PROCESAMIENTO DIGITAL DE SEÑALES :

PRACTICA 2:

MANEJO DE SEÑALES DISCRETAS CONVOLUCION

ALUMNO:

MAMANI QUINCHO ALEX ALBERIANO

DOCENTE:

ING: DIANA VALDIVIESO HERRERA

GRUPO 4: JUEVES DE 11 A 1 PM

AREQUIPA – PERU

2019
Actividades:

Resolución:

Función:

Ventana de Comando Matlab:

Graficas Obtenidas:
a)

Forma Gráfica:

Forma Tabular:
Ventana de Comandos matlab:

Forma Grafica

Forma Tabular:

Sean las señales:

 a) Y[n]=x1[n]+x2[n]

Funcion Implementada:

Ventana de comando matlab

 X1[n] + X2[n]

b)
1) X1[n-3]:

2) X2[n+1]:
X1[-n+2]:

Realizamos la Reflexión: X1[n]=X1[-n]

Función implementada:

Ventana de Comandos:

Graficas obtenidas:

Desplazamiento 2 unidades hacia la izquierda X1[-n+2]: usamos la función de desplazamiento

2x2(n-2)
Primero desplazamos la función X2[n] dos unidades a la derecha:

X2[n-2]:

Funciona Utilizada:

Graficas obtenidas:

Resultado Final: usamos la funcion sumaseq:

Funcion utilizada y ventana de comando de matlab

Grafica obtenida :
Funciones Utilizadas:

Desplazamiento lineal:

Reflexión:

Suma Secuencia:
Ventana de Comandos de matlab:

Grafica obtenida:
Ventana de Comando de Matlab:

Grafica Obtenida
  Teorema de shamon establece 𝒇𝒔 ≥ 𝟐𝒇𝒎𝒂𝒙

Ventana de comandos de matlab:

Establecemos la frecuencia de muestreo fs=400Hz

Parte par:

Ventana de comando de matlab:

Grafica obtenida:

Parte Impar:
Modulo:

Fase:

Periodo de x[n]
𝟐𝝅 𝟒𝟎𝟎𝝅
=
𝑵 𝟖𝟎𝟎
𝑵=𝟒
Frecuencia de muestreo a 1600 HZ

Ventana de comando de matlab:

Grafica obtenida

 Como podemos apreciar al aumentar la frecuencia de muestreo aumenta el numero de

muestras y también aumenta el periodo.
𝟒𝟎𝟎𝝅 𝟏
𝑵= ∗ =𝟖
𝟏𝟔𝟎𝟎 𝟐𝝅

𝑵=𝟖
Según el teorema del muestreo se debe cumplir la siguiente igualdad 𝑓𝑠 ≥ 2𝑓𝑚𝑎𝑠 si no se cumple
esa propiedad la señal no podrá ser recuperada

1000 ℎ𝑧 < 1400 ℎ𝑧

No se cumple la propiedad y obtenemos el siguiente grafico

 Energía con Frecuencia de Muestreo Fs=800Hz

 Energía con Frecuencia de Muestreo Fs=1600Hz

 Potencia con Frecuencia de Muestreo Fs=800Hz

 Potencia con Frecuencia de Muestreo Fs=800Hz

 La potencia o Enerjia de una señal es finita si la amplitud de la señal es finita es dicir el

sistema tiene q ser estable o relativamente estable
 De manera practica todas las señales son de enerjia por cuanto tienen una duración
limitada como seria el caso de una señal de audio los tonos van cambiando en diferentes
frecuencias (ecualizador )
Primer Método: Método Tabular

3.1)

ℎ1 = [−𝟏 , −1, −1] 𝑥[𝑛] = [1, −1,8,0,2, 𝟓, −2,2,5, −1,3,5, −8,5,2]

-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
-1 -1 1
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
-1 1 -8 0 -2 -5 2 -2 -5 1 -3 -5 8 -5 -2
-1 1 -8 0 -2 -5 2 -2 -5 1 -3 -5 8 -5 -2
-1 0 -6 -9 6 -7 -1 5 -9 -2 3 -9 6 8 -15 3 2

𝒚[𝒏] = [−𝟏, 𝟎, −𝟔, −𝟗, 𝟔, −𝟕, −𝟏, 𝟓, −𝟗, −𝟐, 𝟑, −𝟗, 𝟔, 𝟖, −𝟏𝟓, 𝟑, 𝟐]
3.2)

ℎ2 = [−1 , 𝟎. 𝟓, 1, −1] 𝑥[𝑛] = [1, −1,8,0,2, 𝟓, −2,2,5, −1,3,5, −8,5,2]

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
-1 0.5 1 -1
-1 1 -8 0 -2 -5 2 -2 -5 1 -3 -5 8 -5 -2
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
0.5 -0.5 4 0 1 2.5 -1 1 2.5 -0.5 1.5 2.5 -4 2.5 1
-1 1 -8 0 -2 -5 2 -2 -5 1 -3 -5 8 -5 -2
-1 1.5 -7.5 2 7 -12 6.5 0 -11 7.5 -0.5 -9.5 14.5 -7 -12.5 14 -3 -2

𝒚[𝒏] = [−𝟏 , 𝟏. 𝟓, −𝟕. 𝟓, 𝟐, 𝟕, −𝟏𝟐, 𝟔. 𝟓, 𝟎, −𝟏𝟏, 𝟕. 𝟓, −𝟎. 𝟓, −𝟗. 𝟓, 𝟏𝟒. 𝟓 − 𝟕, −𝟏𝟐. 𝟓, 𝟏𝟒, −𝟑, −𝟐]
3.3)
ℎ2 = [−0.5 , −𝟎. 𝟐𝟓, 0.5] 𝑥[𝑛] = [1, −1,8,0,2,5, −2,2, 𝟓, −1,3,5, −8,5,2]

-6 -6 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
-0.5 -0.25 0.5
0.5 -0.5 4 0 1 2.5 -1 1 2.5 -0.5 1.5 2.5 -4 2.5 1
- 0.25 -2 0 -0.5 - 0.5 -0.5 - 0.25 - - 2 -1.25 -0.5
0.25 1.25 1.25 0.75 1.25
-0.5 0.5 -4 0 -1 -2.5 1 -1 -2.5 0.5 -1.5 -2.5 4 -2.5 -1
-0.5 0.25 - -2.5 3 -3 0.75 2 -4 0.25 1.25 - 4.25 2 -6.25 2 1
3.25 3.75

𝒚[𝒏] = [−𝟎. 𝟓 , 𝟎. 𝟐𝟓 , −𝟑. 𝟐𝟓 , −𝟐. 𝟓𝟑 , −𝟑 , 𝟎. 𝟕𝟓 , 𝟐 , −𝟒 , 𝟎. 𝟐𝟓, 𝟏. 𝟐𝟓 − 𝟑. 𝟕𝟓, 𝟒. 𝟐𝟓, 𝟐, −𝟔 . 𝟐𝟓 , 𝟐, 𝟏]

3.4)

ℎ4 = [0.25 , −1 , 𝟎. 𝟓 ,1] 𝑥[𝑛] = [1, −1,8,0,2, 𝟓, −2,2,5, −1,3,5, −8,5,2]

-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
0.25 -1 0.5 1
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
0.5 -0.5 4 0 1 2.5 -1 1 2.5 -0.5 1.5 2.5 -4 2.5 1
-1 1 -8 0 -2 -5 2 -2 -5 1 -3 -5 8 -5 -2
0.25 - 2 0 0.5 1.25 -0.5 0.5 1.25 - 0.75 1.25 -2 1.25 0.5
0.25 0.25
0.25 - 3.5 -7.5 3.5 7.25 -4.5 7 3.25 - 6.25 2.75 -6.5 14.75 -3.5 -7.5 6 2
1.25 6.25
𝒚[𝒏]
= [𝟎. 𝟐𝟓 , −𝟏. 𝟐𝟓 , 𝟑. 𝟓 , −𝟕. 𝟓 , 𝟑. 𝟓 , 𝟕. 𝟐𝟓 , −𝟒. 𝟓 , 𝟕 , 𝟑. 𝟐𝟓 , −𝟔. 𝟐𝟓 , 𝟔. 𝟐𝟓 , 𝟐. 𝟕𝟓 , −𝟔. 𝟓 , 𝟏𝟒. 𝟕𝟓 , 𝟑. 𝟓 , −𝟕. 𝟓 , 𝟔 , 𝟐]

3.5)

ℎ1 = [𝟏 ,1,1] 𝑥[𝑛] = [1, −1,8,0,2, 𝟓, −2,2,5, −1,3,5, −8,5,2]

-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
1 1 1
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
1 -1 8 0 2 5 -2 2 5 -1 3 5 -8 5 2
1 0 8 7 10 7 5 5 5 6 7 7 0 2 -1 7 2

𝒚[𝒏] = [𝟏 , 𝟎 , 𝟖 , 𝟕 , 𝟏𝟎 , 𝟕 , 𝟓 , 𝟓 , 𝟓 , 𝟓 , 𝟕 , 𝟕 𝟎 , 𝟐 , −𝟏 , 𝟕 , 𝟐 ]
Segundo Método

𝑥[𝑛] = 𝛿(𝑛 + 5) − 𝛿(𝑛 + 4) + 8𝛿(𝑛 + 3) + 2𝛿(𝑛 + 1) + 5𝛿(𝑛) − 2𝛿(𝑛 − 1) + 2𝛿(𝑛 − 2) + 5𝛿(𝑛 − 3)

− 𝛿(𝑛 − 4) + 3𝛿(𝑛 − 5) + 5𝛿(𝑛 − 6) − 8𝛿(𝑛 − 7) + 5𝛿(𝑛 − 8) + 2𝛿(𝑛 − 9)

ℎ[𝑛] = −𝛿(𝑛) − 𝛿(𝑛 − 1) + 𝛿(𝑛 − 2)

 Convolucion : X[n] * h[n]

∞

𝑦[𝑛] = ∑ 𝑥[𝑛]ℎ[𝑛] = −𝛿(𝑛 − 𝑘) − 𝛿(𝑛 − 1 − 𝑘) + 𝛿(𝑛 − 2 − 𝑘) ∗ 𝑥[𝑛]

𝑘−∝
∞

𝑦[𝑛] = ∑ 𝑥[𝑛]ℎ[𝑛] = −𝛿(𝑛 − 𝑘) − 𝛿(𝑛 − 1 − 𝑘) + 𝛿(𝑛 − 2 − 𝑘) ∗ 𝛿(𝑛 + 5)

𝑘−∝

-Si la señal x(t) representa el voltaje a través de la resistencia R m la corriente que circula por la
misma sería, i(t) = x (t) /R
La potencia instantánea de la señal seria Ri^2 (t) = x^2 (t) /R dt
En general, no sabemos si x(t) es una señal de corriente o de voltaje , y con el propósito de
normalizar la potencia , tomando un valor para R de 1 ohm ,
con lo que la potencia asociada con la señal x(t) es x^2 (t).

De acuerdo a esto podemos definir:

- La energía de la señal sobre un intervalo de tiempo de longitud 2L:

- La energía total de la señal en el rango t desde infinito hasta infinito:

La Potencia promedio:

 -Si una señal x(t) tiene energía Total (E) finita y mayor que cero , se clasifica como una
señal de energía . Estas señales tienen, además, una Potencia Promedio igual a cero.
 -Si la Señal x(t) tiene Potencia Promedio (P) finita y mayor que cero , se clasifica como una
señal de potencia.
-Las señales periódicas, que existen para todos los valores de t tienen energía finita, pero
en muchos casos tienen una potencia Promedio finita, lo que las convierte en Señales de
Potencia.
-Las señales Limitadas en tiempo, es decir de duración finita, son Señales de energía.

 Ejemplo señal de Potencia:

Ejemplo de Señal de Energía:

Bibliografía obtenida de Señales y Sistemas ING LUCY DELGADO BARRA

Si la frecuencia de muestreo es suficientemente alta, comparada con la componente de más alta
frecuencia que se incluye en la señal en tiempo continuo, las características de amplitud de la señal
en tiempo continuo se pueden preservar en la envolvente de la señal muestreada.

Para reconstruir la señal original a partir de una señal muestreada, existe una frecuencia mínima
que la operación de muestreo debe satisfacer.

Efecto Aliansing:

Explicacion grafica
Sobremuestreo:

El sobremuestreo (oversampling) es una técnica de muestreo que se emplea habitualmente cuando

tenemos una baja proporción de casos positivos en clasificaciones binomiales. Los modelos pueden
“despreciar” los casos positivos por ser muy pocos y nuestro modelo no funcionaría. Para
incrementar el número de casos positivos se emplea el sobremuestreo. Ejemplos habituales pueden
ser los modelos de fraude, un 99% de las compras son correctas, un 1% son fraudulentas. Si realizo
un modelo puedo estar seguro al 99% de que todas mis compras son correctas, en este caso hemos
de realizar un sobremuestreo para incrementar nuestros casos de fraude y poder detectar los
patrones.

Personalmente no sabría deciros el porcentaje de casos positivos a partir del cual sería necesario
llevar a cabo un proceso de remuestreo. A mi particularmente me gusta hacerlo siempre. Por lo
menos realizar algunas pruebas para identificar aquellas variables que son más influyentes y
comenzar a eliminar aquellas que no van a funcionar. Busco exagerar. Tampoco me quiero mojar
mucho sobre la proporción de casos positivos y negativos, pero si estamos realizando un nuevo
muestreo podemos emplear perfectamente un 50% para ambos, aquí si que dependemos del número
de registros con el que estemos trabajando ya que al final el sobremuestreo será la repetición de los
casos positivos sobre la tabla de entrada del modelo.

Submuestreo:

La tasa de muestreo de una secuencia puede ser reducida “muestreándola”, por ejemplo, definiendo
una nueva secuencia:

xd [n]  x[nM ]  xc (nMT )

La ecuación (23) define el sistema descrito en la figura 6, que es llamado compresor de la tasa de
muestreo (Crochiere y Rabiner, 1983) o simplemente compresor. De la ecuación (23) es claro que
xd[n] puede ser obtenida directamente a partir de xC(t) muestreando con un periodo T’=MT.
Además, si XC(jW)=0 para | |> N, entonces xd[n] es una representación exacta de xC(t) si
/T’= /(MT)> N. Esto es, la tasa de muestreo puede ser reducida por un factor M sin aliasing si la
tasa de muestreo original fuera al menos M veces la tasa de Nyquist o si el ancho de banda de la
secuencia es primero reducida por un factor M mediante filtrado en tiempo discreto. En general, la
operación de reducción de la tasa de muestreo (incluyendo cualquier prefiltrado) será llamada
submuestreo.
Conclusiones:

 Si aumentamos la frecuencia de muestreo obtenemos más muestras en la señal discreta

por lo tanto el periodo de señal discreta aumenta
 La potencia de una señal es finita cuando el sistema es estable es decir es un sistema
causal e invariante en el tiempo
 Si no se cumple el teorema del muestreo es decir la formula fs>2fmax la señal muestreada
es irrecuperable entonces se producirá el traslape de la señales produciéndose el fenómeno
del aliasing como se verefico en el punto 5.3

 Si todos los valores de la secuencia {x[n]} son reales se dice que la secuencia es real, en otro
caso se dice que se trata de una secuenciacompleja.

 Las señales discretas se representan con una secuencia de números denominados muestras.
 Si la entrada a un sistema es una señal senoidal, la respuesta de estado estable es una
senoidal con la misma frecuencia pero con la amplitud multiplicada por un factor A(w) y un
desplazamiento en fase de radianes.
 La respuesta h(t), de un sistema lineal invariante en el tiempo, es la respuesta del sistema
a un impulso unitario aplicado en la entrada al tiempo cero.