Practicas TS ETSIT PDF

Universidad de Las Palmas de Gran Canaria
Departamento de Señales y Comunicaciones
PRÁCTICAS DE
TEORÍA DE LA SEÑAL
(2º Curso)
ESCUELA TÉCNICA SUPERIOR DE

INGENIEROS DE TELECOMUNICACIÓN
Autor:
Iván Alejandro Pérez Álvarez
2ª Edición (04/05-D)
ESTA PÁGINA HA SIDO DEJADA EN BLANCO INTENCIONADAMENTE
ULPGC / DSC / ETSI Telecomunicación Teoría de la Señal - Documentación de prácticas
ÍNDICE
Presentación .....................................................................................................................iii
Práctica 1: Representación de señales y sistemas ............................................................. 1
I.- Introducción ............................................................................................................. 1
I.a.- Propósito............................................................................................................ 1
I.b.- Duración de la práctica...................................................................................... 2
I.c.- Resumen de objetivos........................................................................................ 2
II.- Explicaciones previas y ejercicios preparatorios .................................................... 2
II.a.- Muestreo de señales continuas ......................................................................... 2
II.b.- Representación gráfica de señales ................................................................... 4
II.c.- Manipulación de la variable independiente temporal ...................................... 5
II.d.- Grabación y reproducción de señales auditivas ............................................... 7
III.- Resultados de los problemas preparatorios ........................................................... 9
IV.- Ejercicios experimentales.................................................................................... 15
V.- Resultados de los ejercicios experimentales......................................................... 17
Práctica 2: Sistemas LTI: cálculo de respuestas ............................................................. 21
I.- Introducción ........................................................................................................... 21
I.a.- Propósito.......................................................................................................... 21
I.b.- Duración de la práctica.................................................................................... 21
I.c.- Resumen de objetivos...................................................................................... 21
II.- Explicaciones previas y ejercicios preparatorios .................................................. 22
II.a.- Convolución de Señales no periódicas........................................................... 22
II.b.- Respuesta de los Sistemas LTI a señales periódicas...................................... 23
II.c.- Sistemas LTI representados mediante Ecuaciones en Diferencias ................ 26
III.- Resultados de los problemas preparatorios ......................................................... 27
V.- Resultados de los ejercicios experimentales......................................................... 37
Práctica 3: Series de Fourier ........................................................................................... 41
I.- Introducción ........................................................................................................... 41
I.a.- Propósito.......................................................................................................... 41
I.b.- Duración de la práctica.................................................................................... 42
I.c.- Resumen de objetivos...................................................................................... 42
II.- Explicaciones previas y ejercicios preparatorios .................................................. 43
II.a.- Representación espectral................................................................................ 43
II.b.- Síntesis de señales.......................................................................................... 45
II.c.- Cálculo de coeficientes .................................................................................. 46
II.d.- Filtrado ideal de señales periódicas ............................................................... 50
II.e.- Relaciones de Parseval................................................................................... 51
II.f.- Propiedad de convolución .............................................................................. 52
II.g.- Propiedad de multiplicación .......................................................................... 53
III (Sesión 1).- Resultados de los problemas preparatorios ........................................ 55
V (Sesión 1).- Resultados de los ejercicios experimentales ....................................... 81
2ª Edición (04/05-D) i
Apéndice A: Resultados del comando help para algunas funciones de MATLAB........ 99

Apéndice B: Programa de prácticas de la asignatura.................................................... 107
Apéndice C: Programa de teoría de la asignatura......................................................... 109
Apéndice D: Cronograma de actividad teoría/prácticas para curso 04/05.................... 111
Apéndice E: Criterios de evaluación de la asignatura .................................................. 113
E.1.- Criterios para las prácticas ............................................................................... 113
E.2.- Criterios para la teoría...................................................................................... 113
Apéndice F: Bibliografía y problemas propuestos para trabajo en casa....................... 115
F.1.-Bibliografía........................................................................................................ 115
F.2.-Problemas propuestos........................................................................................ 115
2ª Edición (04/05-D) ii
Presentación
En el curso 2001/02, los profesores que impartimos el laboratorio de la asignatura de Teoría de
la Señal nos marcamos un objetivo básico: la reforma de contenidos, su adaptación al temario y la
modificación de los procedimientos del laboratorio. Nació así la 1ª edición del presente documento.
Muchas fueron las lecciones aprendidas, y no todas las iniciativas emprendidas dieron los frutos
esperados. El presente documento de prácticas es una versión revisada y mejorada de la 1ª edición gracias
a los múltiples comentarios de los alumnos/as de aquel curso.
La documentación de prácticas que aquí se entrega se marca un conjunto de objetivos básicos, a

saber:
a) Que las prácticas sean un verdadero complemento de la teoría, siendo un vehículo para que
el alumno se enfrente a problemas preparatorios que asienten sus conocimientos teóricos.
b) Que la estancia en el laboratorio sea más fructífera, ya que previamente ha preparado la
práctica que va a ejecutar.
c) Ayuda a percatarse que los conocimientos adquiridos en teoría, en algunos casos difíciles de
asimilar desde un punto de vista abstracto, tienen realmente aplicación en el entorno de
telecomunicaciones, y que los problemas reales no están tan alejados cómo se podría intuir
inicialmente.
d) Por último, y no menos importante, que la puntuación final de prácticas que obtiene el
alumno refleje el esfuerzo continuado que ha realizado durante el cuatrimestre.
Sin duda, es muy probable la existencia de errores en cualquiera de los sentidos que podamos
pensar. Esperamos pues de los alumnos, que nos ayuden a mejorarlo en las próximas ediciones, aportando
sus sugerencias, advirtiendo de la falta de claridad o simplemente expresando el deseo de cambio en el
enfoque determinados contenidos.
Aprovechando la edición de este documento se ha creído conveniente la inclusión de una serie de

apéndices con información adicional de la asignatura en su globalidad. En ellos el alumno/a podrá
encontrar desde los programas de teoría y prácticas, los cronogramas de evolución, los criterios de
evaluación, la bibliografía, hasta los problemas propuestos para trabajo en casa. Su inclusión no es
gratuita y se alienta a su lectura para rentabilizar al máximo la información disponible.
Algunas aclaraciones respecto a la nomenclatura utilizada y el procedimiento a seguir en los

ejercicios opcionales. Durante todo el texto las variables y señales referenciadas han sido tratadas en letra
cursiva (p.e. x(t)), excepto cuando nos referimos a su representación en MATLAB. En este caso se ha
utilizado el formato negrita entrecomillada (p.e. ‘x’), con objeto de distinguir claramente entre las
referencias genéricas a variables y las específicas de cuando nos referimos a su creación u obtención en el
entorno de MATLAB. Por extensión, todo aquellos ejemplos o nombres de funciones de MATLAB
también los hemos reflejado en negrita.
Los ejercicios preparatorios y experimentales básicos están complementados con algunos otros
de carácter opcional. Éstos se entienden que permiten extender los conocimientos algo más allá de los
objetivos marcados, y en ningún caso serán contenidos a tener en cuenta en el examen de prácticas. Por
contra, es evidente que su realización permitirá mejorar la compresión del alumno de los conceptos en los
que se encuentra inmerso, además de adquirir una mayor visión de conjunto y avanzar en contenidos que
se irán tratando en futuras asignaturas.
Por último, si hubiera que pedir responsabilidades por cualquier deficiencia, sólo existe un
responsable, el abajo firmante.
Iván Alejandro Pérez Álvarez

Coordinador de la asignatura
2ª Edición (04/05-D) iii

2ª Edición (04/05-D) iv
Práctica 1:
Representación de señales y sistemas
I.- Introducción
I.a.- Propósito
Esta práctica está íntimamente relacionada con lo visto durante el tema 1 de

teoría, Introducción a señales y sistemas. Por tanto, el alumno debe de tener asumido
claramente los conceptos y el aparato matemático que allí se ha manejado para su
correcta realización.
Durante la presente práctica veremos cómo podemos representar y manipular

matemáticamente señales y sistemas en el entorno de MATLAB. Así mismo, se hará
especial hincapié en su correcta representación gráfica. Si las señales se encuentran
dentro del rango auditivo, podremos también grabarlas y escucharlas.
El entorno MATLAB es un entorno discreto (digital) en el que sólo podemos

almacenar valores numéricos1. Es por tanto imposible el almacenamiento de una señal o
sistema continuo. La manera de resolver este problema, para el caso continuo, es
almacenar muestras de señal (o sistema)2. Esta operación supone substituir una señal
continua por otra discreta, conociéndose a este proceso como muestreo. Bajo qué
contexto son equivalentes ambas representaciones es algo que verá el alumno en teoría
y prácticas más avanzadas en el curso.
Se aprenderá a manipular las transformaciones elementales de la variable

independiente, tales como translaciones temporales, escalados y reflexiones, vistos
todos ellos en el tema relacionado con la teoría.
1
El alumno se percatará que esta limitación NO es del MATLAB en si mismo, sino del sistema sobre el
que se ejecuta, el ordenador. Éste tiene una memoria finita y discreta, por lo que sólo es capaz de
almacenar una cantidad finita de valores.
2
A partir de ahora nos referiremos a señal o sistema de forma indiferente.
2ª Edición (04/05-D) Página 1 de 116

Por último se experimentará diferentes efectos sobre las señales.
I.b.- Duración de la práctica
La presente práctica tiene una duración de 2 horas, 1 sesión de laboratorio. Por

tanto todos los ejercicios preparatorios deben estar realizados antes de asistir al
laboratorio.
I.c.- Resumen de objetivos
Cuando finalice la práctica, el alumno debería haber asimilado los siguientes

conceptos:
1. Reconocer intuitivamente las limitaciones que tiene la representación

discreta de señales continuas.
2. Representar matemática y gráficamente las señales en el MATLAB de forma
correcta.
3. Manipular las transformaciones básicas de las señales.
4. Reconocer los efectos de dichas transformaciones en el caso de señales
auditivas.
5. Ser capaz de grabar y reproducir señales desde MATLAB.
II.- Explicaciones previas y ejercicios preparatorios
II.a.- Muestreo de señales continuas
El muestreo de señales continuas es necesario para su representación y

manipulación por sistemas discretos, como es el ordenador. Este proceso supone la
ejecución de la siguiente secuencia
Señales o sistemas Muestreo Señales o sistemas

continuos discretos
Tm
x(t) x[n]
En ella existe un parámetro importante que es el periodo de muestro, Tm,

inversa de la frecuencia de muestreo, fm. El periodo de muestreo es el tiempo que
transcurre entre muestra y muestra que se toma de la señal continua. Por tanto,
analíticamente se puede representar como
x[n ] = x (t ) t = n· T = x (n· Tm ) (P1.1)

m

La expresión (P1.1) se tiene que interpretar como sigue: la señal discreta x[n]
representa los valores de x(t) en los instantes t = n·Tm. Véase la figura P1.1 y obsérvese
las diferencias en los títulos que se han incorporado a los ejes de abscisas y ordenadas
de ambas subfiguras.
0.8 0.8
0.6
x(t) 0.6
x(n·Tm)
0.4 0.4
x(t) y
0.2 0.2
x(nTm)
x[n]
0 0
-0.2 -0.2
-0.4 -0.4
Tm
-0.6 -0.6
0 0.5 1 1.5 2 2.5 3 0 50 100 150 200 250 300
Tiempo (seg.) Muestras
Figura P1.1: Ejemplo gráfico del proceso de muestreo de una señal

continua, x(t), y su paso a secuencia discreta, x[n].
Durante el proceso de muestreo se toma una muestra de la señal continua cada

Tm segundos, instantes de tiempo continuo t = n·Tm, convirtiéndose entonces ese
conjunto de muestras en una señal discreta donde desaparecen las referencias
temporales. Esta última afirmación es de extremada importancia, pues dada una
secuencia discreta, ésta puede proceder de diferentes señales continuas según se elija el
valor de Tm.
Nótese que si Tm es “suficientemente pequeño” podemos reconstruir la señal

continua uniendo mediante una línea las muestras de señal. Esta operación gráfica se
ejecuta en MATLAB con la función plot, ver Apéndice A. Parece evidente también, que
a medida que la señal x(t) oscila más rápidamente (aumenta su frecuencia), es necesario
que Tm sea más pequeño (que la frecuencia de muestro fm sea mayor) para reconstruir
adecuadamente la señal continua.
En temas más avanzados de la asignatura veremos cuáles son los límites de la

operación de muestreo, y que no siempre podremos representar una señal continua a
partir de sus muestras discretas. De momento nos vale con asumir que Tm sea
“suficientemente pequeño”.
Atendiendo a lo explicado y los conocimientos teóricos adquiridos en el tema 1

de teoría, realice los ejercicios siguientes.
EJERCICIOS PREPARATORIOS
Cada uno de los ejercicios se debe de responder en los espacios correspondientes

del apartado de resultados. En él, el alumno encontrará una correspondencia directa con
los códigos de ejercicio. Así el ejercicio E1.1 se responde en R1.1, el E1.2 en R1.2 y así
sucesivamente.
E1.1.- Exprese analíticamente, y represente, un tono continuo, x(t), de 100 Hz durante

40 miliseg. Acote claramente los valores de abscisas y ordenadas. Utilice la

carátula disponible en R1.1 del apartado de resultados. ¿Se puede representar

está señal en MATLAB?. ¿Por qué?.
E1.2.- Dibujando en línea discontinua la señal anterior, represente de forma superpuesta
la señal muestreada x(n·Tm) para un Tm = 2.50 miliseg (fm = 400 muestras/seg).
Utilice la carátula R1.2. ¿Qué valores toma n?. Genere una expresión en
MATLAB que cree un vector, con nombre ‘x’, con los valores de x(n·Tm).
E.1.3.- ¿Para qué otras frecuencias obtendría los mismos valores de muestras?.
Demuéstrelo analíticamente.
II.b.- Representación gráfica de señales
La representación gráfica de señales en MATLAB se realiza con las funciones

plot y stem, como se ha podido experimentar en la Práctica 0. Habitualmente
utilizaremos plot para representar señales continuas cuyas muestras están
“suficientemente próximas” entre si, mientras que para las señales discretas, o
representaciones de señales continuas muestreadas, se utiliza la función stem.
Ahora bien, una señal no es solo un conjunto (vector) de valores, sino que
estos valores están asociados a unos instantes de tiempo (continuos o discretos).
Expresado de otra forma, cada punto o valor de una señal está representado por dos
valores (x,y) o (abscisa,ordenada). Por tanto, para representar correctamente una señal
siempre debemos asociarla con un eje temporal (continuo o discreto), lo que nos lleva a
que en MATLAB una señal siempre se define por el conjunto de dos vectores, el que
contiene los valores de abscisas y el que contiene los valores de ordenadas.
Es muy importante que el alumno se percate que los ejes temporales (continuos
o discretos) no tienen nada que ver con los índices de los vectores, que utilizamos
para acceder a los valores que éste contiene.
Ejemplo II.b.1: si asumimos que las muestras de una determinada señal continua
x(t)|t=n·Tm están definida por los vectores ‘t’ y ‘x’, en abscisas y ordenadas
respectivamente, la representaremos gráficamente utilizando el comando plot(t,x).
Ejemplo II.b.2: si asumimos que una determinada señal discreta x[n] está
definida por los vectores ‘n’ y ‘x’, en abscisas y ordenadas respectivamente, la
representaremos gráficamente utilizando el comando stem(n,x).
E1.4.- La figura P1.2 representa las muestras de una señal continua.

x(n·Tm) 0
-1
-2
-3
-4
-5
0 0.1 0.2 0.3 0.4 0.5 0.6
Tiempo (seg.)
Figura P1.2: Señal continua muestreada, x(t)|t = n·Tm.
Indique los valores que deben contener los vectores de MATLAB ‘t1’ y ‘x1’ que
definen la señal. ¿Cuál es el periodo de muestreo Tm?.
E1.5.- Si la señal x(t) de la figura P1.2 es periódica de periodo 1 seg, indique los valores
que debe contener los vectores MATLAB ‘t2’ y ‘x2’ que definen la misma señal
muestreada que en E1.4 para el rango de t de (0,1.7) seg. Utilice ‘t1’ y ‘x1’,
siempre que pueda, al crear los nuevos vectores ‘t2’ y ‘x2’.
E1.6.- Indique los valores que debe tener el vector de MATLAB ‘m2’ si deseamos que
éste contenga los índices de tal forma que la siguiente expresión de MATLAB
‘x3 = x2(m2)’ cree un nuevo vector ‘x3’ que contiene las muestras de la señal
x(t) del ejercicio E1.4 en el rango de t de (1,1.7) seg pero con un periodo de
muestreo de Tm = 0.2 seg. Indique los valores del vector ‘x3’.
E1.7 (opcional).- Idem que el E1.6 pero para el rango t (0,0.7) seg para la expresión
‘x4 = x1(m1)’. Observe que los vectores solicitados ahora son ‘m1’y ‘x4’.
E1.8.- Si consideramos los vectores ‘x1’, ‘x2’, ‘x3’ y ‘x4’ como secuencias discretas, y
no como señal muestreada de x(t), indique los valores de los vectores ‘n1’, ‘n2’,
‘n3’ y ‘n4’ que definen completamente dichas secuencias (asumiendo que Tm es
el definido en E1.4).
II.c.- Manipulación de la variable independiente temporal
Al necesitar obligatoriamente en MATLAB dos vectores para representar

completamente una señal (o secuencia), las transformaciones de la variable
independiente temporal que se han estudiado en teoría también pueden afectar a ambos
vectores.
Aunque en las explicaciones que siguen trabajaremos de forma genérica con

secuencias, los conceptos se aplican igualmente a las señales continuas, muestreadas o
no3. Revisemos cada uno de los casos elementales, aplicado a la operativa en
MATLAB:
3
Se recomienda que se revise el apartado del tema 1 de teoría dedicado a la transformación de la variable
independiente (variable temporal).

¾ Traslación temporal: dada una señal x[n] esta viene representada por los
vectores ‘x’ y ‘nx’. Si deseamos representar la señal y[n] = x[n-k] implica
que el vector ‘x’ no sufre ninguna modificación, ya que sigue siendo la
misma señal ‘y = x’, pero sí cambia el contenido de ‘nx’. La expresión para
actualizar los valores del vector sería ‘ny = nx + k’.
¾ Reflexión respecto al origen: en este caso lo que deseamos representar es la
señal y[n] = x[-n]. Si los vectores tienen longitud N entonces el vector de
ordenadas lo tenemos que girar ‘y = x(N:-1:1)’ y el de abscisas también,
pero cambiando el signo de sus valores ‘ny = -nx(N:-1:1)’.
¾ Escalado temporal: en este caso, y asumiendo que k es un número entero
existen dos posibilidades: expansión temporal de la señal y[n] = x[n/k] y
compresión temporal de la señal y[n] = x[n·k]. En el primer caso sólo existen
valores definidos para los valores de n que son factores enteros de k, por lo
que el resto de valores se ponen a ceros. La generación en MATLAB de la
nueva secuencia ‘y’ en este caso sería:
>> y = zeros(1,N*k); % Se crea vector de ordenadas

% vacío y de longitud la esperada.
>> y(1:k:N) = x; % Se colocan los valores del vector ‘x’
% en las posiciones correspondientes.
>> ny = nx(1)*k:nx(N)*k % El eje de abscisas se expande por el
% factor ‘k’.
En el segundo caso, simplemente, se eliminan las muestras que no se utilizan,

aunque su realización en MATLAB es algo más complicada para el vector de
abscisas (es uno de los ejercicios preparatorios a realizar de forma opcional).
E1.9.- Suponiendo una secuencia discreta aperiódica x[n] como la mostrada en la figura
P1.2 con valores en abscisas n = {3,4, ... ,10}, obtenga los valores de los
vectores de MATLAB que definen completamente las siguientes señales: x[-n],
x[-n+k], x[(-n-k)*l] y x[n-3]+x[n+3] siendo k = 3 y l =2.
E1.10.- Genere, con comandos de MATLAB, una función denominada LTS_Desplaza4
con los siguientes parámetros de entrada y salida:
[y,ny] = LTS_Desplaza(x,nx,k);
e indique el comando MATLAB que ejecutaría, aplicando dicha función, para la
operación matemática y[n] = x[n-4].
E1.11.- Genere, con comandos de MATLAB, una función denominada LTS_Reflexiona
con los siguientes parámetros de entrada y salida:
[y,ny] = LTS_Reflexiona(x,nx);
e indique el comando MATLAB que ejecutaría, aplicando dicha función, para la
operación matemática y[n] = x[-n].
E1.12.- Utilizando las funciones anteriores y asumiendo que dispone de los vectores ‘x’
y ‘nx’ de longitud N, exprese la secuencia de comandos de MATLAB que
4
La nomenclatura utilizada, y que se le recomienda seguir al alumno para cuando cree sus propias
funciones, es la siguiente: LTS_<nombre_de_función>[D,C]. LTS es el acrónimo de Laboratorio de
Teoría de la Señal. <nombre_de_función> contiene el nombre de la funcion donde el inicio de palabra se
reliza en mayúscula. [D,C] última letra indicando si es una función exclusivamente para señales discretas,
continuas muestreadas o indiferente (en cuyo caso no aparecerá niguna letra).

utilizaría para ejecutar las operaciones matemáticas: a) y[n] = x[-n-k],

b) y[n] = x[-(n-k)].
E1.13 (opcional).- Genere con comandos de MATLAB una función denominada
LTS_CompTempD, que nos permite comprimir (diezmar) una señal discreta por
un factor k, con los siguientes parámetros de entrada y salida:
[y,ny] = LTS_CompTempD(x,nx,k);
e indique la secuencia de comandos MATLAB que ejecutaría, aplicando las
funciones desarrolladas previamente, para la operación matemática y[n] = x[n·k].
NOTA: puede requerir el uso de las funciones ceil y floor del MATLAB, así como la orden
break dentro de los bucles for o while (ver Apéndice A).
II.d.- Grabación y reproducción de señales auditivas
La grabación y reproducción de señales auditivas la haremos a través de ficheros

‘.wav’ (formato de audio por defecto en los entornos de Windows). Por tanto la
grabación y reproducción de audio se realizará con la herramienta disponible en este
sistema operativo denominada ‘Grabadora de sonidos’ que podemos encontrar en
Inicio → Programas → Accesorios → Multimedia.
Por tanto, para manipular estas señales desde MATLAB, lo que nos resta es
poder leer y escribir ficheros ‘.wav’. Para ello disponemos de las funciones wavread y
wavwrite cuyos contenidos de help se encuentran en el Apéndice A.
Una de las alternativas que dispone MATLAB para escuchar señales

almacenadas en vectores es haciendo uso de la función sound (ver Apéndice A).
E1.14.- Genere, con comandos de MATLAB y haciendo uso de la función

LTS_Desplaza, una función denominada LTS_EcoD con los siguientes
parámetros de entrada y salida:
[y,ny] = LTS_EcoD(x,nx,alfa,k);
y que implemente el sistema de la figura P1.35 (generador de eco)
x[n] y[n]
Z-k
Figura P1.3: Sistema generador de eco.
5
Se recuerda que Z-k representa un sistema que retarda la señal de entrada un valor ‘k’.


III.- Resultados de los problemas preparatorios
En caso de que desee que sus ejercicios preparatorios le sean revisados, antes de
entregar rellene los siguientes datos para su identificación:
DATOS IDENTIFICATIVOS DEL ALUMNO

Apellidos: Fecha:
Nombre: Grupo:
DNI:
A continuación dispone de los apartados correspondientes para responder a cada

uno de los ejercicios propuestos. Restrínjase al espacio propuesto y recuerde que sus
resultados le ayudarán a realizar posteriormente los ejercicios del laboratorio.
Al final del apartado dispone de un espacio para indicar cualquier incidencia o

comentario que le parezca oportuno. Ello nos ayudará a mejorar el presente documento
de prácticas.
R1.1 .-
Expresión analítica de x(t):
x(t) = sen(...............................................................) para 0 ≤ t .........................

Representación como señal continua (acote correctamente en abscisas y ordenadas):
miliseg.
¿Se puede representar numéricamente está señal en MATLAB?. ¿Por qué?
R1.2.-
Representación de x(n·Tm) superpuesta con x(t) en línea discontinua (acote
correctamente):

¿Qué valores toma n?

n = {0, ...........................................................................................................
Expresión en MATLAB que crea el vector ‘x’ que contiene los valores x(n·Tm)
>> x = sin(2 ...............................................................................................
R1.3.-
¿Para qué otras frecuencias obtendría los mismos valores de muestras? (demostración)
R1.4.-
t1 = [ 0 0.1 ..............................................................................................
x1 = [ 1 2 ..............................................................................................
Tm = ............. seg.
R1.5.-
t2 = [ t1 ..............................................................................................
x2 = [ x1 ..............................................................................................
R1.6.-
m2 = [ 1 : ..............................................................................................
x3 = [ 1 ..............................................................................................
R1.7 (opcional).-
m1 = [ ..........................................................................................................
x4 = [ ..........................................................................................................
R1.8.-
n1 = [ 0 ......... ..............................................................................................
n2 = [ ..........................................................................................................
n3 = [ 10 ....... ..............................................................................................
n4= [ ..........................................................................................................

R1.9.-
Vectores que representan a x[-n]:
x=[ .........................................................................................................
n = [ .........................................................................................................
Vectores que representan a x[-n+k]:
x=[ .........................................................................................................
n = [ .........................................................................................................
Vectores que representan a x[(-n-k)*l]:
x=[ .........................................................................................................
n = [ .........................................................................................................
Vectores que representan a x[n-3]+ x[n+3]:
x=[ .........................................................................................................
n = [ .........................................................................................................
R1.10.-
function [y,ny] = LTS_Desplaza(x,nx,k)
% La función implementa la operación y[n] = x[n-k]
y = ..............;
ny = .................................;
Comando MATLAB para la operación matemática y[n] = x[n-4]:
>> [y,ny] = LTS_Desplaza(..................................................);
R1.11.-
function [y,ny] = LTS_Reflexiona(x,nx)
% La función reflexiona la señal x respecto al origen
N = length(x);
y = x(....................................................);
ny = ......................................................;

Comando MATLAB para la operación matemática y[n] = x[-n]:
>> [y,ny] = .................................................................................;
R1.12.-
a).- Secuencia de comandos MATLAB para la operación matemática y[n] = x[-n-k]:
Opción 1:
>> [z,nz] = LTS_ ..................................................................................;
>> [y,ny] = LTS_...................................................................................;
Opción 2:
>> [z,nz] = LTS_ ..................................................................................;
>> [y,ny] = LTS_...................................................................................;
b).- Secuencia de comandos MATLAB para la operación matemática y[n] = x[-(n-k)]:

Opción 1:
>> [z,nz] = LTS_ ..................................................................................;
>> [y,ny] = LTS_...................................................................................;
Opción 2:
>> [z,nz] = LTS_ ..................................................................................;
>> [y,ny] = LTS_...................................................................................;
R1.13 (opcional).-
function [y,ny] = LTS_CompTempD(x,nx,k)
% La función comprime (diezma) la señal x[n] por un factor k
N = length(x);
% Buscamos los índices inicial y final que son múltiplos de k en nx
Secuencia de comandos MATLAB para la operación matemática y[n] = x[n·k]:
>> [y,ny] = LTS_...........................................................................;

R1.14.-
function [y,ny] = LTS_EcoD(x,nx,alfa,k)
% La función genera una señal y[n] = x[n] + alfa·x[n-k]. Simula la presencia de un
% eco de valor ‘k’ ponderado por el factor ‘alfa’.
N = length(x);
Ny = N+k;
y = zeros(.............................);
y(1:N) = ................;
y(......... : Ny) = ................. + ...................................;
ny = nx(............: nx(......................................................;
INCIDENCIAS Y/O COMENTARIOS.-


IV.- Ejercicios experimentales
Antes de iniciar los ejercicios tenga en cuenta las siguiente recomendación
¡ATENCIÓN!
Antes de iniciar la sesión de MATLAB ejecute el comando
>> diary p1_s1.txt
con él quedará grabado en el fichero p1_s1.txt todo lo que usted
realice durante la sesión.
E1.15.- Siguiendo un procedimiento similar al utilizado en los ejercicios E1.1 y E1.2

genere un tono de 500 Hz, 2 seg de duración y un periodo de muestreo
Tm=1/8000 (nombres propuestos ‘x500’ y ‘t500’).
E1.16.- Escuche dicho tono usando la función sound.
E1.17.- Genere una señal real exponencial decreciente de misma duración y Tm que
E1.16 que represente a la señal e − t (nombres propuestos ‘ye’ y ‘te’). Obtenga y
escuche una señal que represente la multiplicación de ‘x500’ e ‘ye’ (nombre
propuesto ‘ym’).
E1.18.- Represente correctamente las señales de los ejercicios E1.5 y la ‘x2’ de E1.8.
E1.19.-Cree las funciones diseñadas en los ejercicios E1.10 y E1.11. Verifique los casos
1º y 2º del ejercicio E1.9.
E1.20.- Cree la función diseñada en E1.14.
E1.21.- Grabe una señal de voz (en fichero ‘.wav’) con la siguiente frase: “Me lo estoy
pasando pirulí en el laboratorio”. Almacénela como ‘piruli.wav’. Léela desde
MATLAB utilizando la función wavread.
E1.22.- Ejecute y escuche los resultados de aplicar la función LTS_EcoD para diferentes
valores de α y retardo. Indique qué valores de α y retardo ha utilizado. Indique
para qué valores de α y retardo es apreciable el eco.
E1.23 (opcional).- Reflexione y escuche la señal grabada. ¿Qué es lo que ocurre?.
¡ATENCIÓN!
Antes de finalizar la sesión de MATLAB ejecute el comando
>> save p1_s1
con él quedará grabado en el fichero p1_s1.mat todas las variables
que haya creado durante la sesión.


V.- Resultados de los ejercicios experimentales
En caso de que desee que sus ejercicios experimentales le sean revisados, antes
de entregar rellene los siguientes datos para su identificación:
DATOS IDENTIFICATIVOS DEL GRUPO

Apellidos: Fecha:
Nombre: Grupo:
DNI:
Apellidos:
Nombre:
DNI:
¡RECOMENDACIÓN!
NO utilice las hojas de respuestas para coger notas durante la
realización de la práctica, utilícelas sólo como guías. Tome las
notas en papel aparte, y posteriormente páselas a limpio en las
hojas de de respuestas.

uno de los ejercicios propuestos. Restrínjase al espacio propuesto.

de prácticas.
R1.15 .-
Indique las expresiones en MATLAB utilizadas, con Tm = 1/8000:
t500 = ( 0 : .................................................................................);
x500 = sin(2·......................................................);
R1.16.-
V.B. del profesor:
R1.17 .-
Indique las expresiones en MATLAB utilizadas:
te = t500;
ye = exp( ....................................);
ym = ............................................;

V.B. del profesor:
R1.18 .-
V.B. del profesor:
R1.19 .-
V.B. del profesor:
R1.20 .-
V.B. del profesor:
R1.21 .-
V.B. del profesor:
R1.22 .-
Indique los valores más significativos utilizados:
α=
retardo =
¿Para qué valores de α y retardo es apreciable el eco?
α=
retardo =
V.B. del profesor:
R1.23 (opcional).-
¿Qué ocurre?
V.B. del profesor:



Práctica 2:
Sistemas LTI: cálculo de respuestas
I.- Introducción
I.a.- Propósito
La práctica 2 está directamente relacionada con los conocimientos que el alumno

ha adquirido en el tema 2 de teoría, Sistemas lineales e invariantes en el tiempo (LTI).
Así pues, se hace necesario que los conceptos de respuesta al impulso, operación de
convolución y ecuaciones en diferencias estén perfectamente asumidos.
Durante esta práctica se experimentará con la obtención de la respuesta de los

sistemas LTI a una señal de entrada cualquiera, cuando éste está definido a través de su
respuesta al impulso o bien por los coeficientes que definen su ecuación en diferencias.
En el caso de la convolución experimetaremos con un caso particular: cuando la señal
de entrada y la respuesta al impulso del sistema son periódicas, que requiere un
procedimiento algo diferente al de las señales aperiódicas.
La presente práctica tiene una duración de 2 horas, 1 sesión de laboratorio. Por

tanto todos los ejercicios preparatorios deben estar realizados antes de asistir al
laboratorio.

conceptos:

1. Comprender el funcionamiento de la operación de convolución y del

algoritmo empleado para su implementación en ordenador.
2. Apreciar la necesidad de un tratamiento diferenciado en el procesado de
señales periódicas con respecto a las que no lo son.
3. Calcular la respuesta de un sistema LTI especificado mediante una ecuación
en diferencias.
II.a.- Convolución de Señales no periódicas
En este tipo de convolución tenemos que sumar, en principio, infinitos productos

de los elementos de dos señales x[n] y h[n]6, emparejando sus elementos según el índice
k, tal y como se aprecia en la expresión de suma de convolución:
∞ ∞
y[n] = x[n] ∗ h[n] = ∑ x[k ] ⋅ h[n − k ] =
k = −∞
∑ x[n − k ] ⋅ h[k ]
k = −∞
(P2.1)
En las situaciones prácticas reales, las señales aperiódicas tendrán un periodo

finito donde la señal es distinta de cero, por lo que los límites de las sumatorias de la
expresión (P2.1) serán distintos de infinito. Asumiendo conocido el procedimiento de
obtención de la convolución, que ha sido estudiado en clase, se propone la realización
de los siguientes ejercicios.
E2.1.- Realizar analíticamente la convolución y (t ) = x(t ) ∗ h(t ) entre la señal

x (t ) = sen (πt )[u (t ) − u (t − 2 )] y el sistema LTI h (t ) = u (t − 1) − u (t − 3).
Representar gráficamente, acotando claramente, cada una de ellas e indicar los
intervalos en los que las señales son disitintas de cero. Indicar la relación entre
dichos intervalos.
E2.2.- Realizar analíticamente la convolución y[n ] = x[n]∗ h[n] entre la señal
x[n ] = u[n + 1] − u[n − 4] − δ [n − 1] y el sistema LTI
h[n ] = {3 − n }⋅ {u[n + 2] − u[n − 3]}. Representar gráficamente, acotando
claramente, cada una de ellas e indicar los intervalos en los que las señales son
disitintas de cero. Indicar la relación entre dichos intervalos.
E2.3.- El MATLAB dispone de una función que realiza la convolución de dos vectores
de señal, conv (vea el Apéndice A). Indique la secuencia de comandos para
realizar la convolución del ejercicio E2.2. Observe que la función conv no
maneja el vector temporal o abscisas, y por lo tanto debe ser generado por el
usuario.
6
El procedimiento sería análogo para el caso de señales continuas muestreadas donde:
x[n ] = x(t ) t = n·T y h[n ] = h(t ) t = n ·T
m m

II.b.- Respuesta de los Sistemas LTI a señales periódicas
La convolución de dos señales periódicas tiene poco sentido práctico, ya que no

existen sistemas de reales (físicos) que tengan como respuesta al impulso una señal
periódica de duración infinita. En cambio, sí tiene interés matemático, ya que en temas
más avanzados del curso nos surgirá la necesidad de convolucionar este tipo de
secuencias.
Cuando tratamos de convolucionar dos señales periódicas7, la convolución

aperiódica (P2.1) (también conocida como lineal) no puede ser usada ya que las señales
son de longitud infinita, lo que lleva a una divergencia de la expresión (P2.1), dando
como resultado infinito para todos los valores de y[n]. Veámoslo de forma razonada:
asumamos que las señales x[n] y h[n] de la expresión (P2.1) son periódicas, de periodo
común N, por lo tanto se cumple que x[k] = x[k+rN] y h[k] = h[k+rN] siendo r un valor
entero cualquiera. Subsituyendo las igualdades anteriores en la expresión (P2.1)
tenemos
∞ ∞
y[n] = x[n] ∗ h[n] = ∑ x[k ] ⋅ h[n − k ] = ∑ x[k + rN ] ⋅ h[n − k − rN ] =
k = −∞ k = −∞
∞ N −1 ∞ N −1
(P2.2)
= ∑ ∑ x[k + rN ] ⋅ h[n − k − rN ] = ∑ ∑ x[k ] ⋅ h[n − k ]
r = −∞ k = 0 r = −∞ k = 0
La suma interna de la expresión (P2.2) es claramente de valor finito, por lo que

la suma infinitas veces este valor dará como resultado, para cualquier valor de n,
infinito.
Pero como se ha comentado más arriba, tiene interés definir una nueva operación
de convolución para las señales periódicas, basada en la sumatoria interna de la
expresión obtenida en (P2.2). Se define así la convolución periódica cuyo operador es ⊗
N −1 N −1
y[n] = x[n] ⊗ h[n] = ∑ x[k ] ⋅ h[n − k ] = ∑ x[n − k ] ⋅ h[k ] (P2.3)
k =0 k =0
donde N es el mínimo periodo común a ambas señales periódicas.
Observe que en (P2.3), el índice k toma valores dentro de un único periodo de N

muestras, común a ambas señales. Igual que en el caso aperiódico, h[n-k] (o x[n-k], ya
que el nuevo operador mantiene la propiedad conmutativa) se construirá como h[k]
reflejada sobre k = 0 y sufrirá un retardo n8 cada vez que n aumente. La diferencia con
la convolución aperiódica es que en este caso sólo se suman los productos de elementos
que pertenecen a un periodo escogido (p.e., desde 0 a N-1), y el número total de
desplazamientos (sobre la señal reflejada) será N-1. El procedimiento gráfico puede
observarse en la figura P2.1, para una N = 5.
Una importante diferencia del resultado de la convolución periódica definida en

(P2.3) respecto a la convolución aperiódica (P2.1), es que la señal resultante y[n] es
7
Se remarca el hecho de que ambas señales deben ser periódicas. En caso de que una de ellas no lo sea la
expresión de convolución aperiódica puede ser aplicada sin problemas.
8
Se refleja toda la señal, -∞ < k < ∞, y no sólo el periodo sobre el que se está claculado la convolución.

periódica con periodo fundamental idéntico al de las señales x[n] y h[n]. Esta
propiedad es inmediata de verificar sustituyendo y[n] por y[n + N] en (P2.3).
Cuando las señales x[n] y h[n] son periódicas, pero sus periodos fudamentales no
coiniciden, hay que buscar un N tal en el que ambas sean periódicas. Obviamente N será
mayor o igual que los periodos fundamentales de ambas señales.
x[k]
1
-2 -1 0 1 2 k
h[k] 2
2
-2 -1 0 1 k
-1
h[0-k]
-2
-1 0 1 2 k
h[1-k]
-1
-2 0 1 2 k
h[2-k]
-2 -1 1 2 k
Periodo sobre el que se realiza

la ∑ de la expresión (P2.3)
Figura P2.1: Procedimiento gráfico del proceso de cálculo de la

convolución periódica (P2.3) para una N = 5 y para los casos
de n = .{0, 1 y 2}.

E2.4.- Verificar que es posible generar un vector periódico yp de la longitud deseada a

partir de otro vector vc que contenga su perido fundamental. Para ello
multiplique un vector columna (p.e. vc = [1 2 3 0 0 0]’) por un vector fila (p.e. vf
= [1 1 1 1]). Llamar al resultado vp = vc·vf. Observando su resultado, e indique
la secuencia MATLAB para obtener el vector yp a partir del vp. Indique
seguidamente la secuencia MATLAB para obtener un nuevo vector yp2 a partir
del vp que contega los elementos del 7 al 14 de vector yp.
E2.5.- Con lo aprendido en el ejercicio E2.4 diseñe una función MATLAB denominada
LTS_PeriodificaD con los siguientes parámetros de entrada y salida:
[y,ny] = LTS_PeriodificaD(x,N,offset);
que genere una señal periódica y[n] ([y, ny]) de longitud N muestras cuyo
periodo fundamental viene definido por x9. El primer valor de la señal y[n] está
desplazada respecto al origen el valor offset muestras y coincide con el primer
elemento del vector x. Asuma que N siempre es mayor o igual que la longitud de
x.
E2.6.- Consideremos ahora la versión “continua”. Haciendo uso de la función anterior ,
diseñe una función denominada LTS_PeriodificaC con los siguientes parámetros
de entrada y salida:
[y,ty] = LTS_PeriodificaC(x,T,Fm,offset);
que genere una señal periódica y(t) ([y, ty]) de duración T segundos muestreada
a una frecuencia Fm muestras/segundo, cuya primera muestra está desplazada
respecto al origen offset segundos y coincide con el primer elemento del vector
x. Al igual que en el ejercicio anterior, x contiene los valores del periodo
fundamental. Asuma que T siempre es mayor o igual que el periodo fundamental
representado por x.
E2.7.- Calcular analíticamente y representar gráficamente, acotando con claridad la
señal resultante, la convolución de las señales periódicas con periodo N = 6
∞
x[n] = ∑ δ [n − kN ] + δ [n − 1 − kN ] − δ [n − 2 − kN ] + δ [n − 4 − kN ] − δ [n − 5 − kN ]
k = −∞
∞
y h[n] = ∑ [2 − n − kN ]⋅ [u[n + 1 − kN ] − u[n − 2 − kN ]]
k = −∞
E2.8.- Calcular analíticamente y representar gráficamente, acotando con claridad la
señal resultante, la convolución de las señales periódicas con periodo T = 1seg
∞ ∞
 1 
x(t ) = ∑ e −(t − k ) ⋅ [u (t − k ) − u (t − 1 − k )] y h(t ) = ∑ u (t − k ) − u  t − − k 
k = −∞ k = −∞  2 
E2.9.- Realizar analíticamente una convolución aperiódica con dos señales de duración
finita. Una de ellas, la x[n], coincidirá con dos periodos fundamentales de la
señal x[n] del ejercicio E2.7. La otra, h[n], coincide con un periodo fundamental
de la señal h[n] del mismo ejercicio E2.7. Comprobar (y remarcar) que entre los
valores obtenidos en el resultado, aparece el periodo fundamental del resultado
del ejericicio E2.7. Basándose en lo anterior diseñar una función MATLAB
denominada LTS_Convp con los siguientes parámetros de entrada y salida:
y = LTS_Convp(x,h);
9
Observe que x sólo representa los valores de la señal y[n] en un periódo fundamental, pero no es una
señal en sí misma, por lo que no tiene asociado un eje temporal nx.

que calcule la convolución periódica de dos señales periódicas, siendo x y h los

periodos fundamentales de las señales periódicas x[n] y h[n]. Para ello deberá
utilizar la convolución aperiódica (función conv de MATLAB). Asuma que
ambos vectores x y h son de igual longitud (no debe verificar si los periodos
coinciden).
II.c.- Sistemas LTI representados mediante Ecuaciones en Diferencias
Los sistemas LTI discretos también pueden ser descritos mediante ecuaciones en
diferencias, del tipo
N M
∑a k ⋅ y[n − k ] = ∑ bk ⋅ x[n − k ] (P2.4)
k =0 k =0
donde ak y bk son los coeficientes que multiplican, respectivamente, a los términos de la
señal de salida y[n-k] y de entrada x[n-k].
En el lenguaje MATLAB disponemos de una función específica para la

manipulación de sistemas descritos según (P2.4), es la función filter (ver Apéndice A).
En ella se debe especificar los coeficientes ak y bk mediante sendos vectores, la señal de
entrada al sistema x[n] y las condiciones iniciales del sistema, que será un vector de N
elementos. Como habitualmente las condiciones iniciales son nulas, si no se especifican
las condiciones iniciales la función las asume como nulas.
Atendiendo a lo indicando, realice los siguientes ejercicios experimentales.
E2.10.-Obtener la ecuación en diferencias y calcular las 5 primeras muestras de la

respuesta al impulso del sistema LTI, inicialmente en reposo (y[n] = 0 ∀ n < 0),
descrito por el siguiente diagrama de bloques10:
x[n] y[n]
Z-1
-1/4 -7/4
Z-1
-1/8 -1/2
E2.11.-Indique la secuencia MATLAB donde se genere los vectores a, b y x, y se haga

uso la función filter para obtener la señal y que corresponde con la ecuación en
diferencias del ejercicio E2.10.
NOTA IMPORTANTE: Al ser el sistema recursivo, la respuesta al impulso será de duración
infinita. Por tanto para obtener dicha respuesta la longitud del vector de entrada x[n] = δ[n]
deberá ser tal que los valores de salida del sistema para n superiores a dicha longitud se
consideran despreciables. Haga pruebas, en los ejercicios experimentales, con longitudes de 5,
10, 15 y 20.
10
Se recuerda que Z-k representa un sistema que retarda la señal de entrada un valor ‘k’.

III.- Resultados de los problemas preparatorios
Apellidos: Fecha:
Nombre: Grupo:
DNI:


de prácticas.
R2.1 .-
Expresión analítica de y (t ) = x(t ) ∗ h(t ) :
y(t) = ............................................................................................................................
............................................................................................................................
seg.
seg.

seg.
Indicar los intervalos en los que las señales son distintas de cero:
x(t): [.......... , ......... ]; h(t): [.......... , ......... ]; y(t): [.......... , ......... ]
¿Qué relación hay entre el intervalo de y(t) y los de x(t) y h(t)?
R2.2.-
Expresión analítica de y[n ] = x[n]∗ h[n]:
y[n] = ............................................................................................................................
............................................................................................................................
Representación como señal discreta (acote correctamente en abscisas y ordenadas):

Indicar los intervalos en los que las señales son distintas de cero:
x[n]: [.......... , ......... ]; h[n]: [.......... , ......... ]; y[n]: [.......... , ......... ]
¿Qué relación hay entre el intervalo de y[n] y los de x[n] y h[n]?
R2.3.-
Secuencia de comandos MATLAB para la operación y[n ] = x[n]∗ h[n]
>> x = [ 1 ............................................................................;
>> nx = ..............:...........;
>> h = [ 1 .............................................................................;
>> nh = ..............:...........;
>> Nx = length(.....................................................................;
>> Nh = .................................................................................;
>> Ny = ...................+...................................;
>> y = conv(........................................................);
>> ny = nx(.......................:...............................................................;
R2.4.-
Resultado de la operación matricial vp = vc · vf
1  
2 
  
vp = 3 ·[1 1 1 1] = 
  
0  
0 

Secuencia de comandos MATLAB para a partir de vp construir yp
>> vc = [1 2 3 0 0]’;
>> vf = [1 1 1 1];
>> vp = vc* .........................................;
>> yp = vp.....................................;
Secuencia de comandos MATLAB para a partir de vp construir yp2
>> vc = [1 2 3 0 0]’;
>> vf = [1 1 1 1];
>> vp = vc* .........................................;
>> yp2 = vp.....................................;
R2.5.-
function [y,ny] = LTS_PeriodificaD(x,N,offset)
% La función genera una señal peiródica y[n] de longitud N y cuyo periodo
% fundamental es el vector ‘x’. El primero elemento de la señal y[n] se encuentra
% desplazado ‘offset’ muestras desde el origen y coincide con el primer elemento
% del vector ‘x’.
% Aseguro que ‘x’ es un vector columna y obtengo su longitud

Sx = size(x);
if Sx(1) < Sx(2)
x = ...................;
Nx = Sx(...........);
else
Nx = Sx(...........);
end
% Obtengo el número de periodos fundamentales que contienen
% al menos N muestras
num_periodos = ceil(..........................................;
% Obtengo el vector periódico
unos_fila = ones(..................................................;
vp = ......................................................................;
y = vp(...................................................;
% Obtengo el eje temporal de la señal y[n]
ny = .......................:..............................................................;

R2.6.-
function [y,ty] = LTS_PeriodificaC(x,T,Fm,offset)
% La función genera una señal peiródica y(t) de longitud T segundos y
% cuyo periodo fundamental es el vector ‘x’. El primero elemento de la señal y(t)
% se encuentra desplazado ‘offset’ muestras desde el origen y coincide con el
% primer elemento del vector ‘x’. Fm es la frecuencia de muestreo de la señal ‘y’.
% Obtengo la secuencia periódica
[y,ny] = LTS_PeriodificaD(...........................................................................);
% Genero el vector temporal
ty = ........................:.............................:...........................................................;
R2.7.-
Expresión analítica de y[n] = x[n] ⊗ h[n] (convolución periódica):
y[n] = ...............................................................................................................................
...............................................................................................................................
R2.8.-
Expresión analítica de y(t) = x(t) ⊗ h(t) (convolución periódica):
y(t) =

R2.9.-
Expresión analítica de y[n] = x[n] * h[n] (convolución aperiódica):
y[n] = .............................................................................................................................
..............................................................................................................................
n
Indique los valores del vector resultante y remarque los valores coincidentes con el
periodo fundamental del resultado del ejercicio E2.7
y = [......................................................................................................................]
n = [......................................................................................................................]

function y = LTS_Convp(x,h)
% La función calcula la convolución periódica de dos señales periódicas que tienen
% periodos fundamentales ‘x’ y ‘h’. Se asume que ambos vectores tienen la misma
% logintud (periodo fundamental).
% Obtengo la longitud del periodo fundamental de la señal de salida
Ny = ...............................................;
% Realizo la convolución aperiódica
y = conv(...................................,h);
% Obtengo el periodo fundamental de y[n]
y = y(................................................................;
R2.10.-
Ecuación en diferencias que define al sistema
y[n] + ...........................................................................................................
Respuesta al impulso para n = {0,1,2,3 y 4}
h[0] = ................; h[1] = ................; h[2] = ................; h[3] = ................; h[4] = .............;
R2.11.-
Secuencia de comandos MATLAB para a usar la función filter con el sistema del
ejercicio E2.10
>> a = [.....................................................................;
>> b = [.....................................................................;
>> x = [ 1 zeros(........................................................;
>> y = filter(...............................................................;


Antes de iniciar los ejercicios tenga en cuenta las siguiente recomendación
¡ATENCIÓN!
>> diary p2_s1.txt
con él quedará grabado en el fichero p2_s1.txt todo lo que usted
realice durante la sesión.
E2.11.- Muestree las señales x(t) e y(t) del ejercicio E2.1 con una frecuencia de
muestreo adecuada para que los resultados sean similares a R2.1 (verifiquelo
con plot) realizar su convolución (empleando la función conv de MATLAB).
Representar gráficamente el resultado y obtener los valores de abscisas
(expresados en segundos) de los puntos máximo y mínimo.
E2.12.- Realizar la convolución (empleando la función conv de MATLAB) de las
señales del ejercicio E2.2. Utilizar los intervalos adecuados en ambas señales.
Representar gráficamente el resultado.
E2.13.- Cree la función LTS_PeriodificaD y compruebe que la instrucción
[x,k]=LTS_PeriodificaD([1 2 3 0 0 0],8,7);
genera el mismo resultado que el ejercicio E2.4.
E2.14.- Cree la función LTS_Convp diseñada en el ejercicio E2.9. Utilícela para
comprobar los resultados de E2.7.
E2.15.- Repetir el ejercicio anterior para las señales continuas de E2.8, considerando
tres frecuencias de muestreo de Tm = {0.2, 0.1 y 0.05} seg.
E2.16.- Comprobar el resultado del ejercicio E2.10, utilizando la función filter de
MATLAB y las expresiones calculadas en E2.11 con longitudes del vector de
entrada de 5, 10, 15 y 20.
E2.17.- Repita el ejercicio anterior para una longitud de la señal de entrada de 20
muestras y para las siguientes señales x[n]=cos(2·π·f·n) con f = {0.1, 0.25 y
0.45}. Registre las amplitudes de pico máximas una vez estabilizada la señal de
salida para cada uno de los casos. Represente gráficamente las relaciones
(Vp-salida/Vp-entrada) en función del valor de frecuencia f.
¡ATENCIÓN!
>> save p2_s1
con él quedará grabado en el fichero p2_s1.mat todas las variables
que haya creado durante la sesión.


V.- Resultados de los ejercicios experimentales

Apellidos: Fecha:
Nombre: Grupo:
DNI:
Apellidos:
Nombre:
DNI:
¡RECOMENDACIÓN!


de prácticas.
R2.11
Valores de Tm utilizados:......................., ..........................., .........................., ...................
Valor de Tm elegido: .........................
Intervalo temporal utilizado en la señal x(t): [.......... , ......... ]
Intervalo temporal utilizado en la señal h(t): [.......... , ......... ]
Intervalo temporal obtenido en la señal y(t): [.......... , ......... ]
Instante(s) de máximo(s): ...................., ......................, .........................
Instante(s) de mínimo(s): ...................., ......................, .........................
V.B. del profesor al gráfico de convolución:

R2.12
y = [ 1 ................................................................................................
ny = [ ..............: ....................]
R2.13.-
x = [ 1 ................................................................................................
k = [ 7 ................................................................................................
R2.14.-
x = [ ................................................................................................
h = [ ................................................................................................
y = [ ................................................................................................
[Conteste posteriormente en casa]:¿Por qué hay que considerar más de un periodo en

una de las secuencias, cuando queremos simular una convolución periódica con conv?
R2.15.-
Para Tm = 0.2 seg:
x = exp(.....................................................................................
h = [ ..........................................................................................
y = [ ............................................................................................
Para Tm = 0.1 seg:
x = exp(.....................................................................................
h = [ ..........................................................................................
y = [ ............................................................................................
.....................................................................................................

Para Tm = 0.05 seg:
x = exp(.....................................................................................
h = [ ..........................................................................................
y = [ ............................................................................................
......................................................................................................
.......................................................................................................
R2.16.-
Secuencia de comandos MATLAB utilizados
a = [.....................................................................;
b = [.....................................................................;
x = [ 1 zeros(........................................................;
y = filter(...............................................................;
Respuesta al impulso para x de longitud 5:
h = [.....................................................................................................;
h = [.....................................................................................................;
h = [.....................................................................................................
.............................................................................................................;
h = [.....................................................................................................
.............................................................................................................;
R2.17.-
Tensión de pico una vez estabilizada la salida para x[n]=cos(2·π·0.1·n): .....................

Representación del comportamiento del sistema a diferentes señales senoidales:

(Vp-salida/Vp-entrada)
f
[Conteste posteriormente en casa]: Visto el resultado de la representación gráfica, ¿qué
frecuencias considera que rechaza el sistema y/o cuáles favorece?.

Práctica 3:
Series de Fourier
I.- Introducción
I.a.- Propósito
En la presente práctica el alumno se enfrentará con la manipulación práctica de

una herramienta matemática muy potente, el Desarrollo en Serie de Fourier (a la que
referenciaremos en adelante con las siglas DSF). La herramienta ha sido estudiada
extensamente en los temas 3 y 4 de la teoría, siendo un requisito necesario la correcta
asimilación de los contenidos teóricos allí tratados.
El DSF, y la manipulación de los coeficientes obtenidos, permite tanto la

síntesis (o generación) de señales periódicas como su análisis. Si nos encontrásemos
con el problema real de tener que sintetizar una señal, podríamos pensar que bastaría
con almacenar una versión “suficientemente muestreada” de un periodo de señal para
luego reproducirla de forma continua. Este procedimiento es claramente inadecuado,
pues supone para muchas señales un consumo excesivo de recursos de memoria.
Además, imagínese que no sólo deseamos generar una señal periódica concreta, sino
una familia de ellas como puede ser el caso de un equipo sintetizador musical (piano u
órgano electrónico); el problema crece indefinidamente. Para el segundo caso, el
análisis, los DSF y sus coeficientes asociados, nos permiten obtener información de
cuáles son las componentes espectrales de la señal, además de poder disponer de una
representación alternativa de está para su posterior síntesis.
En la teoría se han obtenido las expresiones de síntesis y análisis del DSF.

Veremos durante esta práctica cómo podemos aplicar dichos conceptos utilizando como
herramienta el MATLAB, y haremos uso de una pareja de funciones, fft e ifft, que sin

entrar en detalles sobre sus orígenes, permiten realizar estos cálculos de forma óptima
computacionalmente. En la práctica 4, dedicada a la Transformada de Fourier,
seguiremos haciendo uso de ellas y se establecerá su relación con la Discrete Fourier
Transform (DFT)11, potente herramienta computacional que ha revolucionado el mundo
del procesado digital de señales.
Aprovechando la existencia en el MATLAB de estas funciones especializadas,

se construirá las correspondientes funciones que nos permitirán implementar las
versiones de síntesis y análisis del DSF.
La manipulación de los coeficientes de los DSF nos permitirán verificar

diferentes propiedades de estos como son la multiplicación, modulación y obtención
de funciones de transferencias de los sistemas. Todas ellas de gran utilidad y usadas
profusamente durante el desarrollo profesional de cualquier Ingeniero de
Telecomunicación. El manejo de estos conceptos nos permitirá introducir y
experimentar los conceptos de filtrado ideal de señales.
Por último, experimentaremos la relación de Parseval, verificando que

podemos obtener la información sobre la energía de una señal tanto en los dominios
temporal como frecuencial.
La presente práctica tiene una duración de 6 horas, por lo que se distribuye

durante 3 sesiones de laboratorio. La distribución de ejercicios preparatorios y
experimentales para cada una de las sesiones son las siguientes:
Sesión 1.- Preparatorios: 3.1 a 3.5 Experimentales: 3.27 a 3.29


conceptos:
1. Conocer el procedimiento de síntesis de señales periódicas.

2. Utilizar las herramientas disponibles en MATLAB para calcular los
coeficientes del DSF de una señal periódica.
3. Manipular los conceptos de filtrado ideal sobre la representación espectral de
una señal periódica.
4. Experimentar los efectos del tratamiento discreto de señales continuas.
5. Asumir los conceptos que entran en juego con la igualdad de Parseval.
11
El alumno no debe confundir nunca la DFT con la Transformada de Fourier en Tiempo Discreto
TFTD.

6. Vislumbrar el concepto de función de transferencia de un sistema y conocer

las equivalencias de multiplicación y convolución temporal de señales
periódicas en el dominio espectral.
II.a.- Representación espectral
El alumno debe de haberse percatado ya, a partir del estudio teórico recibido en
clase, que los coeficientes del DSF de una señal periódica, no es sólo un conjunto (finito
o infinito) de valores ordenados. Cada uno de esos valores, ak, nos indica la aportación
de energía que la correspondiente señal realiza en las pulsaciones k·w0, o frecuencias
k·f0.
Por tanto, los coeficientes del DSF de una señal, nos dan información espectral
de la señal. Aunque a nivel práctico es lo mismo, ya que sólo existe un factor de escala
de 2·π, no debemos confundir la anterior afirmación con que dichos coeficientes son lo
que se conoce formalmente en la asignatura como el espectro de la señal (temas 5 y 6 de
teoría y práctica 4).
Por tanto, podemos representar dichos coeficientes tanto como una secuencia
discreta de datos a[k] = ak, o bien como señal continua de un tren de impulsos
a ( w) = ∑ akδ (w − kw0 ) donde cada impulso está ponderado por el ak correspondiente y
está centrado en el armónico k-ésimo de w0.
Teniendo esto en cuenta y las expresiones de análisis del DSF (P3.1a) y (P3.1b)
para las señales periódicas continuas y discretas respectivamente,
1
ak =
T0 ∫
T0
x (t )e − jkw0 t d (t ) (P3.1a)
1
ak =
N0
∑ x[n]e
n= N0
− jkw0n
(P3.1b)
donde w0 = 2·π/T0 es la pulsación fundamental y T0 es el periodo fundamental en el

caso de la señal continua (P3.1a), y w0 = 2·π/N0 es la pulsación fundamental y N0 es el
periodo fundamental en el caso de la secuencia discreta (P3.1.b); responda a los
ejercicios preparatorios de este subapartado.
Recuerde que cada uno de los ejercicios tiene asignado un espacio para su
respuesta en el correspondiente apartado de resultados.

E3.1.- Calcule los coeficientes del DSF de la señal periódica continua de la figura P3.1
y represéntelos como secuencia y como información espectral, acotando
claramente los valores en los ejes.
x(t)
-T2 -T1 T1 T2 t
Figura P3.1: Señal periódica continua x(t).
NOTA: El cálculo se puede realizar por diferentes caminos, bien directamente haciendo uso de la
expresión (P3.1a) o bien haciendo uso de propiedades y otras señales ya conocidas. Este último
camino es más rápido y sencillo, en todo caso se le invita a hacerlo de ambas maneras a modo de
ejercicio, al mismo tiempo que de comprobación.
E3.2.- Calcule los coeficientes del DSF de la señal periódica discreta de la figura P3.2
y represéntelos como secuencia y como información espectral, acotando
claramente los valores en los ejes.
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-30 -20 -10 0 10 20 30
Figura P3.2: Señal periódica discreta x[n].
NOTA: Al igual que antes, existen los dos caminos comentados, en este caso utilizando la
expresión (P3.1b). Ahora bien, en el caso discreto es claramente más ventajoso utilizar la opción
del uso de propiedades junto con señales ya conocidas. Por tanto, se recomiendo esta última vía
para resolver el ejercicio.
E3.3.- Suponga que disponemos de una función en MATLAB que nos calcula los ak de
una señal periódica discreta x[n]. Pero esta función tiene una limitación, siempre
calcula los coeficientes para k={0,1, ... , N-1}. Como los ak representan
información espectral, y estos son periódicos porque proceden de una señal
discreta, nos gustaría disponer de ellos ‘centrados’, es decir
N N
− ≤ k ≤ − 1 si N es par
2 2
(P3.2)
N −1 N −1
− ≤k ≤ si N es impar
2 2
Cree una función genérica que permita centrar una señal (esta puede ser discreta,
continua muestreada, o los coeficientes de un DSF) utilizando para ello la

función fftshit del MATLAB (vea Apéndice A y ejemplo adjunto). Llame a esta
función
[y,ny] = LTS_Centra(x,nx);
donde x es el vector de señal o coeficientes ordenados como k={0,1, ... , N-1} y
nx es el vector de índices, que aunque no lo verifiquemos se asume que siempre
comienza en 0. Su salida será el vector y con los ceficientes e índices ny
centrados siguiendo la expresión (P3.2).
EJEMPLO: la siguiente secuencia de comandos pretende aclarar cómo funciona la función
fftshift del MATLAB
>> a = [1 2 3 4 5 6]; % Vector de longitud par
>> b = fftshift(a); % Rotamos el vector
>> b
ans =
456123
>> a = [1 2 3 4 5 6 7]; % Vector de longitud impar
>> c = fftshift(a); % Rotamos el vector
>> c
ans =
5671234
II.b.- Síntesis de señales
El objetivo de la síntesis es la regeneración de una señal periódica dado un

conjunto de coeficientes de su DSF. Dependiendo si ésta es una señal continua o una
secuencia discreta las expresiones que nos permiten realizar dicha operación son
∞
x (t ) = ∑a e
k = −∞
k
jw0kt
(P3.3a)
N 0 −1
x[n ] = ∑a e k
jw0 kn
(P3.3b)
k =0
donde w0, T0, N0 tiene los mismos significados que para el caso de la operación de
análisis (P3.1).
Para el caso discreto no parece haber problema para su implementación en

MATLAB, pues se trata de un conjunto finito de coeficientes. Pero para el caso
continuo el número de coeficientes puede ser infinito, y por tanto no representable por
nuestro entorno de MATLAB. Teniendo esto en cuenta desarrolle los siguientes
ejercicios preparatorios.
E3.4.- Cree una función que permita sintetizar señales discretas a partir de sus
coeficientes del DSF. Llame a esta función
[x,nx] = LTS_SintetizaCoefD(a,k);
donde a es el vector de coeficientes y k es el periodo en el que se realiza el
sumatorio de (P3.3b). x y nx son los vectores que representa a la señal x[n].
NOTA: estudie detenidamente la propuesta de función que encuentra en R3.4. Podrá observar
que se hace uso de cálculo matricial que dispone el MATLAB y se evita el uso de bucles ‘for’.

E3.5.- Cree una función que permita sintetizar señales continuas muestreadas a partir
de un vector de coeficientes de su DSF. Como hemos comentado más arriba la
señal a sintetizar puede que estar definida por un conjunto infinito de
coeficientes, y en el MATLAB sólo podemos manejar un conjunto finito de
valores; ¿cómo cree que afecta esta limitación a la señal sintetizada?. ¿A qué
tipo de filtrado equivale el utilizar sólo los coeficientes existentes entre [-k,k],
despreciando el resto? (explíquelo brevemente apoyándose en las explicaciones
sobre filtrado que puede encontrar en el subapartado II.d).
Llame a esta función
[x,tx] = LTS_SintetizaCoefC(a,k,T0,Tm);
donde a y k tiene los mismos significados que en el ejercicio E3.4, T0 es el
periodo fundamental y Tm es el periodo de muestreo. x y t son los vectores que
representa a la señal x(t)|t=n·Tm.
NOTA: la función es muy similar, aunque no igual, a la anterior, por tanto debe asumir las
mismas observaciones realizadas en E3.4. Tenga cuidado con los detalles que introduce la
simulación de señales continuas en nuestro entorno discreto MATLAB.
¡RECUERDE!
Los ejercicios preparatorios de la SESIÓN 1 finalizan aquí.
II.c.- Cálculo de coeficientes
La cuestión parece complicarse claramente para el cálculo de coeficientes de

señales continuas en un entorno discreto como el MATLAB. La ecuación (P3.1a) nos
muestra que en el caso continuo debemos realizar una integración sobre un periodo
fundamental, T0, de la señal x(t). Al trabajar en un entorno discreto como el MATLAB
la operación de integración no es realizable, por lo que debemos buscar caminos
alternativos.
Ya que la única expresión que podemos implementar en nuestro entorno

MATLAB es la existente para señales discretas (P3.1b), parece evidente que el camino
a seguir es deducir la relación que existe entre los coeficientes del DSF de una señal
continua (P3.1a) y los que obtenemos utilizando la expresión (P3.1b) para señales
discretas, substituyendo x[n] por x(n·Tm).
Para ir aproximándonos progresivamente a la solución buscada, el alumno debe

reflexionar sobre qué limitaciones debemos imponer. Es muy importante destacar que,
al imponer ciertas limitaciones, indirectamente estamos estableciendo las siguientes
pautas de actuación:
1. Limitamos qué señales continuas pueden ser analizadas en un entorno
discreto como el MATLAB.
2. Determinados resultados obtenidos en el análisis, y que no corresponde con
los esperados previamente, deben ser interpretados teniendo en cuenta las
limitaciones impuestas.
Iniciamos esta aproximación contestando a los siguientes ejercicios.

E3.6.- Observando las expresiones de síntesis (P3.3), ¿qué limitación parece razonable
imponer a los coeficientes de una señal x(t) para que ésta pueda ser analizada
mediante una técnica discreta (p.e. nuestro entorno MATLAB)?. Razone,
cualitativamente, su respuesta.
E3.7.- ¿Qué implicaciones espectrales tiene la limitación impuesta en E3.6?. Si w0 es la
pulsación fundamental de x(t) y asumimos que ésta es real, ¿en qué rango de
frecuencias su espectro es no nulo?.
E3.8.- Al utilizar una versión muestreada de x(t), ¿qué relación debe cumplir Tm con
respecto a T0 para que podamos aplicar la expresión de análisis (P3.1b)?. Razone
su respuesta.
Para continuar con el resto de la preparación de esta práctica es muy

recomendable que el alumno haya respondido a las anteriores cuestiones y lo haya
hecho de forma razonada.
Nuestro objetivo, como ya se ha comentado más arriba, es verificar que

podemos hacer uso de la expresión (P31.b) para calcular los coeficientes del DSF de
una señal continua. Para ello, y como también hemos comentado, necesitaremos realizar
algunas restricciones a la señal x(t) bajo análisis (entre ellas las deducidas en los
ejercicios E3.6 y E3.8, aunque no serán las únicas, tal y cómo iremos deduciendo).
El siguiente paso que vamos a dar en nuestro desarrollo es verificar qué relación
existe entre los coeficientes del DSF de una señal discreta x[n] y el de una señal
continua muestreada, que podemos representar como, y(t),
∞ ∞
y (t ) = ∑ x(nTm )· δ (t − nTm ) = x(t )·
n = −∞
∑ δ ( t − nT
n = −∞
m ) = x (t )· p (t ) (P3.4)
donde se cumple que los valores muestreados de x(t) coinciden con los de x[n], es decir
x(t)|n·Tm = x(n·Tm) = x[n]. Observe que y(t) no es la señal a la que deseamos hacer el
análisis (obtener sus coeficientes), sino que la estamos usando simplemente como un
paso intermedio en nuestro desarrollo.
EJERCICIO PREPARATORIO
E3.9.- Denominando a los coeficientes del DSF de y(t) como bk, por tanto recordando
(P3.1a)
1
bk = ∫ y (t )e − jkw0t d (t )
T0 T0
y ck a los de x[n], por tanto recordando (P3.1b)
1
ck = ∑ x[n]e− jkw0 n
N0 n= N0
determine la relación entre ambos, imponiendo la restricción obtenida en el
ejercicio E3.8.
Por último, podremos demostrar que bajo las restricciones deducidas en los
ejercicios E3.6 y E3.8, más la que se deduce del desarrollo del ejercicio E3.13

(opcional), los coeficientes del DSF de una señal continua x(t) coinciden con los de
una señal discreta x[n], cuando se cumple que x(t)|n·Tm = x(n·Tm) = x[n]12.
EJERCICIOS PREPARATORIOS (opcionales)
E3.10 (opcional).- Calcule los coeficientes, pk, del DSF de la señal p(t) utilizada en
(P3.4)
∞
p( t ) = ∑ δ (t − nT )
n =- ∞
m (P3.5)
para obtener una versión muestreada de x(t). Utilice como periodo fundamental
T0 el de la señal x(t) y haga uso de la relación deducida en E3.8. Exprese el
resultado en función de Tm.
E3.11 (opcional).- Teniendo en cuenta el resultado obtenido de E3.10, represente el
espectro de p(t). ¿En qué frecuencias es no nulo el espectro de p(t)?.
E3.12 (opcional).- Teniendo en cuenta la propiedad de multiplicación de señales
periódicas de igual periodo T0, obtenga los coeficientes bk del DSF de
y(t) = x(t)·p(t) (P3.4) en función de los ak del DSF de x(t). Represente
gráficamente los bk si los ak son los indicados en la figura P3.3 en los dos casos
siguientes N0 = 6 y N0 = 4.
NOTA: los únicos valores no nulos de ak son los indicados en la figura P3.3.
0.5
0.25
Figura P3.3: Coeficientes ak de una señal continua periódica x(t).
Razone de forma cualitativa: ¿el resultado obtenido para el caso N0 = 6 es el

esperado según lo visto en teoría?. Relaciónelo con lo visto en clase relativo a la
diferencia existente entre la información espectral de una señal continua y una
discreta.
En este caso, N0 = 6 ¿podríamos volver a sintetizar la señal continua x(t)?.
Razone cómo lo haría. ¿Y en el caso N0 = 4?.
¿Cómo es el Tm del caso N0 = 6 con respecto al del caso N0 = 4 (mayor, menor o
igual)?, ¿Y su fm?.
E3.13 (opcional).- Si se cumple la restricción genérica deducida en E3.6, y
utilizando los resultados obtenidos en E3.8, E3.9 y E3.11, demuestre qué
condición debe cumplir Tm con respecto a T0 para asegurar que se cumple que ak
= ck; es decir, que podemos calcular los coeficientes del DSF de una señal
12
Si el alumno no llega a resolver los ejercicios opcionales E3.10 a E3.13 no demostrará esta afírmación,
por lo que deberá asumirla como verdad para el resto de ejercicios preparatorios y experimentales.

continua x(t) utilizando la expresión de análisis discreta (P3.1b)

substituyendo x[n] por x(n·Tm).
E3.14 (opcional).- Resuma, de forma concreta, las tres restricciones que debe
cumplir x(t) para poder calcular sus coeficientes del DSF usando (P3.1b). Las
restricciones son las obtenidas en los ejercicios E3.6, E3.8 y E3.13.
Como el alumno ya debería ir imaginando, el cálculo de coeficientes del DSF es

algo habitual, y fundamental, en los estudios de señales y sistemas. Sobre todo teniendo
en cuenta que lo que hemos obtenido realmente al realizar estas operaciones es la
información espectral de la señal bajo estudio. Por ello no es de extrañar que el entorno
de MATLAB disponga de funciones específicas, y optimizadas, que nos ayudan a
realizar estos cálculos. En concreto disponemos de las funciones fft e ifft13, que
implementan de una manera eficiente14 las siguientes expresiones
N −1
fft[k ] = ∑ x[n ]e − j 2πnk / N para k = {0, ..., N − 1} (P3.6a)
n =0
N −1
1
ifft[n ] = ∑ fft[k ]e j 2πnk / N
para n = {0, ..., N − 1} (P3.6b)
N k =0
Observe la gran similitud si intercambia ak por fft[k] en (P3.6a) e ifft[n] por x[n]
en (P3.6b), y de ahí su utilidad, con aquellas utilizadas para análisis (P3.1b) y síntesis
(P3.3b) de las señales discretas.
E3.15.- Cree una función que permita obtener los coeficientes del DSF de una señal
periódica haciendo uso de la función fft del MATLAB. Llame a esta función
[a,k] = LTS_AnalizaCoef(x,nx);
donde x y nx son los vectores que representa un periodo de la señal x[n] (o
x(n·Tm)), a y k es el vector de coeficientes del DSF de x[n]. Observe que la
expresión (P3.6a) considera que n = {0,1, ... ,N-1} y que k = {0,1, ... ,N-1}, por
lo que debe tenerlo en cuenta para reordenar previamente la señal x[n] antes de
utilizar la función fft.
E3.16.- Calcule y represente el módulo y la fase de la secuencia de coeficientes del DSF
de la señal para -7 ≤ k ≤ 7
x (t ) = 1 + 4 sen( w0t ) + 2 cos(2 w0t ) (P3.7)
Razone, atendiendo a las limitaciones deducidas en los anteriores ejercicios
preparatorios, si estos coeficientes son posibles calcularlos de forma exacta
usando la función LTS_AnalizaCoef.
E3.17.- Idem que E3.16 para la señal periódica de periodo T0=2 seg
1 0 ≤ t < 1 seg
x (t ) =  (P3.8)
− 1 1 ≤ t < 2 seg
Indique además la expresión general que define los ak para esta señal.
13
Los acrónimos fft e ifft corresponden con Fast Fourier Transform e Inverse Fast Fourier Transform. Las
relaciones con la Transformada de Fourier directa e inversa la veremos en la práctica 4.
14
El estudio del algoritmo que permiten realizar de forma eficiente estos cálculos es algo que se sale
fuera de nuestro ámbito y lo verá el alumno en la asignatura de Tratamiento Digital de la Señal en 4º
curso.

¡RECUERDE!
Los ejercicios preparatorios de la SESIÓN 2 finalizan aquí.
II.d.- Filtrado ideal de señales periódicas
Los filtros son sistemas que nos permiten modificar las características
espectrales de una señal. Denominamos filtros ideales a aquellos sistemas que realizan
esta operación de forma perfecta, en contraposición a los filtros que se pueden
implementar de forma física, ya que sólo pueden realizar su cometido de forma
aproximada. Consideraremos siempre que los filtros tiene respuesta al impulso real, con
las consecuencias espectrales que esto conlleve.
De forma simplista podemos calificar los filtros en tres grupos:

¾ Filtros paso bajo: son aquellos que sólo dejan pasar las componentes
espectrales centradas alrededor de w = 0. La máxima componente espectral
que deja pasar el filtro se denomina pulsación de corte wc (rad/seg), o bien
frecuencia de corte fc (Hz). Por tanto se definen única y exclusivamente por
éste parámetro, asumiendo que no introducen ni ganancia ni pérdidas en las
componentes espectrales |w| < wc.
¾ Filtros paso alto: son los opuestos a los paso bajo, y sólo dejan pasar las
componentes espectrales más elevadas, eliminando aquellas que están
centradas alrededor de w = 0. También aquí existe la wc, o fc, indicando en
este caso a partir de qué componente se deja pasar la energía. Al igual que
antes, es el único parámetro necesario para definirlo.
¾ Filtros paso banda: son los que dejan pasar un conjunto de componentes
espectrales que están centradas en un determinado punto del espectro,
eliminando el resto. Se puede definir por su pulsación (o frecuencia) inicial y
final, o bien por su pulsación (frecuencia) central y ancho de banda. Por
ejemplo: si se especifica un filtro paso banda con una pulsación central de
4·w0 y con un ancho de banda de 2.5·w0 tendremos la situación de la figura
P3.4
x(t) Filtro Paso y(t)
Banda
Filtro paso banda
X(w)
-5w0 -3w0 -w0 w0 3w0 5w0 w

Y(w)
-5w0 -3w0 -w0 w0 3w0 5w0 w
Figura P3.4: Ejemplo de filtro paso banda ideal.

E3.18.- Un circuito habitual en los sistemas de comunicaciones es el oscilador. Se trata

de un dispositivo que genera una señal periódica de tipo senoidal, a una
frecuencia w0 fija. Una forma sencilla de generar dicha señal es la que muestra la
figura P3.5
x(t) y(t)
Fuente de Filtro Paso
señal cuadrada Banda
Figura P3.5: Esquema de un dispositivo oscilador.
donde la señal x(t) es como la expresada en (P3.8) y el filtro paso banda

selecciona el armónico deseado. Obtenga la expresión de y(t) si el filtro paso
banda sólo deja pasar el primer armónico. ¿Qué amplitud Vpp tendría en este
caso?. Y si el filtro paso banda sólo dejara pasar el tercer armónico, ¿cuál sería
la nueva expresión de y(t) y su Vpp?.
E3.19.- Cree las funciones que permitan filtrar idealmente una señal periódica discreta y
continua muestreada. Para ello haga usa de las funciones desarrolladas
previamente, LTS_AnalizaCoef y LTS_SintetizaCoef[D o C]. Llame a estas
funciones
[y,ny] = LTS_FiltraCoefD(x,nx,wc,bw);
[y,ty] = LTS_FiltraCoefC(x,tx,wc,bw);
donde x y nx ó tx son los vectores que representa un periodo de la señal. wc es
la pulsación central del filtro y bw es el ancho de banda15. Observe que si wc es
0 el filtro se comporta como paso bajo, si ‘wc’ es π (caso discreto), o si ‘wc’ es
π/Tm (caso continuo), se comporta como paso alto. Los pasos básicos a seguir
por las funciones son:
1) Obtener los ak;
2) Poner a cero los coeficientes que se desean filtrar; y
3) Sintetizar la nueva señal.
II.e.- Relaciones de Parseval
Las relaciones de Parseval para señales periódicas (P3.9), discretas y continuas,

estudiadas en teoría nos permiten obtener la energía (o potencia en el caso de señales
periódicas) tanto si la señal se encuentra representada en el dominio temporal como si lo
está en el dominio espectral.
∞
1
Px = ∫ x(t ) dt = ∑ ak
2 2
(P3.9a)
T0 T0 k =−∞
1
∑ x[n] ∑a
2 2
Px = = k (P3.9b)
N0 n= N0 k = N0
15
BW es el acrónimo de BandWidth, usado muy habitualmente en la literatura de telecomunicaciones.

Al igual que cuando tuvimos que calcular los coeficientes del DSF, el cálculo de
las potencias de señales discretas periódicas no plantea problemas prácticos en nuestro
entorno de MATLAB. Todo lo contrario de lo que ocurre con las señales continuas
periódicas.
E3.20.- Observando la relación de Parseval en el dominio de la frecuencia para señales

continuas (P3.9a), ¿qué restricción parece razonable establecer a los coeficientes
de una señal x(t) para asegurar que podremos calcular de forma exacta su
potencia en un entorno discreto como el MATLAB?. Recuerde que usted ya ha
establecido restricciones a las señales continuas en los ejercicios anteriores.
Relacione su respuesta con alguna de estas restricciones.
E3.21.- Asumiendo que se cumple la anterior relación obtenga la expresión equivalente
a la (P3.9a) para una señal continua muestreada x(n·Tm), que pueda ser
implementable en MATLAB. Partiendo de (P3.9a) y haciendo uso de (P3.4)
relacione la Px de (P3.9a) con la Px de (P3.9b)
E3.22.- Calcule teóricamente la potencia de las señales (P3.7) y (P3.8).
II.f.- Propiedad de convolución
En la práctica 2 hemos visto la convolución de señales periódicas y hemos

construido una función que realiza dicha convolución en el dominio temporal,
LTS_convp. También en la teoría hemos visto que existe su equivalente en el dominio
espectral, cumpliéndose
z (t ) = x(t ) ⊗ y (t ) ↔ ck = T0 ak bk (P3.10a)
z[n] = x[n] ⊗ y[n] ↔ ck = N 0 ak bk (P3.10b)
donde los ck son los coeficientes del DSF de z(t) o z[n], y ak y bk son los de x(t) e y(t)
respectivamente.
E3.23 (opcional).- Demuestre las expresiones (P3.10).

E3.24.-Haciendo uso de las funciones desarrolladas durante esta práctica,
LTS_AnalizaCoef y LTS_SintetizaCoef[C o D], indique los pasos que tendría que
dar en MATLAB para calcular la convolución de dos señales periódicas de igual
periodo fundamental x[n] e y[n] haciendo uso de la propiedad expresada en
(P3.10).
E3.25.-Si en el caso anterior se diera el caso de que las señales no tuvieran igual periodo
fundamental, ¿qué relación debería existir entre Nx y Ny para poder calcular la
convolución?. ¿Qué pasos previos haría en MATLAB en este caso para poder
después aplicar lo indicado en E3.24?.
NOTA: Nx es el periodo fundamental de x[n] y Ny el de y[n].

II.g.- Propiedad de multiplicación
La propiedad de multiplicación es la dual a la anterior y tiene una gran utilidad

práctica. Según hemos visto en las propiedades de los coeficientes del DSF en los temas
de teoría
∞
z (t ) = x(t )· y (t ) ↔ ck = ∑a b
n = −∞
n n−k = ak ∗ bk (P3.11a)
z[n] = x[n]· y[n] ↔ ck = ∑a b n n−k = ak ⊗ bk (P3.11b)

n= N0
Observe que ambas convoluciones son de naturaleza bien diferente. En el caso

(P3.11b) es circular (periódica) al ser los coeficientes periódicos, y se representa por el
operador ⊗; mientras que en el caso continuo no, y se representa por el operador *.
E3.26.-Un subsistema habitual en los equipos de comunicaciones es el que se muestra

en la figura P3.6. Las siglas OL provienen del acrónimo Oscilador Local y se
trata habitualmente de un generador de señal senoidal muy estable, que se
modela habitualmente por la función z(t) = cos(w·t). Un ejemplo de OL lo hemos
visto en la figura P3.5 del ejercicio E3.18.
x(t) y(t)
z(t)
OL
Figura P3.6: Subsistema para equipos de comunicación.
Teniendo en cuenta esto, conteste al apartado b) para la señal x3(t) del problema
3.4616 del libro “Señales y Sistemas” de Oppenheim. Represente, de forma
aproximada, los coeficientes del DSF de x3(t) como información espectral. ¿Qué
consecuencias espectrales se observan sobre la señal x(t)?
16
Esta numeración corresponde con la 2ª edición de 1997. En la 1ª edición de 1983 corresponde con el
problema 4.14.


III (Sesión 1).- Resultados de los problemas preparatorios
Apellidos: Fecha:
Nombre: Grupo:
DNI:


de prácticas.
R3.1.-
Cálculo de coeficientes del DSF de la señal de la figura P3.1

Representación como secuencia (acote correctamente en abscisas y ordenadas):
k
Representación como información espectral (acote correctamente en abscisas y
ordenadas):
w
R3.2.-
Cálculo de coeficientes del DSF de la señal de la figura P3.2

Representación como secuencia (acote correctamente en abscisas y ordenadas):
k
ordenadas):
w
R3.3.-
function [y,ny] = LTS_Centra(x,nx)
%
% function [y,ny] = LTS_Centra(x,nx);
%
% La función "centra" un vector de datos utilizando la función de Matlab fftshift
% Al mismo tiempo modifica el eje temporal 'n' para que corresponda con
% el nuevo vector.
% ENTRADAS:
% x = Vector de señal.
% nx = Eje temporal
% SALIDAS:
% y = Vector de señal centrado.
% ny = Eje temporal centrado
%
Nx = length(........................);
y = fftshift(..........................);
ny = .................... - floor(Nx..................); % Así la puedo usar de forma recursiva
% Existe otra opción, pero no me permite usarlo recursivamente. Sería:

% ny = ceil(.................) : floor( (Ny........) / ..........);

R3.4.-
function [x,nx] = LTS_SintetizaCoefD(a,k)
%
% function [x,nx] = LTS_SintetizaCoefD(a,k);
%
% Sintetiza una secuencia discreta a partir de sus coeficientes del DSF.
%
% ENTRADAS:
% a = Coeficientes del DSF.
% k = Eje de coeficientes.
% SALIDAS:
% x = Vector de señal sintetizado.
% nx = Eje temporal.
Na = length(a);
nx = 0 :......................;
w = 2*pi / ..................;
ejkwn = ones(Na , 1); % Se iniciliza vector de la exponencial compleja
inc_ejkwn = exp(j*k*w).'; % Incremento para cada iteración temporal
x = zeros(1,Na);
for muestra = 1 :..................; % Para cada ‘n’ de salida

% Se obtiene la muestra de salida
x(muestra) = ....................................................;
% Se actualiza el vector de exponenciales
ejkwn = .............................................................;
end
R3.5.-
¿Cómo cree que afecta la limitación de coeficientes a la señal sintetizada?
¿A qué tipo de filtro equivale el utilizar sólo los coeficientes existentes entre [-k,k]?

function [x,tx] = LTS_SintetizaCoefC(a,k,T0,Tm)

%
% function [x,tx] = LTS_SintetizaCoefC(a,k,T0,Tm);
%
% DESCRIPCiÓN: Sintetiza una secuencia discreta a partir de sus
% coeficientes del DSF.
% ENTRADAS:
% k = Eje de coeficientes.
% T0 = Periodo fundamental.
% Tm = Periodo de muestreo
% SALIDAS:
% x = Vector de se~nal sintetizado.
% tx = Eje temporal.
Na = length(a);
tx = (....... : .............)*Tm;
w = 2*pi/T0;
ejkwt = ones(N,1); % Se inicializa vector de la exponencial compleja

% Incremento para cada iteración temporal
inc_ejkwt = exp(.............................).';
x = zeros(1,..........................);
for muestra = 1:...............; % Para cada 'n' de salida

% Se obtiene la muestra de salida
x(muestra) = ...........................................;
% Se actualiza el vector de exponenciales
ejkwt = .....................................................;
end


Apellidos: Fecha:
Nombre: Grupo:
DNI:


de prácticas.
R3.6.-
¿Qué limitación parece razonable imponer a los coeficientes de una señal x(t) para que
ésta pueda ser analizada mediante técnicas discretas (p.e. nuestro entorno MATLAB)?
R3.7.-
¿Qué implicaciones espectrales tiene la limitación impuesta en E3.6?

¿En qué rango de frecuencias su espectro es no nulo?
R3.8.-
¿Qué relación debe cumplir Tm con respecto a T0 para que podamos aplicar la expresión
de análisis (P3.1b)?
R3.9.-
Relación entre los coeficientes bk y ck
R3.10 (opcional).-
Cálculo de los pk de la señal p(t), asumiendo T0 el de la señal x(t) y haciendo uso de la
relación deducida en R3.8.

R3.11 (opcional).-
ordenadas):
w
¿En qué frecuencias es no nulo el espectro de p(t)?
R3.12 (opcional).-
Cálculo de los coeficientes bk en función de los ak

Para N0 = 6, representación de los bk como secuencia (acote correctamente en abscisas

y ordenadas):
k
Para N0 = 4, representación de los bk como secuencia (acote correctamente en abscisas
y ordenadas):
k
¿El resultado obtenido para el caso N0 = 6 es el esperado según lo visto en teoría?
Para N0 = 6 ¿cómo podríamos volver a sintetizar la señal continua x(t)?
¿Y en el caso N0 = 4, podríamos?, ¿por qué?

¿Cómo es el Tm del caso N0 = 6 con respecto al del caso N0 = 4 (mayor, menor o

igual)?, ¿Y su fm?.
R3.13 (opcional).-
Demuestre qué condición debe cumplir Tm con respecto a T0 para asegurar que se
cumple que ak = ck
R3.14 (opcional).-
Restricción 1ª:
Restricción 2ª:
Restricción 3ª:

R3.15.-
function [a,k] = LTS_AnalizaCoef(x,nx)
%
% function [a,k]=LTS_AnalizaCoef(x,nx);
%
% DESCRICiÓN:
% Obtiene los ak de una señal x discreta periódica (o muestras de
% una continua). Se asumen que x es un periodo de la señal y este
% no tiene por qué corresponder con el inicio en n=0 (la función
% se encarga de reordenarla).
% ENTRADAS:
% x = periodo de la señal periódica a analizar.
% nx = Indice temporal discreto de x.
% SALIDAS:
% k = Índice al que corresponden los coeficientes.
%
Nx = length(x);
% Si no empieza en n=0 lo reordenamos

if n(1) ~= 0
m = mod(n,Nx);
% ¿Qué estoy haciendo? (ver en Apéndice A la función mod) -
n0 = find(m==0);
% ¿Qué estoy haciendo? (ver en Apéndice A la función find) -
nx = [m(n0:.............) m(1:...............)]; % Reordeno los vectores nx y x
x = [x(.........:............) x(........:............)];
end;
% Calculo los coeficientes

k = ..................;
a = fft(.............) / .....................;
R3.16.-
Cálculo de los coeficientes del DSF de la señal x (t ) = 1 + 4 sen( w0t ) + 2 cos(2 w0t ) para
-7 ≤ k ≤ 7

Representación del módulo de los coeficientes de (P3.7) como secuencia (acote

correctamente en abscisas y ordenadas):
k
Representación de la fase de los coeficientes de (P3.7) como secuencia (acote
k
¿Es posible calcular de forma exacta estos coeficientes en el MATLAB?.
R3.17.-
Cálculo de los coeficientes del DSF de la señal periódica de periodo T0=2
1 0 ≤ t < 1
x (t ) = 
− 1 1 ≤ t < 2
para -7 ≤ k ≤ 7. Indique también la expresión general.

Expresión general:
ak =
Representación del módulo de los coeficientes de (P3.8) como secuencia (acote

k
Representación de la fase de los coeficientes de (P3.8) como secuencia (acote

¿Es posible calcular de forma exacta estos coeficientes en el MATLAB?.

Apellidos: Fecha:
Nombre: Grupo:
DNI:


de prácticas.
R3.18.-
¿Obtenga la expresión de y(t) si el filtro paso banda sólo deja pasar el primer armónico?
¿Qué amplitud Vpp tendría en este caso?
¿Cuál sería la nueva expresión de y(t) y su Vpp, si el filtro deja pasar sólo el tercer
armónico?

R3.19.-
function [y,ny] = LTS_FiltraCoefD(x,ny,wc,bw)
%
% function [y,ny] = LTS_FiltraCoefD(x,nx,wc,bw);
%
% DESCRICiÓN:
% Filtra de forma ideal (espectralmente) una señal periódica
% DISCRETA cuyo periodo viene dado por 'x'.
% IMPORTANTE : Se asumen que se desea realizar siempre un
% filtrado real, luego también se filtra en -wc.
% ENTRADAS:
% x = Periodo de la señal x[n].
% nx = Eje temporal discreto.
% wc = Frecuencia central del filtro.
% bw = Ancho de banda del filtro
% SALIDAS:
% y = señal filtrada.
% ny = Eje temporal discreto.
%
% Se obtiene los ak
[a,k] = LTS_AnalizaCoef(........,............); % k = 0,1, ..., N-1
% Genero los parámetros básicos

N0 = length(x);
w0 = ................... /..................;
w = ..........................; % Vector de pulsaciones
% Obtención de rangos de filtrado

% En el MATLAB se pueden explotar las relaciones
% booleanas. Observe y compranda cómo se puede
% generar de una sencilla y elegante el vector que
% nos indica con un valor '1' si la pulsación
% correspondiente la deja pasar el filtro especificado,
% y con un '0' cuando no la deja pasar.
vfiltro = (w>=(wc-bw/2)) & (w<=(wc+bw/2));
% vfiltro sólo contiene '1' en las pulsaciones positivas
wc = 2*pi-wc; % Se obtiene ahora las pulsaciones negativas
vfiltro = vfiltro + (...........>= (............-bw/2)) & (............<=...........................);
% Realizo la operación de filtrado de la señal x, pero en el dominio espectral.
af = a .* .................................;
% Síntesis de señal y (señal filtrada)

[y,ny] = LTS_SintetizaCoefD(af,k);

function [y,ty] = LTS_FiltraCoefC(x,tx,wc,bw)

%
% function [y,ty] = LTS_FiltraCoefC(x,tx,wc,bw);
%
% DESCRICiÓN:
% Filtra de forma ideal (espectralmente) una señal periódica
% CONTINUA cuyo periodo viene dado por 'x'.
% IMPORTANTE 1: Se asumen que se desea realizar siempre un
% filtrado real, luego también se filtra en -wc.
% IMPORTANTE 2: La función hace uso de LTS_FiltraCoefD
%
% ENTRADAS:
% x = Periodo de la señal x(t).
% tx = Eje temporal continuo.
% wc = Frecuencia central del filtro.
% bw = Ancho de banda del filtro
% SALIDAS:
% y = señal filtrada.
% ty = Eje temporal continuo.
%
% Genero los parámetros básicos

N = length(x);
Tm = tx(.........)-tx(............);
T0 = N*Tm;
w0 = ............../ ..................;
% Paso al mundo discreto
nx = round(tx /..................); % Round para evitar errores
wcd = wc * ......................; % wc en radianes
bwd = bw* .......................; % bw en radianes
% Filtrado discreto
[y,ny] = LTS_FiltraCoefD(............,...............,................,..............);
% Vector de tiempo continuo
ty = ny*................;

R3.20.-
¿Qué restricción parece razonable establecer a los coeficientes de una señal x(t) para
asegurar que podremos calcular de forma exacta su potencia en un entorno discreto
como el MATLAB?
R3.21.-
Expresión equivalente en MATLAB para la expresión (P3.9a) con una señal x(n·Tm).
R3.22.-
Potencia de las señales (P3.7) y (P3.8)

R3.23 (opcional).-
Demuestre las expresiones (P3.10)
R3.24.-
Indique los pasos que tendría que dar en MATLAB para calcular la convolución de dos
señales periódicas de igual periodo fundamental x[n] e y[n]
>> [ax, kx] = LTS_AnalizaCoef(............,..............);
>> [ay, ky] = ................................................................................;
>> az = ..............................* (.......................................................);
>> [z, nz] = ..................................................................................;

R3.25.-
Si las señales no tuvieran igual periodo fundamental, ¿qué relación debería existir entre
Nx y Ny para poder calcular la convolución?.
¿Qué pasos previos haría en MATLAB en este caso para poder después aplicar lo
indicado en E3.24?.
>> Nx = length(x); Ny = length(y);
>> Nz = .................*.......................;
>> [zx, nz] = LTS_PeriodificaD(...........,..........., 0 );
>> [zy, nz] = LTS_PeriodificaD(...........,..........., 0 );
>> % A partir de aquí se repite el proceso del ejercicio E3.24
R3.26.-
Solución del apartado b) para x3(t) del problema 3.4617 del libro “Señales y Sistemas” de
Oppenheim.
17
Esta numeración corresponde con la 2ª edición de 1997. En la 1ª edición de 1983 corresponde con el
problema 4.14.

Representación del módulo de los coeficientes como secuencia (acote correctamente en

abscisas y ordenadas):
k
¿Qué consecuencias espectrales se observan sobre la señal x(t)?

Antes de iniciar los ejercicios tenga en cuenta la siguiente recomendación
¡ATENCIÓN!
>> diary p3_s[1 2 ó 3].txt
con él quedará grabado en el fichero p3_s[1 2 ó 3].txt todo lo
que usted realice durante la sesión.
E3.27.-Cree la función LTS_Centra diseñada en el ejercicio E3.3 y verifique su

funcionamiento con las siguientes señales periódicas x1[n] y x2[n] comprobando
que las nuevas señales y1[n] y y2[n] cumplen las expresiones (P3.2)
>> x1 = triang(5)’; >> x2 = triang(6)’;
>> n1 = 0:length(x1)-1; >> n2 = 0:length(x2)-1;
E3.28.-Vuelva a utilizar la función LTS_Centra pero ahora utilize como entradas las
señales y1[n] y y2[n] obtenidas anteriormente. Denominaremos a las nuevas
señales z1[n] y z2[n]. Conteste a las cuestiones planteadas en R3.28.
E3.29.-Cree las funciones LTS_SintetizaCoef[D y C] diseñadas en los ejercicios E3.4 y
E3.5 y verifique su funcionamiento con los siguientes coeficientes del DSF de
una señal discreta x3[n] y otras dos continuas x4(t) y x5(t)
>> % x3[n]
>> a3 =[ zeros(1,9) 1 zeros(1,5) 1 zeros(1,8)];
>> k3 = -length(a3)/2 : length(a3)/2-1;
>> % x4(t)
>> a4 = a3;
>>k4 = k3;
>> T0 = 1e-3;
>> Tm = T0 / 3 / length(a4);
>> % x5(t), idem a x4(t) excepto para Tm que es

>> Tm = T0 / length(a4);
¡RECUERDE!
Los ejercicios experimentales de la SESIÓN 1 finalizan aquí.
¡ATENCIÓN!
>> save p3_s1
con él quedará grabado las variables de la sesión.
E3.30.- Verifique el funcionamiento de LTS_SintetizaCoefD introduciendo los

coeficientes calculado en el ejercicio E3.2. Denomine a la señal obtenida x5[n]
(x5 y n5). Represéntela.

E3.31.- Verifique el funcionamiento de LTS_SintetizaCoefC introduciendo los

coeficientes calculado en el ejercicio E3.1, siendo T2=10 miliseg y T1=5 miliseg.
Como el número de coeficientes no nulos en este caso es infinito, considere las
aproximaciones donde ak = 0 para |k| > 6 y |k| > 12. Denomine a las señales
obtenidas x6(t) (x6 y t6) y x7(t) (x7 y t7) utilizando como periodo de muestreo
Tm6 = (20 / 14) miliseg y Tm7 = (20 / 26) miliseg respectivamente.
E3.32.- Cree la función LTS_AnalizaCoef diseñada en el ejercicio E3.15 y verifique su
funcionamiento con las señales de los ejercicios E3.16 y E3.17. Denominaremos
a estas señales x8(t) (‘x8’ y ‘t8’) y x9(t) (‘x9’ y ‘t9’), utilizando un periodo de
muestreo de Tm=2/15 seg y una w0 = π rad/seg para el caso de x8(t).
Represéntelos como información espectral (el de abscisas indicando la pulsación
wk a la que corresponde cada ak).
E3.33.- Utilizando la expresión genérica (teórica) obtenida en E3.17 genere los ak para
0 ≤ k ≤ 100 y 0 ≤ k ≤ 50 (llámelos ak9_ref100 y ak9_ref50 respectivamente).
Repita el cálculo de los coeficientes de x9(t) (ejercicio E3.17) para Tm=2/101 seg
y Tm=2/51 (llámelos ak9_100, wk9_100 y ak9_50, wk9_50 respectivamente).
Represéntenlos de forma que se pueda comparar la expresión genérica (teórica)
con la calculada. Utilice para cada una de las comparaciones la siguiente
secuencia de MATLAB (utilizamos la función plot en vez de stem para
representar los coeficientes por tener un número elevado de puntos).
>> plot(wk9_50,ak9_ref50) % Coeficientes teóricos
>> hold on % Retención gráfica activa
>> plot(wk9_50,ak9_50,’r’) % Coeficientes calculados (rojo)
>> hold off % Retención gráfica desactiva
Idem para el caso de 0 ≤ k ≤ 100.
¡RECUERDE!
¡ATENCIÓN!
>> save p3_s2
E3.34.- Cree la función LTS_FiltraCoefC diseñada en el ejercicio E3.19 y verifique su

funcionamiento con la experimentación del ejercicio E3.18. Para ello utilice la
señal x9(t) generada anteriormente (de un periodo de longitud), obtenga la señal
y9-1(t) como consecuencia de filtrar todos los armónicos excepto el primero y
y9-3(t) como consecuencia de filtrar todos los armónicos excepto el tercero.
Luego represente dichas señales y calcule sus valores de Vpp.
E3.35.- Calcule las potencias de las señales x8(t) y x9(t) utilizando los coeficientes
obtenidos en los ejercicios E3.32 y E3.33 (para el caso de 101 coeficientes).
Verifíquelo con los valores teóricos. En cada caso calcule el siguiente funcional
M
∑a
2
Ex − k
k =− M
F (M ) = 100 (P3.11)
Ex

donde Ex es el valor de energía teórico que hemos calculado en el ejercicio

E3.22 y M adopta los siguientes valores {0, 1, 3, 5, 10 y 25}. Represente el valor
obtenido del funcional F(M) en función de los valores de M.
E3.36.- Calcule la convolución periódica de las señales x8(t) y x9(t) (con Tm=2/15) por
dos caminos diferentes: a) utilizando la función LTS_Convp desarrollada en la
práctica 2, y b) utilizando los coeficientes del DSF aplicando el procedimiento
indicado propuesto por usted en el ejercicio E3.24. Repita todo el proceso para la
convolución de x8(t) consigo mismo.
E3.37.- Utilizando un periodo de muestreo de Tm= 10 miliseg experimente el ejercicio
E3.26.
¡RECUERDE!
¡ATENCIÓN!
>> save p3_s3


V (Sesión 1).- Resultados de los ejercicios experimentales

Apellidos: Fecha:
Nombre: Grupo:
DNI:
Apellidos:
Nombre:
DNI:
¡RECOMENDACIÓN!


de prácticas.
R3.27.-
Representación de x1[n] (acote correctamente en abscisas y ordenadas):

Representación de y1[n] = LTS_Centra(x1[n]) (acote correctamente en abscisas y

ordenadas):
Representación de y2[n] = LTS_Centra(x2[n]) (acote correctamente en abscisas y

ordenadas):

R3.28.-
Representación de z1[n] (acote correctamente en abscisas y ordenadas):
Representación de z2[n] (acote correctamente en abscisas y ordenadas):
[Conteste posteriormente en casa]:¿Qué relación tienen z1[n] y z2[n] con las señales
x1[n] y x2[n] del ejercicio E3.27?
[Conteste posteriormente en casa]: Explique qué está pasando. ¿Sirve la función

LTS_Centra también para “descentrar”?.

R3.29.-
n
Representación de x4(t) (acote correctamente en abscisas y ordenadas):
t
Indique el número de periodos que aparecen en cada una de las señales:
Número periodos x3[n] =
Número periodos x4(t) =
Número periodos x5(t) =
[Conteste posteriormente en casa]: Explique por qué se dan, en cada caso, el número de
periodos indicados.




Apellidos: Fecha:
Nombre: Grupo:
DNI:
Apellidos:
Nombre:
DNI:
¡RECOMENDACIÓN!


de prácticas.
R3.30.-
Coeficientes utilizados para sintetizar la señal de E3.2:
N = .............................; % Periodo fundamental de la señal
k5 = [ 0 : N-1];
a5 = [ 5 / 14 .......................................................................................................
..........................................................................................................................];

n
R3.31.-
Indique la expresión de los coeficientes utilizados para generar x6(t):
ak = (T1 / (2T2)) · .....................................................................................
Indique los pasos seguidos en MATLAB para generar los coeficientes (a6 y k6):
>> k6 = .................:.........................;
>> T2 = ......................; T1 = ...........................; Tm6 = ...................................;
>> ak6 = T1 / 2 / T2 * ................................................................................;
>> [x6, t6] = LTS_SintetizaCoefC(...........,...........,...........,...........);
miliseg
Indique los pasos seguidos en MATLAB para generar los coeficientes (a7 y k7):
>> % Todo igual que en el caso x6, t6 excepto para ....
>> k7 = ....................:...........................;
>> Tm7 = .............................................;

miliseg
[Conteste posteriormente en casa]: Explique las diferencias entre x6(t), x7(t) y la señal
original de la figura P3.1. Justifíquelas razonadamente. (Puede relacionarlas con las
respuestas dadas en los ejercicios E3.6 y E3.7)
R3.32.-
Indique los pasos seguidos en MATLAB para generar x8(t) y x9(t):
>> Tm = 2 / 15; w0 = pi; T0 = ..................../.............; N8 = ............/..............;
>> n8 = (0 : N8-1); t8 = n8* ....................;
>> x8 = 1 + 4·sin(.....................) + 2·cos(.........................);
>> [a8, k8] = LTS_AnalizaCoef(.................,..................);
>> stem(k8, abs(a8));
>> wk8 = .....................*............................;
>> N9 = N8; n9 = n8; t9 = t8;
>> x9 = (t9 < ...........) - (t9 >= ...............);
>> [a9, k9] = LTS_AnalizaCoef(.................,..................);
>> wk9 = .....................*............................;

Representación como información espectral del módulo de los coeficientes del DSF
de x8(t) (acote correctamente en abscisas y ordenadas):
w (rad/seg)
Representación como información espectral del módulo de los coeficientes del DSF
de x9(t) (acote correctamente en abscisas y ordenadas):
w (rad/seg)
[Conteste posteriormente en casa]: Dé explicación a las diferencias/similitudes

encontradas entre los coeficientes calculados en E3.16 y E3.17 y los obtenidos en el
experimento.

R3.33.-
Indique los pasos seguidos en MATLAB para generar los vectores de referencia
‘ak9_ref50’ y ‘ak9_ref100’:
>> % Para el caso de 50
>> k9_ref50 = 0 : 50;
>> ak9_ref50 = exp(-j*..................................).*sinc(.....................................);
>> ak9_ref50(1) = ..........................;
>> % Para el caso de 100
>> k9_ref100 = ....................................;
>> ak9_ref100 =..................................................................................................;
>> ak9_ref100(1) = ..........................;
Representación conjunta (de forma aproximada) de los coeficientes del DSF de x9(t)
calculados con la expresión genérica y con la función LTS_AnalizaCoef para el caso
0 ≤ k ≤ 50 (representados como información espectral):
Indique cómo ha generado el vector ‘wk9_50’
>> wk9_50 = ........................................................;

Representación conjunta (de forma aproximada) de los coeficientes del DSF de x9(t)
calculados con la expresión genérica y con la función LTS_AnalizaCoef para el caso
0 ≤ k ≤ 100 (representados como información espectral):
Indique cómo ha generado el vector ‘wk9_100’
>> wk9_100 =
[Conteste posteriormente en casa]: Observando la evolución seguida por los

coeficientes calculados usando Tm = 2/15 (en E3.32), 2/51 y 2/101, y comparándolo con
los valores teóricos esperados ¿qué conclusión saca respecto a la exactitud de los
resultados en función de Tm?.
NOTA: Recuerde que en el cálculo de los coeficientes estamos haciendo usa de expresiones pensadas
para señales discretas, y que en este caso los coeficientes del DSF tienen la propiedad de ser periódicos.
[Conteste posteriormente en casa]: Explique, en función de lo deducido anteriormente,

por qué entonces para la señal x8(t) el cálculo de coeficientes es exacto.


Apellidos: Fecha:
Nombre: Grupo:
DNI:
Apellidos:
Nombre:
DNI:
¡RECOMENDACIÓN!


de prácticas.
R3.34.-
Indique los valores elegidos de wc y bw para obtener y9-1(t):
wc =
bw =
¿Qué tipo de señal periódica es y9-1(t) y cuál es su pulsación fundamental?
¿Cuál es el periodo fundamental y pulsación fundamental de y9-1(t)?
T0(y9-1)= w0(y9-1)=
¿Cuál es el valor de Vpp para y9-1(t)?
Vpp(y9-1)=

Indique los valores elegidos de wc y bw para obtener y9-3(t):
wc =
bw =
¿Qué tipo de señal periódica es y9-3(t) y cuál es su pulsación fundamental?
¿Cuál es el periodo fundamental y pulsación fundamental de y9-3(t)?
T0(y9-3)= w0(y9-3)=
¿Cuál es el valor de Vpp para y9-3(t)?
Vpp(y9-3)=
[Conteste posteriormente en casa]: Son los valores de periodo (en ambos casos) lo
esperados. ¿Por qué?.
[Conteste posteriormente en casa]: Son los valores de amplitud Vpp (en ambos casos) lo
esperados. Si hay diferencias, ¿cómo las explica?.
R3.35.-
Indique la expresión de MATLAB que ha utilizado para calcular la potencia de las
señales utilizando sus coeficientes del DSF
Px = sum(....................................................);

Valor de la energía de x8(t) (calculado con el MATLAB)
Px8 =
Cálculo del funcional (P3.11) para M = {0, 1, 3, 5, 10 y 25}.
Expresiones utilizadas:
F_0 =
F_1 =
F_3 =
F_5 =
F_10 =
F_25 =
[Conteste posteriormente en casa]: Interprete el sentido de este funcional F(M). Para

ello le puede ser de ayuda si representa en el cuandro adjunto los valores obtenidos en
función del número de coeficientes utilizados M.

R3.36.-
Indique el resultado de la convolución temporal (LTS_Convp) de las señales x8(t) y x9(t)
z8_9_temp =[.......................................................................................................
.............................................................................................................................];
Indique los pasos seguidos en MATLAB para calcular la convolución de las señales
x8(t) y x9(t) basada en el uso de los coeficientes del DSF
>> [ax8, kx8] = LTS_AnalizaCoef(...............,..................);
>> [ax9, kx9] = LTS_AnalizaCoef(...............,..................);
>> az = ................................*.....................................................;
>> [y_coef, ny] = LTS_SintetizaCoefD(....................,......................);
>> plot(ny, real(y_coef)) % ¿Por qué uso la función real()?
Indique el resultado de la convolución utilizando coeficientes de las señales x8(t) y x9(t)
z8_9_coef =[.......................................................................................................
.............................................................................................................................];
[Conteste posteriormente en casa]: ¿Cómo explica las diferencias entre ambos

resultados, si las hay?.
Repita el proceso para la convolución de x8(t) consigo mismo:
z8_8_temp =[.......................................................................................................
.............................................................................................................................];
z8_8_coef =[.......................................................................................................
.............................................................................................................................];

[Conteste posteriormente en casa]: ¿Por qué en este caso coinciden?.¿Coinciden

siempre?
R3.37.-
Indique los pasos seguidos en MATLAB para experimentar el ejercicio E3.26:
>> Tm = 0.01; t = -2 : ..............:...........................................;
>> xe = exp(-abs(......)).*(...........................................................................);
>> xc = cos(................................);
>> y = xe .* xc; plot(t,y);
>> [axe,kxe] = LTS_AnalizaCoef(...............,..................);
>> [axc,kxc] = LTS_AnalizaCoef(...............,..................);
>> ay = LTS_Convp(...............,..................);
>> plot(kxc, abs(.................));
Representación conjunta (de forma aproximada) de los coeficientes del DSF

(representados como información espectral):


Apéndice A:
Resultados del comando help para algunas
funciones de MATLAB
Con objeto de facilitar el desarrollo de los problemas preparatorios sin necesidad
de disponer del entorno MATLAB, el presente apéndice muestra el resultado obtenido
al ejecutar el comando help de MATLAB18 para aquellas funciones que se han
considerado necesarias.
El extracto de las funciones aquí recogidas, agrupadas por temática, son las
siguientes:
MATEMÁTICAS
AXIS Control axis scaling and appearance.
CEIL Round towards plus infinity.
COS Cosine.
EXP Exponential.
FIX Round towards zero.
FLOOR Round towards minus infinity.
MAX Largest component
MIN Smallest component
ROUND Round towards nearest integer.
SIN Sine.
SUM Sum of elements.
PROCESADO DE SEÑAL
CONV Convolution and polynomial multiplication.
FFT Discrete Fourier transform.
FILTER One-dimensional digital filter.
IFFT Inverse discrete Fourier transform.
MANIPULACIÓN DE VECTORES
FFTSHIFT Shift DC component to center of spectrum.
LENGTH Length of vector.
SIZE Size of matrix.
CONTROL DE FLUJO
FOR Repeat statements a specific number of times.
IF IF statement condition.
GRÁFICAS
HOLD Hold current graph.
PLOT Linear plot.
STEM Discrete sequence or "stem" plot.
GENERACIÓN DE VECTORES
ONES Ones array.
ZEROS Zeros array.
SONIDO
SOUND Play vector as sound.
WAVREAD Read Microsoft WAVE (".wav") sound file.
WAVWRITE Write Microsoft WAVE (".wav") sound file.
18
En concreto se han obtenido de la versión 5.1.

A continuación se muestran los contenidos del comando help a cada una de estas
funciones, ordenadas alfabéticamente:
AXIS Control axis scaling and appearance.

AXIS([XMIN XMAX YMIN YMAX]) sets scaling for the x- and y-axes
on the current plot.
AXIS([XMIN XMAX YMIN YMAX ZMIN ZMAX]) sets the scaling for the
x-, y- and z-axes on the current 3-D plot.
V = AXIS returns a row vector containing the scaling for the
current plot. If the current view is 2-D, V has four
components; if it is 3-D, V has six components.
AXIS AUTO returns the axis scaling to its default, automatic

mode where, for each dimension, 'nice' limits are chosen based
on the extents of all line, surface, patch, and image children.
AXIS MANUAL freezes the scaling at the current limits, so that if
HOLD is turned on, subsequent plots will use the same limits.
AXIS TIGHT sets the axis limits to the range of the data.
AXIS FILL sets the axis limits and PlotBoxAspectRatio so that
the axis fills the position rectangle. This option only has
an effect if PlotBoxAspectRatioMode or DataAspectRatioMode are
manual.
AXIS IJ puts MATLAB into its "matrix" axes mode. The coordinate
system origin is at the upper left corner. The i axis is
vertical and is numbered from top to bottom. The j axis is
horizontal and is numbered from left to right.
AXIS XY puts MATLAB into its default "Cartesian" axes mode. The
coordinate system origin is at the lower left corner. The x
axis is horizontal and is numbered from left to right. The y
axis is vertical and is numbered from bottom to top.
AXIS EQUAL sets the aspect ratio so that equal tick mark
increments on the x-,y- and z-axis are equal in size. This
makes SPHERE(25) look like a sphere, instead of an ellipsoid.
AXIS IMAGE is the same as AXIS EQUAL except that the plot
box fits tightly around the data.
AXIS SQUARE makes the current axis box square in size.
AXIS NORMAL restores the current axis box to full size and
removes any restrictions on the scaling of the units.
This undoes the effects of AXIS SQUARE and AXIS EQUAL.
AXIS OFF turns off all axis labeling, tick marks and background.
AXIS ON turns axis labeling, tick marks and background back on.
See also AXES.
CEIL Round towards plus infinity.

CEIL(X) rounds the elements of X to the nearest integers
towards infinity.
See also FLOOR, ROUND, FIX.
CONV Convolution and polynomial multiplication.

C = CONV(A, B) convolves vectors A and B. The resulting
vector is length LENGTH(A)+LENGTH(B)-1.
If A and B are vectors of polynomial coefficients, convolving
them is equivalent to multiplying the two polynomials.
See also XCORR, DECONV, CONV2, FILTER, and CONVMTX in the Signal
Processing Toolbox.
COS Cosine.
COS(X) is the cosine of the elements of X.
EXP Exponential.

EXP(X) is the exponential of the elements of X, e to the X.

For complex Z=X+i*Y, EXP(Z) = EXP(X)*(COS(Y)+i*SIN(Y)).
See also LOG, LOG10, EXPM, EXPINT.
FFT Discrete Fourier transform.

FFT(X) is the discrete Fourier transform (DFT) of vector X. If the
length of X is a power of two, a fast radix-2 fast-Fourier
transform algorithm is used. If the length of X is not a
power of two, a slower non-power-of-two algorithm is employed.
For matrices, the FFT operation is applied to each column.
For N-D arrays, the FFT operation operates on the first
non-singleton dimension.
FFT(X,N) is the N-point FFT, padded with zeros if X has less

than N points and truncated if it has more.
FFT(X,[],DIM) or FFT(X,N,DIM) applies the FFT operation across the

dimension DIM.
For length N input vector x, the DFT is a length N vector X,

with elements
N
X(k) = sum x(n)*exp(-j*2*pi*(k-1)*(n-1)/N), 1 <= k <= N.
n=1
The inverse DFT (computed by IFFT) is given by
N
x(n) = (1/N) sum X(k)*exp( j*2*pi*(k-1)*(n-1)/N), 1 <= n <= N.
k=1
The relationship between the DFT and the Fourier coefficients a and b in
N/2
x(n) = a0 + sum a(k)*cos(2*pi*k*t(n)/(N*dt))+b(k)*sin(2*pi*k*t(n)/(N*dt))
k=1
is
a0 = 2*X(1)/N, a(k) = 2*real(X(k+1))/N, b(k) = 2*imag(X(k+1))/N,
where x is a length N discrete signal sampled at times t with spacing dt.
See also IFFT, FFT2, IFFT2, FFTSHIFT.
FFTSHIFT Shift DC component to center of spectrum.

For vectors, FFTSHIFT(X) swaps the left and right halves of
X. For matrices, FFTSHIFT(X) swaps the first and third
quadrants and the second and fourth quadrants. For N-D
arrays, FFTSHIFT(X) swaps "half-spaces" of X along each
dimension.
FFTSHIFT is useful for visualizing the Fourier transform with

the DC component in the middle of the spectrum.
See also FFT, FFT2, FFTN.
FILTER One-dimensional digital filter.

Y = FILTER(B,A,X) filters the data in vector X with the
filter described by vectors A and B to create the filtered
data Y. The filter is a "Direct Form II Transposed"
implementation of the standard difference equation:
a(1)*y(n) = b(1)*x(n) + b(2)*x(n-1) + ... + b(nb+1)*x(n-nb)

- a(2)*y(n-1) - ... - a(na+1)*y(n-na)
If a(1) is not equal to 1, FILTER normalizes the filter

coefficients by a(1).
When X is a matrix, FILTER operates on the columns of X. When X

is an N-D array, FILTER operates along the first non-singleton
dimension.
[Y,Zf] = FILTER(B,A,X,Zi) gives access to initial and final

conditions, Zi and Zf, of the delays. Zi is a vector of length
MAX(LENGTH(A),LENGTH(B))-1 or an array of such vectors, one for
each column of X.
FILTER(B,A,X,[],DIM) or FILTER(B,A,X,Zi,DIM) operates along the

dimension DIM.
See also FILTER2, FILTFILT (in the Signal Processing Toolbox).
FIX Round towards zero.

FIX(X) rounds the elements of X to the nearest integers
towards zero.
See also FLOOR, ROUND, CEIL.
FLOOR Round towards minus infinity.

FLOOR(X) rounds the elements of X to the nearest integers
towards minus infinity.
See also ROUND, CEIL, FIX.
FOR Repeat statements a specific number of times.

The general form of a FOR statement is:
FOR variable = expr, statement, ..., statement END
The columns of the expression are stored one at a time in

the variable and then the following statements, up to the
END, are executed. The expression is often of the form X:Y,
in which case its columns are simply scalars. Some examples
(assume N has already been assigned a value).
FOR I = 1:N,
FOR J = 1:N,
A(I,J) = 1/(I+J-1);
END
END
FOR S = 1.0: -0.1: 0.0, END steps S with increments of -0.1

FOR E = EYE(N), ... END sets E to the unit N-vectors.
The BREAK statement can be used to terminate the loop prematurely.
See also IF, WHILE, SWITCH, BREAK, END.
HOLD Hold current graph.

HOLD ON holds the current plot and all axis properties so that
subsequent graphing commands add to the existing graph.
HOLD OFF returns to the default mode whereby PLOT commands erase
the previous plots and reset all axis properties before drawing
new plots.
HOLD, by itself, toggles the hold state.
HOLD does not affect axis autoranging properties.
Algorithm note:
HOLD ON sets the NextPlot property of the current figure and
axes to "add".
HOLD OFF sets the NextPlot property of the current axes to
"replace".
See also ISHOLD, NEWPLOT, FIGURE, AXES.
IF IF statement condition.
The general form of the IF statement is
IF expression
statements
ELSEIF expression
statements
ELSE
statements
END
The statements are executed if the real part of the expression

has all non-zero elements. The ELSE and ELSEIF parts are optional.
Zero or more ELSEIF parts can be used as well as nested IF's.

The expression is usually of the form expr rop expr where

rop is ==, <, >, <=, >=, or ~=.
Example
if I == J
A(I,J) = 2;
elseif abs(I-J) == 1
A(I,J) = -1;
else
A(I,J) = 0;
end
See also RELOP, ELSE, ELSEIF, END, FOR, WHILE, SWITCH.
IFFT Inverse discrete Fourier transform.

IFFT(X) is the inverse discrete Fourier transform of X.
IFFT(X,N) is the N-point inverse transform.
IFFT(X,[],DIM) or IFFT(X,N,DIM) is the inverse discrete Fourier

transform of X across the dimension DIM.
See also FFT, FFT2, IFFT2, FFTSHIFT.
LENGTH Length of vector.

LENGTH(X) returns the length of vector X. It is equivalent
to MAX(SIZE(X)) for non-empty arrays and 0 for empty ones.
MAX Largest component.

For vectors, MAX(X) is the largest element in X. For matrices,
MAX(X) is a row vector containing the maximum element from each
column. For N-D arrays, MAX(X) operates along the first
[Y,I] = MAX(X) returns the indices of the maximum values in vector I.

If the values along the first non-singleton dimension contain more
than one maximal element, the index of the first one is returned.
MAX(X,Y) returns an array the same size as X and Y with the

largest elements taken from X or Y. Either one can be a scalar.
[Y,I] = MAX(X,[],DIM) operates along the dimension DIM.
When complex, the magnitude MAX(ABS(X)) is used. NaN's are

ignored when computing the maximum.
Example: If X = [2 8 4 then max(X,[],1) is [7 8 9],

7 3 9]
max(X,[],2) is [8 and max(X,5) is [5 8 5

9], 7 5 9].
See also MIN, MEDIAN, MEAN, SORT.
MIN Smallest component.

For vectors, MIN(X) is the smallest element in X. For matrices,
MIN(X) is a row vector containing the minimum element from each
column. For N-D arrays, MIN(X) operates along the first
[Y,I] = MIN(X) returns the indices of the minimum values in vector I.

If the values along the first non-singleton dimension contain more
than one minimal element, the index of the first one is returned.
MIN(X,Y) returns an array the same size as X and Y with the

smallest elements taken from X or Y. Either one can be a scalar.
[Y,I] = MIN(X,[],DIM) operates along the dimension DIM. Suppose

X=[2 8 4;7 3 9] then min(X,[],1) is [2 3 4] and min(X,[],2) is [2,3].
When complex, the magnitude MIN(ABS(X)) is used. NaN's are ignored

when computing the minimum.

Example: If X = [2 8 4 then min(X,[],1) is [2 3 4],

7 3 9]
min(X,[],2) is [2 and min(X,5) is [2 5 4

3], 5 3 5].
See also MAX, MEDIAN, MEAN, SORT.
ONES Ones array.

ONES(N) is an N-by-N matrix of ones.
ONES(M,N) or ONES([M,N]) is an M-by-N matrix of ones.
ONES(M,N,P,...) or ONES([M N P ...]) is an M-by-N-by-P-by-...
array of ones.
ONES(SIZE(A)) is the same size as A and all ones.
See also ZEROS.
PLOT Linear plot.

PLOT(X,Y) plots vector Y versus vector X. If X or Y is a matrix,
then the vector is plotted versus the rows or columns of the matrix,
whichever line up.
PLOT(Y) plots the columns of Y versus their index.

If Y is complex, PLOT(Y) is equivalent to PLOT(real(Y),imag(Y)).
In all other uses of PLOT, the imaginary part is ignored.
Various line types, plot symbols and colors may be obtained with
PLOT(X,Y,S) where S is a character string made from one element
from any or all the following 3 colunms:
y yellow . point - solid

m magenta o circle : dotted
c cyan x x-mark -. dashdot
r red + plus -- dashed
g green * star
b blue s square
w white d diamond
k black v triangle (down)
^ triangle (up)
< triangle (left)
> triangle (right)
p pentagram
h hexagram
For example, PLOT(X,Y,'c+:') plots a cyan dotted line with a plus

at each data point; PLOT(X,Y,'bd') plots blue diamond at each data
point but does not draw any line.
PLOT(X1,Y1,S1,X2,Y2,S2,X3,Y3,S3,...) combines the plots defined by

the (X,Y,S) triples, where the X's and Y's are vectors or matrices
and the S's are strings.
For example, PLOT(X,Y,'y-',X,Y,'go') plots the data twice, with a

solid yellow line interpolating green circles at the data points.
The PLOT command, if no color is specified, makes automatic use of

the colors specified by the axes ColorOrder property. The default
ColorOrder is listed in the table above for color systems where the
default is yellow for one line, and for multiple lines, to cycle
through the first six colors in the table. For monochrome systems,
PLOT cycles over the axes LineStyleOrder property.
PLOT returns a column vector of handles to LINE objects, one

handle per line.
The X,Y pairs, or X,Y,S triples, can be followed by

parameter/value pairs to specify additional properties
of the lines.
See also SEMILOGX, SEMILOGY, LOGLOG, GRID, CLF, CLC, TITLE,

XLABEL, YLABEL, AXIS, AXES, HOLD, and SUBPLOT.
ROUND Round towards nearest integer.

ROUND(X) rounds the elements of X to the nearest integers.
See also FLOOR, CEIL, FIX.
SIN Sine.
SIN(X) is the sine of the elements of X.
SIZE Size of matrix.

D = SIZE(X), for M-by-N matrix X, returns the two-element
row vector D = [M, N] containing the number of rows and columns
in the matrix. For N-D arrays, SIZE(X) returns a 1-by-N
vector of dimension lengths. Trailing singleton dimensions
are ignored.
[M,N] = SIZE(X) returns the number of rows and columns in

separate output variables. [M1,M2,M3,...,MN] = SIZE(X)
returns the length of the first N dimensions of X.
M = SIZE(X,DIM) returns the length of the dimension specified

by the scalar DIM. For example, SIZE(X,1) returns the number
of rows.
See also LENGTH, NDIMS.
SOUND Play vector as sound.

SOUND(Y,FS) sends the signal in vector Y (with sample frequency
FS) out to the speaker on platforms that support sound. Values in
Y are assumed to be in the range -1.0 <= y <= 1.0. Values outside
that range are clipped. Stereo sounds are played, on platforms
that support it, when Y is an N-by-2 matrix.
SOUND(Y) plays the sound at the default sample rate of 8192 Hz.
SOUND(Y,FS,BITS) plays the sound using BITS bits/sample if

possible. Most platforms support BITS=8 or 16.
See also SOUNDSC.
STEM Discrete sequence or "stem" plot.

STEM(Y) plots the data sequence Y as stems from the x axis
terminated with circles for the data value.
STEM(X,Y) plots the data sequence Y at the values specfied

in X.
STEM(...,'filled') produces a stem plot with filled markers.
STEM(...,'LINESPEC') uses the linetype specifed for the stems and

markers. See PLOT for possibilities.
H = STEM(...) returns a vector of line handles.
See also PLOT, BAR, STAIRS.
SUM Sum of elements.

For vectors, SUM(X) is the sum of the elements of X. For
matrices, SUM(X) is a row vector with the sum over each
column. For N-D arrays, SUM(X) operates along the first
SUM(X,DIM) sums along the dimension DIM.
Example: If X = [0 1 2
3 4 5]
then sum(X,1) is [3 5 7] and sum(X,2) is [ 3

12];
See also PROD, CUMSUM, DIFF.

WAVREAD Read Microsoft WAVE (".wav") sound file.

Y=WAVREAD(FILE) reads a WAVE file specified by the string FILE,
returning the sampled data in Y. The ".wav" extension is appended
if no extension is given. Amplitude values are in the range [-1,+1].
[Y,FS,BITS]=WAVREAD(FILE) returns the sample rate (FS) in Hertz

and the number of bits per sample (BITS) used to encode the
data in the file.
[...]=WAVREAD(FILE,N) returns only the first N samples from each

channel in the file.
[...]=WAVREAD(FILE,[N1 N2]) returns only samples N1 through N2 from
each channel in the file.
SIZ=WAVREAD(FILE,'size') returns the size of the audio data contained
in the file in place of the actual audio data, returning the
vector SIZ=[samples channels].
Supports multi-channel data, with up to 16 bits per sample.
See also WAVWRITE, AUREAD.
WAVWRITE Write Microsoft WAVE (".wav") sound file.

WAVWRITE(Y,WAVEFILE) writes a WAVE file specified by the
string WAVEFILE. The data should be arranged with one channel
per column. Amplitude values outside the range [-1,+1] are
clipped prior to writing.
WAVWRITE(Y,FS,WAVEFILE) specifies the sample rate FS of the data

in Hertz.
WAVWRITE(Y,FS,NBITS,WAVEFILE) forces an NBITS-bit file format to

be written, where NBITS<=16.
Supports multi-channel 8- or 16-bit WAVE data.
See also WAVREAD, AUWRITE.
ZEROS Zeros array.

ZEROS(N) is an N-by-N matrix of zeros.
ZEROS(M,N) or ZEROS([M,N]) is an M-by-N matrix of zeros.
ZEROS(M,N,P,...) or ZEROS([M N P ...]) is an M-by-N-by-P-by-...
array of zeros.
ZEROS(SIZE(A)) is the same size as A and all zeros.
See also ONES.

Apéndice B:
Programa de prácticas de la asignatura
Práctica 0 (opcional): Introducción al Matlab 2 sesiones: 4 h

1. Creación y manipulación de variables (matrices).
2. Matemática compleja.
3. Matemática matricial.
4. Capacidades gráficas.
5. Generación de scripts y funciones.
6. El entorno de ayuda del Matlab.
Práctica 1: Representación de señales y sistemas 1 sesión: 2 h
1. ¿Cómo podemos representar señales y sistemas?.
2. Manipulación de la variable independiente: traslaciones temporales, escalado y reflexiones.
3. Simulación de ecos.
4. Síntesis de señal: señales tono y multitono.
5. Manipulación de señales acústicas: mejora de la calidad de audición.
Práctica 2: Sistemas LTI: cálculo de respuestas 1 sesión: 2 h
1. Sistemas LTI representados por su respuesta al impulso. La función conv().
2. Respuestas de los sistemas LTI a señales periódicas.
3. Convolución periódica: creación de la función convp().
4. Sistemas LTI representados por ecuaciones en diferencias. La función filter().
5. Manipulación de señales acústicas: mejora de la calidad de audición.
Práctica 3: Series de Fourier 3 sesiones: 6 h
Sesión 1ª
1.1. Utilización de la función fftshift.
1.2. Síntesis de señales discretas y continuas.
Sesión 2ª
2.1. Verificación de síntesis de señal a partir de coeficientes calculados de forma teórica.
2.2. Verificación de análisis de señal (cálculo de coeficientes) con las señales estudiadas en los
ejercicios previos. Uso de las funciones fft e ifft de MATLAB.
2.3. Estudio de las diferencias (o no) obtenidas entre coeficientes calculados mediante MATLAB y
teóricamente.
Sesión 3ª
3.1. Filtrado ideal de señales.
3.2. Cálculo de energías y verificación respecto al valor teórico. Verificación de la relación de
Parseval.
3.3. Aplicación de la propiedad de convolución.
3.4. Aplicación de la propiedad de multiplicación.


Apéndice C:
Programa de teoría de la asignatura
0. Presentación de la asignatura 2h
1. Introducción a señales y sistemas 8h
1.1. Concepto de señal: señales en tiempo continuo y en tiempo discreto.
1.2. Características y parámetros asociados a las señales: valor medio, valor de pico, energía y
potencia; periodicidad; simetrías.
1.3. Operaciones básicas con señales. Transformación de la variable temporal: desplazamiento,
reflexión y escalado temporal.
1.4. Señales básicas: sinusoidal, exponencial, impulso unitario, escalón y rampa.
1.5. Concepto de sistema. Asociación. Sistemas lineales e invariantes en el tiempo.
2. Sistemas lineales e invariantes en el tiempo (LTI) 8h
2.1. Caracterización de sistemas en tiempo discreto LTI mediante la respuesta al impulso. La
suma de convolución.
2.2. Caracterización de sistemas en tiempo continuo LTI mediante la respuesta al impulso. La
integral de convolución.
2.3. Propiedades del operador de convolución: elemento unitario, conmutativa, asociativa,
distributiva, derivación y desplazamiento.
2.4. Propiedades de los sistemas LTI: memoria, invertibilidad, causalidad y estabilidad.
2.5. Descripción de sistema LTI causales mediante ecuaciones diferenciales y en diferencias.
3. Representaciones de señales continuas periódicas mediante series de Fourier (SF) 5h
3.1. Respuesta de los sistemas LTI a la exponencial compleja. Concepto de autofunción,
autovalor y de respuesta en frecuencia.
3.2. Desarrollo en serie de Fourier (DSF) de señales continuas periódicas.
3.3. Interpretación espectral de los coeficientes del DSF.
3.4. Determinación de los coeficientes del DSF.
3.5. Convergencia de las SF.
3.6. Propiedades de los coeficientes de la SF.
4. Representaciones de señales discretas periódicas mediante series de Fourier (SF) 5h
4.1. Respuesta de los sistemas LTI a la exponencial compleja. Concepto de autofunción,
autovalor y de respuesta en frecuencia.
4.2. Desarrollo en serie de Fourier (DSF) de señales discretas periódicas. Diferencias con el caso
continuo.
4.3. Interpretación espectral de los coeficientes del DSF.
4.4. Determinación de los coeficientes del DSF.
4.5. Propiedades de los coeficientes de la SF.
4.6. Señales periódicas y los sistemas LTI.
5. Transformada de Fourier (TF) de señales continuas aperiódicas y periódicas 5h
5.1. Introducción al concepto de TF a partir del DSF.
5.2. Definición y condiciones de existencia.
5.3. TF de señales periódicas. Relación con el DSF.
5.4. Propiedades de la TF. Aplicaciones.
5.5. Análisis de sistemas descritos por ecuaciones diferenciales. Cálculo de la respuesta en
frecuencia y de la respuesta al impulso.
6. Transformada de Fourier (TF) de señales discretas aperiódicas y periódicas 5h
6.1. Introducción al concepto de TF a partir del DSF.
6.2. Definición y condiciones de existencia. Diferencias con el caso continuo.
6.3. TF de señales periódicas. Relación con el DSF.
6.4. Relación de la TF con la transformada discreta de Fourier (DFT).
6.5. Propiedades de la TF. Aplicaciones.
6.6. Análisis de sistemas descritos por ecuaciones en diferencias. Cálculo de la respuesta en
frecuencia y de la respuesta al impulso.
7. Muestreo: representación de una señal continua a partir de sus muestras 8h
7.1. Introducción: ejemplos y concepto de muestreo.
7.2. Muestreo ideal. Teorema de muestreo (condición de Nyquist).
7.3. Reconstrucción de la señal usando interpolación temporal.

7.4. Efecto del submuestreo: aliasing.

7.5. Simulación de sistemas continuos usando sistemas discretos.
7.6. Diezmado e interpolación.
8. Análisis de señales y sistemas continuos en el dominio transformado de Laplace (TL) 6h
8.1. Introducción al dominio transformado de Laplace.
8.2. Autofunciones y autovalores de un sistema LTI. Función de transferencia. Transformada de
Laplace. Relación con la TF.
8.3. Transformada inversa (funciones racionales).
8.4. Conceptos de región de convergencia y diagrama de polos-ceros. Propiedades.
8.5. Evaluación aproximada de la TF a través del diagrama de polos-ceros.
8.6. Propiedades más relevantes de la TL.
8.7. Análisis y caracterización de los sistemas LTI en el dominio transformado: estabilidad,
causalidad e invertibilidad.
9. Análisis de señales y sistemas discretos en el dominio transformado Z (TZ) 6h
9.1. Introducción al dominio transformado Z.
9.2. Autofunciones y autovalores de un sistema LTI. Función de transferencia. Transformada Z.
Relación con la TF. Diferencias con el caso continuo.
9.3. Transformada inversa (funciones racionales).
9.4. Conceptos de región de convergencia y diagrama de polos-ceros. Propiedades.
9.5. Evaluación aproximada de la TF a través del diagrama de polos-ceros.
9.6. Propiedades más relevantes de la TZ.
9.7. Análisis y caracterización de los sistemas LTI en el dominio transformado: estabilidad,
causalidad e invertibilidad.
NOTA IMPORTANTE: El temario presentado cubre 58 h de las 60 h disponibles. Las

2 h restantes están dedicadas al examen parcial opcional (temas 1 a 6) que se realiza
antes del periodo vacacional de Navidad (ver Apéndice E sobre criterios de evaluación).

Apéndice D:
Cronograma de actividad teoría/prácticas para curso 04/05
CRONOGRAMA TEORÍA vs. PRÁCTICAS (2004-05)
SEMANA TEMA TEORÍA PRÁCTICA
LUNES MIÉRCOLES
01 = [27-Sep a 01-Oct] NO LECTIVO Tema 0: Presentación
02 = [04-Oct a 08-Oct]
Tema 1: Señales y Sistemas
03 = [11-Oct a 15-Oct]
04 = [18-Oct a 22-Oct]
Tema 2: Sistemas LTI
05 = [25-Oct a 29-Oct]
Práctica 0: Introducción al MATLAB
06 = [01-Nov a 05-Nov] FIESTA
07 = [08-Nov a 12-Nov] Tema 3: DSF señales continuas Práctica 1: Representación señales y sistemas
08 = [15-Nov a 19-Nov] Tema 4: DSF señales discretas Práctica 2: Sistemas LTI: cálculo de respuestas
09 = [22-Nov a 26-Nov] Tema 5: TF señales continuas
Tema 6: TF señales
10 = [29-Nov a 03-Dic] Práctica 3: Series de Fourier
discretas
11 = [06-Dic a 10-Dic] FIESTA FIESTA
Prácticas de recuperación (excepto grupo L1-lunes
Tema 6: TF señales
12 = [13-Dic a 17-Dic] Tema 7: Muestreo que recupera la tercera sesión de Práctica 3:
discretas
Series de Fourier, por ser fiesta el 6-Dic)
13 = [20-Dic a 24-Dic] Examen parcial NO LECTIVO
14 = [10-Ene a 14-Ene] Tema 7: Muestreo
15 = [17-Ene a 24-Ene] Tema 8: Transformada de Laplace
16 = [24-Ene a 28-Ene] Tema 9: Transformada Z

ULPGC / DSC / ETSI Telecomunicación T
2ª Edición (04/05-D)
Apéndice E:
Criterios de evaluación de la asignatura
E.1.- Criterios para las prácticas
Las prácticas puntúan 2,5 puntos de los 10 disponibles en la asignatura. Es necesario superar el 40% para
poder sumar la nota de prácticas a la de teoría. En el caso de no superar éste límite la nota final de la
asignatura será de 4 puntos.
Las notas obtenidas se conservan hasta el examen especial de diciembre del curso siguiente.
La evaluación de las prácticas se realizará mediante examen en el laboratorio basado en los contenidos de
la presente Documentación de Prácticas y el trabajo desarrollado durante las prácticas.
E.2.- Criterios para la teoría
La nota de teoría supone 7,5 puntos de los 10 disponibles en la asignatura (el resto está dedicado a la
parte práctica). Es necesario superar el 50% de la nota de teoría para que ésta sea sumada a la de
prácticas. En caso contrario la nota final sólo será la de la parte teórica.
Las notas obtenidas se conservan hasta el examen especial de diciembre del curso siguiente.
El alumno dispone de dos opciones para la evaluación teórica:

A. Examen único a realizar en las convocatorias especial, ordinarias y extraordinarias que
establezca la ETSIT. Con objeto de tener en cuenta los alumnos que hagan uso de la opción
B, el examen ordinario de febrero dispondrán de dos partes.
B. Durante el desarrollo de la asignatura el alumno dispondrá, además de la opción A, de la
posibilidad de realizar un examen parcial opcional que cubre los temas 1 a 6. Este examen
tendrá lugar el último día lectivo, en el horario asignado a la asignatura, previo al periodo
vacacional de Navidad y contará un valor de 3,5 puntos de los 7,5 asignados a teoría. Una
vez realizado, el alumno es libre de utilizar los puntos obtenidos en el parcial para el examen
ordinario de febrero, o prescindir de ellos y presentarse íntegramente al examen final.


Apéndice F:
Bibliografía y problemas propuestos para trabajo en
casa
F.1.-Bibliografía
Libro por el que se guía la asignatura:

A.V.Oppenheim, A.S.Willsky y I.T.Young, Señales y Sistemas, Prentice-Hall, (1ª ed. 1983, 2ª ed. 1997).
Otros libros de referencia:

Samir S. Soliman y Mandyam D. Srinath, Señales y sistemas continuos y discretos, Prentice-Hall, (2ª ed.
1999).
Simon Haykin, Barry Van Veen, Signals and systems, John Wiley (1ª ed. 1999).
Charles L. Phillips y Jhon M. Parr, Signals, systems, and transforms, Prentice Hall (2ª ed. 1999).
F.2.-Problemas propuestos
Los problemas propuestos se refieren al libro por el que se guía la asignatura, Señales y Sistemas
de Oppenheim. Debido a que existen dos ediciones del libro, y que en la biblioteca de telecomunicaciones
los ejemplares de préstamo son todos de la primera edición se han incluido los ejercicios equivalentes
para ésta. En algunos casos no existe ejercicio equivalente, y en otros difiere ligeramente.
Tema 1: Introducción a señales y sistemas
2ª Edición (1997): 1.14, 1.15, 1.18, 1.21, 1.22, 1.27, 1.28, 1.30, 1.31, 1.33, 1.36, 1.37, 1.46, 1.42 y 1.45
1ª Edición (1983): 2.9, 2.10, 2.15, 2.18, 2.22, 2.23, 2.24, 2.25, 2.26 y 2.31
Adicionalmente se recomienda revisar los conceptos matemáticos de manejo de variable compleja. Éstos
se encuentran en:
2ª Edición (1997): del 1.48 al 1.56

1ª Edición (1983): del 2.1 al 2.8
Tema 2: Sistemas LTI
2ª Edición (1997): 2.1, 2.2, 2.3, 2.4, 2.21, 2.22, 2.24, 2.23, 2.25, 2.28, 2.29, 2.31, 2.36, 2.38, 2.40, 2.43,
2.44, 2.45, 2.47, 2.57, 2.64, 2.65, 2.66 y 2.68
1ª Edición (1983): 3.1, 3.2, 3.3, 3.4, 3.5, 3.6, 3.7, 3.8, 3.9, 3.11, 3.14, 3.15, 3.16, 3.25, 3.26, 3.27, 3.28,
3.24 y 3.30
Tema 3: Series de Fourier de señales continuas
2ª Edición (1997): 3.1 , 3.3, 3.22, 3.34, 3.46 y 3.62

1ª Edición (1983): 4.1, 4.2, 4.4, 4.14, 4.16 y 4.29
Tema 4: Series de Fourier de señales discretas
2ª Edición (1997): 3.2, 3.6, 3.28, 3.29, 3.48, 3.49, 3.57, 3.58 y 3.60
1ª Edición (1983): 5.1, 5.2, 5.3, 5.4, 5.6, 5.12 y 5.13

Tema 5: Transformada de Fourier de señales continuas aperiódicas y periódicas.
2ª Edición (1997): 4.1, 4.2, 4.3, 4.4, 4.5, 4.6, 4.7, 4.21, 4.22, 4.24, 4.26, 4.31, 4.33, 4.50 y 4.51
1ª Edición (1983): 4.4, 4.5, 4.6, 4.7, 4.8, 4.9, 4.11, 4.17, 4.18, 4.20, 4.24, 4.27, 4.28, 4.29, 4.31, 4.36 y
4.43
Tema 6: Transformada de Fourier de señales discretas aperiódicas y periódicas.
2ª Edición (1997): 5.1, 5.2, 5.3, 5.4, 5.5, 5.7, 5.8, 5.21, 5.22, 5.24, 5.29, 5.30 y 5.51
1ª Edición (1983): 5.3, 5.4, 5.5, 5.6, 5.7, 5.9, 512, 5.14, 5.15, 5.25, 5.28, 5.33 y 5.37
Tema 7: Muestreo
2ª Edición (1997): 7.6, 7.26, 7.27, 7.29, 7.30, 7.35, 7.41 y 7.49
1ª Edición (1983): 8.1, 8.6, 8.7, 8.10, 8.14, 8.18, 8.19, 8.21, 8.24 y 8.25
Tema 8: Transformada de Laplace
2ª Edición (1997): 9.21, 9.22, 9.25, 9.30, 9.31, 9.33, 9.48, 9.49, 9.60 y 9.61
1ª Edición (1983): 9.1, 9.4, 9.7, 9.8, 9.16, 9.17, 9.18, 9.20, 9.23 y 9.27
Tema 9: Transformada Z
2ª Edición (1997): 10.21, 10.22, 10.29, 10.34, 10.35, 10.44, 10.46, 10.59, 10.62, 10.63 y 10.64
1ª Edición (1983): 10.1, 10.2, 10.10, 10.19, 10.12, 10.22, 10.23, 10.25, 10.26, 10.27, 10.32, 10.33 y 10.35

Practicas TS ETSIT 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

Practicas TS ETSIT PDF

Cargado por

Copyright:

Formatos disponibles

Universidad de Las Palmas de Gran Canaria

Departamento de Señales y Comunicaciones

ESCUELA TÉCNICA SUPERIOR DE

Apéndice A: Resultados del comando help para algunas funciones de MATLAB........ 99

La documentación de prácticas que aquí se entrega se marca un conjunto de objetivos básicos, a

Aprovechando la edición de este documento se ha creído conveniente la inclusión de una serie de

Algunas aclaraciones respecto a la nomenclatura utilizada y el procedimiento a seguir en los

Iván Alejandro Pérez Álvarez

2ª Edición (04/05-D) iii

ESTA PÁGINA HA SIDO DEJADA EN BLANCO INTENCIONADAMENTE

Esta práctica está íntimamente relacionada con lo visto durante el tema 1 de

Durante la presente práctica veremos cómo podemos representar y manipular

El entorno MATLAB es un entorno discreto (digital) en el que sólo podemos

Se aprenderá a manipular las transformaciones elementales de la variable

2ª Edición (04/05-D) Página 1 de 116

Por último se experimentará diferentes efectos sobre las señales.

I.b.- Duración de la práctica

La presente práctica tiene una duración de 2 horas, 1 sesión de laboratorio. Por

I.c.- Resumen de objetivos

Cuando finalice la práctica, el alumno debería haber asimilado los siguientes

1. Reconocer intuitivamente las limitaciones que tiene la representación

II.- Explicaciones previas y ejercicios preparatorios

II.a.- Muestreo de señales continuas

El muestreo de señales continuas es necesario para su representación y

Señales o sistemas Muestreo Señales o sistemas

En ella existe un parámetro importante que es el periodo de muestro, Tm,

x[n ] = x (t ) t = n· T = x (n· Tm ) (P1.1)

2ª Edición (04/05-D) Página 2 de 116

Figura P1.1: Ejemplo gráfico del proceso de muestreo de una señal

Durante el proceso de muestreo se toma una muestra de la señal continua cada

Nótese que si Tm es “suficientemente pequeño” podemos reconstruir la señal

En temas más avanzados de la asignatura veremos cuáles son los límites de la

Atendiendo a lo explicado y los conocimientos teóricos adquiridos en el tema 1

Cada uno de los ejercicios se debe de responder en los espacios correspondientes

E1.1.- Exprese analíticamente, y represente, un tono continuo, x(t), de 100 Hz durante

2ª Edición (04/05-D) Página 3 de 116

carátula disponible en R1.1 del apartado de resultados. ¿Se puede representar

II.b.- Representación gráfica de señales

La representación gráfica de señales en MATLAB se realiza con las funciones

E1.4.- La figura P1.2 representa las muestras de una señal continua.

2ª Edición (04/05-D) Página 4 de 116

Figura P1.2: Señal continua muestreada, x(t)|t = n·Tm.

II.c.- Manipulación de la variable independiente temporal

Al necesitar obligatoriamente en MATLAB dos vectores para representar

Aunque en las explicaciones que siguen trabajaremos de forma genérica con

2ª Edición (04/05-D) Página 5 de 116

>> y = zeros(1,N*k); % Se crea vector de ordenadas

En el segundo caso, simplemente, se eliminan las muestras que no se utilizan,

2ª Edición (04/05-D) Página 6 de 116

utilizaría para ejecutar las operaciones matemáticas: a) y[n] = x[-n-k],

II.d.- Grabación y reproducción de señales auditivas

La grabación y reproducción de señales auditivas la haremos a través de ficheros

Una de las alternativas que dispone MATLAB para escuchar señales

E1.14.- Genere, con comandos de MATLAB y haciendo uso de la función

Figura P1.3: Sistema generador de eco.

2ª Edición (04/05-D) Página 7 de 116

ESTA PÁGINA HA SIDO DEJADA EN BLANCO INTENCIONADAMENTE

2ª Edición (04/05-D) Página 8 de 116

III.- Resultados de los problemas preparatorios

DATOS IDENTIFICATIVOS DEL ALUMNO

A continuación dispone de los apartados correspondientes para responder a cada

Al final del apartado dispone de un espacio para indicar cualquier incidencia o

x(t) = sen(...............................................................) para 0 ≤ t .........................