SEÑALES Y SISTEMAS

203042

TAREA 2

PRESENTADO A: FAVER ADRIAN AMOROCHO

PRESENTADO POR:

HERNAN DARIO ALAPE GONZALEZ

CODIGO:1110494677

GRUPO: 53

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA –UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGICA E INGENIERIA
IBAGUE-TOLIMA
2019
Definición de conceptos: estudiando el libro de (Ambardar), El
estudiante investiga de manera individual y da respuesta a las
siguientes preguntas teóricas:
(A) Explique qué es convolución continua y discreta. De cuatro (4)
ejemplos de usos y/o aplicaciones en la ingeniería.

Se define como la integral del producto de dos señales después de ser

desplazada una distancia τ.

𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥(𝑡)ℎ(𝑡 − 𝜏)𝑑 𝜏

los límites de la integral dependen de la posición de las distintas

señales respecto al tiempo. En los siguientes casos a la resolución que
se llega es que cuando las señales nos dan algún valor positivo no se
avanzarán o las señales se quedarán truncas y no procede este
problema.

Convolucion en señales discreta

Habíamos visto que una forma de representar un sistema es a través
de su respuesta en frecuencia o función transferencia; existe otra
forma de caracterizar un sistema, en el dominio del tiempo y es
mediante su respuesta al impulso. Es decir:

Cuando x[n]= δ [n], la salida y[n], la cual llamaremos h[n], será la

respuesta al impulso o respuesta impulsiva. Como el sistema es lineal
e invariante en el tiempo, la respuesta a
𝑥[𝑛] = 𝐴𝛿[𝑛 − 𝑘]𝑠𝑒𝑟𝑎 𝐴 ℎ[𝑛 − 𝑘]

Esto nos permitirá conocer la respuesta a cualquier entrada

arbitraria x[n] ya que siempre podemos expresar a x[n] como:
𝑥[𝑛] = ∑ 𝐴𝑘𝛿[𝑛 − 𝑘]
Por lo tanto aplicando superposición:
∞

∑ 𝑥[𝑘]ℎ[𝑛 − 𝑘]
𝑘=−∞
Esto se conoce como convolución discreta o suma de convolución entre
la entrada (definida por los A k) y la respuesta impulsiva h[n]
 𝑦[𝒏] = 𝒙[𝒏] ∗ 𝒉[𝒏]
Ejemplo 1
𝑥[𝑛] = 2𝑛 𝑢[−𝑛] 𝑦[𝒏] = 𝒙[𝒏] ∗ 𝒉[𝒏] = ∑∞
𝑘=−∞ 𝑥[𝑘]ℎ[𝑛 − 𝑘]

ℎ[𝑛] = 𝑢[𝑛] 𝑛 < 0, 𝑦[𝑛] = ∑𝑛𝑘=−∞ 2𝑘 = 2𝑛+1

0

𝑛 ≥ 0, 𝑦[𝑛] = ∑ 2𝑘 = 2
𝑘=−∞

Ejemplo 2
1, 0≤𝑛≤4 𝛼𝑛, 0≤𝑛≤6
𝑥[𝑛] = { , ℎ[𝑛] = {
0, 𝑟𝑒𝑠𝑡𝑜 0, 𝑟𝑒𝑠𝑡𝑜
∞

𝑦[𝒏] = 𝒙[𝒏] ∗ 𝒉[𝒏] = ∑ 𝑥[𝑘]ℎ[𝑛 − 𝑘]

𝑘=−∞
  𝑛 < 0, 𝑦[𝑛] = 0
1−𝛼𝑛+1
 0 ≤ 𝑛 ≤ 4, 𝑦[𝑛] = ∑𝑛𝑘=0 𝛼 𝑛−𝑘 = 1−𝛼
𝑛>4 𝛼𝑛−4 −𝛼𝑛+1
 { ⇒ 4 < 𝑛 ≤ 6, 𝑦[𝑛] = ∑4𝑘=0 𝛼 𝑛−𝑘 = 1−𝛼
𝑛−6≤0
𝑛−6>0 𝛼𝑛−4 −𝛼7
 { ⇒ 6 < 𝑛 ≤ 10, 𝑦[𝑛] = ∑4𝑘=𝑛−6 𝛼 𝑛−𝑘 = 1−𝛼
𝑛−6≤4
 𝑛 − 6 > 4 ⇒ 𝑛 > 10, 𝑦[𝑛] = 0

Convolusión en señales continuas (LTI)

∞
Se define a la integral de convulsión 𝑦(𝑡) = ∫−∞ 𝑢(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 y la
respuesta de un sistema lineal estacionario a una entrada arbitraria se
obtiene como la convulsion entre la entrada y la respuesta al impulso.

Ejemplo 1
1, 0 < 𝑡 < 𝑡 𝑡, 0 < 𝑡 < 𝑡
𝑥(𝑡) = { , ℎ(𝑡) = {
0, 𝑟𝑒𝑠𝑡𝑜 0, 𝑟𝑒𝑠𝑡𝑜

 𝑡 ≤ 0, 𝑦(𝑡) = 0
𝑡>0 𝑡 𝑡2
 { ⇒ 0 < 𝑡 ≤ 𝑇, 𝑦(𝑡) = ∫0 𝜏𝑑𝜏 = 2
𝑡−𝑇 ≤ 0
𝑡 − 𝑇 > 0, 𝑡 1
 { ⇒ 𝑇 < 𝑡 ≤ 2𝑇, 𝑦(𝑡) = ∫𝑡−𝑇 𝜏𝑑𝜏 = 𝑡𝑇 − 2 𝑇 2
𝑡 ≤ 2𝑇
𝑡 > 2𝑇,
 { ⇒ 2𝑇 < 𝑡 ≤ 3𝑇, 𝑦(𝑡) =
𝑡 − 𝑇 ≤ 2𝑇
1 3
2𝑇 𝜏𝑑𝜏 = 𝑡𝑇 − 2 𝑡 2 + 2 𝑇 2
∫𝑡−𝑇
  𝑡 − 𝑇 > 3𝑇 → 𝑡 > 3𝑇, 𝑦(𝑡) = 0
𝑡2 1 1
𝑦(𝑡) = 𝑢(𝑡) − (𝑡 − 𝑇)2 𝑢(𝑡 − 𝑇) + (2𝑇 2 − 𝑡 2 ) 𝑢(𝑡 − 2𝑇)
2 2 2
1 2 3 2
+ ( 𝑡 − 𝑡𝑇 − 𝑇 ) 𝑢(𝑡 − 3𝑇)
2 2
Ejemplo 2
𝑥(𝑡) = 𝑒 3𝑡 𝑢(−𝑡)
ℎ(𝑡) = 𝑢(𝑡 − 4)
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡)
∞
𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏
−∞
(B) ¿Qué es estabilidad y causalidad de sistemas LTI?

La estabilidad es importante en el diseño práctico y se define en

muchos contextos. En el dominio del tiempo, la estabilidad involucra
restricciones en la naturaleza del sistema. La estabilidad de entrada
acotada, salida acotada(BIBO) implica que cada entrada acotada
resulta en una salida acotada. Para un sistema LTI descrito por la
ecuación diferencial
𝑦 (𝑛) (𝑡) + 𝑎1 𝑦 (𝑛−1) (𝑡) + ⋯ + 𝑎𝑛 𝑦(𝑡) = 𝑏0 𝑥 (𝑚) (𝑡) + 𝑏1 𝑥 (𝑚−1) (𝑡) + ⋯ + 𝑏𝑚 𝑥(𝑡), 𝑚 ≤ 𝑛

Las condiciones para la estabilidad tipo BIBO pueden determinarse de

las raíces de la ecuación característica. Una condición suficiente y
necesaria para la estabilidad tipo BIBO de un sistema LTI, es que cada
raíz de su ecuación característica debe tener una parte real negativa
(y la derivada más alta de la entrada no debe exceder a la de la salida).

Casualidad de sistemas LTI

En analogía con los sistemas analógicos, la causalidad de sistemas
discretos en tiempo implica a un sistema no anticipativo con una
respuesta al impulso h[n] = 0, n ≤ 0. Esto asegura que una
entrada x[n]u[n - n0] que empieza en η = n0 produce como resultado
una respuesta y[n] que también comienza en η = n0 (y no antes). Esto
es resultado de la suma de convolución:
∞ 𝑛

𝑦[𝑛] = ∑ 𝑥[𝑘]𝑢(𝑘 − 𝑛0 )ℎ[𝑛 − 𝑘]𝑢[𝑛 − 𝑘] = ∑ 𝑥[𝑘]ℎ[𝑛 − 𝑘]

𝑘−∞ 𝑛0

(C) Explique que es correlación y de un (1) ejemplo de uso y/o

aplicación en la ingeniería.

La correlación es una operación similar a la convolución. Implica

desplazar una función más allá de otra y encontrar el área bajo el
producto resultante. Sin embargo, a diferencia de la convolución, no
se efectúa ninguna reflexión. La correlación r xx(t) de dos funciones
idénticas x(t) se llama autocorrelación. Para dos funciones
diferentes x(t) y y(t), la correlación rxy(t) o r yz(t) se conoce
como correlación cruzada.
Usando el símbolo ** para denotar correlación, definimos las dos
operaciones como
∞
𝑟𝑥𝑥 (𝑡) = 𝑥(𝑡) ∗∗ 𝑥(𝑡) = ∫ 𝑥(𝜆)𝑥(𝜆 − 𝑡)𝑑𝜆
−∞
∞
𝑟𝑥𝑦 (𝑡) = 𝑥(𝑡) ∗∗ 𝑦(𝑡) = ∫ 𝑥(𝜆)𝑦(𝜆 − 𝑡)𝑑𝜆
−∞
∞
𝑟𝑦𝑥 (𝑡) = 𝑦(𝑡) ∗∗ 𝑥(𝑡) = ∫ 𝑦(𝜆)𝑥(𝜆 − 𝑡)𝑑𝜆
−∞

Ejemplo
La correlación cruzada de las señales 𝑥(𝑡)𝑦 ℎ(𝑡), puede encontrarse
usando la convolucion de una señal y versión reflejada de la otra
observe que 𝑟𝑥ℎ (𝑡) = 𝑟ℎ𝑥(−𝑡) .

(D)Explique qué es auto correlación y de un (1) ejemplo de uso y/o

aplicación en la ingeniería.
La autocorrelación puede verse como una medida de similitud,
o coherencia, entre una función x(t)y su versión de desplazamiento.
Claramente, bajo ningún desplazamiento, las dos funciones se
“igualan” y resultan en un máximo para la autocorrelación. Mas con un
desplazamiento creciente, sería natural esperar la similitud y, por
consiguiente, la reducción de la correlación entre x(t) y su versión
desplazada. Conforme el desplazamiento se aproxima a infinito, toda
traza de similitud se desvanece y la autocorrelación decae a cero.
Ejemplo
Considere la autocorrelacion de 𝑥(𝑡) = 𝑒 −𝑡 𝑢(𝑡).cuando desplazamos
𝑥(𝜆 − 𝑡) = 𝑒 𝑡−𝜆 𝑢(𝜆 − 𝑡)mas allá de 𝑥(𝜆) = 𝑒 −𝜆 𝑢(𝜆), obtenemos dos
intervalos (𝑡 ≤ 0 y 𝑡 > 0) sobre los cuales los resultados de
autocorrelacion son descritos como sigue:

El resultado puede ser expresado como 𝑟𝑥𝑥 (𝑡) = 0.5−|𝑡|

(E) ¿Cuál es la diferencia de correlación continua y correlación

discreta?
La correlación son usada para encontrar características relevantes en
una señal desconocida por medio de la comparación con otra que sí se
conoce. Es función del tiempo relativo entre las señales, a veces
también se la llama producto escalar desplazado, y tiene aplicaciones
en el reconocimiento de patrones y en criptoanálisis.
Dadas dos funciones discretas fi y gi la correlación cruzada se define
como:
(𝑓 ∗ 𝑔)𝑖 ≝ ∑ 𝑓𝑗∗ 𝑔𝑖 + 𝑗
𝑗

donde la sumatoria se realiza sobre valores enteros de j apropiados;

y el asterisco está indicando el conjugado.
Para el caso de dos funciones continuas f(x) y g(x) la correlación
cruzada se define como:

(𝑓 ∗ 𝑔)(𝑥) ≝ ∫ 𝑓 ∗ (𝑡)𝑔(𝑥 + 𝑡)𝑑𝑡

donde la integral se realiza para valores apropiados de t.

(F)¿Qué son las series de Fourier?
La serie de Fourier (SF) describe una señal periódica xp ((t) como
una suma (combinación lineal), en la mezcla correcta, de armónicos (o
senoides) en la frecuencia fundamental f 0 de xp (t) y sus
múltiplos kf 0. La selección de señales armónicas también trae otras
ventajas. Permite un esquema simple, congruente y único para
encontrar los coeficientes (la proporción correcta o factor de
ponderación) de cada componente. De hecho, una suma de senoides
que describe una señal periódica se conoce como serie de Fourier sólo
si los coeficientes se seleccionan de acuerdo con este esquema. La
serie de Fourier también produce el error cuadrático medio más
pequeño en la potencia entre xp (t) y su representación en serie,
independientemente del número de términos o armónicos. También
representa el ajuste de mínimos cuadrados de una señal periódica.
Finalmente, las condiciones de existencia de la serie de Fourier (las
denominadas condiciones de Dirichlet, que se estudiarán más
adelante) son suficientemente débiles como para asegurar que todas
las funciones periódicas encontradas en la práctica pueden describirse
con una serie de Fourier. Por otra parte, las excepciones no son más
que curiosidades matemáticas.
LAS TRES FORMAS DE UNA SERIE FOURIER
 la forma trigonométrica

 la forma polar

 la forma exponencial
(G)¿Qué es la transformada Continua de Fourier? De dos (2) ejemplos
de uso y/o aplicación en la ingeniería.

La transformada Fourier de una señal señal continua 𝑓(𝑥) es una

transformación de dicha señal que nos permite calcular la contribución de
cada valor de frecuencia a la formación de la señal. La expresión matemática
de dicho cálculo es:
∞
𝑭(𝒖) = ∫ 𝒇(𝒙)𝒆𝒙𝒑[−𝟐𝝅𝒖𝒙]𝒅𝒙
−∞

1.1Ejercicio 1- Convolución continua (analítica): usando como

guía el ejemplo 6.2 de la página 134 del libro guia Ambardar y
teniendo en cuenta las propiedades de dicha operación determine la
convolución entre 𝑥(𝑡) y ℎ(𝑡) descritas a continuación:
Ítem grupal

𝑥(𝑡) = (𝑎 − 𝑒 −𝑎𝑡 )𝑢(𝑡)

ℎ(𝑡) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝑎)
Grupo: 53
𝑥(𝑡) = (3 − 𝑒 −3𝑡 )𝑢(𝑡)
ℎ(𝑡) = 𝑒 −3𝑡 𝑢(𝑡 − 3)

𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡)

∞
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥(𝜆)ℎ(𝑡 − 𝜆)𝑑𝜆
−∞

𝑥(𝑡) → 𝑥(𝜆) ℎ(𝑡) → ℎ(𝑡 − 𝜆)

Reemplazamos:

𝑥(𝜆) = 3 − 𝑒 −𝑎𝜆 𝑢(𝜆 − 3) 𝑦 ℎ(𝑡 − 𝜆) = 𝑒 −𝑎𝑡 𝑢(𝑡 − 𝜆 − 3)

Debido a que 𝑢(𝜆) = 0, 𝜆<0
𝑢(𝑡 − 𝜆 − 3 = 0, 𝜆 =𝑡+3
∞
𝑦(𝑡) = ∫ 3 − 𝑒 −𝜆 𝑢(𝜆) ∗ 𝑒 −𝑡 𝑢(𝑡 − 𝜆 − 3)𝑑𝜆
−∞
 𝑡+3
𝑦(𝑡) = ∫ 3 − 𝑒 −𝜆 ∗ 𝑒 −3(𝑡−𝜆) 𝑑𝜆
0
𝑡+3
−3𝑡
𝑒 ∫ 𝑒 −𝜆 𝑑𝜆
0

𝑦(𝑡) = 3𝑒 −3𝑡 ∗ (3 − 𝑒 𝑡+3 )

Donde
𝑡 − 3 ≥ 0 𝑉 𝑢(𝑡 − 3)

2.2 Ejercicio 2 – Convolución discreta (tabular y gráfica): Usando

como guía el ejemplo 7.3 de la página 173 del libro Ambardar,
determine la respuesta de un filtro FIR (ℎ[𝑛]), a la entrada 𝑥[𝑛].
Posteriormente verifique su respuesta diseñando un script con el
método gráfico de convolución, en Matlab u Octave y anexe el
resultado junto con el script (práctica):
𝑥[𝑛] = [−1, 𝑎, 2̌, 𝑎, 𝑏, 4]

ℎ[𝑛] = [ 2.5, 𝑏̌, 0.5]

sustituimos a=3 y b=7

𝑥[𝑛] = [−1,3, 2̌, 3,7,4]

ℎ[𝑛] = [ 2.5, 7̌, 0.5]

n= -1 0 1 2 7 4
h(n) 2.5 7 0.5
x(n) -1 3 2 3 7 4

ENTRADA RESPUESTA
-1𝜹[𝒏 + 𝟏] -1𝒉[𝒏] = -2.5 -7 -0,5

3𝜹[𝒏] 3h[𝒏 − 𝟏] = 7.5 21 1.5

2𝜹[𝒏 − 𝟏] 2𝒉[𝒏 − 𝟐] = 5 14 1

3𝜹[𝒏 − 𝟐] 3𝒉[𝒏 − 𝟑] = 7.5 21 1.5

7𝜹[𝒏 − 𝟑] 7𝒉[𝒏 − 𝟒] = 17.5 49 3.5

4𝜹[𝒏 − 𝟒] 4𝒉[𝒏 − 𝟓] = 10 28 2

SUMA=x(n) SUMA=x(y) = -2.5 0.5 25.5 23 39.5 60.5 31.5 2

𝑦(𝑛) = −𝟐. 𝟓 𝟎. 𝟓 𝟐𝟓. 𝟓 𝟐𝟑 𝟑𝟗. 𝟓 𝟔𝟎. 𝟓 𝟑𝟏. 𝟓 𝟐

 Ejercicio 3 – Series de Fourier: Usando como guía el capítulo
8 de la página 197 del libro Ambardar, dibuje tres (3)
periodos de la siguiente señal 𝑥(𝑡) y calcule los coeficientes
trigonometricos de la serie de Fourier.

a) 𝑥(𝑡) = 3 ∗ 𝑟𝑒𝑐𝑡(𝑡 − 𝑏) con T=4 s

 Encuentre los coeficientes 𝑎0 , 𝑎𝑘 y 𝑏𝑘

Nota: Para encontrar los coeficientes de la serie de Fourier, se tienen las

siguientes expresiones matemáticas:

Recuadro de repaso, Ambardar página 199