Está en la página 1de 9

INSTITUTO POLITECNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERÍA


MECÁNICA Y ELÉCTRICA

Comunicaciones analógicas

Practica 3: Convolución

Profesor: DIAZ CHAVEZ MALENA

Alumnos:

Cortés Cueto Erick


Martinez Monzalvo Christopher Rafael

Grupo: 5CM7

Fecha de entrega: 23 - Octubre -2019


Objetivo:
El alumno aprenderá la importancia de la aplicación de la convolución en el análisis de señales
mediante el uso de MATLAB

Objetivos particulares:
Familiarización con los comandos de Matlab para el desarrollo de los problemas de convolución.

Complementar y comparar lo visto en clases mediante las gráficas resultantes en Matlab.

Resolución de Problemas mediante Matlab.

Introducción:
Una operación matemática con dos funciones, que es la representación más general del proceso de
filtrado lineal (invariante). La convolución puede ser aplicada a dos funciones cualesquiera de tiempo
o espacio (u otras variables) para arrojar una tercera función, la salida de la convolución. Si bien la
definición matemática es simétrica con respecto a las dos funciones de entrada, es común en el
procesamiento de las señales decir que una de las funciones es un filtro que actúa sobre la otra
función. La respuesta de muchos sistemas físicos puede ser representada matemáticamente
mediante una convolución. Por ejemplo, una convolución puede ser utilizada para modelar el filtrado
de la energía sísmica por las diversas capas de rocas; la de convolución se utiliza extensivamente en
el procesamiento sísmico para contrarrestar ese filtrado.

La forma matemática de la convolución de dos funciones, un filtro g(t) y una serie de tiempo f(t), es

y(t) = ∫ g(t−τ) f(τ) dτ

donde y(t) es el resultado de la convolución.

En el dominio de la frecuencia, la convolución es simplemente el producto de las transformadas de


Fourier (FT) de las dos funciones:

Y(ω) = F(ω) * G(ω)

donde
F(ω) = FT de la serie de tiempo x(t)
G(ω) = FT del filtro f(t)
Y(ω) = FT del resultado y(t)
ω = frecuencia angular.
Demostración

Podemos mirar a la convolución de dos funciones y como la función resultante que


aparece después de efectuar los siguientes pasos:

a) girar respecto del origen los valores de una de ellas, es decir = para
todo z desde a ,
b) ir trasladando la función girada sobre la otra ,y
c) en cada punto x calculamos el valor que resulta de sumar los productos obtenidos de
multiplicar para todos los z los correspondiente valores de las
funciones y .
En esencia estamos calculando para cada valor de x una especie de valor ponderado de una de las

funciones con los valores de la otra . En el caso de que el área encerrada por la curva
de fuese igual 1 entonces estaríamos calculando para x una media ponderada.
Matemáticamente la expresión para esta operación es

De la expresión anterior puede verse como para un valor fijo de x los origines de las
funciones f y g están desplazados justamente en ese valor x. Los valores de f para z crecientes van
siendo multiplicados por valores de g para decrecientes. En el caso discreto esta visión
intuitiva de la convolución quedará aún más clara. La figura
ilustra el efecto de esta operación. La gran importancia de esta operación radica en el hecho de
que la TF de un producto de convolución de dos funciones es igual al producto de las TF’s de dichas
funciones, es decir

Este resultado denominado Teorema de Convolución implica que podemos calcular un producto de
convolución de dos funciones multiplicando sus correspondientes TF y al resultado aplicarle la TF
inversa. En el caso de señales discretas las distintas longitudes que pudieran tener las sucesiones de
puntos de cada una de las funciones son posibles causas de errores en el cálculo final de la
convolución, es por ello que ambas funciones han de definirse en una misma cantidad de puntos por
cada eje.

Para lograr esto consideremos que la función ha sido muestreada sobre un conjunto de

puntos de longitud A y la función lo ha sido sobre un conjunto de longitud B, entonces ambas


funciones se rellenarán con ceros hasta que cada una de ellas quede definida en M = A + B -
1 valores. La fórmula de rellenar con ceros los valores que faltan no es la única manera que existe de
fijar dichos valores, aunque si es la más comúnmente usada. Una vez que las dos funciones tienen el
mismo rango de definición la convolución se puede calcular por
para . Puede demostrarse que al igual que las funciones y la función
resultante de la convolución discreta es también una función periódica discreta de periodo M. La
figura

muestra una comparación entre los resultados del caso discreto y el caso continuo.

Las expresiones que aparecen en el caso bidimensional (imágenes) son las siguientes:

Caso continuo:

Caso discreto:

Para e .

Al igual que en el caso unidimensional el cálculo de la convolución de funciones bidimensionales


puede ser efectuado a través de los productos de sus correspondientes transformadas de Fourier
aplicándole al resultado la TF inversa.

Como se pondrá de manifiesto en las siguientes lecciones la operación de convolución será una
herramienta clave de los cálculos que se realizan para el análisis y extracción de toda la información
que contiene una imagen.

Propiedades
Las propiedades de los diferentes operadores de convolución son las siguientes:
 Conmutatividad

 Asociatividad

 Distributividad

 Asociatividad con multiplicación escalar

para todo número complejo a.


 Regla de derivación

donde Df denota la derivada de f o, en el caso discreto, el operador diferencia

 Teorema de convolución

donde F denota la Transformada de Fourier de f. Este teorema también se cumple con


la Transformada de Laplace.

 Convoluciones con deltas de Dirac

Aplicaciones:
La convolución y las operaciones relacionadas se encuentran en muchas aplicaciones de ingeniería y
matemáticas.
 En estadística, como un promedio móvil ponderado.
 En teoría de la probabilidad, la distribución de probabilidad de la suma de dos variables
aleatorias independientes es la convolución de cada una de sus distribuciones de
probabilidad.
 En óptica, muchos tipos de “manchas” se describen con convoluciones. Una sombra (ejemplo
la sombra en la mesa cuando tenemos la mano entre ésta y la fuente de luz) es la
convolución de la forma de la fuente de luz que crea la sombra y del objeto cuya sombra se
está proyectando. Una fotografía desenfocada es la convolución de la imagen correcta con el
círculo borroso formado por el diafragma del iris.
 En acústica, un eco es la convolución del sonido original con una función que represente los
objetos variados que lo reflejan.
 En ingeniería eléctrica, electrónica y otras disciplinas, la salida de un sistema lineal
(estacionario o bien tiempo-invariante o espacio-invariante) es la convolución de la entrada
con la respuesta del sistema a un impulso (ver animaciones).
 En física, allí donde haya un sistema lineal con un “principio de superposición”, aparece una
operación de convolución.

Es más común para el análisis de señales de audio, eléctrica y electrónica.

Los nuevos comandos usados en esta práctica son:


 ones: crea un arreglo de unos. X = ones devuelve el escalar 1. X = ones(n) devuelve
una matriz n-by-n de unos.

 Size: Tamaño de un array. sz = size(A) devuelve un vector de fila cuyos elementos


contienen la longitud de la dimensión correspondiente de A.
 Axis: Establecimiento de límites de eje y relaciones de aspecto. axis(limits) especifica los
límites de los ejes actuales. Especifique los límites como vector de cuatro, seis u ocho
elementos.
 Subplot: Crear ejes en posiciones de mosaico. subplot(m,n,p) divide la figura actual en una
cuadrícula de m por n y crea ejes en la posición especificada por p. MATLAB® numera las
posiciones de subgráfico por fila. El primer subgráfico es la primera columna de la primera
fila, el segundo subgráfico es la segunda columna de la primera fila, y así sucesivamente. Si
existen ejes en la posición especificada, este comando convierte los ejes en los ejes actuales.
 Plot: Gráfico de líneas 2D. plot(X,Y) crea un gráfico de líneas 2D de los datos de Y frente a
los valores correspondientes de X.

Si X e Y son ambos vectores, deben tener la misma longitud. La función plot traza Y frente a X.
Si X e Y son ambas matrices, deben tener el mismo tamaño. La función plot traza las columnas
de Y en comparación con las columnas de X.
Si X o Y es un vector y el otro es una matriz, la matriz debe tener dimensiones de forma que una
de sus dimensiones sea igual a la longitud del vector. Si el número de filas de la matriz equivale a
la longitud del vector, la función plot traza cada columna de matriz en comparación con el
vector. Si el número de columnas matriciales equivale a la longitud del vector, la función trazará
cada fila de matriz en comparación con el vector. Si la matriz es cuadrada, entonces la función
traza cada columna frente al vector.
Si X o Y es un escalar y el otro es un escalar o un vector, entonces la función plot traza puntos
discretos. Sin embargo, para ver los puntos debe especificar un símbolo de marcador, por
ejemplo, plot(X,Y,'o').

 Title: Agregar título. title(txt) agrega el título especificado a los ejes o el gráfico
devueltos por el comando gca . Al volver a emitir el comando title, el nuevo título
reemplazará el título anterior.
 Grid: Mostrar u ocultar ejes líneas de cuadrícula. grid on muestra las líneas de cuadrícula
principales para los ejes o gráficos actuales devueltos por el comando gca . Las líneas de
cuadrícula principales se extienden desde cada marca de graduación.

Desarrollo:
La práctica de esta semana fue bastante sencilla, aunque muy útil, ya que aprendimos a utilizar la
convolución dentro el programa de Matlab.
Ya que esta función es muy útil e importante para el análisis de señales, además de aprender a
utilizarla también la graficamos junto con las dos señales que la conforman.
A continuación, nuestro código:

clear all,clf,clc

N=4;

dt=1/N;

t=0:dt:1;

x=1/2*ones(size(t));

subplot(3,1,1)

plot(t,x,'m')

axis([0 1.5 0.0 1])

title('Medio pulso')

h=ones(size(t));

subplot(3,1,2)

plot(t,h,'r')

axis([0 1.5 0.0 1.2])

title('Pulso completo')
y=conv(x,h)*dt;

t1=0:dt:2;

subplot(3,1,3)

plot(t1,y)

grid

axis([0 2 0.1 0.63])

title('Convolucion de dos pulsos cuadrados')

Conclusiones:
Cortes Cueto Erick:
A pesar de ser sencilla, la practica de esta semana me parece de gran utilidad el haber aprendido a
convolucionar dos señales, ya que esto facilita mucho el análisis de señal que resulta de realizar dicha
operación y nos permite tener un fuljo de trabajo más fluido al ahorrarnos tiempo Matlab en este
tipo de cálculos que si bien no son difíciles si llegan a ser laboriosos.
Martinez Monzalvo Christopher Rafael:
Gracias a la práctica aprendí lo importante que es el dominio de Matlab para la resolución de
problemas con convolución, porque mediante esta herramienta los problemas complejos y
laboriosos son más fáciles de resolver y entender gracias a la graficación de las señales. Esto facilita
el análisis de señales ya que por medio de la convolución se puede determinar la respuesta del
sistema a una señal de entrada a partir de la respuesta del sistema a una entrada impulso.