PRÁCTICA NO.

1: MANIPULACIÓN DE SEÑALES Y SERIES

DE FOURIER UTILIZANDO MATLAB®.

1. IDENTIFICACIÓN
FACULTAD FCNEI
PROGRAMA Ingeniería en Telecomunicaciones
ASIGNATURA TRATAMIENTO DIGITAL DE SEÑALES
TEMA Manipulación de señales, Series de Fourier.
DOCENTE Andrea M Acevedo Lipes
FECHA
2.OBJETIVOS

• Conocer, manipular y analizar señales discretas.

• Identificar las características del proceso de convolución de señales.
• Verificar a través de herramientas computacionales el cálculo de series de Fourier.
3. MARCO TEÓRICO

MATLAB es el nombre abreviado de “MATrixLABoratory”, programa especializado en realizar

cálculos numéricos con vectores y matrices para el cálculo técnico y científico. Es una herramienta
poderosa para modelar sistemas y señales en tiempos discretos y continuos, ahorrando tiempo a la
hora de realizar operaciones complejas o repetitivas.

Las señales aparecen en una amplia variedad de campos, las ideas y técnicas asociadas a ellas
juegan un papel importante en diversas áreas de la ciencia y la tecnología, como las comunicaciones,
el diseño de circuitos, los sistemas de distribución y generación de energía, el procesamiento de voz,
entre otros.

Aunque la naturaleza física de las señales que aparecen en estas disciplinas puede ser
diametralmente opuesta, todas las señales se definen como funciones de una o más variables
independientes que contienen información de la naturaleza y comportamiento de algún fenómeno.

Para desarrollar las técnicas de análisis de señales es necesario establecer un marco de referencia
analítico que capture las ideas intuitivas de las señales mencionadas. La descripción y representación
matemática de la señales proporciona un marco con el cual se pretenden desarrollar algunos
conceptos básicos involucrados en el análisis s y así lograr algún conocimiento sobre las propiedades
y representaciones de las mismas.

El tratamiento digital de señales comprende varias operaciones que son muy útiles en diversos
campos como son las comunicaciones, el procesamiento de imágenes e incluso en la música, para
este caso conoceremos herramientas como son las series de Fourier y la convolución.
 PRÁCTICA NO.1: MANIPULACIÓN DE SEÑALES Y SERIES
DE FOURIER UTILIZANDO MATLAB®.

4. ACTIVIDADES PREVIAS
• Consulte los comandos básicos para el uso de Matlab®.
• Defina los pasos para realizar una convolución en tiempo discreto y continuo
¿Explique la diferencia?
• Diga los principales pasos para realizar la serie de Fourier. ¿Considera usted que
para hallar la serie inversa se deben seguir de manera contraria los pasos?

5. DESARROLLO PRACTICO

4.1 MANIPULACIÓN DE SEÑALES BÁSICAS EN MATLAB®

• Construya una función seno en esa base de tiempo de amplitud 1 y frecuencia 5Hz. Use plot
para dibujar la forma de onda.

El código a ejecutar debe ser el siguiente:

>>Tinicial=0; % Definimos el tiempo inicial

>>Tfinal=0.25; % Definimos el tiempo final
>>step=0.001; % Definimos el paso
>>t=Tinicial:step:Tfinal-step; % Se genera el vector de
tiempo
>>y=1*sin(5*2*pi*t); % Se genera la función sin (seno)
>>plot(t,y); hold on; % se grafica la función
Figura 1. Grafica función seno

Cambie el comando plot por el comando stem. ¿Qué conclusiones puede obtener de dichas
instrucciones de Matlab?

• SEÑAL CUADRADA

>>n=-10:10; %intervalo discreto tiempo

>>A=3;
>>w=pi/4;
>>ro= 0.5;
>>f_cuadrada=A*square(w*n+ro); %función Cuadradada
>>stem(n,f_cuadrada); title('Onda cuadrada en tiempo
discreto');
Figura 2. Grafica función cuadrada

¿Qué función cumplen las variables A, w, ro?

 PRÁCTICA NO.1: MANIPULACIÓN DE SEÑALES Y SERIES
DE FOURIER UTILIZANDO MATLAB®.

• SEÑAL IMPULSO

>> n=-10:10; %Tiempo discreto

>> f_impulso=[zeros(1,10),1,zeros(1,10)]; %función
impulso
>> stem(n,f_impulso); title('Señal impulso discreta');

Varié el tiempo discreto de la función.

Figura 3. Grafica función impulso

• SEÑAL ESCALÓN

>> n=-100:100;
>> f_escalon=[zeros(1,100),ones(1,101)];
>> stem(n,f_escalon);

¿Cuál es la función de los comandos zeros y ones?

Figura 4. Grafica función Escalón

Averigüe como se representan las señales triangulares y diente de sierra en tiempo discreto
en Matlab.

4.2 CONVOLUCIÓN

La convolución es una operación matemática que mezcla dos funciones relativas a la

superposición de una función que se encuentra encima de otra. Aunque MATLAB contiene una
función convolutiva integrada, es posible que puedas calcular la integral de convolución
discreta.

La instrucción conv (x,h), ejecuta la operación entre dos señales definidas por los vectores x y
h.

>>h = [1, 2, 1,0,1,2,1];

>>subplot(3,1,1); stem(h);
>>x = [2, 3, -2,-1,0.5,2,1];
>>subplot(3,1,2);stem(x);
>>y = conv(x,h)
>>n = 0:12;
>>subplot(3,1,3);stem(n,y);

Figura 6. Convolución
 PRÁCTICA NO.1: MANIPULACIÓN DE SEÑALES Y SERIES
DE FOURIER UTILIZANDO MATLAB®.

Para convolucionar dos señales discretas en un intervalo de tiempo ejecutamos el siguiente

código. En este caso se convolucionará una señal cuadrada y la función coseno.

>>n = -pi:0.05:pi; %Período de tiempo

>>A=3;
>>m=pi/4;
>>rho= 0.0;
>>f_cuadrada=A*square(m*n+rho);
>>figure(1); subplot(3,1,1);
>>stem(n,f_cuadrada);title('Señal Cuadrada');
>>xlabel('Tiempo (t)'); ylabel('e(n)');
>>w = 2*pi;
>>g =(cos(w*n)); % señal coseno
>>subplot(3,1,2); stem(n,g); title('cos(2·pi·n)');
>>xlabel('Tiempo (n)'); ylabel('cos(2*pi*f*n)');
>>g_conv = conv(g,f_cuadrada); % convolución
>>subplot(3,1,3); stem(n,g_conv(1:length(g)),'r')
>>title('Convolucion'); xlabel('Tiempo (n)');

Figura 7. Convolución de dos señales

¿Qué puede concluir de programa anterior? Determine que parámetros se pueden variar o
ajustar.
 PRÁCTICA NO.1: MANIPULACIÓN DE SEÑALES Y SERIES
DE FOURIER UTILIZANDO MATLAB®.

4.3 SERIES DE FOURIER

La serie de Fourier está definida, matemáticamente de la siguiente manera:

Ejecute el siguiente código en Matlab, defina los coeficientes de la señal y el intervalo de

tiempo xn.

>>fprintf('\n Función que computa los coeficientes de la serie discreta de Fourier. \n');
>>Xk = input('Ingrese el vector de coeficientes: ');
>>xn = input('Ingrese el periodo de la señal a analizar : ');
>>N = length(xn); % periodo fundamental señal xn
>>n= [0:1:N-1]; %vector fila para n
>>k= [0:1:N-1]; %vector fila para k
>>WN = exp(-j*2*pi/N); %factor WN
>>nk= n'*k ; %Matriz de N *N
>>WNnk= WN.^nk; %matriz DFS
>>disp('La matriz DFS es:')
>>disp(WNnk) ;
>>Xk= xn * WNnk; %vector fila de coeficientes.
>>disp(' Los coeficientes de Fourier son:')
>>disp(Xk);

¿Qué puede decir de los resultados? Concuerda la práctica y la teoría.

6. BIBLIOGRAFÍA
• VINAY K. INGLE, JOHN G. PROAKIS. Digital Signal Processing Using MATLAB®
• PROAKIS AND MANOLAKIS. Digital Signal Processing. Proakis and Manolakis
7. INFORMACIÓN COMPLEMENTARIA
• El informe se debe entregar en formato IEEE, debe contener conclusiones propias de cada
actividad realizada.