La modulación de amplitud resulta cuando una componente de portadora se añade a una señal DSB. Si se añade
una componente de portadora, Ac cos ( 2 πf c t ) a la señal DSB dada por (3.3) y se escala la señal del mensaje, se
obtiene
xc (t ) = Ac [ 1 + amn (t )] cos ( 2 πf c t ) (3.10)
en la cual a es el índice de modulación1, el típicamente toma valores en la banda 0 < a ≤ 1, y mn(t) es una versión
escalada de la señal del mensaje m(t). El escalamiento se aplica para asegurar que mn (t ) ≥ −1 para todo t.
Matemáticamente
m(t )
mn (t ) = (3.11)
mín [ m(t )]
1 El parámetro a usado aquí algunas veces se denomina el factor de modulación negativo. También, a la cantidad a × 100% con
frecuencia se le refiere como la modulación porcentual.
Observe que para a ≤ 1, la condición mn (t ) ≥ −1 para todo t asegura que la envolvente de la señal AM definida por
[ 1 + amn (t )] sea no negativa para todo t. La importancia de esta condición se entenderá cuando estudiemos la
detección de envolvente en la próxima sección. La representación en el dominio del tiempo de la AM se ilustra en
la Fig. 3.2(a) y (b) y el diagrama de bloques del modulador para producir la AM se muestra en la Fig. 3.2(c).
Envolvente
Figura 3.2 Modulación de amplitud. (a) Señal del mensaje. (b) Salida del modulador para a < 1. (c) Modulador.
Una señal AM puede ser demodulada usando la misma técnica de demodulación coherente que se usó para la
DSB. Sin embargo, el uso de la demodulación coherente anula el ventaja de la AM. La ventaja de la AM sobre la
DSB es que se puede usar una técnica muy sencilla, conocida como detección de envolvente o demodulación de
envolvente. En la Fig. 3.3(a) se muestra la implementación de un demodulador de envolvente. Se puede ver en la
Fig. 3.2(b) que, conforme aumenta la frecuencia de la portadora, la envolvente, definida como Ac [ 1 + amn (t )] , se
vuelve bien definida y más fácil de observar. Lo que es más importante, también se deduce de la observación de
la Fig. 3.3(b) que, si la envolvente de la señal AM, Ac [ 1 + amn (t )] , se hace negativa, resultará distorsión en la
señal demodulada suponiendo que se usa demodulación de envolvente. Por tanto, para a = 1, el valor mínimo de
1 + am(t ) es cero. Para asegurar que la envolvente es no negativa para todo t, se requiere que 1 + m(t ) ≥ 0 o, el
equivalente, que m(t ) ≥ −1 para todo t. Por tanto, la señal del mensaje normalizada mn(t) se determina
dividiendo m(t) por una constante positiva de modo que se satisfaga la condición m(t ) ≥ −1 . Esta constante
normalizada es mín m(t ) . En muchos casos de interés práctico, tales como señales de voz o música, los valores
máximo y mínimo de la señal de mensaje son iguales. En los Capítulos 6 y 7 se verá por qué esto es cierto
cuando estudiemos probabilidades y señales aleatorias.
3.2.1 Detección de Envolvente
Para que el proceso de detección de envolvente opere apropiadamente, la constante de tiempo RC del detector,
mostrado en la Fig. 3.3(a), debe escogerse con cuidado. El valor adecuado para la constante de tiempo está
relacionado con la frecuencia portadora y con el ancho de banda de m(t). En la práctica, una operación
satisfactoria requiere una frecuencia portadora de por lo menos 10 veces el ancho de banda de m(t), que se
designa W. También, la frecuencia de corte del circuito RC debe estar entre fc y W y debe estar bien separada de
ambas. Esto se ilustra en la Fig. 3.3(c).
Toda la información en la salida del modulador está contenida en las bandas laterales. Por tanto, la
componente de portadora de la Ec. (3.10), Ac cos ωc t es potencia desperdiciada en lo que toca a la transferencia
de información. Este hecho puede ser de importancia considerable en un ambiente donde la potencia esté
limitada y puede impedir el uso de la AM como una técnica de modulación en aplicaciones de potencia limitada.
Envolvente ≈ eg(t)
RC demasiado grande
Envolvente
RC correcta
RC demasiado pequeña
Figura 3.3 Detección de envolvente. (a) Circuito. (b) Forma de onda. (c) Efecto de la constante de tiempo RC.
De la Ec. (3.10) vemos que la potencia total contenida en la salida del modulador AM es
2
xc2 (t ) = Ac2 [ 1 + amn (t )] cos 2 ( 2 πf c t ) (3.12)
donde ⋅ denota el valor promedio en el tiempo. Si mn(t) está variando lentamente con respecto a la portadora
2
xc2 (t ) = Ac2 [ 1 + amn (t )]  21 + 21 cos ( 4πf c t ) 
1 2 (3.13)
= Ac 1 + 2 amn (t ) + a2 mn2 (t )
2
Suponiendo que mn(t) tiene un valor promedio de cero y tomando el promedio en el tiempo término por
término, se obtiene
1 1
xc2 (t ) = Ac2 + Ac2 a2 mn2 (t ) (3.14)
2 2
El primer término en la expresión anterior representa la potencia de la portadora y el segundo término
representa la potencia en las bandas laterales (información). La eficiencia del proceso de modulación se define
como la razón de la potencia en la señal portadora de la información (la potencia en las bandas laterales) a la
potencia total en la señal transmitida. Esto es,
a 2 mn2 (t )
E ff = (3.15)
1 + a 2 mn2 (t )
Típicamente, la eficiencia se multiplica por 100 de manera que la eficiencia se pueda expresar como un
porcentaje.
Si la señal del mensaje tiene valores simétricos de máximos y mínimos, de modo que mín m(t ) y máx m(t )
son iguales, entonces mn2 (t ) ≤ 1 . Se deduce que para a ≤ 1, la eficiencia máxima es 50% y se alcanza para señales
de mensaje del tipo de onda cuadrada. Si m(t) es una onda seno, mn2 (t ) = 1
2
y la eficiencia es 33.3% para a = 1.
Observe que se permite que el índice de modulación sea mayor que 1, la eficiencia puede exceder de 50% y que
E ff → 100% conforme a → ∞. Como hemos vistos, valores de a mayores que 1 impiden el uso de la detección de
envolvente. Obviamente, la eficiencia declina rápidamente conforme el índice se reduce a menos de uno. Si la
señal del mensaje no tiene valores de máximo y mínimo simétricos, entonces se pueden lograr valores más altos
para la eficiencia.
La ventaja principal de la AM es que como no se necesita una referencia coherente para la modulación siempre
y cuando a ≤ 1, el demodulador se vuelve sencillo y de bajo costo. En muchas aplicaciones, tales como la radio
comercial, este solo hecho basta para justificar su uso.
En la Fig. 3.4 se muestra la salida del modulador AM para tres valores del índice de modulación: a = 0.5, a = 1.0
y a = 1.5. Se supone que la señal del mensaje m(t) es una sinusoide de amplitud unitaria y frecuencia de 1 Hz. La
salida e0(t) del detector de envolvente, como se identifica en la Fig. 3.3, también se muestra para cada valor del
índice de modulación. Observe que para a = 0.5, la envolvente siempre es positiva. Para a = 1.10, el valor mínimo
de la envolvente es exactamente cero. Por tanto, la detección de envolvente se puede usar para ambos de estos
casos. Para a = 1.5, la envolvente se vuelve negativa y e0(t), que es el valor absoluto de la envolvente, es una
versión bastante distorsionada de la señal del mensaje.
Figura 3.4 Portadora modulada y salidas del detector de envolvente para diferentes valores del
índice de modulación. (a) a = 0.5. (b) a = 1.0. (c) a = 1.5.
EJEMPLO 3.1
En este ejemplo determinamos la eficiencia y el espectro de amplitud para un modulador AM operando con un
índice de modulación de 0.5. La potencia de la portadora es 50 W y la señal del mensaje es
 π
m(t ) = 4 cos  2 πf m t −  + 2 sen ( 4πf m t ) (3.16)
 9
El primer paso es determinar el valor mínimo de m(t). Hay varias formas de hacer esto. Quizás la forma más
sencilla es simplemente graficar m(t) y localizar el valor mínimo. Para graficar se usó el paquete Math GV 4.1 (el
texto usó MATLAB). La señal graficada se muestra en la Fig. 3.5(a). Como se muestra, el valor mínimo de m(t) es
−4.364 (dado por el texto) y ocurre para fmt = 0.435. La señal del mensaje normalizada es dada entonces por
1   π 
mn (t ) =  4 cos  2 πf m t −  + 2 sen ( 4 πf m t )  (3.17)
4.364   9 
o
 π
mn (t ) = 0.9166 cos  2 πf m t −  + 0.4583 sen ( 4πf m t ) (3.18)
 9
El valor cuadrático medio de mn(t) es
1
mn2 (t ) = ( 0.9166 )2 + 1 ( 0.4583 )2 = 0.5251 (3.19)
2 2
Por tanto, la eficiencia es
( 0.25 )( 0.5251 )
E ff = = 0.116 (3.20)
1 + ( 0.25 )( 0.5251 )
u 11.6%.
Puesto que la potencia de la portadora es 50 W, tenemos
1
( Ac )2 = 50 (3.21)
2
de donde
Ac = 10 (3.22)
También, como sen x = cos ( x − π 2 ) , podemos escribir xc(t) como
   π  π  
xc (t ) = 10 1 + 0.5  0.9166 cos  2 πf m t −  + 0.4583 cos  4 πf m t −    cos ( 2 πf c t ) (3.23)
   9   2  
Para graficar el espectro de xc(t), escribimos la ecuación precedente como

xc (t ) = 10 cos ( 2 πf c t )
  π  π 
+ 2.292 cos  2 π ( f c + 2 f m ) t −  + cos  2 π ( f c + f m ) t +  
  9  9 
  π  π 
+ 1.146 cos  2 π ( f c + 2 f m ) t −  + cos  2 π ( f c + f m ) t +   (3.24)
  2  2 
Las Figs. 3.5(b) y (c) muestran los espectros de amplitud y fase de xc(t). Observe que el espectro de amplitud
tiene simetría par en torno a la frecuencia portadora y que el espectro de fase tiene simetría impar en torno de la
frecuencia portadora. Por supuesto, como xc(t) es una señal real, el espectro de amplitud total también es par en
torno a f = 0 y el espectro de fase total es impar en torno a f = 0.
Amplitud
Tiempo normalizado
Figura 3.5 Forma de onda y espectros para el Ejemplo 3.1. (a) Señal del mensaje. (b) Espectro de
amplitud de la salida del modulador. (c) Espectro de fase de la salida del modulador.
3.2.2 El Trapezoide de Modulación
Una bonita herramienta para monitorear el índice de modulación de una señal AM es el trapezoide de modulación.
Si la portadora modulada, xc(t), se coloca en la entrada vertical de un osciloscopio y la señal del mensaje, m(t), en
la entrada horizontal, se produce el trapezoide de modulación. La forma básica del trapezoide de modulación se
ilustra en la Fig. 3.6. El trapezoide se interpreta fácilmente y se muestra en la Fig. 3.6 para a < 1. Al dibujar la Fig.
3.6 se supone que máx [ mn (t )] = 1 y que mín [ mn (t )] = −1 , que es el caso típico. Observe que
A = 2 Ac ( 1 + a ) (3.25)
y
B = 2 Ac ( 1 − a ) (3.26)
Por tanto,
A + B = 4 Ac (3.27)
y
A − B = 4 Ac a (3.28)
El índice de modulación es dado por
A − B 4 Ac a
= =a (3.29)
A + B 4 Ac
La Fig. 3.7 da ejemplos específicos para a = 0.3, 0.7, 1.0 y 1.5.

Figura 3.6 Forma general del trapezoide de modulación.
Figura 3.7 Trapezoide de modulación para a = 0.3, 0.7, 1.0 y 1.5.
Observe que las partes superiores e inferiores de la envolvente del trapezoide de modulación son líneas rectas.
Esto proporciona una prueba sencilla para la linealidad. Si la combinación modulador/transmisor no es lineal,
las formas de los bordes superior e inferior del trapezoide dejan de ser líneas rectas.
3.3 MODULACIÓN DE BANDA LATERAL ÚNICA (SSB)
En nuestro desarrollo de la DSB, vimos que la USB y la LSB tienen simetrías par de amplitud e impar de fase
alrededor de la frecuencia portadora. Por tanto, la transmisión de ambas bandas no es necesaria, ya que
cualquiera de las bandas laterales contiene suficiente información para reconstruir la señal del mensaje m(t). La
eliminación de una de las bandas laterales antes de la transmisión resulta en la modulación de banda lateral
única (SSB, por su siglas en inglés), la cual reduce el ancho de banda de la salida del modulador de 2W a W,
donde W es el ancho de banda de m(t). Sin embargo, este ahorro en ancho de banda es acompañado por un
aumento considerable en complejidad.
En las páginas siguientes se usan dos métodos diferentes para deducir la expresión en el dominio del tiempo
para la señal en la salida de un modulador de SSB. Aunque los dos métodos son equivalentes, ellos representad
dos puntos de vista diferentes. En el primer método, la función de transferencia del filtro utilizada para generar
una señal SSB a partir de una señal DSB se deriva usando la transformada de Hilbert. El segundo método deriva
la señal SSB directamente a partir de m(t) utilizando los resultados ilustrados en la Fig. 2.29 y el teorema de
traslación de frecuencias.
La generación de una señal SSB mediante filtrado de banda lateral se ilustra en la Fig. 3.9. Primero, se forma
una señal DSB, xDSB(t). El filtrado de la señal DSB produce una señal SSB de banda lateral superior o banda
lateral inferior, dependiendo de la pasabanda del filtro seleccionada.
xSSB(t)
Filtro de
banda lateral
Figura 3.9 Generación de SSB mediante filtrado de banda lateral. (a) Modulador SSB. (b) Espectros (unilaterales).
El proceso de filtrado que produce la SSB de banda lateral inferior se ilustra en detalle en la Fig. 3.10. Una señal
SSB de banda lateral inferior se puede generar pasando una señal DSB a través de un filtro ideal que pasa la LSB
y rechaza la USB. De la Fig. 3.10(b) se deduce que la función de transferencia de este filtro es
1
HL ( f ) =  sgn ( f + f c ) − sgn ( f − f c )  (3.30)
2
Puesto que la transformada de Fourier de una señal DSB es
1 1
XDSB ( f ) = Ac M ( f + f c ) + Ac M ( f − f c ) (3.31)
2 2
la transformada de la señal SSB de banda lateral inferior es
1
Xc ( f ) = Ac  M ( f + f c ) sgn ( f + f c ) + M ( f − f c ) sgn ( f + f c ) 
4
1
− Ac  M ( f + f c ) sgn ( f − f c ) + M ( f − f c ) sgn ( f − f c )  (3.32)
4
que es
1
Xc ( f ) = Ac  M ( f + f c ) + M ( f − f c ) 
4
1
+ Ac  M ( f + f c ) sgn ( f + f c ) − M ( f − f c ) sgn ( f − f c )  (3.33)
4
De nuestro estudio de la DSB sabemos que
1 1
Ac m(t ) cos ( 2 πf c t ) ↔ Ac  M ( f + f c ) + M ( f − f c )  (3.34)
2 4
y de nuestro estudio de la transformada de Hilbert en el Capítulo 3, recuerde que
Espectro DSB
Espectro SSB
Figura 3.10 Generación de SSB de banda lateral inferior. (a) Proceso de filtrado de banda
lateral. (b) Generación de filtro de banda lateral interior.
(t ) ↔ − j ( sgn f ) M ( f )
m
Por el teorema de traslación de frecuencia, tenemos
m(t )e ± j 2 πfc t ↔ M ( f ∓ f c ) (3.35)
ˆ (t ) en la ecuación anterior, se obtiene

Reemplazando m(t) por m
ˆ (t ) e ± j 2 πfc t ↔ − jM ( f ∓ f c ) sgn ( f ∓ f c )
m (3.36)
Por tanto,
ℑ−1 { 1
4
Ac  M ( f + f c ) sgn ( f + f c ) − M ( f − f c ) sgn ( f − f c )  }
1 1 1
= − Ac mˆ (t )e − j 2 πfc t + Ac ˆ (t )e + j 2 πfc t = m
m ˆ (t )sen ( 2 πf c t ) (3.37)
4j 4j 2
Al combinar las Ec. (3.34) y la Ec. (3.37), se obtiene la forma general de una señal SSB de banda lateral inferior:
1 1
xc ( t ) = ˆ (t )sen ( 2 πf c t )
Ac m(t )cos ( 2 πf c t ) + Ac m (3.38)
2 2
Se puede hacer un desarrollo similar para la SSB de banda lateral superior. El resultado es
1 1
xc ( t ) = ˆ (t )sen ( 2 πf c t )
Ac m(t )cos ( 2 πf c t ) − Ac m (3.39)
2 2
la cual muestra que los moduladores LSB y USB tienen las mismas ecuaciones de definición excepto por el signo
del término que representa la transformada de Hilbert de la modulación. La observación del espectro de una
señal SSB ilustra que los sistemas SSB no tienen una respuesta de CD.
La generación de la SSB por el método de filtrado de banda lateral de la salida de moduladores DSB requiere
del uso de filtros que sean casi ideales si m(t) contiene información de baja frecuencia. Otro método para generar
una señal SSB, conocido como modulación por desplazamiento de fase, se ilustra en la Fig. 3.11. Este sistema es una
realización de término por término de la Ec. (3.38) o la Ec. (3.39). Igual que los filtros requeridos para filtrado de
bandas laterales, el desplazador de fase ideal de banda ancha, el cual realiza la operación de la transformación
de Hilbert, es imposible de implementar en forma exacta. Sin embargo, como la frecuencia en la cual ocurre la
discontinuidad es f = 0 en vez de f = fc, los dispositivos de corrimiento de fase ideales pueden aproximarse
bastante bien.
Oscilador de
portadora
Figura 3.11 Modulador por desplazamiento de fase.
Una derivación alterna de xc(t) para una señal SSB se basa en el concepto de una señal analítica. Como se
muestra en la Fig. 3.12(a), la porción de frecuencia positiva de M ( f ) es dada por
1
Mp ( f ) = ˆ (t )}
ℑ{m(t ) + jm (3.40)
2
y la porción de frecuencia negativa de M ( f ) es dada por
1
Mn ( f ) = ˆ (t )}
ℑ{m(t ) − jm (3.41)
2
Por definición, una señal SSB de banda lateral superior es dada en el dominio de frecuencias por
1 1
Xc ( f ) = Ac M p ( f − f c ) + Ac M n ( f + f c ) (3.42)
2 2
La transformada de Fourier inversa produce
1 1
xc ( t ) = ˆ (t )] e j 2 πfc t + Ac [ m(t ) − jm
Ac [ m(t ) + jm ˆ (t )] e − j 2 πfc t (3.43)
4 4
que es
1 1
xc ( t ) =m(t ) [ e j 2 πf c t + e − j 2 πf c t ] + j m ˆ (t ) [ e j 2 πfc t − e − j 2 πfc t ]
4 4
1 1
= Ac m(t )cos ( 2 πf c t ) − Ac m ˆ (t )sen ( 2 πf c t ) (3.44)
2 2
Esta última expresión es claramente equivalente a la Ec. (3.39).
Figura 3.12 Derivación alterna de señales SSB. (a) M( f ) , M p ( f ) y Mn ( f ) . (b) Señal SSB de
banda lateral superior. (c) Señal SSB de banda lateral inferior.
La señal SSB de banda lateral inferior se obtiene en una forma similar. Por definición, para una señal SSB de
banda lateral inferior
1 1
Xc ( f ) = Ac M p ( f + f c ) + Ac Mn ( f − f c ) (3.45)
2 2
Luego de aplicar la transformada inversa, ésta se convierte en
1 1
xc ( t ) = ˆ (t )] e − j 2 πfc t + Ac [ m(t ) − jm
Ac [ m(t ) + jm ˆ (t )] e j 2 πfc t (3.46)
4 4
la cual puede escribirse como
1 1
xc ( t ) =m(t ) [ e j 2 πf c t + e − j 2 πf c t ] − j m ˆ (t ) [ e j 2 πfc t − e − j 2 πfc t ]
4 4
1 1
= Ac m(t )cos ( 2 πf c t ) + Ac m ˆ (t )sen ( 2 πf c t )
2 2
Esta expresión es claramente equivalente a la Ec. (3.38). Las Figs. 3.12(b) y (c) muestran los espectros de las
cuatro señales en este desarrollo: M p ( f + f c ) , M p ( f − f c ) , Mn ( f + f c ) y M n ( f − f c ) .
Existen varios métodos que pueden emplearse para demodular la señal SSB. La técnica más sencilla es
multiplicar xc(t) por una portadora demodulada y filtrar el resultado a pasabajas, como se ilustra en la Fig. 3.1(a).
Suponemos una portadora de demodulación que tiene un error de fase θ(t) que produce
1 1
ˆ (t )sen ( 2 πf c t )  {4 cos [ 2 πf c t + θ(t )]}
d(t ) =  Ac m(t ) cos ( 2 πf c t ) ± Ac m (3.47)
2 2 
donde el factor de 4 se escoge por conveniencia matemática. La expresión anterior puede escribirse como
d(t ) = Ac m(t )cos θ(t ) + Ac m(t ) cos [ 4 πf c t + θ(t )]

ˆ (t )sen θ(t ) ± m
∓ Ac m ˆ (t )sen [ 4πf c t + θ(t )] (3.48)
El filtrado de pasabajas y el escalamiento de amplitud producen

ˆ (t )sen θ(t )
yD (t ) = m(t ) cos θ(t ) ∓ m (3.49)
para la salida demodulada. La observación de la Ec. (3.49) ilustra que para θ(t) es igual a cero, la salida
demodulada es la señal del mensaje deseada. Sin embargo, si θ(t) es diferente de cero, la salida consiste de la
suma de dos términos. El primer término es una atenuación variable en el tiempo de la señal del mensaje y es la
salida que está presente en un sistema DSB que opere en una forma similar. El segundo término es un término
de diafonía y puede representar una seria distorsión si θ(t) no es pequeña.
Otra técnica útil para demodular una señal SSB es la reinserción de la portadora, la cual se ilustra en la Fig.
3.13. La salida de un oscilador local se añade a la señal recibida xr(t). Esto produce
1  ˆ (t )sen ( 2 πf c t )
e(t ) =  Ac m(t ) + K  cos ( 2 πf c t ) ± Ac m (3.50)
2 
que es la entrada al detector de envolvente. A continuación, se calcula la salida del detector de envolvente. Esto
es ligeramente más difícil para señales de la forma de (3.50) que para señales de la forma de (3.10), debido a que
están presentes los términos coseno y seno.
Detector de
envolvente
Figura 3.13 Demodulación usando reinserción de portadora.
Para deducir el resultado deseado, considérese la señal

x(t ) = a(t ) cos ( 2 πf c t ) − b(t )sen ( 2 πf c t ) (3.51)
la cual puede representarse como se ilustra en la Fig. 3.14. La Fig. 3.14 muestra la amplitud de la componente
directa a(t), la amplitud de la componente de cuadratura b(t) y la resultante R(t). De la Fig. 3.14 se obtiene que
a(t ) = R(t )cos θ(t ) y b(t ) = R(t )sen θ(t )
Esto produce
x(t ) = R(t )  cos θ(t ) cos ( 2 πf c t ) − sen θ(t )sen ( 2 πf c t )  (3.52)
que es
x(t ) = R(t )cos [ 2 πf c t + θ(t )] (3.53)
donde
 b(t ) 
θ(t ) = tan −1   (3.54)
 a(t ) 
La amplitud instantánea de R(t), que es la envolvente de la señal, es dada por
Eje de
cuadratura
Eje
directo
Figura 3.14 Representación directa-cuadratura de la señal.

R(t ) = a2 (t ) + b 2 (t ) (3.55)
y será la salida de un detector de envolvente con x(t) en la entrada si a(t) y b(t) varían lentamente con respecto a
cos ωc t .
Una comparación de las Ecs. (3.50) y (3.55) muestra que la envolvente de una señal SSB, después de la
reinserción de la portadora, es dada por
2 2
1  1 ˆ (t )
yD (t ) =  2 Ac m(t ) + K  +  2 Ac m (3.56)

que es la salida demodulada yD(t) en la Fig. 3.13. Si K se escoge lo suficientemente grande de manera que
2 2
1  1 ˆ (t )
 2 Ac m(t ) + K  ≫  2 Ac m 
la salida del detector de envolvente se convierte en
1
yD (t ) ≅ Ac m(t ) + K (3.57)
2
y de ésta se puede extraer la señal del mensaje. El desarrollo muestra que la reinserción de la portadora requiere
que la portadora generada localmente debe tener una fase coherente con la de la portadora de modulación
original. Esto se logra fácilmente en los sistemas de transmisión de voz. La frecuencia y la fase de la portadora
de demodulación pueden ser ajustadas manualmente hasta obtener inteligibilidad de la voz.
EJEMPLO 3.2
Como se vio en el análisis precedente, el concepto de banda lateral única probablemente se entiende mejor
usando análisis en el dominio de la frecuencia. Sin embargo, las formas de ondas SSB en el dominio del tiempo
también son interesantes y son el tema de este ejemplo. Supóngase que la señal del mensaje es dada por
m(t ) = cos ( 2 πf 1t ) − 0.4 cos ( 4πf 1t ) + 0.9 cos ( 6 πf 1t ) (3.58)
La transformada de Hilbert de m(t) es

m(t ) = sen ( 2 πf 1t ) − 0.4 sen ( 4πf 1t ) + 0.9 sen ( 6πf 1t ) (3.59)
Estas dos formas de ondas se muestran en las Figs. 3.15(a) y (b).

Como hemos visto, la señal SSB es dada por
Ac
xc ( t ) = ˆ (t )sen ( 2 πf c t ) 
m(t ) cos ( 2 πf c t ) ± m (3.60)
2 
donde la selección del signo depende de la banda usada para transmisión. Usando las Ecs. (3.51) a (3.55),
podemos escribir xc(t) en la forma estándar de (3.1). Esto da
xc (t ) = R(t ) cos [ 2 πf c t + θ(t )] (3.61)
donde la envolvente R(t) es
Ac
R(t ) = m 2 (t ) + m
ˆ 2 (t ) (3.62)
2
y θ(t), que es la desviación de fase de xc(t) es dada por
mˆ (t ) 
θ(t ) = ± tan −1   (3.63)
 m(t ) 
Por tanto, la frecuencia instantánea de θ(t) es
Figura 3.15 Señales en el dominio del tiempo para el sistema SSB. (a) Señal del mensaje.
(b) transformada de Hilbert de la señal del mensaje. (c) Envolvente de la señal SSB. (d)
Señal SSB de banda lateral superior con la señal del mensaje. (e) Señal SSB de banda
lateral inferior con la señal del mensaje.
d ˆ (t )  
[ 2 πfc t + θ(t )] = 2 πfc ±  tan −1 
d m
 (3.64)
dt d  m(t )  
De la Ec. (3.62) vemos que la envolvente de la señal SSB es independiente de la selección de la banda lateral.
Sin embargo, la frecuencia instantánea es una función más bien complicada de la señal del mensaje y también
depende de la selección de la banda lateral. Por tanto, vemos que la señal del mensaje m(t) afecta tanto a la
envolvente como a la fase de la portadora modulada xc(t). En la DSB y la AM, la señal del mensaje afecta
solamente la envolvente de xc(t).
La envolvente de la señal SSB, R(t), se muestra en la Fig. 3.15(c). La señal SSB de la banda lateral superior se
muestra en la Fig. 3.15(d) y la señal SSB de la banda lateral inferior se muestra en la Fig. 4.15(e). Se ve fácilmente
que las señales SSB de la banda lateral superior y de la banda lateral inferior tienen la envolvente mostrada en la
Fig. 3.15(c). La señal del mensaje m(t) también se muestra en las Figs. 3.15(d) y (e).
3.4 MODULACIÓN DE BANDA LATERAL RESIDUAL (VSB)
Hemos visto que la DSB requiere de un ancho de banda excesivo y que la generación de la SSB mediante filtrado
de una banda lateral sólo puede realizarse de forma aproximada. Adicionalmente, la SSB tiene un desempeño
pobre en baja frecuencia. La modulación de banda lateral residual (VSB, por sus siglas en inglés) ofrece un
compromiso permitiendo que una pequeña cantidad, o residuo, de la banda lateral no deseada aparezca en la
salida de un modulador SSB; el diseño del filtro de banda lateral se simplifica, ya que la necesidad de un corte
agudo en la frecuencia de corte es eliminada. También, un sistema VSB tiene una respuesta de baja frecuencia
mejorada en comparación con la SSB y puede hasta tener una respuesta de CD. Un ejemplo sencillo ilustrará la
técnica.
EJEMPLO 3.3
Por sencillez, supóngase que la señal del mensaje es la suma de dos sinusoides:
m(t ) = A cos ( 2 πf 1t ) + B cos ( 2 πf 2 t ) (3.65)
Esta señal de mensaje es entonces multiplicada por una portadora, cos ( 2 πf c t ) , para formar una señal DSB:
1 1
eDSB (t ) = A cos  2 π ( f c − f 1t )  + A cos  2 π ( f c + f 1t ) 
2 2
1 1
+ B cos  2 π ( f c − f 2 t )  + B cos  2 π ( f c + f 2 t )  (3.66)
2 2
La Fig. 3.16(a) muestre el espectro unilateral de esta señal. Antes de la transmisión, se usa un filtro VSB para
generar la señal VSB. La Fig. 3.16(b) muestra la respuesta de amplitud supuesta del filtro VSB. La parte inclinada
de la respuesta del filtro VSB debe tener la simetría mostrada en torno a la frecuencia de la portadora. La Fig.
3.16(c) muestra el espectro unilateral de la salida del filtro VSB.
Supóngase que el filtro VSB tiene las respuestas de amplitud y fase siguientes:
H ( f c − f 2 ) = 0, H ( f c − f 1 ) = ε e − jθa , H ( f c + f 1 ) = ( 1 + ε ) e − jθb , H ( f c + f 2 ) = 1 e − jθb (3.67)
La entrada al filtro VSB es la señal DSB que, en forma de envolvente compleja, puede expresarse como
 A A B B  
xDSB (t ) = Re  e − j 2 πf 1t + e j 2 πf1t + e − j 2 πf 2 t + e j 2 πf 2 t  e j 2 πf c t  (3.68)
 2 2 2 2  
Ahora se usan las características de amplitud y fase del filtro VSB para obtener la señal VSB
  A − j 2 πf t +θ A j 2 πf t −θ B j 2 πf t −θ  
xc (t ) = Re   ε e ( 1 a ) + ( 1 − ε ) e ( 1 b ) + e ( 2 c )  e j 2 πfc t  (3.69)
 2 2 2  
La demodulación se lograr al multiplicar por 2 e − j 2 πfc t y tomar la parte real. El resultado es
e(t ) = A ε cos ( 2 πf 1t + θ a ) + A ( 1 − ε ) cos ( 2 πf 1t − θb ) + B cos ( 2 πf 2 t − θc ) (3.70)
Para que los primeros dos términos se combinen como en la Ec. (3.70), debemos satisfacer
θ a = −θb (3.71)
Figura 3.16 Generación de modulación de banda lateral residual. (a) Espectro de

magnitud de la DSB (unilateral). (b) Característica del filtro VSB cerca de fc. (c)
Espectro de magnitud de la VSB.
la cual muestra que la respuesta de fase debe tener simetría impar en torno a fc y, además, como e(t) es real, la
respuesta de fase del filtro VSB también debe tener una respuesta de fase impar en torno a f = 0. Con θa = −θb,
tenemos
e(t ) = A cos ( 2 πf 1t − θb ) + B cos ( 2 πf 2 t − θc ) (3.72)
Todavía se debe determinar la relación entre θc y θb.

Como vimos en el Capítulo 2, para que la señal demodulada e(t) sea una versión no distorsionada (en amplitud
o en fase) de la señal del mensaje original m(t), e(t) debe una versión escalada en amplitud y retrasada en el
tiempo de m(t). En otras palabras,
m(t ) = Km ( t − τ ) (3.73)
Claramente, el escalamiento en amplitud es K = 1. Con el retardo τ, e(t) es
e(t ) = A cos  2 πf 1 ( t − τ )  + B cos  2 πf 2 ( t − τ )  (3.74)
Una comparación de las Ecs. (3.72) y (3.74) muestra que

θb = 2 πf 1 τ (3.75)
y
θc = 2 πf 2 τ (3.76)
Para no tener distorsión de fase, el retardo debe ser el mismo para ambas componentes de e(t). Esto da
f2
θc = θb (3.77)
f1
Por tanto, vemos que la respuesta de fase del filtro VSB debe ser lineal en el ancho de banda de la señal de
entrada, lo que era de esperarse de nuestro estudio de sistemas sin distorsión en el Capítulo 2.
El ligero incremento en el ancho de banda requerido por la VSB sobre el requerido por la VSB con frecuencia es
más que compensado por las simplificaciones que resultan de la implementación. De hecho, si se añade una
componente de portadora a una señal VSB, se puede usar detección de envolvente. El desarrollo de esta técnica
se asemeja al desarrollo de la detección de envolvente de la SSB con reinserción de portadora y se deja para los
problemas. Sin embargo, el proceso se demuestra en el ejemplo siguiente.
EJEMPLO 3.4
En este ejemplo se consideran las formas de ondas en el dominio del tiempo correspondientes a la modulación
VSB y se considera la demodulación usando detección de envolvente o reinserción de portadora. Se supone la
misma señal del mensaje
m(t ) = cos ( 2 πf 1t ) − 0.4 cos ( 4πf 1t ) + 0.9 cos ( 6 πf 1t ) (3.78)
La señal del mensaje m(t) se muestra en la Fig. 3.17(a). La señal VSB se puede expresar como
xc (t ) = Ac ε 1 cos  2 π ( f c − f 1 ) t  + ( 1 − ε1 ) cos  2 π ( f c − f 1 ) t  

− 0.4 cos  2 π ( f c − 2 f 1 ) t  − 0.4 ( 1 − ε 2 ) cos  2 π ( f c − 2 f 1 ) t 
+ 0.9ε 3 cos  2 π ( f c − 3 f 1 ) t  − 0.9 ( 1 − ε 3 ) cos  2 π ( f c − 3 f 1 ) t  (3.79)
La portadora modulada, junto con la señal del mensaje, se muestra en la Fig. 3.17(b) para ε1 = 0.64, ε2 = 0.78 y
ε 3 = 0.92 . El resultado de la reinserción de portadora y de la detección de envolvente se muestra en la Fig.
3.17(c). La señal del mensaje, polarizada por la amplitud de la componente de portadora, se muestra claramente
y será la salida de un detector de envolvente.
Figura 3.17 Señales en el dominio del tiempo para un sistema VSB. (a) Señal del mensaje. (b)
Señal VSB y señal del mensaje. (c) Suma de la señal VSB y la señal portadora.
3.5 TRASLACIÓN Y MEZCLADO DE FRECUENCIAS
Con frecuencia es deseable trasladar una señal de pasabanda a una nueva frecuencia central. La traslación de
frecuencias se usa en la implementación de receptores de comunicaciones y también en varias otras aplicaciones.
El proceso de traslación de frecuencias se puede alcanzar mediante multiplicación de la señal de pasabanda por
una señal periódica y se conoce como mezclado. En la Fig. 3.18 se muestra un diagrama de bloques de un
mezclador. Como un ejemplo, la señal de pasabanda m(t )cos ( 2 πf 1t ) puede trasladarse desde f1 hasta una nueva
frecuencia portadora f2 multiplicándola por una señal de un oscilador local de la forma 2 cos  2 π ( f 1 ± f 2 ) t  .
Mediante el uso de identidades trigonométricas apropiadas, se puede demostrar fácilmente que el resultado de
la multiplicación es
e(t ) = m(t ) cos ( 2 πf 2 t ) + m(t ) cos ( 4πf 1 ± 2 πf 2 ) t (3.80)
El término indeseado se remueve mediante filtrado. El filtro debe tener un ancho de banda de por lo menos 2W
para la modulación DSB supuesta, donde W es el ancho de banda de m(t).
Filtro de
pasabanda
Frecuencia
central
ω2
Oscilador
local
Figura 3.18 Mezclador
Un problema común con mezcladores resulta del hecho de que dos señales de entrada diferentes pueden
trasladarse a la misma frecuencia, f2. Por ejemplo, entradas de la forma k(t )cos  2 π ( f 1 ± 2 f 2 ) t  también son
trasladadas a f2, puesto que
2 k(t ) cos  2 π ( f 1 ± 2 f 2 ) t  cos  2 π ( f 1 ± f 2 ) t  = k(t ) cos ( 2 πf 2 t )

+ k(t )cos  2 π ( 2 f 1 ± 3 f 2 ) t  (3.81)
En la Ec. (3.81), todos los tres signos deben ser “más” o todos los tres signos deben ser “menos”. La frecuencia de
entrada f 1 ± 2 f 2 , que resulta en una salida en f2, se conoce como la frecuencia imagen de la frecuencia deseada f1.
Para ilustrar que las frecuencias imagen deben ser consideradas en el diseño del receptor, considérese el
receptor superheterodino mostrado en la Fig. 3.19. La frecuencia portadora de la señal a demodular es fc y el
filtro de frecuencia intermedia (FI) es un filtro de pasabanda con frecuencia central fFI, la cual es fija. El receptor
superheterodino tiene buena sensibilidad (la habilidad para detectar señales débiles) y selectividad (la habilidad
para separar señales entre sí). Esto resulta porque el filtro FI, el cual proporciona la mayoría del filtrado de
predetección, no necesita ser sintonizable. Por tanto, puede ser un filtro bastante complejo. La sintonización del
receptor se logra variando la frecuencia del oscilador local. El receptor superheterodino de la Fig. 3.19 es el
mezclador de la Fig. 3.18 con fc = f1y fFI = f2. El mezclador traslada la frecuencia de entrada fc a la frecuencia FI fFI.
Como se mostró previamente, la frecuencia imagen f c ± 2 f FI , donde el signo depende de la selección de la
frecuencia del oscilador local, también aparecerá en la salida de FI. Esto significa que si estamos intentando
recibir una señal que tiene una frecuencia portadora fc, también podemos recibir una señal en f c + 2 f FI si la
frecuencia del oscilador local es f c + f FI o una señal en f c − 2 f FI si la frecuencia del oscilador local es f c − f FI .
Existe solamente una frecuencia imagen, y siempre está separada de la frecuencia deseada por 2fFI. La Fig. 3.20
muestra la señal deseada y la señal imagen para un oscilador local que tiene una frecuencia
Filtro de
Filtro de radio
frecuencia Salida
–frecuencia Demodulador
intermedia
(RF) y
(FI) y
amplificador
amplificador
Oscilador
local
Figura 3.19 Receptor superheterodino.
f OL = f c + f FI (3.82)
La frecuencia imagen puede ser eliminada por el filtro de radio frecuencia (RF). Una frecuencia FI estándar
para la radio AM es 455 kHz. Por tanto, la frecuencia imagen está separada de la señal deseada por casi 1 MHz.
Esto muestra que el filtro de RF no tiene que ser de banda angosta. Además, como la banda de difusión de la
AM ocupa la banda de 540 kHz a 1.6 MHz, es obvio que no se requiere un filtro de RF sintonizable, siempre y
cuando las estaciones que están en el extremo superior de la banda no estén ubicadas geográficamente cerca de
estaciones en el extremo inferior de la banda. Algunos receptores de bajo costo se aprovechan de este hecho.
Adicionalmente, si el filtro de RF se hace sintonizable, debe serlo solamente en una banda angosta de
frecuencias.
Señal
deseada
Oscilador
local
Señal en la
salida del
mezclador
Señal
imagen
Imagen en
la salida del
mezclador
Pasabanda
del filtro FI
Figura 3.20 Ilustración de las frecuencias imagen (sintonización del lado de alta).
Una decisión que se debe tomar cuando se diseña un receptor superheterodino es si la frecuencia del oscilador
local debe estar debajo de la frecuencia de la portadora de entrada (sintonización del lado de bajas) o por encima de
la frecuencia de la portadora de entrada (sintonización del lado de altas). Un ejemplo sencillo basado en la banda de
radiodifusión AM estándar ilustra una consideración importante. La banda AM estándar se extiende desde 540
kHz hasta 1600 kHz. Para este ejemplo, seleccionemos una frecuencia intermedia común de 455 kHz. Como se
muestra en la Tabla 3.1, para sintonización del lado de bajas, la frecuencia del oscilador local debe tener una
variación de 85 a 1600 kZ, lo que representa una banda de frecuencias en exceso de 13 a 1. Si se usa sintonización
en el lado de altas, la frecuencia del oscilador local debe variar de 995 a 2055 kHz, lo que representa una banda
de frecuencias ligeramente en exceso de 2 a 1. Los osciladores cuya frecuencia debe variar en una gran
proporción son mucho más difíciles de implementar que aquellos cuya frecuencia varía en una pequeña
proporción.
Tabla 3.1 Sintonización del Lado de Bajas y del Lado de Altas para Banda de Radiodifusión AM
con fFI = 455 kHz
Banda de sintonización
Frecuencia inferior Frecuencia superior del oscilador local
Banda de difusión AM
estándar
Frecuencias del
oscilador local para
sintonización del lado
de bajas
Frecuencias del
oscilador local para
sintonización en el lado
de altas
La proporción entre la señal deseada a ser demodulada y la señal imagen se resume en la Fig. 3.21 para
sintonización en los lados de bajas y de altas. La señal deseada a ser demodulada tiene una frecuencia portadora
de fc y la señal imagen tiene una frecuencia portadora de fi.
Señal imagen Señal deseada
Señal imagen Señal deseada
Figura 3.21 Relación entre fc y fi: (a) sintonización en el lado de bajas y (b) sintonización en el lado de altas.
3.6 INTERFERENCIA EN LA MODULACIÓN LINEAL
Ahora consideraremos el efecto de la interferencia en los sistemas de comunicación. En los sistemas del mundo
real, la interferencia proviene de varias fuentes, tales como emisiones de RF por transmisores que tienen
frecuencias portadoras cercanas a la de la portadora que está siendo demodulada. También estudiamos
interferencia porque el análisis de sistemas en la presencia de interferencia proporciona importantes ideas sobre
el comportamiento de sistemas que operan en la presencia de ruido, que es el tema del Capítulo 8. En esta
sección consideramos solamente la interferencia en la modulación lineal. La interferencia en la modulación
angular se tratará en el capítulo siguiente.
Como un caso sencillo de modulación lineal en la presencia de ruido, se considerará la señal recibida que tiene
el espectro (unilateral) mostrado en la Fig. 3.22. La señal recibida consiste de tres componentes: una componente
de portadora, un par de bandas laterales que representan una señal de mensaje sinusoidal y un tono interferente
indeseable de frecuencia f c + f i . La entrada al demodulador es entonces
xc (t ) = Ac cos ( 2 πf c t ) + Ai cos  2 π ( f c + f i ) t  + Am cos ( 2 πf m t ) cos ( 2 πf c t ) (3.83)
Si se multiplica xc(t) por 2 cos ( 2 πf c t ) y después se filtra a pasabajas (demodulación coherente), se obtiene
yD (t ) = Am cos ( 2 πf m t ) + Ai cos ( 2 πf i t ) (3.84)
donde hemos supuesto que la componente de interferencia es pasada por el filtro y que se bloquea el término de
CD resultante de la portadora. A partir de este ejemplo sencillo, vemos que la señal y la interferencia son
aditivos en la salida del receptor si la interferencia es aditiva en la entrada del receptor. Este resultado se obtuvo
porque el demodulador coherente opera como un demodulador lineal.
Figura 3.22 Espectro supuesto de la señal recibida.
El efecto de la interferencia con la detección de envolvente es bastante diferente debido a la naturaleza no lineal
del detector de envolvente. El análisis con la detección de envolvente es mucho más difícil que caso de la
demodulación coherente. Se puede obtener una mejor idea escribiendo xc(t) en una forma que conduzca al
diagrama fasorial. Para desarrollar este diagrama, escribimos la Ec. (3.83) en la forma
 1 1  
xr (t ) = Re  Ac + Ai e j 2 πf it + Am e j 2 πf mt + Am e − j 2 πf mt  e j 2 πfc t  (3.85)
 2 2  
El diagrama fasorial se construye con respecto a la portadora tomando la frecuencia portadora como igual a
cero. En otras palabras, graficamos el diagrama fasorial correspondiente a la señal envolvente compleja. El
diagrama se ilustra en la Fig. 3.23, con y sin interferencia. La salida de un detector de envolvente ideal es R(t) en
ambos casos. Los diagramas fasoriales ilustran que la interferencia induce una distorsión de amplitud y también
una desviación de fase.
El efecto de la interferencia con la detección de envolvente se determina escribiendo la Ec. (3.83) como
xr (t ) = Ac cos ( 2 πf c t ) + Am cos ( 2 πf m t ) cos ( 2 πf c t )

(3.86)
+ Ai  cos ( 2 πf c t ) cos ( 2 πf i t ) − sen ( 2 πf c t ) sen ( 2 πf i t ) 
que es
xr (t ) =  Ac + Am cos ( 2 πf c t ) + Ai cos ( 2 πf i t )  cos ( 2 πf c t ) − Ai sen ( 2 πf i t ) sen ( 2 πf c t ) (3.87)
Si Ac ≫ Ai . que es el caso de interés más común, el último término en la Ec. (3.87) es despreciable comparado
con el primer término y la salida del detector de envolvente es
yD (t ) ≅ Am cos ( 2 πf m t ) + Ai cos ( 2 πf i t ) (3.88)
suponiendo que se bloquea el término de CD. Por tanto, para el caso de baja interferencia, la detección de
envolvente y la demodulación coherente son esencialmente equivalentes.
Figura 3.23. Diagrama fasorial que ilustra la interferencia. (a) Diagrama

fasorial sin interferencia. (b) Diagrama fasorial sin interferencia.
Si Ac ≪ Ai , ya no se puede hacer la suposición de que el último término en la Ec. (3.87) es despreciable y la

salida es significativamente diferente. Para mostrar esto, la Ec. (3.83) se reescribe como
xr (t ) = Ac cos  2 π ( f c + f i − f i ) t  + Ai cos  2 π ( f c + f i ) t 
+ Am cos ( 2 πf mt ) cos  2 π ( f c + f i − f i ) t  (3.89)
la cual, al usar identidades trigonométricas apropiadas, se convierte en
{ }
x(t ) = Ac cos  2 π ( f c + f i ) t  cos ( 2 πf i t ) + sen  2 π ( f c + f i ) t  sen ( 2 πf i t )
{
+ Ai cos  2 π ( f c + f i ) t  + Am cos ( 2 πf m t ) cos  2 π ( f c + f i ) t  cos ( 2 πf i t )
+ sen  2 π ( f c + f i ) t  sen ( 2 πf i t )} (3.90)
La Ec. (3.90) también puede escribirse como
xr (t ) =  Ai + Ac cos ( 2 πf i t ) + Am cos ( 2 πf m t ) cos ( 2 πf i t )  cos  2 π ( f c + f i ) t 

+  Ac sen ( 2 πf i t ) + Am sen ( 2 πf m t ) sen ( 2 πf i t )  sen  2 π ( f c + f i ) t  (3.91)
Si Ai ≫ Ac , el último término en la Ec. (3.91) es despreciable con respecto al primer término. Se concluye
entonces que la salida del detector de envolvente es aproximada por
yD (t ) ≅ Ac cos ( 2 πf i t ) + Am cos ( 2 πf m t ) cos ( 2 πf i t ) (3.92)
En este punto se deben hacer varias observaciones. En detectores de envolvente, el mayor componente de
frecuencia es tratado como la portadora. Si Ac ≫ Ai , la portadora de demodulación efectiva tiene una frecuencia
fc, en tanto que si Ai ≫ Ac . la frecuencia de portadora efectiva se vuelve la frecuencia interferente f c + f i .
Los espectros de la salida del detector de envolvente se muestran en la Fig. 3.24 para Ac ≫ Ai y para Ac ≪ Ai .
Para Ac ≫ Ai , el tono interferente simplemente aparece como una componente sinusoidal, que tiene la
frecuencia fi en la salida del detector de envolvente. Esto ilustra que para Ac ≫ Ai , el detector de envolvente se
desempeña como un demodulador lineal. La situación es muy diferente para Ac ≪ Ai , como puede verse en la
Ec. (3.92) y en la Fig. 3.24(b). Par este caso, vemos que la señal de mensaje sinusoidal, la cual tiene una frecuencia
fm, modula el tono interferente. La salida del detector de envolvente tiene un espectro que recuerda el espectro
de una señal AM con frecuencia portadora fc y componentes de bandas laterales en f i + f m y f i − f m . La señal del
mensaje efectivamente se pierde. Esta degradación de la señal deseada se denomina el efecto de umbral y es una
consecuencia de la naturaleza no lineal del detector de envolvente. En el Capítulo 8 se estudiará en detalle el
efecto de umbral cuando se estudie el efecto del ruido en los sistemas analógicos.
Figura 3.24 Espectros de salida del detector de envolvente. (a) Ac ≫ Ai . (b) Ac ≪ Ai
3.7 MODULACIÓN DE AMPLITUD DE PULSOS – PAM
En el Capítulo 2 (Sección 2.8), vimos que señales continuas limitadas en banda pueden representarse mediante
una secuencia de muestras discretas y que la señal continua puede ser reconstruida con un error despreciable si
la tasa de muestreo es lo suficientemente alta. El estudio de señales muestreadas nos lleva al tema de la
modulación de pulsos. La modulación de pulsos puede ser bien sea analógica, en la cual algún atributo de un
pulso se varía continuamente en correspondencia uno a uno con un valor de muestra, o digital, en el cual algún
atributo de pulso puede toman un cierto valor tomado de un conjunto de valores permisibles. En esta sección
examinamos la modulación de amplitud de pulsos (PAM, por sus siglas en inglés). En la sección a continuación
se examina un par de ejemplo de la modulación digital de pulsos.
Como se mencionó, la modulación analógica de pulsos resulta cuando algún atributo de un pulso varía
continuamente en una correspondencia uno a uno con un valor de muestra. Se puede variar rápidamente tres
atributos: la amplitud, el ancho y la posición. Éstas conducen a la modulación de amplitud de pulsos (PAM),
modulación del ancho de pulsos (PWM, por sus siglas en inglés) y la modulación de la posición de pulsos (PPM,
por sus siglas en inglés), como se ilustra en la Fig. 3.25. En este capítulo sólo se estudiará la PAM. La modulación
del ancho de pulsos y la de la posición de los pulsos, la cual tiene las características de la modulación angular, se
consideran en el capítulo siguiente.
Una forma de onda PAM consiste de una secuencia de pulsos de tope plano que designan valores de muestras.
La amplitud de cada pulsos corresponde al valor de la señal del mensaje m(t) en el borde delantero del pulso. La
diferencia esencial entre la PAM y la operación de muestreo estudiada en el capítulo previo es que en la PAM se
permite que el pulso de muestreo tenga un ancho finito. El pulso de ancho finito puede generarse a partir de la
función de muestreo del tren de impulsos pasando las muestras del tren de impulsos a través de un circuito de
retención, como se muestra en la Fig. 3.26. La respuesta al impulso del circuito de retención ideal es dada por
 t − 21 τ 
h(t ) = Π   (3.93)
 τ 
El circuito de retención transforma las muestras de la función impulso, dadas por

mδ (t ) = m ( nTs ) δ ( t − nTs ) (3.94)
en la forma de onda PAM dada por

 ( t − nTs ) + 21 τ 
mc (t ) = m ( nTs ) Π   (3.95)
 τ 
como se ilustra en la Fig. 3.26. La función de transferencia del circuito de retención es

H ( f ) = τ sinc ( f τ ) e − jπf τ (3.96)
Señal
analógica
Señal PAM
(muestras)
Señal
PWM
Señal
PPM
Figura 3.25 Ilustración de PAM, PWM y PPM.
Entrada m δ (t) Salida PAM

h(t)
Pendiente = −πτ
Figura 3.26 Generación de PAM. (a) Red de retención. (b) Respuesta al impulso de red de retención. (c)
Respuesta de amplitud de la red de retención. (d) Respuesta de fase de la red de retención.
Puesto que la red de muestreo no tiene una respuesta de amplitud constante en el ancho de banda de m(t), ello
resulta en distorsión de amplitud. Esta distorsión de amplitud, la cual puede ser significativa a menos que el
ancho del pulso τ sea muy pequeño, puede removerse si las muestras se pasan, antes de la reconstrucción de
m(t), a través de un filtro que tiene una respuesta de amplitud igual a 1 H ( f ) en el ancho de banda de m(t).
Este proceso se conoce como compensación (“equalization” en inglés) y se estudiará con más detalle
posteriormente en este libro. Como la respuesta de fase de la red de retención es lineal, el efecto es un retardo
temporal y normalmente puede ignorarse.
3.8 MODULACIÓN DIGITAL DE PULSOS
Ahora examinaremos brevemente dos tipos de modulación digital de pulsos: la modulación delta y la
modulación codificada de pulsos (PCM, por sus siglas en inglés).
3.8.1 Modulación Delta
La modulación delta (DM, por sus siglas en inglés) es una técnica de modulación en la cual la señal del mensaje
es codificada como una secuencia de símbolos binarios. Estos símbolos binarios son representados por la
polaridad de funciones impulso en la salida del modulador. Los circuitos electrónicos para implementar tanto el
modulador como el demodulador son extremadamente sencillos. Esta sencillez hace que la DM sea una técnica
muy atractiva para muchas aplicaciones.
En la Fig. 3.27(a) se muestra un diagrama de bloques de un modulador delta. La entrada a la parte del
modulador de pulsos del circuito es
d(t ) = m(t ) − ms (t ) (3.97)
donde m(t) es la señal del mensaje y ms(t) es una forma de señal de referencia. La señal d(t) es delimitada o
cortada y multiplicada por la salida del generador de pulsos. Esto produce
xc (t ) = ∆(t ) δ ( t − nTs ) (3.98)
donde ∆(t) es una versión cortada de d(t). La expresión precedente puede escribirse como
xc (t ) = ∆ ( nTs ) δ ( t − nTs ) (3.99)
Por tanto, la salida del modulador delta es una serie de impulsos, cada uno con polaridad positiva o negativa
dependiendo del signo de d(t) en los instantes de muestreo. En las aplicaciones prácticas, la salida del generador
no es, por supuesto, una secuencia de funciones impulso sino más bien una secuencia de pulsos que son
angostos con respecto a sus periodos. Aquí se suponen funciones impulso debido a la sencillez matemática
resultante. La señal de referencia ms(t) es generada por integración de xc(t). Esto produce
t
ms (t ) = ∆ ( nTs )
∫ δ ( α − nT ) dα
s (3.100)
que es una aproximación escalonada de m(t). La señal de referencia ms(t) se muestra en la Fig. 3.27(b) para una
m(t) supuesta. La forma de onda transmitida xc(t) se ilustra en la Fig. 3.27(c).
La demodulación de la DM se logra integrando xc(t) a partir de la aproximación escalonada de ms(t). Esta señal
puede entonces filtrarse a pasabajas para suprimir los saltos discretos en ms(t). Puesto que un filtro de pasabajas
aproxima un integrador, con frecuencia es posible eliminar del demodulador la porción del integrador y
demodular la DM simplemente con filtrado de pasabajas, como se hizo para la PAM y la PWM. Una dificultad
con la DM es el problema de la sobrecarga por pendiente. La sobrecarga por pendiente ocurre cuando la señal
del mensaje m(t) tiene una pendiente mayor que la que puede ser seguida por la aproximación escalonada ms(t).
Este efecto se ilustra en la Fig. 3.28(a), la cual muestra un cambio en escalón en m(t) en el instante t0. Suponiendo
que cada pulso en xc(t)tiene peso δ0, la máxima pendiente que puede ser seguida por ms(t) es δ0 Ts , como se
muestra. La Fig. 3.18(b) muestra la señal de error resultante debida a un cambio escalonado en m(t) en t0. Se
puede ver que existe un error significativo por algún tiempo siguiendo el cambio escalonado en m(t). La
duración del error debido a la sobrecarga por pendiente depende de la amplitud del escalón, de los pesos δ0 y
del periodo de muestreo Ts.
Se puede realizar un análisis sencillo suponiendo que la señal del mensaje m(t) es la señal sinusoidal
m(t ) = A sen ( 2 πf 1t ) (3.101)
La pendiente máxima que ms(t) puede seguir es

δ0
Sm = (3.102)
Ts
Generador
de pulsos
Limitador
Modulador de pulsos
Figura 3.27 Modulación delta. (a) Modulador delta. (b) Forma de onda de modulación y
aproximación escalonada. (c) Salida del modulador.
Figura 3.28 Ilustración de la sobrecarga por pendiente. (a) Ilustración de m(t) y ms(t). (b)
Error entre m(t) y ms(t). resultante de un cambio en escalón en m(t).
y la derivada de m(t) es
d
m(t ) = 2 πAf 1 cos ( 2 πf 1t ) (3.103)
dt
Se concluye que ms(t) puede seguir a m(t) sin sobrecarga por pendiente si
δ0
≥ 2 πAf 1 (3.104)
Ts
3.8.2 Modulación Codificada de Pulsos
La generación de la PCM es un proceso de tres etapas, como se ilustra en la Fig. 3.29(a). La señal del mensaje m(t)
es primero muestreada y los valores de muestra resultante son entonces cuantizados. En la PCM, el nivel de
cuantización de cada muestra es la cantidad transmitida en vez del valor de la muestra. Típicamente, el nivel de
cuantización es codificado como una secuencia binaria, como se muestra en la Fig. 3.29(b). La salida del
modulador es una representación con pulsos de la secuencia binaria, la cual se muestra en la Fig. 3.29(c). Un
“uno” binario es representado como un pulso y un “cero” binario es representado como la ausencia de un pulso.
Esta ausencia de un pulso se indica mediante una línea punteada en la Fig. 3.29(c). La forma de onda PCM de la
Fig. 3.29(c) muestra que un sistema PCM requiere de sincronización de modo que los puntos de arranque de las
palabras digitales puedan ser determinadas en el demodulador. La PCM también requiere de un ancho de
banda lo suficientemente grande para soportar la transmisión de los pulsos angostos. La Fig. 3.29(c) es una
representación altamente idealizada de una señal PCM. Se presentarán representaciones más prácticas de
señales, junto con los requerimientos de ancho de banda para cada una, cuando se estudien los códigos de líneas
en el Capítulo 5.
Muestreador Cuantizador Codificador

Salida
Número del
nivel de Salida
cuantización codificada
Figura 3.29 Generación de la PCM. (a) Modulador PCM. (b) Cuantizador y

codificador. (c) Representación de la salida del codificador.
Para considerar los requerimientos de ancho de banda de un sistema PCM, supóngase que se usan q niveles de
cuantización, que satisfacen la relación
q = 2n (3.105)
donde n, la longitud de la palabra, es un entero. Para este caso, deben transmitirse n = log 2 q pulsos por cada
muestra de la señal del mensaje. Si esta señal tiene un ancho de banda W y la frecuencia de muestreo es 2W,
entonces se deben transmitir 2nW pulsos binarios por segundo. Por tanto, el ancho máximo de cada pulso
binario es
( ∆τ )máx = 1 (3.106)
2nW
En el Capítulo 2 se vio que el ancho de banda requerido para la transmisión de un pulso es inversamente
proporcional al ancho del pulso, de manera que
B = 2 knW (3.107)
donde B es el ancho de banda requerido del sistema PCM y k es una constante de proporcionalidad. Observe
que hemos supuesto que tenemos una frecuencia de muestreo mínima y un valor mínimo de ancho de banda
para la transmisión de un pulso. La Ec. (3.107) muestra que el ancho de banda de la señal PCM es proporcional
al producto del ancho de banda W de la señal del mensaje y de la longitud de la palabra n.
Si la principal fuente de errores en el sistema es el error de cuantización, se deduce que un requisito de un
error pequeño impone una larga longitud de palabra lo que resulta en un gran ancho de banda de transmisión.
Por tanto, en un sistema PCM, se puede tener un intercambio de error de cuantización por ancho de banda.
Veremos que esta conducta es típica de muchos sistemas no lineales que operan en ambientes ruidosos. Sin
embargo, antes de poder analizar los efectos del ruido, debe desviarnos y desarrollar la teoría de probabilidades
y procesos aleatorios. El conocimiento de esta área nos permite modelar con precisión sistemas de comunicación
realistas y prácticos que operan diariamente en ambientes no idealizados.
3.8.3 Multicanalización por División de Tiempo
La multicanalización (“multiplexing”) (TDM, por sus siglas en inglés) se entiende mejor si se estudia la Fig.
3.30(a). Se supone que las fuentes de datos han sido muestreadas con la tasa de Nyquist o más alta. Entonces el
conmutador entrelaza las muestras para formar la señal de banda base mostrada en la Fig. 3.30(b). En la salida
del canal, la señal de banda base es desconcentrada (desmultiplexada) usando un segundo conmutador, como se
ilustra. La operación apropiada de este sistema de una sincronización adecuada entre los dos conmutadores.
Si todas las señales de mensajes tienen el mismo ancho de banda, entonces las muestras son transmitidas en
forma secuencial, como se muestra en la Fig. 3.30(b). Si las señales de datos muestreadas tienen anchos de banda
desiguales, se deben transmitir más muestras por unidad de tiempo de las canales de banda ancha. Esto se logra
fácilmente si los anchos de banda están relacionados armónicamente. Por ejemplo, supóngase que un sistema
TDM tiene cuatro canales de datos. Suponga también que el ancho de banda de las fuentes de datos primera y
segunda, s1(t) y s2(t), es W Hz, el ancho de banda de s3(t) es 2W y el ancho de banda de s4(t) es 4W Hz. Es fácil
demostrar que una secuencia permisible de muestras de banda base es una secuencia periódica, un periodo de la
cual es … s1 s4 s3 s4 s2 s4 s3 s4 … .
El ancho de banda mínimo de una señal TDM de banda base es fácil de determinar usando el teorema de
muestreo. Si se supone la tasa de muestreo de Nyqyuisst, la señal de banda base contiene 2WiT muestras del i-
ésimo canal en cada intervalo de T segundos, donde Wi es el ancho de banda del i-ésimo canal. Por tanto, el
número total de muestras de la banda base en un intervalo de T segundos es
N
ns = ∑ 2W T
i =1
i (3.108)
Suponiendo que la señal de banda base es de pasabajas con un ancho de banda B, la tasa de muestreo requerida
es 2B. En un intervalo de T segundos, entonces tenemos 2BT muestras totales. Por tanto,
N
ns = 2 BT = ∑ 2W T
i =1
i (3.109)
o
N
B= ∑W
i =1
i (3.110)
que es igual al ancho de banda mínimo requerido obtenido para la FDM.
Fuente de Usuario de
información información
1 Sincronización 1
Fuente de Usuario de
información Canal información
2 2
Fuente de Señal de Usuario de

información banda base información
N N
Figura 3.30 Multicanalización por división de tiempo. (a) Sistema TDM. (b) Señal de banda base.
3.8.4 Un Ejemplo: El Sistema de Telefonía Digital
Como un ejemplo de un sistema TDM digital, se considerará un esquema de multicanalización común en

muchos sistemas telefónicos. El formato digital se ilustra en la Fig. 3.31(a). Una señal de voz es muestreada a
8000 muestras por segundo y cada muestra es cuantizada como siete dígitos binarios. Se añada un dígito binario
adicional, conocido como un bit de señalización, a los siete bits básicos que representan el valor de la muestra. El
bit de señalización se usa para establecer Híadas y para sincronización. Por tanto, se transmiten ocho bits por
cada valor de muestra; esto produce una tasa de bits de 64000 bits/s (64 kbps). Veinticuatro de estos canales de
voz de 64 kbps son agrupados para producir una portadora T1. La trama T1 consiste de 24(8) + 1 = 193 bits. El
bit adicional se usa para sincronización de tramas. La duración de la trama es el recíproco de la frecuencia de
muestreo fundamental, o 0.125 ms. Puesto que la tasa de tramas es 8000 tramas por segundo, con 193 bits por
trama, la tasa de datos de T1 es 1.544 Mbps.
Como se muestra en la Fig. 3.31(b), cuatro portadoras T1 puede combinarse para producir una portadora T2, la
cual consiste de 96 canales de voz. Siete portadoras T2 producen una portadora T3 y seis portadoras T3
producen una portadora T4. La tasa de bits de un canal T4, compuesto de 4032 canales de voz con bits de
señalización y bits de entramado, es 274.176 Mbps. Un enlace T1 se usa típicamente para distancias de
transmisión cortas en áreas de uso pesado. Los canales T4 y T5 se usan para distancias de transmisión largas.
Trama
0.125 ms
Trama de
Tasa de sincronización
Bit de
señalización Bit de señalización
señalización
paraelelcanal
canal11 para el canal 24
para
Canal 1 Canal 24
24 canales de
Canal
voz, 64 kbps
cada uno T1
4 canales Canal
T1 T2
7 canales Canal
T2 T3
6 canales Canal Canal T4

T3 T4
Figura 3.31 Esquema de multicanalización para telefonía digital. (a) Trama T1. (b) Multiplexado digital.
3.1 Una señal DSB tiene la señal de mensaje

m(t ) = 3 cos ( 40 πt ) + 7 sen ( 64 πt )
La portadora no modulada es dada por

c(t ) = 40 cos ( 2000 πt )
Determinar las frecuentas de las componentes de las bandas laterales y la potencia total transmitida.
3.2 Usando la misma señal de mensaje y portadora no modulada dada en el problema anterior y suponiendo
que la técnica de modulación es AM, determinar el índice de modulación y la eficiencia.
3.3 Un sistema AM opera con Ac = 100 y a = 0.8. Dibuje y dimensione completamente el trapezoide de
modulación.
3.4 Dibuje y dimensione completamente el trapezoide de modulación para AM con a > 1. Escriba la ecuación
para determinar el índice de modulación en términos de A y B.
3.5 Demuestre que una señal AM puede ser demodulada usando demodulación coherente suponiendo una
portadora de demodulación de la forma
2 cos [ 2 πf c t + θ(t )]
donde θ(t) es el error de fase de la demodulación.

3.6 Una señal de mensaje es dada por
m(t ) = 3 cos ( 40 πt ) + 7 sen ( 64 πt )
También, Ac = 20 V y fc = 300 Hz. Determinar las expresiones para las bandas laterales de la señal SSB. Escríbalas
en una forma que muestre la amplitud y la frecuencia de todas las componentes transmitidas.
3.7 La Ec. (3.63) da la amplitud y la fase para las componentes de una señal VSB centrada en torno a f = +fc. Dé
la amplitud y la fase de las componentes de la señal centrada en torno a f = −fc. Use estos valores para demostrar
que la señal VSB es real.
3.8 Una radio AM usa la frecuencia FI estándar de 455 kHz y está sintonizado para recibir una señal que tiene
una frecuencia portadora de 1020 kHz. Determine la frecuencia del oscilador local tanto para el lado alto de la
sintonización como para el lado bajo. Especifique las frecuencias imagen para cada uno.
3.9 La entrada a un receptor AM consiste de una portadora modulada (la señal del mensaje es de un solo tono)
y de términos interferentes. Suponiendo que Ai = 100 V, Am = 0.2 V, Ac = 1 V, fm = 10 Hz, fc = 300 Hz y fi = 320 Hz,
aproxime la salida del detector dando las amplitudes y frecuencias de todas las componentes en la salida del
detector de envolvente.
3.10 Una señal PAM se forma muestreando una señal analógica a 5 kHz. El ciclo de trabajo de los pulsos PAM
generados debe ser de 5%. Defina la función de transferencia del circuito de retención dando el valor de τ en la
Ec. (3.92). Defina la función de transferencia del filtro de compensación.
3.11 Reescriba la Ec. (3.100) para demostrar esa relación entre δ0 A y Ts f 1 . Una señal definida por
m(t ) = A cos ( 40 π )
se muestrea a 100 Hz para formar una señal DM. Dé el valor mínimo de δ0 A para prevenir la sobrecarga por
pendiente.
3.12 Una señal TDM consiste de cuatro señales que tienen ancho de banda de 1000, 2000, 4000 y 6000 Hz. ¿Cuál
es el ancho de banda total de la señal TDM compuesta? ¿Cuál es la frecuencia de muestreo más baja posible para
la señal TDM?
Problemas
Sección 3.1
3.1 Supóngase que una señal DSB

xc (t ) = Ac m(t )cos ( 2 πf c t + φ0 )
es demodulada usando la portadora de demodulación 2 cos [ 2 πf c t + θ(t )] . Determine, en general, la salida del
demodulador yD(t). Sea Ac = 1 y θ(t) = θ0, donde θ0 es una constante, y determine el error medio cuadrático entre
m(t) y la salida demodulada como una función de φ0 y θ0. Ahora, sea θ0 = 2 πf 0 t y calcule el error medio
cuadrático entre m(t) y la salida demodulada.
3.2 Una señal de mensaje es dada por
5
∑ k sen ( 2πkf t )
10
m(t ) = m
k =1
y la portadora es dada por

c(t ) = 100 cos ( 200πt )
Escriba la señal transmitida como una serie de Fourier y determine la potencia transmitida.
Sección 3.2
3.3 Diseñe un detector de envolvente que use un rectificador de onda completa en vez del rectificador de
media onda mostrado en la Fig. 3.3. Dibuje las formas de ondas resultantes, como se hizo para un rectificador de
media onda. ¿Cuáles son las ventajas del rectificador de onda completa?
3.4 Tres señales de mensajes son periódicas con periodo T, como se muestra en la Fig. 3.32. Cada una de las
tres señales de mensajes se aplica a un modulador AM. Para cada señal de mensaje, determine la eficiencia de la
modulación para a = 0.2, a = 0.3, a = 0.4, a = 0.7 y a = 1.
Figura 3.32
3.5 En la Fig. 3.33 se muestra la porción positiva de la envolvente de la salida de un modulador AM. La señal
del mensaje es una forma de onda que un valor de CD igual a cero. Determine el índice de modulación, la
potencia de la portadora, la eficiencia y la potencia en las bandas laterales.
Figura 3.33
3.6 Una señal de mensaje es una onda cuadrada con valores máximo y mínimo de 8 y −8 V, respectivamente.
El índice de modulación es a = 0.7 y la amplitud de la portadora es Ac = 100 V. Determine la potencia en las
bandas laterales y la eficiencia. Dibuje el trapezoide de modulación.
3.7 En este problema examinamos la eficiencia de la AM para el caso en el cual la señal del mensaje no tiene
valores máximo y mínimo simétricos. En la Fig. 4.34 se muestras dos señales de mensajes. Cada una es periódica
con periodo T y se escoge τ de manera que el valor de CD de m(t) sea cero. Calcule la eficiencia para cada m(t)
para a = 0.7 y a = 1.
3.8 Un modulador AM opera con la señal de mensaje
m(t ) = 9 cos ( 20πt ) − 8cos ( 60πt )
La portadora no modulada es dada por 110 cos ( 200πt ) y el sistema opera con un índice de 0.8.
Figura 3.34
(a) Escriba la ecuación para mn(t), la señal normalizada con un valor mínimo de −1.
(b) Determine mn2 (t ) , la potencia en mn(t).
(c) Determine la eficiencia del modulador.

(d) Dibuje el espectro bilateral de xc(t), la salida del modulador, dando los pesos y las frecuencias de
todas las componentes.
3.9 Resuelva de nuevo el Problema 3.8 para la señal del mensaje
m(t ) = 9 cos ( 20πt ) + 8cos ( 60πt )
3.10 Un modulador AM tiene salida
xc (t ) = 40 cos [ 2π ( 200 ) t ] + 5cos [ 2π (180 ) t ] + 5cos [ 2π ( 220 ) t ]
Determine el índice de modulación y la eficiencia.

xc (t ) = A cos [ 2π ( 200 ) t ] + B cos [ 2π (180 ) t ] + B cos [ 2π ( 220 ) t ]
La potencia de la portadora es P0 y la eficiencia es Eff. Deduzca una expresión para Eff en términos de P0, A y B.
Determine A, B y el índice de modulación para P0 = 200 W y Eff = 30%.
xc (t ) = 25cos [ 2π (150 ) t ] + 5cos [ 2π (160 ) t ] + 5cos [ 2π (140 ) t ]
Determine el índice de modulación y la eficiencia.

3.13 Un modelador AM opera con un índice de 0.8. La señal de modulación es
m(t ) = 2cos ( 2πf m t ) + cos ( 4πf m t ) + 2cos (10πf m t )
(a) Dibuje el espectro de la salida de modulador y muestre los pesos de las funciones impulso.
(b) ¿Cuál es la eficiencia del proceso de modulación?
3.14 Considere el sistema mostrado en la Fig. 3.35. Supóngase que el valor promedio de m(t) es cero y que el
valor máximo de m(t ) es M. Supóngase también que el dispositivo de ley cuadrática es definido por
y (t ) = 4 x(t ) + 2 x 2 (t ) .
(a) Escriba la ecuación para y(t).

(b) ¿Describa el filtro que produce una señal AM para g(t). Especifique el tipo de filtro necesario y la
frecuencia de interés.
(c) ¿Qué valor de M produce un índice de modulación de 0.1?
(d) ¿Cuál es la ventaja de este método de modulación?
Dispositivo de
ley cuadrática
Filtro
Figura 3.35
Sección 3.3
3.15 Suponga que se da la señal de mensaje

m(t ) = 4 cos ( 2πf m t ) + cos ( 4πf m t )
Calcule una expresión para

1 1
xc (t ) = Ac m(t ) cos ( 2πf c t ) ± Ac mˆ (t )sen ( 2πf c t )
2 2
para Ac = 10. Muestre, dibujando los espectros, que el resultado es una SSB de banda lateral superior o de banda
lateral inferior dependiendo de la selección del signo algebraico.
3.16 Dibuje de nuevo la Fig. 3.10 para ilustrar la generación de SSB de banda lateral superior. Dé la ecuación
que define el filtro de banda lateral superior. Complete el análisis deduciendo la expresión para la salida de
modulador SSB de banda lateral superior.
3.17 Si se eleva al cuadrado una señal DSB o AM, se genera una componente de frecuencia que es igual al
doble de la frecuencia de la portadora. ¿Es esto cierto también para señales SSB? Demuestre que lo es o que no lo
es.
Sección 3.4
3.18 Demuestre analíticamente que la inserción de la portadora con la detección de envolvente puede usarse
para la demodulación de la VSB.
3.19 La Fig. 3.36 muestra el espectro de una señal VSB. Las características de amplitud y de fase son las mismas
que las descritas en el Ejemplo 3.3. Demuestre que bajo demodulación coherente, la salida del demodulador es
real.
Sección 3.5
3.20 Dibuje la Fig. 3.20 para el caso donde f OL = f c − f FI .
3.21 Se usa un mezclador en un receptor superheterodino de onda corta. El receptor está diseñado para recibir
señales transmitidas entre 10 y 30 MHz. Se va a usar sintonización del lado alto. Determine una frecuencia FI
aceptable y la banda de sintonización del oscilador local. Esfuércese para generar un diseño que produzca la
banda de sintonización mínima.
3.22 Un receptor superheterodino usar una frecuencia FI de 455 kHz. El receptor está sintonizado a un
transmisor que tiene una frecuencia portadora de 110 kHz. Especifique dos frecuencias permisibles del oscilador
local y la frecuencia imagen para cada una. Repita suponiendo que la frecuencia FI es 2500 kHz.
Sección 3.6
3.23 Una señal DSB se eleva al cuadrado para generar una componente de portadora que pueda entonces
usarse para demodulación. (Una técnica para hacer esto, a saber, el lazo de encaje de fase, se estudiará en el
próximo capítulo.) Deduzca una expresión que ilustre el impacto de la interferencia sobre esta técnica.
Sección 3.7
3.24 Se muestrea una señal en tiempo continuo y se introduce a un circuito de retención. El producto del
tiempo de retención y la frecuencia de muestreo es τf s . Grafique la respuesta de amplitud del compensador
requerido como una función de τf s . ¿Qué problema, o problemas, surgen si se usa un valor grande de τ y se
mantiene constante la frecuencia de muestreo?
3.25 Una señal de datos continua es cuantizada y transmitida usando un sistema PCM. Si cada muestra de los
datos en el terminal receptor del sistema debe conocer con precisión de hasta ±25% del valor pico a pico de
escala completa, ¿cuántos símbolos binarios debe contener cada palabra digital transmitida? Supóngase que la
señal del mensaje es de voz y tiene un ancho de banda de 4 kHz. Estime el ancho de banda de la señal PCM
resultante (seleccione k).
3.26 Un modulador delta tiene la señal del mensaje
m(t ) = 3sen 2π (10 ) t + 4sen 2π ( 20 ) t
Determine la frecuencia de muestreo mínima requerida para prevenir la sobrecarga por pendiente, suponiendo
que los pesos del impulso δ0 son 0.05π.
3.27 Cinco mensajes limitados en banda a W, W, 2W, 4W y 4W Hz, respectivamente, se van a multiplexar por
división de tiempo. Diseñe una configuración de conmutador tal que cada señal sea muestreada periódicamente
con su propia tasa mínima y que las muestras estén entrelazada apropiadamente. ¿Cuál es el mínimo ancho de
banda de transmisión requerido para esta señal TDM?
3.28 Repita el problema anterior suponiendo que el conmutador se opera a dos veces la tasa mínima. ¿Cuáles
son las ventajas y desventajas de hacer esto?
3.29 Se van a multicanalizar por división de tiempo cinco mensajes limitados en banda a W, W, 2W, 5W y 7 W
Hz, respectivamente. Diseñe un esquema de muestreo que requiera la frecuencia de muestreo mínima.
3.30 En un sistema de comunicación FDM, la señal de banda base transmitida es
x(t ) = m1 (t ) cos ( 2πf1t ) + m2 (t ) cos ( 2πf 2 t )
Este sistema tiene una no linealidad de segundo orden entre la salida de transmisor y la entrada del receptor.
Por tanto, la señal de banda base recibida y(t) puede expresarse como
y (t ) = a1 x(t ) + a2 x 2 (t )
Suponiendo que las dos señales de mensaje, m1(t) y m2(t), tienen los espectros
 f 
M1 ( f ) = M 2 ( f ) = Π  
W 
dibuje el espectro de y(t). Analice las dificultadas encontradas en la demodulación de la señal de banda base
recibida. En muchos sistemas FDM, las frecuencias subportadoras f1 y f2 están relacionadas armónicamente.
Describa cualesquiera problemas adicionales que esto presenta.
CAPÍTULO 4
MODULACIÓN ANGULAR Y
MULTICANALIZACIÓN
En el capítulo anterior se consideró la modulación analógica lineal. Ahora se considerará la modulación

angular. Para generar modulación angular, la amplitud de la portadora modulada se mantiene constante y se
varía linealmente con la señal del mensaje m(t) ya sea la fase o la derivada con respecto al tiempo de la
portadora. Esto conduce a la modulación de fase (PM, por sus siglas en inglés) o a la frecuencia modulada
(FM), respectivamente.
La técnica más eficiente para demodular señales moduladas en ángulo es el lazo de encaje de fase (PLL, por
sus siglas en inglés). El PLL está generalizado en los sistemas de comunicación modernos. Tanto los sistemas
analógicos como los sistemas digitales usan extensivamente el PLL. Debido a la importancia del PLL, en este
capítulo se le un énfasis considerable.
También en este capítulo consideramos técnicas de modulación de pulsos relacionadas con la modulación
angular, PWM y PPM. La motivación para hacer esto es, con la excepción de la modulación de amplitud de
pulsos, que muchas de las características de la modulación de pulsos son semejantes a las características de la
modulación angular.
4.1 DEFINICIÓN DE LA MODULACIÓN DE FASE Y DE FRECUENCIA
Nuestro punto de partida es el modelo general de una señal usado por primera vez en el capítulo anterior, el
cual es
xc (t ) = Ac cos [ 2 πf c t + φ(t )] (4.1)
Para la modulación angular, la amplitud A(t) se mantiene constante en Ac y la señal del mensaje es comunicada
por la fase. La fase instantánea de xc(t) se define como
θi (t ) = 2 πf c t + φ(t ) (4.2)
y la frecuencia instantánea, en hertz, se define como

1 dθi 1 dφ
f i (t ) = = fc + (4.3)
2 π dt 2 π dt
Las funciones φ(t) y dφ/dt se conocen como la desviación de fase y la desviación de frecuencia (en radianes por
segundo), respectivamente.
La modulación de fase implica que la desviación de fase de la portadora es proporcional a la señal del mensaje.
Así, para modulación de fase,
φ(t ) = kp m(t ) (4.4)
donde kp es la constante de desviación en radianes por unidad de m(t). En forma similar, la FM implica que la
desviación de frecuencia de la portadora es proporcional a la señal moduladora. Esto da
dφ
= k f m(t ) (4.5)
dt
La desviación de fase de una portadora modula en frecuencia es dada por
t
φ(t ) = k f ∫t 0
m(α ) dα + φ0 (4.6)
en la cual φ0 es la desviación de fase en t = t0. De la Ec. (4.5) se deduce que kf es la constante de desviación de la
frecuencia, expresada en radianes por segundo por unidad de m(t). Puesto que con frecuencia es más
conveniente medir la desviación de frecuencia en Hz, definimos
k f = 2 πf d (4.7)
donde fd se conoce como la constante de desviación de frecuencia del modulador y se expresa en Hz por unidad de
m(t).
Con estas definiciones, la salida del modulador de fase es
xc (t ) = Ac cos  2 πf c t + k p m(t ) (4.8)
y la salida del modulador de frecuencia es
 t 
xc (t ) = Ac cos  2 πf c t + 2 πf d
 ∫ m(α) dα  (4.9)
El límite inferior de la integral típicamente no se especifica, ya que el hacerlo requeriría la inclusión de una
condición inicial como se muestra en la Ec. (4.6).
Las Figs. 4.1 y 4.2 ilustran las salidas de moduladores PM y FM. Con una señal de mensaje igual a un escalón
unitario, la frecuencia instantánea de la salida del modulador PM es fc tanto para t < t0 como para t > t0. La fase
de la portadora no modulada es adelantada por ko = π/2 radianes para t > t0, lo que da lugar a una señal que es
discontinua en t = t0. La frecuencia de la salida del modulador FM es fc para t < t0 y la frecuencia es fc + fd para
t > t0 . Sin embargo, la fase de salida del modulador es continua en t = t0.
Con una señal de mensaje sinusoidal, la desviación de fase de la salida del modulador PM es proporcional a
m(t). La desviación de frecuencia es proporcional a la derivada de la desviación de fase. Por tanto, la frecuencia
instantánea de la salida del modulador PM es máxima cuando la pendiente de m(t) sea máxima y es mínima
cuando la pendiente de m(t) es mínima. La desviación de frecuencia de la salida del modulador FM es
proporcional a m(t). Por tanto, la frecuencia instantánea de la salida del modulador FM es máxima cuando m(t)
es máxima y mínima cuando m(t) es mínima. Se debe señalar que si no se mostrase m(t) junto con las salidas de
los moduladores, no sería posible distinguir entre las salidas de los moduladores PM y FM. En las secciones
subsiguientes dedicaremos considerable atención al caso en el cual m(t) es sinusoidal.
4.1.1. Modulación Angular de Banda Angosta
Comenzamos con un estudio de la modulación de banda angosta debido a la relación cercana entre la
modulación de banda angosta y la modulación AM, la cual se estudió en el capítulo precedente. Para comenzar,
escribimos una portadora modulada en ángulo en forma exponencial escribiendo (4.1) como
xc (t ) = Re ( Ac e jφ( t ) e j 2 πfc t ) (4.10)

Frecuencia = fc Frecuencia = fc + fd
Figura 4.1 Comparación de las salidas de moduladores PM y FM para una

entrada en escalón unitario. (a) Señal del mensaje. (b) Portadora no modulada. (c)
( )
Salida del modulador de fase k p = 21 π . (d) Salida del modulador de frecuencia.
donde Re ( ⋅ ) implica que se debe tomar la parte real del argumento. Expandiendo e jφ( t ) en una serie de
potencia, se obtiene
  φ2 (t )  
xc (t ) = Re  Ac  1 + jφ(t ) − − ⋯  e j 2 πfc t  (4.11)
  2!  
Si la desviación pico de la fase es pequeña, de modo que el valor máximo de φ(t ) sea mucho menor que la
unidad, la portadora modulada puede ser aproximada como
xc (t ) ≅ Re  Ac e j 2 πfc t + Ac φ(t ) j e j 2 πfc t 

cuya parte real es
xc (t ) ≅ Ä c cos ( 2 πf c t ) − Ac φ(t )sen ( 2 πf c t ) (4.12)
La forma de (4.12) recuerda la AM. La salida del modulador contiene una componente de portadora y un
término en el cual una función de m(t) multiplica a una portadora desplazada en fase por 90°. El primer término
produce una componente de portadora. El segundo término genera un par de bandas laterales. Entonces, si φ(t)
tiene un ancho de banda W, el ancho de banda de la salida de un modulador angular de banda angosta es 2W.
La diferencia importante entre la AM y la modulación angular es que las bandas laterales son producidas por
multiplicación de la señal portadora del mensaje, φ(t), con una portadora que está en cuadratura de fase con la
componente de la portadora, en tanto que en la AM ellas no lo están. Esto se ilustrará en el Ejemplo 4.1.
Figura 4.2 Modulación angular con señal de mensaje sinusoidal. (a) Señal del mensaje.
(b) Portadora no modulada. (c) Salida del modulador de fase con m(t). (d) Salida del
modulador de frecuencia con m(t).
La generación de la modulación angular de banda angosta se logra fácilmente usando el método mostrado en
la Fig. 4.3. El conmutador permite la generación de ya sea la FM de banda angosta o PM de banda angosta.
Posteriormente se demostrará que la modulación angular de banda angosta es útil para la generación de señales
moduladas en ángulo que no son necesariamente de banda angosta. Esto se obtiene a través de un proceso
denominado conversión de banda angosta en banda ancha.
EJEMPLO 4.1
Considere un sistema FM con la señal de mensaje

m(t ) = A cos ( 2 πf m t ) (4.13)
De la Ec. (4.6) con t0 y φ ( t0 ) iguales a cero,
t Ak f Af d
φ(t ) = k f
∫
0
A cos ( 2 πf m α ) dα =
2 πf m
sen ( 2 πf m t ) =
fm
sen ( 2 πf m t ) (4.14)
tal que
 Af 
xc (t ) = Ac cos  2 πf c t + d sen ( 2 πf m t )  (4.15)
 f m 
Si Af d f m ≪ 1 , la salida del modulador puede ser aproximada como
 Af 
xc (t ) = Ac  cos ( 2 πf c t ) − d sen ( 2 πf c t ) sen ( 2 πf mt )  (4.16)
 fm 
− sen ωc t cos ωc t
Oscilador de Corredor de
portadora fase de 90°
Figura 4.3 Generación de modulación angular de banda angosta.
que es
Ac Af d
xc (t ) = Ac cos ( 2 πf c t ) +
2 fm
{ }
cos  2 π ( f c + f m ) t  − cos  2 π ( f c − f m ) t  (4.17)
Por tanto, xc(t) puede escribirse como
  Af  
xc (t ) = Ac Re  1 + d ( e j 2 πf mt − e − j 2 πfm t )  e j 2 πfc t  (4.18)
  2 f m  
Es interesante comparar este resultado con el resultado equivalente para una señal AM. Puesto que se supone
modulación sinusoidal, la señal AM puede escribirse como
xc (t ) = Ac 1 + a cos ( 2 πf m t )  cos ( 2 πf c t ) (4.19)
donde a = Af d f m es el índice de modulación. Al combinar los dos términos coseno, se obtiene
Ac a
xc (t ) = Ac cos ( 2 πf c t ) +  cos 2 π ( f c + f m ) t + cos 2 π ( f c − f m ) t  (4.20)
2 
la cual puede escribirse en forma exponencial como
 a  
xc (t ) = Ac Re  1 + ( e j 2 πfm t + e − j 2 πf mt )  e j 2 πfc t  (4.21)
 2  
Una comparación de las Ecs. (4.19) y (4.21) ilustra la semejanza entre las dos señales. La primera, y más
importante, diferencia es el signo del término a la frecuencia f c − f m , que representa la banda lateral inferior. La
otra diferencia es que el índice a en la señal AM es reemplazado por Afd/fm en la señal FM de banda angosta. En
la próxima sección veremos que Afd/fm determina el índice de modulación para una señal FM. Por tanto, estos
dos parámetros son en cierto sentido equivalentes, ya que cada uno define el índice de modulación.
Se puede obtener información adicional dibujando los diagramas fasoriales y los espectros de amplitud y fase
para ambas señales. Estos se dan en la Fig. 4.4. Los diagramas fasoriales si dibujan usando la fase de la portadora
como una referencia. La diferencia entre la modulación AM y la angular de banda angosta con una señal de
mensaje sinusoidal está en el hecho de que el fasor resultante de los fasores para las bandas laterales se suma a la
portadora en AM pero está en cuadratura de fase con la portadora en la modulación angular. Esta diferencia
resulta por el signo menos en la componente de la banda lateral inferior y se ve claramente en los espectros de
fase de las dos señales. Los espectros de amplitud son equivalentes.
4.1.2. Espectro de una Señal Modulada en Ángulo
La derivación del espectro de una señal modulada en ángulo es típicamente una tarea bastante difícil. Sin
embargo, si la señal del mensaje es sinusoidal, la desviación de fase instantánea de la portadora modulada es
sinusoidal para FM y PM y el espectro se puede obtener con facilidad. Éste es el caso que consideraremos.
cos ωc t Oscilador de
portadora
Amplitud
Amplitud
Fase
Fase
Figura 4.4 Comparación de la modulación AM y angular de banda angosta. (a) Diagramas fasoriales.
(b) Espectros unilaterales de amplitud. (c) Espectros unilaterales de fase.
Aunque estamos restringiendo nuestra atención a un caso muy especial, los resultados proporcionan mucha
información sobre la conducta en el dominio de la frecuencia de la modulación angular. Para calcular el espectro
de una señal modulada en ángulo con una señal de mensaje sinusoidal, suponemos que
φ(t ) = β sen ( 2 πf m t ) (4.22)
El parámetro β se conoce como el índice de modulación y es la máxima desviación de fase tanto para FM como
para PM. La señal
xc (t ) = Ac cos  2 πf c t + β sen ( 2 πf m t )  (4.23)
puede expresarse como
xc (t ) = Re  Ac e
jβ sen ( 2 πf mt ) j 2 πf c t 
e  (4.24)
Esta expresión tiene la forma
xc (t ) = Re  xɶ c (t )e j 2 πfc t  (4.25)
donde
jβ sen ( 2 πf mt )
xɶ c (t ) = Ac e (4.26)
es la envolvente compleja de la señal portadora modulada. La envolvente compleja es periódica con frecuencia
fm y, por tanto, puede ser expandida en una serie de Fourier. Los coeficientes de Fourier son dados por
1 2 fm 1 π
∫ ∫
jβ sen ( 2 πf mt ) − j 2 πnf mt − j  jnx −β sen ( x ) 
fm e e dt = e dx (4.27)
−1 2 fm 2π −π
Esta integral no puede evaluarse en forma cerrada. Sin embargo, ella aparece en muchos estudios y, por tanto,
ha sido bien tabulada. La integral es una función de n y β y se conoce como la función de Bessel de la primera
clase de orden n y argumento β. Se denota por Jn(β) y está tabulada en la Tabla 4.1 para varios valores de n y β.
El significado del subrayado de varios valores en la tabla se explicará más adelante.
Tabla 4.1 Valores Selectos de Funciones de Bessel
Con la ayuda de las funciones de Bessel, obtenemos

jβ sen ( 2 πf mt )
e = Jn ( β ) e j 2 πnf mt (4.28)
la cual permite escribir la portadora modulada como
 ∞  
xc (t ) = Re  Ac
 n =−∞ ∑
J n ( β ) e j 2 πnf mt  e j 2 πfc t 

 
(4.29)
cuya parte real es

∞
xc (t ) = Ac ∑J
n =−∞
n ( β ) cos  2 π ( fc + nf m ) t  (4.30)
a partir de la cual se puede determinar el espectro de xc(t) por inspección. El espectro tiene componentes en la
frecuencia portadora y tiene un número infinito de bandas laterales separadas de la frecuencia portadora por
múltiplos enteros de la frecuencia de modulación fm. La amplitud de cada componente espectral puede
determinarse de una tabla de valores de la función de Bessel. Tales tablas dan típicamente a sólo para valores
positivos de n. Sin embargo, a partir de la definición de Jn(β), se puede determinar que
J −n (β ) = J (β ) , (n par) (4.31)
y
J −n (β ) = − J (β ) , (n impar) (4.32)
Estas relaciones nos permiten graficar el espectro de la Ec. (4.30), el cual se muestra en la Fig. 4.5. Por
conveniencia, sólo se muestra el espectro unilateral.
Una relación útil entre los valores de Jn(β) para diferentes valores de n es la fórmula recursiva
2n
Jn+ 1 ( β ) = J n ( β ) + J n −1 ( β ) (4.33)
β
Por tanto, Jn + 1(β) puede determinarse a partir de Jn(β) y Jn − 1(β). Esto nos permite calcular una tabla de valores de
la función de Bessel, como muestra la Tabla 4.1, para cualquier valor de n a partir de J0(β) y J1(β).
Amplitud
Fase, rad
Figura 4.5 Espectros de una señal modulada en ángulo. (a) Espectro de amplitud
unilateral. (b) Espectro de fase unilateral.
La Fig. 4.6 ilustra el comportamiento de los coeficientes de Fourier−Bessel Jn(β) para n = 0, 1, 2, 4 y 6 con
0 ≤ β ≤ 9 . Se pueden hacer varias observaciones interesantes. Primero, para β ≪ 1 , es claro que predomina J0(β),
dando lugar a modulación angular de banda angosta. También se puede ver que Jn(β) oscila para β creciente
pero que la amplitud de la oscilación disminuye conforme β crece. También de interés es el hecho de que el valor
máximo de Jn(β) disminuye con n creciente.
Figura 4.6 Jn(β) en función de β.
Tabla 4.2 Valores de β para los cuales Jn(β

β) = 0 para 0 ≤ β ≤ 9
Como muestra la Fig. 4.6, Jn(β) es igual a cero para varios valores de β. Si se denotan estos valores de β por βnk.
donde k = 0, 1, 2, tenemos los resultados en la Tabla 4.2. Como un ejemplo, J0(β) es cero para β igual a 2.4048,
5.5201 y 8.6537. Por supuesto, hay un número infinito de puntos en los cuales Jn(β) es cero para cualquier n, pero
para ser consistentes con la Fig. 4.6, en la Tabla 4.2 sólo se muestran los valores en el intervalo 0 ≤ β ≤ 9. Se
deduce que, puesto que J0(β) es cero en β igual a 2.4048, 5.5201 y 8.6537, el espectro de la salida del modulador
no contendrá una componente en la frecuencia de la portadora para estos valores del índice de modulación. A
estos puntos se les refiere como nulos de portadora. En una forma similar, las componentes en f = f c ± f m son cero
si J1(β) es cero. Los valores del índice de modulación que dan lugar a esta condición son 0, 3.8317 y 7.0156. Debe
ser claro por qué solamente J0(β) no es cero en β = 0. Si el índice de modulación es cero, entonces ya sea m(t) es
cero o la constante de desviación fd es cero. En cualquier caso, la salida del modulador es la portadora no
modulada, la cual tiene componentes de frecuencia solamente en la frecuencia de la portadora. Al calcular el
espectro de la salida del modulador, nuestro punto de partida fue la suposición de que
φ(t ) = β sen ( 2 πf m t ) (4.34)
Observe que en la deducción del espectro de la señal modulada en ángulo definida por (4.30), no se especificó
el tipo de modulador (FM o PM). El φ(t) supuesto, definido por (4.34), pudiese representar ya sea la desviación
de fase de un modulador PM con m(t ) = A sen ( ωm t ) e índice β = k p A , o un modulador FM con
m(t ) = A cos ( ωm t ) e índice
fd A
β= (4.35)
fm
La Ec. (4.35) muestra que el índice de modulación para FM es una función de la frecuencia de modulación. Éste
no es el caso para PM. La conducta del espectro de una señal FM se ilustra en la Fig. 4.7, conforme fm disminuye
y se mantiene Afd constante. Para valores altos de fm, la señal es FM de banda angosta, puesto que sólo dos
bandas laterales son significativas. Para valores bajos de fm, muchas bandas laterales tienen valor significativo.
La Fig. 4.7 se dedujo en el siguiente ejemplo por computadora. Es el espectro de la señal de envolvente compleja
dada por (4.26).
1 1
xc ( t ) = xɶ (t ) e j 2 πfc t + xɶ * (t ) e − j 2 πfc t (4.36)
2 2
Amplitud
Amplitud
Amplitud
Figura 4.7 Espectro de amplitud de una señal de envolvente compleja para β creciente y fm decreciente.
4.1.3. Potencia en una Señal Modulada en Ángulo
La potencia en una señal modulada en ángulo se calcula fácilmente a partir de la Ec. (4.1). Elevando al cuadrado
(4.1) y tomando el promedio en el tiempo, se obtiene
xc2 (t ) = Ac2 cos 2 [ 2 πf c t + φ(t )] (4.37)

1 2 1 2
xc2 (t ) = Ac + Ac cos {2 [ 2 πf c t + φ(t )]} (4.38)
2 2
Si la frecuencia de la portadora es alta de manera que xc(t) tiene un contenido despreciable de frecuencia en la
región de CD, el segundo término en la Ec. (4.38) es despreciable y
1 2
xc2 (t ) = Ac (4.39)
2
Por tanto, la potencia contenida en la salida de un modulador de ángulo es independiente de la señal del
mensaje. Dado que, para este ejemplo, xc(t) es una sinusoide, aunque de frecuencia variable, el resultado
expresado por (4.39) era de esperarse. Una potencia constante del transmisor, independiente de la señal del
mensaje, es una diferencia importante entre la modulación angular y la modulación lineal.
4.1.4. Ancho de Banda de Señales Moduladas en Ángulo
Estrictamente hablando, el ancho de banda de una señal modulada en ángulo es infinito, ya que la modulación
de una portadora resulta en la generación de un número infinito de bandas laterales. Sin embargo, de la
expansión en serie de Jn(β) (Apéndice F, Tabla F.3) se puede ver que para n grande
βn
J n (β) ≈ (4.40)
2n n !
Entonces, para β fija,
lím Jn (β) = 0 (4.41)
n→∞
Esta conducta también puede observarse en los valores de Jn(β) dados en la Tabla 4.1. Puesto que los valores de
Jn(β) se vuelven despreciables para n suficientemente grande, el ancho de banda de una señal modulada en
ángulo puede definirse considerando sólo aquellos términos que contienen una potencia significativa. La razón
de potencia Pr se define como la relación entre la potencia contenida en la componente de portadora (n = 0) y los
k componentes a cada lado de la portadora y la potencia total en xc(t). Así pues,
∑
k
1 Ac2 J n2 (β) k
∑ J (β)
2 n =− k 2
Pr = = n (4.42)
1 A2
2 c n =− k
o simplemente
k
Pr = J 02 + 2 ∑ J (β)
n =1
2
n (4.43)
El ancho de banda para una aplicación particular con frecuencia se determina definiendo una razón de
potencia aceptable, resolviendo por el valor requerido de k usando una tabla de funciones de Bessel y después
reconociendo que el ancho de banda resultante es
B = 2 kf m (4.44)
El valor aceptable de la razón de potencia es dictado por la aplicación particular del sistema. En la Tabla 4.1 se
muestran dos razones de potencia: Pr ≥ 0.7 y Pr ≥ 0.98. El valor de n correspondiente a k para Pr ≥ 0.7 se indica
mediante una sola raya en el subrayado, y el valor de n correspondiente a k para Pr ≥ 0.98 se indica con una
doble raya. Para Pr ≥ 0.98, se observa que n es igual a la parte entera de 1 + β, de modo que
B ≅ 2 (β + 1 ) fm (4.45)
la cual tomará un mayor significado cuando se estudie la regla de Carson en el parágrafo siguiente.
La expresión precedente supone modulación sinusoidal, ya que el índice de modulación β se definió solamente
para este tipo de modulación. Para un mensaje m(t) arbitrario, una expresión generalmente aceptada para
resultados de ancho de banda si la relación de desviación D se define como
desviación de frecuencia pico
D= (4.46)
ancho de banda m(t )
la cual es
fd
D=
W
( máx m(t ) ) (4.47)
La relación de desviación juega el mismo papel para la modulación no sinusoidal que el índice de modulación
para sistemas sinusoidales. Reemplazando β por D y fm por W en la Ec. (4.45), obtenemos
B = 2 ( D + 1) W (4.48)
Esta expresión para el ancho de banda se conoce generalmente como la regla de Carson. Si D << 1, el ancho de
banda es aproximadamente 2W y la señal se conoce como una señal modulada en ángulo de banda angosta.
Inversamente, si D >> 1, el ancho de banda es aproximadamente 2 DW = 2 f d ( máx m(t ) ) , que es el doble de la
desviación de frecuencia pico. Una señal así se denomina una señal modulada en ángulo de banda ancha.
EJEMPLO 4.2
En este ejemplo se considera un modulador FM con salida
xc (t ) = 100 cos  2 π ( 1000 ) t + φ(t ) (4.49)
El modulador opera con fd = 8 y tiene como entrada la señal de mensaje

m(t ) = 5 cos 2 π ( 8 ) t (4.50)
El modulador está conectado en cascada con un filtro de pasabanda con una frecuencia central de 1000 Hz y un
ancho de banda de 56 Hz, como se muestra en la Fig. 4.9(a). Nuestro problema es determinar la potencia en el
filtro de salida.
La desviación pico es 5fd o 40 Hz y fm = 8 Hz. Por tanto, el índice de modulación es 40/5 = 8. Esto produce el
espectro de amplitud unilateral mostrado en la Fig. 4.9(b). La Fig. 4.9(c) muestra la banda de paso del filtro de
pasabanda. El filtro pasa la componente en la frecuencia portadora y tres componentes a cada lada de la
portadora. Así pues, la razón de potencia es
Pr = J 02 (5) + 2  J12 (5) + J12 (5) + J 32 (5) (4.51)

que es
2 2 2 2
Pr = ( 0.178 ) + 2 ( 0.328 ) + ( 0.047 ) + ( 0.365 )  (4.52)
o
Pr = 0.518 (4.53)
La potencia en la salida del modulador es

1 2 1 2
xc2 = Ac = ( 100 ) = 5000 W (4.54)
2 2
La potencia en la salida del filtro es la potencia de la salida del modulador multiplicada por la relación de
potencia. Entonces, la potencia en la salida del filtro es
Pr xc2 = 2589 W (4.55)

Modulador Frecuencia
FM central del filtro Salida
de pasabanda =
Ancho de banda =
56 Hz
Amplitud
Figura 4.9 Sistema y espectros para el Ejemplo 4.2. (a) Sistema FM. (b) Espectro unilateral de la
salida del modulador. (c) Respuesta de amplitud del filtro de pasabanda.
EJEMPLO 4.3
En el desarrollo del espectro de una señal modulada en ángulo, se supuso que la señal del mensaje era un solo
sinusoide. Ahora consideraremos un problema algo más general en el cual la señal del mensaje es la suma de
dos sinusoides. Supóngase que la señal del mensaje es
m(t ) = A cos ( 2 πf 1t ) + B cos ( 2 πf 2 t ) (4.56)
Por tanto, para modulación FM la desviación de fase es dada por

φ(t ) = β1 sen ( 2 πf t ) + β2 sen ( 2 πf 2 t ) (4.57)
donde β1 = A f d f 1 > 1 y β2 = A f d f 2 > 1 . La salida del modulador para este caso se convierte en
xc (t ) = Ac cos  2 πf c t + β1 sen ( 2 πf t ) + β2 sen ( 2 πf 2 t )  (4.58)
que puede expresarse como
xc (t ) = Ac Re {e }
jβ1 sen ( 2 πf 1t ) jβ2 sen ( 2 πf 2 t ) j 2 πf c t
e e (4.59)
Si usamos las series de Fourier

∞
e
jβ1 sen ( 2 πf 1t )
= ∑J
n =−∞
n ( β1 ) e j 2 πnf t
1
(4.60)
y
∞
e
jβ 2 sen ( 2 πf 2 t )
= ∑J
m =−∞
n (β2 ) e j 2 πmf t
2
(4.61)
la salida del modulador puede escribirse como
  ∞ ∞  
xc (t ) = Ac Re  
  n =−∞
∑
J n ( β1 ) e j 2 πf1t
m =−∞
∑
J m ( β2 ) e j 2 πf 2t  e j 2 πf c t 
 
(4.62)
cuya parte real es

∞ ∞
xc (t ) = Ac ∑∑J
n =−∞ m =−∞
n (β1 ) Jm ( β2 ) cos  2 π ( fc + nf 1 + mf 2 ) t  (4.63)
Un examen de la señal xc(t) muestra que no sólo contiene componentes de frecuencia en fc + nf1 y fc + mf2, sino
también contiene componentes de frecuencia en f c + nf 1 + mf 2 para todas las combinaciones de n y m. Por tanto,
el espectro de la salida del modulador debido a una señal de mensaje formada por la suma de dos sinusoides
contiene componentes adicionales en el espectro formado por la superposición de los dos espectros que resultan
de las componentes individuales de los mensajes. Por tanto, este ejemplo ilustra la naturaleza no lineal de la
modulación angular. El espectro que resulta de una señal de mensaje consistente de la suma de dos sinusoides
se muestra en la Fig. 4.10 par el caso en el cual β 1 = β2 y f2 = 12f1.
Figura 4.10 Espectro de amplitud para la Ec. (4.63) con β1 = β2 y f2 = 12f1.
4.1.5. Conversión de Banda Angosta en Banda Ancha
Una técnica para generar FM de banda ancha se ilustra en la Fig. 4.12. La frecuencia portadora del modulador de
frecuencia de banda angosta es f c 1 y la desviación de frecuencia pico es f d 1 . El multiplicador de frecuencia
multiplica el argumento de la sinusoide de entrada por n. En otras palabras, si la entrada de un multiplicador de
frecuencia es
x(t ) = Ac cos [ 2 πf 0 t + φ(t )] (4.64)
la salida del multiplicador es

y(t ) = Ac cos [ 2 πnf 0 + nφ(t )] (4.65)
Suponiendo que la salida del oscilador local es

eV (t ) = 2 cos ( 2 πf LO t ) (4.66)
Señal FM de banda angosta: Señal FM de banda ancha:

Frecuencia portadora = fc1 Frecuencia portadora = fc2 = nfc1
Desviación de frecuencia pico = fd1 Desviación de frecuencia pico = fd2 = nfd1
Razón de desviación = D1 Razón de desviación = D2 = nD1
Sistema
modulador de Multiplicador Filtro de
frecuencia de de frecuencia pasabanda
banda angosta ×n
de la Fig. 3.22
Oscilador
local
Mezclador
Figura 4.12 Modulación de frecuencia utilizando conversión de banda angosta a banda ancha.
el resultado es
e(t ) = Ac cos  2 π ( nf 0 + f LO ) t + nφ(t ) + Ac cos  2 π ( nf 0 − f LO ) t + nφ(t ) (4.67)
para la salida del multiplicador. Esta señal es entonces filtrada, usando un filtro de pasabanda cuya frecuencia
central fc es dada por
f c = nf 0 + f LO o f c = nf 0 − f LO
Esto produce la salida

xc (t ) = Ac cos [ 2 πf c t + nφ(t )] (4.68)
El ancho de banda del filtro de pasabanda se selecciona para que pase el término deseado en la Ec. (4.67). Se
puede usar la regla de Carson para determinar el ancho de banda del filtro si la señal transmitida debe contener
98% de la potencia en xc(t).
La idea central en la conversión de banda angosta a banda ancha es que el multiplicador de frecuencia cambia
tanto la frecuencia portadora como la razón de desviación por un factor de n, en tanto que el mezclador cambia
la frecuencia efectiva de la portadora pero no afecta la razón de desviación. Esta técnica de implementar
modulación de frecuencia de banda ancha se conoce como modulación de frecuencia indirecta.
EJEMPLO 4.4
Un convertidor de banda angosta a banda ancha se implementa como se muestra en la Fig. 4.12. La salida del
modulador de frecuencia de banda angosta la da la Ec. (4.64) con f0 = 100000 Hz. La desviación de frecuencia
pico de φ(t) es 50 Hz y el ancho de banda de φ(t) es 500 Hz. La salida de banda ancha xc(t) debe tener una
frecuencia portadora de 85 MHz y una razón de desviación de 5. En este ejemplo se determina el factor del
multiplicador de frecuencia n, dos frecuencias posibles del oscilador local y la frecuencia central y el ancho de
banda del filtro de pasabanda.
La razón de desviación en la salida del modulador FM de banda angosta es
fd1 50
D1 = = = 0.1 (4.69)
W 500
Por tanto, el factor del multiplicador de frecuencias es
D2 5
n= = = 50 (4.70)
D1 0.1
y la frecuencia portadora en la salida del modulador FM de banda angosta es

nf 0 = 50 ( 100 000 ) = 5 MHz (4.71)
Las dos frecuencias permisibles para el oscilador local son

85 + 5 = 90 MHz (4.72)
y
85 − 5 = 80 MHz (4.73)
La frecuencia central del filtro de pasabanda debe ser igual a la frecuencia portadora deseada de la salida de
banda ancha. Por tanto, la frecuencia central del filtro de pasabanda es 85 MHz. El ancho de banda del filtro de
pasabanda se establece usando la regla de Carson. De la Ec. (4.48) tenemos que
B = 2 ( D + 1 ) W = 2 ( 5 + 1 )( 500 ) (4.74)
y así
B = 6 000 Hz (4.75)
4.2 DEMODULACIÓN DE SEÑALES MODULADAS EN ÁNGULO
La demodulación de una señal FM requiere de un circuito que produzca una salida proporcional a la desviación
de frecuencia de la entrada. Estos circuitos se conocen como discriminadores de frecuencia1. Si la entrada a un
discriminador ideal es la señal modulada en ángulo
xr (t ) = Ac cos [ 2 πf c t + φ(t )] (4.76)
la salida del discriminador ideal es

1 dφ
yD (t ) = KD (4.77)
2π dt
Para FM, φ(t) es dada por
t
φ(t ) = 2 πf d
∫ m(α) dα (4.78)
de modo que (4.77) se convierte en

yD (t ) = KD f d m(t ) (4.79)
La constante KD se conoce como la constante del discriminador y tiene unidades de voltios por Hz. Puesto que un
discriminador ideal produce una señal de salida proporcional a la desviación de frecuencia de una portadora,
tiene una función de transferencia lineal de frecuencia a voltaje, la cual pasa por cero en f = fc. Esto se ilustra en la
Fig. 4.13.
El sistema caracterizado por la Fig. 4.13 también puede usarse para demodular señales PM. Como φ(t) es
proporcional a m(t) para la PM, la yD(t) dada por (4.77) es proporcional a la derivada con respecto a la derivada
con respecto al tiempo de m(t) para entradas PM. La integración de la salida del discriminador produce una
señal proporcional a m(t). De manera que un demodulador para PM puede ser implementado con un
discriminador FM seguido por un integrador. La salida de un discriminador PM se define como
yD (t ) = KD kp m(t ) (4.80)
Por el contexto queda claro si yD(t) y KD se refiere a un sistema FM o a uno PM.

Una aproximación a la característica ilustrada en la Fig. 4.13 se puede obtener si susa un diferenciador seguido
por un detector de envolvente, como muestra la Fig. 4.14. Si la entrada al diferenciador es
xr (t ) = Ac cos [ 2 πf c t + φ(t )] (4.81)
1 Los términos demodulador y discriminador de frecuencia son equivalentes.

Voltaje de salida
Frecuencia
de entrada
Figura 4.13 Discriminador ideal.
la salida del diferenciador es
 dφ 
e(t ) = − Ac  2 πf c +  sen [ 2 πf c t + φ(t )] (4.82)
 dt 
Ésta tiene exactamente la misma forma de una señal AM, excepto por la desviación de fase φ(t). Por tanto,
después de la diferenciación, se puede usar detección de envolvente para recuperar la señal del mensaje. La
envolvente de e(t) es
 dφ 
y(t ) = Ac  2 πf c +  (4.83)
 dt 
y es siempre positiva si
1 dφ
fc > − para toda t
2 π dt
lo que usualmente se satisface ya que fc es típicamente mucho mayor que el ancho de banda de la señal del
mensaje. Así pues, la salida del detector de envolvente es
dφ
yD (t ) = Ac = 2 πAc f d m(t ) (4.84)
dt
suponiendo que se ha removido el término de CD, 2πAcfc. Una comparación de las Ecs. (4.84) y (4.79) muestra
que la constante del discriminador para este discriminador es
KD = 2 πAc (4.85)
Más adelante veremos que la interferencia y el ruido del canal perturban la amplitud Ac de xr(t). Para asegurar
que la amplitud en la entrada al diferenciador es constante, se coloca un limitador antes del diferenciador. La
salida del limitador es una señal de tipo onda cuadrada, que es K sgn [ xr (t )] . Después se coloca un filtro de
pasabanda con frecuencia central fc después del limitador para convertir la señal de nuevo en la forma sinusoidal
requerida por el diferenciador para producir la respuesta definida por (4.82). La combinación en cascada de un
limitador y un filtro de pasabanda se conoce como un limitador de pasabanda. El discriminador completo se ilustra
en la Fig. 4.14.
El proceso de diferenciación a menudo puede realizarse usando una implementación de retardo en el tiempo,
como muestra la Fig. 4.15. La señal e(t), que es la entrada al detector de envolvente, es dada por
Filtro de Detector de
Limitador Diferenciador
pasabanda envolvente
Limitador de pasabanda
Figura 4.14 Implementación de un discriminador de FM.

e(t ) = xr (t ) − xr ( t − τ ) (4.86)
e(t ) xr (t ) − xr ( t − τ )
= (4.87)
τ τ
Puesto que, por definición,
e(t ) x (t ) − xr (t − τ) dxr (t )
lím = lím r = (4.88)
τ→0 τ τ→0 τ dt
se deduce que, para τ pequeña,
dxr (t )
e(t ) ≅ τ (4.89)
dt
Ésta es, excepto por el factor constante τ, idéntica a la entrada al detector de envolvente mostrada en la Fig. 4.15
y definida por la Ec. (4.82). La constante del discriminador resultante KD es 2 πAc τ . Hay muchas otras técnicas
que se pueden usar para implementar un discriminador. Más adelante en este capitulo examinaremos el lazo de
encaje de fase, el cual es una implementación especialmente atractiva, y común.
xr(t) e(t) Detector de yD(t)

envolvente
Retardo
Aproximación a un diferenciador
Figura 4.15 Implementación de un discriminador usando retardo en el tiempo y detección de envolvente.
EJEMPLO 4.5
Considérese la red RC sencilla mostrada en la Fig. 4.16(a). La función de transferencia es

R j 2 πfRC
H( f ) = = (4.90)
R + 1 j 2 πfC 1 + j 2 πfRC
La respuesta de amplitud se muestra en la Fig. 4.16(b). Si todas las frecuencias presentes en la entrada son bajas,
de manera que
1
f ≪
2 πRC
La función de transferencia puede ser aproximada por
H ( f ) = j 2 πfRC (4.91)
Por tanto, para f baja, la red RC tiene la característica lineal de amplitud-frecuencia requerida de un
discriminador ideal. La Ec. (4.91) ilustra que para f baja, el filtro RC actúa como un diferenciador con ganancia
RC. Por consiguiente, la red RC puede usarse en lugar del diferenciador en la Fig. 4.14 para producir un
discriminador con
KD = 2 πAC RC (4.92)
Este ejemplo ilustra una vez más las componentes esenciales de un discriminador de frecuencia, un circuito
que tiene una respuesta de amplitud lineal con la frecuencia y un detector de envolvente. Sin embargo, un filtro
de pasa altas en general no genera una implementación práctica. Esto puede verse a partir de la expresión para
KD. Claramente, la frecuencia de 3 dB del filtro, 1 2 πRC , debe ser mayor que la frecuencia de la portadora fc. En
la radiodifusión de FM comercial, la frecuencia portadora en la entrada al discriminador, esto es, la frecuencia
FI, es del orden de los 10 Hz. Como un resultado, la constante del discriminador KD es efectivamente muy
pequeña.
Filtro Detector de envolvente
Figura 4.16 Implementación de un discriminador de frecuencias sencillo basado en un

filtro de pasa altas. (a) Red RC. (b) Función de transferencia. (c) Discriminador.
Una solución al problema de una KD muy pequeña es usar un filtro de pasabanda, como se ilustra en la Fig.
4.17. Sin embargo, como muestra la Fig. 4.17(a), la región de operación lineal a menudo es inaceptablemente
pequeña. Adicionalmente, el uso de un filtro de pasabanda resulta en una polarización de CD en la salida del
discriminador. Esta polarización de CD podría, por supuesto, ser removido mediante un capacitor de bloqueo,
pero el capacitor negaría una ventaje inherente de la FM, a saber, que la FM tiene respuesta a CD. Estos
problemas se pueden resolver usando dos filtros con frecuencias centrales escalonadas f1 y f2, como se muestra
en la Fig. 4.17(b). Las magnitudes de las salidas del detector de envolvente que siguen a los dos filtros son
proporcionales a H 1 ( f ) y H 2 ( f ) . Si se restan estas dos salidas, se obtiene la característica global
H ( f ) = H1 ( f ) − H 2 ( f ) (4.93)
como muestra la Fig. 4.17©. La combinación, conocida como un discriminador balanceado, es lineal en una banda
de frecuencias más ancha que lo que sería el caso para cada filtro usado por sí sólo y, claramente, posible hacer
H ( fc ) = 0 .
En la Fig. 4.17(d), un transformador con derivación central suministra la señal de entrada xc(t) a las entradas de
los dos filtros de pasabanda. Las frecuencias centrales de los dos filtros de pasabanda son dadas por
1
fi = (4.94)
2 π Li C i
para i = 1, 2. Los detectores de envolvente están formados por diodos y la combinación resistencia capacitancia
ReCe. La salida del detector de envolvente superior es proporcional a H 1 ( f ) y la salida del detector de
envolvente inferior es proporcional a H 2 ( f ) . La salida del detector superior es la porción positiva de su
envolvente de entrada y la salida del detector inferior es la porción negativa de su envolvente de entrada. Por
tanto, yD(t) es proporcional a H 1 ( f ) − H 2 ( f ) . El término discriminador balanceado se usa porque la respuesta a
la portadora no desviada está equilibrada y por ello la respuesta neta es cero.
Respuesta de
amplitud
Región lineal
(a)
Respuesta de
amplitud
Respuesta de
amplitud
Región lineal
(c)
Detectores de
Pasabanda envolvente
Figura 4.17 Derivación de un discriminador balanceado. (a) Filtro de pasabanda. (b)

Filtros de pasabanda con sintonización escalonada. (c) Respuesta de amplitud de un
discriminador balanceado. (d) Implementación típica de un discriminador balanceado.
4.3 DEMODULADORES REALIMENTADOS: EL LAZO DE ENCAJE DE FASE
Ya hemos estudiado previamente la técnica de conversión de FM a AM para demodular una señal modulada en
ángulo. En el Capítulo 8 veremos que se pueden obtener mejoras en el desempeño en la presencia de ruido
utilizando un demodulador realimentado. El tema de esta sección es el lazo de encaje de fase (PLL, por sus siglas
en inglés), el cual es una forma básica del demodulador realimentado. Los lazos de encaje de fase se usan
ampliamente en los sistemas de comunicaciones actuales, no sólo para la demodulación de señales modulas en
ángulo sino también como los bloques de construcción básicos para una gran variedad de demoduladores
digitales. Los lazos de encaje de fase son flexibles en que pueden usarse en un muchas aplicaciones, son de fácil
implementación y dan un desempeño superior a muchas otras técnicas. Por tanto, no debe sorprendernos que
estén tan difundidos en los sistemas de comunicaciones modernos. Por esta razón se justifica un estudio
detallado del PLL.
4.3.1 Lazos de Encaje de Fase para Demodulación FM y PM
En la Fig. 4.18 se muestra un diagrama de bloques de un PLL. El PLL básico contiene cuatro elementos básicos.
Ellos son:
1. El detector de fase
2. El filtro de lazo
3. El amplificador de lazo (suponga µ = 1)
4. Oscilador controlado por voltaje (OCV)
x r(t) Detector ed (t) Filtro Amplificador

de fase de lazo de lazo
e0 (t) ev (t)
OCV
Salida demodulada
Figura 4.18 Lazo de encaje de fase para demodulación de FM.
Para entender la operación del PLL, supóngase que la señal de entrada es dada por
xr (t ) = Ac cos [ 2 πf c t + φ(t )] (4.95)
y que la señal de salida del OCV es dada por

e0 (t ) = Av sen [ 2 πf c t + θ(t )] (4.96)
(Observe que éstas están en cuadratura de fase.) Hay muchos tipos diferentes de detectores de fase y todos
tienen propiedades de operación diferentes. Para nuestra aplicación, suponemos que el detector de fase es un
multiplicador seguido por un filtro de pasabajas para remover la segunda armónica de la portadora. También
suponemos que está presente un inversor para remover el signo menos que resulta de la multiplicación. Con
estas suposiciones, la salida del detector de fase se convierte en
1 1
e d (t ) = Ac Av K d sen [ φ(t ) − θ(t )] = Ac Av K d sen [ ψ(t )] (4.97)
2 2
donde Kd es la constante del detector de fase y ψ(t ) = φ(t ) − θ(t ) es el error de fase. Observe que para un error de
fase pequeño, las dos entradas al multiplicador son aproximadamente ortogonales de manera que el resultado
de la multiplicación es una función impar del error de fase φ(t ) − θ(t ) . Éste es un requisito necesario para que el
detector de fase Ueda distinguir entre errores de fase positivos y negativos. Esto ilustra por qué la entrada al
PLL y la salida del OCV deben estar en cuadratura de fase.
La salida del detector de fase es filtrada, amplificada y aplicada al OCV. Un OCV es esencialmente un
modulador de frecuencia en el cual la desviación de frecuencia de la salida, dθ/dt, es proporcional a la señal de
salida del OCV. En otras palabras,
dθ
= K v ev (t ) rad/s (4.98)
dt
lo cual da
t
θ(t ) = K v
∫ e ( α ) dα
v (4.99)
El parámetro Kv se conoce como la constante del OCV y se mide en radiantes por segundo por unidad de la
entrada.
A partir del diagrama de bloques del PLL, es claro que
Ev (s ) = F(s ) Ed (s ) (4.100)
donde F(s) es la función de transferencia del filtro de lazo. En el dominio del tiempo, expresión precedente es
t
ev ( α ) =
∫ e ( λ ) f ( α − λ ) dλ
d (4.101)
la cual se obtiene con simplemente reconocer que la multiplicación en el dominio de la frecuencia es la

convolución en el dominio del tiempo. La sustitución de la Ec. (4.97) en la Ec. (4.101) y este resultado en la Ec.
(4.99), da
t α
θ(t ) = Kt
∫∫ sen [ φ(λ ) − θ(λ )] f ( α − λ ) dλ dα (4.102)
donde Kt es la ganancia total del lazo definida por

1
Kt = Av Ac K d K v (4.103)
2
La Ec. (4.102) es la expresión general que relaciona la fase del OCV θ(t) con la fase de entrada φ(t). El diseñador
del sistema debe seleccionar la función de transferencia del lazo, F(s), definiendo así la respuesta al impulso del
filtro f (t ) y la ganancia del lazo Kt. De la Ec. (4.103) vemos que la ganancia del lazo es una función de la
amplitud de la señal de entrada Av. Por tanto, el diseño del PLL requiere conocimiento del nivel de la señal de
entrada, el cual con frecuencia no se conoce y es variable en el tiempo. Esta dependencia del nivel de la señal de
entrada típicamente se remueve colocando un limitador dura en la entrada del lazo. Si se usa un limitador, la
ganancia del lazo Kt se escoge seleccionando apropiadamente a Av, Kd y Kv, que son todos parámetros del PLL.
Los valores de estos parámetros son arbitrarios mientras que su producto dé la ganancia de lazo deseada. Sin
embargo, consideraciones de hardware típicamente ponen restricciones sobre estos parámetros.
La Ec. (4.102) define el modelo no lineal del PLL, que tiene una no linealidad sinusoidal. Este modelo se ilustra
en la Fig. 4.19, Puesto que (4.102) es no lineal, un análisis del PLL usando (4.102) es difícil y a menudo involucra
varias aproximaciones. En la práctica, usualmente estamos interesados en la operación del PLL ya sea en el
modo de rastreo o en el modo de adquisición. En el modo de adquisición, el PLL intenta adquirir una señal
sincronizando la frecuencia y la fase del OCV con la señal de entrada. En el modo de adquisición de la
operación, los errores de fase son típicamente grandes y se requiere el modelo no lineal para el análisis.
e d(t) Filtro
sen ( ⋅ ) AvAcKd
de lazo
Detector de fase
ev(t)
Amplificador
Salida demodulada
Figura 4.19 Modelo no lineal del PLL.

Sin embargo, en el modo de rastreo, el error de fase φ(t ) − θ(t ) es típicamente pequeño y se puede usar el
modelo para el diseño y análisis del PLL en el modo de rastreo. Para errores de fase pequeños, la no linealidad
sinuosidad puede despreciarse y el PLL se convierte en un sistema de realimentación lineal. La Ec. (4.102) se
simplifica al modelo lineal definido por
t α
θ(t ) = Kt
∫∫ [φ(λ ) − θ(λ)] f ( α − λ ) dλ dα (4.104)
El modelo lineal resultante se ilustra en la Fig. 4.20. Ambos modelos, lineal y no lineal, involucran a θ(t) y φ(t) en
vez de xr(t) y e0(t). Sin embargo, observe que si conocemos a fc, el conocimiento de θ(t) y φ(t) determina
completamente a xr(t) y e0(t), como puede verse en las Ecs. (4.95) y (4.96). Si el PLL está en encaje de fase,
θ(t ) ≅ φ(t ) y se obtiene que, suponiendo FM,
dθ(t ) dφ(t )
≅ = 2 πf d m(t ) (4.105)
dt dt
y la desviación de frecuencia del OCV es un buen estimado de la desviación de frecuencia de la entrada, la cual
es proporcional a la señal del mensaje. Puesto que la desviación de frecuencia del OCV es proporcional a la
entrada del OCV ev(t), se deduce que la entrada es proporcional a mi(t) si se satisface la Ec. (4.105). Por tanto, la
entrada al OCV, ev(t), es la salida demodulada para sistemas FM.
Filtro
AvAcKd
de lazo
Detector de fase
Amplificador
de lazo
Salida demodulada
Figura 4.20 Modelo lineal del PLL
La forma de la función de transferencia del filtro de lazo F(s) tiene un efecto profundo sobre la conducta de
rastreo y de adquisición del PLL. En el trabajo que sigue estaremos interesados en PLL de primero, segundo y
tercer orden. Las funciones de transferencia del filtro de lazo para estos tres casos se dan en la Tabla 4.3. Observe
que el orden del PLL excede en uno el orden del filtro de lazo. La integración adicional proviene del OCV, como
se verá en la próxima sección. Ahora se considerará el PLL tanto en el modo de rastreo como en el de
adquisición. La operación el modo de rastreo se considera primero ya que el modelo es lineal y, por tanto, más
asequible directamente.
4.3.2 Operación del Lazo de Encaje de Fase en el Modo de Rastreo:

El Modelo Lineal
Como hemos visto, en el modo de rastreo el error de fase es pequeño y se puede usar análisis lineal para definir
la operación del PLL. Se puede obtener considerable información sobre la operación del PLL si se investigan los
errores de estado estacionario para los PLL de primer orden, segundo orden y tercer orden con una variedad de
señales de entrada.
Tabla 4.3 Funciones de Transferencia del Filtro de Lazo

Orden del PLL Función de transferencia del lazo, F(s)
La Función de Transferencia del Lazo y Errores de Estado Estacionario
El equivalente en el dominio de la frecuencia de la Fig. 4.20 se ilustra en la Fig. 4.21. De la Fig. 4.21 y la Ec. (4.104)
se obtiene que
F( s )
Θ(s ) = Kt [ Φ(s ) − Θ(s )] (4.106)
s
a partir de la cual se obtiene de inmediato la función de transferencia que relaciona la fase del OCV con la fase
de entrada:
Θ(s ) Kt F( s )
H (s) = = (4.107)
Φ(s ) s + Kt F(s )
La transformada de Laplace del error de fase es

Ψ(s ) = Φ(s ) − Θ(s ) (4.108)
Por tanto, podemos escribir la función de transferencia que relaciona el error de fase con la fase de entrada como
Ψ(s ) Φ(s ) − Θ(s )
G(s ) = = = 1 − H (s) (4.109)
Φ( s ) Φ(s )
de modo que
s
G(s ) = (4.110)
s + Kt F( s )
El error de estado estacionario puede determinarse aplicando el teorema del valor final de la teoría de la
transformada de Laplace. El teorema del valor final establece que el lím t → ∞ a(t ) lo da lím s → 0 sA(s ) , donde a(t)
y A(s) son un par de transformadas de Laplace.
Para determinar los errores de estado estacionario para lazos de órdenes diferentes, suponemos que la
desviación de fase tiene la forma general
φ(t ) = πRt 2 + 2 πf ∆ t + θ0 , t>0 (4.111)
Ganancia Filtro de
de lazo Kt lazo F(s)
OCV
1/s
Salida demodulada
Figura 4.21 Modelo lineal del PLL en el dominio de la frecuencia.

La desviación de frecuencia correspondiente es

1 dφ
= Rt + f ∆ , t>0 (4.112)
2 π dt
Vemos que la desviación de frecuencia es la suma de una rampa de frecuencia, R Hz, y un escalón de frecuencia
f∆. La transformada de Laplace de φ(t) es
2 πR 2 πf ∆ θ0
Φ( s ) = 3
+ 2
+ (4.113)
s s s
Por tanto, el error de fase de estado estacionario es dado por
 2 πR 2 πf θ 
ψ ss = lím s  3 + 2 ∆ + 0  G(s ) (4.114)
s→0  s s s 
donde G(s) lo da la Ec. (4.110).
Para generalizar, considérese la función de transferencia del filtro de tercer orden definido en la Tabla 4.4:
1 ( s 2 + as + b )
F( s ) = (4.115)
s2
Si a = 0 y b = 0, F(s) =1, que es la función de transferencia del filtro de lazo para un PLL de primer orden. Si a ≠ 0
y b = 0, F(s ) = ( s + a ) s , la cual define el filtro de lazo para el PLL de segundo orden. Con a ≠ 0 y b ≠ 0 , tenemos
un PLL de tercer orden. Por tanto, podemos usar F(s), en la forma definida por la Ec. (4.115) con a y b tomando
valor apropiados, para analizar los PLL de primer orden, segundo orden y tercer orden.
Tabla 4.4 Errores de Estado Estacionario
Orden del PLL
Si se sustituye la Ec. (4.115) en la Ec. (4.110), se obtiene
s3
G(s ) = 3 2
(4.116)
s + Kt s + Kt as + Kt b
Si se usa la expresión para G(s) en la Ec. (4.114), se obtiene la expresión para el error de fase en estado
estacionario
s ( θ0 s 2 + 2 πf ∆ s + 2 πR )
ψ ss = lím (4.117)
s→0 s 3 + Kt s 2 + Kt as + Kt b
Ahora consideraremos los errores de fase en estado estacionario para los PLL de primero, segundo y tercer
orden. Para varias condiciones de las señales de entrada, definidas por θ0, f∆ y R y los parámetros del filtro de
lazo a y b, se pueden determinar los errores de estado estacionario dados en la Tabla 4.4. Observe que un PLL de
primer orden puede seguir un escalón en la fase con un error en estado estacionario igual a cero. Un PLL de
segundo orden puede segur un escalón en frecuencia con error cero en estado estacionario y un PLL de tercer
orden puede rastrear una rampa en frecuencia con error cero en estado estacionario.
Observe que para los casos dados en la Tabla 4.4 para los cuales el error en estado estacionario no es cero y es
finito, el error en estado estacionario puede hacerse tan pequeño como se desee incrementando la ganancia de
lazo Kt. Sin embargo, si se incrementa la ganancia del lazo, aumenta el ancho de banda del lazo. Cuando
consideremos el efecto del ruido en el Capitulo 8, veremos que si se incrementa el ancho de banda del lazo, el
desempeño del PLL se vuelve más sensible a la presencia de ruido. Por tanto, vemos un intercambio entre el
error en estado estacionario y el desempeño del lazo en la presencia de ruido.
EJEMPLO 4.6
Ahora consideraremos un PLL de primer orden, el cual, de las Ecs. (4.110) y (4.111), con a = 0 y b = 0, tiene la
función de transferencia
Θ(s ) Kt
H (s) = = (4.118)
Φ(s ) s + Kt
Por tanto, la respuesta al impulso del lazo es
h(t ) = Kt e − Kt t u(t ) (4.119)
El límite de h(t) conforme la ganancia Kt tiende a infinito satisface todas las propiedades de la función delta, y
entonces
lím Kt e − Kt t u(t ) = δ(t ) (4.120)

Kt → ∞
lo que ilustra que una ganancia grande del lazo θ(t) ≈ φ(t). Esto también ilustra, como se analizó previamente,
que el PLL sirve como un demodulador para señales moduladas en ángulo. Cuando se usa como un
demodulador de FM, la entrada al OCV es la salida demodulada ya que la señal de entrada al OCV es
proporcional a la desviación de frecuencia de la señal de entrada al PLL. Para PM, la entrada al OCV es
simplemente integrada para formar la salida demodulada, ya que la desviación de fase es la integral de la
desviación de frecuencia.
EJEMPLO 4.7
Como una extensión del ejemplo anterior, supóngase que la entrada a un modulador FM es m(t) = Au(t). La
portadora modulada resultante
 t 
xc (t ) = Ac cos  2 πf c t + k f A
 ∫ u(α) dα  (4.121)
debe ser demodulada usado un PLL de primer orden. Determinar la salida demodulada.
Este problema se resolverá usando análisis lineal y la transformada de Laplace. La función de transferencia del
lazo, Ec. (4.118), es
Θ(s ) Kt
= (4.122)
Φ(s ) s + Kt
La desviación de fase de la entrada al PLL φ(t) es

t
φ(t ) = Ak f
∫ u(α) dα (4.123)
La transformada de Laplace de φ(t) es

Ak f
Φ( s ) = (4.124)
s2
lo cual da
AK f Kt
Θ(s ) = 2
(4.125)
s s + Kt
La transformada de Laplace de la ecuación de definición del OCV, Ec. (4.99), da

s
Ev (s ) = Θ(s ) (4.126)
Kt
de manera que
AK f Kt
Ev (s ) = (4.127)
Kv s ( s + Kt )
Mediante una expansión en fracciones parciales, se obtiene

AK f  1 1 
Ev (s ) = − (4.128)
K v  s s + Kt 

y, por tanto, la salida demodulada es

AK f
ev t ) = ( 1 − e−K t ) u(t )
t
(4.129)
Kv
Observe que para t >> 1/Kt y Kf = Kv, tenemos, como se desea, que ev (t ) = Au(t ) como la salida demodulada. El
tiempo del transitorio lo establece la ganancia total del lazo Kt, y Kf/Kv es simplemente un escalamiento en
amplitud de la señal de salida demodulada.
Como se mención previamente, no se pueden usar valores muy grandes de la ganancia de lazo en las
aplicaciones prácticas sin dificultad. Sin embargo, el uso de filtros de lazo apropiados permite alcanzar un buen
desempeño con valores razonables de la ganancia de lazo y del ancho de banda. Estos filtros hacen que el
análisis sea más complicado que el de nuestro simple ejemplo, como se verá.
Aunque el PLL de primer orden puede usarse para la demodulación de señales moduladas en ángulo y para
sincronización, el PLL de primer orden presenta varios inconvenientes que limitan su uso en la mayoría de las
aplicaciones. Entre estos inconvenientes está su banda de encaje limitada y el error de fase diferente de cero en
estado estacionario para una entrada de frecuencia en escalón. Ambos problemas pueden resolverse usando un
PLL de segundo orden, el cual se obtiene usando un filtro de lazo de la forma
s+a a
F( s ) = = 1+ (4.130)
s s
Esta selección del filtro de lazo resulta en lo que generalmente se conoce como un PLL de segundo orden perfecto.
Observe que el filtro de lazo definido por la Ec. (4.130) puede implementarse usando un solo integrador.
El PLL de Segundo Orden: Frecuencia Natural del Lazo y Factor de Amortiguamiento
Con F(s) dada por la Ec. (4.130), la función de transferencia (4.107) se convierte en
Θ(s ) K (s + a)
H (s) = = 2 1 (4.131)
Φ( s ) s + K t s + K t a
También podemos escribir la relación entre el error de fase Ψ(s) y la fase de entrada Φ(s). De la Fig. 4.21 o la Ec.
(4.110), tenemos
Ψ(s ) s2
G(s ) = = 2 (4.132)
Φ(s ) s + Kt as + Kt a
Puesto que el desempeño de un sistema lineal de segundo orden típicamente está parametrizado en términos
de la frecuencia natural y el factor de amortiguamiento, ahora colocamos la función de transferencia en la forma
estándar para un sistema de segundo orden. El resultado es
Ψ(s ) s2
= 2 (4.133)
Θ(s ) s + 2 ζωn s + ωn2
en la cual ζ es el factor de amortiguamiento y ωn es la frecuencia natural. De la expresión anterior se deduce que

la frecuencia natural es
ωn = Kt a (4.134)
y que el factor de amortiguamiento es

1 Kt
ζ= (4.135)
2 a
Un valor típico de este factor es 1 2 = 0.707 . Observe que la selección del factor de amortiguamiento da una
respuesta Butterworth de segundo orden.
En la simulación de un PLL de segundo orden, usualmente se especifica la frecuencia natural del lazo y el
factor de amortiguamiento y se determina el desempeño del lazo en función de estos dos parámetros
fundamentales. Sin embargo, el modelo del PLL es una función de los parámetros físicos Kt y a. Las Ecs. (4.134) y
(4.135) permiten escribir a Kt y a en términos de ωn y ζ. Los resultados son
ωn π f n
a= = (4.136)
2ζ ζ
y
Kt = 4 πζ f n (4.137)
donde 2 π f n = ωn .
EJEMPLO 4.8
Ahora se trabajará un ejemplo de segundo orden. Supóngase que la señal de entrada al PLL experimenta un
pequeño cambio escalonado en frecuencia. (El escalón en frecuencia debe ser pequeño para asegurar que el
modelo lineal es aplicable. Consideraremos los resultados de cambios escalonados grandes en la frecuencia de
entrada al PLL cuando estudiemos la operación el modo de adquisición.) Como la fase instantánea es la integral
de la frecuencia instantánea y la integración es equivalente a una división por s, la fase de entrada debida a un
escalón en frecuencia de magnitud ∆f es
2 π ∆f
Φ( s ) = 2 (4.138)
s
De la Ec. (4.133), vemos que la transformada de Laplace del error de fase ψ(t) es
∆ω
Ψ(s ) = (4.139)
s + 2 ζωn s + ωn2
2
Ahora se aplica la transformada inversa y se reemplaza ωn por 2πfn para obtener, para ζ < 1,
∆f
ψ(t ) =
2
( )
e −2 πζfnt  sen 2 πf n 1 − ζ 2 t  u(t ) (4.140)
fn 1 − ζ
y vemos que ψ(t) → 0 cuando t → ∞. Observe que el error de fase en estado estacionario es cero, lo que es
consistente con los valores mostrados en la Tabla 4.4.
4.3.3 Operación del Lazo de Encaje de Fase en el Modo de Adquisición
En el modo de adquisición debemos determinar que el PLL efectivamente alcanza encajar fase y el tiempo
requerido para que el PLL lograrlo. Para demostrar que la señal del error de fase tiende a llevar al PLL a encaje,
simplificaremos el análisis suponiendo un PLL de primer orden para el cual la función de transferencia del filtro
de lazo F(s) = 1 o f (t ) = δ(t ) . Se usará simulación para lazos de orden superior. Usando el modelo no lineal
general definido por la Ec. (4.102) con h(t ) = δ(t ) y aplicando la propiedad de selección de la función delta, se
obtiene
t
θ(t ) = Kt
∫ sen [φ(α) − θ(α)] dα (4.141)
Al derivar θ(t), se obtiene

dθ
= Kt sen [ φ(t ) − θ(t )] (4.142)
dt
Supóngase que la entrada al modulador FM es un escalón unitario de modo que la desviación de frecuencia
dφ dt es un escalón de magnitud 2 π∆f = ∆ω . Denote el error de fase φ(t ) − θ(t ) por ψ(t). Esto produce
dθ dφ d ψ dψ
= − = ∆ω − = Kt sen ψ(t ), t≥0 (4.143)
dt dt dt dt
o
dψ
+ Kt sen ψ(t ) = ∆ω (4.144)
dt
Esta ecuación se muestra en la Fig. 4.22. La figura relaciona el error en frecuencia y el error de fase y se conoce
como un plano de fase.
El plano de fase nos dice mucho sobre la operación de un sistema no lineal. El PLL debe operar con un error de
fase ψ(t) y un error de frecuencia dψ/dt que sean consistentes con la Ec. (4.144). Para demostrar que el PLL
alcanza el encaje, supóngase que el PLL está operando con error de fase cero y un error de frecuencia antes de la
aplicación del escalón en frecuencia. Cuando se aplica el escalón en frecuencia, el error de frecuencia se convierte
en ∆ω. Esto establece el punto de operación inicial, el punto B en la Fig. 4.22, suponiendo que ∆ω > 0. Para
determinar la trayectoria del punto de operación, sólo necesitamos reconocer que, puesto que dt, un incremento
en el tiempo, siempre es una cantidad positiva, dψ debe ser positiva si dψ dt es positiva. Por tanto, ψ crece en el
semiplano superior. En la misma forma, el punto de operación se mueve de derecha a izquierda en el semiplano
inferior, la región para la cual dψ dt es menor que cero. Por tanto, el punto de operación debe moverse del
punto B al punto A. Cuando el punto de operación intenta moverse del punto A por una pequeña cantidad, es
forzado a regresar al punto A. Así pues, el punto A es un punto de operación estable y es el punto de operación
en el régimen estacionario del sistema. El error de fase en el régimen estacionario es ψs y el error de frecuencia en
el estado estacionario es cero como se muestra.
El análisis precedente ilustra que el lazo se encaja solamente si existe una intersección de la curva de operación
con el eje dψ dt = 0 . Por ello, si el lazo está en encaje, ∆ω debe ser menor que Kt. Por esta razón, Kt se conoce
como el alcance del encaje para el PLL de primer orden.
La gráfica en el plano de fase para un PLL de primer orden con un escalón en frecuencia como entrada se
ilustra en la Fig. 4.23. La ganancia de lazo es 2π(50) y se muestran cuatro valores para el escalón en frecuencia:
∆f = 12, 24, 48 y 55 . Los errores de fase en estado estacionario se indican por A, B y C para valores escalonados
de frecuencia de 12, 24 y 48 Hz, respectivamente. Para ∆f = 55, el lazo no encaja y oscila por siempre.
Un desarrollo matemático de la gráfica en el plano de fase un PLL de segundo orden es fuera del nivel de
tratamiento en este texto. Sin embargo, la gráfica en el plano de fase se obtiene fácilmente usando simulación por
computadora. Con fines ilustrativos, supóngase un PLL de segundo orden que tiene un factor de amortiguación
ζ de 0.707 y una frecuencia natural de 10 Hz. Para estos parámetros, la ganancia de lazo Kt es 88.9 y el parámetro
del filtro a es 44.4. Se supone que la entrada al PLL es un cambio escalonado en frecuencia en el instante t = t0. Se
usaron cuatro valores para el cambio escalonado en frecuencia ∆ω = 2 π ( ∆f ) . Éstos fueron ∆f = 20, 35, 40 y 45 Hz.
Figura 4.22 Gráfica en el plano de fase para no linealidad sinusoidal.

Error de frecuencia, Hz
Error de fase, radianes
Figura 4.23 Gráfica en el plano de fase para PLL de primer orden para varios
errores de frecuencia en funciones en escalón.
Los resultados se ilustran en la Fig. 4.24. Observe que para ∆f = 20 Hz, el punto de operación regresa a un valor
de estado estacionario para el error de frecuencia y el de fase son ambos iguales a cero, como debe ser el caso por
la Tabla 4.4. Para ∆f = 35 Hz, el plano de fase se vuelve un poco más complicado. En estado estacionario, el error
de frecuencia es cero, pero el error de fase es 2π radianes. Decimos que el PLL se ha deslizado un ciclo. Observe
que el error de estado estacionario es cero mod(2π). El fenómeno de deslizamiento por ciclo explica el error de
fase en estado estacionario. Las respuestas para ∆f = 40 y 45 Hz ilustran que se deslizan tres y cuatro ciclos,
respectivamente. La frecuencia instantánea del OCV se muestra en la Fig. 4.24 para estos cuatro casos. La
conducta de deslizamiento por ciclo se muestra claramente. El PLL de segundo orden tiene efectivamente un
alcance de encaje infinito y ocurre deslizamiento hasta que el error de fase esté dentro de π radianes del valor en
estado estacionario.
Error de frecuencia, Hz
Error de fase, radianes
Figura 4.24 Gráfica en el plano de fase para PLL de segundo orden para varios
errores de frecuencia en funciones en escalón.
4.3.4 Los PLL de Costas
Hemos visto que sistemas que utilizan realimentación pueden usarse para demodular portadoras moduladas en
ángulo. Un sistema realimentado también puede usarse para generar la portadora de demodulación coherente
que se necesita para la demodulación de señales DSB. Un sistema que logra esto es el PLL de Costas ilustrado en
la Fig. 4.26. La entrada al lazo es la señal DSB supuesta
xr (t ) = m(t ) cos ( 2 πf c t ) (4.145)
Las señales en los diferentes puntos en el interior del lazo se derivan fácilmente a partir de la entrada supuesta y
de la salida del OCV y se incluyen en la Fig. 4.26. Se supone que el filtro de pasabajas que precede al OCV tiene
un ancho de banda suficientemente pequeño de modo que la salida sea aproximadamente K sen ( 2 θ ) ,
esencialmente el valor de CD de la entrada al filtro. Esta señal alimenta el OCV de modo que se reduce θ. Para θ
suficientemente pequeña, la salida del filtro de pasabajas superior es la salida demodulada, y la salida del filtro
inferior es despreciable. Posteriormente veremos que el PLL de Costas es útil en la implementación de
receptores digitales.
4.3.5 Multiplicación y División de Frecuencia
Los lazos de encaje de fase también permiten la implementación sencilla de multiplicadores y divisores de
frecuencia. Hay dos esquemas básicos. En el primer esquema, se generan armónicos de la entrada y el OCV
rastrea o sigue uno de estos armónicos. Este esquema tiene mayor utilidad en la implementación de
multiplicadores de frecuencia. El segundo esquema es la generación de armónicos a partir de la salida del VCO
y encajar la fase de uno de estos componentes de frecuencia con la entrada. Este esquema puede usarse para
implementar ya sea multiplicadores de frecuencia o divisores de frecuencia.
La Fig. 4.27 ilustra la primera técnica. El limitador es un dispositivo no lineal y por tanto genera armónicos de
la frecuencia de entrada. Si la entrada es sinusoidal, la salida del limitador es una onda cuadrada; en
consecuencia, hay armónicos impartes presentes. En el ejemplo ilustrado, el valor de la frecuencia de reposo
[frecuencia de salida del OCV fc con ev(t) igual a cero] se fija en 5f0. El resultado es que la fase del OCV se enlaza
con el quinto armónico de la entrada. Por tanto, el sistema mostrado multiplica la frecuencia de entrada por 5.
Salida
Filtro de demodulada
pasabajas
Filtro de
OCV
pasabajas
Desplazamiento
de fase de 90°
Filtro de
pasabajas
Figura 4.26 Lazo de encaje de fase de Costas.

xe(t) Detector Amplificador

Limitador y filtro de
de fase lazo
Entrada, x(t) e v(t)

OCV
Salida =
Salida del limitador, xe(t)
Espectro de salida
del limitador
Figura 4.27 Implementación con el lazo de encaje de fase de un multiplicador de frecuencia.
La Fig. 4.28 ilustra la división de frecuencia por un factor de 2. La frecuencia de reposo del OCV es f0/2 Hz,
pero la forma de onda de salida del OCV es un pulso angosto que tiene el espectro mostrado. La componente
con frecuencia f0 se encaja en fase con la entrada. Se puede usar un filtro de pasabanda para seleccionar la
componente deseada en el espectro de salida del OCV. Par el ejemplo mostrado, la frecuencia central del filtro
de pasabanda debe ser f0/2. El ancho de banda del filtro de pasabanda debe ser menor que la separación entre
las componentes en el espectro de salida del OCV; en este caso, esta separación es f0/2. Es importante señalar
que el sistema mostrado en la Fig. 4.28 también podría usarse para multiplicar la frecuencia de entrada por 5
ajustando la frecuencia central del filtro de pasabanda para 5f0. Por tanto, el sistema también podría servir como
un multiplicador de frecuencia ×5, como en el primer ejemplo. Son posibles muchas variaciones de estas técnicas
básicas.
Amplificador
Detector
y filtro de
de fase
lazo
Salida del OCV
ev(t)
OCV
Espectro de salida del OCV

Filtro de
pasabanda Salida =
Figura 4.28 Implementación con el lazo de encaje de fase de un divisor de frecuencia.

4.4 INTERFERENCIA EN LA MODULACIÓN ANGULAR
Ahora consideraremos el efecto de la interferencia en la modulación angular. Veremos que el efecto de la

interferencia en la modulación angular es bastante diferente de lo que se observó en la modulación lineal.
Además, veremos que el efecto de la interferencia en un sistema FM puede reducirse colocando un filtro de
pasabajas en la salida del discriminador. Estudiaremos este problema con bastante detalle ya que los resultados
proporcionan una buena idean del comportamiento de los discriminadores FM cuando operan en la presencia
de ruido, un tema que se estudiará en el Capítulo 8.
Supóngase que la entrada a un discriminador PM o FM ideal es una portadora no modulada más un tono
interferente con frecuencia f c + f i . Por tanto, se supone que la entrada al discriminador tiene la forma
xt (t ) = Ac cos ( 2 πf c t ) + Ai cos  2 π ( f c + f i ) t  (4.146)

xt (t ) = Ac cos ( 2 πf c t ) + Ai cos ( 2 πf i t ) cos ( 2 πf c t ) − Ai sen ( 2 πf i t ) sen ( 2 πf c t ) (4.147)
Si escribimos esta última expresión en forma de magnitud y fase, se obtiene

xr (t ) = R(t )cos [ 2 πf c t + ψ(t )] (4.148)
en la que la amplitud es dada por

2 2
R(t ) =  Ac + Ai cos ( 2 πf it )  +  Ai sen ( 2 πf i t )  (4.149)
y la desviación de fase es dada por

 Ai sen ( 2 πf i t ) 
ψ(t ) = tan −1  (4.150)
 A + A cos ( 2 πf t ) 
 c i i 
Si Ac >> Ai, las Ecs. (4.149) y (4.150) pueden ser aproximadas por
R(t ) = Ac + Ai cos ( 2 πf i t ) (4.151)
y
Ai
ψ(t ) = sen ( 2 πf i t ) (4.152)
Ac
Por tanto, la Ec. (4.148) es
 A   A 
xr (t ) = Ac  1 + i cos ( 2 πf i t )  cos  2 πf i t + i sen ( 2 πf i t )  (4.153)
 Ac   Ac 
De manera que la desviación de fase instantánea ψ(t) es dada por
Ai
ψ(t ) = sen ( 2 πf i t ) (4.154)
Ac
Por tanto, la salida de un discriminador PM ideal es

Ai
yD (t ) = K D sen ( 2 πf i t ) (4.155)
Ac
y la salida de un discriminador FM ideal es

1 d Ai
yD (t ) = KD sen ( 2 πf i t ) (4.156)
2π dt Ac
o
Ai
yD (t ) = K D f i cos ( 2 πf i t ) (4.157)
Ac
Igual que con la modulación lineal, la salida del discriminador es una sinusoide de frecuencia fi. Sin embargo, la
salida del discriminador es proporcional a la frecuencia fi para el caso FM. Se puede ver que para una fi baja, el
tono interferente tiene menos efecto sobre el sistema FM que sobre el sistema PM y que lo opuesto es cierto para
valores altos de fi. Los valores de fi > W, el ancho de banda de m(t), son de poco interés, ya que pueden
eliminarse mediante un filtro de pasabajas conectado después del discriminador.
Si no se cumple la condición Ai << Ac, el discriminador no está operando sobre el umbral y el análisis se vuelve
mucho más difícil. Se puede obtener más información sobre este caso a partir del diagrama fasorial, el cual se
obtiene escribiendo la Ec. (4.146) en la forma
xr (t ) = Re ( Ac + Ai e j 2 πf it ) e j 2 πfc t  (4.158)
El término entre paréntesis define un fasor, el cual es la señal de la envolvente compleja. El diagrama fasorial se
muestra en la Fig. 4.29(a). La fase de la portadora se toma como la referencia y la fase interferente es
θ(t ) = 2 πf i t (4.159)
Se pueden determinar aproximaciones a la fase de la resultante ψ(t) usando el diagrama fasorial.

En la Fig. 4.29(b) vemos que la magnitud de la salida del discriminador será pequeña cuando θ(t) sea casi cero.
Esto se debe a que para θ(t) cerca de cero, un cambio dado en θ(t) resultará en un cambio mucho menor en ψ(t).
Usando la relación entre la longitud de arco s, el ángulo θ y el radio r, la cual es s = rθ, obtenemos
s = θ(t ) Ai ≈ ( Ac + Ai ) ψ(t ), θ(t ) ≈ 0 (4.160)
Despejando a ψ(t), se obtiene
Ai
ψ(t ) ≈ ωi t (4.161)
Ac + Ai
Puesto que la salida del discriminador es definida por

K D dψ
yD (t ) = (4.162)
2 π dt
tenemos que
Ai
yD (t ) = K D fi , θ(t ) ≈ 0 (4.163)
Ac − Ai
Ésta es una cantidad positiva para fi > 0 y una cantidad negativa para fi < 0.
Figura 4.29 Diagrama fasorial más interferencia de un solo tono. (a) Diagrama fasorial para θ(t). (b)
Diagrama fasorial para θ(t) ≈ 0. (c) Diagrama fasorial para θ(t) ≈ π y Ai ≤ Ac. (d) Diagrama fasorial para
θ(t) ≈ π y Ai ≥ Ac.
Si Ai es ligeramente menor que Ac,, denotada por Ai < Ac , y θ(t) está cerca de π, un pequeño cambio positivo
ɶ
en θ(t) resultará en un cambio negativo grande en ψ(t). El resultado será la aparición de un salto negativo en la
salida del discriminador. De la Fig. 4.29© podemos escribir
s = Ai ( π − θ ) ≈ ( Ac − Ai ) ψ(t ), θ(t ) ≈ π (4.164)
la cual puede expresarse como
Ai ( π − 2 πf i t )
ψ( t ) ≈ (4.165)
Ac − Ai
Usando la Ec. (4.162), vemos que la salida del discriminador es

Ai
yD (t ) = −K D fi , θ(t ) ≈ π (4.166)
Ac − Ai
Ésta es una cantidad negativa para fi > 0 y una cantidad positiva para fi < 0.
Si Ai es ligeramente mayor que Ac, denotada Ai > Ac y (t) está cerca de π, un pequeño cambio positivo en θ(t)
ɶ
resultará en un cambio positivo grande en ψ(t). El resultado será la aparición de un salto positivo en la salida del
discriminador. De la Fig. 4.29(d), podemos escribir
s = Ai [ π − θ(t )] ≈ ( Ai − Ac ) [ π − ψ(t )] , θ(t ) ≈ π (4.167)
Despejando a ψ(t) y diferenciando, se obtiene la salida del discriminador como

Ai
yD (t ) ≈ −K D fi (4.168)
Ac − Ai
Observe que ésta es una cantidad positiva para fi > 0 y una cantidad negativa para fi < 0.
Las formas de onda de la desviación de fase y de la salida del discriminador se muestran en la Fig. 4.30 para
Ai = 0.1 Ac , Ai = 0.9 Ac y Ai = 1.1 Ac . La Fig. 4.30(a) ilustra que para Ai pequeña, la desviación de fase y la salida
del discriminador son casi sinusoidales, como lo predicen los resultado del análisis para baja interferencia dada
en las Ecs. (4.154) y (4.157). Para Ai = 0.9 Ac , tenemos un salto positivo en la salida del discriminador, como lo
predice la Ec. (4.166). Para Ai = 1.1 Ac , tenemos un salto positivo en la salida del discriminador, como lo predice
la Ec. (4.168). Observe que para Ai > Ac, el origen del diagrama fasorial es encerrado por un círculo a medida que
θ(t) pasa de 0 a 2π. En otras palabras, ψ(t) pasa de 0 a 2π conforme θ(t) varía de 0 a 2π. El origen no es circundado
si Ai < Ac. Por tanto, la integral
 dψ   2 π, Ai > Ac
∫  dt  dt =  0,
T Ai < Ac
(4.169)
donde T es el tiempo requerido para que θ(t) pase de θ(t) = 0 a θ(t) = 2π. En otras palabras, T = 1/fi. Por tanto, el
área bajo la curva de salida del discriminador es 0 para las partes (a) y (b) de la Fig. 4.30 y 2 πKD para la curva de
salida del discriminador en la Fig. 4.30(c). El fenómeno de encerrar el origen con un círculo se revisitará en el
Capítulo 8 cuando se examine la demodulación de señales FM en la presencia de ruido. Una comprensión de los
resultados de la interferencia presentados aquí proporcionará información invaluable cuando se consideren los
efectos del ruido.
Para operación sobre el umbral Ai << Ac, el efecto severo de la interferencia sobre la FM para fi alta puede ser
reducido colocando un filtro, denominado un filtro de des-énfasis, en la salida del discriminador de FM. Este filtro
es típicamente un filtro de pasabajas RC sencillo con una frecuencia de 3 dB considerablemente menor que el
ancho de banda de modulación W. El filtro de des-énfasis reduce efectivamente la interferencia para fi alta, como
muestra la Fig. 4.31. Para altas frecuencias, la magnitud de la función de transferencia de un filtro de primer
orden es aproximadamente 1/f. Puesto que la amplitud de la interferencia aumenta linealmente con fi para FM,
la salida es constante para alta fi, como se muestra en la Fig. 4.31.
Figura 4.30 Desviación de fase y salida del discriminador debido a la interferencia. (a)
Desviación de fase y salida del discriminador para Ai = 0.1Ac. (b) Desviación de fase y
salida del discriminador para Ai = 0.9Ac. (c) Desviación de fase y salida del
discriminador para Ai = 1.1Ac.
Amplitud de la señal
de salida debido a
interferencia
FM sin des-énfasis
FM sin des-énfasis
FM con des-énfasis
Desviación de la
frecuencia interferente fi
Figura 4.31 Amplitud de la salida del discriminador debida a la interferencia.

Puesto que f3 < W, el filtro de des-énfasis de pasabajas distorsiona la señal del mensaje además de combatir la
interferencia. La distorsión puede evitarse si se pasa la señal del mensaje, antes de la modulación, a través de un
filtro de pre-énfasis de pasa altas que tenga una función de transferencia igual al recíproco de la función de
transferencia del filtro de des-énfasis de pasabajas. Como la función de transferencia de la combinación en
cascada de los filtros de pre-énfasis y de des-énfasis es la unidad, hay un efecto de deterioro sobre la
modulación. Esto produce el sistema mostrado en la Fig. 4.32.
Filtro de
Filtro de
Modulador des-énfasis
pre-énfasis Discriminador
FM
Hp(f)
Figura 4.32 Sistema de modulación de frecuencia con pre-énfasis y des-énfasis.
La mejora ofrecida por el uso de pre-énfasis y des-énfasis no se obtiene sin un precio. El filtro de pre-énfasis de
pasa altas amplifica las componentes de alta frecuencia en relación con las componentes de baja frecuencia, lo
que puede resultar en un incremento en los requerimientos de desviación y ancho de banda. En el Capítulo 8
veremos, cuando se estudio el impacto del ruido del canal, que el uso de pre-énfasis y des-énfasis con frecuencia
proporciona una mejora significativa en el desempeño del sistema con muy poco complejidad adicional o costos
de implementación.
La idea del filtrado de pe-énfasis y des-énfasis ha encontrado aplicación en varias áreas. Por ejemplo, señales
grabadas en discos LP son filtradas, antes de grabarlas, usando un filtro de pasa altas de pre-énfasis. Esto atenúa
el contenido de baja frecuencia de la señal que se está grabando. Como las componentes de baja frecuencia
típicamente tienen grandes amplitudes, la distancia entre los surcos en el disco debe incrementarse para
acomodar estas señales de mayor amplitud si no se usase filtrado de pre-énfasis. El impacto de surcos con mayor
separación es un tiempo de grabación reducido. El equipo de reproducción aplica filtrado de des-énfasis para
compensar el filtrado de des-énfasis usado en el proceso de grabación. En los primeros días de las grabaciones
LP, se usaron varios diseños diferentes de filtros de pre-énfasis entre los diferentes fabricantes de discos. Como
consecuencia, al equipo de reproducción se le exigió proporcionar diferentes diseños de los filtros de pre-énfasis
de uso común. Posteriormente, eso se estandarizó. Con las técnicas de grabación digital modernas esto ya no es
un problema.
4.5 MODULACIÓN ANALÓGICA DE PULSOS
Como se definió en el capítulo anterior, la modulación analógica de pulsos resulta cuando se varía
continuamente algún atributo de un pulso en correspondencia uno a uno con un valor de muestra. Tres
atributos pueden variarse fácilmente: amplitud, duración (ancho) y posición. Estos cambios conducen a la
modulación de la amplitud del pulso (PAM, por sus siglas en inglés), modulación del ancho del pulso (PWM,
por sus siglas en inglés) y modulación de la posición del pulso (PPM, por sus siglas en inglés), como puede verse
en la Fig. 3.25. En el capítulo previo estudiamos PAM. Ahora analizamos brevemente la PWM y la PPM.
4.4.1 Modulación del Ancho del Pulso (PWM)
En la Fig. 3.25 se ilustra una forma de onda PWM. Ella consiste de una secuencia de pulsos, donde cada pulso
tiene un ancho proporcional a los valores de la señal del mensaje en los instantes de muestreo. Si el mensaje es 0
en el instante de muestreo, el ancho del pulso PWM es típicamente 21 Ts . Así, anchos de pulsos menores que 21 Ts
1
corresponden a valores negativos de las muestras, y anchos de pulsos mayores que T
2 s
corresponden a valores
positivos de las muestras. El índice de modulación β se define de modo que β = 1, el máximo ancho del pulso de
los pulsos PWM sea exactamente igual al periodo de muestreo 1/Ts. La modulación del ancho del pulso
raramente se usa en los sistemas de comunicación modernos. Sin embargo, la PWM tiene usos en otras áreas.
Por ejemplo, la PWM se usa exclusivamente para el control de motores CD en los cuales la velocidad del motor
es proporcional al ancho de los pulsos. Por lo tanto, se evitan pulsos de gran amplitud. Puesto que los pulsos
tienen amplitudes iguales, la energía en un pulso dado es proporcional al ancho del pulso. Los valores de las
muestras pueden recuperarse a partir de una señal PWM mediante filtrado de pasabajas.
4.4.2 Modulación de la Posición del Pulso (PPM)
Una señal PPM consiste de una secuencia de pulsos en los cuales el desplazamiento del punto con respecto a
una referencia especificada del tiempo es proporcional a los valores de las muestras de la señal portadora de
información. La señal PPM se ilustró en la Fig. 3.25 y puede representarse por la expresión
x( t ) = g ( t − t n ) (4.170)
donde g(t) representa la forma de los pulsos individuales y los instantes en que ocurren tn están relacionados con
los valores de la señal del mensaje m(t) en los instantes de muestreo nTs, como se analizó en el párrafo
precedente. El espectro de una señal PPM es muy semejante al de una señal PWM.
Si el eje del tiempo está dividido de manera que una banda dada de valores de muestra esté asociada con dada
división o ranura, las posiciones de los pulsos son cuantizadas y se asigna un pulso a cada división dependiendo
del valor de la muestra. Las ranuras no se solapan y son, por tanto, ortogonales. Si al valor dado de una muestra
se le asigna una de la M ranuras, el resultado es comunicaciones ortogonales M-arias, las cuales se estudiarán en
el Capítulo 11. La modulación de la posición de los pulsos ha encontrado varias aplicaciones el área de las
comunicaciones de banda ultra ancha (Observe que los pulsos de corta duración requieren un ancho de banda
grande para su transmisión).
4.6 MULTIPLEXADO
En muchas aplicaciones, un gran número de fuentes de datos están ubicadas en un punto común, y es deseable
transmitir estas señales simultáneamente usando un canal de comunicaciones único. Esto se logra usando
multiplexado (multicanalización). Ahora examinaremos varios tipos diferentes de multiplexado, donde cada
uno de ellos presenta ventajas y desventajas.
4.6.1 Multiplexado por División de Frecuencias
El multiplexado por división de frecuencias (FDM, por sus siglas en inglés) es una técnica mediante la cual varias
señales de mensajes son trasladadas, usando modulación, a diferentes posiciones espectrales y sumadas para
formar una señal de banda base. Las portadoras usadas para formar la banda base usualmente se conocen como
subportadoras. Si se desea, la señal de banda base puede transmitirse por un solo canal usando un proceso de
modulación único. Se pueden usar diferentes tipos de modulación para formar la banda base, como se ilustra en
la Fig. 4.34. En este ejemplo, hay N señales de información contenidas en la banda base. La observación del
espectro de la banda base en la Fig. 4.34(c) sugiere que el modulador de la banda base 1 es un modulador DSB
con frecuencia subportadora f1. El Modulador 2 es un modulador SSB de banda lateral superior y el modulador
N es un modulador de ángulo.
En la Fig.4.34(b) se muestra un demodulador FDM. La salida del demodulador es idealmente la señal de la
banda base. Los canales individuales en la banda base se extraen usando filtros de pasabanda. Las salidas del
filtro de pasabanda son demoduladas en la forma convencional.
El espectro de la banda base ilustra que el ancho de banda de la banda base es igual a la suma de los anchos de
banda de las señales moduladas más la suma de las bandas de guarda, las bandas espectrales vacías entre los
canales necesarias para el filtrado. Este ancho de banda tiene un límite inferior dado por los anchos de banda de
las señales de mensaje. Este ancho de banda,
N
B= ∑W
i =1
i (4.171)
cuando todos los moduladores de banda base son SSB y todas las bandas de gurda tienen cero ancho. Wi es el
ancho de banda de mi(t).
Bandabase
Mod. RF
Banda base
Demod.
1
Demod. Bandabase Demod.

RF 2
Demod.
N
Figura 4.34 Multiplexado por división de frecuencias. (a) Modulador FDM. (b)
Demodulador FDM. (c) Espectro supuesto de la banda base.
4.6.2 Ejemplo de FDM: Radio Difusión de FM Estéreo
Como un ejemplo de la FDM, ahora consideraremos la radiodifusión de FM. Una condición necesaria
establecida en el desarrollo inicial de la FM estéreo es que la FM estéreo sea compatible con los receptores FM
monofónicos. En otras palabras, la salida de un receptor FM monofónico debe la señal estéreo (canal izquierdo
más canal derecho) compuesta.
El esquema adoptado para la radiodifusión de FM estéreo se muestra en la Fig. 4.35(a). Como puede verse, el
primer paso en la generación de la señal FM estéreo es formar primero la suma y la diferencia de las señales de
los canales izquierdo y derecho, l(t ) ± r (t ) . La señal diferencia, l(t ) − r (t ) , es entonces trasladada a los 38 kHz
usando modulación DSB con una portadora obtenida de un oscilador de 19 kHz. Se usa un doblador de
frecuencia para generar una portadora de 38 kHz a partir del oscilador de 19 kHz. Previamente vimos que se
podía usar un PLL para implementar este doblador de frecuencia.
La señal de banda base se forma añadiendo las señal de suma y diferenta y el tono piloto de 19 kHz. El
espectro de la señal de banda base se muestra en la Fig. 4.35(b) para las señales supuestas de los canales
izquierdo y derecho. La señal de banda base es la entrada al modulador de FM. Es importante señalar que si un
transmisor monofónico de FM, que tenga un ancho de banda de 15 kHz y un transmisor de FM estereofónico,
que tenga un ancho de banda de mensaje de 53 kHz, tienen ambos la misma restricción sobre la desviación pico,
la razón de desviación D, del transmisor estereofónico de FM es reducida por un factor de 53/15 = 3.53. El
impacto de esta reducción en la razón de desviación se verá cuando consideremos los efectos del ruido en el
Capítulo 8.
Modulador
FM
Generador del Multiplicador

tono piloto de frecuencia
fp = 19 kHz ×2
Piloto Espectro DSB

correspondiente a Salida
L(f) − R(f) monofónica
Salida
monofónica
Filtro de
Discriminador
pasabajas
FM
W = 15kHz
Filtro de
pasabajas
W = 15kHz
Filtro de
pasabajas del
tono piloto
Multiplicador
de frecuencia
×2
Figura 4.35. Transmisor y receptor estereofónico de FM. (a) Transmisor de FM estereofónico.

(b) Espectro unilateral de la señal FM de banda base. (c) Receptor de FM estereofónico.
4.6.3 Multiplexado de Cuadratura
Otro tipo de multiplexado es el multiplexado de cuadratura (QM, por sus siglas en inglés, en el cual se usan
portadores en cuadratura para la traslación de frecuencia. Para el sistema mostrado en la Fig. 4.36, la señal
xc (t ) = Ac m1 (t )cos ( 2 πf c t ) + m2 (t )sen ( 2 πf c t )  (4.172)
es una señal multiplexada en cuadratura. Si se dibujan los espectros de xc(t), vemos que ellos se solapan en
frecuencia si los espectros de m1(t) y m2(t) se solapan. Aunque en la QM se usa traslación de frecuencia, ella no es
una técnica FDM ya que los dos canales no ocupan locaciones espectrales separadas. Observe que la SSB es una
señal QM con m1(t) = m(t) y m2 (t ) = ±mˆ (t ) .
Una señal QM es demodulada usando portadores de demodulación en cuadratura. Para demostrar esto,
multiplique xr(t) por 2 cos ( 2 πf c t + θ ) . Esto produce
2 xr cos ( 2 πf c t + θ ) = Ac [ m1 (t ) cos θ − m2 (t )sen θ] + Ac  m1 (t )cos ( 4πf c t + θ ) + m2 (t )sen ( 4πf c t + θ )  (4.173)
Los términos en el corchete más a la derecha de la ecuación anterior tienen contenido espectral en torno a 2fc y
pueden removerse usando un filtro de pasabajas. La salida del filtro de pasabajas es
yDD (t ) = Ac [ m1 (t )cos θ − m2 (t )sen θ] (4.174)
la cual da m1(t), la salida deseada para θ = 0. El canal de cuadratura es demodulado usando una portadora de
demodulación de la forma 2 sen ( 2 πf c t ) .
El resultado anterior ilustra el efecto de un error de fase en la demodulación sobre la QM. El resultado de este
error de fase es a la vez una atenuación, la cual puede ser variable en el tiempo, de la señal deseada y diafonía
provenient4e del canal de cuadratura. Se debe señalar que la QM puede usarse para representar tanto la DSB
como SSB con definiciones apropiadas de m1(t) y m2(t). Nos aprovecharemos de esta observación cuando
consideremos el efecto combinado del ruido y de errores de fase en la demodulación en el Capítulo 8.
El multiplexado por división de frecuencia puede usarse con la QM trasladando pares de señales, usando
portadoras en cuadratura, para cada frecuencia subportadora. Cada canal tiene un ancho de banda 2W y
acomoda dos señales de mensajes, y cada una usa un ancho de banda W. Entonces, suponiendo bandas de
guarda de ancho cero, una banda base de ancho de banda NW puede acomodar N señales de mensaje, cada una
de ancho de banda W y requiere 21 N frecuencias subportadoras separadas.
4.6.4 Comparación de los Esquemas de Multiplexado
Hemos visto que para todos los tres tipos de multiplexado estudiados, el ancho de banda de la banda base está
acotado en su parte baja por el ancho de banda total de la información. Sin embargo, hay ventajas y desventajas
en cada una de las técnicas de multiplexado.
La ventaja básica de la FDM la sencillez de su implementación y, si el canal es lineal, las desventajas son
difíciles de identificar. Sin embargo, muchos canales tienen pequeñas pero despreciables no linealidades. Como
vimos en el Capítulo 2, las no linealidades conducen a la distorsión por intermodulación. En los sistemas FDM,
el resultado de la distorsión por intermodulación es la diafonía entre canales en la banda base.
La TDM, que se estudió en el capítulo anterior, también tiene varias desventajas propias. Se requieren
muestreadores y, el usuario de los datos requiere de datos continuos, las señales continuas deben reconstruirse a
partir de las muestras. Una de las mayores dificultades con la TDM es el mantener el sincronismo entre los
conmutadores de multiplexado y des-multiplexado. La ventaja básica de la QM es que permite el uso de la DSB
simple y al mismo tiempo utiliza eficientemente el ancho de banda de la banda base. También permite un
reapuesta a CD, lo cual no pasa con la SSB. El problema básico con la QM es la disfonía entre los canales de
cuadratura, lo que resulta si no se tienen disponibles portadoras de demodulación perfectamente coherentes.
Otras ventajas y desventajas de la FDM, QM y TDM se harán obvias cuando estudiemos desempeño en
presencia de ruido en el Capítulo 8.
4.1 Halle la fase instantánea de las señales moduladas en ángulo suponiendo una constante de desviación de
fase kp, una frecuencia portadora de fc y las tres señales de mensajes siguientes:
(a) m1 (t ) = 10 cos ( 5πt )
(b) m2 (t ) = 10 cos ( 5πt ) + 2 sen ( 7 πt )
(c) m3 (t ) = 10 cos ( 5πt ) + 2 sen ( 7 πt ) + 3 cos ( 6.5πt )

4.2 Use las tres señales de mensajes en el problema anterior para determinar la frecuencia instantánea.
4.3 Un transmisor FM tiene una desviación de frecuencia constante de 15 Hz por unidad de m(t). Suponiendo
una señal de mensaje de m(t ) = 9 sen ( 40 πt ) , escriba la expresión para xc(t) y determine la máxima
desviación de fase.
4.4 Use el valor de fd y la expresión para m(t) dada en el Problema 4.3 para determinar la expresión para la
desviación de fase.
4.5 Una señal, la cual se trata como una modulación de ángulo de banda angosta, tiene un índice de
modulación β = 0.2 Determine la razón de la potencia de las banda laterales a la potencia de la portadora.
Describa el espectro de la señal transmitida.
4.6 Una señal modulada en ángulo, con m(t) sinusoidal, tiene un índice de modulación β = 5. Determine la
razón de la potencia en las bandas laterales a la potencia de la portadora, suponiendo que se transmiten 5
bandas laterales de cada lado de la portadora.
4.7 Se construye una señal FM mediante conversión de banda angosta a banda ancha. La desviación de
frecuencia pico de la señal de banda angosta es 40 Hz y el ancho de b anda de la señal del mensaje es 200
Hz. La señal de banda ancha (transmitida) debe tener una razón de desviación de 6 y una frecuencia
portadora de 1 MHz. Determine el factor de multiplicación n, la frecuencia central de la señal de banda
angosta y, usando la regla de Carson, estime el ancho de banda de la señal de banda ancha.
4.8 Un PLL de primer orden tiene una ganancia de lazo total de 10. Determine la banda del encaje.
4.9 Un filtro de lazo de segundo orden, operando en el modo de rastreo, tiene una ganancia de lazo de 10 y una
función de transferencia del filtro de lazo de ( a + 1 ) s . Determine el valor de a para que el factor de
amortiguamiento sea 0.8.
4.10 Un PLL de primer orden tiene una ganancia de lazo de 300. La entrada al lazo cambia instantáneamente de
frecuencia por 40 Hz. Determine el error de fase de estado estacionario debido a esta cambio escalonado en
frecuencia.
4.11 Un sistema FDM es capaz de transmitir una señal de banda base que tiene un ancho de banda de 100 kHz.
Un canal es la entrada al sistema sin modulación (aproximadamente f = 0). Supóngase que todas las señales
de mensajes tienen un espectro de pasabajas con un ancho de banda de 2 kHz y que la banda de guarda
entre canales es 1 kHz. ¿Cuántos canales pueden ser multiplexados para formar la banda base?
4.12 Un sistema QM tiene dos señales de mensaje definidas por
m1 (t ) = 5 cos ( 8πt )
y
m1 (t ) = 8 sen ( 12 πt )
Debido a un error de calibración, las portadoras demoduladas tienen un error de fase de 10 grados.
Determine las dos señales de mensaje demoduladas.
Problemas
Sección 4.1
4.1 Supóngase que la entrada a un modulador de fase es m(t ) = u ( t − t0 ) , como se muestra en la Fig. 4.1(a).
Supóngase también que la portadora no modulada es Ac cos ( 2 πf c t ) y que f c t0 = n , donde n es un entero.
Dibuje con precisión la salida del modulador de fase para kp = π y − 83 π como se hizo en la Fig. 4.1(c) para
k p = 12 π .
4.2 Repita el Problema 4.1 para kp = − 12 π y k p = 18 π .
 π
4.3 Dibuje de nuevo la Fig. 4.4 suponiendo que m(t ) = A sen  2 πf m t +  .
 6
4.4 Previamente se calculó el espectro de la señal FM definida por
xc 1 (t ) = cos  2 πf c t + β sen ( 2 πf m t ) 
Supóngase ahora que la señal modulada es dada por
xc 2 (t ) = cos  2 πf c t + β cos ( 2 πf m t ) 
Demuestre que los espectros de amplitudes de xc 1 (t ) y xc 2 (t ) son idénticos. Calcule el espectro de fase de
xc 2 (t ) y compárelo con el espectro de fase de xc 1 (t ) .
4.5 Calcule los espectros unilaterales de amplitud y fase de
xc 3 (t ) = A sen  2 πf c t + β sen ( 2 πf m t ) 
y
xc 4 (t ) = A sen  2 πf c t + β cos ( 2 πf m t ) 
Compare con la Fig. 4.5.

4.6 La potencia de una señal portadora no modulada es 50 W y la frecuencia portadora es fc = 40 Hz. Se usa
una señal de mensaje sinusoidal para modularla en FM con un índice de modulación β = 10. La señal de
mensaje sinusoidal tiene una frecuencia de 5 Hz. Determine el valor promedio de xx(t). Dibujando espectros
apropiados, explique esta aparente contradicción.
4.7 Dado que J0(5) = −0.178 y que J1(5) = −0.328, determine J3(5)y J4(5).
4.8 Determine y dibuje los espectros (de amplitud y fase) de una señal modulada en ángulo suponiendo que la
desviación de fase instantánea es φ(t ) = β sen ( 2 πf m t ) . Supóngase también que β = 10, fm = 30 Hz y fc = 2000
Hz.
4.9 Un transmisor usa una frecuencia portadora de 1000 Hz de modo que la portadora modulada es
Ac cos ( 2 πf c t ) . Determine las desviaciones de fase y de frecuencia de las siguientes salidas del transmisor:
(a) xc (t ) = cos  2 π ( 1000 ) t + 0 sen ( 5t 2 ) 
(b) xc (t ) = cos [ 2 π ( 600 ) t ]
4.10 Repita el Problema 4.9 suponiendo que las salidas de transmisor son definidas por
(a) xc (t ) = cos [ 2 π ( 1200 ) t ]
(b) xc (t ) = cos [ 2 π ( 900 ) t + 10 t ]
4.11 Un modulador FM tiene salida

 t 
xc (t ) = 100 cos  2 πf c t + 2 πf c
 ∫ m(α) dα 
donde fd = 20 Hz/V. Supóngase que m(t) es el pulso rectangular m(t ) = 4Π  18 ( t − 4 )  .
(a) Dibuje la desviación de fase en radianes.

(b) Dibuje la desviación de frecuencia en hertz.

(c) Determine la desviación de frecuencia pico en hertz.
(d) Determine la desviación de fase pico en radianes.
(e) Determine la potencia en la salida del modulador.
4.12 Repita el Problema 4.11 suponiendo que m(t) es el pulso triangular 4Λ  13 ( t − 6 )  .
4.13 Un modulador FM tiene fd = 10 Hz/V. Grafique la desviación de frecuencia en Hz y la desviación de fase en

radianes para las tres señales de mensajes mostradas en la Fig. 4.37.
4.14 Un modulador FM tiene fc = 2000 Hz y fd = 20 Hz/V. La entrada al modulador es m(t ) = 5 cos [ 2 π ( 10 ) t ] .
(a) ¿Cuál es el índice de modulación?

(b) Dibuje, aproximadamente a escala, el espectro de magnitud de la salida del modulador. Muestre todas
las frecuencias de interés.
(c) ¿La señal es FM de banda angosta? ¿Por qué?
(d) Si se usa la misma m(t) para un modulador de fase, ¿cuál debe ser kp para obtener el índice dado en (a)?
4.15 Una señal de audio tiene un ancho de banda de 15 kHz. El valor máximo de m(t ) es 10 V. Esta señal
modula en frecuencia una portadora. Estime la desviación pico y el ancho de banda de la salida del
modulador. suponiendo que la constante de desviación del modulador es
(a) 20 Hz/V (b) 200 Hz/V (c) 2 kHz/V (d) 20 kHz/V
Figura 4.37
4.16 Utilizando las Ecs. (4.30) y (4.39), demuestre que

∞
∑ J (β ) = 1
n =−∞
2
n
4.17 Demuestre que Jn(β) puede expresarse como
1 π
J n (β) =
π ∫0
cos ( β sen x − nx ) dx
y use el resultado para demostrar que

n
J − n (β) = ( −1 ) Jn (β)
4.18 Un modulador de FM es seguido por filtro ideal de pasabanda con frecuencia central de 500 Hz y un
ancho de banda de 70 Hz. La ganancia del filtro es 1 en la pasabanda. La portadora no modulada es
10 cos ( 1000 πt ) y la señal del mensaje es m(t ) = 10 cos ( 20 πt ) . La constante de desviación de frecuencia del
transmisor fd es 8 Hz/V.
(a) Determine la desviación de frecuencia pico en hertz.
(b) Determine la desviación de fase pico en radianes.
(c) Determine el índice de modulación.
(d) Determine la potencia en la entrada del filtro y la salida del filtro.
(e) Dibuje el espectro unilateral de la señal en la entrada y en la salida del filtro. Identifique la amplitud
y frecuencia de cada componente espectral.
4.19 Una señal de mensaje sinusoidal tiene una frecuencia de 250 Hz. Esta señal es la entrada a un modulador
FM con un índice de 8. Determine el ancho de banda de la salida del modulador si se necesita una razón
de potencia, Pr, de 8. Repita para una razón de potencia de 0.9.
4.20 Una señal FM de banda angosta tiene una frecuencia portadora de 110 kHz y una razón de desviación de
0.05. El ancho de banda de la modulación es 10 kHz. Esta señal se usa para generar una señal FM de
banda ancha con una razón de desviación de 20 y una frecuencia portadora de 100 MHz. El esquema
utilizado para lograr esto se ilustra en la Fig. 4.12. Dé el valor requerido de la multiplicación de frecuencia,
n. También, defina completamente el mezclador dando dos frecuencias permisibles para el oscilador local
y define el filtro de pasabanda requerido (frecuencia central y ancho de banda).
Sección 4.2
4.21 Considérese el discriminador de FM mostrado en la Fig. 4.38. El detector de envolvente puede
considerarse ideal con una impedancia de entrada infinita. Grafique la magnitud de la función de
transferencia E( f ) Xr ( f ) . A partir de esta gráfica, determine una frecuencia portadora adecuada y la
constante del discriminador KD y estime la desviación de frecuencia pico permisible de la señal de
entrada.
4.22 Ajustando los valores de R, L y C en la Fig. 4.38, diseñe un discriminador para una frecuencia portadora
de 100 MHz, suponiendo que la desviación de frecuencia pico es 4 MHz. ¿Cuál es la constante del
discriminador KD para su diseño?
Detector de
envolvente
Figura 4.38
Sección 4.3
4.23 Comenzando con la Ec. (4.117), verifique los errores en estado estacionario dados en la Tabla 4.4.
4.24 Usando xr (t ) = m(t ) cos ( 2 πf c t ) y e0 (t ) = 2 cos ( 2 πf c t + θ ) para la entrada al PLL de Costas y la salida del
OCV, respectivamente, verifique que todas las señales mostradas en los diferentes puntos de la Fig. 4.26
están correctos. Suponiendo que la desviación de frecuencia del OCV está definida por dθ dt = −K v ev (t ) ,
donde ev(t) es la entrada al OCV y Kv es una constante positiva, deduzca el plano de fase. Usando el plano
de fase, verifique que el lazo encaja.
7
4.25 Usando un solo PLL, diseñe un sistema que tenga una frecuencia de salida igual a f
3 0
, donde f0 es la
frecuencia de entrada. Describa completamente, con una gráfica, la salida del OCV en su diseño. Dibuje el
espectro en la salida del OCV y en cualquier otro punto en el sistema que se necesita para explicar la
operación de su diseño. Describa cualesquiera filtros usados en su diseño definiendo la frecuencia central
y el ancho de banda apropiado de cada uno.
4.26 Un PLL de primer orden opera con frecuencia y error de fase cero cuando se aplica un escalón en
frecuencia de magnitud ∆ω. La ganancia del lazo Kt es 2π(100). Determine el error de fase en estado
estacionario, en grados para ∆ω = 2π(30), 2π(50) y −2π(80). ¿Qué sucede si ∆ω = 2π(120) rad/s?
4.27 Verifique la Ec. (4.120) demostrando que Kt e − Kt t u(t ) satisface todas las propiedades de una función
impulso en el límite conforme Kt → ∞.
4.28 El PLL de segundo orden imperfecto se define como un PLL con el filtro de lazo
s+a
f (s) =
s + λa
en la cual λ es la desviación del polo respecto del origen en relación con la ubicación del cero. En las
implementaciones prácticas, λ es pequeña pero con frecuencia no puede despreciarse. Use el modelo
lineal del PLL y deduzca la función de transferencia para Θ(s ) Φ(s ) . Deduzca expresiones para ωn y ζ en
términos de Kt, a y λ.
4.29 Suponiendo el modelo del filtro de lazo para un PLL de segundo orden imperfecto, descrito en el
Problema 4.28, deduzca los errores de fase en estado estacionario bajo las tres condiciones de θ0, f∆ y R
dada en la Tabla 4.4.
4.30 Un PLL de Costas opera con pequeño error de fase de modo que sen ψ ≈ ψ y cos ψ ≈ 1 . Suponiendo que
el filtro de pasabajas que precede al OCV se modela como a ( s + a ) , donde a es una constante arbitraria,
determine la respuesta a m(t ) = u ( t − t0 ) .
4.31 En este problema queremos desarrollar un banda base (modelo equivalente de pasabajas) de un PLL de
Costas. Suponemos que la entrada al lazo es la señal de envolvente compleja
xɶ (t ) = Ac m(t ) e jφ( t )
y que la salida del OCV es e jθ( t ) . Deduzca y dibuje el modelo y muestre las señales en cada punto en el
modelo.
Sección 4.4
4.32 Supóngase que un demodulador FM opera en la presencia de interferencia sinusoidal. Demuestre que la
salida del discriminador es una constante diferente de cero para cada uno de los casos siguientes: Ai = Ac,
Ai = − Ac y Ai >> Ac. Determine la salida del demodulador de FM para cada uno de estos casos.
Sección 4.5
4.33 Una señal de datos continuos es cuantizada y transmitida usando un sistema PCM. Si cada muestra de los
datos en el terminal receptor del sistema debe conocerse con precisión de ±20% del valor pico a pico a
plena escala, ¿cuántos símbolos binarios debe contener cada palabra digital transmitida? Suponga que la
señal del mensaje es de voz y que tiene un ancho de banda de 5 kHz. Estime el ancho de banda de la señal
PCM resultante (seleccione k).
Sección 4.6
4.34 En un sistema de comunicación FDM, la señal de banda base transmitida es
x(t ) = m1 (t )cos ( 2 πf 1t ) + m2 (t )cos ( 2 πf 2 t )
Este sistema tiene una no linealidad de segundo orden entre la salida del transmisor y la entrada del
receptor. Por tanto, la señal de banda base recibida y(t) puede expresarse como
y(t ) = a1 x(t ) + a2 x 2 (t )
Suponiendo que las dos señales del mensaje, m1(t) y m2(t), tienen los espectros
 f 
M1 ( f ) = M 2 ( f ) = Π  
W 
Dibuje el espectro de y(t). Analice las dificultades encontradas al demodular la señal de banda base
recibida. En muchos sistemas FDM, las frecuencias subportadoras f1 y f2 están relacionadas
armónicamente. Describa cualquier problema adicional que esté presente.
APÉNDICE F
TABLAS MATEMÁTICAS Y NUMÉRICAS
Este apéndice contiene varias tablas pertinentes al material contenido en este libro. Las tablas son:
1. La función Q gaussiana
2. Identidades trigonométricas
3. Expansiones en series
4. Integrales
5. Pares de Transformadas de Fourier
6. Teoremas de Transformadas de Fourier
F.1 LA FUNCIÓN Q GAUSSIANA
En este apéndice examinamos la función Q gaussiana con más detalle y estudiamos varias aproximaciones a la
función Q.1 La función de densidad de probabilidades gaussiana de variancia unitaria y media cero es
1 2
Z( x ) = e−x 2
(F.1)
2π
y la función de distribución acumulativa correspondiente es
x
P( x ) =
∫−∞
Z(t )dt (F.2)
La función Q gaussiana se define como2

∞
Q( x ) = 1 − P( x ) =
∫x
Z(t )dt (F.3)
Una expansión asintótica para Q(x), válida para x grande, es
Z( x )  ( −1 ) 1 ⋅ 3 ⋯ (2 n − 1  n
1 1 ⋅3
Q( x ) =  1− 2 + 4 − ⋯ +  + Rn (F.4)
x  x x x2n 
donde el residuo es dado por
∞
1 ⋅ 3 ⋅ (2 n + 1)⌠
Z( f )

n+ 1
Rn = ( −1 ) dt (F.5)
⌡x t 2 n + 2
1
La información dada en este apéndice se extrajo de M. Abramowitz e I. Stegun, Handbook of Mathematical Functions, New
York, Dover, 1972 (Publicada originalmente en 1964 como parte de la National Bureau of Standards Applied Mathematics
Series 55).
Para x < 0, Q( x ) = 1 − Q ( x ) .
2
ii
que es menor en valor absoluto que el primer termino omitido. Para x ≥ 3, resulta un error menor que 10% si
sólo se usa el primer término en (F.4) para aproximar la función Q gaussiana.
Un límite finito para la función Q, el cual es conveniente para la integración numérica, es
 1 ∞  x2 
 ⌠   2 
exp  −  dφ , x≥0
 π ⌡x  2 sen φ 
Q( x ) =  ∞
(F.6)
 1⌠  x2 
 1 −  exp  − 2  dφ, x < 0
 π ⌡x  2 sen φ 
La muy conocida función de error puede relacionarse con la función Q gaussiana por
2 x
π∫
e −t dt = 1 − 2Q ( 2 x )
2
erf ( x ) ≜ (F.7)
0
La función de error complementaria se define como erfc( x ) = 1 − erf( x ) tal que
1  x 
Q( x ) = erfc   (F.8)
2  2
la cual es conveniente para calcular valores usando MATLAB ya que erfc es un subprograma en MATLAB pero
la función Q no lo es.
A continuación se da una pequeña tabla de valores para Q(x). Observe que los valores de Q(x) para x < 0 se
pueden hallar en la tabla usando la relación
Q( x ) = 1 − Q ( x ) (F.9)
Por ejemplo, de la tabla R.1, Q ( −0.1 ) = 1 − Q ( 0.1 ) = 1 − 0.46017 = 0.53983 .
Tabla F.1 Una Tabla Corta de Valores de la Función Q

iii
F.2 IDENTIDADES TRIGONOMÉTRICAS
e ju + e − ju
cos ( u ) =
2
e − e − ju
ju
sen ( u ) =
2j
cos 2 ( u ) + sen 2 ( u ) = 1
cos 2 ( u ) − sen 2 ( u ) = cos ( 2u )
2 sen ( u ) cos ( u ) = sen ( 2u )
1 1
cos ( u ) cos ( v ) = cos ( u − v ) + cos ( u + v )
2 2
1 1
sen ( u ) cos ( v ) = sen ( u − v ) + sen ( u + v )
2 2
1 1
sen ( u ) sen ( v ) = cos ( u − v ) − cos ( u + v )
2 2
cos ( u ± v ) = cos u cos v ∓ sen u sen v
sen ( u ± v ) = sen u cos v ± cos u sen v
1 1
cos 2 u = + cos ( 2u )
2 2
1   2n 
n −1
 2n 
cos u = 2 n 
2n ( ) ∑ 2   cos 2 ( n − k ) u +   
2  k = 0  k   n  
1  
n −1
 2n − 1 
cos 2 n −1 ( u ) = 2 n − 2 
2 ∑ 2
 k = 0  k 
 cos ( 2n − 2 − 1k ) u 

1 1
sen 2 ( u ) = − cos ( 2u )
2 2
1   2n 
n −1
 2n 
sen 2 n ( u ) = 2 n 
2  k = 0 ∑ ( −1 )n − k 2   cos 2 ( n − k ) u +   
 k   n  
1  
n −1
 2n − 1 
sen 2 n −1 ( u ) = 2 n − 2 
2 ∑
 k = 0
( −1 )n + k −1 2 
 k 
 sen ( 2n − 2 k − 1 ) u 

F3 EXPANSIONES EN SERIES
n
n n
∑  k  u
n!
( u + v )n = n− k k
v ,  =(
k =0  k  n − k)! k !
Si se hace u = 1 y v = x, se obtienen las aproximaciones:
( 1 + x )n ≅ 1 + nx ; ( 1 − x )n ≅ 1 − nx ; ( 1 + x )1 2 ≅ 1 + 1 x
2
log a u = log e u log a e ; log e u = ln u = log e a log a u
∞
uk
eu = ∑k =0
k!
≅ 1 + u, u ≪1
iv
ln ( 1 + u ) ≅ u , u ≪1
∞ 2 k +1
u3
sen u = ∑
k =0
( −1 ) k u
( 2 k + 1) !
≅ u−
3!
, u ≪1
∞ 2k
u2
cos u = ∑
k =0
( −1 ) k u
( 2k )!
≅ 1−
2!
, u ≪1
1 2
tan u = u + u 3 + u 5 + ⋯
3 15
 un  u2 u4 
 n 1 − 2 + − ⋯ , u ≪1
 2 n !  2 ( n + 1 ) 2 ⋅ 2 ( n + 1 )( n + 2 )
4

J n (u) = 
 2
 cos ( u − nπ 2 − π 2 ) , u≫ 1
 π u
 u2 u4 2
 1 + + 4 + ⋯ ≅ eu 4 , 0≤u≪1
 2
I0 (u ) ≅  u2 2
 e , u≫1
 2 πu
F.4 INTEGRALES
F.4.1 Indefinidas
∫ sen ( ax ) dx = − a cos ( ax )
1
∫ cos ( ax ) dx = a sen ( ax )
1
∫ sen ( ax ) dx = 2 − 4a sen ( 2 ax )
2 x 1
∫ cos ( ax ) dx = 2 + 4a sen ( 2ax )

2 x 1
∫ x sen ( ax ) dx = a [sen ( ax ) − ax cos ( ax )]

−2
∫ x cos ( ax ) dx = a [cos ( ax ) + ax sen ( ax )]

−2
∫ x sen ( x ) dx = −x cos ( x ) + m∫ x cos ( x ) dx

m m m −1
∫ x cos ( x ) dx = −x sen ( x ) − m∫ x sen ( x ) dx

m m m −1
∫ exp ( ax ) dx = a exp ( ax )
−1
∫ x exp ( ax ) dx = a x exp ( ax ) − a m∫ x exp ( ax ) dx

m −1 m −1 m−1
∫ exp ( ax ) sen ( bx ) dx = ( a + b ) exp ( ax ) [ a sen ( bx ) − b cos ( bx )]

2 2 −1
∫ exp ( ax ) cos ( bx ) dx = ( a + b ) exp ( ax )[ a cos ( bx ) + b sen ( bx )]

2 2 −1
v
F.4.2 Definidas
∞ m−1
⌠

x
dx =
πn
, n>m>0
⌡0 1 + x n sen ( m π n )
π π
∫ ∫
π
sen 2 ( nx ) dx = cos 2 ( nx ) dx = , n un entero
0 0 2
π π
∫0
sen ( mx ) sen ( nx ) dx =
∫
0
cos ( mx ) cos ( nx ) dx = 0, m ≠ n , m y n enteros
π  2 m ( m2 − n 2 ) , m + n impar
∫0
sen ( mx ) cos ( nx ) dx = 
 0, m + n par
∞ Γ( a)
∫0
x n −1 cos bx dx =
ba
cos ( πa 2 ) , 0 < a < 1, b > 0
∞ Γ( a)
∫0
x n −1 sen bx dx =
ba
sen ( πa 2 ) , 0 < a < 1, b > 0
∫
n!
x n exp ( − ax ) dx = , n un entero y > 0
0 an+ 1
∞ π
∫0
exp ( − a2 x 2 ) dx =
2 a
∞ 1 ⋅ 3 ⋅ 5 ⋯ (2n − 1) π
∫0
x 2 n exp ( − ax ) dx =
2 n+ 1 a2 n + 1
, a>0
∫
a
exp ( − ax ) cos ( bx ) dx = , a>0
0 a2 + b 2
∞
∫
b
exp ( − ax ) sen ( bx ) dx = , a>0
0 a + b2
2
∞ π  b2 
∫0
exp ( − a2 x 2 ) cos ( bx ) dx =
2a
exp  − 2 
 4a 
∞  b2 
∫
1
x exp ( − ax 2 ) I k ( bx ) dx = exp  −  , a > 0
0 2a  2a 
∞
⌠ cos ( ax ) π
 2 2 = exp ( − ab ) , a > 0, b > 0
⌡0 b + x 2b
∞
⌠ x sen ( ax ) π
 = exp ( − ab ) , a > 0, b > 0
⌡0 b 2 + x 2 2
∞ ∞
∫ ∫
1
sinc( x ) dx = sinc2 ( x ) dx =
0 0 2
vi
F.5 PARES DE TRANSFORMADAS DE FOURIER
Señal Transformada de Fourier
 1, t ≤τ 2 sen ( πf τ )
Π (t τ) =  τ sinc ( f τ ) = τ
 0, otros valores de t πf τ
2 W sinc ( 2 W t ) Π ( f 2W )
 1− t τ, t ≤τ 2
Λ (t τ) =  t sinc 2 ( f τ )
 0, otros valores de t
W sinc2 ( W t ) Λ( f W )
exp ( −αt ) u(t ), α > 0 1 ( α + j2π f )
2
t exp ( −αt ) u(t ), α > 0 1 ( α + j2π f )
exp ( −α t ) , α > 0 2 a α 2 + ( 2 π f ) 

2
exp  −π ( t τ )  τ exp  −π ( τ f ) 
2 2
δ(t ) 1
1 δ( f )
1 1
cos ( 2 πf 0 t ) δ ( f − f0 ) + δ ( f + f0 )
2 2
1 1
sen ( 2 πf 0 t ) δ ( f − f0 ) − δ ( f + f0 )
2j 2j
1 1
u(t ) + δ( f )
j 2 πf 2
 1, f > 0
1 πt lj sgn( f ); sgn( f ) = 
 − 1, f < 0
∑ ∑
∞ ∞
δ ( t − mTs ) fs δ ( f − nf s ) ; f s = 1 Ts
m =−∞ n =−∞
vii
F.6 TEOREMAS DE LA TRANSFORMADA DE FOURIER
Operación en el dominio del tiempo

Nombre Operación en el dominio de la frecuencia
(se suponen señales reales
Superposición a1 x1 (t ) + a2 x2 (t ) a1 X1 ( f ) + a2 X 2 ( f )
Retardo en el tiempo x ( t − t0 ) X ( f )exp ( − j 2 πt0 f )
Cambio de escala x ( at ) a X ( f a)
Inversión en el tiempo x ( −t ) X (− f ) = X * ( f )
Dualidad X (t ) x (− f )
Traslación de frecuencia x(t )exp ( j 2 πf 0 t ) X ( f − f0 )
1 1
Modulación x(t ) cos ( j 2 πf 0 t ) X ( f − f0 ) + X ( f + f0 )
2 2
Convolución4 x 1 ( t ) ∗ x 2 (t ) X 1 ( f )X 2 ( f )
Multiplicación x1 (t ) x2 (t ) X1 ( f ) ∗ X 2 ( f )
d n x(t )
Diferenciación
n
( j 2 πf )n X( f )
dt
t 1 1
Integración
∫ −∞
x( λ ) dλ
j 2 πf
X ( f ) + X(0) δ( f )
2
∫
4
x1 ( t ) ∗ x 2 ( t ) ≜ x1 (λ )x2 (t − λ ) dλ .
−∞
viii

Principios de Comunicaciones Sistemas, Modulacion y Ruido - Rodger E. Ziemer, William H. Tranter - 7ma Ed PDF

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

Principios de Comunicaciones Sistemas, Modulacion y Ruido - Rodger E. Ziemer, William H. Tranter - 7ma Ed PDF

Cargado por

Copyright:

Formatos disponibles

Séptima Edición

Una característica de los sistemas de comunicaciones eléctricas es la presencia de incertidumbre. Esta

1.1 EL DIAGRAMA DE BLOQUES DE UN SISTEMA DE COMUNICACIÓN

Mensaje Señal Señal Señal de

Portadora Ruido aditivo, interferencia,

Figura 1.1 El Diagrama de Bloques de un Sistema de Comunicaciones.

1.2 CARACTERÍSTICAS DEL CANAL

1.2.1 Fuentes de Ruido

1.2.2 Tipos de Canales de Transmisión

Canales de Propagación de Ondas Electromagnéticas

La posibilidad de la propagación de ondas electromagnéticas la predijo en 1864 James Clerk Maxwell

y la frecuencia de la forma de onda radiada, un enlace de comunicación terrestre pueden depender de

Tabla 1.2 Bandas de Frecuencia con Designaciones

3−30 kHz Frecuencia muy baja (VLF)

30−300 kHz Baja frecuencia (LF)

300−3000 kHz Frecuencia media (MF)

3−30 MHz Alta frecuencia (HF)

30−300 MHz Frecuencia muy alta (VHF)

0.3−3GHz Frecuencia ultra alta (UHF) 1.0−2-0 L

3-30 GHz Frecuencia súper alta 3.0−4.0 S

30−300 GHz Frecuencia extremadamente alta 26.5−40.0 Ka

43−430 THz Infrarrojo (0.7−7 µm)

430−750 THz Luz visible (0.4−0.7 µm)

750−3000 THz Ultravioleta (0.1−0.4 µm)

Radiodifusión (AM) estándar

Banda ISM Calentadores industriales;

Televisión Canales 2−4

Televisión Canales 7−13

Radio celular móvil

Wi−Fi (IEEE 802.11 2.4/5 GHz

Banda ISM Hornos de microondas; médica 902−928MHz

Sistema de Posicionamiento Global 1227.6, 1575.4 MHz

Canales para Ondas Electromagnéticas Guiadas

1.3 RESUMEN DE TÉCNICAS DE ANÁLISIS DE SISTEMAS

Habiendo identificado y estudiado los principales subsistemas en un sistema de comunicación y ciertas

1.3.1 Análisis en los Dominios de Tiempo y Frecuencia

1.3.2 Teorías de Modulación y Comunicación

1.4 MÉTODOS PROBABILISTAS EN LA OPTIMIZACIÓN DE SISTEMAS

1.4.1 Detección Estadística de Señales y Teoría de la Estimación

Los métodos de extracción de señales de Wiener y North, formalizados en el lenguaje de la estadística a

1.4.2 Teoría de la Información y Codificación

1.4.3 Avances Recientes

ANÁLISIS DE SEÑALES Y SISTEMAS LINEALES

2.1 MODELOS DE SEÑALES

2.1.1 Señales Deterministas y Aleatorias

2.1.2 Señales Periódicas y Aperiódicas

2.1.3 Señales Fasoriales y Espectros

Una señal periódica útil en el análisis de señales es la señal

La primera, tomando su parte real

y la segunda es tomando la mitad de la suma de xɶ (t ) y su conjugado complejo,

2 Recuerde que el teorema de Euler es e ± ju = cos u ± j sen u . Recuerde también que e j 2 π = 1 .

Amplitud Fase Amplitud Fase

2.1.4 Funciones de Singularidad

donde x(t) es continua en t = t0. Usaremos considerablemente la propiedad de selección en el análisis de

4. x(t ) δ ( t − t0 ) = x ( t0 ) δ ( t − t0 ) , donde x(t) es continua en t = t0.

Si f (t ) = g(t ) , donde f (t ) = a0 δ(t ) + a1 δ 1 (t ) + ⋯ + an δ n (t ) y g(t ) = b0 δ(t ) + b1 δ 1 (t ) + ⋯ + bn δ n (t ) , ello

2. El valor de esta integral es cos ( 3πt ) t =1

donde se utilizó la propiedad 4 y la Ec. (2.18).

Ahora estamos listos para considerar clasificaciones de señales de potencia y energía.

2.2 CLASIFICACIÓN DE SEÑALES

Como un ejemplo de la determinación de la clasificación de una señal considérese a

x1 (t ) = Ae −αt u(t ), α > 0 (2.24)

tiene potencia promedio