1

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMERICA)
FACULTAD DE INGENIERIA ELECTRONICA Y ELECTRICA
E. P. INGENIERIA ELECTRONICA
LABORATORIO DE PROCESAMIENTO DIGITAL DE SEÑALES

LABORATORIO N° 5: RESPUESTA EN FRECUENCIA - DTFT

5.1 OBJETIVO

Definir la Transformada de Fourier para Señales Discretas, su significado, propiedades, manejo

y aplicaciones.
Experimentar diversas funciones para calcular y visualizar la Transformada de Fourier para
Señales Discretas en sus diversos aspectos.

5.2 EQUIPOS Y MATERIALES REQUERIDOS

El equipo de experimentación necesario para realizar el presente laboratorio es:

1. PC INTEL CORE i5 o superior.
2. Sistema Operativo Windows 10.

5.3 SOFTWARE REQUERIDO

El siguiente software es necesario para realizar este laboratorio:
1. Octave V4.2, https://www.gnu.org/software/octave/
2. Librerías y archivos de soporte.

5.4 ASPECTOS TEÓRICOS PREVIOS

5.4.1 INTRODUCCIÓN TEÓRICA

Al igual que ocurre en el caso señales continuas, el concepto de dominio de la frecuencia

es fundamental para entender las señales discretas y el comportamiento de los Sistemas Discretos
Lineales e Invariantes en el Tiempo (SDLIT). El espectro de una señal nos muestra como es en el
dominio de la frecuencia las características de comportamiento de un sistema discreto para
diferentes señales de entrada.

En la teoría de los sistemas lineales es fundamental la representación de una señal en

términos de funciones senoidales o exponenciales complejas, debido a que una exponencial
compleja es una auto función de cualquier sistema lineal e invariante en el tiempo, mientras que
la respuesta a una sinusoide es otra sinusoide de la misma frecuencia, con fase y amplitud
determinadas por el sistema discreto. En consecuencia, la Transformada de Fourier para Señales
Discretas (Discrete Time Fourier Transform - DTFT) es muy importante para el análisis de las
señales y los sistemas discretos en el dominio de la frecuencia.

FLAVIO N. CARRILLO GOMERO - 2016

 2

5.4.2 CÁLCULO DE LA TRANSFORMADA DE FOURIER PARA SEÑALES DISCRETAS

La Transformada de Fourier de una Señal Discreta (DTFT) es una señal periódica de

periodo 2π. Así, la ecuación de síntesis de x[n] a partir de su transformada se puede ver como el
cálculo de los coeficientes de la Serie de Fourier de una señal periódica X(ejΩ), mientras que la
ecuación de análisis refleja el desarrollo en serie de la transformada en función de los coeficientes
x[n].

La representación de la DTFT directa e inversa es una clase particular de análisis de una

señal discreta. Las ecuaciones (5.1) y (5.2) nos muestran como es la estructura del modelo de
cálculo de las ecuaciones de análisis y de síntesis, respectivamente.


X  e j    x  n e  jn
(5.1)
n 

1 
x  n    x (e
j
)e jn d  (5.2)
2 

Por otro lado, la respuesta en frecuencia, X(ejΩ), que es la DTFT de x[n], toma valores
complejos y es una función periódica en Ω. El periodo es siempre 2 radianes y el intervalo
considerado normalmente se elige para que esté entre [-, ]. En el contexto de Octave, donde el
fin es evaluar la DTFT, presenta dos problemas.

1. Su definición es válida para señales de longitud infinita.

2. Es una función de variable compleja continua, Ω (radianes).

El primer punto es un problema solamente para la dimensión, ya que cualquier

vector/señal debe tener longitud finita en Octave. Por lo que el problema es que no es posible
realmente calcular con Octave la DTFT de una señal de longitud infinita. Una excepción
importante es cuando se deduce en forma analítica y se obtiene la transformada para luego
evaluarla íntegramente, como es el caso de x[n]= anu[n], que tiene una DTFT racional.

El segundo punto presenta un problema de muestreo en el dominio de la frecuencia. Con

Octave se evalúa la DTFT sobre un número finito de puntos. Podemos elegir suficientes
frecuencias para que la representación gráfica sea una aproximación suavizada de la verdadera
DTFT. La mejor elección para el cálculo es un conjunto de frecuencias equidistantes en el
intervalo [-,] o [0,] para transformadas simétricas conjugadas. Con tales muestras, la fórmula
de la DTFT para la transformada directa (5.1) llamada DFT (Discret Fourier Transform), quedará:

L 1
X (e jk )  X (e j 2 k / K )   x  n  e  j (2 k / N ) n para k =0,1,..., N-1 (5.3)
n 0

La periodicidad de la DTFT significa que los valores comprendidos entre 0  Ω   son

los mismos que para k > N/2. Esta fórmula se puede procesar con la computadora porque es una
suma sobre limites finitos, evaluada para un número finito de frecuencias, Ωk=2k/N. Como la
longitud de la señal debe ser finita (0  n < L), un caso como x[n]= anu[n] no sería resuelto por
esta sumatoria.

Cuando N=L, (5.3) calcula la DFT de N-puntos, pero por el momento ignoraremos la DFT
y nos concentraremos en el cálculo de las muestras de la DTFT.

Cuando muestreamos la DTFT, no se requiere que N sea igual a L, aunque es conveniente

porque el cálculo normalmente se realiza mediante la DFT (con el algoritmo de la FFT).
Realmente, si N > L, solamente tenemos que suponer que x[n] se ha rellenado con ceros para usar

FLAVIO N. CARRILLO GOMERO - 2016

 3

una DFT de N-puntos. Cuando N < L el caso es mucho más molesto. La correcta aplicación de la
FFT en este caso requiere solapamiento temporal previo de n para el cálculo de la DFT de N
puntos. Por ahora, siempre debemos asegurarnos que el número de frecuencias de la DTFT que
estamos evaluando sea mayor o al menos igual que la longitud en el tiempo de la secuencia
original, es decir, N  L.

Antes de comenzar es necesario comentar brevemente la diferencia que existe entre los
términos DFT y FFT. La FFT (Transformada Rápida de Fourier) es simplemente un algoritmo
que realiza de forma muy rápida el cálculo de la DFT y por lo tanto no se trata de una nueva
transformada. En Octave siempre se emplea la función fft para calcular la DFT. De forma análoga,
la función ifft siempre se emplea para calcular la DFT inversa.

5.5 ACTIVIDADES

5.5.1 DTFT DE SEÑALES Y FUNCIONES DE TRANSFERENCIA DISCRETAS

En esta práctica se obtendrá la DTFT de las señales más habituales (pulsos, sinusoides,
exponenciales). Con Octave resulta sencillo representar gráficamente las señales y sus
transformadas; por lo tanto, nuestro objetivo se centra en visualizar un buen número de pares de
transformadas, prestando especial atención a las simetrías que puedan aparecer.

Ejercicio 5.1

Veamos en este ejercicio como se puede visualizar la Transformada de Fourier de una Señal
Discreta, que necesariamente debe ser calculada dentro de un conjunto finito de frecuencias.

Sea la señal discreta:

h[n] = δ[n] + 0.5δ[n−1] + 0.2δ[n−2]

(a) Hallar la DTFT de h[n] en forma analítica y luego graficarla en el intervalo 0  Ω  4

radianes.

(b) La siguiente instrucción nos permite calcular 128 valores de su Transformada de Fourier de
h[n]:

H=fft(h,128);

El vector H recoge los valores de la funcion H(ejΩ) en las siguientes frecuencias:

Ωk= 2πk/128, k = 0, ....... ,127

Para visualizar la transformada hay que tener en cuenta que el vector H contiene valores
complejos, por lo que tendremos que representar por separado su magnitud y su fase:

plot(2*pi*(0:127)/128, abs(H));
plot(2*pi*(0:127)/128, angle(H));

En el eje de las abcisas se incluyen las frecuencias en las que está evaluada la transformada,
mientras que en el eje de las ordenadas se coloca o bien la magnitud o la fase. El comando
plot()crea una curva continua, que no es más que la interpolación entre los valores
discretos(128 en este caso) de la transformada que han sido calculados. De esta manera se
obtiene una representacion de la transformada entre 0 y 2π.Compare los resultados obtenidos
con los de (a).

FLAVIO N. CARRILLO GOMERO - 2016

 4

Otra función de Octave que nos permite obtener muestras de la Transformada de Fourier
de una señal es el comando freqz, con la ventaja de que permite trabajar con filtros IIR
(Respuesta Impulsional de Duración Infinita) que se pueden expresar de forma racional en el
dominio de la frecuencia.

Los filtros digitales son sistemas discretos, lineales e invariantes en el tiempo (SDLIT)
descritos por una ecuación en diferencias lineal con coeficientes constantes:

N M

 a y n  k    b x n  k 
k 0
k
k 0
k (5.4)

Utilizando las propiedades de desplazamiento y linealidad de la transformada de Fourier,

se demuestra que la respuesta en frecuencia de un sistema SDLIT descrito por una ecuación en
diferencias con coeficientes constantes puede expresarse como:

b e k
 jk

H  e  j   k 0
N
(5.5)
a e
k 0
k
 j k

Si necesitamos representar la respuesta en frecuencia de un filtro expresado de esta forma,

podemos utilizar el siguiente código:

H = freqz(b, a,128,"whole");
plot(2*pi*(0:127)/128, abs(H));
plot(2*pi*(0:127)/128, angle(H));

5.5.2 AUTOFUNCIONES

El concepto de autofunción de un sistema SDLIT es la base para comprender la respuesta

en frecuencia de dicho sistema. Así, para un sistema con respuesta impulsional h[n], la salida para
jn
una señal exponencial compleja de la forma e será:


y  n   h  k e j n  k 
 H  e j  e jn (5.6)
k 

Un sistema SDLIT tiene como autofunciones al conjunto de exponenciales compleja de

jn
la forma e , que solo se ven modificadas a su paso por el sistema por una constante compleja.
j
En el caso de e , esa constante es el valor de la respuesta en frecuencia (Transformada de Fourier
de la Respuesta Impulsional) en la frecuencia Ω.

Por lo tanto, la DTFT nos informa de como responde el sistema descrito por esa señal
para cada frecuencia de entrada, o lo que es lo mismo, nos aporta el contenido en frecuencia de la
señal, ya que con la ecuación de síntesis se puede reconstruir la señal con exponenciales
complejas, tal y como se describieron en (5.1) y (5.2).

Ejercicio 5.2

En este ejercicio se va a identificar la respuesta en frecuencia de un sistema discreto (la

Transformada de Fourier de su respuesta impulsional) a determinadas frecuencias. Para ello,
solo podemos introducir señales a la entrada y observar lo que ocurre en la salida.

FLAVIO N. CARRILLO GOMERO - 2016

 5

Utilizaremos exponenciales complejas como entradas, dado el carácter de las autofunciones.

Observando la salida, podremos obtener información sobre como se comporta el sistema para
cada frecuencia de interés. Consideremos el sistema discreto con respuesta impulsional:

h[n]=0.03δ[n]+0.4δ[n−1]+0.54δ[n−2]+0.2δ[n−3]-0.2δ[n−4]+0.1δ[n−5]+0.2δ[n-6] (4.7)

Para definir la respuesta impulsional, ejecutar en Octave:

h=[0.03 0.4 0.54 0.20 -0.20 0.10 0.20]

jk n
Genere un conjunto de 10 exponenciales complejas con 48 puntos de longitud de la forma e
para las siguientes frecuencias discretas: Ωk= 2πk/10, k = 0, ....... ,9

omegak =(2*pi*(0:9))/10;
e1 = exp(j*omegak(1)*(0:47));
e2 = exp(j*omegak(2)*(0:47));
...
También se puede realizar un bucle for para generar estas diez señales, introduciéndolas como
filas o columnas de una matriz.
Calcule la salida del filtro para cada una de las exponenciales, convolucionando cada señal de
entrada con el filtro definido al inicio:

y1 = conv(e1,h);
y2 = conv(e2,h);
...
Superponer en la misma gráfica la entrada e1 y la salida y1:

plot(e1);
hold;
plot(y1);
hold;

Razonar el por que de la aparición de los efectos en los bordes. Repetir la operación para las
partes reales de e2 e y2, notando los efectos de borde de nuevo.

En el ejercicio anterior la fase y amplitud de la señal de salida son diferentes a las de la

señal de entrada. Esa diferencia viene determinada por la respuesta en frecuencia para
Ω=omegak(2). Por lo tanto, sabiendo que la señal de salida es en cada caso la señal de entrada
multiplicada por la respuesta en frecuencia evaluada a esa frecuencia:

y  n   H  e j  e jn (5.7)

Ejercicio 5.3

Construir un vector Haprox a partir de esos 10 valores, y visualizar un dibujo aproximado de

la Transformada de Fourier de h de la forma:

plot(omegak,abs(Haprox));

Ese dibujo nos proporciona una aproximación a la magnitud de la respuesta en frecuencia del
sistema. Podemos superponer la respuesta en frecuencia evaluada en muchos más puntos, de la
forma:
hold;
H=fft(h,128);

FLAVIO N. CARRILLO GOMERO - 2016

 6

plot(2*pi*(0:127)/128,abs(H));
Comprobar que, efectivamente, H es igual a la respuesta en frecuencia en las frecuencias
Ωk=2πk/10, k = 0, ....... ,9. Note la simetría de la representación, dado que estamos visualizando
la transformada en el intervalo [0, 2𝜋], y la magnitud es par (h[n] real).

5.5.3 SIMETRÍAS

Al tratar con simetrías en torno al origen, hay que insistir en que Octave considera que
las señales se inician en n = 0 a la hora de evaluar la correspondiente Transformada de Fourier.

Ejercicio 5.4

Considerar la secuencia pulso rectangular de ancho L definido como:

1 0  n  L
x  n   (5.9)
0 otros

Obtener la expresión analítica de la Transformada de Fourier de x[n] a partir de la ecuación

(5.1). Observar en la ecuación resultante el término de la fase debido a que el pulso está centrado
en (L−1)/2.
Utilizando la función fft(), obtener 256 puntos de la transformada de un pulso de longitud
L=16. Dibujar en diagramas separados el módulo y fase, razonando la forma en base al cálculo
analítico de la transformada realizada anteriormente:

pulso = ...
H = fft(pulso,256);
# Para dibujar la magnitud
plot(2*pi*(0:255)/256,abs(H));
figure(1);
plot(2*pi*(0:255)/256,angle(H)); # Para dibujar la fase

Calcular teóricamente las frecuencias a las cuales se hace 0 la transformada, en función de L.

• Razonar para que valores de frecuencia se producen las discontinuidades en la fase.

• Para L = 9, pensar que desplazamiento debería sufrir el pulso definido anteriormente para que
el espectro de la señal resultante fuese real. ¿Es causal el sistema resultante representado por
esa respuesta impulsional?

Para vectores cuyo primer valor representa un instante de tiempo distinto del cero habría
que introducir una corrección.

Ejercicio 5.5

Escribir el código de una función que, utilizando la función fft(), calcule la Transformada de
Fourier de una señal discreta de la siguiente forma:

function [H,w] = dtft(h,no,N)

# h: vector de entrada
# no: instante de tiempo en el cual comienza h
# N: número de puntos a calcular de la transformada de h
# H: vector de la transformada de Fourier de H
# w: frecuencias en las que se evalua la transformada

FLAVIO N. CARRILLO GOMERO - 2016

 7

Para realizar la función hay que tener en cuenta la propiedad de desplazamiento de la

Transformada de Fourier, cuyo significado implica que un desplazamiento en el tiempo equivale
a un desplazamiento en frecuencia:
 
x  n  n0   e  jn0 X e j (5.10)

Tener en cuenta que la función fft()considera el instante de inicio de la señal en n0=0.

Recuerde además que los valores de las frecuencias en los cuales la función fft() calcula la
Transformada vienen dadas por:

2 k
k  , k  0,..., N  1
N

en donde N es el número de valores que se calcula con la Transformada de Fourier, en la que se

puede ver que, están equiespaciados entre 0 y 2π. Efectuar el producto punto a punto entre dos
vectores de tal modo que los dos sean filas o columnas. De lo contrario se obtendría un error de
no correspondencia entre matrices.

A fin de probar la función, calcular la Transformada de Fourier de una secuencia de pulso

rectangular de longitud 9 y centrado en 0, comprobando que la parte imaginaria de su
transformada es 0. Representar la parte real de dicha transformada. Razonar acerca de la forma
de la Transformada de Fourier del pulso entre −L/2 y L/2 a medida que L tiende a 1.

En general, podemos descomponer una señal compleja en parte real y parte imaginaria y
luego en parte par e impar:

x  n  xRe Par n  xRe Impar n  jxIm Par n  jxIm Impar n (5.11)

en donde la parte par de una señal x[n] se define como (x[n]+x[-n])/2, y la parte impar como (x[n]-
x[-n])/2. Hay que tener en cuenta que aunque una señal sea la respuesta de un sistema causal, las
partes par e impar no lo son, debido a la simetría que presentan respecto al origen.

Ejercicio 5.6
Sea la descomposición vista anteriormente de una señal x[n]:

x  n  xRe Par n  xRe Impar n  jxIm Par n  jxIm Impar n (5.12)

y de su transformada X(ejΩ )

X  e j   X Re Par  e j   X Re Impar  e j   jX Im Par  e j   jX Im Impar  e j  (5.13)

Asociar las componentes temporales con sus respectivas componentes espectrales.

Ahora podemos constatar las propiedades de simetría de la Transformada de Fourier, que

de forma resumida son:

• La Transformada de x*[n] es X*(ejΩ).

• La Transformada de una señal real es conjugada simétrica, es decir, el módulo es par y la fase
impar.
• La Transformada de una señal imaginaria pura es conjugada antisimétrica, es decir, X(ejΩ)=-
X*(ejΩ)

FLAVIO N. CARRILLO GOMERO - 2016

 8

Ejercicio 5.7
• Verificar que la transformada de la señal x[n]=(0.5)nsen(2πn/24), para 0 ≤ n < 32 es
conjugada simétrica, observando los diagramas de módulo y fase. Para observar el módulo,
utilizar la función plot() sobre el módulo de la salida que se obtiene de fft(), mientras
que para la fase utilizar simplemente plot()sobre la fase de la transformada,
análogamente a lo realizado en el primer ejercicio.

Comprobar que la transformada de la señal chirp x  n   e j 2 n

2
/25
• para -16 ≤ n ≤ 16 es par,
usando la función dtft()desarrollada en el ejercicio anterior.

5.5.4 SEÑALES DE DURACIÓN INFINITA

Un grupo muy útil de transformadas proceden de los sistemas descritos mediante

ecuaciones en diferencias, que dan lugar a respuestas impulsionales mostrados como
combinaciones de exponenciales y que se relacionan con transformadas racionales en ejΩ. Dichas
transformadas son de la forma:

b e k
 j k

H  e j   k 0
N
(5.14)
a e
k 0
k
 j k

que se corresponden con sistemas de la forma:

N M

 ak y  n  k    bk x  n  k 
k 0 k 0
(5.15)

La función freqz nos permite calcular valores de este tipo de transformadas en una serie
de puntos, a través del cálculo de dos transformadas, una para el numerador y otra para el
denominador.

Ejercicio 5.8

Sea el sistema SDLIT descrito mediante la ecuación en diferencias siguiente:

y[n] = 1/2y[n-1] + x[n] + x[n-1] (5.16)

Utilizar la función freqz() para obtener una representación en frecuencia de la respuesta

impulsional del sistema, en 512 valores entre 0 y 2π:

b = [... ];
a = [... ];
[H,w] = freqz(b,a,512,"whole");

Tener en cuenta que b representa a los coeficientes de la parte directa del filtro, mientras que a
a los coeficientes de la parte realimentada.

• Averiguar a que frecuencia se hace 0 la respuesta en frecuencia del sistema.

• A partir de esa frecuencia, deducir para que señal de entrada se hará 0 la salida (dicha señal
ha de ser una auto función).
• Razonar en el dominio del tiempo y para dicha señal de entrada, por qué la salida es 0,
evaluando manualmente un par de expresiones recursivas de la ecuación en diferencias.
FLAVIO N. CARRILLO GOMERO - 2016
 9

5.5.5 OTRAS PROPIEDADES DE LA TRANSFORMADA DE FOURIER

La propiedad del enventanado explica cuál es la transformada del producto de dos señales
en el tiempo:

y  n  x  n.w  n  Y  e j    X  e W  e d
1  j j  
(5.17)
2 
en donde el segundo miembro representa una convolución periódica. En una convolución de este
tipo se opera sobre señales periódicas. La integral se lleva a cabo sobre un intervalo de longitud
igual al periodo de las señales, siendo el resultado también periódico con el mismo periodo. De
alguna forma es la propiedad dual a la propiedad de la convolución, que nos relaciona una
convolución en el tiempo con un producto en el dominio transformado:

y  n   x  n  * h  n   Y  e j   X  e j  H  e j  (5.18)

al igual que ocurre en el caso continuo. Esta última propiedad no es más que una consecuencia
del hecho de que las exponenciales complejas son autofunciones de los sistemas LIT, por lo que
el peso que tienen a la salida de un sistema se ve afectado por el valor de la Transformada de
Fourier de la respuesta impulsional del sistema evaluada a esa frecuencia.

Volviendo con la propiedad del enventanado, cabe señalar que si se particulariza al caso
en el cual la ventana w[n] es una exponencial compleja nos encontramos con la propiedad de la
modulación:

y  n   x  n .e j0n  Y  e j   X e  j  0 

 (5.19)

de tan amplio uso en comunicaciones y radar. Esta propiedad es la dual a la propiedad del
desplazamiento temporal, que se traduce en un producto en frecuencia por una exponencial.
Ejercicio 5.9
Demostrar que la transformada de Fourier de la parte par de una señal real x[n] es la parte real
de la transformada de Fourier X(ejΩ). Evaluar, si x[n]=0, n < 0, entonces X(ejΩ) se puede obtener
a partir de Re{ X(ejΩ)}.
Ejercicio 5.10
Sea un pulso x[n] de longitud 21, que podría representar el resultado de muestrear un pulso
utilizado en radar (emplear la función ones()). Para enviarlo es necesario modularlo, de modo
que el espectro resultante se ubique en la frecuencia que interese. Dado que la señal a enviar
será real, la modulación se lleva a cabo con un coseno, que en este caso será cos(nπ/2).
Representar el espectro de las señales moduladas y sin modular, utilizado para ello las funciones
fft() y plot(), comprobando en donde se encuentra el pico de la transformada. Razonar la
forma del espectro.

Este ejercicio que se acaba de realizar se puede ver también desde la perspectiva del
enventanado, en la cual la ventana sería el pulso original, y la señal deseada la exponencial
compleja. Entonces, la multiplicación en el tiempo significa que las deltas originales en frecuencia
son ensanchadas debido a la convolución con la función sinc, transformada del pulso, como se
puede apreciar en la Fig. 5.1, que representa la transformada de un coseno de frecuencia 2π/8 y
longitud de 50 muestras. En frecuencia no hay dos deltas sino un par de sinc centradas a las
frecuencias 2π/8 y 2π - 2π/8. Existen muchísimos tipos de ventanas, cada una de las cuales con
propiedades diferentes. Acabamos de ver la más simple, la ventana rectangular, 1 en el intervalo
de definición y 0 fuera del mismo. También es posible el uso de otras ventanas que no son
constantes, sino que van disminuyendo su amplitud a medida que se alejan del punto

FLAVIO N. CARRILLO GOMERO - 2016

 10

central. La ventaja principal que ofrecen frente a la rectangular es que los lóbulos laterales de sus
transformadas son mucho más pequeños que los de una sinc, con lo que esa caída más rápida en
frecuencia hace posible una menor distorsión del espectro original. Como inconveniente hay que
resaltar que la anchura del lóbulo central es mayor que la

Fig. 5.1 Efecto ventana en la Transformada de Fourier de un coseno.

correspondiente a una sinc. A modo de ejemplo ponemos la ecuación de la ventana de

Hamming, de uso muy extendido:

  2 n 
0.54  0.46 cos   0n L
x  n    L  (5.20)

 0 otros

Ejercicio 5.11
En este ejercicio compararemos la magnitud del espectro de una ventana Hamming y de una
ventana rectangular de igual longitud, comentando las principales diferencias.

• Para ello, generar un pulso de 32 unos, y calcular con fft()128 puntos de su transformada.
• Utilizando la función hamming(), obtener una ventana de Hamming de 32 muestras,
visualizando su forma con plot(). Calcular 128 de su Transformada de Fourier.
• Representar los espectros superpuestos de ambas señales. Observar las diferencias en términos
de anchura del lóbulo principal y altura de lóbulos laterales.
• Razonar que ventana sería más apropiada si nuestro objetivo es distorsionar lo menos posible
el espectro de la señal enventanada.
• A modo de ejemplo de empleo de ambas ventanas, visualicemos el espectro de una señal
compuesta de dos tonos, uno de los cuales es mucho más potente que el otro:

x=cos(0.5*(0:31))+20*cos(1.5*(0:31));
figure(1)
plot(2*pi*(0:127)/128,abs(fft(x.*ones(1,32),128)));
figure(2)
plot(2*pi*(0:127)/128,abs(fft(x.*hamming(32)’,128)));

Observar que en el caso de la ventana de Hamming resulta mucho más fácil apreciar el tono de
menor intensidad en el espectro.

La propiedad de enventanado se puede utilizar para analizar el efecto sobre la toma de

registros finitos de señales de longitud infinita. Es decir, se puede pensar en considerar la señal
original multiplicada por una ventana de longitud igual a la duración del intervalo considerado,
como se verá en el siguiente ejercicio.

FLAVIO N. CARRILLO GOMERO - 2016

 11

Ejercicio 5.12
Sea la señal h[n]=αnu[n] la respuesta impulsional de un sistema definido por la ecuación en
diferencias y[n] = αy[n-1] + x[n]. Por lo visto anteriormente podemos calcular valores de su
transformada exacta, utilizando la función freqz(). Obtener 512 de esos valores para α=0.5,
y compararlos con los valores obtenidos a partir de un registro finito de esa señal, es decir:

 nu  n  0  n  L
htruncado  n   (4.21)
 0 otros
para L=2, 4, 6, 8.

[H,w] = freqz(b,a,512,"whole");
# a,b representan los coeficientes de la ecuación en
# diferencias
plot(2*pi*(0:511)/512,abs(H));
Htrunc=fft(htrunc,512);
Hold on; plot(2*pi*(0:511)/512,abs(Htrunc));

Comprobar a partir de que longitud de la señal truncada la diferencia entre los espectros es
inapreciable.

Obtener la respuesta en frecuencia del resultado de poner en cascada el filtro anterior con el
filtro de respuesta al impulso h[n] = δ[n-1]. Determinar el valor de dicha respuesta en frecuencia
para Ω=π/4.
5.6 CUESTIONARIO
1.- Determinar la Transformada de Fourier para señales discretas de la siguiente secuencia:
a) x  n  0.5n u  n b) x[n]= {1, -2, 3, -4, 5, } c) x[n]= {…..0, 0, 1, -2, 3, -4, 5, 0, 0, … }

Luego evaluar para 512 puntos equiespaciados entre [0, π] y graficar la magnitud, ángulo, parte
real y parte imaginaria para cada uno de los casos a), b) y c).
n
 j

2.- Sea x  n    0.9e 8  , 0 ≤ n ≤ 10. Determine X  e jw  e investigue su periodicidad.
 
3.- Sea x  n  2 , -10 ≤ n ≤ 10. Investigue la propiedad de la simetría conjugada de su
n

Transformada de Fourier para Señales Discretas.

4.- Determine la respuesta en frecuencia de H e j   de un sistema caracterizado por
hn   0.9 u n . Graficar la magnitud y fase de la respuesta. Luego a este sistema se le aplica
n

la secuencia x[n]= 0.1u[n]. Determine para este caso la respuesta en frecuencia en estado
estacionario.
5.- Un sistema discreto lineal e invariante en el tiempo está especificado por la siguiente ecuación
de diferencias:
y n  0.8 y n  1  x n
a) Determinar H e  j

b) Calcular y graficar la respuesta en estado estacionario de la salida cuando se aplica la

siguiente secuencia de entrada:
x  n  cos(0.05 n)u  n
6.- Un filtro pasa bajo está descrito por la siguiente ecuación de diferencias:

FLAVIO N. CARRILLO GOMERO - 2016

 12

y  n  0.0181x  n  0.0543x  n  1  0.0543x  n  2  0.0181x  n  3 

+1.76 y  n  1  1.1829 y  n  2  0.2781y  n  3
Graficar la magnitud y fase de la respuesta de este filtro y verificar si es un filtro pasa bajo.

FLAVIO N. CARRILLO GOMERO - 2016